Мрачные заголовки о том, что "новое поколение ИИ вытеснит человека" и якобы "человечество вымрет к середине 2030‑х", появились не из научного консенсуса, а из того, как отдельные реплики исследователей были упрощены до формата апокалиптического тизера. В медиа это часто подают так, будто дата "конца света" уже назначена, а имя будущего "монстра" известно - AGI, то есть искусственный интеллект общего назначения. Реальность сложнее: даже сами авторитетные специалисты спорят о терминах, вероятностях и критериях, а многие прогнозы - это оценки риска, а не приговор.
Контраст особенно заметен, если поставить такие заявления рядом с обычной технологической повесткой дня. Пока в публичных обсуждениях спорят о суперинтеллекте, в новостной ленте одновременно звучат куда более приземлённые темы: в России тысячи интернет‑провайдеров могут столкнуться с риском потерять право работать; у ряда крупнейших отечественных экосистем фиксируется замедление роста аудитории; зарубежный интернет‑трафик у операторов продолжает увеличиваться на фоне блокировок. ФСБ также сообщала о попытках сорвать блокировку Telegram и о подготовке теракта против РКН. Параллельно индустрия показывает чисто продуктовые релизы: OpenAI представила GPT‑5.5 (модель быстрее схватывает задачу, лучше пишет код и умеет проводить более глубокие исследования), а МТС запустила продажи смартфонов Huawei nova 15 - и спрос на предзаказе, по заявлению, вырос втрое. На экранах терминалов в этот же день могли мелькать и биржевые ориентиры: eur - 87.53₽ (-0.51%), usd - 74.83₽ (-0.22%), btc - 77 795.00$ (-0.08%), eth - 2 314.25$ (-0.99%), ton - 1.33$ (-1.40%). Всё это хорошо иллюстрирует простой факт: "AGI завтра" обсуждают на фоне мира, где технологии развиваются рывками, но живут внутри экономики, регулирования и инфраструктуры.
Что такое AGI и почему вокруг него столько шума
AGI (artificial general intelligence) обычно понимают как ИИ, который не "силён в одном", а способен решать широкий спектр когнитивных задач на уровне человека - или выше. OpenAI формулирует это как "высокоавтономные системы, превосходящие людей в большинстве экономически ценных видов работы". В Google DeepMind подчёркивают похожую планку: система, которая "как минимум так же способна, как человек, в большинстве когнитивных задач". Звучит определённо - но на практике даже лидеры области признают, что идеального и единого определения нет.
Джеффри Хинтон прямо называл AGI "серьёзной, но плохо определённой концепцией" и отмечал отсутствие согласия о точном смысле термина. При этом к рискам он относится максимально жёстко: в декабре 2024 года Хинтон говорил о вероятности в 10-20%, что ИИ может привести к вымиранию человечества в ближайшие 30 лет. Важно читать это аккуратно: речь о вероятности и горизонте, а не о "точной дате" и тем более не о гарантии.
Чем AGI отличается от LLM - и почему это принципиально
Путаница начинается там, где нынешние большие языковые модели (LLM) начинают воспринимать как "почти AGI". LLM действительно впечатляют: они генерируют тексты, поддерживают диалог, пишут код, отвечают на вопросы, делают выжимки - по сути, выступают сильным языковым интерфейсом. Но "умный текст" ещё не равен универсальному интеллекту.
В обзоре 2024 года исследователи из Queensland University of Technology и University of Queensland подчёркивали: LLM остаются ограниченными, склонны к галлюцинациям и могут выдавать правдоподобную, но неверную информацию. В критически важных задачах ответы необходимо перепроверять по надёжным данным. Это не мелкая оговорка, а ключевой барьер: универсальная система должна не просто говорить убедительно, а устойчиво действовать, корректировать ошибки, переносить навыки между областями и учиться на опыте.
Если упростить различие для практического понимания: LLM - сильный "языковой слой", а AGI - гипотетическая система общего назначения, которая умеет планировать, автономно действовать, надёжно адаптироваться к новому и стабильно решать задачи вне узкой специализации.
Когда о "общем ИИ" начали говорить всерьёз
Сам термин artificial general intelligence впервые использовал Марк Губруд в 1997 году. В начале 2000‑х выражение вернули в широкий оборот и популяризировали Бен Гёрцель и Шейн Легг. А уже в 2006 году прошёл воркшоп AGIRI с темой "Transitioning from Narrow AI to Artificial General Intelligence" - то есть переход от узкого ИИ к общему обсуждали задолго до нынешнего бума чат‑ботов. При этом сама мечта о "машине общего интеллекта" ещё старше: исследователи ИИ XX века часто мыслили именно в направлении универсального мышления, а не отдельных прикладных модулей.
Что говорят специалисты сегодня: три разных оптики
Позиции заметных фигур индустрии хорошо показывают, почему СМИ так легко "назначают дату", хотя оснований для точности нет.
