---
title: "После AGI — сверхразум: Google DeepMind описал четыре пути к искусственному сверхинтеллекту"
description: "Google DeepMind опубликовал эссе Тима Геневейна о четырёх путях от общего ИИ к сверхразуму: масштабирование, смена парадигмы, координация агентов и рекурсивное самоулучшение. По расчётам, к 2030 году число доступных ИИ-агентов может вырасти более чем в 1000 раз."
date: 2026-11-21T13:09:36.957Z
lang: ru
url: https://xab.info/posts/puti-ot-agi-k-asi-google-deepmind
tags: [ai, agi, asi, google-deepmind, artificial-intelligence, superintelligence]
author: "Александр Буран"
publisher: "XAB.info"
---

# После AGI — сверхразум: Google DeepMind описал четыре пути к искусственному сверхинтеллекту

![Два человека смотрят через стекло на огромный высокотехнологичный серверный центр](https://xab.info/media/2026/11/21/puti-ot-agi-k-asi-google-deepmind/puti-ot-agi-k-asi-google-deepmind-1.webp)

## Ключевые тезисы

- Google DeepMind описал четыре пути перехода от AGI к ASI: масштабирование, смена технологической парадигмы, координация множества агентов и рекурсивное самоулучшение.
- Эффективные вычислительные ресурсы для ИИ за последние 10 лет росли минимум в 10 раз ежегодно; задача стоимостью $1 млрд может удешевиться до $1000 за десятилетие.
- По осторожной оценке, число доступных ИИ-агентов может увеличиться более чем в 1000 раз к 2030 году и более чем в миллиард раз за десятилетие.
- Авторы подчёркивают, что прогресс не гарантирован: каждый путь имеет технические узкие места, а ограничение одного фактора не остановит движение к ASI.

В Google DeepMind опубликовали развёрнутое эссе, в котором рассматривают, что произойдёт с искусственным интеллектом после достижения AGI — общего ИИ, способного выполнять практически любые интеллектуальные задачи на уровне человека. Автором текста является Тим Геневейн, а публикация, по данным отраслевых изданий, состоялась 19 ноября 2026 года. Центральная идея работы: следующим этапом после AGI может стать ASI — искусственный сверхразум, который будет стабильно превосходить крупные коллективы специалистов в задачах, на решение которых у людей уходят годы, затрачивая при этом меньше времени и ресурсов. При этом в эссе подчёркивается, что быстрый прогресс не является гарантированным: каждый из описанных сценариев связан с собственными техническими узкими местами.

### «Когнитивная индустриализация»: экономика перехода

Ключевым фактором перехода от AGI к ASI Геневейн называет «когнитивную индустриализацию» — массовое удешевление и автоматизацию интеллектуального труда. По его данным, за последние десять лет эффективные вычислительные ресурсы для ИИ росли как минимум в 10 раз ежегодно. На эту динамику одновременно влияли три фактора: совершенствование аппаратного обеспечения, повышение эффективности алгоритмов и рост инвестиций в ИИ-оборудование. Конкретно вычислительная мощность на каждый вложенный доллар благодаря развитию производства микросхем увеличивалась примерно в 1,5 раза в год, а эффективность алгоритмов обучения за последнее десятилетие росла в 3–6 раз ежегодно.

Если такая тенденция сохранится, то через десять лет на выполнение интеллектуальной задачи, для которой сегодняшним ИИ требуется вычислений на миллиард долларов, может хватить всего тысячи долларов. Одновременно количество ИИ-агентов сопоставимого качества, которых можно будет запускать при доступных вычислительных ресурсах, теоретически превысит нынешнюю численность населения Земли. По более осторожной оценке с учётом физических и экономических ограничений, совокупное число доступных агентов может увеличиться более чем в 1000 раз к 2030 году и более чем в миллиард раз за десятилетие.

### Четыре технологических пути от AGI к ASI

Первый путь — дальнейшее масштабирование: увеличение размеров моделей, объёмов обучающих данных и вычислений, выделяемых на обработку каждого запроса. Такой подход уже обеспечивает рост возможностей ИИ, но сталкивается с нехваткой качественных данных, снижением отдачи от увеличения моделей и ограничениями физической инфраструктуры. Второй путь — переход к новым технологическим парадигмам. Современные модели преимущественно обучаются предсказывать следующий элемент последовательности, а затем дорабатываются для рассуждений и выполнения инструкций, однако у них остаются ограничения в непрерывном обучении, построении моделей окружающего мира, принятии решений и способности самостоятельно создавать принципиально новые понятия. Учёные пока не пришли к единому мнению, можно ли устранить эти недостатки развитием существующих архитектур или потребуются принципиально новые подходы.

