Își accelerează IA propria dezvoltare? Raportul METR și rolul în schimbare al omului în știință

În acest articol
Își accelerează IA propria dezvoltare? Raportul METR și rolul în schimbare al omului în știință
Multă vreme a existat în domeniul inteligenței artificiale o presupunere liniștitoare: „pe măsură ce problemele devin mai grele, progresul încetinește de la sine.” O evaluare a organizației independente METR (Model Evaluation & Threat Research, Evaluarea Modelelor și Cercetarea Amenințărilor), efectuată în interiorul Anthropic între august și octombrie 2026 și publicată la 5 noiembrie 2026, slăbește această presupunere. Potrivit raportului, ritmul de creștere a capacităților modelelor Anthropic a ajuns la aproximativ 1,9 ori ritmul de dinainte de octombrie 2025, iar METR atribuie cea mai mare parte a acestei accelerări contribuției inteligenței artificiale la cercetare. În acest articol explic ce spune și ce nu spune raportul, estimările de calendar care pornesc de la aceste date și ceea ce consider eu a fi miza reală: blocajul în producția de știință se mută, iar rolul omului trece de la a produce la a selecta și a verifica. Locul inteligenței artificiale în publicarea medicală l-am tratat în articolul despre regulile JAMA privind inteligența artificială (în turcă).
- Ce a găsit raportul? Indicele combinat de capacități al modelelor Anthropic (AECI) crește, după octombrie 2025, de aproximativ 1,9 ori mai repede decât înainte (IÎ %95 1,5-2,8): de la circa 15 la 29 de puncte pe an. METR atribuie subiectiv aproximativ %80 din această accelerare IA însăși.
- Ce nu a găsit? IA nu poate încă aduce contribuții complet independente la cele mai critice părți ale dezvoltării modelelor. Nici pentru următoarele 12 luni nu s-a găsit un blocaj convingător; totuși, METR are încredere scăzută în această evaluare.
- Limite: Cea mai mare parte a dovezilor celor mai informative a fost cenzurată la cererea companiei, din motive de confidențialitate. Nu este clar cum se traduc scorurile la teste în capacitate reală. La modelele altor companii accelerarea este mai mică (1,4 ori).
- Ce înseamnă pentru noi: Contează direcția, nu data exactă. Pe măsură ce accesul la informație devine mai ușor, alegerea întrebării potrivite, testarea critică a rezultatului și aplicarea lui responsabilă devin abilități decisive. În medicină, validarea clinică rămâne un blocaj separat și lent.
De ce contează acest subiect?
Inteligența artificială pătrunde acum în toate domeniile medicinei, de la diagnostic și alegerea tratamentului până la dezvoltarea de medicamente și publicarea științifică (raportul AACR 2026 și IA, IA care prezice răspunsul la imunoterapie; ambele în turcă). Cât de repede se dezvoltă aceste instrumente influențează direct modul în care medicii, cercetătorii și instituțiile își planifică următorii ani.
Până acum, cea mai mare parte a vitezei se explica prin mai multă putere de calcul și mai multe date. Ce spune nou raportul METR este că progresul este acum alimentat, în parte, de propria contribuție a IA la cercetare. Cu alte cuvinte, un model mai bun înseamnă cercetare mai rapidă, iar aceasta înseamnă un model și mai bun. Dacă această buclă este reală și cât de puternică este va determina cum se va face știința, dincolo de lumea tehnologiei.
Ce spune raportul METR?
Raportul METR estimează că ritmul de creștere a capacităților modelelor Anthropic a ajuns după octombrie 2025 la aproximativ 1,9 ori ritmul anterior și că cea mai mare parte a acestei accelerări provine din contribuția IA la cercetare. IA nu conduce încă cercetarea complet independent; contribuția ei este în mare parte de sprijin.
METR a evaluat accelerarea din mai multe surse: indicele de capacități care combină testele interne și externe ale companiei (AECI), măsurători interne privind preantrenarea, învățarea prin întărire și puterea de calcul, interviuri cu aproximativ 15 angajați, câștigurile de productivitate raportate de angajații înșiși și date precum liniile de cod și cheltuielile de utilizare. Cea mai izbitoare constatare din grafic este că creșterea anuală a indicelui de capacități a urcat de la aproximativ 15 la 29 de puncte: într-un singur an s-a produs cam cât progresul a doi ani din perioada anterioară. METR este sigură că această accelerare nu poate fi explicată prin creșterea puterii de calcul folosite la antrenare.
