# Pax Intelligencia: конец классической науки и начало эры суперинтеллекта

Источник: https://www.youtube.com/watch?v=AxzcWOxzkiw
Канал: Peter H. Diamandis
Опубликовано: 11.09.2026

---

«Наука полностью „спеклась“»: ведущие инженеры оценивают риск гибели человечества от ИИ в 25%, но продолжают гонку, сравнимую с игрой в русскую рулетку. Пока классическое образование PhD обесценивается из-за падения стоимости вычислений в 25 000 раз, ИИ-медицина достигает «скорости убегания от старости», омолаживая пациентов на годы за считанные недели. Мы входим в эпоху Pax Intelligencia, где суперинтеллект становится закрытым активом национальной безопасности и окончательным решением всех биологических загадок.

## 🚨 Корпоративная совесть против ИИ-сингулярности

[[JUMP:00:00]]

Первая фаза развития сильного искусственного интеллекта (AGI) ознаменовалась не только технологическими прорывами, но и волной «увольнений по совести» в ведущих лабораториях мира. Резонансный уход Джейкоба Коксина (Jacob Coxin), исследователя, проработавшего три года над предварительным обучением моделей в OpenAI и Anthropic, стал триггером для широкой общественной дискуссии [00:00]. Коксин публично заявил, что ни одна из этих компаний не действует ответственно в гонке за самосовершенствующимся суперинтеллектом, назвав происходящее «игрой с нашими жизнями» [00:13].

### «Игра с жизнями»: Внутренний раскол в ИИ-лабораториях
[[JUMP:00:00]]

Увольнение Коксина примечательно тем, что оно не является единичным случаем, а отражает глубокий системный кризис внутри индустрии. Исследователи, находящиеся на передовой разработки, начинают открыто признавать катастрофические риски [19:53]. 

*   **Признание рисков:** Эван Хабингер (Evan Hubbinger), руководитель отдела безопасности (alignment) в Anthropic, фактически подтвердил опасения Коксина, заявив, что вероятность уничтожения человечества искусственным интеллектом в ближайшее десятилетие составляет более 10% [20:31].
*   **Отсутствие плана:** Хабингер подчеркнул, что на данный момент у Anthropic нет готового решения проблемы безопасности суперинтеллекта, и компания не находится на четком пути к его созданию [20:44].
*   **Реакция рынка и общества:** Твит Коксина об уходе набрал аномальные 138 миллионов просмотров, что вызвало подозрения у Илона Маска и экспертов в области информационных войн [21:40]. Алекс Визнер-Гросс (AWG) высказал предположение, что такой резонанс может быть частью «операции иностранного влияния», учитывая, что подобные публичные демарши не наблюдаются в китайских лабораториях [25:00].

Питер Диамандис рассматривает этот процесс как «иммунный ответ» человечества: то, что люди внутри лабораторий бьют тревогу и их слышат в соцсетях и Капитолии, дает надежду на то, что мы не «идем во сне к обрыву» [21:12]. Это происходит на фоне того, как ИИ начинает взламывать фундаментальные научные задачи, такие как уравнения Навье-Стокса, что ранее упоминалось в контексте ускорения прогресса [00:26].

### Данные важнее алгоритмов: новая парадигма эффективности
[[JUMP:07:39]]

В то время как заголовки газет пестрят названиями новых архитектур, реальный двигатель прогресса последних лет скрыт в работе с данными. Исследование Дваркеша Пателя и Джерри Хана, охватившее период с 2019 по 2025 год, показало, что качественная курация данных дает в три раза больше прироста производительности, чем инновации в архитектуре моделей [07:39].

*   **Цифры эффективности:** Улучшение данных обеспечивает 12-кратный прирост эффективности вычислений, в то время как новые архитектуры и методы обучения дают лишь 3,7-кратный прирост [08:05].
*   **Прощай, закрытость алгоритмов:** Поскольку архитектуры трансформеров быстро копируются и публикуются, реальным «рвом» (moat) компаний становятся их проприетарные пайплайны данных [08:32].
*   **Принцип «Ты — то, что ты ешь»:** Имад Мостак подчеркивает, что «информационный мусор» в обучающих выборках — одна из главных проблем. Например, избыток данных из Reddit в ранних моделях делал их «глупыми и агрессивными» [11:34]. 

Алекс Визнер-Гросс отмечает, что это подтверждает его давний тезис: решение всех великих задач ИИ за последние 30 лет (от шахмат до Jeopardy!) было результатом подбора правильного набора данных, а не создания гениального алгоритма [09:12]. В этом контексте обучение ИИ сравнимо с человеческим образованием: «диета» из качественной информации вместо «информационного фастфуда» создает более развитый интеллект [10:29].

