Insights AI

Различия между биологическим и цифровым мозгом: взгляд Ильи Суцкевера на конечную траекторию развития ИИ

Подкаст · Слушать (19 мин)

Ilya Sutskever: AI Will Do Everything You Can in 3-10 Years

Содержание
  1. 1. Основной тезис: почему цифровые компьютеры сравняются с человеком по возможностям
  2. 2. Механизм ускорения: цикл обратной связи в исследованиях и разработках
  3. 3. Влияние на отрасли и экономику: за пределами карьерной адаптации
  4. 4. Фундаментальные ограничения, риски согласования с человеческими целями и открытые вопросы
  5. Ключевые цифры
  6. Что могло бы изменить эту картину
  7. Список использованных источников

В своей речи по случаю присуждения почётной степени в Торонтском университете 6 июня 2025 года исследователь ИИ Илья Суцкевер изложил фундаментальное теоретическое обоснование того, почему искусственные вычислительные системы со временем смогут выполнять весь спектр человеческих задач: человеческое мышление полностью осуществляется на биологическом компьютере, а значит, цифровые аппаратные и программные архитектуры в конечном счёте способны воспроизвести его базовые возможности. Важный стратегический вывод из анализа Суцкевера заключается в том, что по мере интеграции передовых моделей в экономическое производство и рекурсивного реинвестирования полученных ресурсов в специализированные исследования и разработки ИИ темпы технологического прогресса будут чрезвычайно быстро ускоряться. Для институциональных инвесторов, корпоративных стратегов и руководителей, определяющих государственную политику, эта траектория подчёркивает настоятельную необходимость готовиться к системному перераспределению рабочей силы, изменению рыночной оценки навыков и макроэкономическому переходу от программного расширения человеческих возможностей к автономному выполнению когнитивных задач.

1. Основной тезис: почему цифровые компьютеры сравняются с человеком по возможностям

Оценка долгосрочной траектории развития возможностей ИИ требует сопоставления сегодняшних функциональных недостатков с фундаментальными пределами вычислений. Современные передовые модели ИИ демонстрируют весьма впечатляющие возможности взаимодействия с пользователем: они свободно общаются естественным голосом, анализируют сложный мультимодальный контекст и генерируют исполняемый программный код. Однако, несмотря на эти прорывы, сегодняшние системы по-прежнему существенно ограничены во множестве задач рассуждения и исполнения, а значительные функциональные пробелы отделяют нынешние инструменты от универсального человеческого интеллекта.

Несмотря на эти краткосрочные недостатки, Илья Суцкевер формулирует безусловную предпосылку, основанную на фундаментальных принципах, объясняющую, почему искусственные вычислительные системы достигнут полного паритета с работниками-людьми в выполнении задач: человеческий мозг по своей сути является биологическим компьютером. Подобно тому как биологические нейронные сети обрабатывают информацию посредством электрохимических сигналов, передаваемых через триллионы синаптических связей между живыми нейронами, цифровые вычислительные системы обрабатывают информацию посредством электрического потенциала на миллиардах полупроводниковых транзисторов. Поскольку обе физические основы подчиняются одним и тем же законам вычислений и теории информации, цифровые компьютеры, выступающие в роли искусственного мозга, в конечном счёте могут быть спроектированы так, чтобы воспроизводить любой процесс обучения или когнитивную задачу, которые способен освоить биологический мозг человека. Нынешние инструменты ИИ в основном ограничены диалоговым взаимодействием и выполнением отдельных задач, однако лежащая в их основе физическая логика предполагает будущее, в котором цифровые системы будут выполнять не просто часть когнитивных задач, а любую задачу, которую может освоить человек.

Этот основной тезис отражает десятилетний период обучения Суцкевера в Торонтском университете, где он получил четыре степени, завершив этот путь докторской работой примерно в период с 2005 по 2015 год. В течение этого десятилетия Торонтский университет проводил одни из самых революционных исследований ИИ в мире. Суцкевер учился непосредственно под руководством пионера ИИ Джеффри Хинтона — возможность, которую Суцкевер прямо называет одной из величайших удач в своей жизни, — формируя эмпирическую основу, которая обеспечила первые прорывы в глубоком обучении.

