Глава OpenAI назвал нынешний этап развития искусственного интеллекта тем самым моментом, который еще недавно казался научной фантастикой. Звучит как начало фильма-катастрофы, но реальная техническая картина одновременно интереснее и спокойнее.
Сэм Альтман снова нашел формулу, после которой технологическая индустрия на несколько дней забывает обо всем остальном. В опубликованном 25 июля выпуске подкаста Relentless с участием главы OpenAI он заявил, что человечество уже находится «в сингулярности» — в той самой точке, после которой развитие машинного интеллекта начинает ускорять само себя.
Слова мгновенно разошлись по мировым СМИ. Business Insider приводит формулировку Альтмана: «Это и есть момент». Для человека, который руководит одной из главных ИИ-компаний мира, заявление почти предельное. Оно будто бы ставит дату на событии, о котором футурологи спорили десятилетиями.
Но здесь необходимо отделить три вещи: яркую фразу руководителя компании, реальный рост возможностей ИИ-систем и научно проверяемый факт. Первые две сомнений не вызывают. Третьего пока нет.
Сингулярность — не новый режим в настройках ChatGPT
У технологической сингулярности нет общепринятого теста, контрольной лампы или международного органа, который мог бы официально объявить: граница пройдена. Обычно этим словом называют гипотетический этап, когда машины превосходят людей в широком наборе интеллектуальных задач, а затем начинают улучшать технологии с такой скоростью, что дальнейшее развитие становится трудно предсказывать.
Это не то же самое, что AGI — универсальный искусственный интеллект. Даже сама OpenAI использует для AGI более прикладное определение. В уставе компании речь идет о высокоавтономных системах, которые превосходят человека в большинстве экономически значимых видов работы. Сингулярность описывает не столько уровень одной модели, сколько разгон всей системы: модели помогают создавать новые модели, ускоряют исследования, проектируют вычислительную инфраструктуру и сокращают путь от идеи до работающего продукта.
Поэтому заявление Альтмана нельзя прочитать как сообщение о прохождении конкретного экзамена. Подтвердить наступление сингулярности как измеримый научный факт сегодня невозможно: общепринятой границы, которую можно было бы независимо проверить, не существует.
Сам Альтман давно употребляет термин шире классического апокалиптического сценария. Еще в эссе The Gentle Singularity он писал, что человечество уже прошло «горизонт событий», но повседневная жизнь при этом не стала похожа на фантастический фильм. Его версия сингулярности приходит не одним ударом. Вчера система научилась писать связный код, сегодня выполняет многошаговую задачу, завтра помогает исследователю проверить гипотезу — и каждое чудо быстро превращается в обычную функцию.
Что в словах Альтмана действительно важно
Самая сильная часть заявления — не слово «сингулярность», а описание замкнутого контура ускорения.
Современная модель уже не обязательно ждет один вопрос и выдает один ответ. В агентном режиме она может разбить цель на этапы, работать с файлами, запускать инструменты, проверять промежуточный результат и возвращаться к неудачному шагу. Когда такие системы применяют в программировании и исследованиях машинного обучения, ИИ начинает участвовать в создании следующего поколения ИИ.
Альтман в своем эссе называет это ранней, «личиночной» формой рекурсивного самоулучшения и одновременно делает важную оговорку: это еще не машина, которая полностью автономно переписывает собственный код. Пока речь идет о связке из моделей, людей, вычислительных мощностей, лабораторных процедур и огромных бюджетов. Контур ускорился, но человек из него не исчез.
Именно здесь проходит граница между реальной инженерией и образом Скайнета. У нынешних систем нет единого непрерывного намерения, собственного завода и бесконечного доступа к ресурсам. Их возможности зависят от предоставленных инструментов, разрешений, контекста, качества данных и того, насколько хорошо задача поддается проверке.
Насколько автономен современный ИИ
Одну из наиболее полезных попыток измерить прогресс проводит исследовательская организация METR. Она оценивает так называемый «горизонт задачи»: сколько времени такая задача заняла бы у специалиста и с какой надежностью ее способен выполнить ИИ-агент. Актуальная методика METR строится более чем на сотне заданий, главным образом из программной инженерии, машинного обучения и кибербезопасности.
Графики действительно показывают быстрый рост. Но ограничения не менее важны, чем рекорды. METR прямо предупреждает, что измерения для задач длиннее 16 часов пока ненадежны. Организация также подчеркивает: успешное выполнение чистой, четко сформулированной инженерной задачи не означает способность заменить целую профессию. Реальная работа состоит из переговоров, неявного контекста, конфликтующих целей и критериев успеха, которые невозможно проверить автоматическим тестом.
Другими словами, современный ИИ уже может быть пугающе силен на узком участке и неожиданно беспомощен в соседнем. Он способен за минуты написать работающий модуль, а затем ошибиться в исходной предпосылке. Может провести длинную цепочку действий, но не заметить, что добросовестно решает не ту задачу. Это не опровержение прогресса — это его точный профиль.
Почему «сингулярность» может оказаться деловым термином
Для компаний спор о названии эпохи менее важен, чем изменение стоимости интеллектуальной работы. Если один специалист с агентом способен быстрее проверить несколько архитектур, собрать прототип и написать тесты, преимущество получает не тот, у кого просто есть доступ к модели. Выигрывает тот, кто перестроил процессы вокруг быстрой проверки результата.
Отсюда следует и неприятная часть. Чем больше действий передается агенту, тем дороже одна незамеченная ошибка. Автоматизация без журналов операций, разграничения доступа и контрольных точек масштабирует не только производительность, но и промахи. Поэтому практический ответ на быстрый рост возможностей выглядит куда прозаичнее футурологических манифестов: ограниченные разрешения, независимые тесты, обязательная проверка критических решений и понятный сценарий остановки.
Именно такой жизненный цикл — управление, описание контекста, измерение и работа с рисками — предлагает организациям профиль NIST для генеративного ИИ. Это не тормоз для технологии, а ремни безопасности для систем, которые получили возможность самостоятельно выполнять длинные цепочки операций.
Так сингулярность наступила или нет?
Если понимать ее как один доказанный момент, после которого сверхразум начал бесконтрольно улучшать себя, — подтверждения этому нет. Если же Альтман называет сингулярностью период, когда ИИ уже ускоряет разработку ИИ, а возможности растут быстрее, чем общество успевает к ним привыкать, его мысль значительно ближе к наблюдаемой реальности.
В этом и состоит главный парадокс 2026 года. Самые заметные изменения выглядят не как восстание машин, а как очередное обновление рабочего инструмента. Сначала агент пишет функцию. Затем собирает приложение. Потом проводит эксперимент, который помог бы создать более сильного агента. Каждый отдельный шаг кажется понятным, но вся лестница уходит вверх быстрее, чем раньше.
Альтман, возможно, не объявил наступление нового физического закона. Зато он точно обозначил настроение индустрии: лидеры ИИ-гонки больше не обсуждают сингулярность исключительно в будущем времени. Теперь спор идет о том, не началась ли она настолько буднично, что мы успели привыкнуть к ней раньше, чем заметили.