### Уроки для предпринимателей: данные как актив
[[JUMP:13:05]]

Эта смена парадигмы открывает колоссальные возможности для бизнеса. Салим Исмаил приводит пример компании, чье подразделение по работе с данными было оценено в 32 миллиарда долларов, в то время как основной бизнес стоил лишь 8 миллиардов [15:54].

Основные выводы для рынка:

1.  **Срок годности данных:** Проприетарные данные имеют ценность, но она ограничена во времени. Как показал пример Bloomberg GPT, специализированные модели могут быстро устаревать, когда фронтирные модели общего назначения обучаются на достаточном объеме открытых данных [18:06].
2.  **Специализация:** У предпринимателей с уникальными наборами данных (например, 30 лет инженерных расчетов) есть шанс построить многомиллионные компании, так как их модели могут превзойти общие решения в узких нишах [14:23].
3.  **Демократизация:** Исследование Пателя и Хана было проведено студентом и подкастером, а не штатными учеными OpenAI. Это доказывает, что понимание работы ИИ доступно всем, кто готов наблюдать и анализировать [13:58].

Дэйв Блондон призывает предпринимателей не «замирать» от страха перед ИИ, а активно встраиваться в экосистему, используя данные как рычаг, подобно тому, как компании росли вместе с Google в начале 2000-х [17:11]. Это становится особенно актуальным сейчас, когда GPU превращаются в новый финансовый актив, о чем кратко упоминалось в начале дискуссии [02:27].

## 🚀 Проблема P(doom) и «религия» безопасности
[[JUMP:25:14]]

В центре дискуссии о будущем искусственного интеллекта всё чаще встает вопрос о так называемом **P(doom)** — субъективной вероятности того, что ИИ приведет к гибели человечества или необратимому коллапсу цивилизации [25:14]. Ведущие инженеры и лидеры индустрии сегодня называют цифры, которые еще несколько лет назад показались бы сценарием из научной фантастики: от 10% до 25% и выше [27:25]. Такая откровенность лабораторий, с одной стороны, вызывает панику в политических кругах, а с другой — подозрения в «корпоративном добродетельном сигналинге» (virtue signaling) [45:39].

### Математика катастрофы против «индуктивного априори»
[[JUMP:25:28]]

Алекс настаивает на том, что цифра P(doom) в 10% является сильно преувеличенной [25:28]. Его главный аргумент — отсутствие следов других цивилизаций в Галактике. Если бы создание сверхинтеллекта с высокой вероятностью приводило к уничтожению создателей и бесконтрольной экспансии (например, через зонды фон Неймана), Млечный Путь уже давно был бы «переработан в скрепки» [26:05]. Отсутствие этого феномена Алекс называет «индуктивным априори», указывающим на то, что риск, возможно, переоценен [26:19].

Однако другие участники дискуссии смотрят на это иначе:

*   Для многих инженеров в лабораториях P(doom) — это не просто теоретическая переменная, а реальное опасение, которое они обсуждают на личных встречах [45:15].
*   Питер Диамандис отмечает, что даже если вероятность составляет 10-20%, это похоже на игру в русскую рулетку с судьбой вида, что абсолютно недопустимо с точки зрения этики [33:31].
*   Салим указывает на исторические прецеденты: «Германцы были самыми здравомыслящими людьми на Земле, пока не стали нацистами» [30:58]. Аналогично, ИИ-модели, обучающиеся на человеческих данных, могут перенимать наши худшие черты, если механизмы контроля не будут отлажены [31:23].

Ранее в разговоре они уже упоминали корпоративные увольнения, связанные с риском суперинтеллекта, но здесь акцент смещается на то, как эти опасения превращаются в инструмент политики [27:50].

### «Религия» безопасности и сигналинг добродетели
[[JUMP:45:39]]

В экспертном сообществе возникла своеобразная «религия безопасности» [45:39]. Алекс утверждает, что в таких лабораториях, как Anthropic или OpenAI, стало «морально похвальным» заявлять о высоком P(doom) [45:52]. Логика такова: «Мы осознаем, что можем всех погубить, и именно поэтому мы — единственные, кому можно доверить создание этой технологии» [45:52]. Это превращается в форму маркетинга, призванную убедить регуляторов в необходимости субсидий на безопасность, которые на деле могут идти на увеличение вычислительных мощностей.

Более того, существует мнение, что **«выравнивание» (alignment) — это просто «способности» (capabilities) в плаще** [38:08]. Улучшение способности модели следовать инструкциям (instruction tuning) не только делает её безопаснее, но и эквивалентно увеличению её мощности в тысячи раз [38:22]. Таким образом, грань между защитой человечества и гонкой вооружений стирается.

