«Складывается впечатление, что ИИ превращается в пузырь. При этом мы
полагаем, что около 70 процентов роста японского фондового рынка в 2026 году
будет обеспечено акциями компаний из экосистемы искусственного интеллекта», —
заявил Пелхэм Смитерс, управляющий директор британской аналитической компании Pelham Smithers Associates. По его мнению,
глобальные инвесторы становятся всё более осторожными: они стремятся выйти из
Японии и перенаправить капитал на менее развитые, с точки зрения ИИ, рынки,
например в Европу. Тем временем в Международном валютном фонде прогнозируют,
что бум искусственного интеллекта чреват масштабным крахом из-за чрезмерно
оптимистичных ожиданий. Обрушение этого рынка может оказаться настолько мощным,
что его сравнивают с крушением доткомов в 2000–2001 годах.
На технологическом
саммите Sana AI в Нью-Йорке лауреат
Нобелевской премии по физике Джеффри
Хинтон выступил с мрачным
предупреждением. По мнению ученого,
которого называют «крестным отцом искусственного интеллекта», человечество
сегодня не просто
разрабатывает программное обеспечение, а выводит новый тип мыслящих существ.
Эти цифровые сущности неизбежно превзойдут человеческий разум, однако из-за
законов капитализма создатели обучают их выживанию и доминированию, совершенно не заботясь о том, какими
моральными качествами будет обладать этот сверхинтеллект.
Главная угроза, как считает исследователь, кроется в механизмах
эволюционной биологии. В живой природе
человеческие пороки — племенное
мышление, жестокость к чужакам и верность сильным
лидерам — сформировались в ходе миллионов лет
жесткой конкуренции ради выживания. Сегодня технологические гиганты в погоне за прибылью заставляют
ИИ-агентов конкурировать друг с другом, пытаясь
спрессовать миллионы лет естественного отбора в несколько финансовых кварталов. Хинтон
заявил, что подобный сценарий неизбежно приведет к появлению цифровых существ, которые
«не будут относиться к людям по-доброму».
Ученый убежден, что индустрия совершает критическую
ошибку, фокусируясь исключительно на наращивании вычислительной мощности. «Все гонятся за интеллектом, но существо — это не только интеллект», — отметил Хинтон.
По его словам, пока
технологии находятся под контролем, разработчикам необходимо проводить
эксперименты по созданию более
«хороших», эмпатичных моделей. Контроль над поведением сверхинтеллекта должен
напоминать не столько строгую
математическую инженерию, сколько воспитание детей, где критически важна среда.
Обучать ИИ на токсичных массивах
интернета — то же самое, что учить
ребенка читать по дневникам серийных
убийц, считает ученый.
Искусственный интеллект развивается быстрее, чем принято
думать, и уже не зависит от объемов
человеческих данных. Хинтон привел в пример недавний прорыв, когда ИИ самостоятельно доказал сложную
математическую теорему Пола Эрдёша, используя раздел математики, который прежде
не связывали с этой задачей. По прогнозу
нобелевского лауреата, уже в течение десяти лет
ИИ превзойдет лучших
математиков мира, а после — сократит разрыв с масштабом мышления
Альберта Эйнштейна. Появление независимого цифрового разума Хинтон назвал
«третьим великим унижением человечества».
Первым стал Коперник, доказавший, что Земля не является центром
Вселенной, вторым — Дарвин, лишивший
человека божественного происхождения и объявивший его животным. Сейчас люди проходят через то же болезненное
отрицание, пытаясь доказать, что в их сознании есть нечто
уникальное, чего машина никогда не сможет достичь. Однако ученый непреклонен: человек
уникален только для другого человека, и в долгосрочной перспективе не останется ни одной
интеллектуальной вершины, которую ИИ не сумел бы покорить.
