Anthropic та OpenAI протягом останніх двох років публічно обіцяли, що автономний AI-дослідник — система, здатна самостійно генерувати гіпотези, ставити експерименти й інтерпретувати результати без постійного нагляду людини, — з'явиться вже в найближчі роки. За даними The Decoder, нове незалежне дослідження ставить ці прогнози під серйозний сумнів: дистанція до справді автономного наукового ШІ, за його висновками, значно більша, ніж випливає з публічних заяв обох лабораторій.

Ставки тут не абстрактні. Якщо AI справді найближчим часом навчиться самостійно проводити повний цикл дослідження — від формулювання гіпотези до перевіреного висновку, — це змінить економіку R&D у фармацевтиці, матеріалознавстві й у самій розробці моделей ШІ. Тому розрив між публічною риторикою лабораторій і незалежною перевіркою цих тверджень має пряме практичне значення для кожного, хто закладає плани чи бюджети на основі обіцянок індустрії, а не лише академічний інтерес.

Для AiiN головний висновок практичний: команди, що будують продукти на базі AI, отримують привід звірити свої дорожні карти з реальністю, а не з прес-релізами лабораторій.

Що саме обіцяли Anthropic і OpenAI?

Обидві компанії неодноразово озвучували горизонт у кілька років до появи AI, здатного самостійно виконувати роботу науковця. Anthropic сформулювала це найгучніше в есе співзасновника й CEO Даріо Амодея «Machines of Loving Grace» (жовтень 2024 року), де йшлося про «потужний AI», спроможний стиснути десятиліття наукового прогресу в роки завдяки автономній дослідницькій роботі. OpenAI зі свого боку публічно окреслювала перспективу появи AI-агента, який виконує функції дослідника без людини в циклі, у другій половині цього десятиліття. Ці заяви лягли в основу очікувань частини інвесторів і галузі щодо швидкості наближення повністю автономних наукових агентів.

У чому суть нового дослідження?

Дослідження, на яке посилається The Decoder, прямо суперечить цим прогнозам: воно не знаходить підстав для тези, що автономний AI-дослідник — питання найближчого часу. Йдеться не про спростування можливостей сучасних моделей загалом, а про перевірку вужчого й конкретнішого твердження — здатності AI вести весь дослідницький процес самостійно, без постійної корекції та нагляду з боку людини. Автономне наукове дослідження вимагає не одного вдалого висновку, а стабільної роботи на довгому горизонті: постановки експерименту, інтерпретації суперечливих результатів і виправлення власних помилок без підказки ззовні — і саме тут, за даними The Decoder, розрив між заявами лабораторій і реальним станом моделей найпомітніший. За оцінкою AiiN, розбіжність такого масштабу між публічними прогнозами лабораторій і незалежною перевіркою типова для індустрії, де терміни часто озвучують і як маркетинговий сигнал для інвесторів.

Кому і навіщо це важливо?

Найбільше це стосується команд, які приймають продуктові чи інвестиційні рішення на основі публічних дорожніх карт лабораторій ШІ. Дослідження дає їм реалістичнішу опорну точку:

Ширший контекст тут теж має значення: цінова конкуренція між OpenAI і Anthropic, про яку ми вже писали, — ще один приклад того, як обидві компанії балансують між гучними технологічними обіцянками й тиском комерційного ринку.

Висновок AiiN

Наша теза проста: розрив між заявами лабораторій про терміни появи автономного AI та тим, що витримує незалежну перевірку, — постійна риса цієї індустрії, і його варто закладати в будь-яке планування як окрему змінну, а не списувати на похибку. Для AI-білдерів це означає одне практичне правило: проєктувати продукти під можливості моделей, підтверджені сьогодні, а не під горизонт, озвучений у прес-релізі чи есе CEO.

Заяви лабораторій варто читати як орієнтир напрямку руху індустрії, а не як дату в календарі. Це дослідження — корисний інструмент саме для того, щоб відкалібрувати очікування ближче до реальності, перш ніж вона вплине на реальний бюджет чи продуктовий реліз.

Чи означає це, що автономні AI-дослідники взагалі неможливі?

Ні. Дослідження, за даними The Decoder, ставить під сумнів терміни, а не саму траєкторію розвитку: сучасні моделі вже беруть на себе частину дослідницьких задач під наглядом людини, і ця частка поступово зростає — питання лише в тому, наскільки швидко.

Що робити компаніям, які вже інвестують в AI-агентів для R&D?

Тримати людину в циклі перевірки результатів і не перебудовувати процеси під сценарій, у якому AI повністю замінює дослідника вже найближчим часом. Такий підхід прямо відповідає реалістичнішій оцінці, яку дає нове дослідження, і знижує ризик переінвестування в передчасну автоматизацію.