Джек Кларк — один из создателей Anthropic и автор влиятельной рассылки Import AI — давно называл креативность главным препятствием на пути к AI, способному улучшать само себя. Ещё недавно он писал, что ничего похожего на прорывную способность к исследовательской интуиции у моделей не наблюдается. Теперь он меняет мнение и двигает срок наступления рекурсивного самоулучшения с 2028 на 2027 год.
Причина — новый бенчмарк TasteVal от лаборатории P-Zero Research. Это первая попытка измерить не то, насколько хорошо модель решает заранее понятную задачу вроде математической олимпиады, а то, насколько хорошо она умеет вести себя как исследователь: планировать эксперименты и правильно интерпретировать их результаты. Восемь задач из разработки самих языковых моделей — отбор данных, обучение на человеческих предпочтениях, защита от вредоносных запросов — дают модели свободу самой решать, какой эксперимент запустить следующим, опираясь на результаты предыдущего.
Чтобы сравнение было честным, все эксперименты запускал один и тот же кодовый агент на одинаковом железе, а результаты сверяли с работой 24 специалистов из OpenAI, Google DeepMind, Nvidia и Microsoft Research. Показатель назвали «компute-множитель» — во сколько раз меньше вычислительных ресурсов нужно модели, чтобы достичь результата эксперта. Лучшая модель, Opus 5.5 от Anthropic, показала множитель 2.3 — то есть справилась вдвое эффективнее человека по затратам компьютерного времени. А главное — с декабря 2025 года этот показатель удваивается примерно каждые три месяца.
Важная оговорка: сам бенчмарк не доказывает, что AI уже улучшает себя. Он проверяет только две из трёх составляющих исследовательской интуиции — планирование эксперимента и интерпретацию результата, но не выбор самой темы для исследования, который многие считают сутью научной интуиции. Авторы честно признают, что результаты могут завышать скорость прогресса: задачи легко и дёшево проверять, а значит, именно под такие тесты лаборатории проще всего оптимизировать модели. У других исследователей — например, у команды из Фуданьского университета — свежая работа показывает, что AI-агенты предлагают до 55% методологических идей в разработке моделей, но более 85% итоговых решений всё ещё принимают люди.
Джек Кларк и раньше публиковал осторожные цифры: в майском эссе он оценивал вероятность появления системы, которая самостоятельно обучит более сильного «преемника», в 30% к концу 2027 года и 60% к концу 2028. Теперь, опираясь на TasteVal, он смещает акцент в сторону более близкого срока. Стоит помнить, что прогноз делает человек, чья компания создала модель-лидера этого же бенчмарка — предвзятость тут встроена по умолчанию. Но в индустрии сам тон дискуссии меняется: Anthropic ещё в июне признавала, что полноценное рекурсивное самоулучшение не достигнуто, но «может наступить раньше, чем большинство институтов к этому готовы», а гендиректор компании Дарио Амодеи уже призывает к контролируемому замедлению разработки AI. OpenAI придерживается похожей позиции — автономное самоулучшение пока не происходит, и развивать его стоит только при гарантированном человеческом контроле.
Если тренд, зафиксированный P-Zero Research, подтвердится другими тестами, последствия двусторонние: разработка AI ускорится и подешевеет, но параллельно людям станет всё труднее проверять, что именно происходит внутри исследовательского процесса, который модель всё чаще планирует и оценивает сама.
Во что углубиться:
- Что такое рекурсивное самоулучшение AI (RSI) и почему его называют поворотным моментом для индустрии
- Призыв Дарио Амодеи к «ограничению скорости» в разработке AI — суть и аргументы
- Как устроены AI-бенчмарки и почему их легко «переоптимизировать» под тестовые задачи