Поделиться
Самые успешные нейросети работают в программировании и математике. Их создатель объяснил, почему так
Эксперт по развитию искусственного интеллекта объяснил, почему прогресс нейронных сетей в 2026 г. сконцентрировался в программировании, математике и исследованиях, а типовые задачи вроде поиска, письма и советов почти не изменились с 2022 г. По их мнению, есть две главные причины: технические и экономические.
Экспертное мнение
Один из основателей OpenAI и бывший директор по искусственному интеллекту (ИИ) в Tesla Андрей Карпатый (Andrej Karpathy) опубликовал в социальной сети X подробный рассказ, посвященный растущему разрыву в восприятии реальных возможностей современных ИИ-моделей.
Словак с канадским паспортом Андрей Карпатый прошел путь от академического ученого до ключевой фигуры в ИИ-индустрии, став одним из главных экспертов в сфере программирования систем. Он является сооснователем OpenAI и ведущим разработчиком автопилота Tesla, как писал CNews. Он родился в 1986 г. в Словакии, а в 2001 г. переехал в Канаду. Он получил докторскую степень в Стэнфордском университете* в 2015 г. под руководством американской ученой-компьютерщицы Фэй-Фэй Ли (Fei-Fei Li), сосредоточившись на пересечении обработки естественного языка и компьютерного зрения, а также на ИИ-моделях глубокого обучения, подходящих для этой задачи.
По мнению эксперта, даже среди пользователей, готовых платить $200 в месяц за самые продвинутые ИИ-модели, очень немногие адекватно оценивают масштаб произошедших улучшений в 2026 г. Карпатый отмечает, что основной прогресс с 2022 г. сконцентрировался в трех областях: программировании, математике и исследовательской деятельности. В то же время в решении типовых повседневных задач — таких как поиск информации, написание текстов и выдача общих рекомендаций — заметных улучшений практически не наблюдается. Таким образом, существует значительное расхождение между реальными достижениями ИИ-моделей и их восприятием широкой аудиторией.
Две группы пользователей
13 апреля 2026 г. Андрей Карпатый выделил две демографические группы пользователей, которые, по его словам «говорят на разных языках» в дискуссиях об развитии ИИ-технологий.
К первой группе он отнес тех, кто сформировал свое мнение об ИИ на основе использования бесплатной версии ChatGPT примерно годичной давности. Именно эти пользователи часто скептически относятся к возможностям ИИ-моделей в 2026 г. и высмеивают вирусные ролики, в которых голосовой ИИ-ассистент OpenAI не может справиться с элементарными задачами — например, решить, стоит ли ехать на машине или идти пешком до автомойки, расположенной всего в 50 м от дома. По мнению эксперта, подобные примеры не отражают реальных возможностей сегодняшних ИИ-моделей. Он подчеркивает, что устаревшие и уже во многом осиротевшие версии ИИ-моделей не дают представления о том, на что способны современные агентные ИИ-системы.
Ко второй группе Андрей Карпатый относит профессионалов, которые активно используют в своей работе такие ИИ-инструменты, как OpenAI Codex и Claude Code для решения задач в области программирования, математики и научных исследований. Именно представители этой группы, по его мнению, в наибольшей степени подвержены так называемому ИИ-психозу т.е. когда люди, взаимодействуя с чат-ботами, теряют связь с реальностью. Ведь когда такой ИИ-модели предоставляется доступ к терминалу, она способна за считанные часы выполнить сложнейшие задачи: полностью переструктурировать крупную кодовую базу, обнаружить и эксплуатировать ИТ-уязвимости в компьютерных ИТ-системах — операции, на которые у квалифицированного ИТ-разработчика ушли бы дни или даже месяцы. Карпатый подчеркивает, что именно этот колоссальный разрыв в производительности между человеком и современной агентной ИИ-моделью создает у профессионалов ощущение радикального и стремительного изменения технологической реальности.
Главные причины
Андрей Карпатый объясняет существующий разрыв двумя основными — техническими и экономическими — причинами.
Во-первых, задачи программирования и математики идеально подходят для обучения с подкреплением благодаря наличию четко верифицируемых наград: юнит-тест либо пройден, либо нет. В отличие от этого, качество генерации текстовых ответов крайне сложно измерить алгоритмически.
Во-вторых, именно программирование и математика приносят основную выручку в business-to-business (B2B)-сегменте в 2026 г. В связи с этим подавляющая часть исследовательских команд в ведущих ИИ-лабораториях сосредоточена именно на улучшении ИИ-моделей в этих направлениях.
Такое сочетание технической пригодности и высокого коммерческого потенциала привело к тому, что прогресс в программировании и математике существенно опережает развитие ИИ-моделей в области генерации обычных текстов, поиска информации и выдачи общих рекомендаций для обычных пользователей.
Разные классы задач
Итог своего размышления Андрей Карпатый формулирует следующим образом, голосовой режим ChatGPT действительно будет демонстрировать слабые результаты и попадать в мемные ролики даже после 2026 г. В то же самое время топовая версия Codex способна будет часами непрерывно перестраивать и рефакторить чужой программный ИТ-проект.
Обе эти картины реальности верны одновременно, ведь они просто относятся к разным ИИ-моделям и к принципиально разным классам задач. Таким образом, наблюдаемый разрыв в восприятии возможностей ИИ во многом объясняется тем, что разные пользователи оценивают совершенно разные аспекты и версии ИИ-технологий.
Короткая ссылка
