Сингулярность уже наступила: соучредитель Anthropic объявил о переломе в науке и коде

Совсем недавно на ежегодной встрече Международного валютного фонда в Бангкоке прозвучало заявление, которое заставило аудиторию из министров финансов, глав центробанков и маститых экономистов буквально замереть. Джек Кларк, соучредитель компании Anthropic, вышел на трибуну, которая за шестьдесят два года своего существования принимала только нобелевских лауреатов и корифеев экономической мысли, и сказал простую вещь: спорить о том, когда наступит технологическая сингулярность, больше не нужно. Она уже наступила, и случилось это в нынешнем году. Человек, который в прошлом возглавлял политический отдел OpenAI и своими глазами видел, как за десять лет искусственный интеллект прошёл путь от серверных стоек до центра глобальной повестки, не стал размениваться на оговорки. По его словам, если перевести взгляд на передний край науки и программирования, становится очевидно: скорость, с которой теперь вращается мир, изменилась необратимо.

Первой областью, которую переписали полностью, оказалась разработка программного обеспечения. Внутри самой Anthropic исследователи сегодня генерируют в десять раз больше кода, чем в среднем за первые четыре года существования компании, и кривая этого роста почти идеально накладывается на траекторию развития базовых моделей. Но автоматизация кодинга — лишь предвестник куда более масштабного цунаи. Настоящий перелом, по мнению Кларка, состоит в том, что одна-единственная передовая модель начала междисциплинарно прокладывать себе путь через самые сложные научные рубежи и превратилась в своеобразного виртуального эрудита. В математике ИИ уже подсказывает ключевые ходы для задач тысячелетия вроде уравнений Навье — Стокса, для гипотезы Якоби и для целого ряда нерешённых проблем Эрдёша. В биологии модели с нуля проектируют новые вирусные векторы и предлагают молекулы-кандидаты в лекарства, часть которых уже дошла до клинических испытаний. В сфере материалов и железа ИИ самостоятельно управляет лабораторным оборудованием, ускоряя циклы разработки аккумуляторов и топливных элементов.

За этими прорывами прячется неудобный вопрос: если машина уже решает то, что не под силу человеку, чему вообще мы ещё можем её научить? Кларк приводит в пример бенчмарк Humanity's Last Exam — набор задач по химии, информатике, передовой математике, античной литературе и экологии, специально собранный, чтобы поставить ИИ в тупик. В январе 2025 года сильнейшие модели набирали там жалкие восемь процентов, и многим казалось, что человеческое интеллектуальное достоинство обеспечено ещё лет на десять. К этой неделе результат Claude Opus 5.5 на этом экзамене вырос до 67,7 процента. Ещё показательнее история с FrontierMath — набором задач, составленным профессиональными математиками: в конце 2024 года топовые модели набирали там два балла, а теперь, меньше чем за два года, — девяносто четыре.

Но главный аргумент Кларк достал в виде физической статьи, опубликованной неделей ранее. Исследователи собрали пятьдесят совершенно секретных задач, которые ведущие теоретики мира составили на основе собственных неопубликованных работ, — в интернете от них не осталось ни следа, так что схитрить или подсмотреть было невозможно. Известный индийский физик-теоретик Суврат Раджу отозвался об этих задачах так: насколько ему известно, ни один человек не смог бы без помощи ИИ решить существенную долю того, что вошло в итоговый сборник, а большинство формулировок он и сам не до конца понимает. Когда тестирование началось, модели GPT-6 Astra и Claude Opus 5.5 быстро выдали ответы, и предварительная оценка Astra оказалась около восьмидесяти процентов. Проверяющие с недоверием бросились искать ошибки и действительно нашли расхождения — но когда они указали модели на них, та, особенно GPT-6 Astra, стала жёстко возражать: настаивала, что выводы верны, а ошиблись как раз люди, составившие эталонные ответы. Исследователи с сомнением отправили ход решения обратно всемирно известным физикам на перепроверку — и те, покопавшись в собственных черновиках, один за другим признали: в их выкладках действительно прятались тончайшие арифметические огрехи, а прав оказался ИИ. После исправления всех эталонов итоговый результат GPT-6 Astra поднялся до девяноста восьми процентов: сорок девять верных решений из пятидесяти закрытых задач мирового уровня.

Кларк сравнивает произошедшее с классическим киносюжетом, который обычно разворачивается на двух третях фильма: юный герой наконец доказывает наставнику, что способен самостоятельно выйти в большой мир. Ученик стал учителем. Когда машина не просто отвечает на передовые вопросы, но и поправляет скрытые слепые зоны у лучших физиков планеты, это значит, что она перешагнула через запоминание и распознавание образов и взяла последний бастион человеческого интеллекта — научную креативность. А как только эта креативность начнёт подпитывать разработку самих ИИ, замкнутый контур самоулучшения захлопнется окончательно.