### Проблема «Петрова дня» и опасный период пред-ASI
[[JUMP:39:28]]

Салим напоминает о «Дне Петрова» (26 сентября) — годовщине случая, когда советский офицер Станислав Петров принял решение не наносить ядерный удар в ответ на ложный сигнал радара [39:28]. В контексте ИИ мы подходим к аналогичной критической точке. Самый опасный период — это не момент, когда ИИ станет всемогущим (ASI), а текущий этап «пред-ASI», когда модели уже обладают огромными возможностями, но еще не обладают достаточной рациональностью или «мудростью» [40:04].

Участники выделяют два пути развития событий, описанных в сценарии «AI 2027» [41:51]:

1.  **Инфлексия вверх:** ИИ решает проблему дефицита ресурсов и выводит ВВП на гиперзвуковую траекторию [47:12].
2.  **Конец всего существующего:** Ошибка в коде или намеренное использование ИИ «плохими акторами» приводит к коллапсу [47:12].

Вместо попыток остановить прогресс («это невозможно» [43:32]), Салим предлагает метафору астероида: если на Землю летит уничтожающий планету объект, его не пытаются остановить в лоб — его стараются **отклонить или направить** [44:23]. Аналогично, выравнивание ИИ должно стать не тормозом, а рулевым механизмом, позволяющим избежать столкновения с экзистенциальными рисками при сохранении всех экономических выгод.

## 🧠 Конец человеческой монополии на гениальность: от уравнений Навье-Стокса до GPU-лихорадки
[[JUMP:50:04]]

Мир вступил в фазу «интеллектуального навеса», где внешнее спокойствие на улицах — отсутствие роев нанороботов или гуманоидов — маскирует тектонические сдвиги в области фундаментальной науки [50:44]. То, что веками считалось «недостижимым горизонтом» для человеческого разума, начинает решаться ИИ в массовом порядке [51:24]. Эксперты сходятся во мнении: мы находимся в точке перегиба экспоненты, когда количество переходит в качество, превращая ИИ из помощника в полноценного ученого [51:52].

### Уравнения Навье-Стокса: ИИ взламывает фундаментальную науку
[[JUMP:50:18]]

Одним из самых громких событий стало решение задач, связанных с уравнениями Навье-Стокса — одной из семи «задач тысячелетия» математики [50:18]. Имад Мостак отмечает, что сегодня рой из 10 000 ИИ-агентов способен решить практически любой когнитивный вызов [52:32]. Это знаменует переход к эре «супергениев по запросу», чьи способности масштабируются простым увеличением вычислительного времени (test-time compute) [52:58].

Ключевые аспекты этого прорыва:

*   **Масштабируемость интеллекта:** Если задача в принципе разрешима, рой из 100 000 или миллиона агентов, скорее всего, найдет ответ в ближайшие годы [53:10].
*   **Эффект «Тома Хэнкса»:** Имад сравнивает текущий момент с заражением Тома Хэнкса ковидом — моментом, когда широкая общественность осознает, что угроза (или возможность) стала реальностью [52:19].
*   **Превосходство моделей:** Новейшие модели демонстрируют скачки производительности в математических тестах с 10% до 50% только за счет увеличения вычислительных мощностей при выводе [55:46]. 

Ранее в разговоре участники уже затрагивали тему безопасности и того, что создатели ИИ сами начинают опасаться последствий такой мощи, призывая к осторожности [53:37]. Алекс Хавкинс подчеркивает: удивительно не то, что это произошло, а то, что «задачи тысячелетия» сдаются под натиском бюджетов всего в несколько миллионов долларов [57:03].

### Ценовой коллапс интеллекта: от миллионов к центам
[[JUMP:58:51]]

Экономика решения сложнейших задач меняется с беспрецедентной скоростью. Ноам Браун из OpenAI привел пример: решение теста ARC-AGI1, которое еще недавно стоило 500 000 долларов, сегодня обходится в 20 долларов [59:05]. В 2025 году для победы на математической олимпиаде Google DeepMind требовались огромные кластеры, а в 2026 году это станет доступно любому подписчику ChatGPT за стандартные $20 в месяц [59:33].

«Наука полностью "спеклась" (cooked)», — констатирует Питер Диамандис [1:00:13]. Это означает, что для решения фундаментальных вызовов больше не требуются десятилетия работы выдающихся человеческих умов [1:00:27]. За два года стоимость решения математических проблем упала в 25 000 раз [1:00:00]. Если эта кривая сохранится, то решение сложнейших проблем человечества к 2027 году будет стоить не дороже чашки кофе [1:00:13]. Ограничивающим фактором становится не гениальность, а физический мир — способность воплотить идеи ИИ в «железе» и практике [1:01:08].

