Искусственный интеллект вступает в стадию «реальный мир ИИ».

Автор: Ван Цзе

В конце июня в китайском Даляне в рамках летнего Давосского форума собрались мировые лидеры индустрии искусственного интеллекта (включая робототехнику), чтобы обсудить текущее развитие ИИ и ключевые тенденции на будущее. Среди них Ван Цзе, один из первых китайских инвесторов в ИИ и содиректор Исследовательского центра экономики ИИ Шэньчжэньского института цифровой экономики, заявил, что ИИ прошёл три этапа — «генерация контента», «способность к рассуждению» и «способность к действию» — и скоро вступит в этап «ИИ в реальном мире». Всем звеньям отрасли необходимо подготовиться к наступлению этого этапа.

Ниже представлен полный текст статьи «Искусственный интеллект вступает в этап "ИИ в реальном мире"», впервые опубликованной Tencent Tech.

We are at AI’s reality moment.

За последние несколько лет ИИ научился генерировать, рассуждать и действовать. Следующий этап — не просто сможет ли ИИ выдавать более красивые ответы на экране, а сможет ли он учиться на обратной связи из реального мира и выдавать приемлемые, устойчивые результаты работы в реальном мире. Сегодня мы находимся в «моменте реального мира» развития ИИ.

Наблюдение: ИИ постоянно покидает мир бенчмарков

За последние несколько лет основное повествование в ИИ-индустрии было организовано вокруг бенчмарков. Каждый релиз модели сопровождался набором баллов: понимание языка, профессиональные экзамены, математические рассуждения, генерация кода, программная инженерия, веб-операции, мультимодальные ответы на вопросы, задачи агентов. Баллы росли — индустрия радовалась; баллы насыщались — создавались новые бенчмарки. Бенчмарки стали флагами вех на долгом пути развития ИИ.

Однако появляется всё более очевидный факт: ИИ постоянно покидает мир бенчмарков. Многие тесты, которые когда-то считались достаточно сложными и репрезентативными для интеллекта, неоднократно приближались, уравнивались и превосходились моделями. Исследователи продолжают определять новые задачи, новые рейтинги, новые наборы для оценки, а модели продолжают догонять и срывать новые флаги. Это, конечно, часть научного прогресса, но также показывает, что одних бенчмарков уже недостаточно, чтобы нести весь смысл развития ИИ.

Мир бенчмарков по своей сути — это «теоретический мир»: задачи предопределены, ответы имеют чёткие границы, критерии оценки могут быть формализованы, а цена неудачи — обычно просто строка с баллом. Он подходит для доказательства того, что модель обладает определённой способностью, но не означает, что модель может стабильно выполнять результаты, которые мы ожидаем в реальном рабочем процессе. То, что модель правильно отвечает на вопросы в тестовой базе, не означает, что она сможет стабильно выполнять задачи в процессе закупок предприятия, координации лечения в больнице, системе планирования производства на заводе, проверке рисков юридических документов или экстренном реагировании городского управления.

Поэтому, когда мы говорим, что ИИ покидает мир бенчмарков, это не означает, что бенчмарки больше не важны. Напротив, бенчмарки по-прежнему являются необходимой приборной панелью технического прогресса. Но приборная панель — это не дорога, баллы — не результат, демонстрация — не доставка. ИИ покидает мир бенчмарков — куда он направляется? Ответ: в реальный мир. Вся индустрия вступает в этап «ИИ в реальном мире».

Переход от «теоретического мира» к «реальному миру»

Три старых этапа «теоретического мира»

Этот виток развития ИИ уже прошёл три чётких старых этапа. Первый — этап «генерация контента», типичная форма — чат-бот. ИИ впервые получил интерфейс на естественном языке, способность писать, резюмировать, переводить, общаться, объяснять, став универсальным текстовым инструментом для когнитивного труда человека. Второй — этап «способность к рассуждению», типичная форма — рассуждатель, то есть модели рассуждений, такие как GPT o1, DeepSeek R1. ИИ начал проявлять более сильные способности к декомпозиции, поиску, планированию, доказательству и самопроверке, может обрабатывать задачи с более длинными цепочками и более высокой сложностью. Третий — этап «способность к действию», типичная форма — агент. ИИ больше не просто отвечает на вопросы, а вызывает инструменты, просматривает веб-страницы, пишет код, управляет программным обеспечением, выполняет многошаговые задачи.

