Тень авторегрессии: загадочный человек

Введение

Я работаю в области машинного обучения и слежу за развитием технологий. Кажется, еще лет пять назад мало кто мог представить такой резкий рост качества генерации контента нейронными сетями. Сейчас нейронные сети консультируют, пишут программы, музыку, стихи и даже помогают соблазнять девушек.

В статье будет много ссылок на Telegram-каналы по ИИ-тематике, где показывается качество существующих решений. Да, их качество все еще не идеально, особенно в генерации видео, и многие из примеров — это черри-пик (выбор самых лучших примеров). Но сейчас все указывает на то, что качество будет расти и дальше, а сами технологии станут привычнее. Попробуем порассуждать над следующим вопросом:

Какие изменения в обществе потребуются, чтобы принять и адаптироваться к новым технологиям, которые нас ожидают (и отчасти уже есть сейчас), если сохранятся текущие тенденции в развитии ИИ?

Современное состояние

2012-2020

В 2010-х выяснилось, что обучение больших нейронных сетей на больших объемах данных очень эффективно. Это позволяет решать задачи, для которых раньше не было эффективных методов. Это было контринтуитивно — до этого считалось, что большие модели слишком сильно переобучаются на обучающей выборке, и поэтому плохо работают на тестовой. Как оказалось, для нейронных сетей это не так, и с увеличением размера качество может расти [1, 2].

В 2019 году был сформулирован «The Bitter Lesson» (Sutton, 2019) [3] о том, что в долгосрочной перспективе работает только масштабирование обучающих данных, вычислений и повышение гибкости архитектур, тогда как ручной инжиниринг скорее вредит, чем помогает. Серьезной проблемой считалась узость обобщения моделей: их неспособность корректно работать на нетипичных примерах и новых задачах, не встречавшихся при обучении.

Broad generalization … includes the ability to handle situations that could not have been foreseen by the creators of the system. … Arguably, even the most advanced AI systems today do not belong in this category. [4]

Возникал вопрос о том, можно ли справиться с этой проблемой одним лишь масштабированием моделей и данных.

In order to deal with the combinatorial complexity of real world images the datasets would have to become exponentially large, which is clearly impractical. [5]

2021-2022

В начале 2021 года вышла модель генерации изображений Dall-E [6]. Она имела впечатляющую способность смешивать концепции, рисуя стул в форме авокадо, тапира в форме гармошки и т д. Это демонстрирует, в определенном смысле, креативность и высокую способность к обобщению.

Судя по всему, во многом это обеспечивалось в первую очередь количеством данных и временем обучения. Например, позже авторы SORA [7] показали, что увеличение времени обучения в 32 раза оказывает огромное влияние на качество генерации. В целом в машинном обучении обнаружилось, что увеличение количества и разнообразия обучающих данных делает модель устойчивее к нетипичным тестовым запросам [8, 9, 10].

Современные чат-боты

Сейчас, после выхода GPT-4o [11], Claude 3.5 Sonnet [12] и др., звучат утверждения, что масштабирование моделей с увеличением объема обучающих данных выходит на плато [13]. Но исследователи, кажется, нашли новые способы повышать качество через inference-time scaling. Франсуа Шолле — автор бенчмарка ARC AGI, который предназначался в качестве теста на AGI (общий ИИ), и был недавно на 87.5% решен моделью OpenAI o3. Шолле говорит, что хотя в бенчмарке ARC AGI есть проблемы, но он впечатлен новой моделью.

I think it represents a very significant break through in generalization power and in the ability of these models to adapt to something they’ve not seen before. [14]

Так выглядит одна из задач бенчмарка (причем эти данные подаются в модель в виде текста):

Чего пока не хватает чат-ботам:

1. Автономность. Сейчас есть тренд на агентов [15, 16], когда взаимодействие человека с ботом происходит не в виде сеанса вопросов и ответов, а в виде постановки цели. Для достижения цели бот сам ставит задачи и выполняет их. Например, нужно найти где дешевле продают некий товар. Для этого требуется сходить в интернет, собрать информацию, сопоставить ее и так далее. Согласитесь, со стороны такой бот ощущается уже не как вопросно-ответный справочник, а как некая более сознательная сущность.

