Чому AGI ще не за рогом

“Речі відбуваються довше, ніж ти думаєш, а потім — швидше, ніж уявляв.” — Рюдігер Дорнбуш

Суперечки про час появи AGI тривають: хтось очікує її за 20 років, інші — вже за два. Однак станом на 2025 рік ключовий бар’єр залишається незмінним — LLM не навчаються у процесі використання.

Головна проблема — навчання «на ходу»

Незважаючи на вражаючі можливості великих мовних моделей, вони не здатні поступово вдосконалюватися. Без механізму постійного навчання моделі не можуть адаптуватися до індивідуальних завдань, як це роблять люди. Усе, що користувач отримує, — фіксована модель «з коробки», яку неможливо навчити в реальному часі.

Порівняння з навчанням дитини ілюструє цю проблему: людина вчиться через практику, фідбек і повторення. Моделі ж — лише через зміни інструкцій або складне RL-навчання, що не є природним способом адаптації.

Навіть якщо ЛЛМ демонструють певне «розуміння» у межах сесії, воно зникає після її завершення. Техніки на кшталт стискання контексту (як у Claude Code) частково допомагають, але не вирішують проблеми в ширших, не текстових задачах.

Сумнів у швидкій автоматизації

Деякі аналітики прогнозують, що навіть без прориву в AI більшість офісної роботи буде автоматизована до 2030 року. Насправді ж, без здатності до адаптації, моделі здатні охопити не більше 25% офісних функцій. Складні або довготривалі завдання досі потребують людського втручання.

Потенціал на майбутнє

У разі вирішення проблеми постійного навчання штучні агенти зможуть не лише адаптуватися, а й обмінюватися знанням між своїми копіями. Це відкриє шлях до суперінтелекту без необхідності змінювати базові алгоритми. Проте прорив буде поступовим: спочатку з’являться «сирі» версії систем, що лише натякнуть на наближення розв’язку.

Скепсис щодо агентів для роботи

Прогноз Anthropic щодо появи AI-агентів для повноцінної роботи з комп’ютером до 2026 року викликає сумніви. Завдання на кшталт складання податкової декларації потребують високої надійності, тестування і гнучкої обробки інформації з різних джерел. Наразі відсутня база мультимодальних даних, достатня для навчання таких систем.

Мислення штучного інтелекту

Моделі на зразок Gemini 2.5 чи o3 демонструють ознаки автономного мислення — вони здатні уточнювати завдання, самостійно створювати рішення, враховуючи помилки. Це реальний крок у напрямку AGI, але все ще дуже обмежений.

Прогноз

Ймовірність розвитку виглядає так:

• автоматизація складних офісних завдань — до 2028 року;
  
  

• ефективне навчання на практиці — приблизно 2032;
  
  

• повна самостійність у рутинній роботі — не раніше 2030-х.
  
  

Висновок

AGI не з’явиться раптово. Після піку масштабування продуктивність AI зростатиме повільніше, і далі все залежатиме від проривів у нових алгоритмах. Якщо breakthrough не станеться у найближчі роки, світ залишатиметься стабільним принаймні до 2030-х, хоча зміни будуть — глибокі, але не миттєві.

Авторка: Дар’я Бровченко

Джерело