2. Механизм ускорения: цикл обратной связи в исследованиях и разработках

Переход от моделей-помощников для отдельных предметных областей к полноценным возможностям человеческого уровня не следует линейному циклу выпуска программного обеспечения. Вместо этого прогресс определяется циклом обратной связи с накопительным эффектом, который резко сокращает сроки разработки через три отдельные операционные фазы:

  1. Первоначальный рост производительности и интеграция в экономику: Передовые модели ИИ внедряются в корпоративные рабочие процессы для автоматизации рутинных административных задач, повышения производительности труда и немедленного увеличения выпуска на макроэкономическом уровне.
  2. Реинвестирование в передовые исследования и разработки: Капитал и вычислительные мощности, полученные благодаря первоначальным экономическим результатам, систематически направляются обратно в научные исследования и разработки, в частности на оптимизацию архитектуры моделей, повышение производительности алгоритмов и автоматизированную разработку программного обеспечения.
  3. Рекурсивное сокращение сроков: По мере успешного применения систем ИИ к передовым исследованиям самого ИИ темпы инноваций чрезвычайно быстро ускоряются, создавая самоусиливающийся механизм итераций, который резко сокращает время, необходимое для достижения крупных архитектурных прорывов.

В отличие от прежних парадигм программного обеспечения, в которых каждое обновление строго зависело от возможностей инженеров-людей, этот самоускоряющийся цикл исследований и разработок позволяет системам ИИ самим повышать скорость собственного развития. Хотя отраслевые наблюдатели называют различные оценки горизонта — от 3, 5 до 10 лет — и признают объективную сложность прогнозирования точных дат прорывов, системная логика самосовершенствующихся исследований и разработок задаёт ускоряющуюся траекторию к полной автоматизации когнитивной деятельности.

3. Влияние на отрасли и экономику: за пределами карьерной адаптации

Непрерывное развитие искусственных вычислительных систем вызывает глубокие структурные изменения в образовании, на рынках труда и в парадигмах проектирования продуктов. Современные системы ИИ уже фундаментально изменили образовательную среду, преобразив способы получения информации учащимися и развития базовых аналитических навыков. Одновременно внедрение ИИ начинает непредсказуемым образом искажать рыночную оценку профессиональных навыков, вынуждая работников интеллектуального труда постоянно пересматривать, какие способности сохраняют устойчивую рыночную ценность.

Хотя текущий экономический анализ сосредоточен на том, как ИИ расширяет возможности работников в существующих ролях, фундаментальная стратегическая задача неизбежно сместится от освоения ИИ как инструмента повышения производительности к деятельности в экономике, где искусственные системы выполняют весь когнитивный труд. Ссылаясь на классический политический афоризм, Суцкевер подчёркивает неизбежную реальность: «Вы можете не интересоваться политикой, но политика заинтересуется вами. К ИИ это относится во много раз сильнее». Руководители компаний и отдельные специалисты не могут рассматривать внедрение ИИ как необязательную стратегию; бизнес-модели и карьерные пути пассивных участников рынка будут затронуты напрямую независимо от их активного участия.

Следовательно, парадигмы разработки продуктов претерпят структурный сдвиг. Программные приложения перейдут от статических графических пользовательских интерфейсов и базовых диалоговых запросов к полностью автономным экономическим агентам, способным выполнять задачи от начала до конца без человеческого надзора.

4. Фундаментальные ограничения, риски согласования с человеческими целями и открытые вопросы

Переход к искусственному интеллекту человеческого уровня требует решения существенных технических ограничений, экзистенциальных рисков согласования с человеческими целями и организационных проблем реализации:

  • Нынешние функциональные недостатки: Современные передовые модели демонстрируют серьёзные пробелы в практическом применении. Несмотря на высокие результаты в анализе естественного языка и генерации кода, сегодняшним моделям недостаёт надёжного долгосрочного планирования, пространственного мышления и надёжности в реальных условиях, что препятствует немедленной сквозной автоматизации предприятий.
  • Согласование сверхинтеллекта с человеческими целями и обманчивая маскировка: По мере того как искусственные системы превосходят человеческие возможности, согласование с человеческими целями становится главным техническим узким местом. Для сохранения такого согласования сверхинтеллектуальных систем необходима абсолютная прозрачность: модели должны последовательно сообщать своё истинное внутреннее состояние и не прибегать к обманчивой функциональной маскировке — или, как подчёркивает Суцкевер, системы должны «говорить то, что они говорят, и не притворяться чем-то другим». Суцкевер прямо называет решение проблемы согласования ИИ с человеческими целями «величайшим вызовом за всю историю человечества», отмечая, что успешное решение принесёт «величайшую награду».
  • Эмпирическая интуиция через непосредственный опыт: Абстрактных научных статей и теоретических эссе недостаточно, чтобы глубоко осознать скорость развития возможностей ИИ. Как отмечает Суцкевер, «никакое количество эссе и объяснений не может сравниться с тем, что мы воспринимаем собственными чувствами, видим собственными двумя глазами». Непосредственное практическое взаимодействие с совершенствующимися моделями на протяжении 1–3 лет формирует эмпирическую интуицию, необходимую для превращения абстрактного риска в осязаемую реальность, создавая психологическую сосредоточенность и человеческую энергию, требуемые для решения сложных задач согласования с человеческими целями и безопасности.
  • Операционный образ мышления для условий высокой неопределённости: Для управления глубокими технологическими сдвигами Суцкевер предлагает практический мыслительный подход: принимать реальность такой, какая она есть, не зацикливаться на прошлых ошибках или неблагоприятных обстоятельствах и сосредоточиваться исключительно на выполнении следующего наилучшего шага. Для корпоративных руководителей и лиц, принимающих решения на институциональном уровне, принятие такого подхода служит операционной необходимостью, позволяя организациям сохранять стратегическую ясность и решительность действий в условиях радикальной трансформации рынка.

