# Демис Хассабис: «К 2030 году AGI появится прямо посреди вашего пути» Источник: https://www.youtube.com/watch?v=JNyuX1zoOgU Канал: Y Combinator Опубликовано: 29.04.2026 --- Демис Хассабис, сооснователь DeepMind и лауреат Нобелевской премии по химии, представил свое видение пути к сильному искусственному интеллекту (AGI). В беседе на площадке Y Combinator он обсудил трансформацию архитектур современных моделей в полноценных агентов, потенциал ИИ в фундаментальной науке и дал тактические советы фаундерам, начинающим путь в эпоху, когда AGI может появиться прямо в разгаре процесса построения их компаний. ## 🧠 Архитектура AGI: чего не хватает существующим моделям? [[JUMP:01:56]] Современные системы ИИ, основанные на масштабном предварительном обучении (pre-training), RLHF (обучении с подкреплением на основе отзывов людей) и методах «цепочки рассуждений» (chain of thought), по мнению Хассабиса, станут неотъемлемой частью финальной архитектуры AGI [02:23]. Он уверен, что этот путь не является тупиковым, однако для достижения уровня общего интеллекта не хватает нескольких критических компонентов: * **Непрерывное обучение (Continual learning):** способность системы адаптироваться и учиться на новом опыте в реальном времени, не забывая старые навыки. * **Долгосрочное планирование и рассуждение:** умение выстраивать сложные стратегии на длительных временных отрезках. * **Улучшенная память:** текущие методы работы с контекстным окном Хассабис называет «обмоткой изолентой» (duct tape) [04:37]. Спикер проводит параллель с человеческим мозгом, где гиппокамп консолидирует знания во время сна (REM-фаза). Хотя современные модели имеют контекстные окна в миллионы токенов, что формально превышает объем рабочей памяти человека, они работают «грубой силой» [05:42]. Хассабис считает, что простое увеличение контекста неэффективно из-за вычислительной стоимости поиска нужной информации в этом массиве. Для понимания жизни пользователя в течение месяца или года текущих мощностей контекстного окна по-прежнему недостаточно [06:09]. ## 🤖 От чат-ботов к активным агентам [[JUMP:06:21]] Хассабис подчеркивает, что DeepMind с самого начала (с 2010 года) фокусировался именно на создании агентов — систем, способных самостоятельно принимать решения для достижения целей [06:34]. Прошлые успехи в Atari, AlphaGo и StarCraft были этапами этого пути. Главное отличие агента будущего от современного LLM-интерфейса: 1. **Активность вместо реактивности:** система не просто отвечает на запрос, а активно планирует шаги. 2. **Интроспекция:** Хассабис отмечает, что текущие модели часто «передумывают» (overthinking) или зацикливаются. Например, при игре в шахматы Gemini может увидеть, что ход ошибочен, но, не найдя лучшего варианта, все равно совершает его [14:39]. 3. **Преодоление «неравномерного интеллекта»:** сейчас ИИ может решать олимпиадные задачи по математике (IMO), но ошибаться в базовых логических выводах. Это указывает на отсутствие глубокого понимания собственных процессов мышления [15:19]. По прогнозу Хассабиса, значительный прорыв в полезности автономных агентов произойдет в ближайшие 6–12 месяцев [17:58]. ## 📉 Дистилляция и эффективность: «Nano» против «Frontier» [[JUMP:08:18]] Одной из ключевых стратегий Google DeepMind является упаковка возможностей огромных моделей в компактные версии. Хассабис утверждает, что их модели серии Flash часто показывают 90–95% качества работы фронтирных моделей при стоимости в 10 раз меньше [08:18]. Это открывает путь к гибридным системам: * **Локальные модели:** будут работать на мобильных устройствах, очках или домашних роботах, обеспечивая приватность и минимальную задержку. * **Облачные модели:** к ним локальный агент будет обращаться только для решения сверхсложных задач [12:01]. Именно поэтому Google развивает серию открытых моделей Gemma (более 40 млн скачиваний за первые недели) [21:14]. Хассабис считает стратегически важным наличие западных стеков с открытыми весами, чтобы конкурировать с сильными китайскими разработками. ## 🧬 ИИ в науке: «Цифровая клетка» и поиск иголки в стоге сена [[JUMP:28:27]] Хассабис называет ИИ «ультимативным инструментом для науки». Его миссия в DeepMind состояла из двух шагов: 1. Решить проблему интеллекта; 2. Использовать его, чтобы решить всё остальное [29:06]. AlphaFold уже изменил биологию: по словам Хассабиса, почти каждое новое лекарство сегодня разрабатывается с использованием этой технологии [29:43]. Следующие цели: * **Материаловедение и математика:** поиск новых соединений и доказательство фундаментальных гипотез (например, P vs NP) [36:45]. * **Виртуальная клетка:** создание полной симуляции живой клетки. Хассабис оценивает срок реализации этого проекта в 10 лет [26:44]. Главным барьером здесь является отсутствие данных: чтобы ИИ мог моделировать клетку, нужны технологии микроскопии, позволяющие наблюдать живую клетку в динамике, не убивая её. Идеальная задача для ИИ-прорыва, по мнению Хассабиса, должна обладать тремя признаками: 1. Огромное комбинаторное пространство поиска (больше, чем атомов во вселенной). 2. Четкая функция цели (победа в игре или минимизация свободной энергии белка). 3. Наличие симулятора или достаточного объема данных для обучения [34:21]. ## 🚀 Советы стартапам: как строить в тени AGI [[JUMP:30:49]] Для фаундеров, работающих в сфере Deep Tech, Хассабис дает важную рекомендацию: **учитывайте «фактор появления AGI»**. * **Горизонт планирования:** Если ваш путь в глубоких технологиях рассчитан на 10 лет, а AGI (по прогнозу Хассабиса) может появиться к 2030 году, вы должны строить компанию, которая выиграет от его появления, а не будет им уничтожена [39:20]. * **Защищенность (Moat):** Самые устойчивые стартапы возникают на стыке ИИ и физического мира (мира атомов) — медицина, новые материалы, производство. Простая «обертка» над API существующих моделей уязвима перед очередным обновлением Claude или Gemini [31:31]. * **Междисциплинарность:** Лучшие команды сегодня — те, где есть глубокая экспертиза и в машинном обучении, и в предметной области (биологии, химии, инженерии) [32:22]. Хассабис резюмирует: работа над сложными, фундаментальными проблемами зачастую не труднее, чем над поверхностными решениями, но она гораздо более значима. «Жизнь коротка, — говорит он, — направьте свою жизненную энергию на то, что действительно изменит мир» [38:42].