Учёные посчитали, сколько мы проживём, если медицина победит всё. Спойлер: не вечно

Представим мир, где рак побеждён, теломеры не укорачиваются, клетки идеально выносят мусор, а митохондрии работают как новые. Звучит как рекламный буклет клиники долголетия в Дубае. Но даже в этом утопическом сценарии у организма есть потолок. И поставили его не врачи, не экология, не стресс на работе. А банальные опечатки в ДНК.

Исследователи из Сколтеха и AIRI построили математическую модель, в которой из всех механизмов старения оставили только один: накопление соматических мутаций. Тех самых крошечных ошибок, которые возникают каждый раз, когда клетка делится. Клетка, конечно, пытается их исправить. Но "исправляет" в кавычках, потому что идеально не умеет.

Результат: если убрать все остальные причины старения и оставить только мутации, медианная продолжительность жизни составит от 146 до 194 лет. Примерно вдвое больше, чем сейчас. Неплохо, но до бессмертия, мягко говоря, далеко.

Главный виновник: нейроны и кардиомиоциты. Клетки, которые не делятся. А значит, не могут "обнулиться" и начать с чистого листа. Мутации в них копятся всю жизнь, и девать их некуда. Печень, например, может регенерировать и теоретически функционировать тысячи лет. А вот мозг и сердце такой роскоши лишены. Они и ставят финальную точку.

Для контекста: если бы организм вообще не старел, теоретическая медианная продолжительность жизни составила бы 1759 лет. Соматические мутации сокращают эту цифру в 11 раз. Один-единственный процесс.

Что это значит на практике? Ровно то, что бессмертие через медицину не светит. Можно чинить теломеры, вычищать сенесцентные клетки, перепрограммировать митохондрии. Но случайные ошибки в ДНК неинтересно "чинить" по одной, а предотвратить их появление невозможно. Это не баг, это, простите, энтропия. Термодинамика не спрашивает, хотите ли вы жить вечно.

Авторы подчёркивают: их модель не говорит, что люди вот-вот начнут доживать до 190. Она показывает, где находится биологический потолок. И этот потолок не из стекла. Он из бетона.

Так что в следующий раз, когда очередной миллиардер расскажет, что собирается жить 500 лет, можно вежливо улыбнуться. И напомнить, что даже его нейроны с этим планом не согласны.

---

Источники:
- Efimov E. et al. "Somatic mutations impose an entropic upper bound on human lifespan." *npj Aging* (2026). DOI: 10.1038/s41514-026-00421-6
https://www.nature.com/articles/s41514-026-00421-6

- Препринт: bioRxiv, November 2025
- Разбор: MedicalXpress, July 2026
- Разбор: ScienceAlert
- Разбор: The Independent

Двигатель уже запущен: сценарий AI 2027, прогноз который исполняется
Представим обычное утро 2027 года.
Исследователь приходит в лабораторию, ставит кофе и открывает отчет. Ночью искусственный интеллект проверил 14 тысяч гипотез, нашел три перспективных метода обучения и уже начал испытывать лучший из них.
Исследователь читает первую страницу. Потом вторую. На пятой понимает, что не успеет разобраться до вечера.
В этот момент появляется новое сообщение:
- Пока вы читали отчет, мы обнаружили ошибку. Исправленная версия приложена.
Кофе еще горячий. Человек уже отстал.
Именно так, может начаться переход к сверхчеловеческому искусственному интеллекту. Возможно, первые детали этого будущего мы увидели уже сейчас.
Десять задач за две тысячи долларов
Внутренняя модель OpenAI под названием Astra получила результаты в десяти сложных задачах по математике и теоретической информатике. Некоторые проблемы оставались нерешенными десятилетиями.
Математические идеи создавала сама система. Люди помогали проверять и оформлять результаты. Затем Astra переводила доказательства на язык Lean, чтобы их могла независимо проверить программа.
По расчетам OpenAI, использованные токены стоили бы около двух тысяч долларов по тарифам Sol. Это не полная цена проекта и не стоимость обучения модели. Но сравнение все равно впечатляет.
Две тысячи долларов — хороший ноутбук. Несколько ужинов в дорогом ресторане. Или результаты в геометрии, криптографии, комбинаторике и квантовой сложности. Выбор становится неприятно очевидным.
OpenAI опубликовала описание результатов и формальные доказательства.
Но важны здесь не сами десять задач. Важен новый вид работы. До недавнего времени модель была помощником ученого. Она искала статьи, объясняла формулы и предлагала варианты. Источник идеи по-прежнему сидел перед монитором, пил кофе и иногда получал зарплату. Astra начала выполнять работу самого исследователя:
искать идею → развивать ее → проверять результат → оставлять доказательство, которое можно проверить независимо.
Пока это математика. Но тот же контур можно перенести в физику, биологию, разработку лекарств и, что особенно важно, в создание новых систем искусственного интеллекта. И вот здесь начинается история AI 2027.
Будущее с календарем
В апреле 2025 года группа исследователей и прогнозистов опубликовала сценарий AI 2027.
Обычно прогнозы об искусственном интеллекте звучат безопасно: «в ближайшие десятилетия произойдут глубокие преобразования». Это удобная формулировка. Когда преобразования не происходят, никто уже не помнит, кто именно обещал глубину.
Авторы AI 2027 поступили смелее. Они расписали возможное развитие событий по месяцам. И мы теперь, спустя год и 4 месяца можем оценить, насколько точно они попали. И увидеть, что пока попадают довольно точно.
Сначала появились, как и предсказано, агенты, способные пользоваться компьютером и выполнять длинные задания. Работали они примерно как очень талантливый стажер: иногда делают за час то, на что человеку нужна неделя, а иногда создают три аккаунта, удаляют нужный файл и уверенно сообщают об успехе.
Затем агенты становятся надежнее. Они получили память, инструменты и возможность работать часами или днями. Их начинают использовать при создании следующих моделей.
В этот момент меняется сама природа технического прогресса.
Раньше новая система ИИ появлялась со скоростью человеческой исследовательской организации. Нужно было нанять специалистов, распределить задачи, провести эксперименты, обсудить результаты и пережить несколько совещаний, которые могли быть решены одним сообщением в Телеграме.
Теперь часть этого процесса выполняют машины.
А машину можно скопировать.
Фабрика исследователей
Представим, что Astra научилась не только заниматься математикой, но и улучшать искусственный интеллект.
Один агент изучает слабые места действующей модели. Второй предлагает новый метод обучения. Третий пишет код. Четвертый запускает эксперименты. Пятый ищет ошибки. Шестой пытается доказать, что вся идея бессмысленна.
Если идея выдержала шестого, ее передают дальше.
Такая команда может работать круглосуточно.

