Google DeepMind, исследовательская организация, известная AlphaGo, AlphaFold и AlphaZero, 10 июня 2026 года представила доклад, посвящённый переходу от искусственного общего интеллекта (AGI) к искусственному сверхинтеллекту (ASI). ASI определяется как система, превосходящая когнитивные способности крупных организаций людей. В работе участвовали 14 авторов, включая Шейна Легга, одного из основателей DeepMind.
Доклад описывает четыре потенциальных пути от AGI к ASI: масштабирование AGI за счёт увеличения вычислительных ресурсов, сдвиги в парадигмах ИИ (например, новые архитектуры), рекурсивное улучшение (когда AGI самостоятельно разрабатывает более умные версии себя) и появление ASI из крупномасштабных мультиагентных групп. Для каждого пути авторы обсуждают возможные препятствия — факторы торможения, которые могут замедлить или остановить прогресс.
| Преимущество | Описание |
|---|---|
| Скорость ввода/вывода | ИИ может получать информацию и выдавать результаты с постоянно растущей пропускной способностью. Например, современные большие языковые модели (LLM) могут «проглатывать» несколько книг за секунды. В сочетании с подходящими сенсорами и исполнительными механизмами для взаимодействия с миром это означает обмен данными со всё более высокой скоростью. |
| Скорость внутренней обработки | Внутренняя обработка («мышление» и «рассуждение») может быть ускорена за счет увеличения вычислительных мощностей: либо за счет ускорения последовательных вычислений (глубина), либо за счет увеличения параллельных вычислений (ширина). Даже в условиях убывающей отдачи это дает значительное преимущество в масштабировании по сравнению с биологическим интеллектом. |
| Объем рабочей памяти и способность к запоминанию | Размер рабочей памяти и пропускная способность чтения/записи у ИИ могут иметь колоссальные объемы/размеры по сравнению с людскими. Способность запоминать огромные массивы данных (например, значительные части интернета) уже продемонстрирована современными системами и, вероятно, далека от своего технологического предела. |
| Независимость от субстрата (носителя) | Системы ИИ могут переходить с одного компьютера на другой, потенциально даже в процессе работы. Это может означать миграцию на более мощный или более энергоэффективный компьютер. На более детальном уровне могут мигрировать только отдельные части системы ИИ, что позволяет им потенциально работать на распределенном неоднородном оборудовании. |
| Копирование без потерь | Системы ИИ можно копировать, и не только их исходный код («ДНК»), но и состояние памяти («жизненный опыт»). Это дает возможность создавать резервные копии и восстанавливать их произвольным образом, а также запускать, останавливать и возобновлять работу инстансов (копий) по мере необходимости. |
| Обмен опытом с высокой пропускной способностью | (Релевантные части) цифровых потоков ввода-вывода могут быть сохранены, переданы и «воспроизведены» произвольным образом, например, для обучения или дообучения. В случае однородных инстансов ИИ даже сырой сигнал обучения (например, усредненные обновления градиентов) может передаваться с высокой пропускной способностью внутри коллектива. |
Исследование подчёркивает, что влияние AGI на общество может быть не единым трансформационным скачком, а серией последовательных изменений по мере развития ИИ в разных областях. Авторы призывают к массовым междисциплинарным усилиям глобального масштаба для подготовки к такому будущему. Хотя точные сроки остаются неопределёнными, работа DeepMind задаёт систематическую рамку для понимания этого перехода и его потенциальных экономических последствий.
В докладе рассмотрены четыре потенциальных пути: масштабирование AGI, сдвиги парадигм, рекурсивное улучшение и мультиагентные группы.