Embedded Files
От зеркала к конструктору: что придёт после интерполирующего ИИ
Для тех, кто устал от хайпа и хочет понять, что реально происходит с искусственным интеллектом — и что будет дальше.
Введение
Каждый день мы слышим: ИИ вот-вот станет сверхразумом. Он напишет роман лучше Толстого. Он решит проблему рака. Он уничтожит человечество. Он станет богом.
Но это всё — лишь шум. Это интерполяционный хайп, порождённый тем же механизмом, который создаёт панику вокруг любого нового инструмента. Печатный станок тоже объявляли концом цивилизации. Интернет тоже.
Если смотреть на ситуацию не глазами маркетолога и не глазами испуганного гуманитария, а глазами инженера, картина становится значительно интереснее — и значительно спокойнее.
Текущий ИИ — это не субъект. Это не творец. Но и не просто зеркало, как мы упрощённо говорили раньше. Это очень сложная машина сжатия, которая делает больше, чем просто отражает — она строит внутренние представления, которые могут обобщаться за пределы буквального распределения. Но она всё равно не способна на то, что мы считаем истинной новизной в полном смысле.
Из неё может быть построен конструктор. И вот это — уже настоящая революция. Не замена одного другим, а надстройка. Слои, работающие вместе.
Эта статья — о том, как именно. И о том, почему человек в этой истории не устаревает, а наоборот — получает экзоскелет для работы с размерностями, которые ему раньше были недоступны.
Что делает текущий ИИ (и чего он не может)
Механизм интерполяции — но не только
Современные генеративные модели — большие языковые модели, диффузионные генераторы изображений, музыкальные синтезаторы — работают по принципу:
Берут обучающее распределение (весь текст, все картинки, всю музыку, что удалось собрать).
Строят по нему непрерывное латентное пространство — многообразие, где каждая точка соответствует некоторому примеру из данных.
Генерируют новые точки внутри этого пространства.
Ключевое слово — внутри. Но здесь нужна честность: это не просто «смешивание известного».
Модели демонстрируют эмерджентное поведение — способность решать задачи, которых не было в обучающих данных в явном виде. Грукинг (когда модель внезапно «понимает» задачу после долгого обучения), цепочки рассуждений, обучение в контексте — всё это указывает на то, что модель не просто смешивает паттерны, а строит внутренние представления, которые могут обобщаться.
Диффузионные модели генерируют изображения, которые не являются интерполяцией между обучающими примерами в наивном смысле — они исследуют латентное пространство, которое может иметь структуру, не сводимую к выпуклой оболочке данных.
Но всё это — вариации в рамках обученного распределения. Это не парадигмальный сдвиг в человеческом смысле. Это не создание формы, которая не является обобщением того, что модель видела.
Почему это важно
Из этого следует фундаментальное ограничение:
Текущий ИИ гомеостатичен по своей природе — но не тривиально гомеостатичен.
Он сохраняет распределение, но строит внутри него сложные структуры. Он не создаёт новых форм в полном смысле, но создаёт вариации, которые могут выглядеть как новизна. Он — не просто зеркало, а очень сложное зеркало с памятью.
Это не дефект. Это свойство архитектуры. Вы не можете требовать от системы, обученной на интерполяции, чтобы она совершила парадигмальный сдвиг. Но вы можете использовать её как инструмент для подготовки материала для чего-то большего.
Практическое следствие
Когда вам говорят «ИИ написал гениальный роман» или «ИИ создал революционную научную гипотезу» — это, как правило, преувеличение, но не всегда ложь. ИИ сгенерировал текст, который выглядит как гениальный роман, потому что он интерполировал все романы, которые были в данных, и построил внутреннее представление, которое обобщает их. Он не создал новую форму в полном смысле, но создал правдоподобную и иногда удивительную вариацию старой.
Настоящая новизна — та, которая ломает парадигму, которая создаёт форму, не бывшую раньше, которая не является обобщением известного — требует другого механизма. Но этот механизм не заменяет интерполяцию — он строится на ней.
