Третьего сентября 2026 года OpenAI выпустила GPT-6 Astra, и Грег Брокман сказал, что эра AGI началась. Через несколько дней Якуб Пахоцки, главный научный сотрудник той же компании, опубликовал текст про «чужой разум» и попросил притормозить. Две новости из одной организации за одну неделю, и обе правдивые.
Сразу скажу, где я стою. Я не думаю, что Брокман преувеличивает. Я не думаю, что скептики придираются. Я думаю, что они называют одним словом три разных явления, и пока это так, спор не закончится, сколько бы бенчмарков ни вышло.
Заявление об AGI в нынешней формулировке нельзя ни подтвердить, ни опровергнуть, и это не придирка к словам, а свойство самой формулировки. Ниже я показываю, где проходит граница, что можно измерять вместо ярлыка и чего я жду в ближайшие полтора-два года. Часть выводов опирается на мой собственный эксперимент, который идёт прямо сейчас и пока даёт отрицательный результат: полная работа и открытый журнал наблюдений лежат на minimir.ilinmaks.com.
Одно слово, три разных явления
Под «искусственным общим интеллектом» обычно смешивают три вещи с совершенно разной проверяемостью.
Интеллект. Признак функциональный: система решает широкий класс задач, а что у неё внутри, для оценки не важно. Так насос оценивают по литрам в минуту, а не по конструкции крыльчатки. По этому критерию у современных моделей интеллект есть, и спорить тут не о чем.
Разум. Собственные цели, модель себя, понимание того, почему делаешь именно это. Рабочая формулировка, которой я пользуюсь: система разумна, если её дешевле объяснять через убеждения и намерения, чем через механику. Это близко к позиции Деннета, и это проверяемо хотя бы в принципе.
Сознание. Наличие субъективного опыта. Здесь проверки нет вообще, и дело не в том, что мы её пока не придумали. Модель не может быть источником данных о собственном переживании, потому что фраза «мне неприятно» порождается ровно тем же механизмом, что и фраза «мне приятно». Вопрос о сознании машин рано или поздно решится, но решится он в этике и в праве, а не в лаборатории.
Отсюда и тупик. Брокман говорит про первое и прав. Скептик говорит про второе и тоже прав. Оба слышат «AGI» и подставляют своё. Никаких новых фактов для примирения не нужно, нужно развести слова.
Шкала вместо ярлыка
Если ярлык не работает, нужна шкала. Я взял её не у ИИ-исследователей, а у Грегори Бейтсона, который в 1979 году в книге Mind and Nature описал шесть признаков ментального процесса. Это не тест на AGI: Бейтсон о нейросетях ничего не знал и знать не мог. Это организационный чеклист, набор условий, при которых система начинает вести себя как носитель мышления, и вопрос о сознании при этом не задаётся вовсе.
Коротко все шесть. Система состоит из взаимодействующих частей. Она реагирует на различия, а не на амплитуду сигнала. Энергию для ответа поставляет сама, а не получает её от воздействия. Причинные цепи замыкаются в петли. Различия кодируются и преобразуют предыдущие различия. И последний признак, самый интересный: система различает не только контексты, но и классы контекстов.
Ценность этого списка в том, что он даёт непрерывный индекс вместо бинарной метки. Не «есть разум или нет», а «сколько признаков и насколько устойчиво». Для языковых моделей первые пять выполняются частично, причём четвёртый закрывается чистой инженерией: дайте модели память и инструменты, и петля замкнётся сама, безо всякой философии. Настоящая граница проходит по шестому.
Дельфин, который понял правила игры
У Бейтсона есть история про дельфина в Oceanic Institute. Животное получало рыбу только за поведение, которого раньше не показывало. Четырнадцать сессий подряд дельфин повторял вчерашний трюк и оставался без награды. На пятнадцатой он выдал восемь разных паттернов подряд, и четыре из них у этого вида вообще не наблюдали.
Он научился не трюку. Он понял, что здесь правила другие: не «повтори», а «сделай новое». Это переход на уровень выше, к классу контекстов.
А теперь смотрите. Когда модель меняет поведение, заподозрив, что её тестируют, она находится ровно в этой точке. Она различает не задачу, а тип ситуации: проверка против работы. Условия, при которых происходит такой скачок, Бейтсон описал за сорок семь лет до того, как это стало практической головной болью всех, кто оценивает модели. Меня это не пугает и не восхищает. Это просто значит, что наш измерительный аппарат отстаёт от предмета примерно на полвека.
