STRUCTUREцифровые системыОбсудить проект
НОВОСТЬ · Technology

Google DeepMind описала четыре пути к сверхинтеллекту, но не назвала сроков

Исследователь Google DeepMind Тим Геневейн предложил рассматривать сверхинтеллект не как неизбежный итог одного прорыва, а как сочетание разных направлений развития ИИ. Его эссе описывает сценарии и вопросы для измерений, а не объявляет о созданной технологии.

Иллюстрация из открытой ленты iXBT

Главное

На площадке DeepMind Institute 19 ноября вышло эссе «What comes after AGI?». Автор разбирает, какие изменения могут последовать за появлением систем с широкими интеллектуальными способностями человека. Важное различие состоит в статусе публикации: это аналитическое рассуждение отдельного исследователя, основанное на научной работе, а не сообщение компании о готовом сверхинтеллекте или дате его появления.

Первое направление связано с увеличением доступных вычислений: более экономичные алгоритмы и оборудование позволяют запускать больше моделей и поручать им более длительные задачи. Второе предполагает смену самих методов машинного обучения, если дальнейшее наращивание привычных архитектур перестанет давать нужный результат. Эти варианты не исключают друг друга, но каждый сталкивается с собственными техническими пределами.

Подробности

Третья линия — согласованная работа множества ИИ-агентов. Несколько специализированных систем могут распределять задачи, обмениваться результатами и проверять решения друг друга. Однако добавление участников не гарантирует улучшения: согласование действий требует времени, а ошибки одной части системы способны распространяться по всей цепочке. Для оценки таких коллективов нужны отдельные испытания, а не только тесты одиночной модели.

Четвёртый сценарий касается автоматизации улучшения самих моделей, программных инструментов и исследовательского процесса. Автор отдельно предупреждает, что самосовершенствование может остановиться, если получаемые изменения трудно проверить. В эссе также приводятся оценки очень быстрого роста эффективных вычислительных ресурсов — не менее чем в 10 раз за год при сохранении рассмотренных тенденций. Это условная экстраполяция, а не измеренная скорость будущего прогресса.

Что это меняет

Практический вывод для разработчиков и компаний заключается в необходимости проверять отдельные способности: устойчивость длинных задач, качество координации, затраты на вычисления и воспроизводимость улучшений. Без независимых измерений нельзя понять, где находится реальный прогресс, а где только масштабирование уже известных подходов. Публикация задаёт программу наблюдений, оставляя вопрос о появлении сверхинтеллекта открытым.

Первоисточник

Материал подготовлен STRUCTURE по открытой публикации iXBT. Текст и иллюстрации первоисточника не воспроизводятся целиком.

Читать исходную новость целиком ↗