19 октября 2026 года вышел выпуск Import AI 477. Накануне, 17 октября, автор выпуска выступил на встрече МВФ в Бангкоке. Он заявил, что мир находится на ранних стадиях сингулярности: искусственный интеллект уже работает на переднем крае науки, порой автономно. Автор считает, что в ближайшие годы темп прогресса ускорится — и не только в сфере ИИ, но и в науке в целом.
Автор имел опыт работы журналистом, фокусируясь на дата‑центрах. В 2016 году он перешёл в OpenAI, а позже стал соучредителем Anthropic. Он подчёркивает, что ИИ уже влияет на национальную безопасность, экономическую траекторию мира и способствует собственному развитию. Ещё в 1993 году Вернор Виндж предсказал подобную ситуацию.
Системы ИИ меняют разные сферы жизни. В разработке ПО они уже эффективнее большинства инженеров: один человек теперь способен создавать ПО, для которого раньше требовалась целая команда. В Anthropic исследователи сейчас создают почти в 10 раз больше кода, чем за первые четыре года существования компании. Улучшения в кодировании повысили способности ИИ в кибербезопасности и кибератаках — идёт гонка по развёртыванию мощных возможностей для защиты и для взломов.
В 2026 году появились первые признаки того, что ИИ способен заниматься передовой наукой. В математике системы ИИ предложили решения давних проблем (Navier Stokes Millenium Prize, Jacobian Conjecture, ряд открытых задач Эрдёша). Во многих случаях именно ИИ обеспечил ключевые идеи для решения. В биологии с помощью ИИ спроектировали вирусы с нуля, выявили новые кандидаты в лекарства. Некоторые лекарства, проходящие сейчас испытания, в значительной степени спроектированы ИИ.
В робототехнике ИИ‑системы способны автономно удалённо управлять лабораторным оборудованием. Это ускоряет автоматизацию экспериментов в биологии, материаловедении, разработке батарей и топливных элементов. Существуют единые модели ИИ (Claude, ChatGPT, Gemini), которые работают на переднем крае разных научных дисциплин.
Прогресс ИИ в науке подтверждается метриками. На тесте Humanity’s Last Exam в январе 2025 года лучшие ИИ‑системы набрали 8 %. Сейчас лидирует Claude Opus 5.5 с 67,7 %. Тест FrontierMath (выпущен в ноябре 2024 года) для оценки решения сложных математических задач показал: при запуске лучшие системы набрали 2 %, сейчас — 94 %.
В статье TheoPhysEval тестируется способность ИИ решать неопубликованные задачи по теоретической физике (50 вопросов от физиков со всего мира). По словам индийского физика Суврата Раджу, ни один человек не способен решить значительную часть этих задач без помощи ИИ. Изначально оценка GPT‑6‑Astra была в районе 80+, следом шёл Opus 5.5. При анализе ошибок модели (особенно Astra) настаивали на своей правоте, а эксперты обнаружили в своих расчётах скрытые ошибки. После корректировки ответов оценка Astra достигла 98 % (49/50).
Прогресс ИИ в науке свидетельствует о развитии креативности — одного из последних рубежей возможностей ИИ. Если системы ИИ смогут творчески решать проблемы в науке, это будет признаком их способности к обобщению в разных областях. Это может привести к взрывному росту инноваций.
Рост экономики зависит от человеческого капитала — людей, которые задают вопросы и проводят научные исследования. При этом, по словам некоторых экономистов, «хорошие идеи становится всё труднее находить»: стоимость прорывов растёт, требуется всё больше ресурсов для исследований. Технология может изменить количество исследователей и время, необходимое для их подготовки. Можно будет увеличить число исследователей в сотни и тысячи раз, ускорив поиск хороших идей. Обучение нового поколения исследователей в определённой области может занять 10–15 лет и потребовать миллионы долларов, тогда как системы ИИ можно создать мгновенно в любом количестве (при наличии достаточной вычислительной мощности). Они могут быстро применять новые научные знания в разных областях и комбинировать существующие знания новыми способами для совершения открытий.
