Бинду Редди и путь к AGI: почему одной «самой умной» модели вам не хватит

Пока Кремниевая долина соревнуется в том, кто громче пообещает пришествие общего искусственного интеллекта (AGI) к следующему вторнику, Бинду Редди предлагает сделать глубокий вдох. Глава Abacus.AI видит индустрию не через розовые очки венчурных инвестиций, а через суровую реальность внедрения нейросетей в реальный бизнес. И ее диагноз звучит отрезвляюще: мы все еще находимся на стадии, когда «лучшая модель» — это понятие, которое живет ровно до следующего крупного релиза конкурента. Раньше всё было просто — был GPT-4 и все остальные. Теперь же мы наблюдаем фрагментацию, где лидерство в кодинге, творческом письме или логических рассуждениях постоянно переходит из рук в руки.

Редди подчеркивает, что путь к AGI — это не просто вопрос увеличения количества параметров или закупки новых видеокарт H100. Проблема в архитектуре. Текущие большие языковые модели остаются невероятно продвинутыми статистическими попугаями. Они предсказывают следующий токен, но не обладают тем, что Бинду называет «агентностью» — способностью самостоятельно планировать сложные цепочки действий и корректировать их на лету без подсказки человека. Настоящий прорыв к AGI случится не тогда, когда модель прочитает весь интернет, а когда она научится рассуждать в режиме реального времени, используя внутреннюю проверку фактов перед тем, как выдать ответ.

Если посмотреть на текущий ландшафт, то мы увидим интересную картину. OpenAI с их GPT-4o удерживают звание самого сбалансированного продукта, но Anthropic с моделью Claude 3.5 Sonnet внезапно стали фаворитами среди разработчиков и тех, кому важен «человечный» стиль письма и точность в коде. В это же время Meta с их Llama 3.1 доказала, что открытые модели могут дышать в спину проприетарным гигантам. Редди считает, что для современного CTO или руководителя продукта вера в одну-единственную модель — это стратегическая ошибка. Будущее за оркестрацией, где специальный слой софта (router) решает, какой запрос отправить в Claude, а какой — в дешевую и быструю модель поменьше.

Интересно, как Бинду связывает развитие AGI с экономической целесообразностью. Обучение моделей становится экспоненциально дороже, а прирост качества начинает замедляться. Мы подходим к стене, где просто «больше данных» уже не дает магического скачка в интеллекте. Чтобы преодолеть этот барьер, индустрии придется переизобрести способы обучения, возможно, отойдя от чистого обучения с учителем в сторону методов, напоминающих то, как учатся люди — через пробы, ошибки и понимание причинно-следственных связей. Без этого AGI останется лишь красивым маркетинговым термином для привлечения раундов финансирования.

Что это значит для нас с вами? Пока инженеры бьются над созданием цифрового бога, нам стоит научиться жонглировать тем, что есть. Редди уверена, что в ближайшие пару лет победят не те компании, которые создадут самую большую нейросеть, а те, кто создаст лучшую инфраструктуру для использования этого «зоопарка». Настоящий интеллект — это не только объем знаний, но и умение применять нужный инструмент в нужный момент. И пока модели не научились этому сами, эта работа остается за нами.

Главное: AGI не будет разовым событием или «вспышкой». Это плавный переход, и сейчас мы застряли на этапе, где модели умны, но всё еще несамостоятельны. Anthropic и OpenAI продолжат гонку вооружений, но реальная сила сейчас уходит в сторону гибкости и умения совмещать разные модели в одном продукте.