Эти три этапа очень важны. Генерация дала ИИ язык, рассуждение — мышление, агент — предварительные руки. После того, как он научился генерировать, рассуждать и действовать, следующее — не выполнять больше действий на демонстрациях, а нести ответственность за результаты в реальной среде. Реальный мир станет для ИИ средой долгосрочных действий в будущем.

Почему эти три этапа считаются старыми? Потому что они в основном остаются в «теоретическом мире» или «квазиреальном мире». Модель сталкивается с абстрагированными проблемами, а не с полной экономико-социальной системой; она оптимизирует вычислимую обратную связь, а не реальные результаты в условиях множества агентов, ограничений и длительных циклов; она демонстрирует возможные способности, а не результаты работы, принятые пользователями, организациями, институтами и рынком.

Новый этап «реального мира»

Мы предлагаем «ИИ в реальном мире», Real-World AI, чтобы отразить новый этап, в который вступает ИИ. Определение ИИ в реальном мире: ИИ, способный учиться на обратной связи из реального мира, выполнять задачи реального мира и приносить реальные результаты. «Реальный мир» здесь включает два значения: первое — обратная связь для обучения поступает из реальной среды: результаты, пользователи, институты, затраты и риски, а не только из стандартных ответов; второе — задачи поступают из реальных рабочих процессов, а не только из тестовых баз, песочниц или демонстраций. Это не расплывчатый ярлык, а название этапа, когда ИИ переходит от демонстрации способностей к производственной доставке, от теоретического интеллекта к рабочему интеллекту.

Ядро ИИ в реальном мире — не просто подключить больше кнопок к ИИ, а позволить ИИ войти в замкнутый цикл: понимать реальные задачи, получать реальную обратную связь, выполнять реальные действия, корректировать свою стратегию и в итоге доставлять приемлемые реальные результаты. Это требует, чтобы возможности модели вышли за пределы «компьютерных академических» областей, таких как код, программная инженерия, математика, кибербезопасность, и направились к более широким сценариям человеческого труда: маркетинг, продажи, цепочки поставок, производство, финансы, юриспруденция, медицина, образование, научные исследования, государственное управление, а также робототехника и автоматизированные системы в физическом мире.

Ниже приведено ключевое сравнение реального мира и теоретического мира:

(Таблица)

В этом смысле ИИ в реальном мире — это не какая-то конкретная модель, продукт или алгоритмический подход, а новое направление для всей отрасли. Оно соединит пост-тренинг, обучение с подкреплением, использование инструментов, системы памяти, интеграцию рабочих процессов, организационную обратную связь, человеческий надзор, механизмы безопасности и оценку экономической ценности. Реальный мир станет новым тренировочным полем для ИИ.

ИИ в реальном мире будет выдавать real-world intelligence. Real-world intelligence — это способность модели, сформированная в результате обучения на обратной связи из реального мира, а также способность преобразовывать цели в результаты в реальных ограничениях. Она измеряет не мгновенную производительность модели на статичных задачах, а постоянную пригодность, надёжность и способность создавать ценность ИИ-системы в реальных задачах. Если ядро benchmark intelligence — «может ли получить правильный ответ на заданную задачу», то ядро real-world intelligence — «может ли выполнить приемлемый результат в реальной задаче».

Почему переход от «теоретического мира» к «реальному миру» неизбежен?

Этот переход имеет как технологическую, так и экономическую неизбежность. Технологически: большие языковые модели дали ИИ языковые способности, модели рассуждений — более сильное мышление, агенты — предварительные способности к действию. Рассматривая поведение человека, обладая языком, мышлением и способностью действовать, человек обязательно вступит в фазу взаимодействия с реальным миром. Интеллект — это не способность, остающаяся в голове, а способность достигать целей в среде. Поэтому следующий шаг ИИ также очень ясен: войти в реальный мир.

