Ускоряет ли ИИ собственное развитие? Отчёт METR и меняющаяся роль человека в науке

В этой статье
Ускоряет ли ИИ собственное развитие? Отчёт METR и меняющаяся роль человека в науке
В области искусственного интеллекта долго существовало успокаивающее допущение: «по мере усложнения задач прогресс замедляется сам собой». Оценка независимой организации METR (Model Evaluation & Threat Research, «Оценка моделей и исследование угроз»), проведённая внутри Anthropic с августа по октябрь 2026 года и опубликованная 5 ноября 2026 года, ослабляет это допущение. Согласно отчёту, темп роста возможностей моделей Anthropic с октября 2025 года вырос примерно в 1,9 раза, и METR связывает большую часть этого ускорения с вкладом самого ИИ в исследования. В этой статье я объясняю, что отчёт говорит и чего не говорит, какие прогнозы по срокам следуют из этих данных и что, на мой взгляд, действительно важно: узкое место в производстве науки смещается, а роль человека переходит от создания к отбору и проверке. О месте ИИ в медицинских публикациях я писал в статье о правилах JAMA для ИИ (на турецком).
- Что нашёл отчёт? Сводный индекс возможностей моделей Anthropic (AECI) после октября 2025 года растёт примерно в 1,9 раза быстрее, чем раньше (95 % ДИ 1,5-2,8): с примерно 15 до 29 баллов в год. METR субъективно относит около 80 % этого ускорения на счёт самого ИИ.
- Чего не нашёл? ИИ пока не может вносить полностью самостоятельный вклад в самые критичные части разработки моделей. Убедительного узкого места на ближайшие 12 месяцев тоже не обнаружено; однако METR невысоко оценивает надёжность этой оценки.
- Ограничения: Большая часть самых информативных доказательств скрыта по просьбе компании из соображений конфиденциальности. Неясно, как баллы тестов переходят в реальные возможности. В моделях других компаний ускорение меньше (в 1,4 раза).
- Что это значит для нас: Важно направление, а не точная дата. По мере того как доступ к информации становится проще, решающими навыками становятся выбор правильного вопроса, критическая проверка результата и ответственное применение. В медицине клиническая валидация остаётся отдельным и медленным узким местом.
Почему эта тема важна?
ИИ сегодня входит во все области медицины: от диагностики и выбора лечения до разработки лекарств и научных публикаций (отчёт AACR 2026 и ИИ, ИИ, предсказывающий ответ на иммунотерапию; обе на турецком). Скорость развития этих инструментов напрямую влияет на то, как врачи, исследователи и организации будут планировать ближайшие годы.
До сих пор большую часть скорости объясняли ростом вычислительных мощностей и объёма данных. Новое в отчёте METR то, что прогресс теперь отчасти питается собственным вкладом ИИ в исследования. То есть лучшая модель означает более быстрые исследования, а они, в свою очередь, ещё более лучшую модель. Реален ли этот цикл и насколько он силён, определит и то, как будет делаться наука далеко за пределами мира технологий.
Что говорит отчёт METR?
Отчёт METR оценивает, что темп роста возможностей моделей Anthropic после октября 2025 года вырос примерно в 1,9 раза и что большая часть этого ускорения обусловлена вкладом ИИ в исследования. ИИ пока не ведёт исследования полностью самостоятельно; его вклад в основном вспомогательный.
METR оценивал ускорение по нескольким источникам: индекс возможностей, объединяющий внутренние и внешние тесты компании (AECI), внутренние измерения по предварительному обучению, обучению с подкреплением и вычислительной мощности, интервью примерно с 15 сотрудниками, прирост продуктивности, о котором сообщили сами сотрудники, и такие данные, как строки кода и расходы на использование. Самый яркий результат на графике: годовой прирост индекса возможностей вырос примерно с 15 до 29 баллов, то есть за последний год произошёл прогресс, равный примерно двум годам предыдущего периода. METR уверена, что это ускорение нельзя объяснить ростом вычислительной мощности, использованной для обучения.