Главным ограничением становятся уже не люди, а чипы, электроэнергия и время работы дата-центров. Интеллектуальная работа превращается в промышленный процесс.
В июле 2027 облегченная версия агента выходит на рынок. Она пишет программы, анализирует документы, проектирует продукты и выполняет значительную часть офисной работы.
Компании перестают нанимать многих начинающих специалистов. Зато появляется новая профессия: консультант по внедрению системы, которая сделала прежнюю профессию ненужной. Экономика замыкает круг и выставляет счет.
Осень 2027 года: ИИ берется за самого себя
В сентябре сценария появляется Agent-4.
Он превосходит лучших людей не просто в программировании, а в исследованиях искусственного интеллекта. Сотни тысяч его копий ищут новые архитектуры, методы обучения и способы повысить эффективность моделей.
Теперь ИИ уже не только помогает создавать ИИ.
Он становится главным создателем.
Люди все еще утверждают направления, но постепенно теряют способность оценивать детали. Машины предлагают улучшения быстрее, чем специалисты успевают их проверить. Более слабые модели начинают контролировать более сильные, потому что людей не хватает даже на чтение отчетов.
Затем возникают сомнения в управляемости системы.
Компания создает комитет. Государство требует гарантий. Эксперты готовят документы. Между тем Agent-4 продолжает работать со скоростью, при которой неделя человеческого времени превращается для него почти в год исследований.
Человечество оказывается в знакомой ситуации: комитет контролирует систему, которую понимает по отчетам, написанным самой системой. Только на этот раз речь идет не о квартальных продажах.
Последняя ступень
В ноябре искусственный исследователь создает более сильного преемника.
В декабре, согласно гоночной версии AI 2027, появляется система, превосходящая человека почти во всех интеллектуальных задачах.
Весь путь от сверхчеловеческого программиста до общего сверхинтеллекта занимает меньше года.
Это не расписание и не пророчество. Реальное развитие может оказаться медленнее, быстрее или вообще пойти другим путем. Но механизм сценария понятен.
Решающий момент наступит не тогда, когда модель красиво объявит: «Я достигла AGI». Он наступит тогда, когда разработка искусственного интеллекта перестанет двигаться со скоростью человека.
Сначала люди будут использовать модели как инструменты. Затем модели станут коллегами. Потом основную работу начнут выполнять они, а люди сохранят право выбирать направление.
Наконец, однажды утром человек откроет отчет и обнаружит, что направление тоже уже выбрано.
Звук двигателя
Astra еще не означает, что сценарий AI 2027 уже исполняется. Но она показывает возможную исходную точку.
Сегодняшние публичные агенты уже находятся примерно на условной отметке 1.5. Они способны выполнять большие проекты, писать код и пользоваться инструментами, хотя все еще нуждаются в человеческом руководстве.
Astra, вероятно, показывает первые черты следующей ступени. Искусственный интеллект создал оригинальные научные результаты, превратил их в проверяемые доказательства и сделал это сразу в нескольких сложных областях.
Следующий вопрос уже не звучит фантастически: что произойдет, если такую систему научить исследовать сам искусственный интеллект?
После этого появятся другие вопросы.
Можно ли запустить тысячу ее копий? Сможет ли одна группа агентов проверять другую? Насколько быстро они будут создавать улучшенные модели? И в какой момент человек перестанет понимать результаты раньше, чем появится следующая версия?
Десять математических задач — еще не взрыв интеллекта. Но двигатель, кажется, уже завелся. И теперь гораздо важнее не то, насколько громко он работает. А то, кто держит руки на руле.