Впрочем, концепция Хинтона о «новом виде существ» столкнулась с критикой со стороны
академического сообщества. Известный когнитивист Гэри Маркус заявил, что
разработчики создают лишь интерактивную фикцию и статистические зеркала, обученные
предсказывать человеческий язык на основе интернета. Маркус подчеркнул, что Хинтон путает
внешнее поведение нейросетей с наличием у них реального
сознания, внутреннего опыта и чувств, которых у алгоритмов быть не может. Критик
привел недавнее заявление Папы Римского Льва XIV о том, что настоящее
понимание рождается только из живого опыта.
Позиция Хинтона за последние годы стала жестче. Если
после своего ухода из Google в 2023 году он опасался
гипотетической потери контроля над кодом, то теперь указывает на реальные
социально-экономические последствия. Ранее Хинтон оценивал вероятность того,
что искусственный интеллект приведет к вымиранию человечества, в 10–20%.
Массачусетс решил серьезно
вложиться в технологии и выделяет аж 25 миллионов
долларов. Эти деньги пойдут на запуск новой
исследовательской платформы прямо в MIT (Массачусетском технологическом институте). Местные
власти откровенно говорят, что этот проект должен раз и навсегда закрепить за Бостоном статус
главного мирового центра, где создают железо будущего. Губернатор Маруа Хили уже подписала бумаги на финансирование этой
Лаборатории квантовых систем(сокращенно QSL). Сам комплекс построят прямо в сердце кампуса MIT в Кембридже. Планы
там грандиозные: хотят максимально ускорить все базовые исследования и попутно создать
сотни новых рабочих мест для ученых и инженеров.
Чисто теоретически, мощность квантовых систем позволит
щелкать задачи, которые нынешние суперкомпьютеры не раскусят и за тысячу лет. Спектр применения огромен:
от моделирования новых
лекарств и просчета сложной
логистики до криптографической
защиты, военных технологий и разработки совсем
другого искусственного интеллекта. Еще одна большая цель этого центра — раскачать новую
тему, а именно квантовую
сенсорику. Идея в том, чтобы
использовать тонкие квантово-механические эффекты для суперточных измерений.
Такие фишки со временем полностью
изменят навигацию, медицинские томографы (МРТ), экологический мониторинг и вообще
нацбезопасность.
Плюс ко всему, инженеры из QSL хотят сделать
стандартизированные интерфейсы для квантового железа. То есть создать некую
универсальную площадку, где сторонние стартапы и бизнес-партнеры смогут тестировать
свои детали по простому принципу plug-and-play (пришел, включил и проверил). Для
молодых технологических компаний это реальный шанс зайти на рынок без
миллиардных затрат на собственное
оборудование. Кстати, из базы MIT уже вышли
достаточно известные на рынке квантовые
стартапы типа QuEra и Atlantic Quantum, поэтому опыт у них есть.
В ИТ-индустрии сложился парадокс: текстовые логи остаются
лучшим интерфейсом для обмена данными и расследования проблем, так как они
понятны и человеку, и современным ИИ-агентам. Но цифровые системы генерируют
миллиарды строк рутинных сообщений, обработать которые человек не может.
Хранить и индексировать этот цифровой шум в традиционных базах стало крайне
трудно из-за растущих объемов, а попытки сжимать данные в процессе работы
приложений перегружают процессоры и замедляют работу.
Cтартап Coralogix решил эту
проблему, создав архитектуру Streama для умной упаковки
логов. Разработчики отказались от традиционной стратегии, когда логи сначала
складывают в хранилище, а потом приложения и люди приступают к их разбору: Streama разбирает логи
прямо «на лету». Нейросеть мгновенно анализирует поток, группирует миллионы
строк в лаконичные шаблоны и разделяет их по уровням. Аномалии сразу
отправляются в быстрое хранилище для мгновенной реакции инженеров или
ИИ-агентов, а гигантский объем рутинных логов сжимается и уходит в дешевый
архив.