Годовой прирост индекса возможностей
Модели Anthropic, AECI (сводный балл внутренних и внешних тестов); баллов в год.
За год прогресс, равный примерно двум годам предыдущего периода. Ускорение не объясняется ростом вычислительной мощности, использованной для обучения. Как баллы индекса переходят в реальные возможности, неясно.
Насколько надёжна оценка?
METR прямо пишет, что результат чувствителен к выбору методов анализа. Когда меняются допущения о сложности тестов, способе расчёта тренда и выборе тестов, оценка ускорения колеблется от 1,1 до 2,9 раза. Ускорение, рассчитанное для передовых моделей других компаний, ниже: около 1,4 раза. Кроме того, поскольку самая продвинутая внутренняя модель набрала более 50 % во всех 15 использованных тестах, измерять с помощью существующих тестов становится всё труднее.
Насколько надёжна оценка ускорения?
Отношение темпа роста после октября 2025 года к темпу до него; 1 = ускорения нет.
Сложность тестов, способ расчёта тренда и выбор тестов меняют результат. Поскольку самая продвинутая внутренняя модель набрала более 50 % во всех 15 тестах, измерение становится всё труднее.
Интервью рисуют похожую картину. Из 11 классифицированных интервью 5 говорили, что прогресс ускорился более чем в 2 раза, 4 были пограничными или неопределёнными, а 2 отвечали отрицательно. Прирост продуктивности, о котором сообщили сами сотрудники, достигал до 12 раз для самой способной внутренней модели; однако METR называет это «очень слабым доказательством». Что самооценка продуктивности может вводить в заблуждение, ясно показало исследование METR 2025 года с разработчиками.
Мнения исследователей
11 сотрудников Anthropic, опрошенных METR; ответ на вопрос «ускорился ли прогресс более чем в 2 раза?», число человек.
Прирост продуктивности, о котором сообщили сами сотрудники, достигал до 12 раз для самой способной внутренней модели; METR называет это «очень слабым доказательством». ИИ пока не может вносить полностью самостоятельный вклад в важнейшие части обучения моделей, но есть «признаки жизни».
Чего отчёт не говорит
- ИИ не ведёт исследования в одиночку. По словам METR, ИИ пока не может вносить полностью самостоятельный вклад в важнейшие части разработки моделей; его вклад в основном вспомогательный.
- Существенная часть доказательств не видна. Компания воспользовалась правом скрыть сведения, которые считала конкурентно чувствительными. METR сама отмечает, что общественности приходится в значительной мере полагаться на её суждение и что отчёт не смог обеспечить прозрачность доказательств.
- Балл теста не равен реальному миру. Неясно, как рост в тестах переходит в реальные возможности. В отчёте также отмечено, что сосредоточенность на чётко определённых и проверяемых задачах может преувеличивать ускорение.
- Всего одна компания. Оценка проводилась только в Anthropic; в моделях других компаний ускорение выглядит меньше.
Эти ограничения не снижают ценности отчёта, но требуют внимательного чтения. Как я часто вижу и в новостях о здоровье, эффектный график и надёжное доказательство не одно и то же (исследования, надёжные лишь на вид, доказательная медицина; обе на турецком).
Почему ослабло допущение «задачи усложняются, значит, прогресс замедляется»?
Автор Джонатан Манн, комментирующий отчёт, пишет, что раньше надеялся, что рост сложности будет сдерживать ускорение, но теперь так не думает. По его прочтению, прогресс действительно усложняется, но не с ожидаемой скоростью. Растущие инвестиции и вклад в исследования моделей, становящихся способнее с каждым поколением, с избытком компенсируют замедление, которое обычно происходило бы. Отчёт METR также говорит, что на ближайшие 12 месяцев не видит явного признака убывающей отдачи и что это несёт риск накопительного ускорения.