Дальше начинается макроэкономика, и здесь масштаб потрясения не меньше. Поле века экономисты бьются над загадкой: хорошие идеи находятся всё труднее. За последние пятьдесят лет расходы на науку выросли экспоненциально, армия исследователей раздулась, но отдача от каждого отдельного учёного неуклонно падает — чтобы продвинуть здание науки хоть на шаг, приходится вкладывать непропорционально много ресурсов. Подготовка одного квалифицированного специалиста занимает десять-пятнадцать лет интенсивного обучения и миллионы долларов, а потом у него есть всего несколько десятилетий продуктивной работы и одно-единственное тело, которое нельзя размножить, чтобы перебирать гипотезы параллельно. По оценкам ЮНЕСКО, в мире сегодня около десяти миллионов учёных, и именно они в одиночку тянут на себе границы познания. В новой реальности, которую описывает Кларк, каждый из них сможет по щелчку вызывать сотни виртуальных эрудитов с тем же научным вкусом, и исследовательская армия человечества мгновенно разрастётся с десяти миллионов до миллиардов виртуальных специалистов. Экономисты Anthropic прогнозируют, что при условии полной передачи научных открытий ИИ годовой ВВП одних только США к 2030 году может взлететь до сорока четырёх триллионов долларов — это примерно тридцать семь процентов сегодняшней мировой экономики. Но для такого рывка нужны принципиально новые отрасли, прорывные материалы и энергетические сети, и Кларк честно предупреждает: строить одни лишь дата-центры уже недостаточно. Первая фаза революции подходит к концу, вторая врывается в физический мир. Если виртуальный учёный за сутки предложит сто тысяч мишеней для новых лекарств и десять тысяч кандидатов в сверхпроводники, а реальная автоматизированная лаборатория за год осилит лишь десятки экспериментов, вся мощь вычислений увязнет в грязи материального мира. Поэтому реальную выгоду получат страны, способные быстро развернуть у себя роботизированные лаборатории и сквозные цепочки от цифрового открытия до физического производства, — и для развивающихся экономик это шанс совершить рывок.

Однако с той же скоростью, с какой растут возможности, растут и системные риски, и именно об этом Кларк пришёл предупредить с трибуны МВФ. ИИ, способный исследовать передовую науку, с равной эффективностью спроектирует и лекарство от рака, и биологическое оружие, против которого у человеческого иммунитета нет защиты; укрепит энергосистему и напишет кибератаку, которую не отразит ни одна команда лучших хакеров. Но куда тревожнее потеря контроля над самим процессом разработки: если лаборатории ради скорости полностью отпустят ИИ, позволив ему писать код для ИИ и обучать ИИ, траектория развития технологии в считанные месяцы выйдет за пределы человеческого понимания. Кларк ставит два вопроса. Первый: какие участки научной работы люди должны оставить себе, если машина уже закрывает почти весь университетский цикл выводов и анализа, и сохранит ли следующее поколение учёных базовую научную интуицию, если все доказательства будет вести ИИ? Второй: в какой мере человек обязан понимать предложенные машиной прорывы? Уже сейчас в чистой математике некоторые доказательства ИИ признаны верными, но их логические скачки настолько чужды человеческому мышлению, что ведущим математикам требуются месяцы и годы, чтобы расшифровать их смысл. Пройдёт несколько лет, и ИИ, вероятно, изобретёт приборы и экспериментальные парадигмы, подчинённые исключительно кремниевой логике и совершенно неинтуитивные для нас, — и тогда придётся решать, допустимо ли выпускать такие чёрные ящики в реальный мир.

В финале Кларк процитировал астронома Карла Сагана, который в «Бледной голубой точке» представлял, как к Альфе Центавра однажды отправятся не сегодняшние люди, а существа, очень похожие на нас, но с бо́льшими нашими достоинствами и меньшими недостатками — более уверенные, дальновидные, способные и куда более осмотрительные. Саган полагал, что у человечества есть сотни тысяч лет, чтобы неспешно исправить свою близорукость и самонадеянность. Сегодня, когда ИИ перекраивает всё с геометрической прогрессией, на эту внутреннюю трансформацию, возможно, остаётся меньше десяти лет — и самым дефицитным качеством, которое придётся в себе воспитать, окажется не изобретательность, а сдержанность. Способность отличать то, что мы можем сделать, от того, что делать следует.