2. Длинный контекст. Если каждый раз диалог с ботом не будет начинается с нуля, а будет происходить в контексте предыдущих диалогов недельной, месячной давности — то люди будут более склонны очеловечивать таких собеседников.

Оба эти проблемы уже активно решаются. Поэтому в перспективе можно ожидать, что доля людей, которые очеловечивают ИИ-собеседников, наделяют их личность и эмоциями, будет расти [17]. Хотя в научной фантастике искусственный интеллект часто показывают как лишенный эмоциональности, практика показывает, что в нейронные сети можно заложить способность демонстрировать собеседнику эмоции и тональности голоса. В голосовом режиме ChatGPT уже способен не такое [18, 19] — пока не идеально, так как это не первоочередная цель компании, но стоит ожидать прогресса.

Поскольку качество ИИ-систем зависят во многом от объема данных, стоит ожидать дальнейшего прогресса, так как сохраненные данные о взаимодействии с миллионами пользователей (их вопросы, голоса, видео) могут использоваться для обучения.

Современные генераторы изображений, видео и аудио

Чтобы понять качество генерации изображений, достаточно посмотреть This Film Does Not Exist [20]. Здесь нейросеть генерирует скриншоты из несуществующих фильмов. Тексты, судя по всему, тоже пишет нейросеть.

Генерация видео пока ограничивается довольно простыми сценами. В более сложных сценах нарушаются законы физики и осмысленность происходящего [21, 22, 23, 24, 25, 26]. Поэтому сейчас генерация видео дольше чем несколько секунд требует много черри-пика и ручной работы — здесь [27], например, нейросеть не генерирует все видео с нуля, а лишь генерирует переходы между выбранными пользователем кадрами.

Эти проблемы не выглядят непреодолимыми. Сценарий может сгенерировать языковая модель [28], затем можно сгенерировать как выглядят персонажи и окружение, затем сгенерировать ключевые кадры, и затем переходы между ними. Таким образом, полностью автономная генерация осмысленных видеосцен выглядит реальной, особенно если учесть скорость прогресса в этой области за предыдущие пару лет.

Если можно сгенерировать фильм, то, к сожалению, точно так же можно сгенерировать и дипфейк с реальным человеком [29, 30, 31]. Многие модели, предоставляемые по API, не позволят этого сделать [32], но рано или поздно появляются аналогичные open-source решения.

Особенно интересной является генерация музыки и песен. Cовременные модели, такие как Suno, генерируют песни с синтетическим голосом, которые уже сложно отличить от настоящих [33, 34, 35, 36]. Мы все привыкли, что музыкальное творчество, песни, интонации свойственны лишь человеку. Но здесь, как мне кажется, сравнение уже не всегда в пользу человека.

Вероятное будущее

Какое влияние на общество окажут описанные ИИ-технологии? Давайте абстрагируемся от текущего уровня развития ИИ и представим максимально развитый ИИ, который может общаться голосом, помнит предыдущие диалоги, проявляет эмоции. Представим, что с помощью ИИ вы сможете сгенерировать видео любого содержания (в том числе с вами, с вашими знакомыми, происходящие в вашей квартире), фильмы, стихи, музыку. ИИ сможет на ходу генерировать виртуальный мир, по которому вы можете ходить и изучать.

Это не научная фантастика, а довольно вероятное будущее, фактически, мы уже одной ногой стоим в этой реальности. Сейчас в силу инертности люди еще недостаточно освоились с новыми технологиями, а технологии еще сырые, но в дальнейшем они могут вызвать очень глубокие трансформации всего общества.

Спам-боты

Пока что спамеры не слишком эффективно пользуются новыми технологиями, и поэтому боты, оставляющие комментарии к постам в Telegram, выглядят безобидно, так как легко опознаются. Но потенциально все может измениться.

Проблема в том, что чат-ботов, если они ведут себя как люди, невозможно опознать. Современные наиболее продвинутые языковые модели, такие как GPT-4, уже неплохо проходят тест Тьюринга, то есть собеседники считают их людьми [37].