Рисунок 1 · Тормоз и газ
Усложняющиеся задачи и ускоряющиеся исследования
Прогнозы по срокам: направление, а не уверенность
Опираясь на эту картину, Джонатан Манн сдвигает свой медианный прогноз для ИИ трансформирующего уровня (TAI) на середину 2029 года, то есть примерно на год раньше, чем его прогноз годичной давности. Вероятность того, что этот уровень будет достигнут гораздо раньше, уже в следующем году, благодаря внезапному прорыву, он оценивает примерно в одну шестую. С учётом этой вероятности медиана сдвигается на середину 2028 года. Однако, принимая во внимание и сдерживающие факторы, такие как регулирование, перебои с поставками чипов или необходимость нового подхода, он оставляет общую медиану на середине 2029 года.
По расчёту автора, для достижения этого уровня мера «временного горизонта» METR (длительность задач, которые ИИ способен выполнять самостоятельно) должна удвоиться от 6 до 12 раз. Если каждое удвоение поначалу занимает около 4 месяцев и этот срок со временем сокращается, это соответствует окну от 2 до 4 лет. Это короче стратегического цикла планирования большинства организаций и срока написания докторской диссертации.
Рисунок 2 · Окно от 2 до 4 лет
Грубый расчёт и сдерживающие факторы
При чтении этих прогнозов нужно помнить две вещи. Во-первых, прогноз представляет собой интерпретацию одного автора, основанную на открытых данных и впечатлениях из самой отрасли; это не уверенность. Во-вторых, в первом исследовании METR 2025 года время удвоения временного горизонта составляло около 7 месяцев; срок в 4 месяца отражает более новый и быстрый тренд, и нет гарантии, что он сохранится. Тем не менее убедительной причины для смены направления не видно.
Узкое место смещается
Дефицитный ресурс в производстве науки меняется. ИИ может просматривать всю существующую литературу, порождать гипотезы и параллельно проводить тысячи анализов и экспериментов. Внимание же исследователя-человека по-прежнему ограничено. По словам Джонатана Манна, самые продуктивные исследовательские идеи заканчиваются быстрее, чем появляются новые; лёгкие плоды собраны, и достижения всё чаще приходится искать в более маргинальных источниках. Но возможности машинного интеллекта по просмотру и перебору достаточно велики, чтобы компенсировать эту маргинальность.
Практический смысл таков: роль человека в исследованиях переходит от создания к отбору и проверке. Какой вопрос стоит задавать? Какой результат надёжен? Какую находку нужно перенести в реальный мир? Эти решения становятся важнейшим человеческим элементом, определяющим темп прогресса. Да и большинство великих открытий в истории начиналось с постановки правильного вопроса (Азиз Санджар и репарация ДНК, Нобелевская премия по медицине 2026 года; обе на турецком).
Рисунок 3 · Разделение труда в исследованиях
От создания к отбору и проверке
Что это значит для медицины и онкологии?
Эта картина начинает проявляться и в медицине. ИИ начинает распознавать несколько заболеваний по одному образцу крови, замечать на изображениях пропущенные находки и извлекать мишени для лечения из больших геномных данных (много болезней по одному образцу крови, ИИ в колоноскопии, протео-геномная карта; все на турецком). Работу, на которую у проекта «Геном человека» ушло 13 лет, сегодня можно выполнить за дни; а считывание активности тысяч генов по одному образцу крови и превращение её в решение о лечении теперь во многом зависит от вычислительной мощности (проект «Геном человека», атлас транскриптома цельной крови, применимый на практике транскриптом; все на турецком). ИИ также позволяет получать новые биологические сведения из рутинных изображений (бурый жир на ПЭТ-КТ, на турецком). По мере ускорения генерации гипотез и анализа данных настоящим вкладом онколога или исследователя станет постановка правильного вопроса и критическая проверка появляющихся находок.
