Маск погоджується зі зробленим Віллом Депью висновком: здатності ШІ не зупиняться, а рекурсивне самовдосконалення (RSI) настане менше ніж через 24 місяці.

Автор статті, джерело: 0x9999in1, ME News



Коротко

• Маск погоджується зі зробленим Віллом Депью висновком: здатності ШІ не зупиняться, а рекурсивне самовдосконалення (RSI) настане менше ніж через 24 місяці. Першу частину я підтримую, другу — залишаю під сумнівом.
• Але в цій діалозі існує розбіжність: основні аргументи щодо заниження оцінки передових лабораторій ніколи не полягали в тому, що «моделі не працюють», а в тому, що «моделі чудово працюють, але ви не отримуєте грошей».
• Речення Маска про те, що «штучний інтелект два роки тому був настільки застарілим, що його можна було відправити до музею», насправді є найкращою фразою для медвідників. Вона стосується швидкості зношування активів, а не конкурентних переваг.
• Крива здібностей підтверджена реальними даними: «тривалість завдання», виміряна METR, подвоюється приблизно кожні сім місяців, а за останні два роки — навіть швидше. Це найважливіший показник, за яким варто стежити.
• Проблема RSI не в можливості, а в надто розмитому визначенні. Вузькоспеціалізоване самовдосконалення вже відбулося (AlphaEvolve — це підтвердження), але глобальний замкнений цикл застряг на обчислювальних потужностях, енергії, експериментальних циклах та оцінці.
• У Маска є історичне навантаження зі розкладом. FSD «наступного року» обіцяли вже десять років, AGI також прогнозували на 2025 і 2026 роки. Напрямок правильний, але темпи часто неправильні.
• Мій висновок: здатність до довгих позицій не означає довгі позиції по будь-якому конкретному балансі. Ці дві речі слід розглядати окремо.

Вони відповідають не на той самий запит

Спочатку чітко сказати.

Слова Віла Депю мають передумову: ця медв’яча думка «досить логічна, якщо ігнорувати AGI».

Ця передумова фактично визнає напівлогіки шортів.

Більшість тих, хто скептично ставиться до оцінки Frontier Labs, не вважають, що модель зупиниться. Їх аргументи інші: непридатність одиничної економіки, надмірна інтенсивність капітальних витрат, недооцінений термін зносу, конкуренція, що знижує цінову владу, та значно нижчий, ніж очікувалося, рівень реалізації на бізнес-стороні.

Жоден із цих пунктів не залежить від «зповільнення можливостей ШІ».

Тоже саме, що й Маск: «Штучний інтелект через два роки вразить людей до відчайдушності» — як оцінка тренду здатності, я вважаю, що це дуже ймовірно. Але як заперечення медв’ячих аргументів, воно насправді не досягає мети.

Це був гарний удар, але він влучив у порожнє повітря.

Скажу простіше: технічна крива і крива грошових потоків — це не одне й те саме. Історично вони часто рухалися в протилежних напрямках. Чим швидше прокладають оптоволокно, тим дешевшим стає пропускна здатність, і тим гірше стає компаніям, що прокладають оптоволокно. У кінці 1990-х років у США різко збільшилася виробнича потужність міжміського оптоволокна, після чого ціни рухалися вниз — Global Crossing і WorldCom потрапили до списку банкрутів. А тих, хто справді скористався перевагами цієї інфраструктури, було багато — це були люди, які через десять років почали розвивати стрімінг і хмарні сервіси.

Технологія виграла. Люди, які інвестували в технології, не виграли.

Це не зниження оцінки штучного інтелекту. Це нагадування: між «штучний інтелект стане дуже сильним» і «сьогоднішня оцінка є обґрунтованою» — багато кроків логічних міркувань.

Друге: ця метафора «йти в музей» насправді є доказом коротких позицій

Я погоджуюся зі спостереженням Маска.

Два роки тому, у середині 2024 року, перші лінії складали GPT-4o, Claude 3.5 Sonnet, Llama 3.1 405B. Вони не мали належних обчислень під час міркувань, не здатні надійно викликати інструменти довгих ланцюгів і не могли виконувати автономні завдання тривалістю кілька годин.

Сьогодні це дійсно схоже на зразок.

Але зверніть увагу, що це речення дійсно описує.

Він описує: модель ШІ як актив, який швидко втрачає вартість.

Економічний термін служби передових моделей може становити лише 12–24 місяці. Після виходу наступного покоління моделей витрати на навчання, дані та людські ресурси попереднього покоління швидко втрачають свою граничну цінність. Ви не можете отримувати з них прибуток протягом десяти років.

