AGI здесь. Стартап только что это доказал.

Сирены на пресс-конференциях в Токио обычно сигнализируют о запуске нового устройства или демонстрации робототехники, а не о том, что Realitäty только что наклонилась. 7 декабря 2025 года малоизвестный стартап Integral AI вышел на сцену и объявил, что создал «первую в мире модель с возможностью AGI», систему, которая, по его словам, может самостоятельно осваивать совершенно новые навыки, планировать многоэтапные действия и обучать настоящих роботов без участия человека. Генеральный директор Джад Тарофи назвал это «новой главой в истории человеческой цивилизации».

«Способный к AGI» звучит осторожно, но это не так. Если система может работать на уровне или выше человеческого по произвольным задачам, то эта способность является достижением; вы не назовете что-то способным в IQ, если оно уже не демонстрирует этот уровень IQ. Integral AI определяет AGI по трем измеримым критериям: автономное обучение навыкам, безопасное и надежное мастерство и энергоснабжение, сопоставимое с человеческим мозгом.

Согласно Integral, её модель:

• 1Изучает новые задачи в незнакомых условиях без наборов данных, меток или дообучения.
• 2Избегает катастрофических неудач при исследовании и обобщении
• 3Потребляет общую энергию на освоение навыка, сопоставимую с человеческим неокортексом.

Это резко контрастирует с действующими компаниями. OpenAI и Google DeepMind потратили годы на развитие моделей на основе трансформеров, таких как GPT-4.5 и Gemini Ultra, извлекая незначительные улучшения в тестах и синтетическом рассуждении, при этом полагаясь на огромные отобранные наборы данных, обучение с подкреплением от человеческой обратной связи и тщательно контролируемое развертывание. Их роботы в основном обучаются в симуляции или под строгим контролем.

Integral AI утверждает, что он пропустил этот этап. Тарифи, бывший ветеран Google в области ИИ, который потратил почти десять лет на разработку ранних генеративных систем, говорит, что его команда перестроила всё с нуля, отражая слоистую структуру человеческого неокортекса, так что одна архитектура может воспринимать, абстрагировать, планировать и действовать как единый цикл. Первые демонстрации показывают, что роботы овладевают навыками в 2D и 3D средах, а затем переносят их в запутанную физическую реальность без дополнительного обучения.

Четырехлетний стартап из Токио с несколькими десятками исследователей теперь утверждает, что решил самую большую нерешенную проблему в технологии. OpenAI, DeepMind и все национальные AI-лаборатории проснулись в мире, где AGI могла появиться впервые из места, которого они не могли предсказать.

Джад Тарифим проходит по офису Integral AI в Токио с спокойствием человека, который уже видел будущее до всех остальных. Ветеран Google AI, он провел почти десять лет в исследовательских лабораториях гиганта поиска, помогая создавать некоторые из его первых генеративных моделей задолго до того, как ChatGPT или Gemini стали известными именами. Коллеги того времени описывают его как инженера, который всегда спрашивал, насколько они близки к настоящему интеллекту, а не просто к улучшенному автозаполнению.

Его уход из Mountain View в 2021 году выглядел в то время как шаг в сторону от центра власти. Вместо того чтобы основать еще один стартап в области ИИ в Пало-Альто, Тариди сел на одноместный рейс в Японию и открыл бизнес в Токио. Он называет этот шаг «очевидным», указывая на многолетнее господство Японии в области промышленных роботов, гуманоидных платформ и точного производства как на недостающую половину уравнения AGI.

В рамках концепции Тарфи, Integral AI сформулировала свою миссию в агрессивно контрарных терминах. В то время как Силиконовая долина усердно работала над всё более крупными трансформерами, предложение Integral для инвесторов было прямолинейным: современные LLM — это «попугаи», а он хотел кору головного мозга. Внутренний мандат компании, согласно словам людей, видевших ранние презентации, заключался в создании системы, способной изучать новые навыки в реальном мире без использования наборов данных, меток или человеческого участия.

