Натан Ламберт считает, что ИИ станет сверхчеловеческим инженером, но не сверхинтеллектом

ИИ-агенты в ближайшие годы возьмут на себя инженерную работу по обучению и запуску моделей на видеокартах, и ответы моделей резко подешевеют, но к общему сверхинтеллекту это не приведёт, считает исследователь Натан Ламберт, автор рассылки Interconnects.

Почему это важно: по Ламберту, автоматизация инженерии даст ИИ не новое качество, а дешевизну: технология быстрее разойдётся по экономике, даже если за пределами математики и программирования модели так и не превзойдут человека. В исследованиях хорошая идея может стать намного ценнее умелой реализации в коде — сейчас лучших исследователей судят как раз по умению воплотить идеи в сложной инфраструктуре.

Повод: Ламберт часто слышит от ведущих исследователей отрасли, что через несколько лет ИИ превзойдёт их в их же работе. Его объяснение: они видят, как стремительно модели осваивают инфраструктуру и инженерию.

Цитата: «Я полностью согласен, что через несколько лет модели станут сверхчеловеческими инженерами по распределённым вычислениям на видеокартах. Это сильно облегчит эксперименты с устройством моделей, но не сделает наши модели принципиально другими», — написал Ламберт 9 октября.

Детали: инженерию, по Ламберту, проще всего отдать ИИ, потому что её результат легко измерить:

• Обучение оценивают по числу токенов в секунду на одну видеокарту, готовую модель — по стоимости одного ответа.
• По его словам, за последние годы компании нередко срезали 10–30% затрат на обслуживание модели уже после того, как объявили её цену.

Не факт: Ламберт прогнозирует, что стоимость «интеллекта» моделей будет падать почти экспоненциально, а исследования предобучения¹ — выбор архитектуры и данных — автоматизируют за 2–3 года. Дешевизна, по его мнению, только поднимет спрос на агентов, как предсказывает парадокс Джевонса². Ранний признак этого он видит в агенте Muse, которого Meta* запустила в сентябре. Проверить прогноз можно будет только через несколько лет.

Другая сторона: в OpenAI рассчитывают автоматизировать сами исследования. В октябре 2025 года Сэм Альтман назвал вероятным, что к сентябрю 2026-го у компании будет ИИ-ассистент по исследованиям уровня стажёра, а к марту 2028-го — «настоящий исследователь ИИ». В сентябре OpenAI объявила, что первую цель достигла.

Интрига: многое из того, что лаборатории покупают у продавцов сред обучения с подкреплением³, исследователи, по словам Ламберта, считают «откровенно хламом». При этом ведущие лаборатории видят от этих покупок явную отдачу. Продавцов с выручкой больше 100 млн или даже 1 млрд долларов, пишет он, «куда больше, чем я ожидал».

Проверили: рынок и правда большой. В сентябре 2025 года TechCrunch со ссылкой на The Information писал, что руководство Anthropic обсуждало траты больше 1 млрд долларов на такие среды за год. Surge, которая размечает данные и завела отдельное подразделение по средам, получила в 2024 году 1,2 млрд долларов выручки.

Что говорят: «Думаю, люди недооценивают, насколько трудно масштабировать среды. Даже лучшие из общедоступных обычно не работают без серьёзной доработки», — говорил TechCrunch в сентябре 2025 года Росс Тейлор, бывший руководитель исследований ИИ в Meta.

Ламберт и раньше спорил с идеей рекурсивного самосовершенствования⁴. В марте он писал, что модели станут центральной частью разработки ИИ, но многочисленные помехи не дадут прогрессу разогнаться: он будет скорее линейным, чем экспоненциальным.