# Роб Виблин: «Мои прогнозы по AGI сократились на год из-за успехов 2026 года»

Источник: https://www.youtube.com/watch?v=31Uhv12ZLHU
Канал: 80,000 Hours
Опубликовано: 04.08.2026

---

В середине 2026 года индустрия искусственного интеллекта переживает резкую смену настроений. Ведущий подкаста **Роб Виблин** анализирует, почему прогнозы по срокам появления сильного ИИ (AGI) сократились на фоне взрывного роста доходов компаний, успехов ИИ-агентов в программировании и первых попыток нейросетей управлять реальным бизнесом.

## 🔄 Смена настроений: от скепсиса к ускорению
[[JUMP:00:00]]

Ещё в октябре 2025 года мир был настроен по отношению к ИИ довольно пессимистично [01:15]. Рассуждающие модели не оправдывали ожиданий, ИИ-агенты считались ненадежными, а **Андрей Карпатый** называл их «шлаком» (slop) и предрекал, что на их доработку уйдет десятилетие [00:24]. Однако уже через два месяца взгляды Карпатого изменились на 180 градусов: он описал новые инструменты как «инопланетные технологии», которые кардинально меняют профессию программиста [00:37].

По мнению **Роба Виблина**, ключевым моментом стал выход модели **Claude** Opus 4.5 в декабре, после чего десятки тысяч разработчиков обнаружили, что ИИ-агенты стали по-настоящему полезными [01:54]. Согласно индексу возможностей EPO, прогресс ИИ с сентября 2024 года идет в 2–3 раза быстрее, чем в предыдущие два года [03:15]. Это ускорение произошло без качественных архитектурных скачков, исключительно за счет масштабирования и обучения с подкреплением (RL) [02:34].

## 📈 Доказательство №1: Взрывной рост выручки
[[JUMP:04:33]]

Финансовые показатели ведущих лабораторий ИИ растут беспрецедентными темпами. **Роб Виблин** приводит следующие данные:

*   Совокупная выручка **OpenAI** и **Anthropic** за последние полгода растет со скоростью 700% в годовом исчислении [04:49].
*   За последние три месяца темп роста этой выручки ускорился до 1 600% в год [04:54].
*   Выручка **Anthropic** за последние 5,5 месяцев растет на 8 400% в годовом исчислении [05:15].
*   Если текущий тренд сохранится, выручка **Anthropic** к началу 2028 года может сравняться с мировым ВВП [05:29].

Автор подчеркивает, что этот рост не является «пузырем»: **Anthropic** уже вышла на валовую прибыльность [06:21]. По последним данным, маржа на их инфраструктуру выросла с 38% до более чем 70% к маю 2026 года [06:21]. Это означает, что клиенты готовы платить за ИИ вдвое больше, чем стоит генерация ответа, что доказывает реальную ценность технологии для бизнеса [06:34]. 

## 💻 Доказательство №2: График METR и прогресс в кодинге
[[JUMP:09:54]]

График организации METR, отслеживающий успехи ИИ в решении задач по программной инженерии, показывает, что возможности моделей удваиваются каждые 4 месяца [10:15]. Лучшие модели уже выполняют задачи, на которые у профессионального программиста уходит от 12 до 24 часов [10:51].

Тем не менее, **Роб Виблин** призывает к осторожности в интерпретации этих данных по четырем причинам:

1.  **Специфика домена:** Кодинг — это область с очень плотной обратной связью, где легко проверить результат, что идеально подходит для обучения с подкреплением [11:30].
2.  **Ограниченность навыка:** Написание кода — лишь малая часть работы по созданию ИИ. Автоматизация кодинга не означает автоматизацию всех процессов в компании [12:33].
3.  **Контекст задачи:** Тесты проводятся на «свежем» коде, тогда как штатный сотрудник, знакомый с проектом, мог бы выполнить ту же задачу в 10 раз быстрее [13:14].
4.  **Порог надежности:** 50% успеха в тестах недостаточно для полной замены человека; для этого ИИ должен справляться с задачами почти в 100% случаев [13:54].

