# Уэс Рот: «2026 год станет эпохой непрерывного обучения ИИ»

Источник: https://www.youtube.com/watch?v=yCYGNXNKoqw
Канал: Wes Roth
Опубликовано: 02.01.2026

---

Технологический мир стоит на пороге фундаментального сдвига: от моделей, которые обучаются один раз на огромных массивах данных, индустрия переходит к системам с «непрерывным обучением». В новом обзоре технический аналитик Уэс Рот (Wes Roth) разбирает последние публикации Google DeepMind об архитектурах памяти и анализирует утечки о новом амбициозном гаджете от OpenAI — интеллектуальной «ИИ-ручке».

## 📅 2026 год: эпоха непрерывного обучения
[[JUMP:00:00]]

Согласно прогнозу Ранака Мальда (Ranak Mald), исследователя из Google DeepMind, развитие искусственного интеллекта следует четкой хронологии [00:12]. По мнению Мальда:

*   2024 год стал годом агентов (автономных систем, выполняющих задачи).
*   2025 год будет посвящен обучению с подкреплением (Reinforcement Learning).
*   2026 год станет годом непрерывного обучения (Continual Learning).

Уэс Рот отмечает, что хотя многие спорят о том, стал ли 2024 год действительно годом агентов в плане их массового внедрения, в области исследований этот тренд очевиден [00:37]. Центральной фигурой в реализации концепции 2026 года становится Али Бехруз (Ali Behrouz) из Google Research, разработчик архитектуры Titans и новой парадигмы под названием Nested Learning («Вложенное обучение») [01:05].

## 🧠 Биологический подход: нейропластичность и архитектура памяти
[[JUMP:01:32]]

Главная проблема современных больших языковых моделей (LLM) заключается в их неспособности усваивать новые факты и навыки «на лету», не забывая при этом старые знания [01:45]. В блоге Google Research отмечается, что человеческий мозг является золотым стандартом в этом вопросе благодаря нейропластичности [01:58].

Рот проводит аналогию, разделяя интеллект на два типа:

1.  **Подвижный интеллект (Fluid Intelligence):** способность быстро адаптироваться к новым ситуациям и учиться на основе ограниченного опыта. По мнению автора, этот показатель наиболее высок у молодежи [02:11].
2.  **Кристаллизовавшийся интеллект (Crystallized Intelligence):** использование накопленного багажа знаний для решения задач, что более характерно для людей старшего возраста [02:25].

По словам ведущего, текущие LLM напоминают «ворчливых стариков»: у них огромный запас знаний, но они потеряли «детское любопытство» и не способны быстро меняться [02:38].

### Механизм Nested Learning
Чтобы решить эту проблему, Google предлагает систему, имитирующую человеческую память [03:03]:

*   **Краткосрочная память:** быстрый цикл, эквивалент контекстного окна. Она позволяет удерживать нить разговора, но быстро стирается и сбрасывается [03:41].
*   **Долгосрочная память:** более медленный цикл, куда попадает только действительно важная информация [03:29].

Рот подчеркивает, что современные методы «памяти» в чат-ботах (резюмирование прошлых бесед в отдельный файл) — это скорее «костыли» или «псевдопамять» [04:19]. Google же стремится создать математически обоснованную систему определения важности данных.

## 🐝 Фактор «сюрприза»: как ИИ решает, что запомнить
[[JUMP:04:43]]

Одним из ключевых критериев для сохранения информации в долгосрочную память Google называет «сюрприз» — разницу между внутренней моделью мира и реальностью [04:43].

Уэс Рот приводит наглядный пример:

*   Если вам скажут, что мед делают из нектара цветов, вы вряд ли удивитесь.
*   Но если вы узнаете, что пчелы поглощают нектар, переваривают его и затем отрыгивают в соты (по сути, мед — это «пчелиная рвота»), этот факт вызовет удивление [05:22].

Благодаря этому «сюрпризу» информация мгновенно перемещается из краткосрочной памяти в долгосрочную. По мнению Рота, именно такой механизм позволит ИИ в 2026 году обучаться на лету [06:02].

## 🎠 Проблемы «склероза» ИИ: морские коньки и Покемоны
[[JUMP:06:14]]

Отсутствие непрерывного обучения приводит к нелепым ошибкам, которые Рот иллюстрирует примерами:

*   **Эмодзи морского конька:** модели часто утверждают, что такой эмодзи существует, а когда их просят его показать, начинают выдавать комбинации из лошадей, звезд и тюленей, не будучи в состоянии запомнить свою ошибку даже в рамках одной сессии [06:39].
*   **Игры:** в экспериментах, где модели (Claude, GPT, Gemini) играли в Pokémon, они совершали одни и те же ошибки раз за разом, так как не могли обновить свою базу знаний в реальном времени [07:07].