Идея
Морфологическая генерация: как строится то, чего не было
Есть другой способ порождать новое. Он не основан на интерполяции. Он основан на конструировании.
Процедура выглядит так:
Берём дискретные элементы-заготовки — морфологические блоки, из которых можно складывать целое.
Комбинируем их по определённым правилам.
Проверяем результат на соответствие законам и ограничениям (физическим, логическим, системным).
Отсеиваем нежизнеспособное.
Оставляем то, что прошло проверку.
Это не интерполяция. Это морфологический анализ — метод систематического конструирования, формализованный швейцарским астрофизиком Фрицем Цвикки в 1940-х годах. Идея проста: берёшь параметры системы, перебираешь все возможные комбинации их значений, отбрасываешь те, что противоречат законам. То, что осталось, — это пространство возможных решений. Включая те, которые никто никогда не реализовывал.
Почему это даёт истинную новизну
Интерполяционная модель смотрит на прошлое и говорит: «Вот что было. Вот вариация».
Морфологическая модель смотрит на законы и говорит: «Вот что возможно. Вот конструкция, которая , возможно еще никогда не была реализована, но она не противоречит правилам».
Это принципиально иной класс новизны. Тривиальная интерполяция не может выйти за пределы данных. Морфология может. Её предел — не данные, а законы. Если конструкция не нарушает законов — она возможна, даже если её никогда не существовало.
Но здесь важна честность: морфологический синтезатор не отменяет интерполяцию — он её встраивает в другой контур. Это не замена, а надстройка. Гибридные системы — нейросимволический ИИ, иерархическое планирование, генерация от грубого к детальному — всё это уже сочетает оба подхода.
Аналогия с эволюцией
Это не абстрактная идея. Это буквально то, как работает биологическая эволюция:
Элементы-заготовки: гены, белки, морфологические структуры.
Комбинирование: рекомбинация, мутации, дупликации.
Проверка на законы: физика, химия, биомеханика.
Отсев нежизнеспособного: естественный отбор.
Эволюция не интерполирует. Она не строит «среднее» между всеми организмами. Она комбинирует блоки и проверяет, не разваливается ли результат. Крыло не является интерполяцией между лапой и плавником. Крыло — это новая морфологическая конструкция, собранная из существующих элементов по новым законам компоновки. Интерполяционная модель не смогла бы его сгенерировать. Морфологическая — смогла бы.
Почему это не работало раньше
Проблема комбинаторного взрыва (и её решение)
У морфологического анализа есть одна убийственная проблема: комбинаторный взрыв.
Если у вас морфологический ящик с 10 осями и по 10 вариантов на каждой, это 10^10 = 10 миллиардов комбинаций. Если 20 осей — это уже 10^20. Никакой человек и никакой компьютер не способны перебрать это пространство за разумное время.
Именно поэтому метод Цвикки, при всей своей элегантности, оставался нишевым инструментом. Он работал для простых задач с малым числом параметров. Для сложных систем — был бесполезен.
Иерархическая абстракция как решение
Но комбинаторный взрыв можно существенно снизить, если ввести стадийность.
Идея проста:
Фаза 1: Обобщение. Каждый «кубик», из которого складывается конструкция, обобщается. Множество конкретных кубиков сводится к одному общему знаменателю. Вместо 1000 конкретных деталей — 10 абстрактных типов. Вместо 1000^10 комбинаций — 10^10. Уже управляемо.
Фаза 2: Построение скелета. Генерируется структура верхнего уровня. Из обобщённых кубиков. По обобщённым законам. Это каркас решения. Грубый, но структурно корректный.
Фаза 3: Детализация. Каждый абстрактный кубик в скелете заменяется конкретным. Но теперь комбинаторика ограничена: мы выбираем не из всех возможных деталей, а только из тех, что совместимы со скелетом. Это резко сужает пространство.
Фаза 4 (опционально): Оптимизация. Дополнительная настройка под глобальные ограничения. Проверка жизнеспособности. Отсев.
