Макс Полевой

Перспективы AGI: что нас ждет после выхода Claude Fable 5 и новых моделей

Перспективы AGI: что нас ждет после выхода Claude Fable 5 и новых моделей

Что такое AGI и чем отличается от обычного AI

Большинство современных AI-систем — это узкий (narrow) искусственный интеллект. ChatGPT пишет тексты, Midjourney рисует, AlphaFold предсказывает структуру белков. Но ни одна из этих систем не умеет делать все одновременно. AGI — это интеллект, который способен решать любые когнитивные задачи на уровне человека или выше, без необходимости переобучать модель под каждую новую область.

Ключевые свойства, которыми должен обладать AGI:

  • Обобщение — перенос знаний из одной области в другую без дообучения.
  • Адаптивность — способность освоить новую задачу с нуля за разумное время.
  • Метакогниция — понимание границ собственных знаний и постановка целей.
  • Рассуждение о причинности — не просто корреляция, а понимание причинно-следственных связей.
  • Долгосрочное планирование — построение цепочек действий на десятки шагов вперед.

Важно: AGI не обязательно должен обладать сознанием или чувствами. Это вопрос компетенций, а не субъективного опыта. Требование "машина должна чувствовать как человек" — философское, а не техническое.

Текущее состояние: что уже умеют системы в 2026 году

Первая половина 2026 года ознаменовалась серией анонсов, которые существенно сдвинули дискуссию об AGI из теоретической плоскости в практическую.

Anthropic представила модель Claude Fable 5, которая в тестах на обобщение и рассуждение впервые превысила средний результат человека-специалиста. Модель не просто отвечает на вопросы — она формулирует гипотезы, предлагает эксперименты для их проверки и корректирует собственный подход на основе результатов.

OpenAI в марте 2026 года продемонстрировала прототип, который за 72 часа самостоятельно освоил игру StarCraft II на уровне топ-100 мирового рейтинга, используя только текстовую документацию и внутриигровой API. Модель применила те же механизмы рассуждения, что использует для написания кода или анализа документов — без специальной донастройки архитектуры.

Концептуальная визуализация AGI как глобальной нейросети, объединяющей знания из всех областей
Концептуальная визуализация AGI как глобальной нейросети, объединяющей знания из всех областей

Основные препятствия на пути к AGI

Несмотря на впечатляющий прогресс, до полноценного AGI остаются серьезные научные и инженерные барьеры. Ключевая проблема: современные LLM отлично справляются с задачами, похожими на те, что были в обучающей выборке, но проваливаются на принципиально новых сценариях.

  • Долгосрочное планирование — современные модели "думают" на несколько шагов вперед, но не способны строить многоуровневые планы на недели и месяцы.
  • Причинность vs корреляция — нейросети находят закономерности, но не понимают причинно-следственных связей.
  • Энергоэффективность — обучение одной передовой модели потребляет энергию сопоставимую с годовым потреблением небольшого города. Мозг человека работает на 20 Вт.
  • Контролируемость — чем умнее модель, тем сложнее гарантировать, что её действия соответствуют намерениям человека. Проблема alignment остается открытой.
  • Робастность — современные модели легко обмануть специально подобранными данными (adversarial attacks)

Ключевые игроки и их стратегии

Гонка за AGI превратилась в главное технологическое соревнование десятилетия. Три основных участника выбрали принципиально разные стратегии.

OpenAI

Стратегия: масштабирование любой ценой. OpenAI верит, что AGI возникнет как естественное продолжение текущего подхода — больше данных, больше вычислений, больше параметров. Прототип GPT-5 демонстрирует признаки обобщения, которых не было в предыдущих версиях. Компания также активно инвестирует в робототехнику через Figure AI и 1X Technologies.

Anthropic

Стратегия: безопасность через архитектуру. Anthropic делает ставку на интерпретируемость — понимание того, как именно модель принимает решения. Claude Fable 5 стала первой моделью, чьи цепочки рассуждений можно отследить на уровне отдельных нейронов. Компания принципиально не использует пользовательские данные для дообучения.

Google DeepMind

Стратегия: интеграция с наукой. DeepMind подходит к AGI через фундаментальные научные задачи. Gemini Ultra 3 способен самостоятельно планировать и проводить научные эксперименты в области молекулярной биологии. Их подход — AGI как побочный продукт создания "ученого-универсала".

Суммарные инвестиции в AI в 2025-2026 годах превысили 100 миллиардов долларов. 80% AI-исследователей верят в появление AGI до 2035 года. Средняя оценка срока до AGI по опросам 2026 года — 3-7 лет.

AGI не появится внезапно в одной лаборатории. Он будет собираться из кусочков — сначала в узких доменах (научные исследования, программирование), затем расширяться на смежные области.

Сценарии появления AGI: оптимистичный и реалистичный

Среди экспертов нет единого мнения о сроках появления AGI. Рассмотрим два основных сценария.

Оптимистичный сценарий (OpenAI/Anthropic): AGI появится в 2027-2029 годах через масштабирование текущих архитектур. Риск — контроль одной корпорации над технологией.

Реалистичный сценарий (DeepMind/academia): AGI появится в 2032-2038 годах и потребует новой архитектуры — нейросимволического синтеза. Риск — фрагментация стандартов безопасности.

Оба сценария сходятся в одном: AGI появится раньше, чем общество будет к нему готово. Это создает как беспрецедентные возможности для бизнеса, так и серьезные вызовы для регуляторов и общества в целом.