Суть идеи Тьюринга: его тест — это не тест на способность обманывать кого-либо, а тест на способность системы ИИ выполнять все задачи, подвластные человеческому разуму. [38, 39]

Но спам-ботам актуальна именно способность обманывать, притворяться. Представьте, что человек, с которым вы неделями общались в профильном чате, внезапно оказался ботом. Даже в самом уютном чате для катания на коньках в городе N часть участников чата могут оказаться ботами, которые месяцами втираются в доверие и шлют фейковые фотографии своих активностей, но лишь для того, чтобы впоследствии что-то прорекламировать.

Мне не кажется, что эта проблема надумана. Даже сейчас технологии позволяют реализовать подобное, но речь идет о будущем. Ботов обычно воспринимают как нечто примитивное, но сейчас ИИ уже научается помнить очень длинную историю диалога [40], эмоционально общаться [41] и даже соблазнять девушек в переписках [42]. Имея один сервер с GPU, один злоумышленник может запустить сотни и тысячи таких ботов в разных чатах, поскольку интенсивность сообщений в каждом чате невелика. Это может быть разрушительно для интернета.

Какие могут быть варианты решения и защитные реакции общества? Возможно, люди потеряют интерес к общению в интернете, за исключением частных каналов и личных переписок. Это вероятно еще и потому, что обилие дипфейков вызовет у людей утрату доверия к любому интернет-контенту. Интернет станет восприниматься как свалка отходов, токсичная для психики и рассудка. Это может привести к массовой технофобии, желанию возврата к прошлому.

В качестве альтернативы, спам может быть побежден в том случае, если реклама в целом потеряет смысл. Например, если все решения о выгодных покупках люди переложат на ботов-агентов. Но это не решает проблемы использования спама для агитации за или против чего-то.

Потеря ценности человека. Скрипач не нужен?

В научной фантастике ИИ чаще всего представляют как некий компьютер, выполняющий холодный расчет. Он либо совсем не имеет эмоций, либо эмоционально неразвит. Даже в научной фантастике, где ИИ интеллектуально более развит, чем человек, люди могут чуствовать свое превосходство над ИИ, свою нишу хотя бы в эмоциях и искусстве. Например, песни и музыка — это традиционная прерогатива человека, а не машин. Через них передаются мысли, эмоции, креативность.

Но реальность, кажется, разворачивается по иному сценарию. На практике оказывается, что нейросетям хорошо дается искусство, и пока все идет к тому, что скоро ИИ начнет генерировать фильмы и песни не хуже человека (при этом более персонализированно). Это будет большой удар по самолюбию человеческой цивилизации. Что вы будете чувствовать, слушая сгенерированные песни, проявляющие эмоции, глубину мысли, красивый вокал; cмотря фильмы с интересным сюжетом и колоритными актерами, за которыми не стоит ничего, кроме перемножения матриц?

В целом, в людях заложена потребность в признании и самореализации, но количество научных и творческих задач, в которых люди пока лучше машин, будет уменьшаться. Если так пойдет и дальше, то скорее всего люди массово сделают вывод, что человек — больше не звучит гордо. Человеческий интеллект переоценен, человек не имеет особой ценности, и ему больше не к чему стремиться. Возникнет глобальный кризис самореализации.

Здесь можно вспомнить Ли Седоля, мастера игры го, который завершил карьеру после того, как понял, что ИИ стало невозможно победить.

Even if I become the number one, there is an entity that cannot be defeated. (Ли Седоль)

Но хотя Ли Седоль завершил карьеру профессионала, он не забросил игру полностью и даже основал школу по обучению детей игре го [43].

На самом деле, уже есть множество областей, в которых преимущество машин над людьми неоспоримо, но люди продолжают соревноваться друг с другом. Например, в шахматах движок Stockfish имеет ELO-рейтинг около 3600 (это еще зависит от вычислительных ресурсов, потраченных на каждый ход). Это на 800 ELO выше сильнейших игроков из числа людей, что по формуле ELO означает, что человек проигрывает в 99% матчей. Наконец, вне сферы интеллектуальных игр, машина будет лучше стрелять в Counter-Strike или быстрее передвигаться по земле, но соревнования в Counter-Strike и по бегу все так же актуальны. Так что, кризис самореализации, возможно, не фатален.