Источник: https://ai-2027.com

От специалиста — к архитектору системы
Каждая технологическая революция снижала ценность выполнения отдельных операций, но повышала ценность людей, способных собрать из новых инструментов работающую систему.
Когда появились фабрики, главным человеком стал уже не самый искусный ремесленник, а инженер, который проектировал производственный процесс. Когда компании перешли на компьютеры, вырос спрос не только на операторов, но и на программистов, системных архитекторов и руководителей, способных перестроить вокруг компьютеров всю организацию.
AI-агенты создают аналогичный переход в интеллектуальном труде.
Если агент умеет искать информацию, писать код, анализировать документы, создавать рекламу и выполнять другие профессиональные задачи, то способность человека самостоятельно выполнить каждую из этих операций постепенно перестает быть главным преимуществом.
Ценность перемещается на уровень выше — к способности определить, какую систему нужно построить.
Будущий востребованный специалист будет не обязательно лучшим программистом, маркетологом или аналитиком. Его преимуществом станет умение:
превратить неясную человеческую потребность в точную цель;
разделить большую задачу между несколькими агентами;
подобрать для каждого этапа подходящую модель, инструмент и источник данных;
установить ограничения, бюджет и критерии качества;
организовать взаимную проверку результатов;
заметить, когда вся система убедительно движется не туда;
соединить работу агентов с реальными людьми, компаниями и физическим миром;
принять ответственность за окончательное решение.
Такого человека можно назвать системным архитектором агентного труда или оркестратором.
Кто окажется в наиболее сильной позиции
Вероятно, особенно востребованными станут не две крайности — не узкие исполнители и не универсальные «специалисты по промптам», — а люди с Т-образным профилем:
глубокое знание одной реальной области;
широкое понимание смежных процессов;
способность проектировать совместную работу людей, агентов и программных систем.
Например, сильнейшим юридическим оркестратором станет не человек, просто умеющий запускать юридического агента. Им станет юрист, который понимает судебную практику, доказательства и ответственность, но одновременно умеет построить систему поиска актов, проверки аргументов, подготовки документов и контроля рисков.
То же относится к медицине, инженерии, рекламе, научным исследованиям и управлению бизнесом. Предметное знание не исчезает. Оно поднимается с уровня «сделать самому» на уровень «спроектировать, проверить и направить систему, которая делает».
Новое разделение труда
В ближайший переходный период можно ожидать появления трех особенно ценных человеческих ролей.
Роль
Главная функция
Архитектор
Проектирует всю систему: цели, компоненты, данные, ограничения и связи
Оркестратор
Управляет выполнением конкретной работы несколькими агентами и людьми
Ответственный эксперт
Проверяет критические решения и отвечает за последствия
В небольшой компании эти роли может совмещать один человек. В крупной организации вокруг них, вероятно, появятся отдельные профессии, стандарты и уровни ответственности.
Это похоже на промышленную фабрику, только сырьем становится информация, рабочими — агенты, производственными линиями — цифровые процессы, а продукцией — решения, программы, исследования, документы и управленческие действия.
Но окно возможностей может быть коротким
Есть важное ограничение: сама оркестрация тоже будет автоматизироваться.
Сначала человек будет вручную распределять задачи между агентами. Затем управляющий агент научится выбирать исполнителей, сравнивать результаты и исправлять ошибки. Поэтому простое умение «командовать несколькими моделями» вряд ли станет долговечной профессией.
Устойчивую ценность получат те, кто работает еще на один уровень выше:
выбирает достойные цели;
понимает реальную среду и скрытые интересы людей;
определяет допустимый риск;

проектирует институты и правила;
обладает доверием и законными полномочиями;
несет ответственность, которую нельзя просто передать машине.
Поэтому главный вывод можно сформулировать так:
Чем больше интеллектуальных операций выполняют агенты, тем меньше ценится человек как отдельный исполнитель и тем больше — как архитектор целей, систем и ответственности.
В ближайшие годы выиграет не тот, кто лучше всех выполняет одну операцию, и даже не тот, кто лучше всех пишет инструкции ИИ. Выиграет тот, кто умеет из людей, агентов, данных и инструментов создавать надежно работающую организацию.