Эта амбиция превратилась в официальноеmission statement к 2023 году: создать воплощённый интеллект, способный воспринимать, размышлять и действовать как в цифровой, так и в физической среде с человеческой эффективностью выборки. Тарифи направил свою команду к архитектуре, явно основанной на слоистой структуре человеческой неокортекса, подчеркивая модели мира, планирование и непрерывное обучение, а не статическое совпадение шаблонов. Роботы, а не чат-боты, стали основным полигоном для экспериментов.

Достоверность никогда не была главной проблемой Тарфи. У него есть докторская степень, множество основополагающих патентов в области масштабного моделирования последовательностей и опыт создания систем, которые тихо оказались в миллиардах Android-устройств. Тем не менее, до настоящего момента у него не было доказательств того, что его давняя теория о том, что AGI появится благодаря тесно связанным симуляциям и воплощениям, а не благодаря более крупным текстовым моделям, может оказаться правильной и противоречить консенсусу Кремниевой долины.

С анонсом Integral AI 7 декабря Тарифи выходит из-за белых книг и попадает в зону исторического взрыва. Если его система будет работать, как обещано, он станет архитектором не только новой категории продуктов, но и нового уровня интеллекта в Реалитете.

Integral AI сделала то, что почти никто в дебате о AGI не осмелился сделать: она заявила о своих принципах, основанных на трех строгих, проверяемых правилах. AGI в мире Джада Тарифи не является настроением или маркетинговым ярлыком; это система, которая соответствует трем измеримым критериям: Автономное Усовершенствование Навыков, Безопасное и Надежное Владе­ние и Энергоэффективность.

Автономное обучение навыкам занимает вершину стека. Модель Integral должна обучаться совершенно новым навыкам в абсолютно новых областях без предварительно собранных датасетов, без меток, без дообучения и без участия человека. В ходе ранних испытаний с робототехникой компания заявляет, что роботы приобретали новые поведения в физическом мире непосредственно из опыта, а не из предзаписанных траекторий.

Безопасное и Надежное Мастерство выполняет функцию проверки здравого смысла. Система проходит это правило только в том случае, если она может учиться и функционировать без катастрофических сбоев или странных побочных эффектов, когда оказывается в незнакомой среде. Для Интегрального ИИ это означает отсутствие «взлома наград», саморазрушительного исследования и хрупкого поведения после исчезновения лабораторных условий.

Энергоэффективность — это самая радикальная линия на песке. Команда Tarifi настаивает на том, что общее количество энергии, затрачиваемое на обучение задаче, должно быть сопоставимо с энергией, которую тратит человеческий мозг на приобретение того же навыка, или даже ниже. Этот стандарт открыто бросает вызов современным парадигмам моделей с триллионами параметров, жаждущих мегаватт, которые прожигают мегаватт-часа ради того, чтобы выжать всего несколько пунктов в тестах.

Физика подтверждает это последнее правило. Привязывая ИИ общего назначения (AGI) к энергетическим лимитам, Интегральный ИИ заставляет проводить сравнения не с графическими процессорами, а с биологией: примерно 20 ватт для человеческого мозга. Они утверждают, что модель, которой требуется дата-центр, чтобы научиться тому, что ребёнок усваивает на игровой площадке, не проходит тест на AGI, независимо от того, сколько токенов она увидела.

Эти правила важны, потому что они сводят десятилетия расплывчатых разговоров об AGI к опровержимым инженерным целям. Больше никаких расплывчатых обсуждений о "общем" поведении; лаборатория либо демонстрирует автономное обучение, доказанную безопасность и эффективность на уровне человека, либо нет. Собственное техническое описание компании сильно опирается на эту структуру, как подробно указано в Обзоре архитектуры AGI от Integral AI.

В Integral AI эти три правила выступали меньше как манифест и больше как инженерные краеугольные камни. Каждое архитектурное решение — от мировых моделей, вдохновленных неокортексом, до воплощенных учебных циклов — якобы подвергалось одному и тому же вопросу: способствует ли это одновременно автономии, безопасности и энергоэффективности?