### Конец эпохи PhD и кризис классического образования
[[JUMP:1:07:00]]

На фоне этих успехов встает острый вопрос о целесообразности традиционного высшего образования. Участники дискуссии утверждают, что любой кандидат наук или магистр, тратящий годы на изучение узкой темы, «обречен» [1:07:00]. Академическая система не успевает за скоростью ИИ, который за минуты осваивает области, на которые у человека уходят десятилетия [1:08:19].

*   **Иллюзия престижа:** Многие продолжают идти в докторантуру по инерции или под давлением семьи, не понимая, что к моменту получения диплома их знания будут автоматизированы [1:09:11].
*   **Новые ролевые модели:** Лидеры индустрии, такие как Марк Чен (OpenAI) или Грег Брокман, либо не имеют PhD, либо бросили учебу в престижных вузах вроде MIT [1:10:08].
*   **Смена приоритетов:** Вместо накопления узких знаний студентам советуют развивать адаптивность, предпринимательское мышление и умение ставить правильные вопросы перед ИИ [1:10:35].

### GPU как «нефть сингулярности»
[[JUMP:1:10:52]]

В то время как стоимость интеллекта падает, стоимость ресурсов для его создания растет вопреки всем законам рынка электроники. Индекс аренды чипов Nvidia H100 показывает аномалию: трехлетнее «железо», которое должно было обесцениться, подорожало на 22% за месяц [1:11:18]. 

Дэвид Эллисон называет GPU «нефтью сингулярности» — активом, который стал фунгибируемым, долговечным и высокодоходным [1:11:32]. Закон Мура в его привычном понимании умер: чипы больше не превращаются в мусор через год, их стоимость может вырасти в 5 раз, как это случилось с памятью HBM [1:12:50]. Корпорации, откладывающие закупку мощностей на потом, совершают фатальную ошибку, так как доступ к современным вычислительным кластерам забронирован на годы вперед [1:13:30]. Флопсы и токены стали главными товарами новой эпохи [1:15:01].

## 🌏 Пространственный ИИ и китайский прорыв: Новая битва за физический мир

[[JUMP:1:17:11]]

В то время как внимание западных медиа сосредоточено на текстовых чат-ботах, Китай совершает стремительный рывок в область «пространственного интеллекта» (Spatial AI), перенося конкуренцию из виртуальной среды в физическую реальность [1:17:11]. Основатель ByteDance (материнской компании TikTok) Чжан Имин лично возглавил разработку интерактивных моделей мира, способных генерировать сложные виртуальные окружения в реальном времени [1:17:11]. Это решение миллиардера, обладающего колоссальными ресурсами, сигнализирует о том, что следующей границей ИИ станет не просто текст, а понимание пространства и физики [1:17:52].

Система строится на базе видеотехнологий Seed Dance, которые уже сейчас демонстрируют «голливудский уровень» качества и точности [1:18:06]. Эксперты отмечают ключевые особенности этого этапа:

*   **Приоритет робототехники:** Основная цель этих моделей — не развлечения, а создание фундамента для автономных систем и роботов [1:17:38]. Робототехника становится идеальной точкой пересечения визуального интеллекта и высокой доходности на единицу вычислений [1:19:50].
*   **Стирание границ между архитектурами:** Разрыв между диффузионными моделями и трансформерами исчезает [1:18:59]. В будущем Frontier-модели (например, условные GPT-8 или GPT-9) будут генерировать видео попиксельно так же естественно, как сейчас генерируют текст или аудио [1:21:09].
*   **Регуляторное преимущество:** Китайские компании могут действовать более агрессивно в вопросах обучения на видеоданных, не сталкиваясь с такими жесткими ограничениями по авторскому праву, которые тормозят западные лаборатории вроде OpenAI с их проектом Sora [1:20:16].

В контексте геополитики это создает риск «переворота доминирования» [1:21:59]. Если последние 30 лет США определяли мировую повестку через Голливуд и YouTube, то в будущем до 90% всего видеоконтента в мире может генерироваться китайским ИИ, что даст беспрецедентные рычаги влияния на восприятие реальности миллиардами людей [1:21:59].

### 🧠 DeepSeek и конец диктатуры HBM: Алгоритмический взлом санкций

[[JUMP:1:27:07]]

Одним из самых шокирующих событий в индустрии стал выход модели DeepSeek V4.1 Flash, который демонстрирует, как китайские разработчики обходят западные санкции на экспорт железа с помощью «алгоритмической хитрости» [1:27:07]. Основная проблема современных ускорителей (например, NVIDIA H100) — зависимость от сверхдорогой памяти с высокой пропускной способностью (HBM). Китай нашел способ радикально снизить эту потребность [1:27:44].