Ведущий сравнивает текущее состояние ИИ с героем фильма «Помни» (Memento), который был вынужден делать татуировки и записи, чтобы не забыть, что он делал две минуты назад [07:32]. Без «липких заметок» (sticky notes) ИИ слепо натыкается на одни и те же грабли [07:59].

## 🚀 Проект Hope: бесконечные циклы обучения
[[JUMP:08:37]]

Google опубликовала доказательство концепции новой архитектуры под названием Hope («Надежда»), которая является развитием архитектуры Titans [09:03].

Различия между архитектурами, по мнению Рота:

1.  **Titans (декабрь 2024):** напоминает картотечный шкаф. ИИ решает, что важно, и «подшивает» это в папку для будущего использования [09:56].
2.  **Hope (ноябрь 2025):** система с бесконечными вложенными уровнями обучения. Она не просто складывает файлы, а постоянно перемешивает, реорганизует и — что критически важно — забывает ненужное [10:09].

Автор считает, что возможность забывать редко используемые данные так же важна для обучения, как и способность помнить [10:21]. Это делает архитектуру Hope максимально приближенной к работе человеческого мозга.

## 🖋️ Утечка OpenAI: «ИИ-ручка» вместо смартфона
[[JUMP:11:12]]

Помимо софта, обсуждаются и аппаратные новинки. Появилась информация о разработке OpenAI носимого устройства в форме ручки [11:12]. Сэм Альтман и команда нацелены на создание «третьего ключевого устройства» после iPhone и Mac.

Особенности «ИИ-ручки»:

*   Компактный форм-фактор: можно носить в кармане или на шее [11:12].
*   Наличие камеры и микрофона для восприятия окружающей среды [11:25].
*   Функция оцифровки рукописного ввода: заметки, сделанные «в воздухе» или на бумаге, мгновенно транскрибируются и отправляются в ChatGPT [11:38].

Рот выражает опасения по поводу общественной реакции. Он напоминает о судьбе Google Glass, владельцев которых (так называемых "glassholes") часто критиковали или даже атаковали в общественных местах из-за страха скрытой записи [12:03].

## 🎧 Аудио-модель и помощь при СДВГ
[[JUMP:12:31]]

OpenAI также работает над новой специализированной аудио-моделью, которая будет питать этот гаджет [12:31]. Ожидается, что она будет значительно лучше справляться с перерывами в речи, чем текущие версии.

Уэс Рот видит огромный потенциал устройства для людей с когнитивными особенностями:

*   **Для людей с СДВГ (ADHD):** ИИ может выступать в роли «внешней памяти», напоминая список покупок или важные детали, которые мгновенно вылетают из головы [13:11].
*   **Для пожилых людей:** контроль безопасности (например, выключена ли плита перед выходом из дома) [13:50].

## 🧬 ИИ как психолог: кейс Gemini 3 и пограничного расстройства личности
[[JUMP:14:42]]

В завершение Уэс Рот делится личной историей об использовании модели Gemini 3 для анализа сложных межличностных отношений. Его знакомый столкнулся с проявлениями пограничного расстройства личности (BPD) у близкого человека [14:42].

По наблюдениям Рота:

*   Вспышки гнева при таких расстройствах часто кажутся иррациональными и оторванными от реальности [15:48].
*   Gemini 3 продемонстрировала поразительную способность «очищать» диалоги от токсичности и выявлять коренные причины конфликта [16:28].
*   Модель смогла объяснить, почему определенные действия вызывают триггерную реакцию, что стало первым шагом к разрешению проблем [18:39].

При этом Рот предостерегает от бесконтрольной «психодиагностики» других людей с помощью ИИ, указывая на серьезные этические риски и вопросы конфиденциальности [16:42]. Тем не менее, он считает Gemini 3 на данный момент наиболее «проницательной» моделью в вопросах человеческой психологии [17:21].

## 📈 Прогнозы на 2026 год
[[JUMP:19:05]]

Уэс Рот выдвигает два основных предсказания на 2026 год:

1.  **Новые бенчмарки:** появятся тесты, проверяющие способность ИИ достигать долгосрочных целей (Long-term horizon tasks), а не просто отвечать на вопросы [19:19]. Примером может служить «vending machine bench» — способность модели управлять торговым автоматом в течение длительного времени [20:12].
2.  **Интеграция в мейнстрим:** технологии непрерывного обучения будут внедрены в потребительские модели уровня Gemini 4 или GPT-6 [19:58].

По мнению ведущего, исправление проблемы «памяти» станет колоссальным прорывом (massive leap), который позволит нейросетям перестать быть просто инструментами и стать настоящими цифровыми партнерами [20:50].