При моделировании разных сценариев развития экономики предполагается, что если модели смогут автономно выполнять широкий спектр задач и быстро распространятся в экономике, то к 2030 году ВВП США может достичь 44 трлн долларов.
Для успешного использования ИИ государствам нужно обеспечить достаточную мощность электроснабжения и пространство для дата‑центров, а также инвестировать в цепочку поставок ИИ. Сейчас мощности дата‑центров сконцентрированы в США, Китае и на Ближнем Востоке, цепочки поставок ограничены — цены растут.
Следующая фаза революции ИИ — расширение в физический мир: системы ИИ будут всё активнее управлять роботами и проводить научные эксперименты (иногда совместно). Потребуется больше научного оборудования и роботизированных систем.
По оценкам ЮНЕСКО, в мире около 10 млн учёных — этого недостаточно для контроля работы, анализа в материаловедении, разработки и тестирования новых лекарств, проведения желаемых экспериментов. В будущем возможно появление миллиардов виртуальных учёных под управлением 10 млн реальных. Нужно подготовиться к этому, чтобы превратить бум в науке в выгоды для всех: более долгую и здоровую жизнь, больше энергии, еды, богатства. Страны, которые построят и разовьют цепочку поставок, получат наибольшую выгоду.
Развитые страны с богатой научной экосистемой могут повысить продуктивность своих учёных. Развивающиеся страны, поставляющие сырьё для научной и ИИ‑сферы, могут ускорить развитие: построить научные испытательные центры (в сочетании с реальными и цифровыми учёными), развивать вклад в цепочку поставок.
Однако необходимо избежать узких мест на последующих этапах: поток новых лекарств бесполезен, если можно протестировать лишь немногие из них. Политикам нужно найти способы ускорить вывод открытий из лаборатории в клинику, на производство и в поле.
Нужно подготовить глобальное сообщество к выбору будущего в условиях развития ИИ из‑за связанных с ним рисков, включая возможность злоупотребления наукой (биологическое и кибероружие).
Первый выбор — направление развития технологии: нельзя оставлять ИИ‑системы без надзора при выполнении научных задач. Например, в биологических исследованиях требуется строгий человеческий контроль и прозрачность. В исследованиях ИИ (как в лабораториях Anthropic) нужно решить, какой уровень надзора применять — это ускорит прогресс, но несёт риски. Нужно определить, какие эксперименты должен выполнять человек, а какие — ИИ‑система. Этот вопрос предстоит решить каждой научной дисциплине.
Второй выбор — степень понимания того, что делают ИИ‑системы. В математике уже приходится расшифровывать творческие решения ИИ, чтобы понять их смысл и применить полученные знания. Через несколько лет ИИ‑системы не только будут выполнять научные задачи, но и изобретут собственное оборудование, оптимизированное под их работу. Возникает вопрос, нужно ли понимать принцип работы такого оборудования.
Технологии уже меняют ситуацию с климатическими изменениями, здравоохранением и другими проблемами — например, подешевели солнечные панели, найдены лекарства от ранее смертельных болезней, ИИ помогает расшифровывать речь животных, созданы ракеты, способные возвращаться на Землю. Направление и регулирование ИИ зависит от принимаемых людьми решений.
ИИ — важнейшая технология, созданная человечеством, которая может помочь решить критические проблемы, но несёт в себе опасности. Необходимо совместно разработать строгие правила для технологии и компаний, её разрабатывающих, и проявить сдержанность. Нужно создать инфраструктуру для использования ИИ, но при этом действовать медленно и обдуманно в развитии самой технологии, контролируя его темпы. Важно постоянно различать то, что можно сделать, и то, что следует сделать. Необходимо инвестировать в научные возможности для прогресса. Требуется относиться к ИИ со всей серьёзностью — только так можно добиться успеха.
Подписаться в Макс