Разбираем главный спор в мире технологий — без паники и без иллюзий
«Мы создадим AGI до конца этого десятилетия» — такого рода заявления звучат из уст руководителей крупнейших ИИ-лабораторий с пугающей регулярностью. Сэм Альтман из OpenAI говорит о годах, а не десятилетиях. Демис Хасабис из Google DeepMind называет срок «меньше десяти лет». Илон Маск и вовсе обещал AGI в 2025-м — срок уже прошёл, а мир не изменился.
Одновременно с этим Янн ЛеКун — один из основателей современного глубокого обучения — называет весь этот разговор «фундаментально ошибочным». Его коллеги по академической среде пишут статьи о том, что языковые модели не «думают», а имитируют мышление, и что путь к настоящему интеллекту куда длиннее, чем кажется.
Кто прав? Чтобы ответить на этот вопрос честно, нужно сначала разобраться: а что именно мы обсуждаем?
Что такое AGI — и почему это не очевидно
AGI расшифровывается как Artificial General Intelligence — искусственный общий интеллект. Но «общий» — это не технический термин, а философский. И разные люди вкладывают в него совершенно разное содержание.
Первое определение, самое популярное в медиа: AGI — это система, которая выполняет любую интеллектуальную задачу не хуже среднего человека. Звучит понятно, но содержит ловушку: что значит «среднего»? Средний человек плохо умножает трёхзначные числа в уме и не читает рентгеновские снимки. Современные ИИ-системы уже делают это лучше него. Значит ли это, что AGI уже здесь? Большинство исследователей скажут: нет.
Второе определение, которое использует OpenAI во внутренних документах: AGI — это система, способная автономно выполнять большинство экономически значимых задач лучше большинства людей. Это уже ближе к практике — и по этой шкале прогресс действительно заметен.
Третье, наиболее строгое определение, которое принято в академической среде: AGI — это система с подлинным обобщением. Она не просто хорошо делает то, на чём её обучили, — она переносит знания в принципиально новые области, как это делает человек. Учится из минимального числа примеров. Понимает физический мир. Строит модели чужого сознания.
От того, какое из этих определений вы используете, зависит ответ на вопрос о 2027 годе — кардинально.
Ключевой вопрос
Когда технологические лидеры говорят «AGI через два года», они почти всегда имеют в виду второе определение — экономическую полезность. Когда учёные отвечают «не скоро», они говорят о третьем — подлинном интеллекте. Спор во многом происходит мимо друг друга.
Аргументы «за»: почему 2027 не выглядит фантастикой
Темп изменений беспрецедентен
В 2020 году GPT-3 поразил мир способностью писать связные тексты. Это казалось пределом. В 2022-м ChatGPT вышел в публичный доступ и набрал 100 миллионов пользователей за два месяца — быстрее, чем любой продукт в истории интернета. В 2024-м системы ИИ начали превосходить лучших человеческих специалистов в кодировании, юридическом анализе и медицинской диагностике. Каждые 12–18 месяцев происходит качественный скачок, который ещё год назад казался невозможным.
Закон масштабирования — scaling laws — утверждает, что увеличение данных и вычислительных мощностей предсказуемо улучшает модели. Пока этот закон работает, и ничто не указывает на его скорый «потолок». Новые архитектуры, синтетические данные, обучение с подкреплением — всё это добавляет новые векторы роста поверх базовой кривой.
Агентные системы меняют правила игры
Старые языковые модели отвечали на вопросы. Новые системы — планируют, используют инструменты, исправляют собственные ошибки и выполняют многошаговые задачи автономно. В 2025 году появились первые «ИИ-сотрудники», которые могут самостоятельно вести проект несколько часов: искать информацию, писать код, тестировать его, обнаруживать баги и снова итерировать. Это качественно другое поведение по сравнению с «отвечалкой».
Наука ускоряется благодаря самому ИИ
AlphaFold от DeepMind решил задачу предсказания структуры белков, над которой биологи работали 50 лет. ИИ-системы уже используются для открытия новых материалов и молекул-кандидатов для лекарств. Это не метафора — это реальные научные результаты, опубликованные в рецензируемых журналах. Когда ИИ помогает создавать более умный ИИ, темп ускоряется рекурсивно.