Экономически: максимальная ценность революции ИИ не может вечно оставаться в вопросах-ответах, письме и фрагментах кода. Настоящее высвобождение производительности происходит, когда реальные задачи разблокированы: процесс обслуживания клиентов выполняется от начала до конца автономно, юридическая проверка стабильно доставляется, цепочка поставок динамически оптимизируется, исследовательская гипотеза быстро проверяется, робот надёжно сотрудничает на складе или дома. Только когда ИИ войдёт в реальные рабочие процессы, предприятия будут учитывать его как организационную способность, общество — как производительность, а люди — почувствуют масштаб этой технологической революции.

Вот почему «ИИ в реальном мире» более операционален, чем просто обсуждение AGI. AGI спрашивает, близок ли ИИ к человеческому интеллекту; ИИ в реальном мире спрашивает, может ли ИИ выполнять реальные задачи. AGI легко уводит обсуждение в сторону бесконечных возможностей; ИИ в реальном мире возвращает обсуждение к обратной связи, результатам, затратам и ценности. Он не понижает цель ИИ, а помещает цель ИИ туда, где она в конечном итоге должна быть: в реальность.

Дорожная карта и термины

Дорожная карта

Что касается дорожной карты, OpenAI в 2024 году предложил пятиступенчатую дорожную карту, которая в целом уловила направление эволюции от чат-бота к рассуждателю и агенту, но она не полностью описывает переход от теоретического мира к реальному. Кроме того, два последних этапа, innovator и organizer, больше похожи на характеристики возможностей, которые может иметь агент, а не на технические формы, параллельные чат-боту, рассуждателю и агенту; стандарт непоследователен. Более того, когда эта дорожная карта была предложена, отрасль ещё не вошла в этап агента, поэтому суждения о том, что после агента, естественно, несут неопределённость.

На этапе, когда отрасль движется от теоретического мира к реальному, нам нужна дорожная карта, которая лучше направляет долгосрочную работу. Мы предлагаем следующую пятиступенчатую рамку: Первое: Foundation AI, этап базовой модели — ИИ получает универсальное представление и сжатие знаний; Второе: Generative AI, этап генеративного ИИ — ИИ получает способности к генерации на естественном языке и мультимодальной генерации; Третье: Reasoning AI, этап рассуждающего ИИ — ИИ получает более сильные способности к поиску, планированию, доказательству и рефлексии; Четвёртое: Agentic AI, этап агентного ИИ — ИИ получает способность вызывать инструменты, управлять программным обеспечением, выполнять шаги; Пятое: Real-World AI, этап ИИ в реальном мире — ИИ входит в реальные рабочие процессы, учится на обратной связи из реального мира и доставляет реальные результаты, принимаемые людьми, организациями и институтами.

Эта дорожная карта помещает «ИИ в реальном мире» после агента. Агент решает вопрос «может ли ИИ действовать», а ИИ в реальном мире решает вопрос «приводят ли действия ИИ к приемлемым последствиям». Агент — это интерфейс, реальный мир — замкнутый цикл; агент — это руки, ИИ в реальном мире — организованная рабочая способность; агент позволяет ИИ войти в процесс, ИИ в реальном мире позволяет ИИ быть принятым процессом, доверяться организациями и измеряться экономикой.

В дальнейшем отрасль может войти в ещё более крупный этап: ИИ станет операционным слоем экономики и общества, то есть «цифровым слоем», о котором мы неоднократно упоминали ранее. Тогда ИИ не просто будет выполнять отдельные задачи, а будет участвовать в поддержке принятия решений, координации организации, распределении ресурсов, научных открытиях, городском управлении и операциях в физическом мире. Но наступит ли это будущее, зависит от того, сможем ли мы сегодня преодолеть этап ИИ в реальном мире. Без реальной обратной связи нет реального интеллекта; без реальных результатов нет реальной производительности.