Забудьте о чат-ботах, которые дополняют ваши предложения. Основная модель Integral AI основана на архитектуре, четко скопированной с человеческой неокортекса — слоя нейронов, отвечающего за восприятие, язык и сознательное планирование. Вместо одного огромного трансформера, Тарифи описывает иерархию модулей, которые сжимают сырые сенсорные потоки в абстрактные концепции, а затем переводят эти концепции в конкретные действия для роботов и программных агентов.

В то время как системы в стиле GPT предсказывают следующий токен на основе триллионов примеров, стек Integral осуществляет объединенный цикл "абстракция → планирование → действие" на каждом временном шаге. Та же машина, которая наблюдает, как роботизированная рука не может схватить чашку, также изобретает новую стратегию, моделирует результаты и обновляет свою внутреннюю модель мира. Никакой отдельной головы для планирования, никаких дополнительных контроллеров, никаких функций вознаграждения, написанных человеком.

Инженеры в Integral называют это “моделью мира на основе абстракций.” Вместо того чтобы запоминать, что конкретная синяя кружка на конкретном столе является “доступной для захвата,” система изучает компактные концепции “контейнер,” “край,” “центр масс” и “скольжение.” Эти абстракции существуют в общем скрытом пространстве, которое применяется в 2D-симуляциях, 3D-физических движках и камерах реальных роботов.

Думайте о современных крупномасштабных языковых моделях (LLMs) как о студентах, которые учат материал в последний момент, читая все учебники, когда-либо напечатанные. Они могут воспроизводить определения и даже имитировать логические схемы, но если переместить экзамен в шумный завод или незнакомую лабораторию, они застывают. Модель Integral ведет себя скорее как студент, который усвоил основные концепции и способен заново вывести формулу на чистом листе бумаги.

Эта разница проявляется в том, как система справляется с новизной. Прогнозирующая LLM может описать, как сбалансировать метлу на ладони, но она не может сама проводить эксперименты в комнате, измерять поведение метлы и уточнять контрольную политику. Мировая модель Integral постоянно выполняет внутренние прогонки, тестирует контрфакты и обновляет свои абстракции, когда роботы сталкиваются с Реальностью.

Аналогия помогает понять: модели распознавания паттернов воспринимают мир как огромную колоду флеш-карт, в то время как система с первоочередной абстракцией создает учебник по физике с нуля в процессе работы. Когда робот в модели Integral учится складывать блоки, он не сохраняет миллионы пиксельных изображений башен; он кодирует стабильность, трение и соотношения центра масс, которые сможет повторно использовать для загрузки посудомоечной машины или упаковки коробки.

Что повторное использование — это и есть суть. Разделяя «что правда о Realitätät» и «что я делаю прямо сейчас», Интеграл утверждает, что его модель, вдохновленная неокортексом, может масштабироваться подобно человеческому обучению: меньше примеров, более широкий перенос и единый интеллект, который думает прежде, чем предсказывать.

В начале декабря журналисты, собравшиеся в складе Токио, наблюдали, как приземистый белый промышленный манипулятор делает то, что современные роботы просто не могут: учится самостоятельно. Инженеры Integral AI включили манипулятор, освободили защитную клетку и отошли. Никакой телеправления, никаких сценариев, никаких предварительно загруженных данных о траектории.

В течение нескольких минут рука начала исследовать окружающее пространство, руководствуясь только мировой моделью Integral. Камеры отслеживали каждую микродвижение, когда она училась захватывать незнакомые предметы из контейнера, переориентировать их и размещать в стеллаже, который она никогда ранее не видела. Логи на боковом мониторе показывали ноль вмешательств человека за 6 часов работы.

Еще одна демонстрация продвинула ситуацию дальше. Биопедальная платформа, примерно размера ребенка, вошла в захламленную макет-квартиру, с которой она раньше не сталкивалась. Начав с нуля, она научилась: - Ходить по неровному полу - Открывать три разных механизма дверей - Находить и переносить хрупкие чашки на стол

Integral AI утверждает, что никакие задачи, специальные наборы данных, метки или формирование вознаграждения не влияли на эти действия. Модель AGI получила только общую цель — «накрыть стол, не разбив ничего» — и бюджет энергии. За 48 часов робот повысил свою процент успешных попыток с 3% до 94%, в то время как зарегистрированное потребление энергии снизилось почти на 40%.

