Цикл замкнулся? Google показала ИИ, который проектирует ИИ

«Рекурсивное самоулучшение» десять лет было термином из философских эссе о сингулярности — страшилкой, которую удобно выносить в заголовок и невозможно потрогать. На этой неделе Google сделала термин осязаемым: компания продемонстрировала работающий цикл, в котором система сама проектирует архитектуры нейросетей, сама их тестирует и сама отбирает лучшие — без человека внутри петли. Заявленный результат — порядка 12% прироста эффективности за цикл. На Reddit обсуждение собрало больше тысячи апвоутов, и главный вопрос в комментариях звучал просто: это уже «оно»?

Что показали

Демонстрация — логичное продолжение линии, которую Google строит с 2025 года. Тогда DeepMind представила AlphaEvolve — эволюционного агента на базе Gemini: быстрая модель генерирует тысячи вариантов кода, сильная модель-критик оценивает и отбирает лучшие, цикл повторяется. В июле 2026-го AlphaEvolve вышла в общий доступ на Gemini Enterprise Agent Platform, а теперь тот же принцип применили к самому чувствительному объекту — архитектуре моделей.

Новая система замыкает петлю дизайна: она предлагает варианты архитектур, гоняет их через тесты, отбраковывает слабые и строит следующее поколение на основе сильных. Человек задаёт цель и ограничения на входе — дальше цикл крутится сам. Двенадцать процентов за цикл звучат скромно, пока не вспомнить, как работает сложный процент: система с таким темпом и еженедельным циклом удваивает эффективность примерно за полтора-два месяца.

Важная оговорка, на которой настаивают и сами исследователи Google: система оптимизирует архитектуры в рамках заданной цели, а не переписывает собственные веса и не выбирает себе задачи. От канонического RSI из литературы по безопасности — компаундного цикла без человека, сбрасывающего цель на каждом шаге, — это по-прежнему отличается. Но расстояние сокращается на глазах.

Год до самоулучшения — по версии самой DeepMind

Контекст, в котором вышла демонстрация, делает её громче любых пресс-релизов. Ещё в мае Сундар Пичаи говорил, что Google «определённо работает над тем, что выглядит как рекурсивно самоулучшающиеся парадигмы» — тогда речь шла о цепочках агентов. Ноам Шазир формулировал прямее: «Мы будем полагаться на модели, чтобы улучшать разные части Gemini». А глава науки Google Джефф Дин — тот самый, что после ухода Демиса Хассабиса с поста CEO возглавил повседневную работу DeepMind — дал самый конкретный прогноз: в течение примерно года Google сможет «указать на нечто очень значительное в наших моделях, что было сгенерировано самими моделями и агентами. То есть — самоулучшение».

Параллельно компания объявила о создании DeepMind Institute — исследовательской структуры, которая займётся последствиями AGI: экономическими, социальными, управленческими. Сам Хассабис, ныне главный научный сотрудник Alphabet, ещё летом писал, что мы «стоим в предгорьях сингулярности». Открытие института под вопросы AGI — сигнал, что внутри Google эти сроки считают не метафорой, а планированием.

Всё это происходит на фоне самого дорогого тренировочного прогона в истории компании: Gemini 4 обучается на TPU-флоте Ironwood с конца июля, и Пичаи называет этот прогон «самым амбициозным». Ни даты релиза, ни бенчмарков у Gemini 4 пока нет.

Между демонстрацией и хайпом

Скепсис здесь уместен, и его хватает. Аналитики, разобравшие заявления Google по косточкам, отмечают: всё подтверждённое — это ограниченные оптимизационные циклы, где человек задаёт цель, а система ищет решение. Ни одна публично известная система Google не переписывает собственные веса и не проектирует своего преемника целиком. Фраза «ИИ улучшает сам себя» продаётся лучше, чем «эволюционный оптимизатор с автоматическим отбором», — и этим объясняется заметная часть заголовков.

Но сводить историю к маркетингу тоже не получается. Прирост на уровне архитектурного поиска — это не косметика: именно архитектурные находки исторически давали самые крупные скачки эффективности, от трансформера до MoE. Если система стабильно выдаёт свои 12% за цикл на реальных задачах, узким местом становится не изобретательность инженеров, а вычислительный бюджет на проверку кандидатов — а его у Google больше, чем у кого-либо. Anthropic ещё летом предупреждала именно об этом сценарии: опасен не момент, когда цикл замкнётся полностью, а плавное сокращение человеческого участия до формальной подписи под результатом.

Что дальше

Проверить заявления Google можно будет по трём маркерам. Первый — Gemini 4: если в её системной карте появится конкретный вклад автоматического архитектурного поиска, «двенадцать процентов за цикл» перестанут быть цифрой из презентации. Второй — расширение AlphaEvolve за пределы оптимизации кода в сторону самих моделей. Третий — дедлайн Джеффа Дина: свой «значительный результат, сгенерированный моделями» он обещал примерно к середине 2027-го, и этот срок теперь зафиксирован публично.

Для остальной индустрии сигнал уже прозвучал. OpenAI и Anthropic строят агентные инструменты для автоматизации исследований, но настолько явных заявлений о самоулучшении не делала ни одна из них. Google — впервые за долгое время — задаёт тему, а не догоняет её. Вопрос из заголовка пока имеет честный ответ «ещё нет»: цикл не замкнулся. Но он затягивается — и уже не в переносном смысле.