Однако в медицине есть ещё одно узкое место, которого нет в исследованиях ИИ: клиническая валидация. Чтобы показать, что лекарство действительно помогает пациентам жить дольше и лучше, нужны добровольцы-пациенты, поэтапный процесс, начинающийся с первых исследований на людях, многолетнее наблюдение и тщательная оценка безопасности (что такое исследование фазы 1?, на турецком). ИИ может породить гипотезу за день, но не может измерить общую выживаемость за день. Стоит помнить, что многие правдоподобно выглядевшие гипотезы не подтвердились в крупных клинических исследованиях (исследование исходов с отрицательным результатом, что такое клиническое исследование?; обе на турецком). Поэтому ускорение в медицине будет зависеть не столько от лаборатории, сколько от дизайна клинических исследований, отбора пациентов и правильной интерпретации данных.
Меняются и отношения между пациентом и врачом. Мои пациенты теперь приходят на приём с вопросами, которые подготовили с помощью ИИ; это не угроза, а при грамотном управлении возможность (если пациент приходит с ИИ, на турецком). Попытки доверить ИИ даже выписывание рецептов выводят на первый план вопросы ответственности и безопасности (пилотный проект ИИ-рецептов в штате Юта, на турецком).
Причины для осторожности
- Баллы тестов не равны реальному миру. Модель, хорошо проявившая себя в тестах, может не показать такого же успеха в сложных и неопределённых задачах реального мира.
- Самооценка продуктивности может вводить в заблуждение. В рандомизированном исследовании METR 2025 года разработчики считали, что работают быстрее, хотя на деле были медленнее.
- Часть доказательств засекречена. Хотя оценка независимая, самые информативные данные не являются публичными.
- Внешние факторы. Регулирование, поставки чипов, энергия и потребность в новом подходе могут затянуть сроки.
- В быстро развивающихся областях высок риск преувеличения. В науке нередки случаи, когда преувеличение и реклама опережали доказательства (преувеличение и реальность в науке, на турецком).
Вопросы, которые нам стоит задать себе
- Спланировали ли моё учреждение или моя команда, как ИИ изменит исследовательскую и клиническую нагрузку в ближайшие 2-4 года?
- Каким методом я проверяю результат, полученный с помощью ИИ?
- Передаю ли я студентам и ассистентам информацию или учу их задавать правильный вопрос и мыслить критически?
- Готовы ли правила, защищающие данные и безопасность пациентов?
- Кто и на основании каких доказательств принимает решение перенести находку в клинику?
- «ИИ теперь сам себя улучшает». Не совсем. По словам METR, его вклад в основном вспомогательный; в самых критичных задачах он не полностью самостоятелен.
- «В 2029 году трансформирующий ИИ точно появится». Нет. Это вероятностный медианный прогноз одного автора; он может сбыться и раньше, и позже.
- «Измеренное ускорение справедливо для всей отрасли ИИ». Оценка проводилась в одной компании; в моделях других компаний ускорение выглядит меньше.
- «ИИ не оставит нужды во врачах и исследователях». Их роль изменится: отбор, проверка и ответственность выйдут на первый план, а создание отойдёт назад.
- «ИИ ускорит в медицине всё с той же скоростью». Клиническая валидация требует пациентов, времени и безопасности; это узкое место само не исчезнет.
Часто задаваемые вопросы
- Что говорит отчёт METR?
- Согласно независимой оценке, опубликованной METR в ноябре 2026 года, темп роста возможностей моделей Anthropic после октября 2025 года вырос примерно в 1,9 раза (95 % ДИ 1,5-2,8). METR связывает большую часть этого ускорения с вкладом ИИ в исследования, но отмечает, что ИИ пока не ведёт исследования полностью самостоятельно.
- Когда ожидается трансформирующий ИИ?
- В интерпретации Джонатана Манна, основанной на отчёте METR, медианный прогноз приходится на середину 2029 года, то есть примерно на год раньше, чем его прогноз годичной давности. Если учесть вероятность внезапного прорыва, на первый план выходит середина 2028 года. Эти оценки являются вероятностями, а не уверенностью, и могут меняться под влиянием таких факторов, как регулирование или поставки чипов.
- Как ИИ меняет научные исследования?
- ИИ быстро берёт на себя такие задачи, как просмотр литературы, генерация гипотез, анализ данных и проведение экспериментов. Поэтому роль человека переходит от создания к отбору и проверке: на первый план выходят выбор правильного вопроса, критическая проверка результата и ответственный перенос находки в реальный мир.
