В то время как общественное внимание сосредоточено на чат-ботах и биржевых колебаниях акций NVIDIA, компания Google планомерно выстраивает технологический фундамент для доминирования в сфере ИИ на десятилетия вперёд. Уэс Рот анализирует последние научные публикации компании, которые доказывают: Google не просто участвует в гонке, а решает фундаментальные проблемы энергетики, архитектуры нейросетей и прикладной биологии, которые пока не под силу конкурентам.
🧠 Проблема «амнезии» ИИ и переход к непрерывному обучению 5:32
Одной из главных преград на пути к созданию сильного искусственного интеллекта (AGI) является отсутствие у современных моделей способности к непрерывному обучению. Как отмечает Уэс Рот, сегодня большие языковые модели (LLM) напоминают гениального коллегу, который мгновенно забывает любую новую информацию сразу после завершения диалога. Их знания ограничены либо статичным набором данных, полученным при обучении, либо коротким окном контекста.
Для решения этой проблемы Google представила концепцию «вложенного обучения» (Nested Learning). По мнению ведущего, эта парадигма имитирует работу человеческого мозга и его нейропластичность.
Основные особенности новой архитектуры:
- Быстрые внутренние циклы: выполняют роль краткосрочной памяти, обновляясь практически мгновенно.
- Медленные внешние циклы: отвечают за долгосрочную память, фиксируя важную информацию на больших временных отрезках.
- Архитектура Hope: экспериментальная самомодифицирующаяся система, на которой Google тестирует эти принципы.
Уэс Рот утверждает, что внедрение подобных механизмов позволит моделям «учиться на рабочем месте», что станет решающим шагом к AGI.
🗺️ Развенчание мифа о «стохастическом попугае» 9:33
Популярная критика ИИ часто сводится к тому, что нейросети — это лишь продвинутый «автозаполнитель», предсказывающий следующее слово на основе статистики. Однако Уэс Рот ссылается на новые исследования Google, которые опровергают это упрощённое представление.
Согласно данным исследователей, трансформеры не просто запоминают вероятности появления слов. Вместо этого они синтезируют собственную «геометрию атомных фактов».
Ключевые выводы исследования:
- Модели выстраивают глобальные связи между всеми сущностями, даже если те никогда не встречались в одном контексте при обучении.
- Информация хранится в виде сложных векторных отношений, где каждое понятие связано со всеми остальными в многомерном пространстве, подобно звездам во вселенной.
- Это позволяет ИИ не просто имитировать речь, а использовать внутреннюю «карту знаний» для логических рассуждений.
🧬 Революция в биологии: Модель Gemma и поиск лекарства от рака 15:17
Google демонстрирует, что архитектура LLM применима не только к текстам, но и к «языку жизни» — ДНК, белкам и РНК. В октябре 2025 года компания опубликовала данные о модели JAMA (на базе семейства Gemma), которая помогла обнаружить новый путь терапии рака.
По словам Уэса Рота, эта модель с 27 миллиардами параметров была обучена на миллиарде токенов транскриптомных данных. Исследование подтвердило, что биологические модели подчиняются тем же «законам масштабирования» (scaling laws), что и текстовые нейросети: с увеличением размера модели у неё появляются эмерджентные способности к сложному логическому анализу.
Примеры достижений Google в научном поиске:
- AlphaFold: предсказание 3D-структуры белков.
- AlphaDev: оптимизация алгоритмов и создание более эффективного ПО.
- Квантовые вычисления: использование ИИ для исправления ошибок в квантовых процессорах.
Уэс Рот считает, что потенциал монетизации в сфере борьбы со старением и разработки лекарств огромен, и Google делает на это долгосрочную ставку.
🚀 Проект Suncatcher: Дата-центры в открытом космосе 21:39
Одной из самых амбициозных инициатив Google является Project Suncatcher — план по выводу ИИ-инфраструктуры на орбиту. Это решает две фундаментальные проблемы: нехватку электроэнергии и избыточное тепловыделение в атмосфере Земли.
Техническая осуществимость проекта:
- Энергия: солнечные панели в космосе могут работать 24/7 без смены дня и ночи.
- Экология: тепло от работы серверов сбрасывается в космическое пространство, не нагревая планету.
- Экономика: на данный момент запуск килограмма груза стоит около $1500. Для рентабельности проекта цена должна упасть до $200.
Согласно прогнозам, стоимость запусков достигнет целевой отметки к 2035 году. Тем не менее, Google планирует запустить прототип из двух спутников уже в 2027 году для тестирования технологий передачи данных и энергоснабжения.
🔌 Кремниевая независимость: TPUs против NVIDIA 25:16
Хотя NVIDIA сейчас является главным бенефициаром ИИ-бума, Google активно развивает собственное производство чипов. Недавно было анонсировано седьмое поколение тензорных процессоров (TPU) под кодовым названием Ironwood.
Уэс Рот отмечает преимущества TPU перед универсальными графическими процессорами (GPU):
- Они специализированы исключительно под задачи машинного обучения, что обеспечивает лучшую производительность на доллар затрат.
- TPU потребляют меньше энергии и выделяют меньше тепла.
- Google уже сдает свои мощности в аренду другим лабораториям, например, компании Anthropic.
Ведущий полагает, что Google намеренно не спешит с громкими анонсами, предпочитая сначала выстроить полноценную экосистему и производственные мощности.
📈 ИИ-пузырь или начало новой эпохи? 30:14
В завершение Уэс Рот затрагивает тему возможного финансового пузыря. Ссылаясь на цитату из фильма «Волк с Уолл-стрит», он подчеркивает, что никто не знает наверняка, куда пойдут котировки в краткосрочной перспективе.
Однако, по мнению автора, даже если «пузырь» на фондовом рынке лопнет, сама технология ИИ никуда не исчезнет. Google ведет игру «в долгую», планируя свое развитие на 20 лет вперед. В то время как другие компании фокусируются на интерфейсах чат-ботов, Google строит энергетическую, аппаратную и научную базу, которая позволит ей стать абсолютным лидером в эпоху AGI.