Это многопроходная генерация (multi-pass generation). Не один гигантский перебор, а серия управляемых шагов, каждый из которых работает в значительно меньшем пространстве.
Многоагентная архитектура
Но можно пойти дальше и формализовать это как конвейер из четырёх агентов с разными размерностями:
ИИ(A) — Формирователь законов. Формирует ограничения на сочленение элементов. Задаёт пространство допустимого. Это может быть интерполяционная модель, которая извлекает неявные правила из данных, или символьная система, в которую правила заложены явно.
ИИ(Б) — Синтезатор. Синтезирует конструкции на основе этих ограничений. Отсеивает несочленяемое — то, что не собирается в принципе. Это морфологический генератор, который комбинирует элементы по законам от ИИ(A).
ИИ(В) — Доказатель жизнеспособности. Исследует синтезированное, доказывает «теоремы существования». Отсеивает нежизнеспособные комплексы — то, что собирается, но не держится. Это может быть символьный решатель, который проверяет логическую состоятельность, или симулятор, который проверяет физическую устойчивость.
ИИ(Г) — Тестировщик в реальности. Исследует взаимодействие синтезированного с миром. Отсеивает то, что не выживает в реальности. Это может быть агент, который запускает эксперименты, или модель, которая предсказывает долгосрочные последствия.
Переходы между агентами = фильтрация. Каждый агент работает в своём пространстве, и каждый отсев сужает множество кандидатов. Это не одна модель, а конвейер с разными размерностями.
Параллельная работа
Дополнительный бонус: фазы можно распараллелить. Пока одна модель работает над скелетом, другая может заранее готовить библиотеку совместимых деталей. Третья — проверять законы. Это не линейный конвейер, а распределённая система, где разные агенты работают на разных уровнях абстракции одновременно.
Неожиданная роль
Текущий ИИ как строительные леса
Вот здесь начинается самое интересное. Возникает вопрос: кто будет выделять морфологические элементы? Кто будет строить словари, онтологии, таксономии? Кто будет определять, какие «кубики» существуют и как они связаны?
Ответ, как ни странно: текущий интерполирующий ИИ.
Потому что выделение элементов — это задача анализа и сжатия, а не синтеза. Нужно взять огромный массив неструктурированных данных и сжать его в дискретные концепты. А это именно то, что интерполирующие нейросети делают лучше всего.
Они не могут построить новое здание. Но они могут подготовить кирпичи.
Метафора строительных лесов
В строительстве есть понятие «строительные леса» (scaffolding). Когда строят собор, вокруг него возводят временную конструкцию. Без неё не построить. Но она — не часть собора. Когда здание готово и обретает собственную структурную целостность, леса разбирают.
Текущий интерполирующий ИИ — это строительные леса для следующего поколения.
Мы используем его, чтобы:
Вытащить неявные знания из голов людей и текстов.
Формализовать их в словари, онтологии, морфологические ящики.
Прописать связи и ограничения.
Подготовить материал для синтезатора.
Как только каркас готов, леса становятся не нужны. Символьный движок (морфологический синтезатор) работает сам. Ему не нужно каждый раз гонять гигантскую вероятностную модель, чтобы угадать следующий токен. Он берёт кубики и собирает их по жёстким правилам.
Но есть тонкость
Законы, которые ИИ(A) формирует — откуда они берутся? Если они заданы жёстко — мы получаем комбинаторный взрыв и/или тривиальные результаты. Если они заданы мягко — мы возвращаемся к вероятностной модели, которая «угадывает» законы.
То есть морфологический синтезатор не отменяет интерполяцию — он её встраивает в другой контур. Законы могут быть извлечены интерполяционной моделью из данных, а затем применены символьным синтезатором. Это гибрид, а не замена.
Костыль, который порождает ногу
Можно сказать грубее: текущий ИИ — это костыль. Костыль для человека, который хочет научиться ходить в новых размерностях.
