Альтман обвинил целое поколение учёных в торможении ИИ

Публичная атака на скептиков

Сэм Альтман явно устал молчать. Выступая в Стэнфорде, он сказал то, что, судя по всему, давно хотел сказать вслух: целое поколение исследователей тормозило развитие ИИ, потому что было слишком уверено в ограничениях масштабирования языковых моделей. Не просто ошибалось — а активно мешало. Это серьёзное обвинение, и оно брошено не в пустоту.

Янн ЛеКун, директор по ИИ в Meta, — очевидная мишень, хотя Альтман не называл его по имени напрямую. ЛеКун давно и громко утверждает, что LLM — тупиковая ветвь, что без «мировых моделей» (world models) настоящего интеллекта не добиться. Альтман, в свою очередь, говорит: данные давно опровергли этих критиков, но некоторые люди так привязали свою идентичность к позиции, что не могут её изменить даже перед лицом очевидных фактов. Это уже не научная дискуссия — это психология.

Математика как главный аргумент

Самый яркий козырь, который Альтман выложил на стол, — недавний результат OpenAI в математике. Модель компании опровергла математическую гипотезу, над которой умные люди ломали голову долгое время. Детали он не уточнил, но сам факт показателен: LLM способны генерировать новое знание, а не просто переупаковывать существующее.

Это принципиально важный момент. Один из главных аргументов скептиков всегда звучал так: языковые модели — это статистические попугаи, они не понимают, не открывают, не изобретают. Математическое опровержение гипотезы — прямой удар по этому тезису. Математика — формальная система с чёткими правилами верификации. Здесь нельзя «угадать» правильный ответ или выдать правдоподобную чушь. Либо доказательство корректно, либо нет.

Для сравнения: DeepMind с AlphaProof и AlphaGeometry уже демонстрировал способность решать олимпиадные задачи уровня IMO. Но опровержение гипотезы — это другой уровень. Это не решение задачи с известным ответом, а движение на переднем крае математики. Если это подтвердится в деталях, аргумент ЛеКуна про «тупиковость LLM» придётся переосмыслить.

Где у LLM реальный потолок

Альтман, впрочем, не впал в эйфорию. Он честно признал: для задач с очень длинным горизонтом планирования, требующих высокого уровня суждений, LLM пока значительно хуже людей. Это важная оговорка, которую легко потерять в потоке оптимистичных заявлений.

Вот здесь я бы добавил от себя: именно этот разрыв — между «LLM умнее людей в некоторых областях» и «LLM хуже людей в долгосрочном суждении» — и есть главная инженерная проблема 2026 года. GPT-4o, Claude Opus 4, Gemini Ultra 2 — все они блестят на бенчмарках, но регулярно проваливаются на задачах, требующих многошаговой причинно-следственной цепочки через недели и месяцы. Рассуждение (reasoning) масштабируется иначе, чем знание.

Интересно, что Дарио Амодей из Anthropic буквально на прошлой неделе высказывал схожие мысли о потенциале масштабирования. То есть два главных конкурента в гонке LLM публично солидарны в базовой философии — что само по себе симптоматично.

Почему это важно именно сейчас

Альтман произнёс эту речь не случайно. 2025–2026 годы — период, когда инвесторы начинают задавать неудобные вопросы о ROI от миллиардных вложений в GPU-кластеры. Скептицизм по поводу масштабирования перестал быть академическим — он стал финансовым. Когда исследователи говорят «закон масштабирования выдыхается», это слышат не только коллеги на конференциях, но и партнёры венчурных фондов.

Ответ Альтмана — это одновременно и научная позиция, и стратегическая коммуникация. OpenAI продолжает строить всё более дорогую инфраструктуру, и нарратив «скептики всегда ошибались» критически важен для поддержания доверия рынка.

Что это значит для разработчиков и бизнеса

Для тех, кто строит продукты на LLM прямо сейчас, посыл Альтмана практически однозначен: делайте ставку на более мощные модели, а не ищите обходные пути вокруг их ограничений. История последних трёх лет действительно подтверждает: каждый раз, когда казалось, что потолок достигнут, следующее поколение моделей его пробивало.

Для российских разработчиков ситуация двоякая. API OpenAI в РФ по-прежнему требует VPN и иностранной карты — напрямую подключиться нельзя. Но логика масштабирования работает и для отечественных игроков: YandexGPT, GigaChat, и другие российские модели тоже следуют этой философии, наращивая параметры и данные.

Личный вердикт

Альтман прав в том, что скептики систематически недооценивали масштабирование — история это подтвердила. Но его риторика немного напоминает победителя, который переписывает историю битвы. Многие из «тормозивших» исследователей поднимали легитимные вопросы о надёжности, интерпретируемости и безопасности — вопросы, которые никуда не делись.

Математический прорыв OpenAI — если он действительно такой, каким его описывает Альтман — это сильнейший аргумент за продолжение масштабирования. Но один красивый результат не закрывает дискуссию о том, что именно мы строим и куда это ведёт. Ставить на LLM сейчас — разумно. Считать вопрос закрытым — самонадеянно.