Основатель Ripple и Stellar Джед Маккалеб решил вложить $1 млрд в исследования, связанные с созданием общего искусственного интеллекта. Речь идёт не о привычной языковой модели, которая отвечает на вопросы, пишет тексты или помогает с кодом, а о более амбициозной цели — системе, способной самостоятельно обучаться, планировать действия, принимать решения и решать задачи, для которых её заранее не готовили.
Идея Маккалеба отличается от подхода, на котором держится большая часть современной ИИ-индустрии. Сегодня главные достижения генеративных моделей связаны с трансформерами, большими массивами данных и масштабированием вычислений. Но команда Astera Institute, которую финансирует предприниматель, считает, что одного увеличения моделей может быть недостаточно для выхода на уровень AGI. Вместо этого исследователи хотят внимательнее изучать человеческий мозг и использовать его принципы для создания новых архитектур ИИ.
Почему Маккалеб делает ставку на мозг
Современные нейросети умеют многое, но их возможности всё ещё ограничены. Они хорошо предсказывают продолжение текста, находят закономерности в данных и имитируют рассуждение, но хуже справляются с устойчивым планированием, мотивацией, самостоятельным формированием целей и глубоким пониманием окружающего мира. Именно эти пробелы заставляют часть исследователей сомневаться, что простое масштабирование нынешних моделей приведёт к настоящему общему искусственному интеллекту.
Маккалеб и его команда считают, что мозг может дать подсказки, которых не хватает существующим системам. Человеческое мышление не сводится к предсказанию следующего слова. Оно связано с восприятием, памятью, действием, эмоциями, обучением на малом количестве опыта и способностью строить внутренние модели мира. Если понять, как эти механизмы работают на биологическом уровне, можно попытаться перенести отдельные принципы в новые ИИ-системы.
Такой путь сложнее и медленнее, чем очередное увеличение языковой модели, но он может дать другой тип искусственного интеллекта. Исследователи надеются, что системы, вдохновлённые мозгом, будут не только сильнее, но и понятнее. Если архитектура ИИ окажется ближе к биологическим принципам, человеку может быть проще интерпретировать её поведение и контролировать её решения.
Чем занимается Astera Institute
Astera Institute, основанный Маккалебом и его супругой Симей Чоу, делает ставку на фундаментальные исследования. В одном из направлений учёные изучают мозговую активность животных во время выполнения простых задач. Например, мышам могут имплантировать миниатюрные нейрокомпьютерные интерфейсы, чтобы фиксировать паттерны нейронной активности при прохождении лабиринта или восприятии сигналов.
Смысл таких экспериментов заключается в создании базы данных состояний мозга. Исследователи хотят понять, какие нейронные паттерны соответствуют конкретным действиям, решениям и формам восприятия. Затем эти данные планируется преобразовывать в программные модели, которые смогут стать основой для новых ИИ-архитектур.
Если такой подход сработает, может возникнуть замкнутый исследовательский цикл. Данные о мозге помогают создавать новые ИИ-системы, а эти системы, в свою очередь, помогают формулировать гипотезы о работе мозга. Так искусственный интеллект и нейробиология начинают развивать друг друга, а граница между изучением мышления и созданием машинного разума становится всё менее жёсткой.
Почему проект выглядит настолько амбициозным
Цель Astera Institute звучит почти как научная фантастика. Исследователи говорят не только о считывании активности мозга, но и о возможной передаче информации в мозг. В теории это может означать появление технологий, которые смогут не просто наблюдать мыслительные процессы, а влиять на них: например, вводить образ, навык или инструкцию напрямую в нейронную систему.
Пока такие идеи находятся далеко от массового применения. Между экспериментами на животных и практическими технологиями для людей лежит огромная дистанция: научная, техническая, медицинская и этическая. Нужно понять, как безопасно считывать и передавать сигналы, как интерпретировать сложные состояния мозга, как не нарушить личность человека и как защитить такие данные от злоупотреблений.
Тем не менее именно такие рискованные направления часто привлекают технологических миллиардеров. Маккалеб относится к числу предпринимателей, которые готовы вкладывать большие деньги в проекты с неопределённым коммерческим результатом, если они обещают радикальный технологический прорыв. Его интерес к AGI связан не с быстрым продуктом, а с попыткой повлиять на будущее искусственного интеллекта.
