От ИИ-аспирантов к ИИ-ученым

giovanni1313 — 03.11.2025
Если корпоративные соглашения ”OpenAI” указывают на создание общего ИИ к 2030-32 гг., внутри самой лаборатории сроки ставятся еще более агрессивные. Сэм Альтман на днях рассказал о ближайших планах по автоматизации научных исследований в своей компании:

1. К сентябрю 2026 г. будет создан «ИИ-стажёр» (или «ИИ-аспирант») и запущен на сотнях тысяч GPU.

2. К марту 2028 г. будет создан полноценный ИИ-исследователь.


Начнем с первого пункта. Сама технология, по большому счету, доступна уже сегодня. Если даже небольшая университетская команда из 7 человек может создать работающую систему, показывающую отличный результат — то ”OpenAI” могла бы сделать это еще вчера. Это скорее вопрос желания, а не возможностей.

Итак, желание появилось. Какие возможности может дать система уровня «ИИ-аспирант»? В первую очередь это скорость проведения исследований. Ускорение прогресса.

И название, и опыт академических исследований в этой области указывают на то, что «ИИ-аспиранты» могут работать только под началом опытного человеческого ученого. Плюс таких систем — работа 24/7. Минусы — галлюцинации (критический недостаток, поскольку в науке исключительно важна достоверность знаний), недостаток креативности и отсутствие «научной интуиции», позволяющей легче находить перспективные подходы.

Минусы ограничивают реалистичный предел ускорения научного прогресса при условно-безлимитном масштабировании «ИИ-аспирантов». Сейчас я бы оценил его примерно как 6-кратное, плюс-минус в зависимости от конкретной проблемы и имплементации ИИ-агента. То есть один нынешний человеческий исследователь из ”OpenAI” сможет осуществить в 6 раз больше проектов, нежели без доступа к ИИ-агентам. Скорее всего, в ближайшие годы этот потолок будет раздвигаться по мере совершенствования ИИ-систем.
6-кратное ускорение — это колоссальный рывок по историческим меркам. До сих пор объем академических исследований (вклад корпораций подсчитать сложно) в машинном обучении рос с темпом 20-40% в год.

И единственная нестыковка, которая вызывает у меня сомнения — это обещание отмасштабировать «ИИ-аспирантов» на сотни тысяч GPU. Проблема в том, что для этого уровня ИИ бутылочным горлышком по-прежнему являются человеческие исследователи. Точное число исследователей, работающих в ”OpenAI”, неизвестно, но скорее всего это менее 1000 человек. Получается, что на одного человеческого ученого будет приходиться несколько сотен GPU с запущенными «ИИ-аспирантами».

Это очень серьезные вычислительные ресурсы. Потенциально, при эффективной утилизации, такой кластер может генерировать больше 100 тыс. слов в секунду. Большая часть этого объема уйдёт «в отсев», на поиск работающих улучшений. Но и перспективных результатов, требующих проверки человеком, этот кластер будет генерировать приличное количество. Если экстраполировать результаты недавней научной работы, получаем не менее 20 перспективных экспериментов за 5 часов. >100 за сутки. С этим человек явно не справится. А ведь нужно будет еще тратить время на общее руководство, подготовку данных и так далее.


То есть если Альтман хочет ускорить скорость своих разработок «на всю котлету» — пока такая возможность представляется сомнительной. Но и 6-кратное ускорение уже будет очень крутым достижением.

Теперь про второй пункт, полноценных ИИ-ученых. Здесь мы уже рассуждаем о гипотетических технологиях. Технологиях, которые как раз позволят сделать исследования полностью автономными, освободиться от человеческих «бутылочных горлышек» и задействовать дата-центры по полной.

Получится или нет? Срок довольно агрессивный. Два с половиной года…


Шанс есть. Трудно загадывать, потому что требуется действительно качественный скачок. Но шанс есть. И предыдущий этап, вот это 6-кратное ускорение, плюс гигантские количества получаемых от «ИИ-аспирантов» данных, на основе которых можно прогрессивно улучшать систему, вселяют уверенность в успехе.

Если у Альтмана получится ИИ-ученый, будет ли это означать создание общего ИИ? И, как следствие, начало массовой автоматизации человеческих профессий?

В строгой привязке к моменту создания ИИ-ученого — еще нет. Повторю свой давний тезис: автоматизировать миллион специальностей сложнее, чем автоматизировать одну специальность. Если у ”OpenAI” получится заменить человека в одной задаче — это не означает, что в остальных задачах ИИ будет так же хорош.

Впрочем, этот взгляд будет справедлив очень недолгий период времени. Вспомним про ускорение технологического прогресса, обсуждавшееся выше. Мы можем сказать, что скорость технологического прогресса прямо определяет темп автоматизации рабочих мест в широкой экономике. И создание ИИ-аспиранта, и тем более создание ИИ-ученого является критическими, массивными скачками в этом темпе.

Иными словами, мгновенного вытеснения людей из экономики не произойдёт. Но там, где до этого в экономике устаревал 1% профессий в год, начнет устаревать 6% в год. А потом — 60% в год.


И если вы считаете, что 60% людей, потерявшим за год работу, будет греть душу тот факт, что ИИ еще не в силах заменить 40% еще держащихся на зарплате — и, следовательно, этот ИИ не может считаться «общим» — то вам стоит еще раз подумать о приоритетах голодных людей с кредитами и ипотекой.

Боюсь, что катастрофические потрясения на рынке труда случатся задолго до того, как ИИ начнет соответствовать каким-то формальным определениям. Задолго до того, как начнёт собираться экспертная комиссия и выносить какой-то вердикт.

Поэтому, друзья, будем следить за практикой (рынком труда), а не за теорией, с ее лаконичными, но слишком абстрактными определениями.

В заключение стоит обратить внимание на точность дат, озвученных Сэмом Альтманом. Допустим, октябрь 2026 — еще более-менее объяснимая отметка. А вот март 2028, с учетом нынешней скорости изменений в области ИИ, выглядит чересчур конкретным ориентиром.

Некоторые комментаторы поспешили списать эту точность на грядущие планы IPO “OpenAI”. Которое ориентируют на 4 кв. 2026 — 1-ю половину 2027. Действительно, нельзя отрицать, что подготовка к этому событию в публичном поле уже началась. И коммуникации Альтмана можно рассматривать как «стратегические».


Но и возможно и альтернативное объяснение. Дело в том, что именно с середины 2026 “OpenAI” начнет получать законтрактованные гигантские дата-центры. То есть у нее значительно расширяется объем доступных вычислительных мощностей. Поскольку планы по масштабированию «ИИ-аспирантов» опираются на использование сотен тысяч GPU, логично предположить, что для этого сначала нужно иметь такие мощности в избытке.

Год назад, в «Размышлениях по 5-ой экспоненте ИИ», я писал, что автоматизация исследований выгодна только в условиях изобилия вычислительных мощностей. Иначе, пока мощности остаются «бутылочным горлышком», выгоднее давать их человеческим ученым. Которые могут распорядиться ими намного грамотнее.

Нынешний блицкриг Сэма Альтмана, с заключением контрактов на 1,4 трлн. долларов и 30 ГВт дата-центров, как раз и пытается создать это вычислительное изобилие. Пытается строить необходимую базу для ИИ-исследований.

Это крупная ставка. И это рациональная ставка. Пока стратегия “OpenAI” выглядит многообещающей.


_______________________________________________________________

Оставить комментарий

Популярные посты:

• Архив