В 2026 году искусственный интеллект перейдет от ажиотажа к прагматизму

Если 2025 год был годом, когда ИИ прошел проверку на работоспособность, то 2026 год станет годом практического применения этих технологий. Фокус уже смещается с построения все более крупных языковых моделей на более сложную работу по созданию ИИ, который станет пригодным для использования. На практике это предполагает развертывание меньших моделей там, где они подходят, встраивание интеллекта в физические устройства и проектирование систем, которые четко интегрируются в рабочие процессы человека.

Эксперты считают 2026 год переходным годом, который эволюционирует от масштабирования методом грубой силы к исследованию новых архитектур, от ярких демонстраций к целевым развертываниям, и от агентов, обещающих автономию, к тем, которые фактически улучшают работу людей.

Законы о масштабировании не решат проблему

В 2012 году в статье Алекса Крижевского, Ильи Суцкевера и Джеффри Хинтона на AlexNet было показано, как системы искусственного интеллекта могут «научиться» распознавать объекты на изображениях, рассматривая миллионы примеров. Этот подход был вычислительно дорогостоящим, но стал возможным благодаря графическим процессорам. Результат? Десятилетия упорных исследований в области искусственного интеллекта, в течение которых ученые работали над изобретением новых архитектур для различных задач.

Кульминацией этого стал запуск примерно в 2020 году, когда OpenAI запустил GPT-3, который показал, как простое увеличение модели в 100 раз разблокирует такие способности, как кодирование и рассуждения, без необходимости специального обучения. Это ознаменовало переход к тому, что Киан Катанфоруш, генеральный директор и основатель платформы агентов искусственного интеллекта Workera, называет «эпохой масштабирования»: период, определяемый верой в то, что больше вычислений, больше данных и большие модели-трансформеры неизбежно приведут к следующим большим прорывам в искусственном интеллекте.

Сегодня многие исследователи считают, что индустрия искусственного интеллекта начинает исчерпывать пределы законов масштабирования и снова перейдет в эру исследований.

Янн ЛеКун, бывший главный научный сотрудник Meta по вопросам искусственного интеллекта, давно выступает против чрезмерной зависимости от масштабирования и подчеркивает необходимость разработки лучших архитектур. А Суцкевер в недавнем интервью сказал, что текущие модели стагнируют, а результаты обучения выровнялись, что указывает на потребность в новых идеях.

«Я думаю, что, скорее всего, в течение следующих пяти лет мы найдем лучшую архитектуру, которая будет значительным улучшением по сравнению с трансформаторами», — сказал Катанфоруш. «А если мы этого не сделаем, то не можем ожидать значительных улучшений моделей».

Иногда меньше — это больше

Крупные языковые модели отлично подходят для обобщения знаний, но многие эксперты говорят, что следующая волна внедрения корпоративного искусственного интеллекта будет обусловлена меньшими, более гибкими языковыми моделями, которые можно точно настроить для специфических для предметной области решений.

«Тонко настроенные SLM станут главным трендом и основным элементом, который будут использовать зрелые предприятия с искусственным интеллектом в 2026 году, поскольку преимущества в стоимости и производительности будут стимулировать их использование по сравнению с готовыми LLM», — сказал Энди Маркус, главный директор по обработке данных AT&T. «Мы уже видели, как предприятия все больше полагаются на SLM, потому что, если их правильно настроить, они соответствуют более крупным, обобщенным моделям по точности для корпоративных бизнес-приложений и являются превосходными с точки зрения стоимости и скорости».

Уже слышали этот аргумент от французского стартапа Mistral, специализирующегося на искусственном интеллекте открытого веса: он утверждает, что его малые модели на самом деле показывают лучшие результаты, чем более крупные, по нескольким тестам после точной настройки.

«Эффективность, экономическая выгода и адаптивность SLM делают их идеальными для специализированных приложений, где точность имеет первостепенное значение», — сказал Джон Нисли, стратег по искусственному интеллекту в ABBYY, компании по разработке корпоративного искусственного интеллекта из Остина.

Хотя Маркус считает, что SLM будут ключевыми в эпоху агентов, Нисли говорит, что природа небольших моделей означает, что они лучше подходят для развертывания на локальных устройствах, «тенденция, которая ускоряется достижениями в периферийных вычислениях».

Обучение через опыт

Люди учатся не только с помощью языка; мы учимся, ощущая, как устроен мир. Но магистры права (LLM) на самом деле не понимают мир; они просто предсказывают следующее слово или идею. Вот почему многие исследователи считают, что следующий большой скачок произойдет благодаря моделям мира: системам искусственного интеллекта, которые изучают, как вещи движутся и взаимодействуют в трехмерных пространствах, чтобы они могли делать прогнозы и принимать меры.