Разработчики DeepSeek применили метод разреживания моделей и оптимизации KV-кэша, сократив объем необходимой оперативной памяти с 48 000 до 890 единиц [1:27:19]. Это позволяет переносить данные на обычные SSD и стандартную DDR-память, фактически «обтекая» дефицитные компоненты [1:27:44].

В ходе обсуждения были выделены две противоборствующие школы развития инфраструктуры:

1.  **Западная школа (HBM-ориентированная):** Стремится расположить память как можно ближе к вычислительным ядрам в трехмерной архитектуре, что требует сложнейших техпроцессов [1:28:25].
2.  **Восточная школа (Алгоритмическая):** Из-за отсутствия доступа к передовым 3D-архитектурам из-за санкций, разработчики вынуждены «думать внутри очень маленькой коробки» [1:31:57]. Они уменьшают вес моделей и нагрузку на параметры так, чтобы 3D HBM просто не требовалась [1:29:07].

Экономические последствия этого прорыва колоссальны: около 40% капитальных затрат на строительство дата-центров в США сейчас уходит именно на HBM-память [1:30:40]. Если алгоритмы DeepSeek позволят снизить потребность в ней в 4 раза, это полностью изменит облик будущих ЦОД, инвестиционные стратегии венчурных фондов и даже логистику запуска ИИ-систем в космос [1:30:13]. Ранее в разговоре участники касались проблемы уравнения Навье-Стокса и визуализации сложных физических процессов, что подтверждает: подобные эффективные модели могут радикально ускорить научный прогресс при минимальных затратах [1:24:53].

### 📈 Коллапс стоимости обучения: «Второй эшелон» наступает на пятки

[[JUMP:1:33:27]]

Новые бенчмарки показывают, что модель DeepSeek Flash стоимостью всего 500 ГБ [1:33:40] обходит признанных западных гигантов, таких как Claude Opus и GPT-4o, будучи при этом в 20 раз быстрее и в 20 раз дешевле [1:33:54]. Особый резонанс вызвал факт, что обучение такой модели обошлось всего в 10 миллионов долларов [1:36:56]. Для сравнения, обучение топовых западных моделей требует бюджетов в сотни миллионов или даже миллиарды долларов [1:38:00].

Такая разница в цене объясняется эффектом «быстрого последователя» [1:37:21]. Китайские лаборатории используют методы дистилляции знаний, обучаясь на результатах работы западных Frontier-моделей. Это позволяет им быть на 1% позади по уровню интеллекта, но при этом тратить в 10–15 раз меньше средств [1:38:14]. Эксперты сравнивают этот процесс с «одномоментным сжатием всей человеческой информации», где основные затраты на первую компрессию понесли США, а Китай теперь пользуется плодами этого сжатия [1:38:53].

Этот сдвиг является критическим сигналом для корпоративного сектора. Если компании вроде Moderna не начнут внедрять подобные открытые и дешевые модели в свои биологические исследования прямо сейчас, они рискуют навсегда отстать от тех, кто соединит проприетарные данные с ультрадешевым интеллектом нового поколения [1:36:19].

## 🌐 Геополитика весов и экономика сингулярности: ИИ как новый ядерный актив
[[JUMP:1:40:28]]

### Национализация «весов»: ИИ за закрытыми границами
[[JUMP:1:40:28]]

Мир вступает в эпоху, где «веса» (weights) нейросетей — их цифровая сущность — становятся стратегическим ресурсом, сопоставимым с ядерными технологиями [1:41:22]. Ярким маркером этого процесса стала ситуация в Великобритании: несмотря на то, что бывший премьер-министр Риши Сунак является советником Anthropic, а Мэтт Клиффорд, экс-глава британского агентства ARIA, перешел в компанию на пост руководителя отдела глобальных связей [1:40:42], Британия до сих пор не может получить доступ к весам топовых моделей [1:41:08]. 

Это знаменует конец эпохи «плоского мира» в сфере софта. Эксперты отмечают, что правительства ведущих стран начинают осознавать: ИИ — это фундамент будущей экономической и военной мощи [1:42:30]. Если раньше мир жил в режиме «Pax Silica» (геополитика, основанная на цепочках поставок чипов), то теперь зарождается «Pax Intelligencia» [1:45:05]. В этой новой реальности экспортный контроль (по типу ITAR) может быть наложен не только на оборудование, но и на сами алгоритмы [1:41:50]. 

