Путь к AGI: Франсуа Шолле о «проклятии» масштабирования и новых горизонтах
Индустрия искусственного интеллекта переживает фундаментальный сдвиг парадигмы. Франсуа Шолле, известный исследователь ИИ, утверждает, что привычная стратегия «накачивания» моделей данными и вычислительными мощностями достигла своего потолка. По его мнению, для достижения общего искусственного интеллекта (AGI) необходимо перейти от автоматизации статических навыков к созданию систем, способных к автономному изобретательству и адаптации на лету.
📉 Кризис парадигмы масштабирования 0:14
С 1940-х годов стоимость вычислительных мощностей снижается на два порядка каждое десятилетие. В 2010-х годах это привело к триумфу глубокого обучения: модели стали предсказуемо лучше работать по мере увеличения размера архитектуры и объема обучающих данных.
Однако возникло опасное заблуждение: многие эксперты начали экстраполировать этот успех, веря, что AGI возникнет спонтанно при «запихивании» еще больших объемов данных в еще более масштабные модели.
Основные проблемы этого подхода, по мнению Шолле:
- Путаница в определениях: Существует разница между «зазубренными» навыками (статичными) и «жидким» общим интеллектом (способностью понимать новое).
- Ловушка бенчмарков: Большинство экзаменационных тестов для ИИ измеряют конкретные навыки, а не интеллект, так как они предполагают наличие у модели заранее «выученных» ответов.
- Закон «успеха любой ценой»: Сосредоточенность на одном показателе успеха приводит к тому, что система достигает цели (например, обыгрывает человека в шахматы), но не обретает при этом общего интеллекта.
🧠 Что такое интеллект на самом деле? 4:55
Франсуа Шолле предлагает различать два подхода к определению цели ИИ:
- Взгляд Минского (корпоративный): ИИ должен выполнять экономически ценные задачи, которые раньше делали люди.
- Взгляд Шолле: Интеллект — это процесс обработки информации, позволяющий справляться с новыми, непредсказуемыми ситуациями. Интеллект — это коэффициент эффективности использования прошлого опыта для решения задач в будущем.
Шолле сравнивает это с различием между «дорожной сетью» (готовые маршруты) и «компанией по строительству дорог» (способность прокладывать новые пути там, где их никогда не было).
🧩 Тесты ARC и переход к адаптации 11:59
Для измерения «жидкого» интеллекта Шолле в 2019 году создал бенчмарк ARC (Abstraction and Reasoning Corpus).
- ARC1: Состоит из 1000 уникальных задач, которые невозможно «зазубрить». Даже после 50 000-кратного увеличения моделей их результат оставался близким к нулю.
- Смена парадигмы: В 2024 году сообщество начало переходить к адаптации во время теста (test-time adaptation) — способности модели изменять свое поведение на лету. Именно это позволило современным моделям (например, O3 от OpenAI) показать значимый прогресс на ARC.
В марте 2026 года был представлен ARC2, который еще сложнее «взламывается» и требует от модели осознанного рассуждения. По мнению Шолле, мы еще далеки от AGI, так как все еще можем легко придумать задачи, которые человек решит без подготовки, а ИИ — нет.
🏗 Будущее: Две формы абстракции и дискретный поиск 24:42
Интеллект, как считает гость, строится на комбинировании двух типов абстракции:
- Тип 1 (Ценностно-ориентированная): Основана на интуиции и распознавании паттернов в непрерывных пространствах (современное глубокое обучение/трансформеры).
- Тип 2 (Программно-ориентированная): Основана на логике, поиске точных структур (изоморфизмов) в дискретных программах.
Именно дискретный поиск программ (Discrete Program Search) является ключом к изобретательству. Шолле и его новая исследовательская лаборатория Tendia работают над архитектурой, которая объединяет лучшее из обоих миров:
- Использование интуиции нейросетей (тип 1) для направления поиска в огромном пространстве возможных программ (тип 2).
- Создание «библиотеки абстракций», которая пополняется по мере решения задач, позволяя системе учиться и становиться эффективнее.
По словам Шолле, цель — создать не просто автоматизированную систему, а «программиста», способного независимо расширять границы человеческого знания.