Признаки того, что 2026 год будет важным для мировых моделей, множатся. ЛеКун покинул Meta, чтобы основать собственную лабораторию мировых моделей, и, как сообщается, стремится к оценке в 5 миллиардов долларов. DeepMind от Google активно работает над Genie и в августе запустила свою последнюю модель, которая создает интерактивные модели мира общего назначения в режиме реального времени. Наряду с демонстрациями таких стартапов, как Decart и Odyssey, World Labs Фэй-Фэй Ли запустила свою первую коммерческую модель мира Marble. Новички, такие как General Intuition, в октябре получили начальный раунд в размере 134 миллионов долларов для обучения агентов пространственному мышлению, а стартап по видеогенерации Runway в декабре выпустил свою первую модель мира GWM-1.

Хотя исследователи видят долгосрочный потенциал в робототехнике и автономности, краткосрочное влияние, вероятно, сначала будет заметно в видеоиграх. PitchBook прогнозирует, что рынок моделей миров в играх может вырасти с 1,2 миллиарда долларов между 2022 и 2025 годами до 276 миллиардов долларов к 2030 году, благодаря способности технологий создавать интерактивные миры и более реалистичных неигровых персонажей.

Пим де Витте, основатель General Intuition, рассказал, что виртуальные среды могут не только изменить игры, но и стать критически важными испытательными площадками для следующего поколения базовых моделей.

Агентская нация

Агенты не оправдали ажиотажа в 2025 году, но главной причиной этого является сложность подключения их к системам, где фактически происходит работа. Не имея возможности доступа к инструментам и контексту, большинство агентов оказались в ловушке пилотных рабочих процессов.

Протокол контекста модели (MCP) от Anthropic, «USB-C для ИИ», который позволяет агентам ИИ взаимодействовать с внешними инструментами, такими как базы данных, поисковые системы и API, доказал отсутствие соединительной ткани и быстро становится стандартом. OpenAI и Microsoft публично поддержали MCP, а Anthropic недавно передала его новому фонду Agentic AI Foundation от Linux Foundation, который ставит целью помочь стандартизировать агентские инструменты с открытым кодом. Google также начал создавать собственные управляемые серверы MCP для подключения агентов ИИ к своим продуктам и услугам.

Поскольку MCP уменьшает сложность подключения агентов к реальным системам, 2026 год, вероятно, станет годом, когда агентские рабочие процессы наконец перейдут от демонстраций к повседневной практике.

Раджив Дхам, партнер Sapphire Ventures, говорит, что эти достижения приведут к тому, что решения, ориентированные на агентов, возьмут на себя «роль систем учета» в различных отраслях.

«Поскольку голосовые агенты будут обрабатывать более сложные задачи, такие как прием клиентов и общение с ними, они также начнут формировать базовые системы», — сказал Дхам. «Мы увидим это в различных секторах, таких как услуги для дома, проптехнологии и здравоохранение, а также в горизонтальных функциях, таких как продажи, ИТ и поддержка».

Дополнение, а не автоматизация

Хотя увеличение количества агентских рабочих процессов может вызвать беспокойство по поводу возможных увольнений, Катанфоруш из Workera не уверен, что это именно то, что нужно.

В 2024 году каждая компания, занимающаяся искусственным интеллектом, прогнозировала, что автоматизирует работу, избавив ее от потребности в людях. Но для этого еще нет соответствующих технологий, а в условиях нестабильной экономики это не очень популярная риторика. Катанфоруш говорит, что в следующем году мы поймем, что «ИИ не работал так автономно, как мы думали», и разговор больше сосредоточится на том, как ИИ используется для дополнения человеческих рабочих процессов, а не для их замены.

«И я думаю, что многие компании начнут нанимать», — добавил он, отметив, что ожидает появления новых должностей в сфере управления искусственным интеллектом, прозрачности, безопасности и управления данными. «Я достаточно оптимистично настроен в отношении среднего уровня безработицы ниже 4% в следующем году».

Физические навыки

Эксперты говорят, что достижения в таких технологиях, как малые модели, модели мира и периферийные вычисления, позволят расширить физическое применение машинного обучения.

«Физический ИИ станет мейнстримом в 2026 году, поскольку на рынок начнут выходить новые категории устройств на базе ИИ, включая робототехнику, автономные транспортные средства, дроны и носимые устройства», — сказал Викрам Танеджа, руководитель AT&T Ventures.

Хотя автономные транспортные средства и робототехника являются очевидными вариантами использования физического ИИ, которые, несомненно, будут продолжать расти в 2026 году, необходимое обучение и развертывание все еще остаются дорогостоящими. С другой стороны, носимые устройства обеспечивают менее дорогостоящую поддержку потребителей. Умные очки, такие как Ray Ban от Meta, начинают поставлять помощников, которые могут отвечать на вопросы о том, на что вы смотрите, а новые форм-факторы, такие как кольца здоровья на базе ИИ и умные часы, нормализуют постоянный контакт с телом.