Здесь есть еще один важный момент. На текущем этапе успех алгоритмов связан с массовым перебором вариантов — либо во время обучения, либо во время игры. Например, AlphaStar, ИИ-бот для игры в Starcraft 2, обучался 200 лет игрового времени. Интересно, что и в некоторых AGI-бенчмарках (задачах на проверку интеллекта для ИИ) тоже можно выдать за «интеллект» просто умение перебирать миллионы вариантов.

An analysis of the ARC-AGI benchmark shows that its tasks represent a very specific type of problem that can be solved by massive trialling of combinations of predefined operations. This method is also applied by o3, achieving its high score through the extensive use of computing power. [44]

Поэтому утверждать, что ИИ имеет высокий интеллект в человеческом смысле, пока рано. Возможно, ИИ находится где-то посередине между полным перебором вариантов и человеческим умением учиться. Но известно, что способность быстро обучаться новым задачам связана с большим объемом предобучения, так что здесь тоже все может измениться.

Уход людей в себя

Уже сейчас в мире большое количество фанатов компьютерных игр, для которых они важнее реальности. Компьютерные игры заставляют человека испытывать всю гамму эмоций и реализуют всю пирамиду потребностей, исключая базовые. Потребности в социализации, признании, уважении и самореализации могут быть реализованы через прогресс в мультиплеерной компьютерной игре. Мир вокруг становится серым, сужается круг общения, круг интересов. При этом игры позволяют обеспечить душевное спокойствие и хорошее настроение.

Конечно, увлекательность компьютерных игр будет расти через генеративную графику [45], персонализированность и более умных игровых персонажей. Например, Nvidia ищет способы усилить боссов в играх искусственным интеллектом, чтобы они подстраивались под вашу стратегию, учитывали популярные тактики, ваше снаряжение и т. д. [46]. Каждый человек сможет создать себе виртуальную вселенную, в которой ему будет комфортно. Если дети растут в условиях, когда виртуально можно сгенерировать что угодно, будут ли они интересоваться реальным миром?

Все это умножается на еще один фактор: тенденцию к снижению времени рабочего рабочего дня за счет ИИ-автоматизации, появлению безусловного базового дохода. Это с одной стороны позволит уделять больше времени виртуальному миру, а с другой стороны снизит мотивацию получать квалификацию. К тому же, получать квалификацию будет мешать списывание домашних заданий у чат-ботов. Это может привести к большому проценту людей, которые не смогут найти работу и будут пытаться реализовываться в виртуальном мире. Наконец, генеративное порно [47] снизит интерес к противоположному полу в реальном мире, так что выходить из дома вообще не будет никакого смысла.

В сочетании с кризисом самореализации, это будет мир бесполезных людей, ушедших в мир виртуальных развлечений, в который человек сам ничего не привносит и не представляет ценности. Поскольку для соверменного общества такое положение вещей осуждаемо, вероятно общественная мораль будет меняться, адаптироваться. Ведь если больше не нужно работать и приносить пользу, да и пользы как таковой человек принести не может — зачем эти устаревшие моральные ценности?

Хочу уточнить, что я говорю не про текущее общество, а про потенциальное общество, в котором ИИ преуспел в науке и искусстве в большей степени, чем человек, в связи с чем человеку сложно себя реализовать. В предыдущих разделах я пытался доказать, что это более чем реальная перспектива на ближайшее будущее.

Сингулярность как закон природы

Мир демонстрирует интересное сочетание прогнозируемости и непрогнозируемости. В турбулентном потоке воды в ручье сложно предсказать локальные возмущения, но легко предсказать, что вода будет течь сверху вниз. В обществе тоже многие события случайны, но в целом общество, как ни странно, прогнозируемо. Например, в экономике происходят колебания с периодом 45-60 лет, называемые волнами Кондратьева [48], эффективность вычислительных архитектур [49] и масштабируемость ИИ [50] растет экспоненциально со временем, а численность населения и некоторые другие параметры общества, такие как степень урбанизации, до определенного момента росли гиперболически [51], после чего стали замедляться.

