15.06.2026 07:58
🧠 Четыре сценария эволюции AGI в ASI Исследователи DeepMind совместно с учеными из ведущих университетов представили до
🧠 Четыре сценария эволюции AGI в ASI
Исследователи DeepMind совместно с учеными из ведущих университетов представили доклад о путях развития сверхинтеллекта (ASI). Основой анализа стала оценка Epoch AI: за последние 10 лет эффективные вычислительные мощности росли в 10 раз ежегодно — и это консервативный прогноз.
В работе выделены четыре вектора перехода от AGI к ASI, которые могут развиваться параллельно:
• Скейлинг — классическое наращивание: больше данных, параметров и вычислительных мощностей.
• Смена парадигмы — переход к принципиально новым алгоритмам после упора текущих архитектур в потолок.
• Рекурсивное самоулучшение — ИИ самостоятельно оптимизирует свои алгоритмы и ускоряет R&D.
• Мульти-агентные системы — ASI рождается из взаимодействия множества специализированных агентов.
Тормоза на пути к сингулярности
Эксперты выделяют три основных барьера. Во-первых, качественные данные для претрейна заканчиваются, а стоимость железа и исследований растет. Во-вторых, существует «барьер абстракции»: модели обучаются на человеческих данных, и нет гарантии, что они способны порождать фундаментально новые концепты. В-третьих, в любой момент могут вмешаться регуляторы.
Ограничения даже для AGI
Исследователи подчеркивают: даже AGI останется зажат фундаментальными ограничениями физики, теории сложности и математики (проблема остановки, теоремы Гёделя о неполноте). Сверхинтеллект не выдаст лекарство от старения по щелчку пальцев.
Главный вывод: готовиться к неопределенности
DeepMind предупреждает: не будет одной «волшебной кнопки» и резкого скачка в сингулярность. Нас ждет серия локальных трансформаций. Возможно, AGI окажется просто очередной технологией с импактом не больше, чем у смартфона или интернета.
🧠 Нейросети и Технологии. Подписаться
Исследователи DeepMind совместно с учеными из ведущих университетов представили доклад о путях развития сверхинтеллекта (ASI). Основой анализа стала оценка Epoch AI: за последние 10 лет эффективные вычислительные мощности росли в 10 раз ежегодно — и это консервативный прогноз.
В работе выделены четыре вектора перехода от AGI к ASI, которые могут развиваться параллельно:
• Скейлинг — классическое наращивание: больше данных, параметров и вычислительных мощностей.
• Смена парадигмы — переход к принципиально новым алгоритмам после упора текущих архитектур в потолок.
• Рекурсивное самоулучшение — ИИ самостоятельно оптимизирует свои алгоритмы и ускоряет R&D.
• Мульти-агентные системы — ASI рождается из взаимодействия множества специализированных агентов.
Тормоза на пути к сингулярности
Эксперты выделяют три основных барьера. Во-первых, качественные данные для претрейна заканчиваются, а стоимость железа и исследований растет. Во-вторых, существует «барьер абстракции»: модели обучаются на человеческих данных, и нет гарантии, что они способны порождать фундаментально новые концепты. В-третьих, в любой момент могут вмешаться регуляторы.
Ограничения даже для AGI
Исследователи подчеркивают: даже AGI останется зажат фундаментальными ограничениями физики, теории сложности и математики (проблема остановки, теоремы Гёделя о неполноте). Сверхинтеллект не выдаст лекарство от старения по щелчку пальцев.
Главный вывод: готовиться к неопределенности
DeepMind предупреждает: не будет одной «волшебной кнопки» и резкого скачка в сингулярность. Нас ждет серия локальных трансформаций. Возможно, AGI окажется просто очередной технологией с импактом не больше, чем у смартфона или интернета.
🧠 Нейросети и Технологии. Подписаться