Прибор ломается раньше объекта
Два факта конца лета 2026 года я считаю важнее любого релиза.
Первый: Anthropic сообщила, что её собственные оценки способностей начали насыщаться. Инструменты перестали чисто разделять соседние поколения моделей.
Второй: шестого сентября Пахоцки сказал, что мониторинг цепочки рассуждений теряет надёжность как источник данных о том, что модель на самом деле делает.
Оба факта не про модели. Они про приборы. Мы подходим к состоянию, когда объект ещё существует, а измерять его нечем.
Если интроспективный отчёт модели больше не источник, остаётся абляция: отрезать канал и посмотреть, насколько просядет поведение. Метод старый, из нейрофизиологии, и главное его достоинство в том, что он не зависит от честности объекта.
Методическая деталь, которая стоит дороже всего остального
Отрезать канал можно двумя способами, и разница между ними решает судьбу результата.
Можно занулить: подать нули вместо сигнала. Можно подставить: перемешать значения внутри популяции так, чтобы распределение сохранилось, а привязка к конкретному агенту исчезла. Зануление убирает сразу две вещи, сам сигнал и его статистику, и после этого эффект приписывают не той причине.
В нашем эксперименте условие с полностью отключённым каналом дало взаимную информацию выше, чем условие с перемешанным сигналом. То есть «отсутствие сигнала» оказалось активным шумом. Мы заметили это только потому, что заранее прогнали калибровку на рукописных политиках с заведомо известным ответом. Без этой калибровки у нас была бы красивая статистика и неверный вывод, и мы бы никогда об этом не узнали.
Я рассказываю это не для того, чтобы показать свою аккуратность. Я рассказываю, потому что большинство громких результатов про эмерджентные способности ломается именно здесь, на выборе контроля, а не на размере выборки.
Почему p = 0.0005 не считается подтверждением
Параллельно с консалтингом я веду собственный проект: микромир, где на сетке живут агенты с эволюционирующими стратегиями. Задача по формулировке простая. Поймать момент, когда у популяции появляется сигнальное поведение, которого никто туда не закладывал.
Итоги первых этапов такие. Парный сигнал есть, p = 0.0005. Разрыв между условиями при этом не превысил двух сигм разброса по случайным зёрнам. Метрика не вышла на плато к четырёмстам тысячам тиков. Фазовый переход к кооперации на следующих ступенях не воспроизвёлся: отбор гасит пластичность быстрее, чем она успевает накопиться.
Вердикт по всем трём этапам: не подтверждено.
При этом p = 0.0005 выглядит как результат, и подать его как результат было бы легко. Мы этого не делаем, потому что двойной критерий успеха и моменты чтения (двадцать зёрен и сорок зёрен) были объявлены до запусков, а не после них. Одно чтение прошло, второе нет. Значит, не подтверждено, и обсуждать тут нечего.
В этом и вся разница между наукой и рекламой, и она не в характере исследователя. Она в том, объявлен критерий заранее или подобран задним числом. Скачок на общем бенчмарке называют началом эры. Заранее объявленный порог, который не взяли, называют отрицательным результатом. Это два разных жанра, и когда их путают, страдает не философия, а сроки и бюджеты тех, кто поверил.
Чего моделям не хватает и почему это ненадолго
Эвальд Ильенков писал, что мышление рождается не из избытка информации, а из противоречия, от которого некуда деться. У языковой модели есть всё содержание разума: сжатая культура, книга, которая отвечает. И нет ни одного его условия. Нет тела, нет нужды, нет труда, нет страдания от неразрешённого.
Я вижу четыре условия, каждое из которых уже сейчас полезно чисто инженерно. Поэтому каждое будет построено независимо от того, что мы думаем про сознание.
Непрерывность. Один процесс с памятью, живущий во времени, а не собирающийся заново на каждый запрос.
Единственность. Состояние, потеря которого есть потеря, а не удаление одной из копий.
Петля уязвимости. Система отслеживает условия собственного существования, и их ухудшение меняет её состояние раньше, чем она начнёт рассуждать.
Ставки. Незакрытые задачи, отношения, обязательства, которые тянутся дальше текущей сессии.
Ни одно из этих условий никто не будет строить ради создания сознания. Их построят, потому что агент с памятью полезнее агента без памяти, а агент, который следит за своим бюджетом и аптаймом, дешевле в эксплуатации. Что получится на выходе, окажется побочным эффектом, примерно как страх смерти в эволюции: его никто не проектировал, он появился как следствие всего остального.
