Эту лекция прочитал Аравинд Шринивас 3 октября 2026 года в Кембриджском союзном обществе. Кембриджское союзное общество — крупнейшее студенческое объединение Кембриджского университета и старейший в мире непрерывно действующий дискуссионный клуб.

Здравствуйте и спасибо. Для меня большая честь находиться здесь.

Одна из вещей, которых я никак не ожидал от основания компании, — это то, сколько времени мне приходится проводить в университетах. Мне это нравится. Как генеральный директор, я заметил, что в университетах собирается единственная аудитория, которая готова спорить в ответ. Поэтому мы оставим на дискуссию больше времени, чем я планирую потратить на выступление.

Давайте начнем.

Обычно, когда меня куда-то приглашают выступить, меня просят прочитать прогностическую лекцию с каким-нибудь банальным названием вроде «Будущее ИИ». Я не буду говорить о будущем ИИ. Вместо этого я буду говорить о вашем будущем. Ваше будущее мне интереснее, и, вероятно, оно интереснее и вам самим.

Сначала немного о прошлом. Кембридж — идеальное место, чтобы говорить о прошлом одновременно с вашим будущим, потому что здесь есть и то, и другое.

Как гласит история, то, что мы сейчас называем системой рецензирования, было изобретено здесь, в Кембриджском университете. По правде говоря, автором идеи был просто профессор из Кембриджа, и он предложил ее в Лондонском королевском обществе, а не здесь, в университете. Это было в 1831 году. Сегодня в рамках системы рецензирования ежегодно публикуется более 3,5 миллионов научных статей.

Около 160 лет спустя два аспиранта из Стэнфорда работали над сетевыми структурами и интеллектуальным анализом данных. Это происходило как раз тогда, когда зарождался интернет-бум 1990-х годов. Все только и говорили, что о Всемирной паутине. Примерно так же, как сегодня говорят об «ИИ».

Как и сегодня, большинство людей, говоривших о буме, были инвесторами и работниками СМИ. «Технологическим сообществом» тогда была телекоммуникационная индустрия. В дискуссии участвовало не так много академических работников (некоторые участвовали, но не в массе своей). И эти два аспиранта не были какими-то инсайдерами интернет-бума.

Но они знали одну вещь, до которой людям вне университетской системы не было особого дела.

Как и большинство академиков, они понимали назначение университета. Назначение университета заключается в приумножении знаний.

Вот почему мы используем рецензирование. Именно поэтому в академических текстах так много цитат. И эти два студента знали, что объем знаний в мире (измеряемый количеством рецензируемых качественных статей) только растет. Поэтому им было легко понять, что Интернет также будет расти вместе с человеческими знаниями.

Они также имели дело со старой проблемой, которая для интернета стала «новой»: как найти правильные знания или лучшие знания, если их объем постоянно увеличивается? В старой модели ученые судят о том, является ли чье-то исследование полезным или заслуживающим доверия, по количеству цитирований.

Поэтому у них возникла идея создать алгоритм, который оценивает каждый веб-сайт в Интернете на основе того, сколько других сайтов ссылались на него, с учетом содержания этих сайтов.

Они назвали эту систему «PageRank», потому что они ранжировали каждую страницу в сети (page), а также потому что одного из этих аспирантов звали Ларри Пейдж (Larry Page).

Ларри и его партнер (Сергей Брин) взяли этот простой академический принцип и сделали его доступным для широкой массы. Google стал одним из самых полезных инструментов в истории и одним из самых успешных бизнесов просто потому, что Ларри Пейдж адаптировал то, чем университеты занимались уже сто лет.

Как я уже сказал, назначение университета — приумножать знания. В этой лекции я расскажу вам три вещи о знаниях. Я надеюсь, что, поразмышляв о некоторых из них, мы придем к лучшему пониманию искусственного интеллекта.

Во-первых, у знаний есть своя жизнь. Они рождаются, устаревают и умирают.

У них есть жизненный цикл. И поскольку у них есть жизненный цикл, знания эволюционируют.

По мере эволюции того, что мы знаем, мы все становимся умнее. Это называется эффектом Флинна. Эффект Флинна заключается в наблюдении того, что человечество умнеет примерно на 3 балла IQ каждое десятилетие.

Шкалы тестов IQ постоянно пересчитываются так, чтобы среднее значение оставалось на уровне 100, поэтому самый простой способ понять эффект Флинна — рассмотреть его в процентилях. В 1950 году человек, находившийся на 92-й процентили по уровню интеллекта, сегодня оказался бы лишь на 50-й. Мы все стали умнее.

1950 год — это также год создания тесты Тьюринга. Это был первый тест, определяющий, умнее ли машина людей и когда именно это происходит. Это означает, что в 1950 году машине было гораздо проще пройти тест Тьюринга. Потому что планка «человеческого» интеллекта была ниже.