Термины

Раньше у нас уже было много терминов, описывающих этот виток развития ИИ: AGI, ASI, Generative AI, Agentic AI, Embodied AI, Physical AI и другие (World Model / Мировая модель — это не описание характеристик развития ИИ, а описание одного из подходов к модели). В целом эти термины в основном исходят из алгоритмической, функциональной или носительной перспективы, их можно назвать «описанием с алгоритмической точки зрения». Они очень важны, но также легко уводят отраслевые дискуссии в абстрактные споры: «достаточно ли умна модель», «бесконечен ли интеллект», «когда превзойдёт человека».

Хорошее название должно обладать чувством направления: оно не только описывает, что такое технология, но и напоминает, куда мы в конечном счёте идём и где находимся сейчас. «ИИ в реальном мире» обладает этим чувством направления. Он не отрицает AGI, Physical AI или Embodied AI, а меняет способ постановки вопроса: больше не спрашивать, чем ИИ является технологически, а спрашивать, что ИИ может сделать в экономике и обществе; больше не спрашивать, близок ли ИИ к человеческому интеллекту, а спрашивать, может ли ИИ стабильно выполнять реальные задачи, создавать реальную ценность и нести реальные последствия.

«ИИ в реальном мире» также объединяет цифровой и физический мир. В цифровом мире ИИ в реальном мире означает, что ИИ входит в корпоративное программное обеспечение, работу со знаниями, транзакционные процессы, исследовательские процессы, управленческие процессы; в физическом мире ИИ в реальном мире означает, что роботы, автономное вождение, интеллектуальное производство, домашние услуги и городская инфраструктура учатся на реальной среде. Независимо от того, является ли носитель браузером, API, офисным программным обеспечением, механической рукой, транспортным средством или человекоподобным роботом, ключевой вопрос один: может ли ИИ сформировать замкнутый цикл в реальной среде, выполнить задачу и быть принятым реальностью.

Поэтому мы представляем всей отрасли выражение «ИИ в реальном мире / Real-World AI». Оно может собрать исследователей, предпринимателей, инвесторов, корпоративных пользователей и политиков на одной карте: от benchmark intelligence к real-world intelligence; от периода демонстрации способностей к периоду разблокировки задач; от гонки моделей к гонке производительности; от «ИИ, кажется, может сделать» к «ИИ действительно может сделать».

ИИ в реальном мире — это не конечная точка, а вход. Он напоминает нам: самая важная работа с ИИ в ближайшие годы — не просто создавать большие модели, более длинный контекст, более красивые демонстрации, а превратить реальность в тренировочный цикл, обратную связь — в способности, задачи — в ценность, а ИИ — в реально используемую производительную силу человеческого общества.

Чтобы этот этап действительно наступил, отрасли необходимо сформировать новый консенсус. Обучение модели должно сделать обратную связь из реальных рабочих процессов ключевым ресурсом пост-тренинга, а не просто гоняться за существующими рейтингами; приложения ИИ должны продвигать продукты от формы ассистента к форме доставки задач, а не просто встраивать окно чата с ИИ в программное обеспечение; корпоративные пользователи должны перевести оценку ИИ с «удобно ли использовать» на «может ли стабильно выполнять ключевые задачи»; инвесторы должны заново измерить скорость разблокировки задач, глубину замкнутого цикла обратной связи и стоимость единицы продукции помимо параметров модели и демонстрационных эффектов; политикам необходимо создать структуры данных, ответственности, безопасности и аудита, чтобы внедрение в реальном мире могло расширяться в атмосфере доверия.

В этом смысл термина «ИИ в реальном мире». Он конденсирует разрозненные отраслевые фокусы в общее направление: пусть ИИ покинет демонстрационную сцену и войдёт на производственную площадку; покинет тестовые базы и войдёт в организацию; покинет одноразовые ответы и войдёт в непрерывную обратную связь; покинет абстрактный интеллект и войдёт в реальную ценность. We are at AI’s reality moment. Следующий рубеж ИИ — это не очередной бенчмарк, следующий рубеж — реальный мир.

Реальный мир станет новым тренировочным полем для ИИ.

Reality is becoming the next training loop for AI.