Перспективы AGI: что нас ждет после выхода Claude Fable 5 и новых моделей

Июнь 2026 года стал поворотным моментом в истории искусственного интеллекта. Anthropic выпустила Claude Fable 5, а следом появились слухи о GPT-5 от OpenAI и Gemini Ultra 3 от Google. Мир вплотную приблизился к AGI — искусственному общему интеллекту, который способен решать любые задачи на уровне человека или выше. Разбираемся, что происходит прямо сейчас и какие перспективы открываются в ближайшие 3-5 лет.

Что такое AGI и чем отличается от обычного AI

Большинство современных AI-систем — это узкий (narrow) искусственный интеллект. ChatGPT пишет тексты, Midjourney рисует, AlphaFold предсказывает структуру белков. Но ни одна из этих систем не умеет делать все одновременно. AGI — это интеллект, который способен решать любые когнитивные задачи на уровне человека или выше, без необходимости переобучать модель под каждую новую область.

Ключевые свойства, которыми должен обладать AGI:

• Обобщение — перенос знаний из одной области в другую без дообучения.
• Адаптивность — способность освоить новую задачу с нуля за разумное время.
• Метакогниция — понимание границ собственных знаний и постановка целей.
• Рассуждение о причинности — не просто корреляция, а понимание причинно-следственных связей.
• Долгосрочное планирование — построение цепочек действий на десятки шагов вперед.

Текущее состояние: что уже умеют системы в 2026 году

Первая половина 2026 года ознаменовалась серией анонсов, которые существенно сдвинули дискуссию об AGI из теоретической плоскости в практическую.

Anthropic представила модель Claude Fable 5, которая в тестах на обобщение и рассуждение впервые превысила средний результат человека-специалиста. Модель не просто отвечает на вопросы — она формулирует гипотезы, предлагает эксперименты для их проверки и корректирует собственный подход на основе результатов.

OpenAI в марте 2026 года продемонстрировала прототип, который за 72 часа самостоятельно освоил игру StarCraft II на уровне топ-100 мирового рейтинга, используя только текстовую документацию и внутриигровой API. Никакой специальной донастройки архитектуры — модель применила те же механизмы рассуждения, что использует для написания кода или анализа документов.

Основные препятствия на пути к AGI

Несмотря на впечатляющий прогресс, до полноценного AGI остаются серьёзные научные и инженерные барьеры.

Вот основные вызовы, которые предстоит преодолеть:

• Долгосрочное планирование — современные модели «думают» на несколько шагов вперед, но не способны строить многоуровневые планы на недели и месяцы вперед.
• Причинность vs корреляция — нейросети находят закономерности в данных, но не понимают, почему эти закономерности существуют. Настоящий AGI должен оперировать причинно-следственными моделями мира.
• Энергоэффективность — обучение одной передовой модели потребляет энергию, сопоставимую с годовым потреблением небольшого города. Человеческий мозг работает на 20 Вт. Разрыв колоссальный.
• Контролируемость — чем умнее становится модель, тем сложнее гарантировать, что её действия соответствуют намерениям человека. Проблема alignment (выравнивания) остается открытой.
• Робастность — современные модели легко обмануть специально подобранными входными данными (adversarial attacks). Для AGI нулевая толерантность к таким уязвимостям.

Ключевые игроки и их стратегии

Гонка за AGI превратилась в главное технологическое соревнование десятилетия. Вот как распределяются силы основных участников.

OpenAI

Стратегия: масштабирование любой ценой. OpenAI верит, что AGI возникнет как естественное продолжение текущего подхода — больше данных, больше вычислений, больше параметров. Прототип GPT-5, по слухам, демонстрирует признаки обобщения, которых не было в предыдущих версиях. Компания также активно инвестирует в робототехнику (Figure AI, 1X Technologies).

Anthropic

Стратегия: безопасность через архитектуру. Anthropic делает ставку на interpretability (интерпретируемость) — понимание того, как именно модель принимает решения. Claude Fable 5 стала первой моделью, чьи цепочки рассуждений можно отследить на уровне отдельных нейронов. Компания принципиально не использует пользовательские данные для дообучения.

Google DeepMind

Стратегия: интеграция с наукой. DeepMind подходит к AGI через фундаментальные научные задачи. Gemini Ultra 3, по заявлениям компании, способен самостоятельно планировать и проводить научные эксперименты в области молекулярной биологии. Их подход — AGI как побочный продукт создания «ученого-универсала».

«AGI не появится внезапно в одной лаборатории. Он будет собираться из кусочков — сначала в узких доменах (научные исследования, программирование), затем расширяться на смежные области.»n — Демис Хассабис, CEO Google DeepMind

Сценарии появления AGI: оптимистичный и реалистичный

Среди экспертов нет единого мнения о сроках появления AGI. Рассмотрим два основных сценария.

Оба сценария сходятся в одном: AGI появится раньше, чем общество будет к нему готово. Это создает как бесп