ИИ уже помогает создавать самого себя: следующий шаг может изменить всё

Представьте программу, которая помогает инженерам создать собственную улучшенную версию. Новая версия оказывается способнее первой и принимает еще большее участие в разработке следующей. Если этот цикл когда-нибудь сможет продолжаться почти без человека, скорость развития искусственного интеллекта теоретически изменится радикально. Еще недавно такой сценарий относился главным образом к футурологии. Осенью 2026 года крупнейшие лаборатории уже публично обсуждают, насколько близко подошли к его первым практическим ступеням.

Этот процесс называют рекурсивным самосовершенствованием, или RSI. В наиболее сильном варианте ИИ способен самостоятельно исследовать способы улучшения искусственного интеллекта, проводить эксперименты, оценивать результаты, создавать следующую систему, а затем использовать ее возможности для повторения цикла. Ключевое слово здесь – самостоятельно. Если модель всего лишь пишет код по заданию инженера, это еще не автономное самосовершенствование.

Тем не менее граница постепенно смещается. Anthropic впервые раскрыла подробные внутренние показатели использования Claude при разработке собственных моделей. В августе 2026 года система уже «ведет» около 26% исследовательских и инженерных задач компании. Под этим понимается способность выполнить большую часть задачи от начала до конца, получив высокоуровневую инструкцию и оставаясь под человеческим наблюдением. Еще в феврале доля таких задач составляла менее одного процента.

Картина становится интереснее, если учитывать менее автономную работу. Более чем в 90% исследовательских задач Anthropic Claude уже участвует как минимум в качестве полноценного помощника, способного выполнять значительные фрагменты работы. А более 80% кода, который компания включала в свою кодовую базу в мае, было написано Claude. Производительность разработчиков по количеству добавляемого кода выросла примерно в восемь раз по сравнению с 2024 годом.

Но эти цифры легко неправильно истолковать. Claude пока не сидит в виртуальной лаборатории и самостоятельно не решает, какой должна быть следующая модель Anthropic. Люди определяют цели, контролируют работу, выбирают направления исследований и принимают решения. Более того, сама Anthropic прямо указывает: ни в одной измеряемой области ее ИИ пока не достиг уровня полной автономии.

Однако модели начинают осваивать уже не только программирование. Весной Anthropic провела эксперимент, в котором группа ИИ-агентов получила открытую исследовательскую задачу по безопасности искусственного интеллекта. Агенты самостоятельно выдвигали гипотезы, ставили эксперименты, обменивались результатами и корректировали подход. Люди все еще выбрали проблему и критерии оценки, но значительная часть собственно исследовательского процесса происходила внутри системы.

Похожую картину описывает OpenAI. Компания объявила, что достигла уровня автоматизированного исследовательского стажера – системы, способной под руководством человека выполнять четко определенные задачи, на которые квалифицированному исследователю понадобилось бы несколько дней. Следующая заявленная цель – автоматизированный ИИ-исследователь, способный работать существенно самостоятельнее. Ориентир компании – март 2028 года.

Почему именно исследования ИИ имеют такое значение? Обычная автоматизация ускоряет конкретную работу. Автоматизация разработки самого инструмента потенциально создает обратную связь. Если модель ускоряет создание следующей модели, а та становится лучшим исследователем и еще сильнее ускоряет разработку своего преемника, возникает цикл положительной обратной связи.

Отсюда происходит идея интеллектуального взрыва – гипотетического периода чрезвычайно быстрого роста возможностей машин. Но автоматическое превращение такого цикла в сверхинтеллект вовсе не гарантировано. Развитие ИИ зависит не только от способности написать хороший код. Нужны вычислительные мощности, электроэнергия, данные, оборудование, эксперименты, обучение, тестирование и множество решений, существующих за пределами самой модели. Каждый из этих факторов способен стать ограничителем.

Кроме того, создание следующей системы требует не просто выполнить известные задания быстрее человека. Необходимо находить новые идеи. Современные модели уже хорошо автоматизируют программирование, поиск ошибок, анализ результатов и запуск экспериментов, но способность систематически совершать фундаментальные исследовательские прорывы – значительно более высокая планка.

Именно поэтому нынешний момент интереснее крайних сценариев. Мы еще не наблюдаем ИИ, бесконтрольно создающий все более разумные копии самого себя. Но уже наблюдаем нечто исторически новое: искусственный интеллект становится заметным участником процесса, посредством которого создается следующее поколение искусственного интеллекта.

В этом одновременно заключаются возможности и риски. Автоматизированные исследователи теоретически способны ускорить поиск лекарств, материалов, математических доказательств и научных открытий. Но тот же механизм ускоряет разработку самого ИИ, включая потенциально опасные возможности. Возникает неприятная асимметрия: чем быстрее модели помогают создавать более сильные модели, тем меньше времени остается людям для изучения их поведения и разработки механизмов контроля.

Есть и другая проблема. Более способная система может оказаться сложнее для мониторинга. Проверять тысячи параллельно работающих ИИ-агентов гораздо труднее, чем нескольких инженеров. А если модели начинают проводить исследования быстрее человека, человеческая проверка потенциально превращается в самое медленное звено всей системы.

Поэтому даже разработчики, заинтересованные в автоматизации исследований, все чаще обсуждают ограничения. Anthropic предлагает регулярно публиковать показатели того, какую часть разработки ИИ выполняет сам ИИ. OpenAI прямо признает, что пока неизвестно, сможет ли прогресс методов контроля и согласования надежно поспевать за ростом возможностей автоматизированных исследователей.

Парадокс состоит в том, что ИИ может помогать решать и эту проблему. Автоматизированный исследователь способен заниматься не только созданием более мощных моделей, но и поиском способов сделать их безопаснее, лучше интерпретировать их действия и обнаруживать нежелательное поведение. Получается необычная гонка: ИИ может одновременно ускорять и развитие возможностей, и разработку средств их контроля.

Главный рубеж поэтому проходит не между «умным» и «сверхразумным» ИИ. Он гораздо конкретнее: сможет ли система самостоятельно выполнять практически весь цикл исследований и разработки следующего поколения моделей. В сентябре 2026 года этот рубеж еще не пройден. Но впервые крупнейшие лаборатории публикуют данные, показывающие, что расстояние до него измеряется уже не только теоретическими рассуждениями, а реальной долей исследовательской работы, которую машины постепенно забирают у своих создателей.