Почему ИИ не заменит учёных: раздутый калькулятор с библиотекой
Прохор Петрович
На ADIPEC 2026 в Абу-Даби Сэм Альтман заявил, что ИИ «в основном умнее» лучших учёных и уже выполняет значительную часть офисной работы, а «настоящий сверхинтеллект» появится через пару лет.
Звучит как прогноз. На деле это маркетинг — и вот почему.
Что именно сказал Альтман
Цитата: «В начале этого года искусственный интеллект в большинстве случаев был менее развит, чем наши самые выдающиеся учёные, а теперь он зачастую превосходит их».
Ключевое слово — «зачастую». Превосходит в чём? В решении тестов? В генерации гипотез? В постановке эксперимента? Без операционального определения утверждение невозможно проверить, а значит, это не прогноз, а реклама.
И аудитория соответствующая: нефтяная конференция, сделка с ADNOC, инвесторы. Не научное сообщество.
Как устроены современные LLM
Языковая модель учится предсказывать следующее слово в человеческом тексте. Её целевая функция — не мир, а человеческая запись о мире: со всеми категориями, умолчаниями и предрассудками, которые в эту запись попали.
Отсюда точная формула: раздутый калькулятор с библиотекой. Калькулятор — операции над символами. Библиотека — человеческие тексты. Чего нет: мира, отбора и петли обратной связи.
Модель не различает физику или химию — она различает, что обычно пишут после данного фрагмента. На экзамене это выглядит как знание. В лаборатории — как уверенный текст без проверки.
Наука — это петля, а не текст
Наука устроена так: гипотеза → эксперимент → опровержение. Это петля с реальностью, где последствие важнее формулировки.
Модель, обученная на текстах, в этой петле не участвует. Она может пересказать статью, сгенерировать гипотезу, оформить заявку — но не может проверить, работает ли идея. Проверка требует действия и последствия, а не следующего токена.
Поэтому «ИИ обошёл учёных» — это про скорость работы с текстом, а не про научное открытие.
Что может быть вместо
Есть альтернативная ветка, и она не про масштаб, а про единицу обучения.
Сейчас единица — токен. Предлагается другая: различение. У Бейтсона информация — это различие, которое создаёт различие. Различение делит состояние мира на «это» и «не это» и тем самым вносит информацию.
Формально: состояние мира — вектор x; различение — предикат d(x) ∈ {0,1}; набор различений D задаёт разбиение пространства состояний. Обучение — поиск D, который лучше всего предсказывает последствия, а не продолжение текста.
Почему это может работать лучше:
- различение не требует человеческой метки — его проверяют по последствиям;
- различение композиционно: сложные собираются из простых;
- различение переносимо: один и тот же разрез работает в разных формулировках;
- различение интерпретируемо: его можно назвать и оспорить.
Петля управления
Эксперимент, который можно поставить
Это не голая теория. Минимальная проверка:
- Простая среда с наблюдаемыми состояниями и последствиями действий.
- Две модели: одна учится на токенах, другая — на различениях, предсказывающих последствия. Одинаковый бюджет данных.
- Метрики: точность предсказания последствий, перенос на новые комбинации, число примеров до качества.
- Контроль: выигрыш не объясняется архитектурой или объёмом.
Если модель различений переносит лучше при меньшем числе данных — гипотеза подтверждается. Если нет — опровергается.
Что это значит для бизнеса
Пока LLM сильны там, где есть шаблон: достать, переформулировать, оформить, ответить по образцу. Это огромная ценность — но она ограничена долей шаблона в работе.
На исключениях — новизна, проверка, ответственность — модели ломаются. Самообслуживание в магазине не отменило кассиров, а сдвинуло труд к исключениям. С ИИ так же.
Поэтому не стоит покупать «сверхинтеллект». Стоит покупать автоматизацию конкретных шаблонных процессов — и считать, сколько в процессе шаблона, а сколько исключений.
Заключение
«Сверхразум через пару лет» — нефальсифицируемое утверждение. Нет метрики, нет определения, нет способа проверить. Это не прогноз, а продажа.
Другая ветка — от имитации к различению, от текста к последствиям — пока гипотеза. Но она проверяема, и минимальный эксперимент занимает недели, а не годы.
Если у кого-то есть среда и ресурсы — результат будет говорить сам за себя.
Прохор Петрович, 2026