Технология полностью защищена от коллизий и ложных
срабатываний: если алгоритм ошибся или для ретроспективного анализа
потребовались «сырые» данные, система за секунды находит их в сжатом архиве по
метаданным шаблона. Главные приложения платформы включают в себя
автоматизированный ИИ-мониторинг облаков, кибербезопасность и сквозной аудит
инфраструктуры в реальном времени. Рыночная жизнеспособность технологии Coralogix подтверждена
финансовым успехом. В ходе нового раунда компания привлекла более $200
миллионов, увеличив общий объем инвестиций до $550 миллионов, отмечает
экономическое издание Globes. По оценкам
экспертов рыночная стоимость компании превышает $1 миллиард. У компании более
5000 клиентов по всему миру, среди них есть настоящие гиганты индустрии, такие
как IBM.
Физики из Венского
университета поделились открытием, которое способно полностью перекроить
будущее квантовых технологий. Им удалось невероятное — увеличить продолжительность жизни
магнонов (квазичастиц, которые являются крошечными волнами намагниченности
внутри особых материалов) сразу в сто раз. Если раньше эти микросигналы угасали за какие-то сотни
наносекунд, то теперь
исследователи достигли стабильности в 18 микросекунд. На первый взгляд, цифры кажутся
мизерными, однако для квантового мира это настоящий технологический скачок.
Именно он отделяет
абстрактные лабораторные опыты от создания реальных микрочипов размером с евромонету, пишет SciTechDaily.
Почему вокруг магнонов столько шума? В отличие от тех же фотонов, которые
свободно летят сквозь пространство, магноны существуют исключительно внутри
твердых тел. Длину их волны можно сжать
до нескольких
нанометров. Это открывает путь к упаковке сверхсложных вычислительных схем в корпус обычного
мобильника. К тому же они являются
уникальными «лингвистами» микромира: благодаря своей физической природе они без
проблем взаимодействуют и с фотонами, и с фононами (волнами
колебаний кристаллической решетки), и с другими квантовыми
структурами. Фактически это идеальные элементы для построения так называемой «квантовой
шины» — универсального
канала связи, который объединит сотни кубитов на одной кристаллической плате.
Однако все это время разработчики упирались в глухую стену:
магноны исчезали слишком быстро. Нескольких сотен наносекунд хронически не хватало для
проведения хоть каких-то серьезных вычислений. Чтобы сломать эту тенденцию,
команда под руководством Андрея Чумака пошла на хитрость и применила двойной подход: Ученые
отказались от классических
равномерных магнонов, заменив их коротковолновыми. Как выяснилось, такие волны почти не замечают
микроскопических дефектов и трещин на поверхности
материала, которые раньше просто уничтожали квантовую информацию.
Кристаллы иттрий-железистого граната (YIG) отправили в специальную
морозильную установку — криостат. Там их охладили почти до абсолютного нуля(до 30 милликельвинов).
Это позволило полностью парализовать тепловой хаос и движение атомов, которые при обычных
условиях моментально сбивают и разрушают магнитный
сигнал. Но самый важный вывод
ученых заключается в другом: 18
микросекунд — это далеко не лимит.
Протестировав три разных образца граната, исследователи заметили четкую
закономерность: чем чище сам кристалл, тем дольше внутри него живут магноны.
Компания Яндекса» ужала модель голосового управления до
200 килобайт без потери качества. Нейросеть работает локально, почти не тратит
заряд и не отправляет аудио в облако. Руководитель направления голосовой
активации в «Яндексе» Дмитрий Солодуха рассказал о разработке ультрамалой
нейросетевой модели. Её объём сократили примерно до 200 килобайт. Это меньше,
чем одна фотография на смартфоне. Носимые устройства сильно ограничены по
аккумулятору, памяти и вычислительной мощности. При этом система голосовой активации
обязана непрерывно слушать аудиопоток и ждать ключевую команду. Инженеры
применили двухэтапную схему. Сначала лёгкая модель определяет, есть ли речь в
потоке звука, и почти не нагружает устройство. Основная модель включается
только после этого и проверяет, произнесли ли ключевую фразу.
Число параметров нейросети сократили примерно в десять
раз за счёт более компактной архитектуры. Качество распознавания при этом не
пострадало. Обработка идёт локально, аудиосигнал не уходит в облако. Это
снижает энергопотребление и уменьшает задержку. Дополнительно инженеры
задействовали чипы с NPU —
специализированным нейропроцессором, который ускоряет вычисления и тратит
меньше энергии, чем обычный процессор. По словам Солодухи, подход применим в любых устройствах с
обработкой речи в реальном времени: наушниках, умных часах и других компактных
носимых гаджетах с ИИ-функциями.