Третий путь — координация множества ИИ-агентов. Подобно тому как корпорации и научные сообщества решают задачи, недоступные отдельным людям, миллионы экземпляров AGI могут объединяться в виртуальные коллективы. Первые эксперименты показывают, что взаимодействие агентов способно повышать эффективность решения некоторых задач, однако при увеличении их числа возникают потери из-за сложностей координации, а также проблемы распространения ошибок, манипуляций и сговора между агентами. Четвёртый путь — рекурсивное самоулучшение (RSI): ИИ самостоятельно совершенствует программный код, архитектуры моделей, алгоритмы обучения и даже конструкции микросхем, ускоряя создание следующих поколений систем. Примером служит AlphaZero, достигшая сверхчеловеческого уровня игры за счёт собственного опыта. При этом самоулучшение не обязательно будет ускоряться бесконечно: дальнейшие усовершенствования требуют всё больших усилий, а ошибки в оценке результатов могут остановить или даже ухудшить процесс.

### Контекст прогнозов и оговорки

Эссе развивает идеи более раннего технического отчёта «От AGI к ASI» и вписывается в общую линию публичных заявлений руководства DeepMind. Ранее генеральный директор подразделения Демис Хассабис указывал на возможность появления ИИ общего назначения и сверхсильных систем в районе 2030 года, а в 2026 году корректировал свои прогнозы относительно сроков достижения AGI. В новом тексте Геневейн подчёркивает, что четыре направления не исключают друг друга и могут усиливать совместное действие: даже если рекурсивное самоулучшение не приведёт к неконтролируемому ускорению прогресса, увеличение вычислительных ресурсов, эффективности моделей и числа согласованно работающих агентов способно обеспечить развитие ИИ за пределами человеческого уровня. Отсюда следует важный вывод: ограничение только одного направления, например вычислительных мощностей для обучения моделей, не обязательно остановит движение к ASI, поскольку развитие может продолжаться по другим описанным трекам.

## Проверка фактов и источники

- [Что будет после AGI: Google DeepMind изучает 4 пути к созданию сверхразума](https://www.ixbt.com/news/2026/11/21/cto-budet-posle-agi-google-deepmind-izucaet-4-puti-k-sozdaniiu-sverxrazuma.html) - Первоисточник: полный текст эссе Тима Геневейна, цифры по «когнитивной индустриализации» и четыре пути.
- [Институт DeepMind описал четыре пути от AGI к сверхинтеллекту](https://www.unite.ai/ru/deepmind-institute-maps-four-routes-from-agi-to-superintelligence/) - Подтверждает дату публикации (19.11.2026), определения AGI/ASI и перечень четырёх путей.
- [В Google считают, что сверхсильный ИИ появится к 2030 году](https://www.gazeta.ru/tech/news/2026/05/23/28531873.shtml) - Контекст: прогноз Демиса Хассабиса о сроках AGI/сверхсильного ИИ к 2030 году.
- [«Это уже скоро»: глава Google DeepMind изменил прогноз относительно появления общего ИИ](https://zn.ua/TECHNOLOGIES/eto-uzhe-skoro-hlava-google-deepmind-izmenil-prohnoz-otnositelno-pojavlenija-obshcheho-ii.html) - Контекст: корректировка прогнозов Хассабиса по срокам AGI в 2026 году.

## Частые вопросы

### Кто автор эссе о путях от AGI к ASI?

Эссе опубликовал Тим Геневейн из Google DeepMind; по данным отраслевых изданий, текст вышел 19 ноября 2026 года.

### Что такое «когнитивная индустриализация»?

Это массовое удешевление и автоматизация интеллектуального труда, при котором эффективные вычислительные ресурсы для ИИ за последние 10 лет росли минимум в 10 раз ежегодно.

### Какие четыре пути от AGI к ASI выделяет автор?

Масштабирование моделей и данных, переход к новым технологическим парадигмам, координация множества ИИ-агентов и рекурсивное самоулучшение (RSI).

### Гарантирован ли переход к сверхразуму?

Нет. Авторы подчёркивают, что быстрый прогресс не гарантирован: каждый путь имеет технические узкие места, а ограничение одного фактора не обязательно остановит развитие по другим трекам.