# Ус Рот: «Google тихой сапой решает главные проблемы ИИ, пока остальные шумят» Источник: https://www.youtube.com/watch?v=LQfSfVFc4Ss Канал: Wes Roth Опубликовано: 11.11.2025 --- 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 [[JUMP:05:32]] 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 [02:24]. По мнению Демиса Хассабиса и других лидеров индустрии, без решения этой проблемы ИИ никогда не станет по-настоящему полезным и не достигнет уровня AGI [02:50]. Google предложила решение в недавней работе: * **Иерархическое обучение (Nested Learning):** Новый парадигмальный подход, вдохновлённый нейропластичностью человеческого мозга [05:45]. * **Архитектура петель:** Система использует быстрые «внутренние петли» для краткосрочной памяти и медленные «внешние петли» для формирования долгосрочных знаний [07:19]. * **Прототип HOPE:** Исследователи, ранее предложившие архитектуру «Titans», протестировали самомодифицирующуюся архитектуру под названием HOPE, которая позволяет моделям обучаться прямо «на рабочем месте» [07:58]. ## 🗺️ ИИ не просто угадывает слова: глобальная геометрия смыслов [[JUMP:08:40]] Ведущий критикует популярное мнение о том, что LLM — это просто «продвинутый автозаполнение» или «стохастические попугаи», которые лишь статистически предсказывают следующее слово [09:21]. По мнению Уса Рота, новые данные из Гарварда и последние статьи Google полностью опровергают этот скептический взгляд [10:49]. Согласно исследованиям Google: 1. **Геометрические карты:** Модели не просто запоминают соседство слов (например, «кофе» и «сливки»), а синтезируют собственную геометрию «атомных фактов» [11:41]. 2. **Глобальные связи:** Вместо локальных связей модель выстраивает отношения между *всеми* объектами в своей базе, включая те, что никогда не встречались вместе в обучающем тексте [11:54]. 3. **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 [13:28]. ## 🧬 Биологический ИИ: путь к триллионным прибылям [[JUMP:15:17]] Разговоры о «пузыре ИИ» и безумных капитальных вложениях в дата-центры (исчисляемых триллионами долларов) часто упираются в вопрос окупаемости [03:03]. 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 [15:17]: * **Токены жизни:** Вместо слов модель обучалась на 1 миллиарде токенов транскриптомных данных и последовательностях РНК [16:20]. * **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 [19:01]. * **Монетизация:** Ус Рот считает, что решение проблем старения, создание новых материалов и лекарств принесут Google гораздо больше прибыли, чем простые чат-боты [21:26]. ## 🚀 Энергия и чипы: дата-центры в космосе и TPUs [[JUMP: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 [21:39]. * **Преимущества:** Солнечные панели в космосе работают 24/7, а проблема сброса тепла решается излучением в вакуум, что не нагревает атмосферу Земли [22:05]. * **Экономика:** Сейчас запуск стоит $1500 за кг, но для рентабельности нужно $200. По текущим прогнозам, эта отметка будет достигнута к 2035 году [23:22]. В 2027 году Google планирует запуск двух тестовых спутников для проверки технологии [24:12]. ### 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 [25:28]. * **Эффективность:** TPUs специализируются исключительно на ИИ-нагрузках, потребляют меньше энергии и выделяют меньше тепла по сравнению с GPU [26:06]. * **Бизнес-модель:** Google уже сдаёт свои мощности в аренду компании Anthropic, создавая закрытую, но мощную экосистему [25:42]. ## 🗺️ Сверхчеловеческое зрение Gemini [[JUMP: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 [29:49]. Она безошибочно классифицирует типы почвы, растительности и поселений, просто получая доступ к «сырым» данным со спутников [30:01]. 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 [31:45]. По мнению автора, Google «начинает нарастать как снежный ком», планируя свою стратегию на два десятилетия вперёд.