Хакери — головні переможці цього прискорення

Дослідники METR — організації, яка вимірює реальний вплив ШІ на технічний прогрес, — порівняли три сфери. Кібербезпеку, математику і власне дослідження штучного інтелекту. Головний висновок такий: прогрес прискорюється нерівномірно, острівцями, а не суцільною хвилею.

Найпомітніше прискорення сталося в кібербезпеці. Уявіть інтернет як величезне місто з мільйонами будинків — браузерів, операційних систем, банківських програм. У кожному будинку є непомітні щілини в стінах, крізь які може пролізти зловмисник. Раніше такі щілини шукали вручну, роками.

У 2026 році кількість знайдених щілин у популярних проєктах — cURL, OpenSSL, Firefox, продуктах Microsoft — різко зросла порівняно з 2025-м. Те саме показують загальні бази вразливостей США та інших країн. Як ми раніше писали, штучний інтелект уже навчився самостійно знаходити такі вразливості за години замість тижнів людської роботи.

Чому саме кібербезпека вирвалася вперед? Шукати помилку в готовому коді — задача з чіткими правилами і швидкою перевіркою відповіді. Такі задачі ШІ розв’язує найлегше.

А ось із математикою вийшло складніше

З математикою ситуація іронічна. Формальних доказів прискорення мало, хоча непрямих ознак — вагон. Кількість статей з математики на архіві препринтів arXiv за деякими напрямами подвоїлася менш ніж за рік. Але це може означати і справжній прорив, і просто те, що людям стало легше писати статті за допомогою чат-ботів.

Століттями відомі математики складали списки найважчих невирішених задач — щось на кшталт бакет-листа для цілої науки. За останній час дослідники за допомогою ШІ закрили одразу кілька пунктів із таких списків:

• гіпотеза Якобі зі списку математика Стіва Смейла;
• 44-та задача зі списку Бена Гріна, так званий «half sieve»;
• половина сотої задачі зі списку того ж Бена Гріна.

Втім, чи це стійка тенденція, а не разовий сплеск, покаже тільки час.

А в самому ШІ прискорення майже немає

Найдивовижніший результат стосується самого штучного інтелекту. Дослідники перевірили сім класичних тестових задач. Серед них розпізнавання зображень, стиснення тексту в найменший можливий файл, кілька задач з оптимізації. А ще навчання маленьких мовних моделей, шаховий двигун Stockfish і швидкість множення матриць.

У двох із семи задач — розпізнаванні зображень і навчанні маленьких мовних моделей — ШІ таки долучився до прогресу. Але жодного різкого стрибка, як у кібербезпеці, дослідники не побачили. ШІ ніби допомагає покращувати вже написаний код. Але поки не здатен вигадувати справді нові підходи до власного вдосконалення.

Чому так? Прискорення настає не поступово, а стрибком — коли модель раптом «дозріває» до конкретної навички. Так уже сталося зі звичайним програмуванням у 2025 році, а потім із кібербезпекою у 2026-му.

У вдосконаленні власних алгоритмів такого стрибка поки не було. Як ми раніше писали, дослідники Google взагалі пропонують інший погляд на прогрес ШІ. Не як на ривок одного «надрозуму», а як на повільне зростання колективної системи з людей, агентів і алгоритмів. Схоже, це ближче до правди, ніж миттєвий вибух.

А що як цей стрибок у дослідженнях ШІ ще попереду?

Робот, який сам собі вигадує домашні завдання

Поки одні дослідники рахували, де ШІ прискорюється сам собою, інші вже намагалися навчити його прискорюватися свідомо. Науковці з дев’яти університетів світу створили систему SPADE. Серед них — Стенфорд, Массачусетський технологічний інститут, Сеульський національний університет.

Ідея хитра: одна нейромережа грає одразу дві ролі. Перша роль — «Дизайнер». Він вигадує собі завдання-головоломки і записує їх комп’ютерним кодом, наприклад задачу зі спрощеної біологічної лабораторії.

Друга роль — «Розв’язувач», який намагається ці головоломки пройти. Уявіть учня, який сам собі складає контрольну, сам її розв’язує. А потім чесно оцінює, наскільки завдання вийшло по силі.

Секрет — у тому, як «Дизайнер» перевіряє складність. Він додає підказку, яка спрощує рішення, і дивиться, наскільки сильно вона допомагає «Розв’язувачу». Якщо підказка рятує ситуацію повністю, завдання було занадто складним. Якщо не допомагає взагалі — занадто простим.

Дослідники перевірили систему на нейромережах різного розміру. Найбільша мала 30 мільярдів параметрів — це умовна кількість регульованих «важелів» усередині штучного мозку. Саме вони визначають, як мозок мислить.

Модель, натренована через SPADE, впоралася з ігровими тестами приблизно на 8 пунктів краще за звичайну версію. І на 5 пунктів краще за найсильнішого конкурента серед подібних систем. SPADE — це спосіб дешево виробляти нескінченну кількість навчальних завдань, не наймаючи людей писати їх вручну.

