Прорив у штучному інтелекті: Чи створять ШІ-системи своє наступне покоління до 2028 року?

До 2028 року штучний інтелект може досягти вражаючого рубежу: здатність самостійно розробляти та навчати наступні покоління ШІ-систем, повністю усунувши потребу в людській участі. Такий амбітний прогноз озвучив Джек Кларк, співзасновник компанії Anthropic.

«Це надзвичайно важливо. Я не знаю, як усвідомити масштаби цього. Я приходжу до цього висновку з небажанням, оскільки наслідки настільки значні, що я відчуваю себе приголомшеним. Я не впевнений, чи готове суспільство до тих трансформацій, які несе автоматизована розробка ШІ», — зазначив він.

Кларк окреслив сценарій повної автоматизації досліджень у сфері ШІ, де модель самостійно виконуватиме такі завдання:

• Формулювання дослідницьких завдань;
• Проектування експериментів;
• Написання та тестування програмного коду;
• Оптимізація процесів навчання;
• Вдосконалення архітектури наступної версії ШІ.

Експерт назвав це «рубіконом на шляху до майже непередбачуваного майбутнього» і оцінив ймовірність реалізації такого сценарію на рівні 60% протягом наступних двох років.

Висновок Кларка ґрунтується на динаміці показників кількох ключових тестів (бенчмарків):

• SWE-Bench — тест, що оцінює здатність ШІ вирішувати реальні інженерні задачі з репозиторіїв GitHub. Наприкінці 2023 року найкращі моделі справлялися приблизно з 2% завдань; навесні 2026 року цей показник досяг 94%.
• CORE-Bench — тест на відтворення результатів наукових статей у сфері ШІ, який включає налаштування середовища, запуск коду та аналіз висновків. За словами Кларка, цей бенчмарк фактично «закрито», оскільки сучасні агенти демонструють результативність близько 95,5%.
• MLE-Bench — тест на виконання завдань машинного навчання рівня Kaggle. Найкращі агентні системи вже досягають 64-65% успіху.

Співзасновник Antropic підкреслив, що всі три метрики свідчать про одне: ШІ стрімко переходить від фрагментарного написання коду до комплексного виконання інженерних та дослідницьких завдань.

Ще одним вагомим аргументом є зростання тривалості завдань, які ШІ-моделі здатні виконувати без втручання людини.

За даними METR, у 2022 році системи впоралися із завданнями, які у людини займали десятки секунд. У 2024 році цей показник зріс приблизно до 40 хвилин, а у 2025 році — до шести годин. Наразі передові моделі можуть виконувати інженерну роботу поспіль близько 12 годин.

Кларк пов’язує це з поширенням агентних інструментів для програмування. Чим довше модель здатна підтримувати задану мету, перевіряти проміжні результати та виправляти помилки, тим більше етапів дослідницького циклу можна їй довірити.

Сучасний цикл розробки ШІ має певну схему: вивчення матеріалів, відтворення результатів, постановка експериментів, навчання або донавчання моделі, перевірка метрик, виявлення вузьких місць та повторення циклу. Прогрес у SWE-Bench, CORE-Bench та MLE-Bench свідчить про те, що моделі вже здатні виконувати цілі фрагменти такого циклу.

Кларк особливо відзначив прогрес у більш спеціалізованих сферах. Наприклад, ШІ починають використовувати для проектування ядер GPU — коду, який визначає ефективність навчання та інференсу моделей на конкретному обладнанні.

Ще один напрямок — донавчання моделей. У бенчмарку PostTrainBench ШІ-системи вдосконалюють невеликі LLM з відкритим вихідним кодом.

Станом на весну 2026 року найкращі нейромережі досягають 25-28% від цільового приросту (у людських команд — 51%). Кларк вважає цей результат значущим, адже орієнтир задають реальні інструктивні моделі, створені досвідченими дослідниками.