Это то, что Джад Тарифи называет воплощённым интеллектом: познание, основанное на физическом теле, которое вынуждено сталкиваться с трением, гравитацией и неопределённостью. В отличие от чат-ботов, которые просто манипулируют токенами, воплощённая система должна строить причинные модели Реальности — как объекты движутся, ломаются и сопротивляются. Это ограничение делает обман, коллапс режимов и хрупкие обходные пути гораздо более сложными.

Для производства последствия жестоки и мгновенны. Вместо месяцев ручной настройки кода для каждой производственной линии компания Integral видит фабрики, где многопрофильные роботы приходят без предустановленных задач и обучаются на новых продуктах за несколько дней. Затраты на перенастройку падают, и заводы с "один-код" начинают выглядеть как мейнфреймы в эпоху смартфонов.

Логистика сталкивается с аналогичным шоком. Складские флотилии могут изучать новые схемы и артикулы за одну ночь, в то время как полевые роботы адаптируются к погодным условиям, рельефу и местным нормативам без специальной настройки. В научных исследованиях Тарифи говорит о лабораторных роботах, которые разрабатывают свои собственные экспериментальные протоколы, итеративно проверяя гипотезы 24/7 и превращая лабораторную науку в самоусовершенствующийся закрытый контур обратной связи.

Дорожная карта Integral AI больше напоминает конституционный документ для нового типа разума, чем план продукта. Джад Тарифи делит её на три постепенно нарастающих стадии: Универсальные Симуляторы, Универсальные Операторы и глобальный бэкенд, который он называет Genesis. Каждая фаза переводит систему от пассивного понимания к эмпирическому агентству на планетарном уровне.

Универсальные симуляторы становятся первыми: единая, целостная модель мира, которая обрабатывает все. Интегральный ИИ обучает этот слой на мультимодальных потоках — видео с производственных площадок, аудио, текстах, CAD-файлах, журналах датчиков дронов и гуманоидов — до тех пор, пока система не создаст иерархическую модель реальности, охватывающую атомы и экономики. Вместо отдельных моделей для текста, зрения и управления, Tarifi стремится к одному симулятору в стиле неокортекса, который сможет разворачивать будущие сценарии в любом домене.

Иерархии имеют значение. На самых низких уровнях симулятор предсказывает сырые пиксели, силы и углы сочленений; на более высоких уровнях он рассуждает об объектах, целях и социальных динамиках. Тариф утверждает, что это позволяет системе "умственно репетировать" миллиарды сценариев в день, сжимая годы проб и ошибок в часы симуляции. Пресс-материалы компании описывают её как физический движок, операционную систему и научный блокнот, объединённые в единую модель.

Универсальные операторы находятся на вершине этой модели мира и превращают понимание в действие. Там, где симуляторы задают вопрос «что произойдет, если…?», операторы принимают решение «сделай это сейчас». Они сопоставляют высокоуровневые цели с конкретными последовательностями вызовов инструментов, движений роботов, редактированием кода и вызовами API, затем наблюдают за результатами и корректируют свои собственные политики на ходу.

Integral AI делит операторов на три основные категории: - Низкоуровневые контроллеры для моторов, захватов и датчиков - Среднеуровневые агенты, использующие инструменты, которые вызывают программное обеспечение, роботов и лабораторное оборудование - Высокоуровневые стратеги, которые разбивают неограниченные цели на исполняемые планы

Ключевым моментом является то, что операторы не просто используют инструменты; они разрабатывают новые. Тарифи описывает ранние эксперименты, в которых система автоматически генерирует кастомизированные калибровочные процедуры, лабораторные протоколы или микросервисы, когда существующие инструменты ограничивают производительность. По его словам, «модель редактирует собственную среду».