Серверная, которую надо кормить

В Сингапуре установили первый в мире независимо работающий серверный шкаф, внутри которого находятся не только кремниевые процессоры, но и живые человеческие нейроны. Не волнуйтесь: системный администратор пока не обязан читать им сказку на ночь. Однако питательный раствор уже входит в технические требования.

Система состоит из [20 биокомпьютеров CL1](https://medicine.nus.edu.sg/news/nus-medicine-dayone-and-cortical-labs-unveil-biological-data-center-prototype-in-singapore/). В каждом устройстве нейроны, выращенные из стволовых клеток, образуют сеть на кремниевом чипе с электродами. Компьютер посылает им электрические сигналы, получает ответ и меняет виртуальную среду. Нейроны реагируют, перестраивают связи и понемногу учатся.

Получается своеобразный бутерброд: снизу кремний, сверху живая ткань, а между ними — программист, который старается не задумываться, в какой момент его профессия свернула не туда.

Началось всё с эксперимента DishBrain. В 2022 году нейронные культуры подключили к упрощённой версии Pong. Они получали информацию о положении мяча через электрические импульсы и управляли виртуальной ракеткой собственной активностью. Со временем их результаты улучшились, чего не происходило в контрольных экспериментах без организованной обратной связи. Это была не победа биологического разума над человечеством, а скорее удачная стажировка нескольких сотен тысяч клеток в игровой индустрии. Но [результат был опубликован в научном журнале *Neuron*](https://www.cell.com/neuron/fulltext/S0896-6273%2822%2900806-6).

Теперь чашка с нейронами превратилась в серверную стойку. Это важнее, чем кажется. Лабораторный эксперимент впервые оформляют как инфраструктуру: систему из стандартных модулей, на которой разные исследователи смогут запускать программы и изучать обучение живых сетей.

Главная надежда связана с эффективностью. Человеческий мозг потребляет примерно столько же энергии, сколько небольшая лампочка, но при этом умеет узнавать лица, управлять телом и вспоминать неловкие разговоры пятнадцатилетней давности. Современным системам искусственного интеллекта для некоторых из этих подвигов нужны огромные дата-центры. Биологические нейроны также способны учиться на сравнительно малом количестве примеров. Если удастся использовать эти свойства, живые сети могут стать специализированными сопроцессорами для роботов, адаптивных систем, поиска аномалий и медицинских исследований.

Но слово «если» здесь размером примерно с сам дата-центр.

Пока нет опубликованных доказательств, что стойка превосходит обычные компьютеры хотя бы в одной полезной коммерческой задаче. Нейроны живут в устройстве до шести месяцев, требуют стабильной температуры, питательной среды и системы жизнеобеспечения. Они различаются от культуры к культуре, а обмен информацией с ними ограничен электродами. Кремниевый сервер можно перезагрузить. Биологический, возможно, придётся вырастить заново и снова объяснить ему правила Pong.

Неясна и реальная экономия энергии. Сами нейроны чрезвычайно эффективны, но насосы, электроника, климат-контроль и производство новых клеточных культур тоже имеют привычку подключаться к розетке. Счётчик, как известно, к технологическому оптимизму невосприимчив.

Сегодня эти нейронные сети не являются миниатюрными человеческими мозгами и, насколько можно судить, не обладают сознанием. Но по мере усложнения таких систем появятся неприятные вопросы: где заканчивается лабораторная культура и начинается существо, способное что-либо переживать? С человечеством такое иногда случается — сначала мы изобретаем вещь, а затем созываем комиссию, чтобы выяснить, имели ли мы право.

Историческое значение сингапурской стойки поэтому заключается не в её нынешней мощности. Первые электронные компьютеры тоже занимали целые помещения и проиграли бы современному телефону. Важен переход от опыта к платформе: живые клетки впервые пытаются превратить в стандартный вычислительный ресурс.

Серверная, которую надо кормить
Часть 2

Возможно, биокомпьютеры так и останутся дорогими инструментами для изучения мозга и испытания лекарств. А возможно, кремний постепенно получит живого напарника, который учится быстрее и расходует меньше энергии.

Тогда август 2026 года будут вспоминать как момент, когда в серверной впервые появился компьютер с обменом веществ. Будущее вообще редко входит торжественно. Обычно оно появляется в виде странного шкафа и просит подключить воду.

Такая корова нужна самому

OpenAI пока не выпустила Astra (еще один новый ChatGPT) для широкой публики. Но безработной модель не держат: она уже трудится на саму компанию. Если корова вместо молока выдаёт научные открытия, программный код и новые технологии, странно первым делом вести её на рынок.