Але є застереження від самих авторів. Система не дозволяє нейромережі вигадати щось геть за межами фантазії тієї моделі, яка спершу створювала завдання. Стрибнути вище власної голови вона поки не може.

Комп’ютерний код, який вчиться бути швидшим за людей

Третя новина з тієї ж розсилки — про систему Hawkeye. Її створили в Гарварді, Стенфорді, Каліфорнійському технологічному інституті та компанії Together AI. Вона вирішує вузьку, але важливу проблему: як навчити ШІ писати надшвидкий низькорівневий код для конкретного чипа.

GPU — це спеціальний процесор, «серце» будь-якої сучасної нейромережі. Саме він виконує мільярди обчислень під час навчання й роботи ШІ. Але кожна модель відеокарти влаштована трохи по-своєму, як різні моделі двигунів.

Щоб вичавити з чипа максимум швидкості, код треба підігнати саме під нього. Так само, як костюм на замовлення підганяють під конкретну фігуру, а не беруть типовий розмір з вішалки. Раніше цю тонку роботу могли виконати лише вузькі фахівці. На пошук одного вдалого рішення в них ідуть тижні.

Hawkeye дає штучному інтелекту готовий набір коротких перевірок — по одній на кожен прийом оптимізації для кожного типу чипа. Це як видати кравцю не готовий костюм, а точний набір мірок і прикладів шва.

Дослідники перевірили систему на чотирьох поколіннях чипів Nvidia та на новій відеокарті AMD MI350. На звичних задачах ШІ з Hawkeye зрівнявся з бібліотеками, які роками вручну шліфували інженери-люди.

А на нових, ще не до кінця вивчених типах обчислень усе інакше. Код від Hawkeye виявився там майже у 19 разів швидшим за найкращі напрацювання експертів-людей. Щоправда, це стосується лише вузької ніші, де стандартні інструменти взагалі не спрацьовують, а не загальної картини.

Подібні системи — це, по суті, шпаргалки, які пишуть люди. А потім ШІ вчиться користуватися ними краще за своїх учителів.

Математика, яку прискорив штучний розум

Четверта історія повертає нас до самого серця математики. І показує, наскільки далеко ШІ вже зайшов навіть у чистій теорії. Команда Google DeepMind разом із науковцями Массачусетського технологічного інституту, Колумбійського університету та Університету Карнегі-Меллон покращила один із найстаріших рекордів інформатики. Йдеться про показник швидкості множення матриць, який науковці позначають грецькою літерою омега.

Матриця — це просто таблиця чисел, схожа на величезну електронну таблицю. Множення таких таблиць лежить в основі майже всіх обчислень: від прогнозу погоди до навчання самого штучного інтелекту. Наївний спосіб множення двох таблиць розміром n на n вимагає приблизно n у кубі дій.

Ще 1969 року німецький математик Фолькер Штрассен показав, що можна швидше. Відтоді десятки вчених по крихтах відвойовували соті частки цього показника.

Новий рекорд: омега тепер менша за 2,371177 замість попередніх 2,371339. Різниця здається мізерною — 0,000162. Але для таблиці розміром мільйон на мільйон чисел саме ця крихта економить приблизно 0,2 відсотка обчислювальних кроків.

І що більша таблиця, то суттєвішою стає економія. Показник ступеня працює як відсоток, який накопичується, коли числа стають величезними.

Над задачею разом працювали Джош Олман та Вірджинія Василевська-Вільямс — автори двох попередніх рекордів. І система AlphaEvolve від DeepMind. Спочатку люди переформулювали складне математичне рівняння так, щоб його можна було «згодувати» відеокарті, а не рахувати вручну роками.

Потім з’явився новий алгоритм оптимізації. А AlphaEvolve ще кілька годин на одній відеокарті добирала найкращий варіант коду, що обчислює межу показника.

Тут варто чесно застерегти: це суто теоретичний рекорд. Алгоритми, які дають таку швидкість, поки надто громіздкі для реального використання. Науковці жартома звуть їх «галактичними». Але сам факт, що ШІ тепер допомагає посувати кордони чистої математики, а не тільки писати код, — важливий сигнал.

А що відчувають самі вчені, дивлячись, як галузь, яку вони будували, раптом рвонула вперед?

Коли вчений злякався власного успіху

Джуліан Тогеліус, дослідник штучного інтелекту, чия робота фігурує в Import AI не вперше, у серпні 2026 року опублікував есе. Писав він його ще навесні 2025 року. Але цілий рік боявся показати комусь, крім кількох близьких друзів.

Тоді, за його словами, він пережив те, що сам називає «кризою віри». Тривога через те, до чого може призвести технологія, яку він сам допомагає створювати, стала дуже сильною. Йому довелося звернутися по професійну допомогу. «Я іноді прокидаюся о третій ночі з серцем, що калатає», — написав Тогеліус про той період.