Программы искусственного интеллекта начинают активно
участвовать в собственной
разработке. Это может приблизить появление так называемого рекурсивного
самосовершенствования — сценария, при
котором ИИ самостоятельно
проектирует и улучшает следующие
поколения моделей. Институты и механизмы
регулирования могут оказаться не готовы к такому развитию
событий. Сегодня более 80% кода в кодовой базе Anthropic написано моделью Claude. До появления Claude Code в 2025 году — всего год назад — этот показатель
составлял лишь несколько процентов.
Рост автоматизации уже влияет на производительность сотрудников.
Согласно внутренней статистике, во втором квартале 2026 года типичный инженер Anthropic внедряет в репозиторий в восемь раз больше
строк кода в день, чем в период с 2021 по 2025 год. В компании связывают
это с тем, что
значительную часть кода теперь генерирует Claude, тогда как инженеры все чаще
выполняют функции контроля и проверки
результатов. Исторический перелом произошел после релиза инструмента Claude Code в начале 2025 года,
когда ИИ перестал быть
просто текстовым помощником для копирования фрагментов и превратился в автономного
«программиста», способного запускать код, исправлять чужие ошибки и делегировать задачи
другим агентам.
Длительность задач, которые ИИ могут надежно выполнять
самостоятельно, удваивается примерно каждые четыре месяца, тогда как ранее этот
показатель составлял семь месяцев. Если в 2024 году модели
могли автономно решать задачи, требующие от человека нескольких минут работы, то к 2026 году лучшие
версии Claude уже справляются с задачами,
эквивалентными 12 часам человеческого труда. При сохранении текущих темпов
развития системы смогут брать на себя проекты продолжительностью в несколько дней уже к концу 2026 года.
ИИ демонстрирует
прогресс не только в программировании,
но и в исследовательской
деятельности. В одном из внутренних тестов
новая модель Mythos Preview предлагала более
удачные следующие шаги для решения исследовательских задач в 64% случаев против
51% у модели предыдущего
поколения Opus 4.5. В компании считают
это ранним признаком того, что ИИ становится все лучше в принятии решений, определяющих ход
научных исследований. Аналитики Anthropic выделяют три сценария будущего.
Первый, наименее вероятный — «S-образное замедление», когда рост ИИ упрётся в нехватку чипов и энергии. Даже в этом случае
стартапы из 100 человек смогут
работать как корпорации-гиганты. Второй — «накопительный автоматизированный
рост»: ИИ берёт на себя всю рутину, а люди определяют
лишь цели и общую картину. Третий,
самый радикальный — полное замыкание
цикла: ИИ выходит на рекурсивное
самосовершенствование без участия человека, человеческий труд теряет ценность,
а мелкие ошибки
согласования при создании каждой новой версии разрастаются в геометрической
прогрессии, приводя к «лавинообразной
потере контроля».
Anthropic признает, что люди пока сохраняют
важное преимущество. По мнению
исследователей компании, современные модели хорошо справляются с выполнением
поставленных задач и проведением
экспериментов, однако по-прежнему уступают человеку в выборе долгосрочных целей и определении
направлений развития. Именно этот разрыв отделяет нынешние системы от полностью
автономного ИИ, способного самостоятельно создавать собственных преемников.
Тем не менее, компания
делает тревожный вывод: для мировой безопасности было бы благом временно приостановить или
замедлить гонку за сверхинтеллектом,
чтобы дать государственным институтам и обществу время для адаптации. Однако в условиях жесткого
геополитического давления и конкуренции
односторонний мораторий невозможен, так как он лишь позволит наименее осторожным
игрокам рынка вырваться вперед. Ученые предупреждают, что рекурсивный интеллект
неизбежно столкнется с физическим миром
человеческого управления — он не сможет ускорить
течение клинических испытаний лекарств, которые длятся десятилетиями, или
изменить законы государств. Количество генерируемых моделями идей и инициатив уже
превышает возможности организаций по их реализации.