Цифра
По оценкам Epoch AI, вычислительные мощности, использованные для обучения самых крупных моделей, удваиваются примерно каждые 6–10 месяцев. Это быстрее, чем закон Мура в лучшие его годы.
Аргументы «против»: почему до AGI ещё далеко
Языковые модели не понимают — они предсказывают
Это не просто философская придирка. Языковая модель обучена предсказывать следующий токен в тексте. В результате она исключительно хорошо имитирует мышление — но имитация и есть мышление? Вот два разных вопроса, которые слишком часто путают. Модели делают ошибки, которые ни один думающий ребёнок не сделает: путаются в пространственных отношениях, «галлюцинируют» несуществующие факты, теряются в задачах, которые требуют применить знание из одной области в принципиально новом контексте.
Физический мир остаётся закрытой книгой
Человеческий интеллект вырос из взаимодействия с физическим миром. Мы понимаем, что стакан упадёт, если его толкнуть, — потому что тысячи раз видели, как это происходит, и научились обобщать. Языковые модели обучены на тексте. Они знают слово «падение», но не имеют интуиции о гравитации. Попытки создать воплощённый ИИ — робота, который учится из физического взаимодействия со средой — пока невероятно сложны и далеки от человеческого уровня.
История обещаний, которые не сбылись
1965: Герберт Саймон: «Через 20 лет машины смогут делать любую работу, которую делает человек»
1970: Марвин Минский: «Через 3–8 лет у нас будет машина с общим интеллектом обычного человека»
1980-е: Экспертные системы — «новый прорыв», который приведёт к AGI. Привёл к «зиме ИИ»
2010-е: Глубокое обучение — «настоящий прорыв». Снова обещания AGI «в течение нескольких лет»
2023–2026: Большие языковые модели — очередной «настоящий прорыв». История повторяется?
Это не значит, что нынешний прогресс — иллюзия. Он реален и значителен. Но паттерн завышенных ожиданий повторялся достаточно часто, чтобы относиться к новым обещаниям с умеренным скептицизмом.
Инфраструктурный потолок
Обучение GPT-4 обошлось, по различным оценкам, в 50–100 миллионов долларов. Следующие поколения стоят дороже. Электростанции мира уже не успевают строиться с той скоростью, с которой растёт спрос на вычислительные мощности. Nvidia не успевает производить достаточно чипов. Это не теоретическое ограничение — это физическая реальность, которая тормозит гонку прямо сейчас.
Третья позиция: «поживём — увидим»
Есть немало серьёзных учёных и инженеров, которые не примыкают ни к оптимистам, ни к скептикам — и их позиция, пожалуй, наиболее честна.
Их аргумент прост: мы никогда прежде не строили систему такого масштаба и сложности. Мы не понимаем в полной мере, почему большие модели работают так хорошо. Мы не знаем, где находится потолок. Строить уверенные прогнозы о сроках в такой ситуации — значит притворяться, что у нас есть знание, которого нет.
«Предсказывать дату появления AGI — это как в 1995 году предсказывать, когда появится смартфон. Технология реальна, направление правильное, но конкретный срок — это гадание.» — собирательная позиция многих исследователей
Эта позиция не означает бездействия. Напротив: именно неопределённость требует готовиться к разным сценариям одновременно — и к тому, что всё произойдёт быстро, и к тому, что впереди очередное «плато».
Что реально может произойти к 2027 году
Оставим в стороне споры о терминах и посмотрим на конкретику. Что мы с высокой вероятностью увидим через полтора-два года — вне зависимости от того, назовём ли это «AGI»?
Почти наверняка
Автономные ИИ-агенты в корпоративной среде. Системы, которые самостоятельно ведут проекты, пишут и тестируют код, анализируют данные без участия человека на каждом шаге.
