Тупик масштабирования: почему ИИ застрял на уровне интуиции
Индустрия искусственного интеллекта переживает очередной пик технооптимизма. Новейшие модели, такие как GPT-5.5 Thinking от OpenAI или Claude Opus 4.8 от Anthropic, демонстрируют поразительные способности к анализу данных и написанию кода. Однако за внешним блеском скрывается фундаментальная проблема. Свежий научный препринт, опубликованный в архиве Корнеллского университета (arXiv:2606.11245), ставит под сомнение саму возможность достижения сильного искусственного интеллекта (AGI) на базе текущих архитектур.
Исследователи утверждают: сколько бы вычислительных мощностей мы ни вливали в обучение больших языковых моделей (LLM), они никогда не станут настоящим сверхразумом. Причина кроется в фундаментальном различии между человеческой интуицией и осознанным логическим мышлением.
Имплицитная память против эксплицитной: взгляд со стороны нейробиологии
Чтобы понять суть проблемы, авторы работы предлагают обратиться к устройству человеческого мозга. В нейробиологии память разделяют на два ключевых типа:
- Имплицитная (неявная) память. Отвечает за бессознательные процессы, привычки, моторные навыки и интуитивное использование языка. Когда мы мгновенно подбираем слова в разговоре или ведем автомобиль, работает именно она.
- Эксплицитная (явная) память. Управляется гиппокампом. Она отвечает за сознательное запоминание фактов, событий, построение логических цепочек, стратегическое планирование и метапознание (способность оценивать собственные знания).
Современные LLM по своей природе являются аналогом исключительно имплицитной памяти человека. Они обучаются на колоссальных объемах текста, выявляя статистические закономерности и ассоциации между словами. Когда нейросеть генерирует ответ, она не «думает» в человеческом понимании — она выдает наиболее вероятное продолжение текста на основе накопленной статистики. Это продвинутая, невероятно сложная интуиция, лишенная сознательного контроля.
Почему «мыслящие» модели — это лишь имитация логики
Разработчики пытаются преодолеть это ограничение. В последних версиях ИИ-ассистентов появились так называемые «режимы рассуждения» (thinking). Модели берут паузу перед ответом, чтобы выстроить внутреннюю цепочку шагов (Chain of Thought). Однако, как доказывает исследование arXiv:2606.11245, это лишь временный костыль.
Без интеграции выделенной системы эксплицитной памяти (аналога искусственного гиппокампа) нейросети остаются заложниками статистического обучения. Они не способны к долгосрочному планированию и символьному мышлению в меняющихся условиях.
Даже самые дорогие тарифные планы не решают эту архитектурную проблему. Ниже приведено сравнение возможностей современных флагманских моделей на рынке:
| Модель | Доступные режимы «мышления» | Стоимость подписки (USD) | Архитектурное ограничение |
|---|---|---|---|
| GPT-5.5 Thinking / Pro | Да (режимы Thinking и Pro-рассуждения) | $20/мес (Plus), $100–$200/мес (Pro) | Статистическая имитация логики без явной памяти |
| Claude Opus 4.8 | Да (глубокое контекстное рассуждение) | $20/мес (Pro), от $100/мес (Max) | Ограничено размером контекстного окна |
| Gemini 3.1 Pro Deep Think | Да (выделенный режим глубокого анализа) | $19.99/мес (AI Pro), $99.99–$199.99/мес (AI Ultra) | Зависимость от объемов обучающей выборки |
| DeepSeek-V4-Pro | Да (опциональный режим рассуждения) | API: $0.435 (вход) / $0.87 (выход) за 1M токенов | Отсутствие динамического обновления знаний |
Чтобы пользоваться ChatGPT из России, многие подключают dropweb VPN — сервис открывается в официальном интерфейсе, подключение занимает пару минут. Это позволяет без проблем тестировать новые режимы GPT-5.5 Thinking и Pro-версии, оценивая пределы их «логики» на практике.
Что нужно для создания настоящего AGI?
Авторы научной работы приходят к выводу, что для качественного скачка в развитии ИИ индустрии необходимо сменить парадигму. Вместо простого масштабирования параметров и увеличения датасетов нужно внедрять искусственные системы эксплицитной памяти.
Такая система должна отвечать за три ключевых вычислительных процесса:
- Динамическое обновление знаний: способность ИИ мгновенно усваивать новые факты без необходимости переобучения всей нейросети.
- Символьное рассуждение: строгая логика, основанная на правилах, а не на вероятностях.
- Метапознание: способность модели точно оценивать границы своей компетентности и говорить «я не знаю» вместо генерации уверенных галлюцинаций.
Пока разработчики не создадут кремниевый аналог человеческого гиппокампа, способный работать в связке с языковой моделью, разговоры о скором приходе сверхразума останутся лишь маркетинговым шумом.
