Співзасновник Anthropic припустив появу здатного до саморозвитку ШІ до 2028 року

До 2028 року на ринку можуть з’явитися системи ШІ, здатні самостійно проєктувати й навчати власних наступників без участі людини. Такий прогноз дав співзасновник компанії Anthropic Джек Кларк.

«Це дуже важливо. Я не знаю, як це усвідомити. Я неохоче доходжу цього висновку, тому що наслідки настільки великі, що я почуваюся пригніченим ними, і я не впевнений, що суспільство готове до тих змін, які передбачає автоматизована розробка ШІ», — зазначив він.

Кларк описав сценарій повної автоматизації досліджень у сфері ШІ — модель самостійно:

• ставить дослідницькі завдання;
• проєктує експерименти;
• пише й тестує код;
• оптимізує навчання;
• покращує архітектуру наступної версії ШІ.

Експерт назвав це переходом до «майже непередбачуваного майбутнбого» і оцінив імовірність такого сценарію у 60% у найближчі два роки.

На чому ґрунтується оцінка

Висновок Кларка ґрунтується на динаміці кількох бенчмарків:

• SWE-Bench — тест на розв’язання реальних інженерних задач у репозиторіях GitHub. Наприкінці 2023 року найкращі моделі справлялися приблизно з 2% кейсів; навесні 2026-го показник досяг 94%;
• CORE-Bench — відтворення результатів наукових ШІ-статей із встановленням оточення, запуском коду та аналізом висновків. За словами Кларка, бенчмарк фактично «закритий»: сучасні агенти показують близько 95,5%;
• MLE-Bench — виконання ML-задач рівня Kaggle. Найкращі агентні системи вже досягають 64–65%.

За словами співзасновника Anthropic, усі три метрики демонструють одне: ШІ швидко переходить від точкового написання коду до повноцінного виконання інженерних і дослідницьких завдань.

Зростання автономності

Ще один аргумент — збільшення тривалості задач, які моделі ШІ спроможні виконувати без втручання людини.

За даними METR, у 2022 році системи впоралися із завданнями, що займали в людини десятки секунд. У 2024-му показник зріс приблизно до 40 хвилин, у 2025 році — до шести годин. Зараз передові моделі здатні вести інженерну роботу близько 12 годин поспіль.

Кларк пов’язав це з поширенням агентних інструментів для програмування. Чим довше модель утримує ціль, перевіряє проміжні результати й виправляє помилки, тим більше етапів дослідницького циклу їй можна делегувати.

Чому це важливо для розробки ШІ

Сучасний цикл розробки ШІ влаштований за однією схемою: вивчити матеріали, відтворити результат, зібрати експеримент, навчити або донавчити модель, перевірити метрики, знайти вузькі місця й повторити. Прогрес у SWE-Bench, CORE-Bench і MLE-Bench показує, що моделі вже справляються з цілими фрагментами такого циклу.

Кларк окремо відзначив поступ у спеціалізованіших задачах. Наприклад, ШІ починають застосовувати для дизайну ядер GPU — коду, що визначає ефективність навчання та інференсу моделей на конкретному залізі.

Ще один напрям — донавчання моделей. У бенчмарку PostTrainBench системи ШІ покращують невеликі LLM з відкритим кодом.

Станом на весну 2026 року найкращі нейромережі досягають 25–28% від цільового приросту (в людських команд — 51%). Кларк вважає результат значущим: орієнтир задають реальні інструктивні моделі, створені досвідченими дослідниками.

Anthropic вимірювала, як її моделі оптимізують навчання LLM на CPU. За рік прискорення зросло з 2,9 разу (Claude Opus 4) до 52 (Claude Mythos Preview). Людині на аналогічну задачу зазвичай потрібно чотири–вісім годин.

ШІ вже вчиться керувати ШІ

Кларк відзначив, що сучасні системи починають координувати роботу інших агентів. Такий підхід уже використовується в продуктах на кшталт Claude Code або OpenCode: один асистент розподіляє завдання між кількома підасистентами, контролює їх і збирає результати.

Для розробок ШІ це важливо: вони рідко становлять одну лінійну задачу — зазвичай це десятки паралельних процесів, включно з написанням коду та налаштуванням оточення. Якщо модель почне керувати такими контурами самостійно, ступінь людської участі різко скоротиться.

Чи потрібна нейромережам креативність

На думку співзасновника Anthropic, одне з ключових питань — на що більше схожа розробка ШІ: на відкриття загальної теорії відносності чи на складання Lego.

Кларк визнав, що сучасні LLM поки не здатні генерувати принципово нові наукові ідеї. Втім, для автоматизації значної частини R&D це може бути не обов’язково.

«Переважно ШІ рухається вперед через методичне виконання людьми певного циклу: взяти добре працюючу систему, масштабувати якийсь її аспект, подивитися на помилки під час масштабування і виправити їх. Для цього потрібно дуже мало нестандартних ідей, і більша частина подібного процесу схожа на непривабливу чорнову інженерну роботу», — зазначив експерт.

Перші ознаки наукового внеску

Кларк вважає, що в ШІ-моделей вже починають з’являтися ранні ознаки наукової інтуїції. Він навів кілька прикладів з математики та інформатики:

• команда математиків за допомогою Gemini перевірила близько 700 задач Ердеша й отримала 13 рішень, одне з яких дослідники назвали «дещо нетривіальним» вкладом у відкриту проблему;
• вчені з Університету Британської Колумбії, Університету Нового Південного Уельсу, Стенфорда та Google DeepMind опублікували математичний доказ, знайдений за суттєвої участі інструментів на базі Gemini.

Що буде, якщо прогноз справдиться

Кларк звернув увагу, що найбільші ШІ-лабораторії вже рухаються в бік автоматизації досліджень. OpenAI має намір створити ШІ-стажера для самостійної наукової діяльності, Anthropic випускає роботи з автоматичного налаштування під людські цінності.

Якщо поточний темп збережеться, індустрія перейде до фази повної автоматизації розробки ШІ. Запуститься цикл, у якому кожне нове покоління ШІ прискорює появу наступного, спрогнозував експерт.

За його словами, якщо до кінця 2028 року перехід відбудеться, світ зіткнеться не лише з технологічним стрибком. На перший план також вийдуть фундаментальні питання безпеки, розподілу капіталу, ролі людської праці та контролю над системами, що починають розвиватися швидше за своїх творців.

«Якби ви змусили мене назвати імовірність для 2027 року, я б сказав 30%. Якщо ми не побачимо цього до кінця 2028 року, то, гадаю, ми виявимо якийсь недолік у поточній технологічній парадигмі, і для руху вперед знадобиться людський винахід», — підсумував Кларк.

Нагадаємо, британський біолог, популяризатор науки та письменник Річард Докінз заявив, що Claude володіє свідомістю.