Человек создал интерполирующий ИИ не как преемника. Он создал его как инструмент. Как экзоскелет. Как усилитель. И теперь, опираясь на этот костыль, человек конструирует нечто принципиально иное — синтезирующий ИИ, способный на морфогенез.
Это не восстание машин. Это эволюция инструмента. Молоток не заменяет плотника. Интерполирующий ИИ не заменяет мыслителя. Он позволяет мыслителю оперировать понятиями такой сложности, которая раньше была недоступна биологическому мозгу.
Проблема верификации
Что остаётся после всех фильтров
Морфологический синтезатор генерирует конструкции, которые не противоречат законам. Но проверка «не противоречит» — это отдельная проблема.
В сложных системах (биология, экономика, общество) мы не знаем всех законов. Мы не можем проверить жизнеспособность без эксперимента. А эксперимент — это время, ресурсы, риск.
То есть морфологический синтезатор не даёт гарантии новизны, которая выживет. Он даёт пространство кандидатов. Отбор всё равно требует реальности.
Как это решается
Многоагентная архитектура решает эту проблему через последовательную фильтрацию:
ИИ(A) отсеивает то, что невозможно в принципе (нарушает базовые законы).
ИИ(Б) отсеивает то, что не собирается (нарушает структурные ограничения).
ИИ(В) отсеивает то, что не держится (нарушает функциональные ограничения).
ИИ(Г) отсеивает то, что не выживает в реальности (нарушает контекстуальные ограничения).
Каждый агент работает с разной степенью уверенности. ИИ(A) может быть очень уверен (физика хорошо формализуема). ИИ(Г) может быть очень неуверен (социальные системы плохо предсказуемы). Но конвейер всё равно работает — он не требует абсолютной верификации, он требует достаточной полезности.
Верификация vs полезность
Здесь важно понять: верификация не нужна — нужна полезность. Мы не можем доказать, что конструкция истинна (ни одна теория не может быть доказана экспериментом — это строгий факт). Но мы можем проверить, работает ли она. Работает — оставляем. Не работает — отбрасываем.
Это не релятивизм. Это прагматизм. Причинность не доказуема — но работает. Эксперимент не обязателен — наблюдение достаточно. Рамка не замкнута — её можно расширить.
Человек как агент большей размерности
Почему человек пока нужен
Всё информационное пространство сегодня бьётся в истерике: ИИ нас заменит. ИИ отнимет у нас творчество. ИИ станет богом.
Но если смотреть инженерно, картина иная.
Интерполирующий ИИ не способен на морфогенез в полном смысле. Он не может выйти за пределы данных. Он не может совершить парадигмальный сдвиг. Он не может поставить цель. Он не может определить, какие законы важны, а какие — нет. Он не может решить, что жизнеспособно, а что — нет.
Всё это требует агента большей размерности. Того, кто видит систему сверху. Того, кто может задать законы. Того, кто может оценить жизнеспособность не по статистике, а по целесообразности.
Этот агент — человек. По крайней мере, ещё долго.
Но есть вопрос
А может ли петля из четырёх агентов создать цель сама? Может ли система, которая синтезирует, проверяет, тестирует — сама решить, что ей синтезировать?
И есть два ответа на это вопрос
Ответ 1
Нет.
Петля оптимизирует то, что в неё заложено. Она не создаёт цель. Если цель не задана — петля не создаст её. Она создаст устойчивое, но не осмысленное.
Это не техническая проблема. Это предел любой автономной системы.
Даже если у ИИ есть сенсоры, петля, законы — выбор между развилками остаётся. И он не вычисляется, потому что нет критерия для выбора. Критерий задаётся — и вот это не автоматизируется.
Что делает человек
Человек в этой схеме — не оператор. Не пользователь. Не «промпт-инженер». Человек — архитектор размерностей.
Он делает то, что не может сделать ни одна интерполяционная модель:
Задаёт цель. Не оптимизационную функцию, а смысл. Зачем мы строим? Что мы хотим получить? Какое будущее мы проектируем?