* Демис Хассабис (Google DeepMind) смотрит на вопрос более инженерно: допускает появление AGI в горизонте 5-10 лет, но подразумевает не "просто очень сильный чат‑бот", а систему, способную к настоящим научным открытиям и формулированию новых объяснений мира.
* Эндрю Ын предлагает остудить ожидания: по его оценке, "настоящий AGI", который покрывает весь спектр интеллектуальных задач человека, - это история на десятилетия. А практическая отдача ближайших лет - в ИИ‑агентах и прикладных решениях, а не в культе скорого "сверхразума".
* Джеффри Хинтон одновременно признаёт размытость определения и настаивает на серьёзности рисков, называя ощутимые вероятности тяжёлых сценариев на горизонте десятилетий.
Именно разница в трактовках порождает медийный парадокс: один эксперт говорит "5-10 лет до AGI", другой - "десятилетия до настоящего AGI", третий - "есть ненулевая вероятность катастрофы в ближайшие 30 лет", а в заголовок попадает "вымрем к середине 2030‑х".
Почему "дата конца человека" так хорошо расходится
Апокалиптические прогнозы цепляются за внимание по нескольким причинам. Во‑первых, слово "AGI" звучит как обозначение неизбежного этапа эволюции технологий, хотя на деле это спорная цель с плавающими критериями. Во‑вторых, публика часто переносит впечатления от текущих LLM на гипотетический универсальный интеллект: если модель уже пишет код и рассуждает, значит "следующий шаг" якобы автоматически будет человеческим уровнем во всём. В‑третьих, даже осторожная фраза "вероятность 10-20% на 30 лет" в пересказе превращается в "вот‑вот".
Более реалистичный взгляд: что именно может "вытеснить" человека
Даже если отбросить сценарии вымирания, вытеснение возможно в более приземлённом смысле - на рынке труда и в распределении функций. ИИ‑системы уже сейчас меняют роль сотрудников: меньше ручной рутины, больше контроля качества, постановки задач, ответственности за результат. В некоторых профессиях это выглядит как сокращение спроса на джунов, в других - как рост производительности сильных специалистов.
Но "вытеснение" не равно "исчезновение". Исторически технологии чаще перераспределяли работу, чем полностью отменяли человеческую потребность в управлении, ответственности, праве выбора и социальном доверии. Даже очень автономные агенты будут упираться в юридические рамки, безопасность, репутационные риски и необходимость объяснимости.
Почему проблема не только в интеллекте, но и в управляемости
Главный страх вокруг AGI связан не с тем, что система будет "умной", а с тем, что она может стать плохо контролируемой: ошибаться в целях, оптимизировать метрики в ущерб людям, использовать непредусмотренные пути достижения результата. Отсюда и внимание к теме alignment - согласования поведения ИИ с человеческими намерениями и нормами. В этой логике "опасность" может прийти не от злого умысла, а от неверно заданных ограничений и слишком высокой автономности.
Как распознать манипулятивный прогноз и не поддаться панике
Есть несколько признаков, что перед вами не аналитика, а драматизация:
1) звучит точная "дата", хотя обсуждаются вероятности и сценарии;
2) не различают LLM, агенты и AGI, называя всё одним словом "ИИ";
3) отсутствуют критерии: что именно считается появлением AGI и как это измерят;
4) игнорируются ограничения - галлюцинации, необходимость валидации, уязвимости и зависимость от данных/инфраструктуры.
Что делать бизнесу и специалистам уже сейчас
Практический вывод из дискуссии об AGI не в том, чтобы ждать 2035 год, а в том, чтобы готовиться к ускорению изменений:
- внедрять ИИ там, где есть чёткие метрики качества и понятные риски;
- строить процессы проверки результатов (особенно для кода, финансов, медицины, юриспруденции);
- инвестировать в обучение сотрудников работе с ИИ‑инструментами и постановке задач;
- разделять "демо‑эффект" и промышленную надёжность: впечатляющий ответ в чате ещё не означает стабильную систему.
Итого: страшно ли "к середине 2030‑х"
Сценарий "вымрем к середине 2030‑х" - это не научно установленный факт, а медийная интерпретация разрозненных оценок и тревог вокруг плохо определённого термина. AGI действительно обсуждают всерьёз: у него есть рабочие определения у OpenAI и DeepMind, есть история термина от Губруда (1997) до популяризации в 2000‑х и воркшопов вроде AGIRI (2006), есть разные прогнозы по срокам (от 5-10 лет до десятилетий) и даже жёсткие оценки рисков (Хинтон - 10-20% на горизонте 30 лет). Но превращать это в календарь апокалипсиса - методологическая ошибка.
Гораздо полезнее смотреть на происходящее трезво: нынешние LLM остаются ограниченными и склонными к ошибкам, зато темпы прогресса высоки, и влияние на экономику - уже реальность. Вопрос ближайших лет не в том, "исчезнет ли человек", а в том, как люди, компании и государства выстроят контроль, ответственность и правила игры в мире, где интеллектуальные функции всё чаще выполняют машины.
