PhD-интеллект — миф: глава DeepMind объяснил, чего не умеют современные ИИ
Интервью генерального директора Google DeepMind Демиса Хассабиса на All-In Summit вызвало большой интерес в сообществе, ведь он затронул один из главных вопросов современного ИИ — насколько мы близки к AGI (универсальному искусственному интеллекту).
"Интеллект уровня PhD" — миф
По словам Хассабиса, заявления о том, что сегодняшние чат-боты обладают интеллектом уровня доктора наук, — это заблуждение.
"Современные модели способны выдавать ответы уровня аспиранта, но при этом могут допускать ошибки в задачах школьной математики", — сказал генеральный директор DeepMind Демис Хассабис.
Он подчеркнул, что до настоящего AGI остаётся 5-10 лет, а пока речь идёт о "рваном интеллекте".
Рваный интеллект и его ограничения
Современные системы демонстрируют блестящие результаты в узких областях — например, в генерации кода или анализе больших текстов. Но одновременно они проваливаются на простых цепочках рассуждений. Такой дисбаланс, по мнению Хассабиса, не позволяет называть их "универсальными разумами".
Ключевая цель исследователей — создать модели, которые смогут стабильно справляться и со сложными, и с элементарными задачами без "смешных" ошибок.
Следующие шаги к AGI
По мнению Хассабиса, для достижения AGI нужны несколько крупных прорывов:
-
Постоянное обучение: обновление знаний моделей не раз в несколько месяцев, а практически ежедневно. Это позволит ИИ быть в курсе последних данных и быстрее адаптироваться.
-
World models: такие проекты, как Genie 3, обучаются на видео и симуляциях, чтобы предсказывать динамику реального мира. На их основе можно создавать виртуальных агентов и роботов, которые не просто пишут тексты, а действуют в физической среде.
Практические применения
Хассабис отметил, что прогресс к AGI нужно измерять не абстрактными индексами, а реальными приложениями. Наука и медицина — самые важные сферы:
-
В рамках компании Isomorphic Labs DeepMind применяет ИИ для поиска новых лекарств.
-
Алгоритмы сокращают путь от гипотезы до эксперимента, ускоряя научные исследования.
Плюсы и минусы "рваного интеллекта"
| Плюсы | Минусы |
|---|---|
| Сильные результаты в отдельных задачах (код, тексты, анализ) | Ошибки на элементарных примерах (школьная математика) |
| Широкое внедрение в бизнес и повседневность | Нельзя назвать универсальным интеллектом |
| Поддержка науки и медицины | Сильная зависимость от обучения на статичных данных |
| Основа для будущего AGI | Ограниченные возможности рассуждений |
Сравнение: чат-боты сегодня и гипотетический AGI
| Характеристика | Современные модели | Настоящий AGI |
|---|---|---|
| Способности | Тексты, код, анализ | Универсальные навыки |
| Ошибки | Возможны на простых задачах | Минимальные, как у человека |
| Обновление знаний | Периодическое | Постоянное, "ежедневное" |
| Модель мира | Ограниченная | Глубокое понимание динамики среды |
| Применение | Чат-боты, ассистенты | Роботы, исследователи, автономные агенты |
Советы шаг за шагом: как использовать ИИ эффективно уже сегодня
-
Не воспринимать ИИ как "готовый разум" — это инструмент, а не замена мышлению.
-
Использовать модели в сферах, где они сильны: генерация текста, кода, анализ данных.
-
Проверять факты и расчёты — особенно в математике и науке.
-
Применять специализированные продукты (например, медицинские решения DeepMind).
-
Следить за развитием world models: именно они определят будущее робототехники.
Мифы и правда
-
Миф: AGI уже достигнут.
Правда: по словам Хассабиса, до него ещё 5-10 лет. -
Миф: современные ИИ безошибочны.
Правда: они проваливаются даже на элементарных задачах. -
Миф: AGI можно измерить одним индексом IQ.
Правда: его прогресс оценивается по наборам задач и прикладным приложениям.
FAQ
Когда появится AGI?
Хассабис считает, что в течение ближайших 5-10 лет, но только после нескольких прорывов.
Что такое world models?
Это модели, обучающиеся на симуляциях и видео, чтобы предсказывать динамику реального мира.
Где ИИ полезен уже сегодня?
В науке, медицине, бизнес-аналитике, автоматизации, создании кода и работы с данными.
Исторический контекст
DeepMind была основана в 2010 году, а в 2014 её купила Google. Компания известна проектом AlphaGo, который победил чемпиона мира по го, и AlphaFold, решившим задачу предсказания структуры белков. Сегодня DeepMind смещает фокус на создание AGI и внедрение ИИ в медицину через Isomorphic Labs.
Ошибка → Последствие → Альтернатива
-
Ошибка: воспринимать чат-ботов как готовый AGI.
Последствие: завышенные ожидания и разочарования.
Альтернатива: использовать их как узкоспециализированные инструменты. -
Ошибка: доверять ответам ИИ без проверки.
Последствие: ошибки в расчётах или фактах.
Альтернатива: всегда перепроверять. -
Ошибка: игнорировать новые подходы (world models).
Последствие: упустить будущее робототехники.
Альтернатива: отслеживать их развитие и внедрять.
А что если…
А что если AGI появится не через 10 лет, а раньше — благодаря прорыву в постоянном обучении? В этом случае возможен качественный скачок в науке: от быстрой разработки лекарств до автономных исследователей в космосе. Но вместе с этим появятся новые этические вызовы — от контроля ИИ до его роли в обществе.
Сон и психология
Интересно, что работа с ИИ влияет на психологию пользователей. С одной стороны, чат-боты снимают рутину и помогают снизить когнитивную нагрузку. С другой — ошибки моделей могут вызывать фрустрацию и стресс. По мере приближения к AGI ключевой задачей станет создание систем, которым можно доверять без постоянного контроля.
Заключение
По словам Демиса Хассабиса, мы живём в эпоху "рваного интеллекта" — ИИ уже помогает в науке и бизнесе, но ещё далёк от настоящего универсального разума. Чтобы достичь AGI, нужны world models, постоянное обучение и ещё несколько научных прорывов.
3 факта напоследок
-
AGI, по прогнозу Хассабиса, появится не раньше чем через 5 лет.
-
R&D DeepMind активно работает над world models, включая Genie 3.
-
Isomorphic Labs применяет ИИ для поиска лекарств, сокращая цикл "гипотеза → эксперимент".
Подписывайтесь на NewsInfo.Ru
