Что произошло

Google DeepMind представила развернутый анализ возможного перехода от AGI к ASI, то есть от общего искусственного интеллекта к сверхразуму, и отдельно выделила четыре базовых сценария такого развития. В их числе — дальнейшее масштабирование уже существующих моделей, смена исследовательской парадигмы, рекурсивное улучшение самих систем и появление сверхсильных результатов в крупных мультиагентных структурах.[3]

Почему это важно

В отчете отдельно подчеркивается, что нынешний прогресс все меньше зависит от простого увеличения параметров и все больше — от инструментов рассуждения, поиска, использования внешних систем и структурированного тестирования. Иначе говоря, путь к AGI в версии DeepMind выглядит не как линейное «наращивание мощности», а как комбинация нескольких инженерных решений, которые должны компенсировать дефицит данных и ограниченность нынешних архитектур.[3]

Именно поэтому среди главных препятствий названа «стена данных»: качественных данных для обучения, дообучения и адаптации на тесте становится недостаточно, а значит, индустрии придется полагаться на синтетические данные, симуляции и самообучение в среде. Авторы также связывают продвижение к AGI с нейросимволическими подходами, когнитивными архитектурами и brain-inspired системами, то есть с попыткой объединить распознавание паттернов и формальное рассуждение.[3][6][8]

Что это меняет для рынка

Для бизнеса этот документ важен не как футурологический манифест, а как карта инвестиций и конкуренции. Если раньше рынок оценивал ИИ прежде всего по качеству ответов и скорости генерации контента, то теперь в фокусе оказываются агентные системы, способность модели планировать действия, подключать внешние инструменты и работать в составе нескольких специализированных модулей. Именно такие архитектуры DeepMind называет более правдоподобным промежуточным шагом к AGI.[3][7]

Источник новости: Google DeepMind.