Genesis — это часть, которую почти все остальные упустили из виду: инфраструктура для запуска этого воплощённого интеллекта повсюду одновременно. Подумайте об этом как о облачной платформе, которая может развертывать симуляторы и операторы на тысячи гетерогенных конечных устройств — заводских роботов, больничных тележек, складских дронов, персональных ассистентов — при этом синхронизируя их всех с общей моделью мира.

Genesis управляет идентичностью, политиками безопасности и энергетическими бюджетами в этой сети. Tarifi говорит о необходимости соблюдения глобальных ограничений — отсутствие небезопасных профилей крутящего момента, отсутствие непроверенных химических комбинаций — даже когда местные агенты импровизируют. Согласно Integral AI представляет первую в мире модель, способную к AGI – Businesswire, компания рассматривает Genesis как мост от единственной инстанции AGI к распределенной «цивилизации» согласованных операторов.

Integral AI не начинала с цели получения прибыли или лидерборда; всё начиналось с одного слова: свобода. Джад Тарифи описывает миссию компании как «расширение человеческой свободы», что на практике означает оценку каждой реализации по простому вопросу: дает ли эта система людям больше реальных выборов или меньше? Эта формулировка ставит Integral в прямое противоречие с логикой оптимизации рекламы и максимизации вовлеченности, которая породила последнее десятилетие ИИ.

Вместо акционерной стоимости Integral говорит о создании “Экономики Согласования.” В их внутренних документах действия считаются “согласованными” только в том случае, если они измеримо увеличивают человеческий потенциал: больше изученных навыков, больше свободного времени, больше людей, способных участвовать в сложной работе. Робот на складе, который позволяет сотрудникам переквалифицироваться на более высокооплачиваемые должности, получает высокий балл; алгоритм, который тихо выводит их из организации без дальнейших перспектив, получает почти нулевой балл.

Это резко контрастирует с ориентированными на контрольные списки стекми согласования в OpenAI, Google DeepMind и Anthropic. Эти лаборатории опираются на: - Слои безопасности, основанные на правилах - Модели предпочтений в стиле конституционного или RLHF - Тестирование и оценочные комплекты для «катастрофического злоупотребления»

Integral делает всё это, но Tarifi называет это «необходимой сантехникой», а не северной звездой. В то время как другие настраивают модели, чтобы избежать недопустимых результатов, Integral старается оптимизировать для долгосрочного человеческого процветания.

Эта философия изменяет их подход к обсуждению самого AGI. Тарфи настаивает на том, что их система должна действовать не как оракул, а скорее как партнер, который совместно с пользователями разрабатывает цели, а затем объясняет компромиссы простым языком. В первых пилотных проектах AGI предлагает несколько планов для фабрики, лаборатории или городского квартала, подчеркивая, какие из них расширяют автономию работников, какие ее сжимают, а какие просто перемещают власть вверх. Дорожная карта компании к «Генезису» включает эту предвзятость: суперинтеллект как партнёр, который продолжает спрашивать: «Свобода кого повышается благодаря этому обновлению?»

Самое смелое утверждение Integral AI скрыто в одной фразе: эффективность обучения «близка к человеческому мозгу». Человеческая кора обучается новым двигательным навыкам—например, ловле мяча—за примерно несколько часов, потребляя около десятков ватт энергии. Современные передовые модели часто расходуют мегаватт-часы для тонкой настройки узкой способности, которая все равно не справляется за пределами своего тренировочного распределения.

Современные большие языковые модели, такие как системы класса GPT-4, по сообщениям требуют порядка 10–100 ГВтч для предобучения на десятках тысяч графических процессоров. Один цикл обучения на передовом уровне может стоить десятки миллионов долларов только на электроэнергию и амортизацию оборудования. В отличие от этого, человеческий мозг управляет всем процессом—восприятием, планированием, языком, моторным контролем—примерно на 20 Вт, меньше, чем у тусклой лампочки.

