ИИ-системы могут появиться на рынке уже к 2028 году! 🚀
В этом году мы услышали прогноз сооснователя компании Anthropic Джека Кларка Он говорит, что ИИ-системы могут появиться на рынке уже к 2028 году и будут способны самостоятельно разрабатывать и обучать собственных преемников без участия человека
Это действительно очень важно, и Кларк признает, что последствия этого будут огромными 🤯
Кларк описал сценарий полной автоматизации ИИ-исследований
Это будет означать, что ИИ-система сама:
ставит исследовательские задачи;
проектирует эксперименты;
улучшает архитектуру следующей версии ИИ.
Эксперт назвал это «рубиконом в почти непредсказуемое будущее» и оценил вероятность такого сценария в 60% в ближайшие два года 📊
На чем основана оценка Кларка? Высокоэффективные бенчмарки показывают, что ИИ-системы уже могут справиться с целыми фрагментами исследовательского цикла
💻
В частности, Кларк упомянул несколько бенчмарков, которые демонстрируют прогресс ИИ-систем в выполнении инженерных задач:
SWE-Bench — тест на решение реальных инженерных задач по репозиторию GitHub В конце 2023 года лучшие модели справлялись примерно с 2% кейсов; к весне 2026 показатель достиг 94%
📉
CORE-Bench — воспроизведение результатов научных ИИ-статей с установкой окружения, запуском кода и анализом выводов По словам Кларка, бенчмарк фактически «закрыт»: современные агенты показывают около 95,5%
📊
MLE-Bench — выполнение ML-задач уровня Kaggle Лучшие агентные системы уже достигают 64-65%
💻
Кларк связал это с распространением Чем дольше модель удерживает цель, проверяет промежуточные результаты и исправляет ошибки, тем больше этапов исследовательского цикла можно ей делегировать
🔓
Почему это важно для разработки ИИ? В современном цикле разработки ИИ устроен по одной схеме: изучить материалы, воспроизвести результат, собрать эксперимент, обучить или дообучить модель, проверить метрики, найти узкие места и повторить Рост на SWE-Bench, CORE-Bench и MLE-Bench показывает, что модели уже справляются с целыми фрагментами такого цикла
🔄
Кларк отдельно указал на прогресс в более специализированных задачах Например, ИИ начинают применять для дизайна GPU-ядер — кода, который определяет эффективность обучения и инференса моделей на конкретном железе
💻
Еще одно направление — дообучение моделей В бенчмарке PostTrainBench ИИ-системы улучшают небольшие LLM с открытым исходным кодом
🔍
По состоянию на весну 2026 года лучшие нейросети достигают 25-28% от целевого прироста (у человеческих команд — 51%) Кларк считает результат значимым: ориентир задают реальные инструктивные модели, созданные опытными исследователями
🎯
Кларк отметил, что современные системы начинают обучать друг друга Такой подход уже используется в продуктах вроде Claude Code или OpenCode: один ассистент распределяет задачи между несколькими подассистентами, контролирует их и собирает результаты
👥
Для ИИ-разработок это важно: они редко представляют собой одну линейную задачу — обычно это десятки параллельных процессов, включая написание кода и настройку окружения Если модель начнет управлять такими контурами самостоятельно, степень человеческого участия резко сократится
🔒
Нужна ли нейросетям креативность? По мнению сооснователя Anthropic, один из ключевых вопросов — на что больше похожа разработка ИИ: на открытие общей теории относительности или на сборку Lego 🤔
Кларк признал, что современные LLM пока не способны генерировать принципиально новые научные идеи
Однако для автоматизации значительной части AI R&D это может быть не обязательно 💡
Первые признаки научного вклада Кларк считает, что у ИИ-моделей уже начинают появляться ранние
Он привел несколько примеров из математики и информатики 🔍
Если прогноз верен, мир столкнется не только с технологическим скачком
На первый план также выйдут фундаментальные вопросы безопасности, распределения капитала, роли человеческого труда и контроля над системами, которые начинают развиваться быстрее своих создателей 💻
«Если бы вы заставили меня назвать вероятность для 2027 года, я бы сказал 30%
Если мы не увидим этого к концу 2028 года, то, думаю, мы обнаружим какой-то недостаток в текущей технологической парадигме, и для движения вперед потребуется человеческое изобретение», — заключил Кларк 🔮
По материалам ForkLog