А як щодо апаратного забезпечення, що підтримує все це? Крупні виробники зазвичай амортизують GPU та сервери протягом п’яти–шести років у своїх фінансових звітах. Чи не є це припущення надто довгим? У 2025 році це було відкрито поставлено під сумнів, а Майкл Беррі у листопаді того ж року прямо зазначив: якщо реальний термін служби коротший, то бухгалтерський прибуток є надмірно оптимістичним.

Я не хочу захищати медвідників, але логіку треба вирівняти: якщо модель вже через два роки має потрапити до музею, то навіщо сталь і кремній, на яких вона базується, мають спокійно амортизуватися протягом шести років?

Чим більше це твердження Маска правильне, тим гострішим стає цей питання.

Ще гірше — ціни. Слідкування Epoch AI показує, що ціна на виведення до того ж рівня здібностей може щорічно знижуватися на порядок. Для користувачів це чудова новина. Для компаній, які хочуть отримувати дохід від моделей, це постійний різак для маржі.

Ваш продукт щороку стає кращим на величезний крок, а ваша ціна щороку скорочується на величезний крок.

Ось звідки походить механізм «напруженого розвитку з зусиллями з отримання прибутку». Це не невдача в виконанні, це структура.

Три: Здібності не зменшаться: цей пункт підтверджують дані, які на боці Маска

Зараз я скажу про частини, з якими згоден.

Якщо обговорювати лише «відчуття», то ніколи не досягнеш ясності. Тому я віддаю перевагу конкретному показнику: як довго модель може виконувати завдання самостійно.

Дослідження METR, опубліковане у 2025 році, виявило досить чітку тенденцію: довжина завдань, які модель може виконати з імовірністю 50%, подвоюється приблизно кожні сім місяців, якщо вимірювати їх за часом, необхідним людським експертам для виконання подібних завдань. Для зразків після 2024 року нахил ще гостріший.

До другої половини 2025 року найпотужніші моделі вже потрапили в інтервал «два години».

Почуйте значення цієї кривої. Експоненційний ріст на початку виглядає помірно, а на завершальній стадії — раптово. Від двох годин до робочого дня потрібно лише два-три подвоєння.

У той же період були й інші віхові події. OpenAI у вересні 2025 року запустила GDPval — оцінювач на основі реальних професійних результатів, при якому передові моделі вже наблизилися до рівня галузевих експертів у деяких професійних завданнях. У липні 2025 року експериментальні моделі з кількох лабораторій показали результати на рівні золотих медалей на Міжнародній математичній олімпіаді. Це не маркетингові слогани, а підтверджувані публічні події.

Тоже «затримка передових досягнень» — це, на мою думку, не відповідає дійсності з точки зору здібностей.

Справжньо повільною стає інша річ: поріг здивування користувачів.

Ми щокварталу здивовуємося, і здивування перетворюється на повсякденність. Така суб’єктивна онімілість легко сприймається як об’єктивна зупинка.

На цьому етапі Маск трезвий.

Чотири: RSI менше 24 місяців: що з цього правда, а що — віра

Це та частина обговорення, з якою я найменше згоден.

Не тому, що воно надто оптимістичне, а тому, що воно надто нечітке.

RSI має щонайменше три версії, які значно відрізняються за масштабом.

Перша версія: ШІ покращує власні компоненти в вузькій галузі.

Це вже сталося. AlphaEvolve, представлений Google DeepMind у 2025 році, є підтвердженням: він автоматично виявив кращий алгоритм, зменшивши кількість операцій множення для множення комплексних матриць 4×4 з 49 до 48, побивши рекорд, що тривав понад п’ятдесят років, і відновивши приблизно 0,7% загальної обчислювальної потужності у центрах обробки даних Google.

Це реальний, перевірений випадок вдосконалення інфраструктури ШІ самим ШІ.

Друга версія: ШІ значно завантажує власний процес розробки.

Це вже в процесі. Кодові агенти вже виконують значну частину інженерної роботи всередині лабораторії: перевірку коду, експериментальні сценарії та конвеєри даних автоматизовано.

Третя версія: автономний прискорювальний цикл, що виходить за межі людських обмежень.

Тобто те, що зазвичай називають «розумовим вибухом».

Два попередніх варіанти використовувалися для обґрунтування третього — це найпоширеніший схильний ефект у таких прогнозах.

Чому складно? Справжній обмежуючий фактор зовсім не в алгоритмічній інтуїції.

