Искусственный интеллект может оказаться на пороге нового этапа развития — момента, когда он начнёт самостоятельно создавать более совершенные версии самого себя. Именно такую перспективу сегодня все чаще обсуждают руководители крупнейших мировых AI-лабораторий. По их мнению, рекурсивное самоулучшение (Recursive Self-Improvement, RSI) уже перестало быть научной фантастикой и постепенно превращается в реальную исследовательскую задачу.

Одним из наиболее громких заявлений последних недель стало выступление сооснователя Anthropic Джека Кларка (Jack Clark). Во время мероприятия Aspen Institute он предположил, что уже к концу 2028 года вероятность появления полноценного рекурсивного самоулучшения составляет около 60%.

Суть идеи заключается в следующем: достаточно развитая модель сможет самостоятельно проводить исследования, писать код, запускать эксперименты, анализировать результаты и на их основе создавать новую, более совершенную версию самой себя. В таком сценарии следующую систему — условный Claude 11 — сможет разработать уже не команда инженеров, а предыдущая модель, например Claude 10.

По мнению Кларка, после достижения этой точки скорость развития ИИ будет определяться уже не только человеческими идеями, а прежде всего доступными вычислительными ресурсами. Именно этот сценарий многие исследователи связывают с концепцией «интеллектуального взрыва», когда каждое новое поколение ИИ ускоряет разработку следующего.

Практически одновременно похожую оценку дал генеральный директор Google DeepMind Демис Хассабис. В интервью Axios он подтвердил, что рекурсивное самоулучшение сегодня является одним из главных направлений работы всех ведущих лабораторий искусственного интеллекта.

По его словам, сейчас отрасль уже наблюдает первые формы так называемого «мягкого самоулучшения», когда программные агенты существенно повышают продуктивность инженеров, помогая создавать новые системы быстрее, чем раньше.

Хассабис также признался, что развитие подобных технологий вызывает у него серьезные опасения. Еще во время Всемирного экономического форума в Давосе он говорил, что именно возможные последствия появления сверхразумного ИИ являются одной из причин его постоянного беспокойства.

Подобные заявления подкрепляются и практическими результатами последних исследований.

Одним из наиболее обсуждаемых стал бенчмарк MirrorCode, разработанный организациями Epoch AI и METR. Его задача — проверить, способен ли искусственный интеллект восстановить программный продукт практически с нуля, имея лишь исполняемый файл и документацию, без доступа к исходному коду.

В одном из испытаний модель Claude Opus 4.7 смогла практически полностью воссоздать биоинформатический инструмент на языке Go объемом около 16 тысяч строк кода, успешно пройдя почти все тесты. Работа, которая у опытных программистов могла бы занять несколько недель, была выполнена примерно за 14 часов.

Еще более впечатляющим оказался крупнейший эксперимент MirrorCode: модель непрерывно работала над одной задачей около девятнадцати суток без какого-либо участия человека. Хотя подобные испытания проводятся в контролируемой исследовательской среде и не отражают всех аспектов промышленной разработки, они демонстрируют стремительный рост возможностей современных моделей.

Одновременно меняется и практика разработки внутри самих AI-компаний. Согласно данным Anthropic, к маю 2026 года более 80% кода, попадающего в основной репозиторий компании, уже создавалось при участии Claude. Еще годом ранее эта доля была минимальной.

Кроме того, внутренние исследования компании показывают значительный рост производительности инженеров. По оценкам сотрудников Anthropic, использование ИИ позволило увеличить эффективность работы в несколько раз, а некоторые разработчики признаются, что уже месяцами практически не пишут код вручную, сосредотачиваясь на постановке задач и проверке результатов.

Особый интерес вызывает применение ИИ для ускорения исследований в области самого искусственного интеллекта. Одно из внутренних испытаний Anthropic заключается в том, что модели поручают оптимизировать программу обучения другой модели, сохранив качество результата. По данным компании, за год эффективность подобных оптимизаций выросла многократно.

OpenAI также рассматривает рекурсивное самоулучшение как одну из важнейших тем ближайшего десятилетия. В опубликованном компанией документе по вопросам управления передовыми системами ИИ говорится, что уже сегодня можно наблюдать первые признаки того, что развитие искусственного интеллекта начинает ускоряться благодаря самому искусственному интеллекту.

По сообщениям ряда СМИ, генеральный директор OpenAI Сэм Альтман в общении с сотрудниками также допускал, что первые практические формы RSI могут появиться значительно раньше, чем многие ожидают. При этом важно отметить, что подобные оценки остаются прогнозами, а не подтвержденными фактами.

Несмотря на впечатляющие достижения, многие специалисты подчеркивают, что между современными системами автоматизации исследований и полноценным рекурсивным самоулучшением сохраняется существенная разница. Сегодняшние модели способны ускорять отдельные этапы разработки, однако пока нет общепризнанных доказательств того, что они уже могут полностью самостоятельно создавать новые поколения фундаментально более совершенных моделей без участия человека.

Кроме технических вопросов, активно обсуждаются и проблемы безопасности. Исследователи опасаются, что по мере роста автономности ИИ будет сложнее контролировать процесс его развития, особенно если системы смогут самостоятельно изменять собственные алгоритмы обучения или принимать решения без постоянного человеческого надзора.

При этом многие эксперты считают, что ценность подобных исследований выходит далеко за рамки создания более мощных моделей. Технологии автоматизации научных исследований могут ускорить открытия в математике, биологии, физике, материаловедении и других областях. Уже сегодня ИИ помогает искать новые алгоритмы, оптимизировать программный код и анализировать сложные научные данные.

В итоге становится очевидно, что вопрос заключается уже не только в том, появится ли рекурсивное самоулучшение вообще, а в том, насколько быстро оно будет развиваться и какие механизмы контроля удастся создать до его широкого распространения. Многие руководители ведущих AI-лабораторий сходятся во мнении, что ближайшие несколько лет станут определяющими для всей отрасли. Однако конкретные сроки — включая часто упоминаемый рубеж 2028 года — пока остаются экспертными прогнозами, а не установленным фактом.