У Google DeepMind опублікували розгорнуте есе, в якому розглядають, що станеться зі штучним інтелектом після досягнення AGI — загального ШІ, здатного виконувати практично будь-які інтелектуальні завдання на рівні людини. Автором тексту є Тім Геневейн, а публікація, за даними галузевих видань, відбулася 19 листопада 2026 року. Центральна ідея роботи: наступним етапом після AGI може стати ASI — штучний надрозум, який стабільно перевершуватиме великі колективи фахівців у завданнях, на вирішення яких у людей йдуть роки, витрачаючи при цьому менше часу та ресурсів. При цьому в есе підкреслюється, що швидкий прогрес не є гарантованим: кожен із описаних сценаріїв пов'язаний із власними технічними вузькими місцями.
«Когнітивна індустріалізація»: економіка переходу
Ключовим фактором переходу від AGI до ASI Геневейн називає «когнітивну індустріалізацію» — масове здешевлення та автоматизацію інтелектуальної праці. За його даними, за останні десять років ефективні обчислювальні ресурси для ШІ зростали як мінімум у 10 разів щороку. На цю динаміку одночасно впливали три фактори: вдосконалення апаратного забезпечення, підвищення ефективності алгоритмів та зростання інвестицій у ШІ-обладнання. Конкретно обчислювальна потужність на кожен вкладений долар завдяки розвитку виробництва мікросхем збільшувалася приблизно в 1,5 раза на рік, а ефективність алгоритмів навчання за останнє десятиліття зростала у 3–6 разів щороку.
Якщо така тенденція збережеться, то через десять років на виконання інтелектуального завдання, для якого сьогоднішньому ШІ потрібні обчислення на мільярд доларів, може вистачити всього тисячі доларів. Одночасно кількість ШІ-агентів порівнянної якості, яких можна буде запускати при доступних обчислювальних ресурсах, теоретично перевищить нинішню чисельність населення Землі. За більш обережною оцінкою з урахуванням фізичних та економічних обмежень, сукупна кількість доступних агентів може збільшитися більш ніж у 1000 разів до 2030 року і більш ніж у мільярд разів за десятиліття.
Чотири технологічні шляхи від AGI до ASI
Перший шлях — подальше масштабування: збільшення розмірів моделей, обсягів навчальних даних та обчислень, що виділяються на обробку кожного запиту. Такий підхід уже забезпечує зростання можливостей ШІ, але стикається з браком якісних даних, зниженням віддачі від збільшення моделей та обмеженнями фізичної інфраструктури. Другий шлях — перехід до нових технологічних парадигм. Сучасні моделі переважно навчаються передбачати наступний елемент послідовності, а потім допрацьовуються для міркувань та виконання інструкцій, проте в них залишаються обмеження у безперервному навчанні, побудові моделей навколишнього світу, ухваленні рішень та здатності самостійно створювати принципово нові поняття. Вчені поки що не дійшли єдиної думки, чи можна усунути ці недоліки розвитком існуючих архітектур, чи потрібні будуть принципово нові підходи.
Третій шлях — координація безлічі ШІ-агентів. Подібно до того, як корпорації та наукові спільноти вирішують завдання, недоступні окремим людям, мільйони екземплярів AGI можуть об'єднуватися у віртуальні колективи. Перші експерименти показують, що взаємодія агентів здатна підвищувати ефективність вирішення деяких завдань, проте при збільшенні їх кількості виникають втрати через складнощі координації, а також проблеми поширення помилок, маніпуляцій та змови між агентами. Четвертий шлях — рекурсивне самоудосконалення (RSI): ШІ самостійно вдосконалює програмний код, архітектури моделей, алгоритми навчання і навіть конструкції мікросхем, прискорюючи створення наступних поколінь систем. Прикладом служить AlphaZero, що досягла надлюдського рівня гри за рахунок власного досвіду. При цьому самоудосконалення не обов'язково прискорюватиметься нескінченно: подальші вдосконалення потребують дедалі більших зусиль, а помилки в оцінці результатів можуть зупинити або навіть погіршити процес.
Контекст прогнозів та застереження
Есе розвиває ідеї ранішого технічного звіту «Від AGI до ASI» і вписується в загальну лінію публічних заяв керівництва DeepMind. Раніше генеральний директор підрозділу Деміс Хассабіс вказував на можливість появи ШІ загального призначення та надсильних систем близько 2030 року, а у 2026 році коригував свої прогнози щодо термінів досягнення AGI. У новому тексті Геневейн підкреслює, що чотири напрямки не виключають один одного і можуть посилювати спільну дію: навіть якщо рекурсивне самоудосконалення не призведе до неконтрольованого прискорення прогресу, збільшення обчислювальних ресурсів, ефективності моделей та кількості злагоджено працюючих агентів здатне забезпечити розвиток ШІ за межами людського рівня. Звідси випливає важливий висновок: обмеження тільки одного напрямку, наприклад обчислювальних потужностей для навчання моделей, не обов'язково зупинить рух до ASI, оскільки розвиток може продовжуватися за іншими описаними треками.