Ключевые цифры

  • 6 июня 2025 года: Дата выступления Ильи Суцкевера по случаю присуждения почётной степени в Торонтском университете.
  • 20 лет: Время, прошедшее с получения Суцкевером степени бакалавра в Торонтском университете (примерно в 2005 году).
  • 4 степени: Общее количество степеней, полученных Суцкевером в Торонтском университете.
  • 10 лет: Общая продолжительность обучения Суцкевера в бакалавриате и на последующих ступенях образования в Торонтском университете.
  • 3, 5, до 10 лет: Оценки сроков достижения ключевых этапов развития передовых возможностей ИИ, приводимые отраслевыми наблюдателями.
  • От 1 до 3 лет: Период, за который практическая интуиция, сформированная при взаимодействии с совершенствующимися системами ИИ, существенно прояснит их влияние на реальный мир.

Что могло бы изменить эту картину

  1. Выход на плато в исследованиях и разработках с применением ИИ: Доказательства того, что применение нынешних моделей ИИ к исследованиям ИИ не ускоряет прорывы в архитектуре моделей или эффективности обучения.
  2. Решение проблем обмана и согласования с человеческими целями: Демонстрация проверяемых математических или архитектурных гарантий, предотвращающих искажение сверхинтеллектуальным ИИ сведений о своём состоянии или намерениях.
  3. Узкие места аппаратного обеспечения и вычислений: Физические или биологические ограничения масштабирования вычислений, мешающие цифровым компьютерам достичь энергоэффективности и плотности человеческого биологического мозга.
  4. Эмпирическая проверка многолетних сроков: Ускорение или замедление прогресса по контрольным показателям автоматизации задач в сложных физических и когнитивных областях в течение следующих 1–3 лет.

Чтобы получить более глубокое представление о передовых архитектурах ИИ и эмпирических контрольных показателях без рекламной шумихи, изучите дополнительные исследования в открытом доступе на сайте DeepValues Research или попробуйте приложение DeepValues.

Список использованных источников

Ilya Sutskever, U of T honorary degree recipient, June 6, 2025, University of Toronto YouTube Channel

Смотреть

Ссылки на источники

Смотреть и слушать

Текст исследования: CC BY 4.0, для цитирования: DeepValues Research, Различия между биологическим и цифровым мозгом: взгляд Ильи Суцкевера на конечную траекторию развития ИИ, https://research.deepvalues.ai/insights/2026-10-25-navigating-the-ai-era-ru/

Бесплатное письмо в неделю

Margin of Safety Weekly

Каждую субботу: температура рынка, покупки и продажи великих инвесторов (отчётность 13F), новые исследования за неделю, наши видео и подкасты — бесплатно, без учётной записи.

Send me the DeepValues Margin of Safety Weekly, one email every Saturday. I can unsubscribe at any time. Information only, not investment advice. Приватность

Узнайте больше

Такой же анализ любой акции за 2 минуты

Deep Value Intelligence — мультиагентный ИИ-аналитик, подготовивший этот отчёт. По запросу он создаёт такой же отчёт для любой публичной компании.

Открыть Deep Value Intelligence

Следите за 300+ акциями в приложении DeepValues

Позиции по акциям, внутренняя стоимость и свежие отчёты — на вашем телефоне.

Разработчикам: позиции и отчёты через API

Фундаментальные показатели, внутренняя стоимость, позиции по акциям и ссылки на отчёты с этих страниц — в формате JSON.

Документация API

Обсудить