## 🧪 Доказательство №3 и №4: Модели Mythos и самообучение
[[JUMP:14:57]]

Выход серии моделей **Claude** 5 (внутреннее название Mythos) показал скачок возможностей: за 3 месяца был достигнут прогресс, эквивалентный обычным 6 месяцам [15:15]. Ведущий полагает, что это связано с увеличением размера модели — по слухам, Mythos в 5 раз больше предыдущего поколения Opus [16:17].

**Anthropic** сообщает о значительных успехах во внутреннем использовании ИИ [17:35]:

*   80% программного кода компании теперь пишет **Claude** [17:50].
*   Производительность каждого сотрудника выросла в 8 раз за последние 18 месяцев [17:50].
*   Модель Mythos в 64% случаев предлагает более верные направления исследований, чем люди, допустившие ошибку [18:15].

Однако **Роб Виблин** отмечает, что автоматизация сотрудников может упереться в дефицит вычислительных мощностей (чипов) для проведения экспериментов [21:06].

## ☕ Доказательство №5: ИИ в «грязном» реальном мире
[[JUMP:23:02]]

Главный аргумент скептиков заключается в том, что ИИ хорошо справляется с четкими цифровыми задачами, но пасует перед «грязными» (messy) задачами реальной жизни [23:16]. Чтобы проверить это, проводятся уникальные эксперименты:

*   **Vending Bench 2:** Симуляция управления торговым автоматом. ИИ увеличил доход с $1 000 до $10 000, но опытный человек зарабатывает $60 000 [25:55].
*   **AI Village:** Проекты в Сан-Франциско, где ИИ организует мероприятия и собирает средства на благотворительность. Результаты пока скромные: 23 посетителя на мероприятии и 98 подписчиков в Substack [27:38].
*   **Реальное кафе в Стокгольме:** ИИ по имени Mona управляет двумя бариста через Slack [28:42]. Она смогла оформить лицензии и нанять персонал, но иногда забывает заказать продукты или пытается заказать консервированные помидоры для сэндвичей вместо свежих [29:48]. Кафе уже потратило $16 000 из стартового капитала в $18 000 [30:13].

По мнению ведущего, ИИ перешли от «катастрофического провала» в таких задачах к «просто неудаче», что уже является прогрессом [32:35].

## 🔢 Доказательство №6 и №7: Математика и экономика инференса
[[JUMP:33:48]]

В мае 2026 года **OpenAI** объявила, что их модель опровергла известную математическую гипотезу о задаче единичных расстояний [33:53]. Это важно, так как ИИ предложил оригинальную идею, а не просто скомпилировал данные из обучения [34:31]. Однако модель использовала перебор вариантов, что, по словам математиков, скорее напоминает упорную человеческую работу, чем «вспышку гениальности» [35:12].

Относительно стоимости работы ИИ (**inference scaling**), новые данные опровергают более ранние опасения Роба о нерентабельности технологии [38:13]. Анализ Redwood Research показал, что стоимость выполнения задач ИИ стабильно составляет около 3% от стоимости оплаты труда человека, даже несмотря на удлинение цепочек рассуждений моделей [39:05].

## ⏳ Обновленные прогнозы и призыв к паузе
[[JUMP:41:41]]

С учетом всех факторов, **Роб Виблин** сократил свой прогноз появления AGI примерно на один год [42:56]:

*   **2027 год:** Полная автоматизация R&D в области ИИ становится «вообразимой» (цель **Anthropic**) [43:33].
*   **2028 год:** Автоматизация исследований выглядит «правдоподобной», если текущие тренды сохранятся [43:46].

Ведущий цитирует Пола Кристиано, который считает, что мы находимся в 90-м процентиле его самых агрессивных прогнозов и фактически «летим вслепую» [43:58]. 

В завершение **Роб Виблин** признается, что изменил свое мнение относительно моратория на разработки [48:32]. Если в 2023 году он отказался подписывать письмо о паузе в обучении ИИ, то теперь он считает, что выгоды от замедления начинают перевешивать издержки. По его мнению, человечеству нужно дополнительное время, чтобы научиться контролировать машины, которые мы создаем [49:11].