Ус Рот (Wes Roth) в своём новом видео-эссе утверждает, что Google, которую многие списали со счетов в гонке за ИИ, на самом деле методично выстраивает инфраструктуру для доминирования в долгосрочной перспективе (на 10–20 лет вперёд). Пока рынок сосредоточен на «хайпе» вокруг чат-ботов, Google публикует фундаментальные исследования, решающие четыре ключевые проблемы отрасли: нехватку чипов, дефицит энергии, отсутствие непрерывного обучения моделей и поиск путей для генерации триллионной прибыли.
🧠 Непрерывное обучение: ИИ перестанет забывать 5:32
Одной из главных проблем современных больших языковых моделей (LLM) является отсутствие «непрерывного обучения» (continuous learning). Ус Рот сравнивает нынешние модели с гениальным коллегой, который мгновенно забывает любую новую информацию: он знает всё, что было в учебниках до момента его обучения, но не помнит вашего имени или того, где сидит, как только контекстное окно закрывается . По мнению Демиса Хассабиса и других лидеров индустрии, без решения этой проблемы ИИ никогда не станет по-настоящему полезным и не достигнет уровня AGI .
Google предложила решение в недавней работе:
- Иерархическое обучение (Nested Learning): Новый парадигмальный подход, вдохновлённый нейропластичностью человеческого мозга .
- Архитектура петель: Система использует быстрые «внутренние петли» для краткосрочной памяти и медленные «внешние петли» для формирования долгосрочных знаний .
- Прототип HOPE: Исследователи, ранее предложившие архитектуру «Titans», протестировали самомодифицирующуюся архитектуру под названием HOPE, которая позволяет моделям обучаться прямо «на рабочем месте» .
🗺️ ИИ не просто угадывает слова: глобальная геометрия смыслов 8:40
Ведущий критикует популярное мнение о том, что LLM — это просто «продвинутый автозаполнение» или «стохастические попугаи», которые лишь статистически предсказывают следующее слово . По мнению Уса Рота, новые данные из Гарварда и последние статьи Google полностью опровергают этот скептический взгляд .
Согласно исследованиям Google:
- Геометрические карты: Модели не просто запоминают соседство слов (например, «кофе» и «сливки»), а синтезируют собственную геометрию «атомных фактов» .
- Глобальные связи: Вместо локальных связей модель выстраивает отношения между всеми объектами в своей базе, включая те, что никогда не встречались вместе в обучающем тексте .
- Векторная модель мира: Ус Рот приводит аналогию со звёздами: каждая звезда (понятие) имеет математический вектор (расстояние и направление) ко всем остальным звёздам во Вселенной, что позволяет модели проводить сложные рассуждения за один шаг .
🧬 Биологический ИИ: путь к триллионным прибылям 15:17
Разговоры о «пузыре ИИ» и безумных капитальных вложениях в дата-центры (исчисляемых триллионами долларов) часто упираются в вопрос окупаемости . Ус Рот полагает, что Google нашла ответ в биологии и медицине.
В октябре 2024 года Google опубликовала данные о модели на базе Gemma (27 млрд параметров), которая помогла обнаружить новый путь терапии рака :
- Токены жизни: Вместо слов модель обучалась на 1 миллиарде токенов транскриптомных данных и последовательностях РНК .
- Масштабирование в биологии: Выяснилось, что биологические модели следуют тем же законам масштабирования (Scaling Laws), что и языковые. Только крупные модели проявили «эмерджентную способность» к сложному логическому выводу, необходимому для поиска лекарств .
- Монетизация: Ус Рот считает, что решение проблем старения, создание новых материалов и лекарств принесут Google гораздо больше прибыли, чем простые чат-боты .
🚀 Энергия и чипы: дата-центры в космосе и TPUs 21:39
Двумя физическими барьерами для ИИ остаются нехватка GPU и электричества. Ус Рот утверждает, что Google готовится к «игре вдолгую» по обоим направлениям.
Проект Suncatcher (Солнечный улавливатель)
Это амбициозный план Google по выводу дата-центров на орбиту .
- Преимущества: Солнечные панели в космосе работают 24/7, а проблема сброса тепла решается излучением в вакуум, что не нагревает атмосферу Земли .
- Экономика: Сейчас запуск стоит $1500 за кг, но для рентабельности нужно $200. По текущим прогнозам, эта отметка будет достигнута к 2035 году . В 2027 году Google планирует запуск двух тестовых спутников для проверки технологии .
Чипы TPU (Tensor Processing Units)
В то время как конкуренты (OpenAI, xAI) зависят от Nvidia, Google разрабатывает собственные чипы уже семь поколений.
- Ironwood: Новое поколение TPU, которое впечатлило даже Илона Маска .
- Эффективность: TPUs специализируются исключительно на ИИ-нагрузках, потребляют меньше энергии и выделяют меньше тепла по сравнению с GPU .
- Бизнес-модель: Google уже сдаёт свои мощности в аренду компании Anthropic, создавая закрытую, но мощную экосистему .
🗺️ Сверхчеловеческое зрение Gemini 28:42
В завершение статьи автор отмечает, что Google внедряет возможности ИИ в анализ мультиспектральных данных. Модель Gemini 2.5 (стандартная, не специализированная) оказалась способна анализировать спутниковые снимки в диапазонах, невидимых человеческому глазу . Она безошибочно классифицирует типы почвы, растительности и поселений, просто получая доступ к «сырым» данным со спутников .
Ус Рот подытоживает: вопрос не в том, «лопнет ли пузырь» акций на бирже в ближайшее время. Важно то, что ИИ и AGI неизбежны, а Google — единственная компания, строящая фундамент, который включает в себя собственные чипы, орбитальную энергетику и фундаментальные прорывы в биологии . По мнению автора, Google «начинает нарастать как снежный ком», планируя свою стратегию на два десятилетия вперёд.