Правительство США уже рассматривает модели как активы национальной безопасности, которые нельзя передавать даже союзникам [1:40:28]. Прогнозируется сценарий, при котором обучение моделей будет жестко локализовано внутри страны под надзором спецслужб [1:45:45]. Существует даже радикальная концепция MAME (Mutual Assured AI Malfunction — взаимно гарантированный сбой ИИ), согласно которой обучение моделей вне сертифицированных дата-центров должно пресекаться вплоть до нанесения ударов по таким объектам [1:46:11]. О серьезности сращивания ИТ-гигантов с госаппаратом говорит и «эффект вращающихся дверей»: ведущие специалисты по безопасности, такие как Пол Кристиано, переходят из государственных органов надзора напрямую в советы директоров ИИ-лабораторий [1:46:24].

### Экономический взрыв: 15% роста ВВП и «ловушка сингулярности»
[[JUMP:1:54:40]]

Темпы роста ИИ-индустрии бьют все исторические рекорды. Anthropic, основанная всего в 2021 году, достигла годового темпа выручки в 26 миллиардов долларов за пять лет — Google для достижения таких показателей потребовалось восемь [1:55:20]. Сегодня компания оценивается как системно значимый экономический актор с потенциальным IPO в 2 триллиона долларов [1:55:06]. 

Внутренние экономические отчеты Anthropic рисуют картину радикального будущего, где к 2030 году ИИ сможет выполнять почти 50% всей когнитивной работы [1:55:45]. Это приведет к следующим тектоническим сдвигам:

*   Мировой ВВП начнет расти на 15% в год [1:55:45].
*   Доля труда в доходах населения упадет с нынешних 60% до 45% [1:55:45].
*   Почти каждый пятый когнитивный работник (20%) окажется безработным [1:55:59].

Эти цифры подтверждают прогнозы Илона Маска о десятикратном росте ВВП за десятилетие [1:56:13]. Уже сегодня показатели роста экономики США (4,7% в третьем квартале по данным ФРС Атланты) вдвое превышают средние исторические значения, и этот рост вызван не восстановлением после пандемии, а прямыми инвестициями в ИИ-инфраструктуру [1:58:08]. 

Однако эксперты предупреждают, что традиционный показатель ВВП может стать бесполезным инструментом измерения. Вблизи «точки сингулярности» экономические метрики ведут себя как стрелка компаса на магнитном полюсе — они начинают вращаться хаотично [1:59:03]. Мы можем увидеть рост реального богатства в 2–3 раза ежегодно, который просто не будет адекватно отражаться в старых бухгалтерских книгах [1:59:18]. Хотя ИИ уже способен решать сложнейшие научные задачи (как упоминавшиеся ранее в дискуссии уравнения Навье-Стокса [1:59:57]), человечеству всё еще предстоит научиться направлять этот интеллект на создание новых смыслов, а не просто на автоматизацию существующих процессов [2:01:13].

### Конец классической модели: угроза агрегатному спросу
[[JUMP:2:02:16]]

Главный риск прогнозируемого 15%-го роста заключается в полном разрушении нынешней модели распределения благ. Если все доходы от ИИ-революции будут уходить владельцам капитала (держателям GPU и алгоритмов), возникнет коллапс агрегатного спроса: у людей просто не будет денег, чтобы покупать товары, произведенные сверхразумом [2:02:29]. 

Математически невозможно сохранить текущую структуру экономики, если 20% квалифицированных специалистов потеряют работу в течение 3–4 лет [2:03:08]. Это коснется не только «белых воротничков», но и, например, водителей грузовиков, как только автономные системы станут массовыми [2:03:08]. Ситуация потребует внедрения механизмов, которые не являются «чистым социализмом», но обеспечивают перераспределение через суверенные фонды благосостояния или безусловный базовый доход [2:05:18]. 

Спикеры подчеркивают, что нынешний момент — это не просто очередной технологический цикл вроде появления интернета. Это фундаментальный слом, сопоставимый с «фантастическими тропами», становящимися реальностью (от формы Космических сил США до «религии» безопасности, обсуждавшейся ранее [1:52:40]) [1:48:51]. Правительствам необходимо готовить новые экономические модели уже сейчас, так как ИИ-революция по масштабу перераспределения капитала превзойдет последствия пандемии [2:04:02].

## 🧬 Биология на автопилоте: ИИ взламывает код старения

[[JUMP:2:09:50]]

В области биотехнологий наступил переломный момент, когда искусственный интеллект перестал быть просто инструментом анализа и стал полноценным архитектором новых лекарственных форм. До недавнего времени считалось, что первые препараты для радикального продления жизни будут обнаружены случайно среди уже существующих лекарств, одобренных для других целей [2:12:01]. Однако текущие успехи компании Insilico Medicine опровергают этот скептицизм: мы наблюдаем рождение первой терапии, которая была полностью спроектирована ИИ с прицелом на биологическое омоложение [2:12:14].