Швидкість досліджень штучного інтелекту обмежена фізичним часом експериментів. Один великий попередній тренування триває тижні, потрібно чекати на обладнання, боротися за електроенергію, стояти в черзі. Ви можете збільшити швидкість мислення дослідників у сто разів, але черга експериментів не прискориться у сто разів.

На наступному рівні — енергетика та ланцюжок поставок. Виробничі потужності передових упаковок, постачання HBM, терміни поставки трансформаторів, черги підключення до електромережі — все це рухається в термінах кварталів і років. У 2025 році терміни очікування підключення до електромереж у багатьох регіонах США вже досягають років.

Сіліцієві відтинки можуть працювати в понаднормовий час, а підстанції — ні.

Ще одна менш обговорювана обмеження: оцінка. Щоб AI міг самовдосконалюватися, він повинен спочатку знати, чи став кращим. Коли завдання тривають десятки годин, а відповіді більше не мають єдиного рішення, саме визначення «кращого» перетворюється на наукову проблему. Сигнали нагороди стають забрудненими, і модель починає оптимізувати оцінювач, а не власні здібності.

Отже, моя оцінка: протягом 24 місяців ми дуже ймовірно побачимо значний прогрес у другій версії, і частка AI у розробчому процесі продовжуватиме зростати. Але щодо третьої версії — тієї, що справді відмовляється від людського темпу та створює рекурсивний замкнений цикл — я вважаю, що ймовірність її появи протягом 24 місяців значно нижча за 50 %.

Це не технічний пессимізм, це інженерна реальність.

П’ять: Розклад Маска вимагає застосування коефіцієнта знижки

Це не атака на людей, це калібрування.

Його прогнози щодо напрямків мають дуже високу історичну точність: електромобілі виграють, повторно використовувані ракети здійсненні, супутниковий інтернет можливий, а масштабні GPU-кластери — ключовий фактор. Сам факт того, що його кластер Colossus був розгорнутий на рівні десятків тисяч прискорювачів за надзвичайно короткий термін у 2024 році, свідчить про те, що він розуміє суть боротьби за обчислювальну потужність.

Але його оцінка часу довгостроково була надмірно оптимістичною.

Повна автономія — «забезпечимо наступного року», з 2015 року до сьогодні. Він публічно передбачав, що ШІ перевершить будь-яку окрему людину близько 2025 року, а також сказав, що AGI з’явиться приблизно 2026 року. Сьогодні 31 липня 2026 року, і ці передбачення, зрозуміло, ще не виправдалися.

Досвід показує: помножте його розклад на два або три.

Є ще один важливий момент: він не є нейтральним спостерігачем.

xAI сильно інвестувала в цей напрямок, потребуючи постійного величезного фінансування та віри ринку у продовження стрімкого підйому кривої. Людина, яка висловлює сильну впевненість у напрямку своєї ставки, це абсолютно нормально, але отримувач повинен враховувати цей інтерес при визначенні ваги.

Це не впливає на можливу правильність його висновку. Це впливає лише на те, яку довіру вам слід надавати.

Шість: Реалізація на боку підприємств — це справжній розкол

У серпні 2025 року дослідження команди, пов’язаної з MIT, викликало велику кількість обговорень: більшість пілотних проєктів генеративного ШІ в бізнесі не призвели до вимірюваного покращення прибутку та збитків — цей показник сягав 95%. Пізніше методологію цього дослідження заперечували багато хто, оскільки вибірка та критерії були спірними; я не рекомендую сприймати це як беззаперечний доказ.

Але болі, до яких він дотикається, є справжніми.

Між здатністю моделі та корпоративною вартістю лежить цілий комплекс непопулярних, але необхідних завдань: управління даними, система прав доступу, реорганізація процесів, аудит та зберігання історії, визначення відповідальності та забезпечення безпеки у разі невдачі.

Модель, яка може отримати золоту медаль, не може потрапити в основний процес банку — проблема ніколи не в інтелекті.

Це також пояснює на перший погляд суперечливе явище: обсяги використання стрімко зростають, але дохід важко кількісно оцінити. Щомісячний обсяг обробки токенів, оприлюднений Google у 2025 році, швидко зріс з кількох мільярдів до десятків квадрильйонів, а щотижнева кількість активних користувачів OpenAI до осені 2025 року досягла приблизно 800 мільйонів. Використання безумовно набирає темпів.

