«Общий интеллект — полная чушь»: Янн ЛеКун и Демис Хассабис поспорили, что называть AGI

Публичный спор между двумя ключевыми фигурами ИИ-индустрии обнажил фундаментальное разногласие о природе интеллекта ^[1]. Янн ЛеКун, лауреат премии Тьюринга и бывший главный ученый Meta* (признана экстремистской и запрещена в России) по ИИ, в интервью подкасту The Information Bottleneck заявил ^[2], что концепция общего интеллекта “абсолютно бессмысленна” и является “полной чушью”. Демис Хассабис, CEO Google DeepMind и нобелевский лауреат 2024 года, ответил ^[3] в X: “Ян просто неправ. Он путает общий интеллект с универсальным”.

ЛеКун утверждает, что человеческий интеллект суперспециализирован, а ощущение универсальности — иллюзия. “Мы хорошо справляемся с реальным миром и взаимодействием с другими людьми, потому что эволюционировали для этого. Но в шахматах мы ужасны — машины намного лучше”, — сказал он в подкасте. ЛеКун ссылается на парадокс ^[4] Моравека: задачи, которые кажутся нам интеллектуальными (шахматы, вычисление интегралов), компьютеры освоили десятилетия назад, а то, что умеет любая кошка — ловкую навигацию — роботы до сих пор не могут воспроизвести. По его мнению, мы универсальны только в тех задачах, которые способны вообразить, но есть множество проблем за пределами нашего понимания. Отсюда вывод: термин AGI бессмыслен, лучше говорить об “интеллекте человеческого уровня”.

Хассабис выстроил контраргумент через теорию вычислений. По его словам, человеческий мозг ^[5] и современные фундаментальные модели ИИ — это “приблизительные машины Тьюринга”, архитектура которых теоретически способна научиться чему угодно вычислимому при достаточном вычислительном времени, памяти ^[6] и данных. Хассабис признает, что “не бывает бесплатных обедов” — в любой практической системе неизбежна некоторая специализация — но настаивает, что это не отменяет архитектурной универсальности. На шахматный аргумент ЛеКуна он ответил: “Удивительно, что люди вообще смогли изобрести шахматы и все аспекты современной цивилизации — от науки до Boeing 747, — не говоря уже о том, чтобы стать такими блестящими игроками, как Магнус Карлсен”. Иными словами, важна не оптимальность в конкретной задаче, а способность создавать и осваивать принципиально новые домены.

За философским спором стоят конкретные технические ставки. ЛеКун считает LLM тупиковым путем: весь текст интернета (около 30 триллионов токенов) по объему эквивалентен 15 000 часам видео — это визуальный опыт ^[7] четырехлетнего ребенка. Его стартап AMI Labs с оценкой €3 млрд сфокусируется на “мировых моделях” и архитектуре JEPA, которая учится предсказывать в абстрактном пространстве представлений, а не на уровне пикселей. DeepMind делает иную ставку: сооснователь компании Шейн Легг недавно подтвердил прогноз о 50% вероятности “минимального AGI” к 2028 году, а Хассабис заявил, что масштабирование текущих систем “может оказаться всей системой AGI целиком”. Впрочем, мировыми моделями DeepMind также занимается — например, Google Genie 3, создающая интерактивные миры, которые живут несколько минут.

Публичная перепалка такого уровня — редкость для ИИ-сообщества. Она фиксирует раскол, от которого зависит направление миллиардных инвестиций: масштабировать существующие архитектуры или искать принципиально новые подходы. Исторически ставить против DeepMind было невыгодно — AlphaGo, AlphaFold и Gemini это подтверждают. Но ЛеКун, изобретатель сверточных сетей, тоже редко ошибался — и теперь проверяет свою теорию не в дискуссиях, а собственным стартапом.

P.S. Поддержать меня можно подпиской на канал “сбежавшая нейросеть ^[8]“, где я рассказываю про ИИ с творческой стороны.