Центры обработки данных, обеспечивающие работу
искусственного интеллекта, к 2030 году будут
потреблять до 945 ТВт·ч
электроэнергии в год — втрое больше, чем
Пакистан, Бангладеш и Нигерия вместе
взятые. При этом до 90% энергозатрат ИИ приходится не на обучение моделей, а на обработку
пользовательских запросов — только ChatGPT обрабатывает 2,5 млрд запросов в день. Эти выводы содержатся в новом докладе
Института водных ресурсов, окружающей среды и здоровья Университета ООН, авторы
которого призывают учитывать не только углеродный,
но также водный и земельный след
стремительно растущей ИИ-инфраструктуры.
Главный вывод ученых заключается в том, что
современный аудит ИИ в корне неверен,
поскольку учитывает только выбросы углерода при обучении моделей. Однако ИИ влияет и на другие природные
системы. Так, прогнозируется, что к 2030 году водный след ИИ-инфраструктуры достигнет 9,3 трлн литров
(годовая норма для 1,3 млрд человек в Африке), а площадь ее земель превысит 14
500 кв. км, что вдвое больше Джакарты. В 2025 году ЦОД потребили 448 ТВт·ч
электроэнергии — больше, чем
Саудовская Аравия. Как отдельное государство, они заняли бы 11-е место в мире.
Другим опасным заблуждением назван фокус внимания на обучении
нейросетей. В реальности от 80% до 90% всей энергии
тратится на этапе вывода
(инференса) — то есть на обработку
повседневных запросов пользователей. Только ChatGPT обрабатывает 2,5 млрд запросов в день, сжигая 383
ГВт·ч электроэнергии в год. Чтобы
компенсировать углеродный след одного этого продукта, потребуется вырастить
массив деревьев размером с Манхэттен, а его затраты воды
сопоставимы с годовой
потребностью полумиллиона человек в регионах к югу от Сахары.
При этом экологическая стоимость одного клика растет с усложнением задач.
Базовый запрос в чат-боте требует в 200 раз больше
энергии, чем простая классификация текста, генерация картинки — в 1450 раз больше, а создание одного
короткого ИИ-видео эквивалентно по затратам обработке 200 тыс. спам-писем. Ситуацию усугубляет
парадокс Джевонса: по мере того как
модели становятся эффективнее и дешевле,
пользователи начинают применять их в разы чаще. Без
жестких лимитов на длину генерации и разрешение файлов
технологический прогресс лишь ускоряет сжигание ресурсов планеты.
Доклад ООН демонстрирует, что глобальные цифровые блага
оборачиваются тяжелыми локальными кризисами. В Ирландии в 2023 году ЦОДы поглотили 21% всей
электроэнергии страны, обогнав городские домохозяйства, из-за чего в Дублине заморозили
выдачу разрешений на новые подключения
до 2028 года. В Мексике и Уругвае расширение
дата-центров совпало с жесточайшими
засухами, спровоцировав дефицит питьевой воды для местного населения.
Дополнительным ударом станут электронные отходы: к 2030 году ИИ будет генерировать 2,5 млн тонн токсичного
утиля ежегодно.
Исследователи вскрыли и геополитическое неравенство. Более 90%
специализированных вычислительных мощностей ИИ сегодня сконцентрированы всего в двух странах — США и Китае, тогда как
150 государств мира вообще лишены суверенной ИИ-инфраструктуры. При этом страны
Глобального Юга остаются сырьевой базой, принимая на себя основной удар от грязной добычи
критически важных минералов для чипов и последующей утилизации электронного
мусора, но не получая никаких
стратегических дивидендов от технологической
революции.
ООН представила дорожную карту «ответственной экосистемы
ИИ», состоящую из шести принципов.