Тим часом, за даними багатьох ЗМІ, лідируючі лабораторії все ще перебувають у стані значних чистих збитків у 2025–2026 роках, а очікування прибутковості зазвичай відкладено на 2029 рік. Крім того, загальний річний капіталовкладення великих виробників було далі піднято з рівня кількох трильйонів доларів США у 2025 році.

Зростання обсягу використання вирішує питання «хто користується». Воно автоматично не вирішує питання «хто заробляє».

Між цими двома речами стоїть право на визначення цін. А право на визначення цін поступово зменшується під тиском п’яти-шести конкурентів з подібними можливостями.

Сім: не слухайте висновків, стежте за шкалою

Суперечки про те, чи замедлиться ШІ, мають обмежений сенс, оскільки обидві сторони мають різне визначення слова «замедлення».

Я більше рекомендую стежити за трьома речами, які можна перевірити.

По-перше, тривалість завдання. Продовжуйте слідкувати за кривою METR. Якщо тривалість з 50%-ю ймовірністю успіху протягом наступного року зросте до восьми годин і більше, це надасть сильного підтвердження висновку Депю. Якщо вона протягом року постійно коливається в діапазоні від двох до чотирьох годин, це свідчить про те, що ми зустріли певну структурну стіну.

Друге — надійність, а не пікові можливості. Дивіться на тривалість періодів з успішністю 80% або 90%. Бізнес купує стабільність, а не випадкові геніальні виступи. Швидкість прогресу цього показника безпосередньо визначає кут комерціалізації.

Третє, одинична економіка, а не загальний дохід. Звертайте увагу на валову маржу, на швидкість зниження витрат на одиницю — чи встигає вона обігнати цінову війну. Перевірте, чи хтось із них реально досяг позитивного грошового потоку від операційної діяльності.

Три шкали, не потрібно вірити ніяким пророчествам.

Вісім, закінчення

Моя позиція проста.

Я вважаю, що твердження Маска про здатності правильне. Моделі дві роки тому вже були як зразки, а через два роки сьогоднішні найпотужніші моделі здадуться грубими. Ця крива ще не згинається.

Але він відповів на питання щодо оцінки цим реченням, що є невідповідним.

Тому що медведі справді запитують: коли модель втрачає цінність кожні восемнадцять місяців, коли ціна на еквівалентний рівень інтелекту знижується на порядок щороку, коли чотири або п’ять компаній одночасно мають майже однакові здібності, хто оплатить ці тисячі мільярдів доларів капітальних витрат і як відшкодувати їх за ціною?

Це питання «AI стане сильнішим» не може відповісти.

Щодо частини RSI я залишаю собі право на думку. Не тому, що це неможливо, а тому, що для цього потрібно, щоб обчислювальні потужності, електроенергія, експериментальні цикли та система оцінки всі разом пішли відповідно, а ці речі не слухаються експоненційного зростання.

Останнє слово — можливо, не дуже популярне.

Технологічна революція — це дійсність, і пінга також може бути дійсністю — ці дві речі повністю можуть відбуватися одночасно, і історично зазвичай відбувалися одночасно. Залізниці — це дійсність, а акції залізниць рухнулися вниз. Інтернет — це дійсність, а Насдак впав на 78 %.

Будь-який технічний аналіз не означає позитивного ставлення до кожної балансової відомості.

Розділіть ставки. Це не двоїстість, це вміння рахувати.

Щодо того, чи буде ШІ через два роки «здивує до вибуху», я схильний вірити.

Щодо того, хто ще залишиться за столом у той момент, я не роблю цю ставку.

Джерело посилання

1. METR, «Вимірювання здатності ШІ виконувати довгі завдання», METR Research, березень 2025 року.
2. Google DeepMind, «AlphaEvolve: агент з кодування на основі Gemini для розробки просунутих алгоритмів», травень 2025 року.
3. OpenAI, «Представлення GDPval», блог OpenAI, вересень 2025 року.
4. Epoch AI, «Цінові тренди LLM Inference» та «Тренди у обчислювальних ресурсах машинного навчання», Дані та аналітика Epoch AI, 2024–2025.
5. MIT Media Lab / Проект NANDA, «Розрив у генеративному ІІ: стан штучного інтелекту в бізнесі 2025», серпень 2025.
6. Goldman Sachs Research, «Генеративний ІІ: занадто багато витрат, занадто мало користі?», червень 2024 року.
7. Елон Маск і Вілл Депью, пости на X щодо оцінок Frontier Lab та рекурсивного самовдосконалення, липень 2026 року.
8. Reuters та The Information, які повідомляють про дохід, збитки та терміни досягнення прибутковості OpenAI та Anthropic, 2025–2026 роки.