Вероятно
Сверхчеловеческий ИИ в нескольких узких областях: программирование, научные исследования, юридический анализ, медицинская диагностика. Не общий интеллект, но лучше любого человека в своей нише.
Маловероятно
Полноценный AGI в строгом смысле: система, которая обобщает, учится из минимума примеров, понимает физический мир и решает принципиально новые задачи без дообучения.
Иными словами: не AGI, но что-то достаточно мощное, чтобы изменить рынок труда, науку и повседневную жизнь уже в ближайшие два года. Разница между «AGI» и «очень умный узкий ИИ везде» на практике может оказаться меньше, чем в теории.
Почему ставки такие высокие — и для кого
Разговор об AGI — это не только академическая дискуссия. За словами стоят деньги, власть и геополитика.
США и Китай ведут открытую технологическую гонку, в которой ИИ занял место, которое раньше занимала ядерная программа. Правительство США ввело экспортные ограничения на передовые чипы. Китай инвестирует сотни миллиардов в собственную полупроводниковую промышленность. Кто первым достигнет AGI — или достаточно близкого к нему — получит стратегическое преимущество, которое трудно переоценить.
Одновременно вокруг ИИ надулся инвестиционный пузырь исторических масштабов. Оценки компаний, которые ещё не достигли прибыльности, измеряются сотнями миллиардов. Когда руководители ИИ-лабораторий делают громкие заявления о сроках, за этим всегда стоят и инвесторы, ожидающие возврата. Это не значит, что заявления лживы — но это значит, что у говорящих есть стимул быть оптимистичными.
Для регуляторов ситуация не менее сложная. Европейский ИИ-акт вступил в силу в 2024 году — и уже устаревает быстрее, чем его успели внедрить. Законодатели по всему миру пытаются создать правила для технологии, которую они не полностью понимают и которая меняется быстрее, чем проходит законодательный цикл.
Что это значит для обычного человека
Если вы не инвестор, не исследователь и не политик, вопрос «будет ли AGI в 2027-м» может казаться абстрактным. Но его практические следствия вполне конкретны.
Рынок труда уже меняется. Не в апокалиптическом смысле «роботы заберут все работы», а в более тонком: задачи автоматизируются быстрее, чем появляются новые роли. Программисты, копирайтеры, аналитики, юристы — все они уже работают с ИИ-инструментами, которые берут на себя рутинную часть работы. К 2027 году эта часть вырастет.
Образование стоит перед вызовом, для которого у него пока нет ответа. Если ИИ умеет писать эссе, решать задачи и объяснять материал лучше большинства учителей — чему и как учить? Это не риторический вопрос: системы образования по всему миру сейчас в замешательстве.
Доступ к «суперспособностям» демократизируется. Ещё пять лет назад юридическая консультация, медицинский разбор анализов или профессиональный бизнес-анализ были доступны тем, кто мог за них заплатить. Сегодня всё это — с оговорками о точности — доступно любому человеку со смартфоном. К 2027 году этот разрыв сожмётся ещё сильнее.
Вывод: не AGI, но достаточно близко
Если отвечать на заглавный вопрос честно: AGI в строгом смысле в 2027 году маловероятен. Не потому что прогресс медленный — он как раз стремительный. А потому что между «очень умным ИИ, который хорошо справляется с большинством задач» и «подлинным общим интеллектом» остаётся пропасть, природу которой мы ещё не вполне понимаем.
Но вот что точно: к 2027 году у нас будут системы, которые перестроят целые индустрии, автоматизируют значительную часть умственного труда и поставят под вопрос многие устоявшиеся профессии. Называть это «AGI» или нет — во многом вопрос семантики.
Хайп реален. Но реален и прогресс — и это важно не путать. Лучшая стратегия — не ждать сингулярности и не отмахиваться от изменений, а внимательно наблюдать, критически оценивать заявления и адаптироваться раньше, чем окажется поздно.
Если запомнить одно
Спор о дате AGI — это во многом спор о словах. Бесспорно другое: ИИ-системы уже сегодня делают то, что два года назад казалось невозможным. И этот темп не замедляется.
