Google DeepMind меняет вектор развития, и это плохая новость для тех, кто ждал от Gemini лишь удачных шуток или помощи в написании кода. На последней конференции Google I/O Демис Хассабис прямо заявил: мы стоим у подножия сингулярности. Но в трактовке Хассабиса этот термин лишен эзотерики — это не восстание машин, а момент, когда ИИ начинает экспоненциально ускорять научный прогресс. Пока конкуренты полируют интерфейсы своих чат-ботов, DeepMind нацелился на физический мир. Флагманским примером стала система WeatherNext, предсказавшая удар урагана «Мелисса» по Ямайке. Для бизнеса сигнал однозначен: Google строит модели, способные не просто имитировать текст, а просчитывать и эксплуатировать законы физики.
Экономика агентских исследований
Внутри Google сейчас отчетливо ощущается конфликт между созданием узкоспециализированных инструментов и агентских систем на базе больших языковых моделей, способных проводить исследования без участия человека. DeepMind уже конвертировал свои успехи в репутационный капитал: проект AlphaFold принес своим создателям Нобелевскую премию, но теперь амбиции выросли. По словам Пушмита Коли, вице-президента по исследованиям Google DeepMind, индустрия переходит от ИИ-помощников к ИИ-ученым.
Мы движемся к ИИ, который не просто упрощает науку, а начинает самостоятельно ею заниматься.
Этот сдвиг — прагматичный расчет на монополизацию рынков, далеких от рекламной модели: фармацевтики, энергетики и климатических технологий. Ставка делается на «рекурсивное самосовершенствование» — механизм, который позволит моделям автономно находить ошибки в своих рассуждениях и обучаться на собственных открытиях.
Монополия на физический мир
Выпуск AlphaGenome для генетики и AlphaEarth Foundations для экологии подтверждает: Google пытается создать цифровых «коллег» для ученых-людей. Конечно, пассаж Хассабиса о сингулярности на фоне презентации погодного приложения выглядит как попытка натянуть маркетинговую сову на глобус. Прогноз урагана — это выдающееся инженерное достижение, но это все еще далеко от автономного разума, диктующего темп развития цивилизации. Однако за этим пафосом скрывается жесткая стратегия: переход от генерации контента к генерации физических решений, где цена ошибки выше, но и маржа несопоставима с рекламными кликами.
Главные выводы
- Google DeepMind переносит фокус со специализированных инструментов вроде AlphaFold на агентские LLM, способные к автономным научным изысканиям.
- Стратегия компании нацелена на доминирование в DeepTech-секторах (фармацевтика, климат), что позволит диверсифицировать доходы за пределами рекламного рынка.
- Заявления о сингулярности стоит воспринимать как маркер перехода к моделям с рекурсивным самообучением, работающим с законами химии и физики.
Амбиция Хассабиса понятна: если вы владеете алгоритмом, который открывает новые материалы или лекарства быстрее любого НИИ, вы контролируете фундамент экономики, а не просто способ отображения информации в браузере.