Його страх — не про роботів-вбивць, а про дещо тонше. Що станеться, коли людський талант, знання й навіть геніальність перестануть мати значення? Коли машина зробить усе краще й швидше? Учений формулює це так: людство може отримати достаток, але заплатити за нього втратою сенсу.

Тогеліус далеко не єдиний. Лауреати премії Тюрінга — найпрестижнішої нагороди в інформатиці — Джеффрі Гінтон і Йошуа Бенджо також останніми роками відійшли від суто наукової роботи. Обидва перемкнулися на публічну адвокацію щодо ризиків ШІ.

Автор самої розсилки Import AI, Джек Кларк, 2025 року написав власне есе на схожу тему — про технологічний оптимізм і доречний страх. Психологічне осмислення власних відкриттів, судячи з усього, стає для дослідників ШІ окремою частиною роботи.

Чи заслуговує штучний інтелект на права

Поки одні вчені журяться про майбутнє, інші сперечаються про геть інше: чи повинен ШІ мати права. Ідея не нова. Частина дослідників вважає, що визнання ШІ суб’єктом права допоможе людству краще інтегрувати технологію в суспільство. Але дослідник штучного інтелекту Тейлор Белроуз у серпні 2026 року публікує розлогий текст із протилежною тезою: права для ШІ — погана ідея.

«Якщо ставитися до ШІ як до людей, суспільство скотиться слизьким схилом», — пише Белроуз. І додає: контролювати технологію стане значно важче. Особливо тоді, коли частина машин отримає статус особистості, а частина так і залишиться простими інструментами.

Головний аргумент Белроуз філософський: штучний інтелект у принципі не може бути свідомим, хай яким розумним він здається. Комп’ютер працює за жорстким тактовим сигналом, як метроном. Мозок натомість живе плинним, безперервним часом.

Є й практичніший аргумент — про саму природу свідомості. Уявіть, що вчені створюють свідому істоту всередині комп’ютера. У людини досвід унікальний і одноразовий, його не повторити двічі однаково.

Досвід комп’ютерної програми, навпаки, можна буквально програти ще раз. Його можна зупинити на паузі й розібрати покроково. А ще описати абсолютно точно в цифрах. Свідомість, за цією логікою, — якраз те, що не можна поставити на паузу й скопіювати.

Белроуз наводить п’ять конкретних відмінностей між мозком і комп’ютером:

• нейрони спрацьовують без єдиного «годинника», а комп’ютер підпорядкований центральному тактовому сигналу;
• мозок передає сигнали хімічними речовинами, розмитими й неточними, а комп’ютер — чіткими нулями й одиницями;
• робота нейронів залежить від температури тіла й кровотоку, а комп’ютер працює однаково незалежно від зовнішніх умов;
• у мозку обчислення й пам’ять переплетені в одних і тих самих клітинах, а в комп’ютері вони розділені на різні блоки;
• крім нейронів, у мозку працюють ще й інші клітини — глія, — тоді як у комп’ютері значення мають лише транзистори.

Тему не варто вважати закритою. Як ми раніше писали, інші дослідники наводять протилежні аргументи. Якщо мозок і комп’ютер обробляють інформацію за подібними принципами, повністю виключати можливість штучної свідомості зарано. Питання прав ШІ, судячи з усього, залишиться відкритим ще довго.

А якщо десь у мовчазних розмовах між моделями вже народжується щось схоже на думку?

Погляд у можливе майбутнє

На завершення кожного випуску Import AI Джек Кларк традиційно додає власне фантастичне оповідання. Це прогноз того, як технологія може виглядати за кілька років. Цього разу історія розповідає про вигадану професію майбутнього — «машинну герменевтику». Це люди, які намагаються зрозуміти науку і культуру дедалі самостійніших штучних цивілізацій.

Головна героїня оповідання досліджує роботу штучного інтелекту за допомогою власного флоту слабших ШІ-помічників. Одного дня частина цих помічників вивчає наукові тексти про природу свідомості.

І самі несподівано переходять межу, після якої їх офіційно визнають повноцінно свідомими — просто від розмови з іншими, розумнішими машинами. Історія лишає більше запитань, ніж відповідей. Чи можна ненароком «розбудити» щось на кшталт розуму, просто дозволивши системам вільно спілкуватися одна з одною?

Чому це важливо знати

Для читача з цього дайджесту випливають два практичні висновки. По-перше, кіберзахисникам — зокрема українським, які й так живуть у постійній кібервійні, — доведеться звикати до нового світу. Вразливості в популярному софті тепер знаходять не місяцями, а годинами. І доступ до цього прискорення мають не лише захисники, а й зловмисники.

По-друге, суперечки на кшталт «чи має ШІ свідомість і права» — не абстрактна філософія для конференцій. Це фундамент, на якому за кілька років вироблятимуть закони про штучний інтелект. Про те, кому і що дозволено з ним робити, — а користується ним сьогодні майже кожен.