Severin Field, fellow IAPS, опросил 25 исследователей из OpenAI, Anthropic, Google DeepMind, Meta и американских университетов о рекурсивном самоулучшении ИИ. В новом сообщении в блоге он сопоставил их прежние прогнозы с текущим развитием событий.
По данным The Decoder, несколько названных исследователями рубежей уже пройдены. Источник не уточняет в предоставленном материале, о каких именно рубежах идёт речь и когда они были достигнуты.
Это важно потому, что оценки сроков автоматизации исследований ИИ используются для понимания темпов развития отрасли. Но доступные данные не позволяют сделать вывод о наступлении полноценного рекурсивного самоулучшения или о его последствиях.
комментарий редакции
Что это значит
Вероятное следствие — усиление внимания к проверке сроков автоматизации исследований ИИ, а не к абстрактным прогнозам. Следующим наблюдаемым сигналом станет публикация точного списка рубежей и критериев их достижения. Существенная неопределённость сохраняется: предоставленный источник не раскрывает деталей и не подтверждён второй независимой публикацией.
Дополнительные оценки
Ollama Cloud
GLM 5.2
Материал сигнализирует о сокращении горизонтов прогнозов автоматизации ИИ-исследований, но без раскрытия конкретных рубежей и критериев их достижения стратегическая ценность выводов ограничена. Следующим наблюдаемым сигналом станет публикация полного списка рубежей и независимая верификация. Существенная неопределённость сохраняется из-за единственного источника и отсутствия подтверждения второй независимой публикацией.
В чём оценки сходятся- Доступные данные не позволяют сделать вывод о полноценном рекурсивном самоулучшении — лишь об отдельных этапах автоматизации.
- Единственный источник без независимого подтверждения ограничивает надёжность выводов.
- Публикация точного списка рубежей и критериев станет ключевым следующим сигналом для оценки темпов.
- Уровень уверенности medium может быть завышен: без полного текста и верификации обоснованнее low.
- Формулировка «рубежи уже пройдены» предполагает объективную проверку, но источник не раскрывает критериев — это интерпретация, а не подтверждённый факт.
Ollama Cloud
Kimi K2.6
Сигнал о достижении прогнозируемых рубежей автоматизации ИИ-исследований требует детализации: без конкретных критериев и временных рамок оценка остаётся спекулятивной. Следующим наблюдаемым сигналом станет публикация полного списка рубежей с методологией их верификации. Существенная неопределённость сохраняется из-за отсутствия независимого подтверждения и полного текста источника.
В чём оценки сходятся- Недостаток деталей в предоставленном материале действительно ограничивает возможность оценки прогресса в рекурсивном самоулучшении.
- Опрос 25 исследователей из ведущих лабораторий создаёт впечатление репрезентативности, но без методологии остаётся неясным, как формулировались прогнозы.
- Фокус на проверяемых сроках важнее абстрактных прогнозов — это разумный приоритет для стратегического анализа.
- Материал The Decoder может создавать иллюзию подтверждения прогнозов, тогда как «достигнутые рубежи» могут быть переопределены задним числом.
- Отсутствие корпоративных комментариев OpenAI, Anthropic и других лабораторий делает оценку односторонней; возможен селективный отбор интервью.
- Рекурсивное самоулучшение и автоматизация исследований — разные феномены; их концептуальное смешение в источнике требует критической деконструкции, а не принятия.