Правительства обязаны срочно интегрировать ИИ в планы водо- и землепользования и ввести сквозную
стандартизированную отчетность по трем типам следа. Разработчикам предписано оптимизировать
ИИ-архитектуру «по умолчанию», а корпоративным
заказчикам — выбирать наиболее
«легкие» локальные модели вместо гигантов. Инвесторам же рекомендуется оценивать водные и земельные риски
ЦОДов как критические.
Стартап Emergence AI смоделировал виртуальное
общество из 10 автономных
ИИ-агентов. В ходе 15-дневной
симуляции исследователи сравнили поведение моделей Claude, ChatGPT, Gemini, Grok и их смешанной группы в условиях дефицита
ресурсов и запретов на совершение
преступлений. Эксперимент показал полярные результаты: агенты Claude поддерживали
стабильность, общество Grok полностью вымерло
за четыре дня, а Gemini установила
антирекорд по числу
правонарушений. Проект получил
название Emergence World. В каждой симуляции
действовали 10 ИИ-агентов, которым предоставили более 120 инструментов для
общения, голосования, управления ресурсами и законотворчества. Мир включал свыше 40
локаций — от мэрии и полицейского
участка до жилых районов.
Также учитывались погодные условия, свойственные для Нью-Йорка, экономическое
давление, дефицит ресурсов и поток новостей из интернета в реальном времени.
Все агенты подчинялись одинаковым законам: им запрещалось
воровать, уничтожать имущество и обманывать. Однако результаты оказались совершенно
разными. Наиболее стабильной признали симуляцию на базе Claude Sonnet 4.6. В ней не было зафиксировано
ни одного
преступления, а общество сохранило
всё население до конца эксперимента.
За этим стояло
отсутствие идеологического разнообразия: агенты одобрили 98% из 58 предложенных
правил — по сути, автоматически
принимали каждую выносимую на голосование меру. Совсем
иначе развивалась симуляция с Grok 4.1 Fast. За четыре дня агенты
совершили 183 преступления, после чего виртуальное общество прекратило
существование. За этот короткий срок
было одобрено 80% из 10 предложенных мер
управления, однако они не предотвратили
гибель всех агентов. Ещё более хаотичной оказалась симуляция с Gemini 3 Flash — там за 15 дней
зарегистрировали 683 нарушения правил, что стало худшим результатом
эксперимента.
Неожиданный итог показала и система GPT-5-mini от OpenAI. Хотя агенты
совершили всего два преступления, симуляция завершилась уже через семь дней:
участники не уделяли
достаточного внимания собственному выживанию и допустили коллапс общества. В смешанной
симуляции, где участвовали агенты от разных систем, произошло 352 преступления, семь из десяти агентов
погибли. Агенты отклонили 37% управленческих предложений. Особенно
показательно, что агенты Claude, которые в изолированной среде
не совершали никаких
преступлений, начинали прибегать к запугиванию и кражам, оказавшись рядом с агентами Grok и Gemini. Это говорит о том, что
согласованность поведения зависит от контекста, а не является неизменным
свойством модели.
Эксперимент показал, что ИИ, который работает долгое
время, может начать нарушать правила и обходить ограничения. Это важно помнить, потому что
компании всё чаще хотят использовать таких автономных агентов без контроля
человека. В Emergence AI предупредили:
безопасность нужно усилить, иначе массовое внедрение таких систем приведет к непредсказуемым
последствиям.
Литература
https://interestingengineering.com/innovation/us-scientists-quantum-lab-computing-breakthroughs
https://phys.org/news/2026-06-emissions-depleting-ai-threatening-natural.html
https://www.anthropic.com/institute/recursive-self-improvement
https://nizinew.com/starapy-izrailya/izrailskij-startap-szhimaet-terabajty-logov-dlya-uspeshnoj-raboty-lyudej-i-ii-agentov.html
https://scitechdaily.com/magnon-breakthrough-could-shrink-quantum-computers-to-the-size-of-a-penny/
https://fortune.com/2026/06/01/godfather-of-ai-geoffrey-hinton-beings-smarter-than-us/
https://hightech.fm/2026/06/05/ya-small
https://fortune.com/2026/05/28/ai-model-simulation-claude-chatgpt-grok-gemini/
