Речь о знаниях

—

С этой речью Аравинд Сринивас выступил 3 октября 2026 года в Кембриджском союзе. Кембриджский союз — крупнейшее студенческое общество Кембриджского университета и старейший в мире непрерывно действующий дискуссионный клуб.

—

Здравствуйте и спасибо. Для меня большая честь быть здесь.

Основав компанию, я никак не ожидал, что буду проводить столько времени в университетах. Мне это нравится. Когда ты генеральный директор, только в университетах аудитория, как правило, готова тебе возражать. Поэтому на обсуждение мы оставим больше времени, чем я собираюсь потратить на выступление.

Давайте начнём.

Обычно, когда меня приглашают выступить, меня просят прочитать доклад с прогнозами и каким-нибудь шаблонным названием вроде «Будущее ИИ». Я не буду говорить о будущем ИИ. Вместо этого я буду говорить о вашем будущем. Ваше будущее интереснее мне — и, наверное, вам тоже.

Сначала — немного о прошлом. Кембридж — идеальное место, чтобы говорить о прошлом и одновременно о вашем будущем, ведь здесь есть и то и другое.

Как гласит история, то, что сегодня мы называем системой рецензирования, было изобретено здесь, в Кембридже. Если быть точным, это был всего лишь один кембриджский профессор, и предложил он эту систему в Лондонском королевском обществе, а не здесь, в университете. Это было в 1831 году. Сегодня в рамках системы рецензирования ежегодно публикуется более 3,5 миллиона научных статей.

Примерно 160 лет спустя два аспиранта Стэнфорда работали над сетевыми структурами и интеллектуальным анализом данных. Это было время, когда интернет-бум 1990-х только начинался. Все только и говорили о Всемирной паутине. Примерно как сегодня об «ИИ».

И, как и сегодня, о буме в основном говорили инвесторы и СМИ. «Технологическим сообществом» тогда была телекоммуникационная отрасль. Учёных в этой дискуссии было немного. (Были, но немного.) И эти два аспиранта вовсе не были инсайдерами интернет-бума.

Но они знали одну вещь, до которой людям за пределами университетской системы особо не было дела.

Как и большинство учёных, они понимали цель университета. Цель университета — развивать знания.

Именно поэтому мы используем рецензирование. И именно поэтому в научных работах так много ссылок. Эти двое студентов знали, что объём знаний в мире (если судить по числу статей уровня рецензируемых изданий) только растёт. Поэтому им было нетрудно понять, что и веб будет только расти вместе с человеческими знаниями.

У них также был опыт решения старой проблемы, которая была «новой» для веба: как найти нужные или лучшие знания, если их объём постоянно растёт. В старой модели учёные судят о том, полезно ли чьё-то исследование и заслуживает ли оно доверия, по количеству его цитирований.

Поэтому им пришла в голову идея создать алгоритм, который оценивает каждый сайт в интернете по тому, сколько других сайтов цитируют его или ссылаются на него, с учётом содержания этих сайтов.

Они назвали систему «Page Rank», потому что ранжировали каждую страницу в интернете, а ещё потому, что одного из этих аспирантов звали Ларри Пейдж.

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

Как я уже сказал, цель университета — развивать знания. В этой речи я расскажу вам о знаниях три вещи. Надеюсь, размышляя о собственных знаниях, мы придём к более практичному пониманию искусственного интеллекта.

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

У знаний есть жизненный цикл. А раз у них есть жизненный цикл, знания подвержены эволюции.

По мере того как развивается то, что мы знаем, все мы становимся умнее. Это называется эффектом Флинна. Эффект Флинна — это наблюдение, согласно которому человечество умнеет примерно на 3 балла IQ каждое десятилетие.

Тесты IQ постоянно перенормируют, чтобы среднее значение оставалось на уровне 100, поэтому эффект Флинна проще всего представить в процентилях. Человек, который в 1950 году входил в 92-й процентиль по интеллекту, сегодня оказался бы лишь в 50-м процентиле. Все мы стали умнее.

1950 год — это ещё и год, когда был придуман тест Тьюринга. Это был первый тест, позволяющий определить, умнее ли машина людей и когда она их превзойдёт. Значит, в 1950 году машине было гораздо проще пройти тест Тьюринга. Ведь планка «человеческого» интеллекта была ниже.