Creșterea anuală a indicelui de capacități
Modelele Anthropic, AECI (scorul combinat al testelor interne și externe); puncte/an.
Într-un an, cam cât progresul a doi ani din perioada anterioară. Accelerarea nu se explică prin creșterea puterii de calcul folosite la antrenare. Cum se traduc scorurile indicelui în capacități din lumea reală este incert.
Cât de solidă este estimarea?
METR scrie deschis că rezultatul este sensibil la alegerile de analiză. Când se schimbă ipotezele privind dificultatea testelor, modul de calcul al tendinței și alegerea testelor, estimarea accelerării variază între 1,1 și 2,9 ori. Accelerarea calculată pentru modelele de frontieră ale altor companii este mai mică, de aproximativ 1,4 ori. În plus, deoarece cel mai avansat model intern a obținut peste %50 la toate cele 15 teste utilizate, măsurarea cu testele actuale devine tot mai grea.
Cât de solidă este estimarea accelerării?
Raportul dintre ritmul de creștere de după octombrie 2025 și cel de dinainte; 1 = fără accelerare.
Dificultatea testelor, modul de calcul al tendinței și alegerea testelor schimbă rezultatul. Deoarece cel mai avansat model intern a obținut peste %50 la toate cele 15 teste, măsurarea devine tot mai grea.
Interviurile conturează o imagine asemănătoare. Din 11 interviuri clasificate, 5 au indicat că progresul s-a accelerat de mai mult de 2 ori, 4 au fost la limită sau incerte, iar 2 au răspuns negativ. Câștigul de productivitate raportat de angajați a ajuns la de până la 12 ori pentru cel mai capabil model intern; totuși, METR îl numește „dovadă foarte slabă”. Faptul că productivitatea auto-raportată poate induce în eroare fusese deja arătat clar de studiul METR din 2025 cu dezvoltatori.
Părerile cercetătorilor
Cei 11 angajați Anthropic intervievați de METR; răspunsul la întrebarea „s-a accelerat progresul de mai mult de 2 ori?”, număr de persoane.
Câștigul de productivitate raportat de angajați a ajuns la de până la 12 ori pentru cel mai capabil model intern; METR îl numește „dovadă foarte slabă”. IA nu poate încă aduce contribuții complet independente la cele mai importante părți ale antrenării modelelor, dar există „semne de viață”.
Ce nu spune raportul
- IA nu conduce cercetarea de una singură. Potrivit METR, IA nu poate încă aduce contribuții complet independente la cele mai importante părți ale dezvoltării modelelor; contribuția ei este în mare parte de sprijin.
- O parte importantă a dovezilor nu este vizibilă. Compania și-a exercitat dreptul de a cenzura informațiile pe care le considera sensibile din punct de vedere concurențial. METR însăși precizează că publicul trebuie să se bazeze în mare măsură pe judecata ei și că raportul nu a putut asigura transparența dovezilor.
- Scorul la un test nu este lumea reală. Cum se traduc câștigurile la teste în capacități din lumea reală este incert. Raportul notează, de asemenea, că concentrarea pe sarcini bine definite și verificabile poate exagera accelerarea.
- O singură companie. Evaluarea s-a făcut doar la Anthropic; la modelele altor companii accelerarea pare mai mică.
Aceste limite nu reduc valoarea raportului, dar cer o lectură atentă. Așa cum văd adesea în știrile despre sănătate, un grafic impresionant și o dovadă solidă nu sunt același lucru (studii aparent solide, medicina bazată pe dovezi; ambele în turcă).
De ce s-a slăbit presupunerea „problemele se complică, deci progresul încetinește”?
Autorul care comentează raportul, Jonathan Mann, scrie că sperase mai demult că dificultatea crescândă va frâna accelerarea, dar că nu mai gândește așa. În lectura lui, progresul chiar devine mai greu, dar nu în ritmul așteptat. Investițiile în creștere și contribuția la cercetare a modelelor tot mai capabile cu fiecare generație compensează cu prisosință încetinirea care ar apărea în mod normal. Raportul METR spune, la rândul lui, că pentru următoarele 12 luni nu vede un semn clar de randament descrescător și că situația poartă riscul unei accelerări cumulative.
