Самый умный ИИ в мире ничего не понимает — и вот почему это меняет всё

Языковые модели пишут код, сочиняют стихи, сдают юридические экзамены. Но вот в чём парадокс ^[1]: они не понимают ни слова из того, что говорят. Потому что они просто предсказывают, какое слово должно идти следующим. А люди учатся иначе — мы познаём, как устроен мир, как объекты движутся и взаимодействуют в пространстве. Модели так не могут. Именно это фундаментальное ограничение объясняет, почему эпоха безудержного хайпа вокруг ИИ подходит к концу. 2026-й станет годом отрезвления.

Почему «больше» перестало означать «лучше»

Десять лет индустрия жила по простой формуле: увеличь модель в сто раз по числу параметров — получишь качественный скачок. В 2020 году OpenAI выпустила GPT-3 и доказала, что это работает. Началась гонка за масштабом: больше данных, больше вычислений, больше параметров.

Но сейчас результаты выходят на плато. Илья Суцкевер, один из пионеров глубокого обучения ^[2], признаёт: предобучение упёрлось в потолок, нужны новые идеи. Ян Лекун, бывший главный учёный Meta по ИИ, ушёл строить собственный стартап с оценкой в 5 миллиардов долларов — потому что убеждён: трансформеры исчерпали себя, и в ближайшие пять лет появится принципиально новая архитектура.

Маленькое побеждает большое

Пока гиганты ищут прорыв, бизнес уже нашёл решение — и оно неожиданно простое. Компактные языковые модели, настроенные под конкретные задачи, обходят универсальных гигантов по всем параметрам: точности, скорости, стоимости. AT&T, один из крупнейших телекомов мира, делает ставку именно на них. Французский стартап Mistral доказывает на бенчмарках: после тонкой настройки маленькие модели работают лучше больших.

У компактных моделей есть ещё одно преимущество: их можно запускать локально, прямо на устройстве пользователя — без облака, без задержек, без передачи данных наружу. А в эпоху ИИ-агентов, которая только начинается, именно маленькие модели станут рабочей лошадкой индустрии.

Модели, которые понимают пространство

Но главная ставка — не на язык, а на понимание физического мира. Многие исследователи считают, что следующий большой прорыв произойдёт благодаря «мировым моделям» — системам ИИ, которые изучают, как объекты движутся и взаимодействуют в трёхмерном пространстве, чтобы делать прогнозы и предпринимать действия.

Деньги уже текут в эту область рекой. Стартап General Intuition привлёк 134 миллиона долларов на посевном раунде. Фей-Фей Ли запустила коммерческий продукт World Labs. Google DeepMind развивает Genie. Runway выпустила первую мировую модель. Аналитики PitchBook прогнозируют: рынок мировых моделей в игровой индустрии вырастет с 1,2 миллиарда долларов до 276 миллиардов к 2030 году. Видеоигры станут первым полигоном, но за ними — роботы и автономные системы.

ИИ-агенты получили «розетку»

ИИ-агенты провалились в 2025 году не потому, что были глупы. Им просто не к чему было подключиться — базы данных, API, рабочие инструменты оставались недоступны. Решением стал протокол MCP от Anthropic — своего рода «USB-C для ИИ». OpenAI, Microsoft и Google уже поддержали стандарт. Теперь агенты готовы выполнять реальные задачи: от клиентской поддержки до управления недвижимостью.

Что остаётся неизменным

Архитектуры меняются, модели становятся компактнее, агенты — умнее. Но какую бы стратегию ни выбрал бизнес — большие модели или компактные, облако или периферию — фундаментом остаётся инфраструктура для машинного обучения ^[3]. А ещё не меняется тот, кто принимает решения.

Человек — по-прежнему главный

В 2024 году каждая ИИ-компания обещала автоматизировать рабочие места. Этого не произошло — технология оказалась не готова. В 2026-м риторика изменится: ИИ будет усиливать человека, а не заменять его. Ожидается рост новых профессий в области управления ИИ, безопасности и работы с данными. Прогноз по безработице — ниже 4%.

Гонка продолжается. Но индустрия наконец-то начинает трезветь.