Співзасновник Anthropic спрогнозував появу «самоосвітнього ІІ» до 2028 року - ForkLog: криптовалюти, ІІ, сингулярність, майбутнє

# Співзасновник Anthropic спрогнозував появу «саморозвиваючогося ШІ» до 2028 року

До 2028 року на ринку можуть з’явитися системи ШІ, здатні самостійно розробляти та навчати своїх наступників без участі людини. Такий прогноз дав співзасновник компанії Anthropic Джек Кларк

«Це дуже важливо. Я не знаю, як це усвідомити. Я приходжу до цього висновку із неохотою, бо наслідки настільки великі, що я відчуваю себе пригніченим ними, і я не впевнений, що суспільство готове до тих змін, які передбачає автоматизоване розроблення ШІ», — зазначив він

Кларк описав сценарій повної автоматизації досліджень ШІ — модель самостійно:

• ставить дослідницькі задачі;
• проектує експерименти;
• пише та тестує код;
• оптимізує навчання;
• покращує архітектуру наступної версії ШІ

Експерт назвав це «рубіконом у майже непередбачуване майбутнє» і оцінив ймовірність такого сценарію у 60% у найближчі два роки

На чому базується оцінка

Висновок Кларка базується на динаміці кількох бенчмарків:

• SWE-Bench — тест на розв’язання реальних інженерних задач за репозиторієм GitHub. Наприкінці 2023 року кращі моделі справлялися приблизно з 2% кейсів; до весни 2026 показник досяг 94%;
• CORE-Bench — відтворення результатів наукових статей ШІ з налаштуванням оточення, запуском коду та аналізом висновків. За словами Кларка, бенчмарк фактично «закритий»: сучасні агенти показують близько 95,5%;
• MLE-Bench — виконання ML-завдань рівня Kaggle. Найкращі агентські системи вже досягають 64-65%.

За словами співзасновника Anthropic, усі три метрики демонструють одне: ШІ швидко переходить від точкового написання коду до повноцінного виконання інженерних та дослідницьких задач.

Зростання автономності

Ще один аргумент — збільшення тривалості задач, які моделі ШІ здатні виконувати без втручання людини.

За даними METR, у 2022 році системи справлялися з завданнями, що займали у людини десятки секунд. У 2024 показник зріс приблизно до 40 хвилин, у 2025 — до шести годин. Зараз передові моделі здатні вести інженерну роботу близько 12 годин поспіль.

Кларк пов’язав це із поширенням агентних інструментів для програмування. Чим довше модель утримує ціль, перевіряє проміжні результати та виправляє помилки, тим більше етапів дослідницького циклу вона може делегувати.

Чому це важливо для розробки ШІ

Сучасний цикл розробки ШІ влаштований за однією схемою: вивчити матеріали, відтворити результат, зібрати експеримент, навчити або донавчити модель, перевірити метрики, знайти вузькі місця і повторити. Зростання на SWE-Bench, CORE-Bench і MLE-Bench показує, що моделі вже справляються з цілісними фрагментами такого циклу.

Кларк окремо зазначив прогрес у більш спеціалізованих задачах. Наприклад, ШІ починають застосовувати для дизайну GPU-ядр — коду, що визначає ефективність навчання та інференсу моделей на конкретному обладнанні.

Ще один напрям — донавчання моделей. У бенчмарку PostTrainBench системи ШІ покращують невеликі відкриті LLM.

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

Anthropic вимірювала, як її моделі оптимізують навчання LLM на CPU. За рік прискорення зросло з 2,9 разу (Claude Opus 4) до 52 (Claude Mythos Preview). Людині для аналогічного завдання зазвичай потрібно чотири-вісім годин.

ШІ вже навчається керувати ШІ

Кларк зазначив, що сучасні системи починають координувати роботу інших агентів. Такий підхід уже використовується у продуктах на кшталт Claude Code або OpenCode: один асистент розподіляє задачі між кількома підасистентами, контролює їх і збирає результати.

Для розробки ШІ це важливо: вони рідко являють собою одну лінійну задачу — зазвичай це десятки паралельних процесів, включаючи написання коду та налаштування оточення. Якщо модель почне керувати такими контурами самостійно, ступінь людської участі різко зменшиться.

Чи потрібна нейромережам креативність

За думкою співзасновника Anthropic, один із ключових питань — на що більше схожа розробка ШІ: на відкриття загальної теорії відносності чи на збірку Lego.

Кларк визнав, що сучасні LLM поки не здатні генерувати принципово нові наукові ідеї. Однак для автоматизації значної частини AI R&D це може бути не обов’язково.

«В основному ШІ рухається вперед через методичне виконання людьми певного циклу: взяти добре працюючу систему, масштабувати якийсь її аспект, подивитися на помилки при масштабуванні і виправити їх. Для цього потрібно дуже мало нестандартних ідей, і більша частина такого процесу схожа на непривабливу чорнову інженерну роботу», — зазначив експерт

Перші ознаки наукового внеску

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

• команда математиків за допомогою Gemini перевірила близько 700 задач Ердеша і отримала 13 рішень, одне з яких дослідники назвали «легко нетривіальним» внеском у відкриту проблему;
• вчені з Університету Британської Колумбії, Університету Нового Південного Уельсу, Стенфорда і Google DeepMind опублікували математичне доведення, знайдене за значної участі інструментів на базі Gemini.

Що буде, якщо прогноз справджується

Кларк звернув увагу, що найбільші лабораторії ШІ вже рухаються у напрямку автоматизації досліджень. OpenAI має намір створити ШІ-стажера для самостійної наукової діяльності, Anthropic випускає роботи з автоматичної налаштування під людські цінності.

Якщо поточний темп збережеться, індустрія перейде до фази повної автоматизації розробки ШІ, спрогнозував експерт — запуститься цикл, у якому кожне нове покоління ШІ прискорює появу наступного.

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

«Якщо б ви змусили мене назвати ймовірність для 2027 року, я б сказав 30%. Якщо ми не побачимо цього до кінця 2028 року, то, думаю, ми виявимо якийсь недолік у поточній технологічній парадигмі, і для руху вперед знадобиться людське винахідництво», — підсумував Кларк

Нагадаємо, у січні гендиректор Anthropic Дарио Амодеї передбачив швидке появлення AGI та скорочення робочих місць