Способен ли ИИ заменить человека?

Способен ли ИИ заменить человека?

Повторюсь, я продолжаю считать, что на июль 2026 флагманские модели LLMs превосходят, как минимум, по самым скромным оценкам 99% человеческой популяции по «когнитивной глубине», т.е. формально AGI уже достигнут с большим опережением.

Но! Все решает тот самый 1%. LLMs представляет собой сверхсилу со значительным превосходством над человеком по широкому спектру задач, но и одновременно – сверхслабость.

Ключевая задача оператора ИИ – умение сепарировать задачи так, чтобы достигать наилучшей производительности ИИ в широком спектре различных задач, фокусируя точку приложения усилий в области, где ИИ наиболее сильны.

Однако, если ИИ действительно умнее 99% человеческой популяции – это радикально меняет представление о степени и мере интеграции ИИ в экономику.

Нельзя сравнивать как «думает» LLMs и как думает человек с точки зрения воспроизводства навыков, компиляции опыта, формирования идей, концепций, сущностей, агрегаций знаний, декомпозиции факторов, перекалибровки смыслов и так далее. Принципы совершенно разные, но сейчас не о биомеханике человеческого мозга или архитектуре LLMs.

Ключевой вопрос в том, где начинается та грань, откуда человек «сходит со сцены».

Могу предположить, что эта грань заключается в следующем:

🔘Реальная способность со стороны ИИ создавать информационную добавленную ценность, создавать инновации, генерировать новые смыслы, идеи, что предполагает запуск «технологической сингулярности», когда технологический прогресс ускоряется экспоненциально, учитывая специфику ИИ работать со сверхбольшими массивами данных и невероятную скорость обработки информации.

🔘Умение непрерывно на протяжении длительного времени работать в противоречивой динамической среде в рамках междисциплинарного взаимодействия, интегрируя в единый многофакторный проект совокупность модулей, выстраивая иерархию приоритетов и связей, в зависимости от целей и задач.

Например, построить, откалибровать и запустить завод – для человека это решаемая задача, хотя требует привлечения сотен или даже тысяч специалистов различного профиля на протяжении многих месяцев или лет в зависимости от сложности проекта.

ИИ, очевидно, абсолютно бессилен в задачах подобного рода, поэтому превосходство над человеком в широком смысле еще не достигнуто, но уступит ли человек свое последнее преимущество (критерии истинности, инновации, интеграция сложных проектов, функционирование в динамических системах, выстраивание иерархии приоритетов и декомпозиция факторов в сложных и противоречивых проектах).

Грань, где человек сходит «со сцены», начинается там, где ИИ становится самостоятельным интегратором сложного реального проекта: сам ставит промежуточные цели, строит модель процесса, декомпозирует факторы риска, агрегирует инструменты и ресурсы, проверяет ход выполнения на всех этапах, исправляет ошибки, координирует модули, выдерживает длинный горизонт, генерирует новые решения и несет проект через хаос внешней среды, т.к. ни один проект не выполняется по шаблону и всегда вмешиваются «обстоятельства непреодолимой силы» (сбой цепочек поставок, новое регулирование, налоговые инициативы, смена поставщиков и контрагентов, технические сбои и сотни других проблем).

Человек начинает сходить со сцены тогда, когда ИИ способен не просто выполнять задачи, а автономно вести открытый, междисциплинарный, многофакторный проект, где нет заранее заданного валидатора, а критерий успеха формируется и уточняется по ходу работы.

Это принципиально отличается от текущего уровня LLM. Сегодняшние модели сильны в задачах, иногда в цепочках задач, но пока не доказали способность устойчиво вести проекты.

Человек является арбитром, оператором, верификатором и интегратором проектов, тогда как LLMs пока выполняет функционал инструмента (умного, но все еще инструмента), вот именно поэтому до 1% и тем более до 0.1% или даже 0.01% лучших представителей человечества еще далеко.

