К 2028 году ИИ может начать создавать ИИ без роли человека

Сооснователь Anthropic Джек Кларк опубликовал один из самых подробных прогнозов о развитии искусственного ума. В эссе для рассылки Import AI он пишет, что промышленность приближается к моменту, когда разработка ИИ закончит быть вполне людской работой.

По оценке Кларка, к концу 2028 года с вероятностью выше 60% покажется автоматический AI R&D: система, способная автономно научить свою последующую версию. Возможность такового сценария к концу 2027 года он оценивает в 30%.

Кларк подчеркивает, что речь не о фантастическом скачке, а о постепенном накоплении уже видимых конфигураций. Современные модели резвее пишут код, подольше работают без неизменного контроля, воспроизводят результаты научных статей, участвуют в ML-соревнованиях и улучшают элементы своей инфраструктуры.

Один из основных аргументов – прогресс в программировании. Когда в конце 2023 года возник SWE-Bench, тест на решение настоящих задач из GitHub, наилучшая модель Claude 2 демонстрировала итог около 2%. В 2026 году Claude Mythos Preview достигнула 93,9%, практически исчерпав способности бенчмарка.

2-ой фактор – рост автономности. По данным METR, в 2022 году GPT-3.5 управлялась с задачками, которые занимают у человека около 30 секунд. В 2023 году GPT-4 вышла на горизонт около 4 минут, в 2024-м o1 – около 40 минут, в 2025-м GPT-5.2 – приблизительно 6 часов, а в 2026 году Opus 4.6 – около 12 часов. Исследователь METR Аджея Котра допускает, что к концу 2026 года некие системы приблизятся к задачкам, требующим от человека около 100 часов работы.

Кларк лицезреет в этом прямую связь с разработкой ИИ. Значимая часть исследовательской работы состоит из чтения статей, подготовки данных, пуска тестов, проверки результатов, отладки и перебора характеристик. Эти задачки уже равномерно перебегают в зону, где модели работают как самостоятельные исполнители, а не только лишь как ассистенты человека.

На научных и инженерных бенчмарках динамика схожая. CORE-Bench, проверяющий способность воспроизводить вычислительные результаты научных работ, в 2024 году давал GPT-4o с агентной обвязкой 21,5%. В декабре 2025 года Opus 4.5 достигнул 95,5%, опосля что один из создателей бенчмарка именовал его решенным. На MLE-Bench, где системы участвуют в 75 Kaggle-соревнованиях, наилучший итог вырос с 16,9% у o1 в 2024 году до 64,4% у Gemini 3 в феврале 2026-го.

Кларк раздельно спорит с мыслью, что для такового перехода непременно нужен прорыв масштаба изобретения трансформера. По его воззрению, развитие ИИ нередко строится не на единичных озарениях, а на инженерной работе: масштабировании, тестировании гипотез, поиске ошибок и улучшении систем шаг за шагом. Конкретно в таковой работе современные модели уже демонстрируют мощные результаты.

При всем этом Кларк не утверждает, что вполне автономный ИИ-исследователь уже существует. Он ждет быстрее промежный шаг: в наиблежайшие год-два может показаться proof-of-concept, где модель без помощи человека научит преемника не самого передового уровня. Автоматизация фронтирных моделей, по его словам, труднее из-за цены, масштаба и роли огромных установок.

Если к концу 2028 года автоматический AI R&D так и не покажется, Кларк считает это признаком фундаментального ограничения сегодняшней технологической парадигмы. В таком случае предстоящее движение опять востребует новейших мыслях от людей.