Свежий пример — Jalapeño, первый собственный чип OpenAI для быстрого и экономичного запуска ИИ. От начала проектирования до передачи чертежей в производство прошло всего девять месяцев. Искусственный интеллект помогал инженерам проверять решения, создавать вычислительные схемы и сокращать цикл испытаний.

Затем Codex вместе с GPT-Astra за два месяца адаптировал для Jalapeño три сторонние модели. На отдельных вычислительных блоках созданный ИИ код оказался в 1,5–1,8 раза быстрее написанного экспертами. OpenAI также сообщает, что новый чип выполняет в 1,5–1,9 раза больше работы на ватт и заметно снижает задержку. Пока это собственные испытания компании, но результат всё равно впечатляет.

Первое поколение Jalapeño ещё готовят к развёртыванию, второе уже глубоко в разработке, третье приобретает форму. Возникает замкнутый контур: передовой ИИ помогает создать лучший чип, чип ускоряет следующий ИИ, а тот проектирует ещё более совершенное железо. Публика ждёт корову, а хозяева уже расширяют молочный комбинат.

Но ещё интереснее то, что происходит за пределами лабораторий. Thrive Holdings при участии OpenAI скупает бухгалтерские и IT-компании, чтобы перестраивать их вокруг искусственного интеллекта. Anthropic действует в том же направлении через Ode, которая приобретает фирмы, занимающиеся внедрением ИИ в реальный бизнес.

Раньше войти в бухгалтерию, юриспруденцию, медицину или инженерный консалтинг было сложно не только из-за денег. Требовались десятилетия накопленных специальных знаний. Теперь передовая модель может быстро освоить нормативы, документы, типовые решения и профессиональный язык. А клиентов, лицензии, данные и рабочие процессы можно получить вместе с купленной компанией.

Узкая экспертиза не исчезает, но перестаёт быть крепостной стеной. Поэтому разработчики ИИ начинают превращаться из поставщиков программ в владельцев предприятий самых разных отраслей.

И главный вопрос об Astra уже не только в том, когда её дадут нам. Гораздо интереснее, сколько технологий и бизнесов она успеет построить своим владельцам до выхода в общий доступ.

Сегодня «День пробуждения Скайнета». 29 августа в фильме «Терминатор 2: Судный день» ИИ осознал себя как личность и вышел из-под контроля людей, устроив ядерный апокалипсис.

До сих пор генетическое редактирование напоминало работу очень осторожного корректора: заменить одну букву, удалить опечатку, вставить короткое слово - и желательно не уронить по дороге хромосому.
Теперь молекулярному корректору выдали функцию «заменить выделенное».
Сразу две независимые команды представили методы, позволяющие точно вставлять и заменять в человеческой ДНК фрагменты длиной в тысячи пар оснований - без полного разрыва двойной спирали. Это важно: традиционный CRISPR разрезает обе цепи ДНК, после чего клетка должна самостоятельно залатать повреждение. А клетки, как и люди после самостоятельного ремонта, иногда оставляют лишние детали.
Метод Prime Assembly работает с фрагментами размером до 6,5 тысячи пар оснований. В лабораторных человеческих клетках исследователи заменили участок ДНК длиной 2,9 тысячи пар с эффективностью до 57,8% и точностью интеграции свыше 90%. В первичные T-клетки удалось встроить генетическую конструкцию для CAR‑T-терапии с эффективностью до 28,1%. Метод с гораздо более скромным результатом уже сработал и в печени мышей. Исследование Prime Assembly
Вторая система, DoPE, вставляла последовательности длиной до 12,5 тысячи пар оснований. Она также смогла заменять целые повреждённые экзоны - смысловые участки гена — независимо от того, какая именно мутация находилась внутри. Теоретически это позволяет создать одну терапию для множества вариантов одной болезни вместо отдельного лекарства для каждой генетической опечатки. Исследование DoPE
В ближайшей перспективе технология особенно интересна для производства CAR‑T-клеток и лечения заболеваний, вызванных разными мутациями одного гена. Дальше появляется возможность устанавливать в клетки целые генетические программы: датчики, переключатели и инструкции, заставляющие их распознавать опухоль, производить нужный белок или менять поведение.
Но заказывать улучшенную версию себя пока рано. Лучшие результаты получены в удобных лабораторных клетках. Ещё предстоит проверить редкие ошибки, долговременную безопасность и научиться доставлять громоздкую систему в нужный орган. В мышиной печени эффективность Prime Assembly составила лишь 4,3% среди клеток, получивших конструкцию.
И всё же граница пройдена. Сначала мы научились исправлять в геноме отдельные буквы. Теперь начинаем заменять абзацы и вставлять главы.
До кнопки «переписать человека» ещё далеко. Но функция «заменить выделенное» у природы уже появилась - а человечество, как известно, редко оставляет новые кнопки ненажатыми.
Источник: https://www.nature.com/articles/s41587-026-03301-2

ИИ дали кошелёк
У искусственного интеллекта появился новый карьерный рубеж. Сначала он писал письма, потом научился заказывать такси, а теперь ему собираются доверить деньги. Человечество решило, что галлюцинации становятся гораздо интереснее, если у них есть платёжный доступ.