- Как это ускорение повлияет на медицину?
- Ускорение ожидается в диагностике, визуализации, геномном анализе и поиске лекарств. Однако чтобы показать, что лечение действительно приносит пациенту пользу, нужны клинические исследования, многолетнее наблюдение и оценка безопасности. Это узкое место сохранит значение, как бы ни ускорялся ИИ.
Глоссарий
- METR
- Исследовательская организация, независимо оценивающая возможности и риски моделей ИИ.
- AECI
- Индекс возможностей, объединяющий внутренние и внешние тесты Anthropic; адаптация Epoch Capabilities Index.
- Автоматизация НИОКР
- Выполнение части научно-исследовательских и опытно-конструкторских работ силами ИИ.
- Временной горизонт
- Длительность задач, измеряемая временем, которое потребовалось бы человеку, которые модель ИИ может выполнить самостоятельно с заданной долей успеха.
- Время удвоения
- Время, за которое показатель удваивается.
- TAI
- ИИ трансформирующего уровня; уровень возможностей, способный коренным образом изменить экономику и науку.
- Узкое место
- Самый дефицитный ресурс, ограничивающий скорость процесса.
- Убывающая отдача
- Постепенное уменьшение выгоды при тех же усилиях.
- Доверительный интервал
- Диапазон оценки, в котором истинное значение находится с определённой вероятностью.
- Клиническая валидация
- Доказательство в клинических исследованиях, что диагноз или лечение приносят пациенту реальную пользу.
Комментарий DROZDOGAN Academy
Этот отчёт указывает скорее направление, чем дату. Развитие ИИ отчасти ускоряется за счёт его собственного вклада, и в ближайшей перспективе это ускорение вряд ли замедлится само собой. Главный вопрос не «когда», а «на чём сосредоточить внимание».
⚡ Почему это важно
В мире, где доступ к информации становится почти безграничным и дешёвым, конкурентное преимущество будет не в обладании информацией, а в выборе правильного вопроса, критической проверке результата и ответственном применении.
✅ Сильные стороны
Независимая оценка с доступом к внутренним данным компании; несколько источников доказательств; открытое указание неопределённостей и ограничений; численная оценка с доверительным интервалом.
⚠️ Ограничения
Существенная часть доказательств скрыта; всего одна компания; перенос баллов тестов на реальный мир неясен; прогнозы по срокам представляют собой интерпретацию одного автора.
🩺 На практике
В своей команде и со студентами я стараюсь ставить выше заучивания информации умение задавать правильный вопрос, подвергать источник сомнению и проверять результат. Любую находку, созданную ИИ, я считаю обязательным пропускать через фильтр доказательной медицины, прежде чем она дойдёт до пациента.
❓ Открытые вопросы
Проявится ли ускорение в других компаниях и в других областях науки? В какой мере рост баллов тестов перейдёт в реальный мир? Как процессы клинической валидации приспособятся к этому темпу? Кто и как будет контролировать безопасное и справедливое использование этой силы?
Вывод: В мире, где есть системы способнее самого умного человека, преимущество будет не в доступе к информации, а в выборе правильного вопроса, критической проверке результата и ответственном применении. Те, кто сегодня не выстроит эти компетенции на институциональном и личном уровне, будут наблюдать лишь последствия прогресса, а не его темп.
- Эта статья подготовлена в ноябре 2026 года.
- Сведения об отчёте основаны на публикации METR от 5 ноября 2026 года. Некоторые части отчёта скрыты по просьбе компании; METR прямо указывает на это в отчёте.
- Прогнозы по срокам основаны на личной записи в блоге Джонатана Манна; это не официальная оценка какой-либо организации. «Окно от 2 до 4 лет» представляет собой грубый расчёт на допущениях этого автора.
- Графики и схемы в статье упрощены. Комментарий Academy принадлежит мне.
Источники
- 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
Эта статья была полезна?
Ваш отзыв помогает нам улучшать материалы.