Почему команда сомневается в трансформерах
Трансформеры стали фундаментом современных языковых моделей, включая системы, похожие на ChatGPT. Они доказали свою эффективность в обработке текста, кода, изображений и других данных. Но критики считают, что такие модели в основном сильны в прогнозировании и статистическом сопоставлении, а не в полноценном понимании мира.
Для создания AGI, по мнению сторонников альтернативного подхода, нужны механизмы, которые отвечают за планирование, причинно-следственные связи, устойчивую память, обучение через действие и внутреннюю мотивацию. Человек не просто реагирует на входные данные. Он исследует мир, ставит цели, пробует стратегии, ошибается, меняет поведение и переносит опыт из одной ситуации в другую.
Именно поэтому Astera Institute хочет начать «с чистого листа» и искать новые архитектуры, а не только увеличивать уже существующие. Это не означает отказа от всех достижений современной ИИ-индустрии, но предполагает, что следующий большой шаг может прийти не из простого роста параметров, а из более глубокого понимания интеллекта как процесса.
Почему проект финансируется как некоммерческая инициатива
Astera Institute развивается не как обычный стартап, который должен быстро показать продукт, привлечь клиентов и доказать инвесторам коммерческую перспективу. Финансирование Маккалеба позволяет исследователям сосредоточиться на долгосрочных научных задачах, которые трудно упаковать в стандартную венчурную модель.
Такой подход даёт команде больше свободы. Учёным не нужно каждые несколько месяцев демонстрировать рыночный результат или подстраивать исследования под ближайший раунд инвестиций. Они могут заниматься сложными вопросами, где прогресс измеряется не количеством пользователей, а качеством научных гипотез, экспериментальных данных и новых архитектур.
При этом Astera Institute планирует открыто публиковать результаты исследований. Это напоминает ранний подход OpenAI, которая изначально тоже строилась вокруг идеи открытой исследовательской работы. В нынешней ИИ-индустрии открытость становится всё более сложной темой, потому что модели требуют огромных затрат, а конкуренция усиливается. Поэтому попытка развивать фундаментальные исследования с открытой публикацией результатов может стать важным отличием Astera Institute.
Почему вокруг AGI растёт конкуренция
Astera Institute не единственная организация, которая делает ставку на новые подходы к общему искусственному интеллекту. На рынке появляются лаборатории и проекты, получающие миллиардные инвестиции, но пока не имеющие понятной коммерческой модели. Это показывает, что AGI воспринимается не просто как очередная технологическая ниша, а как возможный следующий этап развития всей цифровой экономики.
Если система действительно сможет обучаться и решать широкий круг задач на человеческом или сверхчеловеческом уровне, её влияние будет огромным. Она может изменить науку, медицину, программирование, промышленность, образование, управление данными и рынок труда. Именно поэтому крупнейшие игроки готовы вкладывать в эту область колоссальные средства, даже если путь к результату остаётся неопределённым.
Но чем выше ставки, тем сильнее вопросы безопасности. AGI может быть мощным инструментом, но именно поэтому его трудно рассматривать только как коммерческий продукт. Нужно заранее понимать, как контролировать такие системы, как проверять их цели, как ограничивать опасные сценарии и кто будет иметь доступ к самым сильным моделям.
Заключение
Инвестиция Джеда Маккалеба в Astera Institute показывает, что поиск общего искусственного интеллекта выходит за пределы привычной гонки больших языковых моделей. Вместо того чтобы просто увеличивать трансформеры, команда делает ставку на изучение мозга, нейрокомпьютерные интерфейсы и новые архитектуры, которые могут лучше отражать принципы живого мышления.
Этот путь остаётся крайне сложным и неопределённым. Пока неизвестно, приведёт ли изучение нейронных паттернов к созданию более сильного и понятного ИИ. Но сама ставка важна: она показывает, что часть исследователей и инвесторов уже ищет альтернативу нынешней модели развития нейросетей. Если такие эксперименты окажутся успешными, будущее ИИ может быть связано не только с ростом вычислений, но и с попыткой понять, как работает сам интеллект.