До 2028 року на ринку можуть виникнути штучні інтелекти (ШІ), здатні самостійно розробляти та навчати своїх наступників без залучення людини. Такий прогноз озвучив співзасновник компанії Anthropic, Джек Кларк.
«Це надзвичайно важливо. Я не знаю, як це осягнути. Я з острахом приходжу до цього висновку, оскільки наслідки настільки великі, що вони мене пригнічують, і я не впевнений, що суспільство готове до тих змін, які передбачає автоматизована розробка ШІ», — підкреслив він.
Кларк описав сценарій цілковитої автоматизації досліджень у галузі ШІ — модель незалежно:
- формулює дослідницькі цілі;
- розробляє експерименти;
- створює та тестує програмний код;
- оптимізує процес навчання;
- поліпшує структуру наступної версії ШІ.
Експерт назвав це переходом до «практично непередбачуваного майбутнього» та оцінив вірогідність такого сценарію у 60% протягом наступних двох років.
На чому базується оцінка
Висновок Кларка базується на динаміці декількох бенчмарків:
- SWE-Bench — тест на вирішення реальних інженерних проблем у репозиторіях GitHub. Наприкінці 2023 року найкращі моделі впоралися приблизно з 2% випадків; навесні 2026-го показник сягнув 94%;
- CORE-Bench — відтворення результатів наукових ШІ-статей зі встановленням середовища, запуском коду та аналізом висновків. За словами Кларка, бенчмарк фактично «завершений»: сучасні агенти демонструють близько 95,5%;
- MLE-Bench — виконання ML-завдань рівня Kaggle. Найкращі агентні системи вже досягають 64–65%.
За словами співзасновника Anthropic, усі три метрики показують одне: ШІ швидко переходить від часткового написання коду до повноцінного виконання інженерних і дослідницьких завдань.
Зростання автономії
Ще один аргумент — збільшення тривалості завдань, які моделі ШІ здатні виконувати без втручання людини.
За інформацією METR, у 2022 році системи впоралися із задачами, які займали в людини десятки секунд. У 2024-му показник збільшився приблизно до 40 хвилин, у 2025 році — до шести годин. На даний момент передові моделі здатні вести інженерну роботу близько 12 годин безперервно.
Кларк пов’язав це з поширенням агентних інструментів для програмування. Чим довше модель утримує ціль, перевіряє проміжні результати та виправляє помилки, тим більше етапів дослідницького циклу їй можливо делегувати.
Чому це важливо для розробки ШІ
Сучасний цикл розробки ШІ побудований за єдиною схемою: вивчити матеріали, відтворити результат, зібрати експеримент, навчити або донавчити модель, перевірити метрики, знайти слабкі місця та повторити. Прогрес у SWE-Bench, CORE-Bench і MLE-Bench демонструє, що моделі вже справляються з цілими відрізками такого циклу.
Кларк окремо відзначив прогрес у спеціалізованіших задачах. Наприклад, ШІ починають застосовувати для дизайну ядер GPU — коду, що визначає ефективність навчання та інференсу моделей на конкретному апаратному забезпеченні.
Ще один напрям — донавчання моделей. У бенчмарку PostTrainBench системи ШІ покращують невеликі LLM з відкритим кодом.
Станом на весну 2026 року найкращі нейромережі досягають 25–28% від цільового приросту (в людських команд — 51%). Кларк вважає результат значущим: орієнтир задають реальні інструктивні моделі, створені досвідченими дослідниками.
Anthropic вимірювала, як її моделі оптимізують навчання LLM на CPU. За рік прискорення зросло з 2,9 разу (Claude Opus 4) до 52 (Claude Mythos Preview). Людині на аналогічне завдання зазвичай потрібно чотири–вісім годин.
ШІ вже вчиться керувати ШІ
Кларк зазначив, що сучасні системи починають координувати роботу інших агентів. Такий підхід вже використовується в продуктах на зразок Claude Code або OpenCode: один асистент розподіляє завдання між декількома підасистентами, контролює їх та збирає результати.
Для розробок ШІ це важливо: вони рідко являють собою одне лінійне завдання — зазвичай це десятки паралельних процесів, включно з написанням коду та налаштуванням середовища. Якщо модель почне керувати такими контурами самостійно, рівень людської участі різко скоротиться.
Чи потрібна нейромережам креативність
На думку співзасновника Anthropic, одне з ключових питань — на що більше схожа розробка ШІ: на відкриття загальної теорії відносності чи на складання Lego.
Кларк визнав, що сучасні LLM поки що не здатні генерувати принципово нові наукові ідеї. Втім, для автоматизації значної частини R&D це може бути не обов’язково.
«Здебільшого ШІ рухається вперед через методичне виконання людьми певного циклу: взяти систему, що добре працює, масштабувати якийсь її аспект, подивитися на помилки під час масштабування та виправити їх. Для цього потрібно дуже мало нестандартних ідей, і більша частина подібного процесу схожа на непривабливу чорнову інженерну роботу», — зауважив експерт.
Перші ознаки наукового внеску
Кларк вважає, що у ШІ-моделей вже починають з’являтися ранні ознаки наукової інтуїції. Він навів кілька прикладів з математики та інформатики:
- команда математиків за допомогою Gemini перевірила близько 700 задач Ердеша й отримала 13 рішень, одне з яких дослідники назвали «дещо нетривіальним» внеском у відкриту проблему;
- вчені з Університету Британської Колумбії, Університету Нового Південного Уельсу, Стенфорда та Google DeepMind опублікували математичний доказ, знайдений за суттєвої участі інструментів на базі Gemini.
Що буде, якщо прогноз справдиться
Кларк звернув увагу, що найбільші ШІ-лабораторії вже рухаються в бік автоматизації досліджень. OpenAI має намір створити ШІ-стажера для самостійної наукової діяльності, Anthropic випускає роботи з автоматичного налаштування під людські цінності.
Якщо поточний темп збережеться, індустрія перейде до фази повної автоматизації розробки ШІ. Запуститься цикл, у якому кожне нове покоління ШІ прискорює появу наступного, спрогнозував експерт.
За його словами, якщо до кінця 2028 року перехід відбудеться, світ зіткнеться не лише з технологічним стрибком. На перший план також вийдуть фундаментальні питання безпеки, розподілу капіталу, ролі людської праці та контролю над системами, що починають розвиватися швидше за своїх творців.
«Якби ви змусили мене назвати ймовірність для 2027 року, я б сказав 30%. Якщо ми не побачимо цього до кінця 2028 року, то, гадаю, ми виявимо якийсь недолік у поточній технологічній парадигмі, і для руху вперед знадобиться людський винахід», — підсумував Кларк.
Нагадаємо, британський біолог, популяризатор науки та письменник Річард Докінз заявив, що Claude має свідомість.