Исследователи Google DeepMind и партнерских университетов представили доклад «From AGI to ASI» (arXiv:2606.12683), в котором анализируют возможные сценарии перехода от общего искусственного интеллекта к сверхинтеллекту.
Что произошло
В работе выделены четыре ключевых вектора технологического прогресса: продолжение скейлинга вычислительных мощностей и данных, смена алгоритмической парадигмы, рекурсивное самосовершенствование систем ИИ и развитие мультиагентных структур. Авторы также указывают на такие барьеры, как дефицит качественных данных («data wall»), растущая стоимость исследований и физические ограничения логических вычислений.
Контекст
Текущий рост вычислительной мощности (compute) демонстрирует темпы около 10x в год согласно данным Epoch AI. Однако индустрия стоит перед необходимостью перехода от простого наращивания параметров к поиску новых архитектур, способных работать эффективно в условиях ограниченности обучающих данных.
Почему это важно для индустрии
Доклад формирует теоретический фундамент для долгосрочного R&D планирования. Отрасли необходимо смещать акцент с Transformer-центричного подхода на разработку методов синтеза данных, агентских фреймворков и алгоритмов, поддерживающих циклы самооптимизации (self-improving loops).
Почему это важно для пользователей
Для читателей и разработчиков этот анализ переводит обсуждение сверхинтеллекта из области научной фантастики в плоскость технологического прогнозирования. Это позволяет лучше понимать конкретные технологические и регуляторные барьеры, которые будут определять облик ИИ в ближайшие десятилетия.
Что пока неизвестно / ограничения
Существует различие в оценке значимости векторов развития: технологические специалисты делают упор на архитектурные сдвиги, в то время как бизнес-сообщество фокусируется на экономике разработки и эффективности мультиагентных систем.
Источники
Автор
Look at AI, редакция