Figura 1 · Frâna și accelerația
Probleme tot mai grele și cercetare tot mai rapidă
Estimări de calendar: o direcție, nu o certitudine
Pornind de la acest tablou, Jonathan Mann își mută estimarea mediană pentru IA de nivel transformator (TAI) la mijlocul lui 2029, cu aproximativ un an mai devreme decât estimarea de acum un an. El estimează la aproximativ o șansă din șase probabilitatea ca acest nivel să fie atins mult mai devreme, anul viitor, printr-o descoperire bruscă. Luând în calcul această probabilitate, mediana se mută la mijlocul lui 2028. Însă, ținând cont și de factori de întârziere precum reglementările, perturbările în aprovizionarea cu cipuri sau necesitatea unei noi abordări, își menține mediana generală la mijlocul lui 2029.
După calculul autorului, pentru a atinge acest nivel, măsura „orizontului de timp” a METR (durata sarcinilor pe care IA le poate finaliza independent) trebuie să se dubleze de 6 până la 12 ori. Dacă fiecare dublare durează la început aproximativ 4 luni și această durată se scurtează în timp, aceasta corespunde unei ferestre de 2 până la 4 ani. Este mai puțin decât ciclul de planificare strategică al majorității instituțiilor și decât durata unei teze de doctorat.
Figura 2 · Fereastra de 2 până la 4 ani
Un calcul aproximativ și factori de întârziere
La citirea acestor estimări trebuie ținute minte două lucruri. În primul rând, estimarea este interpretarea unui singur autor, bazată pe date publice și pe impresii din interiorul industriei; nu este o certitudine. În al doilea rând, în primul studiu METR din 2025 timpul de dublare a orizontului de timp era de aproximativ 7 luni; durata de 4 luni reflectă o tendință mai nouă și mai rapidă și nu există nicio garanție că această tendință va continua. Totuși, nu pare să existe un motiv puternic pentru a schimba direcția.
Blocajul se mută
Resursa rară din producția de știință se schimbă. IA poate parcurge întreaga literatură existentă, poate genera ipoteze, poate rula în paralel mii de analize și experimente. În schimb, atenția cercetătorului uman rămâne limitată. În cuvintele lui Jonathan Mann, cele mai productive idei de cercetare se epuizează mai repede decât se produc altele noi; fructele ușor de cules se termină, iar câștigurile trebuie să vină tot mai mult din surse marginale. Dar capacitatea inteligenței mașinii de a parcurge și de a încerca este suficient de mare pentru a compensa această marginalitate.
Sensul practic este următorul: rolul omului în cercetare trece de la a produce la a selecta și a verifica. Ce întrebare merită pusă? Ce rezultat este de încredere? Ce constatare trebuie dusă în lumea reală? Aceste decizii devin cel mai important element uman care determină ritmul progresului. De altfel, majoritatea marilor descoperiri din istorie au început prin a pune întrebarea potrivită (Aziz Sancar și repararea ADN-ului, Premiul Nobel pentru Medicină 2026; ambele în turcă).
Figura 3 · Împărțirea muncii în cercetare
De la a produce la a selecta și a verifica
Ce înseamnă pentru medicină și oncologie?
Acest tablou începe să se vadă și în medicină. IA începe să recunoască mai multe boli dintr-o singură probă de sânge, să prindă constatări ratate pe imagini și să extragă ținte de tratament din date genomice mari (multe boli dintr-o singură probă de sânge, IA în colonoscopie, harta proteo-genomică; toate în turcă). Munca de 13 ani a Proiectului Genomului Uman se poate face astăzi în câteva zile; iar citirea activității a mii de gene dintr-o singură probă de sânge și transformarea ei într-o decizie de tratament depinde acum în mare măsură de puterea de calcul (Proiectul Genomului Uman, atlasul transcriptomului sângelui integral, transcriptomul acționabil; toate în turcă). IA face posibilă și extragerea de informații biologice noi din imagini de rutină (grăsimea brună la PET-CT, în turcă). Pe măsură ce generarea de ipoteze și analiza datelor se accelerează, contribuția reală a unui oncolog sau cercetător va fi să pună întrebarea potrivită și să testeze critic constatările apărute.
În medicină, însă, există încă un blocaj pe care cercetarea în IA nu îl are: validarea clinică. Pentru a arăta că un medicament îi ajută cu adevărat pe pacienți să trăiască mai mult și mai bine sunt necesari pacienți voluntari, un proces în etape care începe cu studiile pe oameni de fază timpurie, ani de urmărire și o evaluare riguroasă a siguranței (ce este un studiu de fază 1?, în turcă). IA poate genera o ipoteză într-o zi, dar nu poate măsura supraviețuirea globală într-o zi. Merită amintit că multe ipoteze cu aspect plauzibil nu au fost confirmate în studii clinice mari (un studiu de rezultate cu rezultat negativ, ce este un studiu clinic?; ambele în turcă). De aceea, în medicină accelerarea va depinde mai puțin de laborator și mai mult de proiectarea studiilor clinice, de selecția pacienților și de interpretarea corectă a datelor.