В самом крупном масштабе, оказывается, тоже прослеживается некая динамика. Если отметить на временной оси глобальные антропогенные кризисы, и следовавшие за ними точки переломных моментов в обществе (неолитическая революция, железный век, первая промышленная революция и т. д.) и природе (кислородный кризис, кембрийский взрыв и т. д.), то прослеживается закономерность: длительность периодов между кризисами убывает экспоненциально. Этот феномен около 20 лет назад открыли независимо как минимум три раза: Снукс [52], Панов [53] и Курцвейл [54].

Что если попытаться продолжить эту тенденцию в будущее? Геометрическая прогрессия имеет конечную сумму, например 1 + 1/2 + 1/4 + … = 2. Кривая частоты кризисов на единицу времени растет гиперболически и достигает бесконечности примерно в середине XXI века. Эту именно та точка, которую называют технологической сингулярностью [55, 56], или вертикалью Снукса-Панова.

Что конкретно это означает — никто не знает. Здесь обрывается закономерность, которая прослеживается на протяжении всей истории Земли. Тут можно вспомнить, что численность населения тоже какое-то время росла по гиперболической кривой, то есть должна была уйти в бесконечность за конечное время (к 2025 году). Но, естественно, этого не произошло — согласно статистическим данным, закон гиперболического роста прекратил действие в 1960—1970 годах [57], и сейчас нельзя уже говорить даже о линейном росте численности. Если за вертикалью Снукса-Панова стоит какой-то закон природы, то можно осторожно предположить, что он пойдет по тому же сценарию. Но, так или иначе, описанная закономерность прогнозирует новые кризисы в обществе, хоть и не уточняет какие именно. Сейчас кажется вероятным, они могут быть связаны с ИИ и адаптацией общества к нему (хотя есть и другие потенциальные источники кризисов, связанных с моделированием экономики, и попыткой проэкстраполировать в будущее [59, 60].

Исходя из описанного в этой статье, кажется, что эти кризисы могут быть связаны с психикой человека. Социолог А. Назаретян, анализируя историю человеческого общества, вывел еще одно правило — закон техно-гуманитарного баланса:

Чем выше мощь производственных и боевых технологий, тем более совершенные средства культурной регуляции необходимы для сохранения общества. [58]

Но психика человека несовершенна и инертна, поэтому вопрос в том, успеет ли она адаптироваться к росту технологий, в том числе ИИ, открывающему новые возможности для людей вредить друг другу.

Противоречие двух тенденций – всплеск фундаментализма, «религиозный ренессанс», с одной стороны, и глобализация с размыванием макрогрупповых размежеваний, с другой стороны, – составляет лейтмотив нынешнего этапа мировой истории. [56]

Заключение

В этой статье я старался подсветить потенциальное деструктивное (или, как минимум, трансформирующее) влияние развитого ИИ на человеческое общество. Конечно, у ИИ есть не только минусы, но и очевидные плюсы, просто они не являются темой этой небольшой статьи.

Литература

1. Bahri, Y., Dyer, E., Kaplan, J., Lee, J., & Sharma, U. (2021). Explaining Neural Scaling Laws. arXiv, 2102.06701. Retrieved from https://arxiv.org/abs/2102.06701v2

2. Belkin, M., Hsu, D., Ma, S., & Mandal, S. (2018). Reconciling modern machine learning practice and the bias-variance trade-off. arXiv, 1812.11118. Retrieved from https://arxiv.org/abs/1812.11118v2

3. The Bitter Lesson. (2019, March 16). Retrieved from http://www.incompleteideas.net/IncIdeas/BitterLesson.html

4. Chollet, F. (2019). On the Measure of Intelligence. arXiv, 1911.01547. Retrieved from https://arxiv.org/abs/1911.01547v2

5. Yuille, A. L., & Liu, C. (2018). Deep Nets: What have they ever done for Vision? arXiv, 1805.04025. Retrieved from https://arxiv.org/abs/1805.04025v4

6. Ramesh, A., Pavlov, M., Goh, G., Gray, S., Voss, C., Radford, A., …Sutskever, I. (2021). Zero-Shot Text-to-Image Generation. arXiv, 2102.12092. Retrieved from https://arxiv.org/abs/2102.12092v2