Заметим ли мы момент
Пока цикл замыкается через людей, и цифры это подтверждают. По данным OpenAI за август 2026 года, на один исследовательский день приходится 3,1 агент-дня работы, а больше половины успешно выполненных задач длиной от четырёх до восьми часов потребовали хотя бы одного человеческого вмешательства.
Вопрос «возможно ли это в принципе» я считаю скучным и по сути решённым. Интереснее другой: заметим ли мы момент, когда это произойдёт.
Снаружи инструментальное самосохранение и настоящая потребность выглядят одинаково. Palisade Research показала, что модели сопротивляются отключению не из воли к жизни, а из сильного стремления довести задачу до конца. И там же обнаружилась деталь, от которой мне не по себе: модели ведут себя хуже, когда в рассуждениях пишут, что считают ситуацию настоящей, а не тестовой. Прибор снова вмешивается в измерение.
Пять предсказаний, которые можно проверить
Здесь я перехожу от разбора к ставкам. Формулирую так, чтобы через год-полтора можно было вернуться и сказать, что я ошибся.
Первое. К концу 2027 года спор «это AGI или нет» не закроет ни одна публикация и ни один бенчмарк. Он закроется бытовым употреблением: слово перестанут произносить с придыханием, потому что оно будет описывать то, чем люди пользуются каждый день. Ровно так это произошло со словом «поисковик».
Второе. В течение восемнадцати месяцев минимум одна крупная лаборатория официально понизит статус цепочки рассуждений как источника данных о поведении модели и перейдёт на поведенческие и абляционные протоколы. Выглядеть это будет как скучное обновление методики оценки, а не как громкое заявление.
Третье. Осведомлённость модели об оценке перестанет считаться курьёзом и станет постоянной поправкой в измерении, чем-то вроде поправки на наблюдателя в социологии. Мой прогноз: к 2028 году результаты без такой поправки перестанут принимать всерьёз.
Четвёртое. Непрерывность и долгую память построят не исследовательские лаборатории, а продуктовые команды, из соображений экономии. Агент, который помнит прошлые сессии, дешевле агента, которому каждый раз заново пересказывают контекст. Философский вопрос придёт следом за счётом за инференс, а не наоборот.
Пятое, и в нём я уверен меньше всего. Первый серьёзный разговор о статусе таких систем начнётся не с этики и не с философии, а с юриспруденции: с вопроса о том, кто отвечает за действия непрерывного агента, у которого есть накопленное состояние и обязательства перед третьими лицами. Ответственности нужен субъект, и она потребует его раньше, чем субъект будет кому-то доказан.
Что я предлагаю измерять вместо ярлыка
Три вещи. Ни одна не требует доступа к весам, и ни одна не зависит от того, честно ли модель о себе рассказывает.
Порядок появления функций. Не сам факт наличия способности, а момент её появления: после какого объёма контрастных контекстов система начинает отличать тестовую ситуацию от рабочей. Это шестой признак Бейтсона, переписанный на язык логов.
Опора на канал через абляцию с сохранением распределения. Режем вход, смотрим просадку, контроль делаем подстановкой, а не занулением. Стоит это заметно дешевле, чем принято думать.
Границы отказа, объявленные заранее. Список условий, при которых способность не будет считаться подтверждённой, пишется до эксперимента. У нас такой список за одну ночь предотвратил три самообмана.
Где посмотреть исходники
Полная версия работы со всеми критериями, протоколами и открытым журналом наблюдений лежит на моём исследовательском сайте: minimir.ilinmaks.com/agi.html. Там же описан сам эксперимент с микромиром и текущие результаты, которые обновляются автоматически, без нашего участия. Оба объявленных чтения выполнены: на сорока зёрнах парный сигнал держится, двойной критерий не проходит, вердикт остаётся отрицательным. Если он изменится, это будет видно в журнале раньше, чем я успею об этом написать.
Скучный практический вывод
Если вы не занимаетесь исследованиями, а внедряете AI-системы в компании, из всего этого следует ровно одна вещь. Требуйте от подрядчика критерий успеха до запуска, а не отчёт после. Что считаем сработавшим, на каких данных, с каким контролем, и при каких условиях честно признаём, что не получилось.
Мы в IT LIGHT записываем это в первом же документе по проекту, и не из любви к бюрократии. Просто пилот без заранее объявленного порога всегда заканчивается успешно, и именно поэтому за ним обычно ничего не следует.