Se schimbă și relația dintre pacient și medic. Pacienții mei vin acum la consultație cu întrebări pregătite cu ajutorul IA; aceasta nu este o amenințare, ci, dacă este bine gestionată, o oportunitate (când pacientul vine cu IA, în turcă). Încercările IA de a ajunge până la prescrierea de rețete aduc în prim-plan întrebări de responsabilitate și siguranță (proiectul-pilot de rețete cu IA din Utah, în turcă).
Motive de prudență
- Scorurile la teste nu sunt lumea reală. Un model bun la teste poate să nu aibă același succes în sarcini complexe și nesigure din lumea reală.
- Productivitatea auto-raportată poate induce în eroare. În studiul randomizat al METR din 2025, dezvoltatorii se credeau mai rapizi, deși de fapt erau mai lenți.
- O parte din dovezi este confidențială. Chiar dacă evaluarea este independentă, cele mai informative date nu sunt publice.
- Factori externi. Reglementările, aprovizionarea cu cipuri, energia și nevoia unei noi abordări pot prelungi calendarul.
- Riscul de exagerare este mare în domeniile care se dezvoltă rapid. În știință nu sunt puține exemplele în care exagerarea și promovarea au trecut înaintea dovezilor (exagerare și realitate în știință, în turcă).
Întrebări pe care ar trebui să ni le punem
- Instituția sau echipa mea a planificat cum va schimba IA volumul de muncă de cercetare și clinic în următorii 2-4 ani?
- Prin ce metodă verific un rezultat produs cu IA?
- Le transmit studenților și asistenților informații sau îi învăț să pună întrebarea potrivită și să gândească critic?
- Sunt pregătite regulile care să protejeze datele și siguranța pacienților?
- Cine decide să ducă o constatare în clinică și pe ce dovezi?
- „IA se îmbunătățește acum singură.” Nu tocmai. Potrivit METR, contribuția ei este în mare parte de sprijin; nu este complet independentă în cele mai critice sarcini.
- „În 2029 vine cu siguranță IA transformatoare.” Nu. Aceasta este estimarea mediană probabilistă a unui singur autor; poate veni mai devreme sau mai târziu.
- „Accelerarea măsurată este valabilă pentru întregul sector al IA.” Evaluarea s-a făcut la o singură companie; la modelele altor companii accelerarea pare mai mică.
- „IA nu va mai lăsa nevoie de medici și cercetători.” Rolul se va schimba: vor trece pe primul plan selectarea, verificarea și asumarea responsabilității, mai mult decât producerea.
- „IA va accelera totul în medicină în același ritm.” Validarea clinică necesită pacienți, timp și siguranță; acest blocaj nu dispare de la sine.
Întrebări frecvente
- Ce spune raportul METR?
- Potrivit evaluării independente publicate de METR în noiembrie 2026, ritmul de creștere a capacităților modelelor Anthropic a ajuns după octombrie 2025 la aproximativ 1,9 ori ritmul anterior (IÎ %95 1,5-2,8). METR atribuie cea mai mare parte a acestei accelerări contribuției IA la cercetare, dar precizează că IA nu conduce încă cercetarea complet independent.
- Când este așteptată IA transformatoare?
- În interpretarea lui Jonathan Mann bazată pe raportul METR, estimarea mediană este mijlocul lui 2029, cu aproximativ un an mai devreme decât estimarea de acum un an. Când se ia în calcul șansa unei descoperiri bruște, iese în față mijlocul lui 2028. Aceste estimări sunt probabilități, nu certitudini, și se pot schimba din cauza unor factori precum reglementările sau aprovizionarea cu cipuri.
- Cum schimbă IA cercetarea științifică?
- IA preia rapid sarcini precum parcurgerea literaturii, generarea de ipoteze, analiza datelor și rularea experimentelor. De aceea rolul omului trece de la a produce la a selecta și a verifica: pe primul plan vin alegerea întrebării potrivite, testarea critică a rezultatului și transpunerea responsabilă a constatării în lumea reală.
- Cum va afecta această accelerare medicina?
