Теги:
Сооснователь Anthropic Джек Кларк опубликовал один из самых подробных прогнозов о развитии искусственного интеллекта. В эссе для рассылки Import AI он пишет, что индустрия приближается к моменту, когда разработка ИИ перестанет быть полностью человеческой работой.
По оценке Кларка, к концу 2028 года с вероятностью выше 60% появится автоматизированный AI R&D: система, способная автономно обучить собственную следующую версию. Вероятность такого сценария к концу 2027 года он оценивает в 30%.
Кларк подчеркивает, что речь не о фантастическом скачке, а о постепенном накоплении уже видимых изменений. Современные модели быстрее пишут код, дольше работают без постоянного контроля, воспроизводят результаты научных статей, участвуют в ML-соревнованиях и оптимизируют элементы собственной инфраструктуры.
Один из главных аргументов – прогресс в программировании. Когда в конце 2023 года появился SWE-Bench, тест на решение реальных задач из GitHub, лучшая модель Claude 2 показывала результат около 2%. В 2026 году Claude Mythos Preview достигла 93,9%, фактически исчерпав возможности бенчмарка.
Второй фактор – рост автономности. По данным METR, в 2022 году GPT-3.5 справлялась с задачами, которые занимают у человека около 30 секунд. В 2023 году GPT-4 вышла на горизонт около 4 минут, в 2024-м o1 – около 40 минут, в 2025-м GPT-5.2 – примерно 6 часов, а в 2026 году Opus 4.6 – около 12 часов. Исследователь METR Аджея Котра допускает, что к концу 2026 года некоторые системы приблизятся к задачам, требующим от человека около 100 часов работы.
Кларк видит в этом прямую связь с разработкой ИИ. Значительная часть исследовательской работы состоит из чтения статей, подготовки данных, запуска экспериментов, проверки результатов, отладки и перебора параметров. Эти задачи уже постепенно переходят в зону, где модели работают как самостоятельные исполнители, а не только как помощники человека.
На научных и инженерных бенчмарках динамика похожая. CORE-Bench, проверяющий способность воспроизводить вычислительные результаты научных работ, в 2024 году давал GPT-4o с агентной обвязкой 21,5%. В декабре 2025 года Opus 4.5 достиг 95,5%, после чего один из авторов бенчмарка назвал его решенным. На MLE-Bench, где системы участвуют в 75 Kaggle-соревнованиях, лучший результат вырос с 16,9% у o1 в 2024 году до 64,4% у Gemini 3 в феврале 2026-го.
Кларк отдельно спорит с идеей, что для такого перехода обязательно нужен прорыв масштаба изобретения трансформера. По его мнению, развитие ИИ часто строится не на единичных озарениях, а на инженерной работе: масштабировании, тестировании гипотез, поиске ошибок и улучшении систем шаг за шагом. Именно в такой работе современные модели уже показывают сильные результаты.
При этом Кларк не утверждает, что полностью автономный ИИ-исследователь уже существует. Он ожидает скорее промежуточный этап: в ближайшие год-два может появиться proof-of-concept, где модель без помощи человека обучит преемника не самого передового уровня. Автоматизация фронтирных моделей, по его словам, сложнее из-за стоимости, масштаба и участия больших команд.
Если к концу 2028 года автоматизированный AI R&D так и не появится, Кларк считает это признаком фундаментального ограничения нынешней технологической парадигмы. В таком случае дальнейшее движение снова потребует новых идей от людей.