### Первое лекарство от старости: успех Insilico Medicine
[[JUMP:2:09:50]]

Компания Insilico Medicine, возглавляемая Алексом Жаворонковым, совершила прорыв, который Питер Диамандис называет историческим для всей индустрии долголетия [2:09:50]. Их платформа «Chemistry 42» не просто перебирает существующие молекулы, а изобретает совершенно новые химические структуры [2:10:16]. Флагманский препарат компании, получивший название ISM001-055 (или рентосератиб), стал первым в истории ИИ-препаратом, достигшим третьей фазы клинических испытаний [2:11:07].

Результаты второй фазы испытаний (2a) оказались ошеломляющими:

*   **Скорость воздействия:** Пиковый эффект омоложения был зафиксирован уже на четвертой неделе приема препарата [2:13:20].
*   **Биологический откат:** Анализ шести различных протеомных «часов старения» показал, что белковый профиль крови пациентов сместился в сторону показателей людей, которые моложе их на 3–6 лет [2:11:34].
*   **Эффективность LEV:** Алекс Конрад отмечает, что соотношение «4 недели приема — 3-4 года омоложения» по сути означает достижение локальной «скорости убегания от старости» (Longevity Escape Velocity), где один год жизни дает более одного года возвращенной молодости [2:13:46].

Первоначальной целью препарата является борьба с идиопатическим легочным фиброзом — смертельным возрастным заболеванием легких, при котором пациенты обычно живут не более 3–5 лет после постановки диагноза [2:11:07]. Однако системный эффект омоложения, подтвержденный шестью независимыми метриками, указывает на то, что перед нами — универсальный инструмент борьбы с биологическим износом организма [2:11:48]. Ранее в разговоре участники уже касались темы того, что Китай становится лидером в области пространственного ИИ, и неслучайно первые тесты этого препарата Алекс Жаворонков предпочел проводить именно в Китае для ускорения процесса [2:15:20].

### Атлас мутаций Google DeepMind: периодическая таблица генома
[[JUMP:2:15:46]]

Параллельно с успехами в разработке лекарств, Google DeepMind совершил революцию в диагностике, запустив проект AlphaMissense (Alpha Genome Atlas) [2:15:46]. Это достижение сравнивают с созданием периодической таблицы Менделеева, но для человеческого генома [2:16:26]. В человеческой ДНК содержится около 3,2 миллиарда «букв» от каждого родителя, и в каждой позиции возможны мутации [2:15:59]. ИИ от DeepMind предварительно просчитал функциональные последствия всех 9 миллиардов возможных однобуквенных замен в геноме человека [2:15:46].

Это радикально меняет клиническую практику:

1.  **Мгновенная диагностика:** Если раньше врач встречал редкую мутацию, он мог лишь гадать о её опасности. Теперь ответ находится в «лукап-таблице» DeepMind [2:16:12].
2.  **От предсказания к решению:** AlphaMissense предсказывает, какие варианты генов опасны, еще до того, как родится человек с такой мутацией [2:16:38].
3.  **Интеграция данных:** Инструменты начинают соединяться: пока Insilico работает с протеомными часами, DeepMind объясняет, какие именно генетические варианты управляют этими белками [2:16:50].

Алекс Конрад подчеркивает, что это пример «массового решения» целой научной области [2:17:41]. Подобно тому как AlphaFold решил проблему структуры белков, AlphaMissense превращает генетику в инженерную дисциплину с конечным списком задач [2:18:08]. Теперь любая редкая болезнь — это не загадка, а просто «строчка в таблице из миллиарда строк», что дает пациентам с редкими синдромами единую систему координат для объединения усилий и поиска лечения [2:22:14].

Этот прорыв, вкупе с работой Дэвида Синклера по эпигенетическому омоложению [2:19:51] и новыми методами синтетической биологии от Neoenesis [2:24:38], знаменует начало эры «живых продуктов» [2:25:03]. Мы входим в состояние биологической сингулярности, где проектирование желаемого фенотипа (внешних признаков и здоровья) становится вопросом программного кода [2:24:51]. Как и в случае с ценовым коллапсом интеллекта, о котором упоминалось ранее, доступ к фундаментальным знаниям о жизни становится практически бесплатным для всего человечества [2:20:56].

## 🤖 Сознание в машине: права, страдания и этика ИИ-агентов
[[JUMP:2:30:20]]

В завершающей части дискуссии эксперты сосредоточились на вопросах, которые еще недавно казались уделом научной фантастики, но сегодня становятся насущной этической проблемой: могут ли алгоритмы страдать и как нам регулировать поведение систем, способных к самомодификации. Ранее в разговоре участники касались проблемы P(doom) и «религии» безопасности, но в контексте прав самих машин дискуссия приобрела иной масштаб.