- Se așteaptă accelerări în diagnostic, imagistică, analiza genomică și descoperirea de medicamente. Totuși, pentru a arăta că un tratament aduce cu adevărat beneficii pacientului sunt necesare studii clinice, ani de urmărire și evaluarea siguranței. Acest blocaj își va păstra importanța oricât de mult s-ar accelera IA.
Glosar
- METR
- Organizație de cercetare care evaluează independent capacitățile și riscurile modelelor de IA.
- AECI
- Indice de capacități care combină testele interne și externe ale Anthropic; o adaptare a Epoch Capabilities Index.
- Automatizarea C-D
- Realizarea unei părți din munca de cercetare-dezvoltare de către IA.
- Orizont de timp
- Durata, exprimată în timpul necesar unui om, a sarcinilor pe care un model de IA le poate finaliza independent, cu o anumită rată de succes.
- Timp de dublare
- Timpul necesar pentru ca o măsură să se dubleze.
- TAI
- IA de nivel transformator; un nivel de capacitate care ar putea schimba din temelii economia și știința.
- Blocaj
- Cea mai rară resursă, cea care limitează viteza unui proces.
- Randament descrescător
- Câștigul obținut pentru același efort se micșorează treptat.
- Interval de încredere
- Intervalul de estimare în care se află valoarea reală cu o anumită probabilitate.
- Validare clinică
- Demonstrarea prin studii clinice că un diagnostic sau un tratament oferă un beneficiu real pacientului.
Comentariul DROZDOGAN Academy
Acest raport indică mai degrabă o direcție decât o dată. Dezvoltarea IA se accelerează, în parte, prin propria contribuție, iar această accelerare nu pare să încetinească de la sine pe termen apropiat. Întrebarea reală nu este „când”, ci „asupra a ce ne concentrăm”.
⚡ De ce contează
Într-o lume în care accesul la informație devine aproape nelimitat și ieftin, avantajul competitiv nu va sta în a deține informația, ci în alegerea întrebării potrivite, testarea critică a rezultatului și aplicarea lui responsabilă.
✅ Puncte forte
O evaluare independentă cu acces la datele interne ale companiei; mai multe surse de dovezi; incertitudinile și limitele scrise deschis; o estimare numerică dată cu interval de încredere.
⚠️ Limite
O parte importantă a dovezilor este cenzurată; o singură companie; traducerea scorurilor la teste în lumea reală este incertă; estimările de calendar sunt interpretarea unui singur autor.
🩺 În practică
În echipa mea și în rândul studenților încerc să pun înaintea memorării informației întrebarea potrivită, chestionarea sursei și testarea rezultatului. Consider obligatoriu ca orice constatare produsă de IA să treacă prin filtrul medicinei bazate pe dovezi înainte de a ajunge la pacient.
❓ Întrebări deschise
Se va vedea accelerarea și la alte companii și în alte domenii ale științei? În ce măsură se va reflecta în lumea reală creșterea scorurilor la teste? Cum se vor adapta procesele de validare clinică la acest ritm? Cine va supraveghea utilizarea sigură și echitabilă a acestei puteri și cum?
Concluzie: Într-o lume cu sisteme mai capabile decât cel mai inteligent om, avantajul nu va sta în accesul la informație, ci în alegerea întrebării potrivite, testarea critică a rezultatului și aplicarea lui responsabilă. Cei care nu construiesc aceste competențe astăzi, la nivel instituțional și individual, vor urmări doar consecințele progresului, nu ritmul lui.
- Acest articol a fost pregătit în noiembrie 2026.
- Informațiile despre raport se bazează pe publicarea METR din 5 noiembrie 2026. Unele părți ale raportului au fost cenzurate la cererea companiei; METR menționează acest lucru deschis în raport.
- Estimările de calendar se bazează pe articolul de blog personal al lui Jonathan Mann; nu sunt o estimare oficială a vreunei instituții. „Fereastra de 2 până la 4 ani” este un calcul aproximativ făcut cu ipotezele acestui autor.
- Graficele și schemele din articol sunt simplificate. Comentariul Academy este al meu.
Surse
- METR. Independent assessment of AI R&D acceleration at Anthropic in October 2026 (5 November 2026). metr.org
- METR. Benchmarks provide one piece of evidence for acceleration (X, November 2026). x.com
- Mann J. My read on METR's AI R&D report. Abstraction (November 2026). abstraction.substack.com
- LessWrong. METR: Independent assessment of AI R&D acceleration at Anthropic (discussion). lesswrong.com
Ți-a fost util acest articol?
Feedbackul tău ne ajută să îmbunătățim conținutul.