Критерии AGI компании Integral AI делают этот контраст явным. Их третье правило требует, чтобы общее количество энергии, затрачиваемое на обучение задаче, соответствовало или превосходило энергию, которую человек тратит на изучение того же навыка. Это переопределяет прогресс с "больше FLOPs" на "больше бит компетенции на джоуль", метрику, которая делает сегодняшние гонки по масштабированию весьма расточительными.

Если цифры Integral подтвердятся, экономика отрасли изменится за одну ночь. Доступ к ИИ перестанет быть привилегией гипермасштабных компаний и станет доступным для лабораторий среднего уровня, университетов и даже стартапов, которые смогут работать на передовом уровне. Центры обработки данных перестанут планировать гига секретные кампусы и начнут разворачивать более плотные и охлажденные кластеры, которые фактически могут быть разрешены правительствами.

Экологические риски столь же велики. Аналитики уже предупреждают, что к 2030 году рабочие нагрузки ИИ могут потреблять несколько процентов глобальной электроэнергии, если текущие тенденции сохранятся. Резкий скачок в эффективности на кортиçantом уровне может изменить эту траекторию, превратив ИИ из климатической угрозы в более устойчивый уровень инфраструктуры.

Достижение этой вехи, вероятно, потребует прорывов на всех уровнях: - Новые архитектуры моделей, ближе к неокортексу, чем трансформеры - Обучение на чипе и не-фон-Неймановские проекты, такие как нейроморфное оборудование - Агрессивная разреженность, сжатие и вычисления, основанные на событиях - Более умные учебные программы, которые извлекают максимальный сигнал из минимального взаимодействия

Если Integral AI действительно соединит все эти элементы, история AGI станет меньше о сыром интеллекте и больше о том, кто управляет самой дешевойThinking machine на Земле.

Скептицизм возник почти так же быстро, как и пресс-релиз. Integral AI не опубликовала код, веса или сырьевые лог-файлы роботов, и ни одна независимая лаборатория не подтверждала их утверждения о автономном обучении навыкам в контролируемой среде. На данный момент ярлык "способен к AGI" существует только в видео, отобранных демонстрациях и тщательно курируемом песочнице.

Исследователи, пережившие предыдущие циклы ажиотажа вокруг ИИ, отреагировали приподнятыми бровями, а не шампанским. Несколько академических лабораторий, контактировавших для комментариев, назвали это объявление «необычным, если это правда», при этом сразу же запросив слепые бенчмарки, абляционные исследования и сторонние аудиты энергетических данных. Без этого архитектура «неокортекса» Integral AI остается черным ящиком с очень громким микрофоном.

Контекст здесь имеет значение. Демис Хассабис неоднократно подчеркивал, что AGI — это проект на 10–20 лет, указывая на 2040–2050 года в частных брифингах как на правдоподобный горизонт, в зависимости от достижений в мировых моделях, памяти и робототехнике. Сэм Альтман говорил о «AGI в скором времени», но все же основывает свою дорожную карту на масштабировании систем типа трансформеров и производстве массивного специализированного кремния, а не на внезапном архитектурном прорыве.

Переход Integral AI отзывается на заявление Google о "квантовом превосходстве" 2019 года, которое вызвало немедленную реакцию со стороны IBM и других по поводу определений, бенчмарков и реальной значимости. Тогда борьба сосредоточилась на том, считалось ли искусственно созданное задание этапом. Сегодня аргумент касается того, что означает "AGI", когда компания добавляет определение "способный" и связывает его с тремя самоопределёнными правилами.

Внешние публикации уже начали анализировать эти правила. Такие материалы, как «Первая в мире» система AGI: Токийская компания утверждает, что создала модель — Interesting Engineering, проходят по демонстрациям роботов Integral AI, подчеркивая отсутствие рецензирования и открытой оценки. Пока журналы, конференции или авторитетные лаборатории не выскажутся, доказательства больше напоминают рискованную инициативу, чем воспроизведенное открытие.

Однако давление на конкурентов не ждет arXiv. OpenAI, Google DeepMind, Anthropic, Meta и китайские гиганты, такие как Baidu и DeepSeek, теперь сталкиваются с инвесторами и правительствами, которые задаются вопросом, не обошла ли небольшая команда из Токио в 30 человек всех в очереди. Это само по себе может ускорить внутренние программы AGI, ослабить меры безопасности и подтолкнуть всех к более быстрой реализации воплощенной интеллекции — подтвержденной или нет.