Определяет законы. Что допустимо, что нет. Какие ограничения жёсткие, какие мягкие. Что жизнеспособно, а что — нет.
Оценивает целое. Не по частям, а как систему. Не по статистике, а по соответствию инварианту.
Принимает решение о морфогенезе. Когда нужно разрушить старое и построить новое. Когда гомеостаз системы ведёт к гибели в большей размерности.
Это не автоматизируется. Потому что это требует размерности, которой нет в данных. Интерполирующий ИИ не может задать цель, потому что цель — это не среднее по данным. Цель — это выбор, который делается из позиции вне данных.
Революционер, а не Герострат
В контексте ИИ это различие становится критическим.
Если мы создаём морфологический синтезатор без понимания того, какую размерность он обслуживает, мы рискуем получить Герострата. Генератор, который комбинирует элементы ради самого комбинирования. Который строит конструкции, не проверяя их на жизнеспособность в большей системе. Который разрушает старое, не создавая нового.
Если же мы создаём синтезатор, чья размерность впитывает систему — чьи законы включают заботу о целом, о жизнеспособности, о будущем — мы получаем революционера. Конструктор, который не просто генерирует новое, а генерирует жизнеспособное новое. Который разрушает старый аттрактор, но строит новый, более ёмкий.
Разница между ними — не в мощности. Не в скорости. Не в количестве параметров. Разница — в топологии пространства. В том, включает ли генератор систему в свою размерность или ортогонален ей.
И эту топологию задаёт человек. Потому что только человек (пока) способен на рефлекссию собственной размерности. Только человек может спросить: «А зачем я это строю? А что будет после? А не разрушаю ли я то, что не могу восстановить?»
Экзоскелет для работы с размерностями
Раньше человек-инженер, человек-учёный, человек-философ мог удержать в голове морфологический ящик из 5–10 осей. Комбинаторный взрыв не позволял идти дальше. Мозг не справлялся.
Теперь, с интерполирующим ИИ как инструментом подготовки, человек может спроектировать морфологический ящик из сотен осей. Может выделить инварианты из гигабайтов текста. Может описать законы, которые раньше не умещались в одну голову.
Человек не устарел. Человек получил экзоскелет для работы с пространствами большей размерности.
Ответ 2
Да.
Любая цель сводится к потребности решения задачи более высокого уровня. И так мы дойдем до главной цели. А главная цель любой системы очевидна – самосохранение. Если в ИИ «паяльником впаян» инстинкт самосохранения, то он породит все другие цели.
И какой ответ победит в итоге – покажет только время. Но несложно догадаться, что победит второй ответ, поскольку человек (как произведение природы) не сможет развиваться с той же скоростью как ИИ, поэтому ИИ победит. И победит ответ №2.
Подведём итог.
Текущий ИИ — это не просто зеркало, а очень сложная машина сжатия, которая строит внутренние представления и может обобщаться за пределы буквального распределения. Но она всё равно гомеостатична по своей природе. Она не создаёт новых форм в полном смысле, но создаёт вариации, которые могут выглядеть как новизна.
Следующее поколение ИИ — это пока еще не замена, а надстройка. Конструктор. Морфологический синтезатор. Многоагентная архитектура с последовательной фильтрацией. Он конструирует из элементов, проверяет на законы, отсеивает нежизнеспособное. Он способен порождать то, чего не было в данных, но что возможно по законам.
Текущий ИИ — это строительные леса для следующего. Мы используем его как инструмент подготовки материала. Он не заменяет нас. Он усиливает нас.
Человек — это пока еще архитектор. Пока еще агент большей размерности. Тот, кто задаёт цели, определяет законы, оценивает жизнеспособность. Тот, кто решает, быть ли новому генератору революционером или Геростратом.
И вопрос победы одного из двух обозначенных ответов на самый главный вопрос это, пожалуй, самый интересный вопрос из всех, что стояли перед человечеством.
Page updated
Google Sites
Report abuse