Несмотря на то, что прогресс в LLMs идет экспоненциально, где функционал и когнитивная глубина ИИ достигает невиданных высот, практически полностью замещая человека во многих областях, финальная битва пока что за человеком.

Бизнес или научную операцию можно разделить на пять уровней:

🔘Задача (написать код, резюмировать отчет, сделать сравнительную таблицу по критериям, перевести документ и т.д)

🔘Модуль (собрать отчет из разрозненных элементов, провести анализ процесса или события, исправить участок программы, предложив наилучшее решение и т.д).

🔘Процесс (вести повторяемый бизнес-процесс по скриптам или процедурам, состоящий из подмножества модулей разного типа, формата и структуры).

🔘Проект (интегрировать завершенные модули в целостную структуру, динамически выстраивая иерархию приоритетов).

🔘Интегратор систем (сложная иерархическая модуляция динамических систем в противоречивой среде).

Сейчас относительно эффективно ИИ закрывает первые два уровня, претендуя на третий уровень – те самые ИИ-агенты.

AGI можно оценивать по трем осям: производительность с коррекцией на рентабельность, универсальность (требуется эффективное междисциплинарное взаимодействие, балансировка композицией факторов риска в сложных динамических системах) и автономность (первичное требование – внешний валидатор и верификатор с умением динамически декомпозировать задачи в зависимости от изменения условий).

С универсальностью и автономностью пока все плохо, с производительностью намного лучше, но в зависимости от локализации и формализации задачи, при этом экономика проекта может быть под вопросом.

Преимущество человека остается в другом: критерий истинности с верификацией результата (понимание правильности вектора решений), постановка цели, декомпозиция факторов, интеграция противоречивых факторов в целостную картину, выстраивание иерархии приоритетов в междисциплинарном взаимодействии, работа в открытой динамической среде, понимание скрытых, незадокументированных ограничений системы и процесса, координация людей и институтов, интеграция совокупности модулей проекта в единый проект, переопределение задачи по ходу проекта, выбор между несовместимыми целями, решение конфликтных, незапротоколированных ситуаций, ну и главное –создание новых смыслов и идей, а не только рекомбинация старых.

Именно поэтому текущий ИИ еще не вытесняет человека как системного субъекта. Он вытесняет человека как исполнителя фрагментов.

Иначе говоря, архитекторы проектов и интеграторы сложных систем так и останутся вне конкуренции, замещение будет происходить на низших и средних слоях.

Чем менее формализуемая задача, чем шире градиент векторов решения, чем выше требования к интеграции разрозненных модулей, чем более сложная и более динамическая система – тем выше требования к присутствию квалифицированного человека в системе принятия решений.

LLM прекрасно видит паттерны, но сложный проект требует не паттернов, в реальном проекте нужно понимать: что является причиной, что является следствием, что является шумом, что изменится при вмешательстве, где скрытая переменная, где ложная корреляция, как реализуется нелинейный эффект и каскадный риск и в какой точке формируются обратные связи?

Если представленные вопросы существуют в корпусе обучающих данных – LLM способна ответить с высокой степенью достоверности, но реальный мир – он сложный и противоречивый, где проблемы приходится решать «на ходу» и подстраиваться под быстро меняющиеся условия на всех уровнях.

Настоящий интеллект начинается там, где идет динамическая балансировка иерархическими связями, выделение сущностных элементов и процессов в каждый момент времени.

На самом деле очень малое количество людей имеют необходимые навыки для представленных требований, вот поэтому я с одной стороны говорю, что ИИ уже уверенно превысил когнитивную глубину для примерно 99% человечества, но в то же время еще бесконечно далек от полного замещения человечества, т.к.разрыв между 1% и 99% по навыкам, знаниям и когнитивным характеристикам может быть очень существенным, не говоря уже о 0.01% интеллектуальной супер-элиты.

Источник: https://t.me/spydell_finance/9865