Anthropic також проводила вимірювання ефективності своїх моделей при оптимізації навчання LLM на CPU. За рік прискорення зросло з 2,9 раза (Claude Opus 4) до 52 (Claude Mythos Preview). Для людини виконання аналогічного завдання зазвичай займає чотири-вісім годин.

Кларк зазначив, що сучасні системи починають координувати роботу інших агентів. Цей підхід вже застосовується у таких продуктах, як Claude Code або OpenCode: один асистент розподіляє завдання між кількома підлеглими агентами, контролює їхню роботу та збирає результати.

Для розробки ШІ це має вирішальне значення, адже такі процеси рідко бувають лінійними. Зазвичай вони охоплюють десятки паралельних операцій, включно з написанням коду та налаштуванням середовища. Якщо модель почне самостійно керувати цими контурами, рівень людської участі значно зменшиться.

На думку співзасновника Anthropic, одним із ключових питань є те, на що більше схожа розробка ШІ: на відкриття загальної теорії відносності чи на складання конструктора Lego.

Кларк визнав, що сучасні LLM поки що не здатні генерувати принципово нові наукові ідеї. Однак для автоматизації значної частини досліджень та розробок у сфері ШІ це може бути не обов’язково.

«Переважно ШІ рухається вперед шляхом методичного виконання людьми певного циклу: взяти добре працюючу систему, масштабувати певний її аспект, проаналізувати помилки при масштабуванні та виправити їх. Це вимагає дуже мало нестандартних ідей, і більша частина цього процесу схожа на непривабливу, рутинну інженерну роботу», — зазначив експерт.

Кларк вважає, що у моделей ШІ вже з’являються ранні ознаки наукової інтуїції. Він навів кілька прикладів з галузей математики та інформатики:

• Група математиків за допомогою Gemini перевірила близько 700 задач Ердеша та знайшла 13 рішень, одне з яких дослідники назвали «злегка нетривіальним» внеском у відкриту проблему.
• Науковці з Університету Британської Колумбії, Університету Нового Південного Уельсу, Стенфорда та Google DeepMind опублікували математичне доведення, знайдене за суттєвої участі інструментів на базі Gemini.

Кларк звернув увагу, що найбільші лабораторії ШІ вже рухаються у напрямку автоматизації досліджень. OpenAI планує створити ШІ-стажера для самостійної наукової діяльності, а Anthropic публікує роботи з автоматичного налаштування моделей відповідно до людських цінностей.

Якщо поточний темп розвитку збережеться, індустрія перейде до фази повної автоматизації розробок ШІ, спрогнозував експерт. Це запустить цикл, при якому кожне нове покоління ШІ прискорюватиме появу наступного.

За його словами, якщо такий перехід відбудеться до кінця 2028 року, світ зіткнеться не лише з технологічним стрибком. На перший план вийдуть фундаментальні питання безпеки, розподілу капіталу, ролі людської праці та контролю над системами, які починають розвиватися швидше за своїх творців.

«Якби мені довелося назвати ймовірність для 2027 року, я б сказав 30%. Якщо ми не побачимо цього до кінця 2028 року, то, думаю, ми виявимо якусь ваду в поточній технологічній парадигмі, і для подальшого прогресу буде потрібна людська винахідливість», — підсумував Кларк.

У січні генеральний директор Anthropic Даріо Амодеї також прогнозував швидке появу AGI (штучного загального інтелекту) та потенційне скорочення робочих місць.

Порада від Business News:

Ця інформація є надзвичайно важливою для бізнесу та фахівців у сфері технологій. Розуміння потенційної автоматизації розробки ШІ до 2028 року дозволить компаніям завчасно планувати стратегії розвитку, адаптуватися до майбутніх ринкових змін та оцінювати нові можливості й ризики, пов’язані з цим технологічним проривом. Це допоможе залишатися конкурентоспроможними та ефективно використовувати найновіші досягнення штучного інтелекту.

За даними порталу: cryptocurrency.tech