В этом и сила эволюции. Знания всегда ведут к новым знаниям.

Обратная сторона в том, что мир может становиться умнее, а вы как отдельный человек — глупее. Знания подвержены распаду. Представьте это как период полураспада. Период полураспада радиоактивного элемента — это время, за которое распадается половина его вещества. Период полураспада знаний — это время, за которое половина из них устаревает.

Вот несколько примеров прямо отсюда, из Кембриджа.

В 1978 году сэр Рой Калн помог внедрить циклоспорин в трансплантологию. Это было важно для предотвращения отторжения органов. Первые клинические испытания прошли в Кембридже. К 2001 году другой препарат, такролимус, стал преобладающим средством своего класса при трансплантации почек в США. Так что можно сказать, что период полураспада медицинских знаний о лечении циклоспорином составил 23 года.

Это неидеальная мера, но полезная модель для оценки инженеров в быстро развивающихся областях. В технологической отрасли мы так и делаем. Подразумевается вопрос: «На каком этапе карьеры этого инженера половина того, что он знает, полностью устареет?»

На каком этапе карьеры это произойдёт с вами? Ответ зависит от того, сколько времени вы тратите на изучение нового.

К сожалению, в редких случаях знания тоже умирают. Есть языки, на которых больше никто не говорит. Есть мудрость, которая уходит вместе со старейшиной.

Вот почему уже более 4000 лет люди строят библиотеки. А когда появился интернет, мы разместили в нём несравнимо больше того, что знаем. Так что знания умирают, но это не обязательно. Возможно, в силу какой-то врождённой черты человеческой природы люди всегда чувствовали потребность сохранять знания. Мы постоянно их сохраняем и приумножаем общий объём знаний в мире. И это хорошо.

Должен оговориться: знания похожи на живое существо, но они не живые. Живы только вы. Просто мне кажется, что вы живее всего, когда узнаёте что-то новое.

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

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

У денег есть временная стоимость. Проценты заставляют их расти, а инфляция — уменьшаться. На достаточно долгой дистанции и проценты, и инфляция работают по принципу сложного процента.

Когда сто тысяч фунтов будут обладать покупательной способностью сорока тысяч (вероятно, лет через 23), вам понадобится 250 000 фунтов, чтобы остаться при своих. Ещё через 23 года вам понадобится уже 625 000 фунтов.

Когда действует сложный процент, прибыль или убытки растут со временем экспоненциально.

Вот почему самый базовый финансовый принцип гласит: ваши сбережения всегда должны расти по сложному проценту быстрее инфляции. Потому что если вы не растёте, вы уменьшаетесь. Со знаниями то же самое.

Как и стоимость фунта, ценность того, что вы знаете сегодня, со временем будет снижаться. И, как при обычной амортизации, каждый день она будет снижаться совсем немного. Настолько немного, что вы едва ли это заметите. Пока однажды не проснётесь ни с чем. Ваши знания больше не будут иметь прежней рыночной стоимости. Это неизбежно. Помните: когда-то теорему Пифагора дозволялось знать только элите. А все здесь изучали её в седьмом классе.

Все мы становимся умнее, и так будет всегда. Как я уже говорил, в этом весь смысл университета. Если повезёт, когда-нибудь в далёком будущем то, что вы изучали здесь, в Кембридже, войдёт в программу седьмого класса.

Если так и будет, это хорошо. Это означает прогресс. Но это также значит, что ради своих экономических целей вы никогда не должны переставать учиться. Ваша «процентная ставка» в учёбе должна быть выше, чем инфляция знаний.

Иными словами, вы должны удваивать свои знания быстрее, чем проходит ваш собственный период полураспада знаний. Это требует времени. Но когда смотришь на мир через призму сложного процента, приходится смотреть на него с расчётом на долгое будущее.

Вот почему лучший способ приумножить капитал за счёт сложного процента — начать молодым, а второй лучший — умереть старым. Уоррен Баффетт начал инвестировать в 11 лет, но 99% его состояния накопилось после 65 лет.

И это подводит нас к последнему сходству знаний и денег. Их нужно тратить.

Когда у вас есть капитал, вы пускаете его в дело. Когда у вас есть знания, особенно исключительные, их тоже нужно пустить в дело. Сделайте с ними что-нибудь. В этом разница между изобретением и инновацией. Изобретение спрашивает: «Вы что-то создали?» Инновация спрашивает: «Это что-то изменило?»