И в этом сила эволюции. Знания всегда ведут к новым знаниям.

Обратная сторона заключается в том, что мир может становиться умнее, но вы как отдельный человек можете глупеть. Знания устаревают. Представьте это как период полураспада. Период полураспада радиоактивного элемента — это время, за которое распадается половина его атомов. Период полураспада знаний — это время, за которое половина из них устаревает.

Вот несколько примеров прямо здесь, в Кембридже.

В 1978 году сир Рой Калн помог внедрить циклоспорин в практику трансплантации. Это было важно для предотвращения отторжения органов. Первые клинические испытания проходили в Кембридже. К 2001 году другое лекарство, такролимус, стало основным средством в своем классе при трансплантации почки в Америке. Таким образом, можно сказать, что период полураспада медицинских знаний о лечении циклоспорином составил 23 года.

Это несовершенный показатель, но он представляет собой полезную модель для оценки инженеров в быстро развивающихся областях. Мы используем это в технологической сфере. По сути, вопрос звучит так: «в какой момент карьеры этого инженера половина того, что он знает, станет полностью устаревшей?»

В какой момент вашей карьеры это произойдет с вами? Ответ зависит от того, сколько времени вы тратите на изучение нового.

К сожалению, в редких случаях знания тоже умирают. Существуют языки, на которых не осталось ни одного носителя. Есть мудрость, которая умирает вместе со старцем.

Именно поэтому на протяжении более 4000 лет люди строили библиотеки. А когда появилась Всемирная паутина, мы перенесли в нее гораздо больше того, что знаем. Так что знания умирают, но этого может и не происходить. Вероятно, будучи неотъемлемой частью человеческой природы, люди чувствовали необходимость сохранять знания. Мы постоянно сохраняем их и приумножаем общие знания мира. И это здорово.

Стоит отметить: знания похожи на живое существо, но они не живые. Живы только вы. Просто я считаю, что вы более живы, когда узнаете что-то новое.

Кстати, именно поэтому существует Perplexity. Но я здесь не для того, чтобы говорить о Perplexity. Я здесь, чтобы говорить о вас и об экономике знаний. Что подводит меня к моему второму пункту.

Во-вторых, знания — это не деньги. Но они ведут себя как деньги.

Существует временная стоимость денег. Проценты заставляют их расти, а инфляция — уменьшаться. При достаточном количестве времени и проценты, и инфляция действуют по принципу сложного процента.

Когда сто тысяч фунтов стерлингов имеют покупательную способность сорока тысяч (вероятно, примерно через 23 года), вам понадобится 250 000 фунтов стерлингов, чтобы выйти в ноль. Еще через 23 года вам понадобится уже 625 000 фунтов стерлингов.

Когда процессы носят кумулятивный характер, прирост или убытки экспоненциально увеличиваются со временем.

Именно поэтому базовый финансовый принцип гласит, что вы всегда должны наращивать сложные проценты по ставке, превышающей уровень инфляции. Ведь если вы не растете, вы сжимаетесь. С знаниями дело обстоит точно так же.

Точно так же, как стоимость фунта стерлингов, ценность того, что вы знаете сегодня, со временем будет снижаться. И как при обычной амортизации, это будет происходить лишь на малую долю каждый день. Это будет настолько незаметно, что вы едва ли это заметите. До тех пор, пока однажды вы не проснетесь ни с чем. Ваши знания больше не будут иметь прежней рыночной стоимости. Это неизбежно. Помните, теорема Пифагора когда-то была тем, что разрешалось знать только элите. Но каждый здесь выучил ее в седьмом классе.

Мы все становимся умнее, навсегда. Как я уже упоминал, в этом и заключается вся цель университета. Если повезет, когда-нибудь в далеком будущем то, что вы изучали здесь, в Кембридже, станет учебной программой для семиклассников.

Если это произойдет, это к лучшему. Это означает прогресс. Но это также означает, что ваши экономические цели требуют от вас никогда не прекращать учиться. Вы должны учиться по процентной ставке, превышающей уровень инфляции знаний.

Иными словами, вы должны удваивать то, что знаете, со скоростью, превышающей ваш собственный период полураспада знаний. Это требует времени. Но когда вы смотрите на мир через призму сложных процентов, вам приходится смотреть на него с расчетом на долгосрочное будущее.

Именно поэтому лучший способ приумножить свое богатство — начать в молодости, а второй лучший способ — дожить до старости. Уоррен Баффет начал инвестировать в 11 лет, но 99% его состояния накопилось после 65.

Что намекает на последнее сходство между знаниями и деньгами. Их нужно тратить.

