Прогноз сдвинулся на год

Сооснователь Anthropic Джек Кларк считает, что рекурсивное самоулучшение ИИ — когда система разрабатывает более способного преемника — может стать возможным уже в 2027 году. Раньше он ожидал этого в 2028-м. Свой пересмотр Кларк связывает, в частности, с успехами моделей в математике и результатами теста TasteVal.

В эссе в мае Кларк оценивал вероятность появления системы, которая самостоятельно обучит более сильного преемника, примерно в 30% к 2027 году и 60% к концу 2028-го. Это прогноз исследователя, который соосновал компанию, чья модель возглавила TasteVal, поэтому возможная предвзятость важна при оценке его выводов. Предыдущее эссе Кларка содержало эти оценки.

Что проверяет TasteVal

Исследовательская компания P-Zero Research определяет исследовательское чутьё как умение находить перспективные вопросы, планировать эксперименты и верно интерпретировать результаты. TasteVal проверяет только два последних навыка: направление исследования уже задано, поэтому модели не нужно решать, какую научную проблему изучать.

В тесте восемь задач по разработке ИИ-моделей — в том числе отбор обучающих данных, предварительное обучение и настройка языковых моделей, обучение на человеческих предпочтениях и защита от состязательных запросов. Модель выбирает следующий эксперимент и использует его результаты для дальнейших шагов. Все эксперименты запускает один и тот же программный агент на одной Nvidia H100: каждый прогон ограничен 40 часами вычислений на GPU или 120 часами реального времени.

С результатами моделей сравнили работу 24 экспертов, недавно работавших, среди прочего, в OpenAI, Google DeepMind, Nvidia и Microsoft Research. На каждую задачу приходилось не менее двух участников, а эталоном стал лучший человеческий результат. Методика и описание TasteVal опубликованы P-Zero Research.

Результаты обнадёживают, но выводы ограничены

P-Zero переводит исследовательское чутьё в эффективность использования вычислений: чем меньше ресурсов нужно модели, чтобы достичь экспертного результата, тем выше показатель. По оценке лаборатории, Opus 5.5 от Anthropic показала множитель 2,3 — достигла экспертного уровня, потратив менее половины вычислений. Однако статистический диапазон составляет от 1,15 до 4,37, то есть при нижней границе преимущество было бы небольшим. Один прогон модели обходился примерно в 30 раз дешевле средней попытки эксперта.

С декабря 2025 года вычислительный множитель моделей разных поколений, по данным P-Zero, рос примерно вдвое каждые три месяца; неопределённость оценки времени удвоения — от 1,7 до 5 месяцев. Авторы предупреждают, что один бенчмарк не подтверждает устойчивость этой тенденции и может преувеличивать темп улучшения. Задачи теста легко и недорого проверять, а в группе сравнения не было исследователей высшего уровня.

Поэтому TasteVal не доказывает, что ИИ уже самостоятельно совершенствует себя. Тест показывает, насколько модели справляются с планированием отдельных экспериментов и оценкой их результатов, но не проверяет выбор долгосрочной исследовательской программы — навык, который критики считают одним из главных препятствий для самостоятельной научной работы.

Спор смещается от решения задач к выбору исследований

TasteVal затрагивает именно ту способность, которую исследователь ИИ Херби Брэдли называл недостающей: модели могут помогать младшим исследователям, но их исследовательское чутьё, креативность и долгосрочное планирование, по его оценке, пока не развиты. Бенчмарк оспаривает эту оценку в части планирования и анализа экспериментов, но не отвечает на вопрос, способны ли модели самостоятельно выбирать научные направления.

В исследовании разработки модели с ИИ-агентами, проведённом командой Фуданьского университета, агенты предложили до 55% методологических решений, однако более 85% окончательных решений приняли люди. Авторы исследования отметили, что пока неясно, как ИИ сможет предлагать разнообразные направления работы и оценивать их до получения результатов. Именно такой выбор TasteVal оставляет за пределами теста.

Если рост исследовательских способностей подтвердится другими проверками, разработка ИИ может ускориться и подешеветь. Одновременно проверять ход исследований станет труднее, если модели будут всё больше планировать и оценивать собственные эксперименты. Пока же результаты TasteVal показывают лишь часть этой картины, а не подтверждают наступление рекурсивного самоулучшения.