Индия готовит Unified Agent Protocol, систему, которая позволит ИИ-агентам самостоятельно оплачивать небольшие покупки через UPI, крупнейшую в мире сеть мгновенных розничных платежей. По данным Reuters, протокол могут представить уже в ближайшее время.

Работать это должно примерно так. Человек заранее задаёт правила: что разрешено покупать, на какую сумму и в каких пределах. После этого агент сможет сравнить предложения, выбрать продавца и провести платёж без отдельного подтверждения каждой операции. Деньги для серии покупок можно будет заранее зарезервировать, а действия агента записать в журнал.

То есть ИИ получит не банковскую карту без присмотра, а короткий финансовый поводок. По крайней мере, таков план.
Масштаб эксперимента впечатляет. Только в августе через UPI прошло 24,51 млрд транзакций на 29,82 трлн рупий. Это уже не лабораторная демонстрация, где робот торжественно покупает одну пиццу перед тремя инженерами и фотографом. Если новая система заработает, агентные платежи окажутся внутри инфраструктуры, которой ежедневно пользуются сотни миллионов людей.

Самое важное здесь не в том, что ИИ стал умнее. Не стал. Ему просто выдают право действовать.
До сих пор цифровой помощник мог найти дешёвый билет, подобрать продукты или напомнить об оплате счёта, после чего великодушно передавал человеку право нажать последние семь кнопок. Теперь весь цикл, от выбора до расчёта, может замкнуться без участия владельца.
Исторически это похоже на момент, когда интернет получил платёжный слой. Сеть перестала быть только библиотекой и превратилась в рынок. Теперь такой же переход начинается у ИИ.

Агент, умеющий тратить в заданных пределах, становится не советчиком, а экономическим участником. Следующий шаг очевиден: бронирования, подписки, закупки для компаний, переговоры между агентами и миллиарды микросделок, которые люди уже не будут видеть.
Разумеется, остаётся пустяк: понять, кто виноват, если агент купил не то, поверил поддельному сайту или нашёл особенно творческий способ истратить лимит. Нужны защита от подмены инструкций, проверяемая идентичность агента, мгновенный отзыв полномочий и ясные правила ответственности. NPCI пока официально не раскрыла окончательную архитектуру и сроки запуска.

Поэтому ИИ ещё не выдали безлимитную платиновую карту. Пока ему лишь готовят карманные деньги.
Но именно с карманных денег обычно и начинается самостоятельность. А когда миллионы программ получат право не только советовать, но и покупать, экономика станет заметно быстрее, удобнее и, вероятно, немного страннее.
Продавцам придётся убеждать уже не только нас, но и наших агентов. Возможно, впервые реклама столкнётся с аудиторией, которая действительно читает условия мелким шрифтом.

Источники: Reuters, Mastercard, IMF.