Когда у вас есть капитал, вы пускаете его в дело. Когда у вас есть знания, особенно исключительные знания, вы должны заставить их работать. Сделайте что-нибудь с их помощью. В этом разница между изобретением и инновацией. Изобретение спрашивает: «Вы что-то создали?» Инновация спрашивает: «Принесло ли это пользу?»

И если вы хотите изменить ситуацию к лучшему, вы должны действовать на основе знаний. Только действия вызывают новые вопросы, исследования и новые знания. Вы должны всегда учиться и всегда действовать.

Здесь в игру вступает искусственный интеллект, и это подводит меня к моему третьему и последнему пункту.

Цель ИИ — ускорить развитие человеческих знаний и процветания.

Подумайте о первых двух вещах, о которых я сказал сегодня вечером. Я сказал, что знания обладают живым характером, и мы должны лелеять их и продвигать вперед, потому что от этого в целом выигрывают люди. Затем я сказал, что знания имеют экономический характер. Что мы должны культивировать их, потому что, говоря в целом, все люди от этого выигрывают.

Если вы верите в эти две вещи, то вам придется взглянуть на ИИ немного иначе.

Вместо того чтобы быть одержимыми достижением сильного ИИ (AGI) или созданием умных технологий ради самих технологий, вы бы пришли к выводу, что причина создания более качественного и точного ИИ заключается в служении людям.

Вы бы пришли к выводу, что самая высокая и важная цель ИИ — сделать людей умнее и процветающе.

Если это звучит очень похоже на цель университета, что ж, вот мы и здесь.

Подумайте еще раз о рецензировании. Оно было изобретено в 1831 году. В этом году Perplexity запустила очень простой продукт под названием Model Council, основанный на идее одного из ученых-основателей OpenAI. Вы задаете трем моделям ИИ один и тот же вопрос. Каждая из них исследует его и дает ответ, а затем модель-«председатель» оценивает, в чем они расходятся и сходятся во мнениях, и формирует окончательный ответ.

Model Council не заменяет экспертную оценку. Вместо этого его цель — донести дух академических исследований до большего числа людей. Мы можем распространить этос университета за пределы этих стен и по всему миру.

Мы могли бы помочь большему количеству людей быть правыми, а не просто чувствовать или казаться правыми. Научно искать истину и знания. Траектория развития вселенной заключается в том, чтобы у каждого было больше доступа к большему количеству знаний. Это хорошо для людей — обладать знаниями. И именно люди получают от этого пользу.

Я завершу рассказом о своей компании.

Когда мы только начинали, нас было всего трое исследователей ИИ с большим количеством вопросов, чем видения. Затем, для четвертого человека, мы решили, что пора оформить медицинскую страховку. Медицинская страховка в Америке сложна даже для американцев. Я не из Америки, поэтому для меня это было еще более запутанно.

Результаты Google не помогли. И в таком случае обычный основатель делает то, что звонит кому-то, кто уже проходил через это. Например, инвестору или другому основателю. Но было поздно ночью. Я хотел довести дело до конца, поэтому мне пришлось добывать знания самостоятельно.

Проблема заключается в том, что самостоятельное проведение исследования означает гугление оптимизированных под SEO сайтов страховых компаний, на которых полно дурных советов, соревнующихся в том, чтобы выглядеть наиболее убедительно.

Именно тогда я создал первую версию Perplexity.

Она провела исследование за меня. И я заставил ее указывать источники ответов. Чтобы я мог проверить их и продолжать задавать новые вопросы. И тогда я оформил нашу страховку. Проблема была решена. Переходим к следующей проблеме. И к следующей, и к следующей. И вот мы здесь сегодня.

Мораль этой истории заключается в том, что вам больше не нужно «знать нужного человека». Вы можете просто изучить материал и сделать это. Я уже говорил вам, что обещание ИИ заключается в том, что вы можете получить доступ к любым знаниям. Мораль этой истории в том, что любой человек может получить доступ к любым знаниям.

Это главное обещание ИИ. Теперь любой может проявить любопытство. Теперь любой может построить что угодно. Теперь каждый может войти в храм знаний. Это идет на пользу каждому.

И это хорошая новость для вас. Это значит, что самое важное, что вы можете делать до конца своей жизни, — это быть любопытным. Самым успешным среди всех вас окажется тот, у кого больше всего вопросов. И самых лучших вопросов.

Поэтому мой совет вам — стать настолько любознательными, насколько это возможно. Не соглашайтесь просто на прокрутку соцсетей в своем телефоне. Не соглашайтесь на ИИ-агента, который только заказывает ужин — займитесь с его помощью настоящим делом. И никогда не верьте чат-боту, который говорит вам, что вы уже правы.

Верьте в дух исследований. Верьте в то, чему вы можете научиться с помощью ИИ. Верьте в то, что вы создадите, когда сделаете это. И ради всех нас сделайте это хорошо.

Спасибо.