И если вы хотите что-то изменить, вы должны применять знания на деле. Только действие порождает новые вопросы, исследования и новые знания. Вы должны всегда учиться и всегда действовать.

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

Цель ИИ — ускорять рост человеческих знаний и благосостояния.

Вспомните первые две вещи, о которых я сегодня говорил. Я сказал, что у знаний почти живая природа и что мы должны их взращивать и развивать, потому что в целом от этого выигрывают люди. Затем я сказал, что у знаний есть экономическая природа. Что мы должны их приумножать, потому что, по большому счёту, от этого выигрывают все люди.

Если вы верите в эти две вещи, то и об ИИ вам придётся думать немного иначе.

Вместо того чтобы одержимо стремиться к созданию AGI или делать технологии умными ради самих технологий, вы бы пришли к выводу, что создавать более совершенный и точный ИИ нужно ради того, чтобы служить людям.

Вы бы пришли к выводу, что высшая и самая важная цель ИИ — делать людей умнее и благополучнее.

Если вам кажется, что это очень похоже на цель университета, — что ж, мы ведь как раз в университете.

Вспомните ещё раз о рецензировании. Его изобрели в 1831 году. В этом году Perplexity выпустила очень простой продукт под названием Model Council, основанный на идее одного из исследователей, стоявших у истоков OpenAI. Вы задаёте один и тот же вопрос трём моделям ИИ. Каждая из них проводит исследование и отвечает, а затем модель-«председатель» оценивает, в чём они расходятся и в чём сходятся, и выводит итоговый ответ.

Model Council не заменяет рецензирование. Его цель — сделать дух научного поиска доступным большему числу людей. Мы можем вынести этос университета за пределы этих стен и распространить его по всему миру.

Мы могли бы помочь большему числу людей действительно быть правыми, а не просто чувствовать себя правыми или казаться правыми. Научно искать истину и знания. Дуга вселенной ведёт к тому, чтобы у каждого был всё более широкий доступ ко всё большему объёму знаний. Людям хорошо обладать знаниями. И выигрывают от этого именно люди.

В завершение я расскажу короткую историю о своей компании.

Когда мы начинали, нас было всего трое исследователей ИИ, и вопросов у нас было больше, чем видения. Потом, когда к нам присоединился четвёртый человек, мы решили, что пора оформить медицинскую страховку. Медицинское страхование в Америке сложно даже для американцев. Я не из Америки, поэтому мне разобраться было ещё сложнее.

Результаты поиска Google ничем не помогли. Обычно в таком случае основатель звонит тому, кто уже через это проходил. Например, инвестору или другому основателю. Но была поздняя ночь. Я хотел с этим разобраться, поэтому мне пришлось искать знания самому.

Проблема в том, что, проводя исследование самостоятельно, вам приходится гуглить и продираться через SEO-оптимизированные сайты о страховании, которые дают сплошь плохие советы и соревнуются в том, кто выглядит убедительнее.

Именно тогда я создал первую версию Perplexity.

Она провела исследование за меня. И я заставил её подкреплять ответы ссылками на источники. Чтобы я мог всё проверить и продолжать задавать новые вопросы. А потом я оформил нам медицинскую страховку. Задача была решена. Переходим к следующей проблеме. И к следующей, и к следующей. И вот мы здесь сегодня.

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

В этом и заключается главное обещание ИИ. Теперь любой может быть любознательным. Любой может создать что угодно. Любой теперь может войти в храм знаний. От этого выигрывают все.

И для вас это хорошая новость. Это значит, что самое важное, что вы можете делать всю оставшуюся жизнь, — быть любознательными. Самым успешным среди вас станет тот, у кого больше всего вопросов. И самые лучшие вопросы.

Поэтому мой совет вам — будьте настолько любознательными, насколько можете. Не довольствуйтесь пролистыванием соцсетей в телефоне. Не довольствуйтесь ИИ-агентом, который лишь бронирует столики на ужин, — делайте с ним настоящую работу. И никогда не верьте чат-боту, который говорит вам, что вы и так правы.

Верьте в дух познания. Верьте в то, чему вы можете научиться с помощью ИИ. Верьте в то, что вы создадите благодаря этому. И ради всех нас — пусть это будет во благо.

Спасибо.