Способности · зависимости · направления

От первых нейросетей до ASI

Это карта того, чему ИИ научился и как одни возможности выросли из других. Главная линия соединяет ключевые способности — от распознавания образов и переноса знаний до рассуждения и автономной работы. Крупные узлы отмечают появление нового класса возможностей, ветви показывают его дальнейшее развитие, а нижняя шкала — конкретные модели, исследования и демонстрации по датам. AGI и ASI показаны как возможные будущие рубежи, а не релизы с назначенным сроком.

колесо — масштаб · перетаскивание — панорама · клик по ветви — нырок
14%
Линия способностей ИИ
ИСТОКИ · 194319861943·12Логический нейрон1958·11Перцептрон1986·10Обратное распространение ошибки1998·11LeNet и свёрточные сети2009ImageNet2012·12AlexNet2013·01Word2vec2014·06Состязательные сети2014·09Sequence to Sequence2015·12ResNet2016·01AlphaGo2017·06Attention Is All You Need2018·06GPT2018·10BERT2019·02GPT-22019·10T52020·01Законы масштабирования2020·05Извлечение из базы (RAG)2020·05GPT-3, 175B2020·10Vision Transformer2021·01CLIP2021·01Смесь экспертов2021·07AlphaFold 22022200 миллионов структур белков2022·01Цепочка рассуждений2022·03InstructGPT2022·03Chinchilla2022·06Эмерджентные способности2022·09Whisper2022·11ChatGPT2022·12Constitutional AI20232,2 млн предсказанных кристаллов202336 материалов за 17 дней2023·03GPT-42023·04Segment Anything2023·09GPT-4V2023·12Gemini2023·12-11Mixtral 8×7B2024Llama 3.1 405B2024Полтора процента мирового электричества2024AlphaFold 3: взаимодействия молекул2024SWE-bench2024Gemini 1.5 Pro2024Рассуждение как отдельный режим2024·03Claude 32024·05GPT-4o2024·09o12024·09-20Перезапуск Three Mile Island2024·11Model Context Protocol2025DeepSeek-V3 и R12025Qwen 32025Контекст масштаба репозитория2025·03Платформа для агентов2025·03Горизонт автономной задачи2025·03Gemini 2.52025·04Agent2Agent2025·08Genie 32025·10Проектирование агентных процессов2025·11Путь к золоту олимпиады2025·12MCP отдали в фонд2026TPU v6e, Trainium3, Maia 2002026Контекст репозитория как норма2026Агенты внутри CI2026Часть прогнозов сдвинулась ближе2026Разброс остаётся огромным2026Возражение академии2026Оценки опасных способностей2026·01-06NVIDIA Vera Rubin2026·01-27Figure Helix 022026·01-29Project Genie2026·03Rubin в серии2026·03-11Meta MTIA 3002026·03-12A2A 1.02026·04-26Sora: приложение закрыто2026·04-29Figure 03: 350 произведённых роботов2026·059,8 ГВт в ядерных сделках2026·05Gemini Omni2026·05-08Долгие задачи прошли порог2026·05-31Cosmos 3: физический ИИ в одной модели2026·05-31NVIDIA Cosmos 32026·06565 ТВт·ч за год2026·06-01MiniMax M32026·06-02Указ США по безопасности frontier-моделей2026·06-09Claude Fable 52026·06-30Claude Sonnet 52026·07Длинная работа в готовом продукте2026·07AxiomProver: 42 из 422026·07-09GPT-5.6 Sol2026·07-27Kimi K3: опубликованы open weights2026·08-02AI Act: следующий срок2026·12-02Маркировка контента старых систем2027·12-02Правила для Annex IIIВосприятие+1Перенос знаний+2Контекст+2Инструкции+1Мультимодальность+2Рассуждение+1Автономность+1ПрепятствиеОбучение на опытеСегодня модель не запоминает вчерашнюю работу: всё, что она знает, вморожено на этапе обучения. Нужна система, которая учится прямо в процессе — и при этом не забывает то, что умела раньше.ПрепятствиеНадёжная автономностьПрежде чем доверить ИИ операционную, электростанцию или бухгалтерию компании, нужно уметь доказать, что он не ошибётся молча. Сейчас такого способа нет.ПрепятствиеДействие в физическом миреМодель может описать действие, но реальный мир требует непрерывно воспринимать обстановку, учитывать физику и исправлять ошибки до того, как они станут необратимыми.ПрепятствиеДефицит вычислений и энергииРост способностей ИИ ограничен не только алгоритмами. Чипы, память, дата-центры, электрические сети и охлаждение определяют, какие модели можно обучать и сколько их запусков выдержит экономика.AGIОБЛАСТЬ СЛИЯНИЯASIГИПОТЕЗАПамять и обучение на опытеМодели мираЦифровые агенты