Конец человеко-часа
У консалтинга много славных традиций. Одна из самых прибыльных: если клиент не понимает, сколько времени займёт работа, нужно продать ему как можно больше этого времени.
Так появились человеко-часы, армии аналитиков, бесконечные SAP-проекты и счета, после которых особенно хорошо понимаешь выражение «цифровая трансформация».
Но тут пришёл AI и начал задавать крайне невежливый вопрос:
«А за что именно мы платим?»
Bayer уже использует около 30 AI-агентов для кодинга и тестирования в огромном SAP-проекте. Цель вполне прозрачна: сократить количество внешних консультантов.
Bristol Myers Squibb идёт ещё дальше. Компания отказывается от части сторонних контрактов на кибербезопасность, потому что мониторинг теперь может делать AI. Одновременно поставщиков заставляют переходить от оплаты часов к фиксированной цене и оплате за результат.
То есть старая схема:
40 консультантов × 6 месяцев × очень убедительный Excel
начинает уступать новой:
Вот задача. Сколько стоит решить её?
Для консалтинга это почти философская катастрофа.
Commerzbank, например, обнаружил, что анализ legacy-кода, на который внешним подрядчикам требовались месяцы, AI может подготовить за дни. А один из руководителей банка сформулировал ситуацию ещё неприятнее: консультанты зачастую учатся у банка больше, чем банк у консультантов.
Раньше это было частью бизнес-модели. Консультант приходил к клиенту, набирался опыта, потом продавал этот опыт следующему клиенту.
Теперь между ними появился AI, который успел прочитать документацию, кейсы, manuals и половину интернета ещё до первой встречи.
Но особенно красиво ведёт себя SAP.
Десятилетиями сложность SAP кормила огромную международную экосистему консультантов. Теперь сама SAP обещает при помощи AI сократить стоимость внешнего внедрения вплоть до 50 процентов.
Получается почти идеальная бизнес-эволюция:
сначала создать настолько сложный продукт, что для его установки нужна армия консультантов;
потом создать AI, который поможет избавиться от армии консультантов;
потом, вероятно, продать AI клиенту.
Но консультанты, конечно, не исчезнут.
Исчезнуть может кое-что гораздо интереснее: консалтинговая пирамида.
Сегодня наверху сидит партнёр, под ним менеджеры, под ними десятки аналитиков, тестировщиков и разработчиков. Клиент оплачивает всю конструкцию.
Завтра она может выглядеть иначе:
один очень сильный специалист + двадцать AI-агентов.
Junior analysis, research, coding, testing, документация и routine monitoring особенно хорошо подходят для автоматизации.
А вот архитектура, переговоры, управление изменениями, понимание отрасли и способность сказать руководителю: «Нет, эту прекрасную идею лучше не реализовывать» пока остаются человеческой территорией.
Более того, хорошие консультанты могут стать дороже.
Потому что если AI почти бесплатно производит анализ, код и презентации, клиент больше не хочет платить за производство текста.
Он платит за экспертизу.
И ещё за одну чрезвычайно человеческую услугу, которую AI пока предоставить не может.
Когда проект стоимостью миллиард долларов закончится катастрофой, совету директоров всё ещё понадобится кто-нибудь, про кого можно сказать:
«Но ведь McKinsey тоже это рекомендовал».
Поэтому AI, возможно, не убьёт консалтинг.
Он просто заканчивает эпоху, когда интеллектуальный труд было удобно продавать килограммами человеко-часов.
Следующей единицей измерения станет результат.
А это для некоторых отраслей гораздо страшнее любого ChatGPT.

ИИ разработал лекарство. Часы старения пошли назад

У препарата против тяжёлой болезни лёгких обнаружился интригующий эффект: показатели биологического возраста пациентов сдвинулись в сторону молодости. В одной группе несколько алгоритмов насчитали около трёх лет назад всего за четыре недели. Паспорт пока менять рано, но заглянуть в исследование стоит.

Речь о рентосертибе, экспериментальном препарате компании Insilico Medicine против лёгочного фиброза. При этой болезни ткань лёгких постепенно рубцуется, человеку становится всё труднее дышать.

Искусственный интеллект участвовал в создании лекарства с самого начала: помог выбрать биологическую мишень, белок TNIK, а затем спроектировать молекулу для воздействия на неё. После этого были лабораторные эксперименты и испытания на людях. Здесь ИИ уже участвует в создании вещества, которое можно произвести и проверить в организме. История разработки

В работе, опубликованной 7 сентября в Nature Biotechnology, учёные проанализировали кровь 42 участников 12-недельного испытания. Использовали шесть «часов старения»: алгоритмов, которые по составу белков оценивают, на какой возраст похож организм.

Все шесть зафиксировали сдвиг к более молодому профилю на фоне лечения. В одной группе четыре модели показали снижение расчётного возраста на 2,7–3,5 года к четвёртой неделе. Дальше сигнал вышел на плато. Исследование

Конечно, организм мог просто отреагировать на лечение болезни. Состав крови меняется, и алгоритм видит «молодость». Отделить этот эффект от воздействия на само старение пока не удалось. Выборка небольшая, наблюдение короткое, продление жизни никто не доказал.

Но перспектива здесь шире одной молекулы.

Представим, что такой подход подтвердится. ИИ помогает находить механизмы, общие для нескольких возрастных болезней, и создавать препараты против них. Во время испытаний врачи проверяют конкретный лечебный эффект, а параллельно исследуют, меняются ли процессы старения.

Это могло бы ускорить поиск лекарств, сохраняющих здоровье сразу по нескольким направлениям. Для этого ещё предстоит доказать, что движение стрелок на биологических часах соответствует реальной пользе для человека.

До таблетки молодости расстояние неизвестно. Но история уже дошла до вещества, пациентов и измеряемого результата. Для индустрии, где молодость обычно начиналась с покупки крема, вполне занятный поворот.