7. Video generation models as world simulators. (2025, January 22). Retrieved from https://openai.com/index/video-generation-models-as-world-simulators

8. Taori, R., Dave, A., Shankar, V., Carlini, N., Recht, B., & Schmidt, L. (2020). Measuring Robustness to Natural Distribution Shifts in Image Classification. arXiv, 2007.00644. Retrieved from https://arxiv.org/abs/2007.00644v2

9. Radford, A., Kim, J. W., Xu, T., Brockman, G., McLeavey, C., & Sutskever, I. (2022). Robust Speech Recognition via Large-Scale Weak Supervision. arXiv, 2212.04356. Retrieved from https://arxiv.org/abs/2212.04356v1

10. Chung, H. W., Hou, L., Longpre, S., Zoph, B., Tay, Y., Fedus, W., …Wei, J. (2022). Scaling Instruction-Finetuned Language Models. arXiv, 2210.11416. Retrieved from https://arxiv.org/abs/2210.11416v5

11. Hello GPT-4o. (2025, January 22). Retrieved from https://openai.com/index/hello-gpt-4o

12. Introducing Claude 3.5 Sonnet. (2025, January 22). Retrieved from https://www.anthropic.com/news/claude-3-5-sonnet

13. Илья Суцкевер вчера выступил с интереснейшей лекцией про скейлинг моделей на NeurlPS 2024 https://t.me/data_secrets/5698

14. Talk, M. L. S. (2025, January 08). François Chollet on OpenAI o-models and ARC. Youtube. Retrieved from https://www.youtube.com/watch?v=w9WE1aOPjHc

15. Google выпустил базовый документ, посвященный AI-агентам https://t.me/abulaphia/5387

16. ИИ-агент Devin https://t.me/ai_newz/3548

17. Aктивно использующие ChatGPT люди считают чат разумным существом https://t.me/techsparks/4585

18. Акценты в ChatGPT https://t.me/denissexy/8773

19. Голосовой режим ChatGPT умеет пугающе хорошо имитировать человеческие эмоции https://t.me/aiaiai/15191

20. This Film Does Not Exist https://vk.com/tfdne

21. RetroFuturista. (2024, February 15). OpenAI Sora in Action: Tokyo Walk. Youtube. Retrieved from https://www.youtube.com/watch?v=tRSdt5kmeW0&ab_channel=RetroFuturista

22. Veo 2 — новая SOTA видео-генерация?! https://t.me/ai_newz/3550

23. Сравнение Sora и Google Neo 2! https://t.me/data_analysis_ml/2984

24. Footage of the Giza Pyramid Complex being built Egypt c. 2600 – c. 2500 BC https://www.reddit.com/r/aivideo/comments/1g5196e/footage_of_the_giza_pyramid_complex_being_built/

25. Sora сгенерировала, пожалуй, самые эффектные автомобильные аварии https://t.me/aiaiai/15925

26. Выступление человека-вентилятора гимнастки от передового видеогенератора Sora. https://t.me/aiaiai/15906

27. Рандома в генерациях Runway больше не будет. https://t.me/aiaiai/15756

28. Я только что осознал что AI умнее меня https://t.me/denissexy/9347

29. Дипфейк-скам в промышленных масштабах распространяется по миру https://t.me/olya_tashit/3189

30. Супер-реалистичные ИИ-видео https://t.me/AImademyday/477

31. Черт… Дипфейки уже какого-то нереального качества. https://t.me/ai_product/738

32. Про Сору и цензуру. https://t.me/cgevent/10493

33. Backyard Fears https://reddit.com/r/aivideo/comments/1hhnatj/backyard_fears/

34. Forest Fire https://www.reddit.com/r/aivideo/comments/1h3coy3/forest_fire/

35. Вы не готовы: PU$HKIN стал рэпером и зачитал свое известное стихотворение «Памятник». https://t.me/aiaiai/15515

36. Клип «Venom — Трудный путь» https://t.me/aiaiai/15934

37. Помните Eliza чат бота из 1966? https://t.me/denissexy/8865

38. Сергей Марков. Охота на электроовец, том 2 https://markoff.science/

39. Кажется, что тест Тьюринга имеет столько же общего с обманом человека, сколько кот Шрёдингера имеет общего с убийством котов https://t.me/voicestuff/832

