Керівник Google DeepMind: капітальні витрати на AI у сотні мільярдів — це найбільша наукова ставка в історії людства, основна ставка — на "рекурсивне самовдосконалення"

Автор | Бао Йілун

      Редактор | Твердий AI

Коли техгіганти витрачають безпрецедентні суми на створення AI-інфраструктури, логіка цієї великої ставки стає очевидною — ставка на те, що AI зможе досягнути "рекурсивного самовдосконалення".

3 серпня головний стратег Google DeepMind Jasjeet Sekhon відкрито заявив минулого вікенду на саміті Agentic AI в Каліфорнійському університеті в Берклі,рекурсивне самовдосконалення (Recursive Self-Improvement, RSI) є "основною інвестиційною логікою", що стоїть за капітальними витратами всієї галузі.

Рекурсивне самовдосконалення означає, що AI може автономно створювати більш вдосконалені версії самого себе і розглядається як наступний важливий етап після AGI (General Artificial Intelligence).

Sekhon також визнав,доходи від AI "ще недостатні, щоб підтримувати" поточний масштаб капітальних витрат, і галузь ризикує опинитися на ринку у фазі вакууму.

Цього року Google витратила близько 200 мільярдів доларів на AI дата-центри та обладнання і планує збільшити ці витрати наступного року.

Водночас, дослідник DeepMind Oriol Vinyals та співзасновник OpenAI Wojiech Zaremba заявили,що рекурсивне самовдосконалення може бути досягнуто у 2027–2028 роках.

Логіка масових ставок: рекурсивне самовдосконалення замінює AGI

У наративі AI-індустрії рекурсивне самовдосконалення швидко витісняє AGI та стає найгарячішим поняттям.

AGI — це скорочення від Artificial General Intelligence, українською часто перекладається як "загальний штучний інтелект". Це одна з кінцевих цілей досліджень штучного інтелекту, має на увазі систему, що може виконувати більшість економічно цінних завдань на рівні або вище людського.

Sekhon визначає поточні капітальні витрати AI-індустрії як "найбільшу наукову ставку в історії людської цивілізації", яка перевищує масштаб Аполлонівської місячної програми уряду США, Манхеттенського проекту та розробки інтернету.

Справжнє рекурсивне самовдосконалення означає, що AI-модель може самостійно перепроєктовувати власну архітектуру та створювати цілковито нові моделі, формуючи безперервний цикл самовдосконалення.

Sekhon визнає, що поточні технології "далеко від цієї стадії", але підкреслює,що AI-компанії вже можуть використовувати моделі для допомоги у проєктуванні окремих компонентів інших моделей — це можна розглядати як "передвісник" рекурсивного самовдосконалення.Він порівняв це явище з історією: використання парової машини для виробництва наступної генерації парових машин.

Втім, Sekhon зазначає:

Ставити на те, що рекурсивне самовдосконалення не буде досягнуте, здається нерозумним.

Однак Sekhon прогнозує, що рекурсивне самовдосконалення "з великою ймовірністю з'явиться протягом найближчих років".

Дослідники DeepMind Oriol Vinyals та співзасновник OpenAI Wojiech Zaremba на панельній дискусії того ж саміту вказали більш конкретні терміни: 2027 або 2028 рік.

Реалії дефіциту доходів: побоювання акціонерів Google

Попри масштабну стратегічну наративу, Sekhon відкрито описує поточну фінансову реальність.

Він чітко зазначає, що доходи від AI наразі "не можуть підтримувати наші капітальні витрати", це означає,галузь ризикує потрапити у "AI повітряну кишеню" — тобто великі капітальні витрати вже йдуть, а відповідні доходи залежать.

Це абсолютно відповідає побоюванням акціонерів Google. Хоча провідні інвестори AI, зокрема Google, демонструють швидке зростання продажів програмного забезпечення та хмарних сервісів, акціонери все більше непокояться щодо витрат готівки компанії.

Для порівняння, Amazon AWS цього кварталу зафіксував 37% зростання доходу, квартальний дохід склав 42,2 мільярда доларів, а операційна маржа зросла з 37% до 39%, демонструючи швидку монетизацію AI-хмарних сервісів.

Це певною мірою підтверджує бізнес-логіку галузевих колосальних інвестицій, але й більш чітко підкреслює структурний розрив між доходами та витратами, якого не приховує Google.

Карта ризиків: від кібер атак до біологічних загроз

На саміті Sekhon та професор комп’ютерних наук Каліфорнійського університету в Берклі, якій нещодавно приєднався до “суперінтелектуального” підрозділу Meta — Dawn Song, витратили багато часу на обговорення ризиків безпеки, що виникають з AI, особливо його потенціалу як інструмента для кібер та біологічних атак.

Song зазначає, що найближчим часом AI "більше приноситиме користь атакуючим", причина — у внутрішній асиметрії між нападом і захистом:

Нападнику достатньо одного успішного використання, а захисник має зупинити всі атаки.

Sekhon погоджується з цим і попереджає, що із забрудненням атакуючими open source репозиторіїв, використанням людиною написаного низькоякісного коду "майбутній період буде досить складним", особливо для слабких систем США — енергомережі, лікарень.

Однак,Sekhon визначає ще серйознішу загрозу у сфері біобезпеки.Він зазначає:

Ми вже дуже близько до світу, в якому достатньо вести діалог з моделлю природною мовою, щоб спроєктувати вірус чи білок. Це світ, який надовго залишиться небезпечним і сприятливою для атакуючих стороною.

Він зазначає, що для протидії біологічним ризикам має бути суворіше ліцензування, моніторинг і відстеження "біологічно пов’язаних матеріалів", і розповідає, що Google переносить технологію водяних знаків AI-контенту SynthID на біологію, щоб допомогти DNA-синтетичним компаніям фільтрувати потенційно небезпечні AI-згенеровані біопослідовності.