Только что посмотрел последнее выступление основателя DeepMind Демиса Хассабиса на Y Combinator, и у меня возникли мысли, которые стоит обсудить. Этот парень прямо говорит, что до настоящего AGI осталось всего два ключевых пазла — непрерывное обучение, долгосрочное рассуждение и системы памяти. По его мнению, эти задачи могут быть решены примерно к 2030 году.

Самое интересное — его критика текущих больших моделей. Он говорит, что эти системы показывают «неровный интеллект» — могут решать задачи уровня золотого медалиста международной математической олимпиады, а в то же время проваливаются на простых школьных задачах. Это не проблема возможностей, а то, что цепочки рассуждений всё ещё слишком грубые, отсутствует рефлексия над собственным мышлением. Он даже приводит пример с шахматами: модель иногда понимает, что ход плохой, но не может найти лучшую альтернативу, и в итоге повторяет одни и те же ошибки. Это говорит о том, что в системах рассуждения есть огромный потенциал для инноваций.

Что касается агента, меня это особенно заинтересовало. Он считает, что именно агент — это настоящий путь к AGI, но сейчас это только начальная стадия. Есть один очень болезненный момент — никто реально не создал с помощью AI-инструментов полноценную AAA-игру, которая бы поднялась в топ приложений магазина. Теоретически, при нынешнем уровне инструментов это возможно, но никто не делает. Значит, сама цепочка инструментов или процессы ещё недоработаны. Он предполагает, что этот прорыв произойдет в течение 6–12 месяцев.

Прогресс в области дистилляции моделей тоже впечатляет. Их модель Flash достигает примерно 95% производительности флагманской модели при стоимости в десять раз меньшей. И этот процесс сжатия становится всё быстрее — через 6–12 месяцев после выпуска новой модели её возможности можно будет сжать в маленькую модель, которая будет работать на периферийных устройствах. Он признается, что пока не достигнут теоретический предел информационной плотности, так что потенциал ещё очень велик.

В области научных открытий он предложил интересную концепцию — «тест Эйнштейна». Это значит обучить систему на знаниях до 1901 года и посмотреть, сможет ли она самостоятельно вывести теорию относительности 1905 года. Если AI сможет это сделать, значит, он действительно приближается к способности к автономным инновациям. AlphaFold уже доказал потенциал AI в области сворачивания белков, и 3 миллиона исследователей по всему миру используют его. Но он считает, что это только начало — материалы, медицина, моделирование климата и другие области находятся в «моменте AlphaFold 1» — перспективные, но ещё не прорывные.

Самый практичный совет для предпринимателей: если вы запускаете технологический проект на десятилетие вперёд, обязательно учитывайте появление AGI в своих планах. Это не страшилка, а необходимость — подумайте, будет ли ваш продукт актуален в эпоху AGI. Его идея такова: универсальные системы (например, Gemini) будут использовать специализированные системы (например, AlphaFold) как инструменты, а не пытаться всё запихнуть в одну большую модель. Это сильно влияет на ваше архитектурное решение сейчас.

Основная идея всей презентации — сложность решения трудных задач и простых проблем примерно одинакова, только в разных местах. Раз уж у жизни ограниченное время, почему бы не сосредоточиться на тех «вещах, которые только ты можешь сделать, а другие — нет»? Звучит просто, но для этого нужна сильная воля.