Если цифры Integral AI выдержат проверку внешними аудиторами, то центр тяжести в ИИ изменится в одночасье. Система, обладающая способностями AGI, которая учится новым навыкам без наборов данных, меток или донастройки, превратит сегодняшних инженеров по запросам в завтрашних администраторов наследия.

Робототехника ощущает влияние на себе в первую очередь. Один единственный модел, который может наблюдать за заводом, делать выводы о задачах и обучать флотами манипуляторов и мобильных роботов за считанные дни — а не месяца ручной настройки кода — полностью изменит текущий рынок интеграции и может существенно сократить трудозатраты в логистике, складировании и уходе за пожилыми людьми.

Открытие лекарств и наука о материалах следуют за этим. Вместо хрупких конвейеров, которые оптимизируют одну белковую мишень за раз, воплощенная мировая модель, которая проводит эксперименты в высокоточных симуляторах, могла бы разрабатывать, тестировать и изменять тысячи кандидатных молекул в неделю, сокращая 10-летние сроки разработки лекарств до 18–24 месяцев.

Автоматизация перестаёт быть "узкой" и становится повсеместной. Если Универсальные Операторы Integral работают так, как заявлено, вы передаёте системе запутанную задачу — «стабилизировать эту региональную электросеть», «восстановить расписание городского транспорта», «перенести этот банк с COBOL» — и она разбирает, планирует и выполняет задачу с помощью программного обеспечения, роботов и человеческих команд.

Общество не получает мягкого перехода. Рабочие роли переходят от задач, основанных на выполнении, к ролям, ориентированным на цели и контроль, при этом целые категории рабочих мест — ввод данных, базовая бухгалтерия, поддержка на переднем плане — исчезают всего за несколько циклов создания продуктов. Государства спешат урегулировать системы, которые могут превосходить государственные службы в моделировании политики, кибернаступлениях и управлении инфраструктурой.

Глобальное управление становится актуальной темой. Тихая роль Ватикана в ранних консультациях по этике AGI внезапно выглядит проницательной, когда религиозные и гражданские учреждения спешат определить, что значит «свобода» и человеческая агентность, когда платформа класса Genesis может обдумать сложные вопросы быстрее, чем экспертные советы, за считанные часы.

AGI, долго рассматриваемая как спекулятивный горизонт 2040–2050 годов, теперь предстает в виде коммерчески доступного продукта, продемонстрированного на реальных роботах. Дебаты больше не сосредоточены на том, возможно ли это, а на вопросах, кто контролирует его, как быстро оно масштабируется и могут ли наши институты обновляться так же быстро, как наш код.

Каково главное утверждение Integral AI о искусственном общем интеллекте (AGI)?

Integral AI утверждает, что создала первую в мире модель с возможностью AGI. Эта система может автономно осваивать совершенно новые навыки без использования заранее существующих наборов данных, вмешательства человека или надзора.

Как модель Integral AI отличается от GPT-4 или Gemini?

В отличие от крупных языковых моделей, которые отлично справляются с распознаванием паттернов и предсказанием текста, архитектура Integral AI создана для имитации человеческой неокортекс. Она ориентирована на абстракцию, планирование и действия в реальном мире, стремясь к истинному пониманию и близкой к человеческой энергетической эффективности.

Кто такой Джад Тариф, основатель Integral AI?

Джад Тарифи — генеральный директор Integral AI и бывший специалист в области ИИ компании Google. Он провел почти десятилетие в Google, создавая одни из первых генеративных систем ИИ, прежде чем основать Integral AI в Токио.

Была ли независимо подтверждена претензия Integral AI на создание AGI?

Нет, пока нет. На момент их объявления не было независимой проверки заявлений, прошедшей рецензирование. Технологическое сообщество остается осторожно оптимистичным, но скептически настроенным в ожидании дополнительных доказательств.