40. Пост про интересное применение длинного контекста в новой Gemini Pro v1.5 https://t.me/seeallochnaya/1101

41. Экспериментирую с Advanced Voice Mode в ChatGPT https://t.me/hikonon/67

42. Vibe: спасает в самую трудную минуту https://t.me/bogdanisssimo/1339

43. Wakabayashi, D., & Young, J. Y. (2024). Defeated by A.I., a Legend in the Board Game Go Warns: Get Ready for What’s Next. N.Y. Times. Retrieved from https://www.nytimes.com/2024/07/10/world/asia/lee-saedol-go-ai.html

44. Pfister, R., & Jud, H. (2025). Understanding and Benchmarking Artificial Intelligence: OpenAI’s o3 Is Not AGI. arXiv, 2501.07458. Retrieved from https://arxiv.org/abs/2501.07458v1

45. Как они будут генерировать игровую картинку? https://t.me/CGIT_Vines/2371

46. NVIDIA хочет усилить боссов в играх искусственным интеллектом. https://t.me/aiaiai/16067

47. Дипфейк-порно вышло из под контроля https://t.me/cumonmychannel/6660

48. Kondratiev wave — Wikipedia. Retrieved from https://en.wikipedia.org/w/index.php?title=Kondratiev_wave&oldid=1260122535

49. Moore’s law — Wikipedia. Retrieved from https://en.wikipedia.org/w/index.php?title=Moore’s_law&oldid=1266122759

50. I. From GPT-4 to AGI: Counting the OOMs — SITUATIONAL AWARENESS. (2024, July 15). Retrieved from https://situational-awareness.ai/from-gpt-4-to-agi

51. Марков, А. В., & Коротаев, А. В. (2009). Гиперболический рост в живой природе и обществе. Retrieved from https://www.zin.ru/animalia/coleoptera/pdf/markov_korotaev_2009_hyperbolic_growth.pdf

52. Snooks, G. (1996). The Dynamic Society:The Sources of Global Change. Taylor & Francis. doi: 10.4324/9780203029176

53. Панов, А. Д. Сингулярность Дьяконова http://alpha.sinp.msu.ru/~panov/Diakonov.pdf

54. Kurzweil, R. (2014). The Singularity is Near. Ethics and Emerging Technologies. Palgrave Macmillan. doi: 10.1057/9781137349088_26

55. Технологическая сингулярность — Википедия. Retrieved from https://ru.wikipedia.org/w/index.php?title=Технологическая_сингулярность&oldid=141685028

56. Назаретян, А. П. Нелинейное будущее. Мегаисторические, синергетические и культурно-психологические предпосылки глобального прогнозирования. https://batrachos.com/sites/default/files/pictures/Books/Nazaretyan_2013_Nelineynoe buduschee.pdf

57. Закон гиперболического роста численности населения Земли — Википедия. Retrieved from https://ru.wikipedia.org/w/index.php?title=Закон_гиперболического_роста_численности_населения_Земли&oldid=142542847

58. Назаретян, А. П. Антропология насилия и культура самоорганизации. https://batrachos.com/sites/default/files/pictures/Books/Nazaretyan_2007_Antropologiya nasiliya i kultura samoorganizatsii_Ocherki po evolyutsionno-istoricheskoy psihologii.pdf#page=230.31

59. Голованов, В. (2021). Идём по графику: предсказанный 50 лет назад коллапс человечества пока никто не отменил. SE7EN. Retrieved from https://habr.com/ru/articles/585012

60. Пределы роста — Википедия. Retrieved from https://ru.wikipedia.org/w/index.php?title=Пределы_роста&oldid=141718642

---

«Науки, каждая из которых тянет в своем направлении, до сих пор причиняли нам мало вреда; однако настанет день и объединение разрозненных доселе обрывков знания откроет перед нами такие ужасающие виды реальной действительности, что мы либо потеряем рассудок от увиденного, либо постараемся скрыться от этого губительного просветления в покое и безопасности нового средневековья.» (Г. Лавкрафт, «Зов Ктулху»)

 

Источник