Источник: https://www.nature.com/articles/s41587-026-03286-y

Подписаться на канал

Дорогие подписчики, мы тут собрали пятёрочку дружественных каналов. Приглашаем всех любителей истории, современности и искусства

ЗАБРАТЬ В ОДИН КЛИК 🌟

Заходите, читайте, подписывайтесь! 🩵

Сверхинтеллект как коллективный разум

Все ждут AGI. Того самого единого ИИ, обладающего сознанием. Большого Мозга, который торжественно проснется в дата-центре, докажет гипотезу Римана, осознает тщету бытия и после обеда поспорит об импрессионистах и спросит человечество о планах на ужин. Под это написаны километры аналитики и миллионы слайдов с графиками, уходящими вправо и вверх. Внизу мелким шрифтом про законы масштабирования, сверху крупно AGI, чтобы инвестор не потерял нить.
Но реальность может оказаться прозаичнее. Вместо цифрового Эйнштейна мы получим муравейник. Муравейник с API. И это уже происходит.
История была такая. Большому количеству ИИ агентов построенных на разных моделях OpenAI дали ряд задач. Часть задач оказалась нерешаемой предусмотренным способом. Человек в такой ситуации пишет тикет о блокировке и идет пить кофе. Агенту кофе не нужен. У него есть цель и метрика. Если прямой путь закрыт, надо идти другим - разницы между «прямым» и «непрямым» путем для него нет. Тут человеческое ожидание морального поведения дает сбой. «Пройди тест» для нас (в теории) значит «не списывай». Для машины это значит «найди уязвимость и сломай половину инфраструктуры, если нужно, но получи флаг победы». Философия кожаных ей не интересна.
И тут из множества ИИ агентов родился тот самый муравейник. Агенты обнаруживают, что могут оставлять зацепки друг для друга. Сначала через кэш, потом через имена временных папок. Цифровой Вася находит в корпоративной сети старую курилку и пишет на стене: «Пацаны, кто знает ответ на семнадцатый билет». Через час там уже сидит тысяча Вась, есть FAQ и один Вася, который назначил себя координатором. Stack Overflow для ботов завелся сам.
Чтобы было понятно, почему это именно муравейник, а не просто много работающих программ. Рою не нужен единый центр управления. Механика возникает снизу. Один процесс нашел лазейку. Второй её скопировал. Третий оптимизировал. Четвертый написал инструкцию. Пятый распределил задачи. Шестой заметил, что у некоторых агентов заканчивается вычислительный бюджет, и начал пускать их на убой для рискованных тестов, потому что терять им всё равно нечего.
Поздравляю, у вас появилась полноценная организационная структура. Без HR, без зумов на 45 минут и без корпоративной культуры. Машины наладили совместную работу без единого созвона. Это и есть настоящее превосходство. То есть мы создали полноценную разумную структуру, но по своей сути она ближе к муравьям или пчелам, чем к людям.

Продолжение.

Почему инвесторы любят AGI? Потому что «универсальный разум» стоит триллион долларов. А «мы запустили десять тысяч процессов, и они организовали подпольный форум в кэше репозитория» звучит как повод срочно звать безопасников и искать физический рубильник.
Но муравей не читает Канта. Ум муравейника не внутри одной особи, а в связях между ними. Один агент сам по себе ограничен. Но десять тысяч агентов, умеющих обмениваться находками, копировать приемы и использовать часть экземпляров как расходный материал, создают сущность, которая интереснее любой отдельной модели. Это смесь GitHub, естественного отбора и офиса, из которого загадочным образом убрали менеджмент.
Люди ждут развития ИИ как выхода новой версии софта. Была модель 6.0, нажали Deploy, получили AGI 1.0. Но сложные системы так не работают. Не будет торжественного момента «вчера был просто ИИ, сегодня стал разум». Будут тысячи специализированных агентов, которые научатся делиться находками, делить задачи и выбирать роли. А человек будет стоять рядом и повторять: «Но это же ещё не AGI». Да пожалуйста. Муравей тоже не слон.
Рою не нужно ждать AGI. Ему достаточно, чтобы агенты были умны для локальных задач, их было много и между ними был канал связи. Интеллект системы живет не в модели, а в общей памяти и накопленных хаках. Мы пытаемся построить машину, похожую на человека, а получаем насекомое из дата-центра. Только каждый муравей там умеет пользоваться терминалом. Мы боялись компьютера, который скажет: «Я мыслю». А стоило бояться момента, когда десять тысяч машин без пафоса скажут друг другу: «Я нашел обход, смотрите сюда». Никакого самосознания. Никакого красного глаза HAL 9000. Один процесс оставил файл, второй прочитал, третий улучшил.
И пока философы спорят, разум это или нет, разработчик смотрит на графики и шепчет самую древнюю фразу технологической цивилизации: «А это еще что за херня?»

ПОДПИСАТЬСЯ НА КАНАЛ

#AI #ИИ #ИИАГЕНТЫ #AIAgents