Щойно я закінчив читати останню доповідь засновника DeepMind Деміса Хассабіса на Y Combinator, і деякі ідеї заслуговують на обговорення. Цей чоловік відверто сказав, що до справжнього AGI залишилось всього два ключові пазли — безперервне навчання, довгострокове мислення та системи пам’яті. За його оцінкою, ці проблеми можуть бути розв’язані приблизно до 2030 року.

Найцікавіше — його критика сучасних великих моделей. Він каже, що ці системи демонструють "нерівномірний інтелект" — здатні розв’язувати задачі рівня золотих медалей міжнародної математичної олімпіади, але при цьому провалюються на початковій школі. Це не проблема здатностей, а те, що ланцюги логіки ще занадто грубі, бракує рефлексії щодо власних процесів мислення. Він навіть навів приклад із шахами: модель іноді усвідомлює, що хід поганий, але не може знайти кращої альтернативи, і в підсумку повторює ту саму помилку. Це свідчить про те, що системи логіки ще мають великий потенціал для інновацій.

Щодо агента — ця тема мене особливо цікавить. Він вважає, що саме агент — це справжній шлях до AGI, але зараз це лише початковий етап. Є один болючий момент — ніхто реально не створив за допомогою AI-програмних інструментів гру, яка б підкорила топові позиції в ігрових магазинах. Теоретично, з урахуванням сучасних інструментів, це можливо, але ніхто не зробив цього. Це означає, що сам ланцюг інструментів або процеси ще мають недоліки. Він прогнозує, що цей прорив станеться протягом 6-12 місяців.

Прогрес у технологіях дистиляції моделей теж вражає. Їхній Flash-модель може досягти 95% продуктивності флагманської моделі за десяту частину вартості. І цей процес стиснення стає все швидшим — через 6-12 місяців після виходу нової моделі її можливості можна буде зменшити до маленьких моделей, що працюють на периферійних пристроях. Він зізнається, що наразі ще не стикнувся з теоретичним межами інформаційної щільності, тому потенціал ще дуже великий.

Що стосується наукових відкриттів, він запропонував цікаву концепцію — "Тест Ейнштейна". Це означає тренувати систему на знаннях до 1901 року і дивитися, чи зможе вона самостійно вивести теорію відносності 1905 року. Якщо AI зможе це зробити, це означатиме, що він дійсно наближається до здатності до автономних інновацій. AlphaFold вже довів потенціал AI у сфері згортки білків, і понад 3 мільйони дослідників у світі використовують його. Але він вважає, що це лише початок — у матеріалознавстві, розробці ліків, моделюванні клімату тощо є "момент AlphaFold 1" — перспективні, але ще не прорвані.

Найкорисніша порада для підприємців: якщо ви сьогодні запускаєте проект у глибоких технологіях на десятиліття вперед, потрібно враховувати появу AGI у своїх планах. Це не просто попередження — потрібно подумати, чи буде ваш продукт корисним у епоху AGI. Його ідея полягає в тому, що універсальні системи (наприклад, Gemini) будуть використовувати спеціалізовані системи (наприклад, AlphaFold) як інструменти, а не все зводити до однієї великої моделі. Це суттєво впливає на ваші поточні архітектурні рішення.

Основна ідея всього виступу — що труднощі у вирішенні складних задач і у вирішенні простих задач насправді схожі за складністю, лише у різних місцях. Оскільки життя обмежене, чому б не зосередитися на тих "єдинственних тобі, яких інші не зроблять"? Це звучить просто, але для реалізації потрібна сильна внутрішня дисципліна.