LIVE
Открытая модель Inkling 2 Mini думает по кругу и помещается на обычный ноутбук Anthropic заявила о доказательстве гипотезы Римана, а через несколько часов Стэнфорд представил свою версию без ИИ Технологические акции США пережили худшую неделю со времён пандемии Монастырь в Вермонте хочет вырастить ИИ по образу своего лидера Gemini научилась звонить в бизнесы вместо вас Открытая модель Inkling 2 Mini думает по кругу и помещается на обычный ноутбук Anthropic заявила о доказательстве гипотезы Римана, а через несколько часов Стэнфорд представил свою версию без ИИ Технологические акции США пережили худшую неделю со времён пандемии Монастырь в Вермонте хочет вырастить ИИ по образу своего лидера Gemini научилась звонить в бизнесы вместо вас
Новости ИИ

ИИ умеет решать, но пока не умеет выбирать, что решать

автор: shmelev дата: 21 ноября 2026 чтение: 2 мин
ИИ умеет решать, но пока не умеет выбирать, что решать

Одни обсуждают гипотезу Римана, а исследовательская организация METR тихо обновила свой главный график, который в индустрии ИИ цитируют едва ли не чаще всех остальных. Речь о «горизонте времени». METR даёт моделям задачи, которые ранее решали живые люди, засекает, сколько времени эти задачи заняли бы у человека, и смотрит, какой длины задачи способен закрыть ИИ. Прошлая версия графика показывала экспоненциальный рост: каждые четыре месяца длина задач, доступных топовым моделям, удваивалась. График разошёлся по интернету настолько широко, что его начали трактовать как угодно, часто неверно.

Новая версия отчёта добавляет задачи другого типа. Открытые, без единственного правильного ответа, они требуют суждения, а не исполнения понятного алгоритма. Разница принципиальная. Код и математику удобно проверять автоматически. Решение либо работает, либо нет, и на этом принципе держится всё обучение с подкреплением, которое и выводит модели на рекордные результаты в программировании. А вот выбор перспективного направления исследования или оценку философского аргумента так просто не формализуешь. Именно поэтому предыдущая версия графика эти задачи попросту не включала.

Результат оказался отрезвляющим. METR попросила модели самостоятельно придумать новые тесты для оценки ИИ, а затем сотрудники организации вручную оценили качество получившихся вариантов. Ни одна придуманная ИИ методика не оказалась достаточно хорошей, чтобы её реально взяли в работу, хотя в обычном программировании те же модели уже превосходят почти всех людей. В другом тесте модели оценивали философские аргументы и снова проиграли людям, хотя здесь авторы отчёта сами признают, что интерпретировать подобные тесты сложнее. У METR это прозвучало в контексте нервной реакции на другой, более ранний отчёт, который утверждал, что ИИ уже ускоряет собственную разработку в Anthropic примерно вдвое. Тот отчёт породил разговоры о скором полностью автономном самосовершенствовании моделей.

Эксперты сходятся в одном. Сама попытка измерить плохо измеримое заслуживает уважения, но окончательных выводов делать рано. Новейшие модели вроде Claude Opus 5.5 уже подбираются к границе приемлемого качества в задаче проектирования тестов, хотя год назад там были сплошные провалы. Прогресс есть, но предсказать его траекторию METR честно отказывается. Данных слишком мало. Оценки субъективны, а нанимать достаточное число экспертов для перепроверки дорого. Вопрос, станет ли исследовательский вкус последним рубежом перед автоматизацией науки или просто ещё одним навыком, который ИИ освоит за пару лет, остаётся открытым.


Хотите такого помощника у себя? Заказать разработку AI-агента можно у нас.

Реклама
ЛИДЕРБОРД · 728 × 90зона «Реклама: между секциями»