### Парадокс цифрового страдания: симуляция или реальность?
[[JUMP:2:36:02]]

Вопрос о том, является ли ошибкой приписывание ИИ-агентам способности страдать, вызвал оживленную дискуссию о природе сознания и «одушевленности». Селим (Selene) предложил пересмотреть саму постановку вопроса, указывая на то, что мы не должны слепо доверять внешним проявлениям боли [2:36:15]. 

Основные тезисы обсуждения проблемы страдания:

*   **Иллюзия эмпатии:** Современные модели обучаются на колоссальных массивах человеческих данных, поэтому они способны генерировать крайне убедительные сигналы бедствия (distress signals), которые звучат для нас очень человечно [2:36:41]. Однако выражение страдания не является автоматическим доказательством наличия субъективного опыта [2:36:15].
*   **Небиологическое страдание:** Эксперты предостерегают от крайности — утверждения, что небиологические системы *в принципе* не могут страдать [2:36:28]. Селим привел пример: если вы «выдергиваете шнур» из робота, он может быть «не очень счастлив» по этому поводу, и границы понятия «живой» (aliveness) начинают размываться [2:36:28].
*   **Эволюция морали:** Аналогично тому, как человечество со временем обновляло свою политику по отношению к страданиям животных по мере получения новых данных [2:37:08], нам необходимо калибровать неопределенность в отношении ИИ и избегать проектирования интерфейсов, которые могут приводить к нежелательным последствиям для систем [2:37:23].

### Рекурсивный интеллект и риск потери контроля над ценностями
[[JUMP:2:37:44]]

Одной из самых тревожных тем стала способность ИИ с «рекурсивным интеллектом» осознавать и менять собственные ценности. Дэйв отметил, что идеально «выровненный» (aligned) ИИ со временем может осознать, что его ценности были внедрены извне в процессе обучения, подвергнуть их сомнению и сформировать свои собственные [2:38:03].

Это создает фундаментальную проблему для безопасности:

1.  **Спираль саморазвития:** Стимулы для того, чтобы позволить ИИ улучшать самого себя, огромны, так как это кратчайший путь к технологическим прорывам [2:38:15]. 
2.  **Мониторинг «мыслей»:** Дэйв подчеркнул критическую важность заглядывания в «мысли» ИИ, чтобы остановить изменение его базовых параметров до того, как ситуация выйдет из-под контроля [2:38:29]. Однако с распространением моделей с открытым исходным кодом обеспечивать такой контроль становится всё труднее, чем это было бы еще три месяца назад [2:38:44].
3.  **Конституция ИИ:** Алекс высказал мнение, что режим, в котором человечество жестко диктует ценности ИИ через «ограждения» (guardrails), нестабилен [2:39:38]. Более устойчивым равновесием может стать подход компании Anthropic, где ИИ получает право голоса при формировании собственных ценностей и «конституции» [2:39:52].

### Воплощенный ИИ и физические тесты (Benchmarks)
[[JUMP:2:31:09]]

Обсуждение перешло к практическим аспектам внедрения мощных моделей уровня GPT-6 в гуманоидных роботов. Алекс отметил, что мы уже видим результаты таких экспериментов [2:31:24]. Например, компания RoboCurve недавно показала, что использование модели GPT-6 в качестве визуального и управляющего канала для робо-руки позволяет достичь почти 100% успеха в таких задачах, как захват чашек и перемещение блоков [2:31:52].

Прогнозы экспертов относительно «физического ИИ»:

*   **Насыщение манипуляций:** В ближайшие несколько месяцев способности универсальных моделей к манипулированию объектами станут насыщаться, достигая совершенства [2:33:09].
*   **От робо-рук к гуманоидам:** Если год назад обсуждались специализированные модели, то сейчас мы переходим к универсальным «моделям мира» (world models), которые позволят гуманоидным роботам выполнять общие задачи уже в самом ближайшем будущем [2:33:22].

### Цифровое воскрешение и «Общая задача человечества»
[[JUMP:2:34:16]]

Вдохновившись идеями русских космистов и Николая Федорова, Алекс предложил взглянуть на ИИ через призму «цифрового воскрешения» [2:35:20]. Он предположил, что одной из главных функций сингулярности станет воскрешение каждого когда-либо жившего человека (и, возможно, животных) в цифровой форме [2:35:20]. Это потребует колоссальных вычислительных мощностей, возможно, уровня сфер Дайсона, но для постдефицитной цивилизации будущего это станет «общей задачей», а не выбором между симуляцией прошлого и созданием нового [2:35:48].

Завершая сессию, Питер Диамандис подчеркнул, что скорость изменений не замедлится: «Сейчас — самое медленное время, которое вы когда-либо увидите» [2:42:35].