🧠 Следующий рывок ИИ — не новые веса, а самоорганизация
Директор по стратегии Google DeepMind Джасджит Секхон, выступая на Agentic AI Summit в Беркли, назвал, куда идут беспрецедентные капитальные вложения ИИ-индустрии прямо сейчас. Это инвестиции на рекурсивное самоулучшение ИИ — RSI.
Доходы от ИИ пока не покрывают этих расходов, и есть риск «воздушной ямы», когда деньги уже потрачены, а выручка не пришла. Речь идёт о капитальных затратах Google порядка $200 млрд за год и о сроке появления RSI в 2027–2028 годах.
Что такое RSI?
Это не переобучение модели, не рост числа параметров и не новые веса. Модель просто переписывает собственные правила работы: как управлять контекстом, когда обращаться к инструментам, как проверять промежуточный результат, в какой момент останавливаться. Веса при этом не меняются вообще.
Здесь напрашивается точная аналогия с человеческими экспертными группами. Есть методы организации коллективного мышления — дельфийский метод, структурированные протоколы разбора, распределение ролей в исследовательской команде, — которые кратно поднимают продуктивность группы, не делая ни одного её участника умнее. Меняется не квалификация, а порядок работы.
RSI — ровно тот же приём, но с одним отличием: сам порядок работы становится подвижным и переписывается системой на ходу.
Именно это показала Kimi K3. Модели дали 17 часов на самостоятельное улучшение собственных правил работы с контекстом, инструментами и проверками. Результат на TerminalBench вырос с 77,5% до 88,8%, стоимость прогона упала с $79 до $49,8. Веса не тронуты — изменилась только организация процесса.
Здесь сама смена рамки заслуживает внимания. Прирост качества берётся не из нового обучения, а из более удачной самоорганизации уже обученной системы.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться
Директор по стратегии Google DeepMind Джасджит Секхон, выступая на Agentic AI Summit в Беркли, назвал, куда идут беспрецедентные капитальные вложения ИИ-индустрии прямо сейчас. Это инвестиции на рекурсивное самоулучшение ИИ — RSI.
Доходы от ИИ пока не покрывают этих расходов, и есть риск «воздушной ямы», когда деньги уже потрачены, а выручка не пришла. Речь идёт о капитальных затратах Google порядка $200 млрд за год и о сроке появления RSI в 2027–2028 годах.
Что такое RSI?
Это не переобучение модели, не рост числа параметров и не новые веса. Модель просто переписывает собственные правила работы: как управлять контекстом, когда обращаться к инструментам, как проверять промежуточный результат, в какой момент останавливаться. Веса при этом не меняются вообще.
Здесь напрашивается точная аналогия с человеческими экспертными группами. Есть методы организации коллективного мышления — дельфийский метод, структурированные протоколы разбора, распределение ролей в исследовательской команде, — которые кратно поднимают продуктивность группы, не делая ни одного её участника умнее. Меняется не квалификация, а порядок работы.
RSI — ровно тот же приём, но с одним отличием: сам порядок работы становится подвижным и переписывается системой на ходу.
Именно это показала Kimi K3. Модели дали 17 часов на самостоятельное улучшение собственных правил работы с контекстом, инструментами и проверками. Результат на TerminalBench вырос с 77,5% до 88,8%, стоимость прогона упала с $79 до $49,8. Веса не тронуты — изменилась только организация процесса.
Здесь сама смена рамки заслуживает внимания. Прирост качества берётся не из нового обучения, а из более удачной самоорганизации уже обученной системы.
Обучению приходит на смену новая самоорганизованность.
💬 Тест Тьюринга. События в сфере ИИ. Подписаться