Хассабис заявил, что AGI может появиться в ближайшие пять лет

На закрытии конференции Google I/O 2026 сооснователь DeepMind Демис Хассабис заявил, что человечество «стоит у подножия сингулярности» и допустил возможность появления искусственного общего интеллекта (AGI) в течение следующих пяти лет. По его словам, такой переход может оказаться «в 10 раз сильнее промышленной революции и в 10 раз быстрее», что, по его мнению, делает событие историческим. Это заявление вновь активизировало дискуссию о темпах и последствиях развития ИИ для науки и технологий.

Хассабис произнёс эти слова в концовке своего доклада (таймкод 1:50:17), подчёркивая глобальные масштабы возможных изменений. Он представил приход AGI как событие, способное радикально ускорить технический прогресс, не уточняя при этом конкретных сценариев внедрения или регуляторных мер.

Янн Лекун в публикации на LinkedIn выразил контрастную позицию: он процитировал Жана Пиаже — «Интеллект — это не то, что ты знаешь, а то, что ты делаешь, когда не знаешь» — и отметил, что современные крупные языковые модели демонстрируют накопленные знания, но не обладают способностью решать принципиально новые задачи без дополнительного обучения. Лекун настаивает на том, что текущие архитектуры, в частности трансформеры, не представляют собой подлинного интеллекта и требуют принципиально новых подходов.

Ориол Виньялс, со‑руководитель проекта Gemini, дал более взвешенную оценку: он отметил практические достижения моделей в программировании, математике и постепенном расширении возможностей рассуждений. Виньялс добавил, что если бы такие системы показали семь лет назад, их могли бы принять за AGI, но сегодня им всё ещё не хватает навыков обучения из опыта и способности порождать подлинные прорывы в науке и технологиях. Высказывания трёх лидеров демонстрируют раскол в отрасли: от оптимистичных временных прогнозов Хассабиса до фундаментальной критики Лекуна и технически ориентированного скептицизма Виньялса. В центре дальнейшей дискуссии остаются вопросы архитектур развития ИИ, методов обучения из опыта и конкретные практические пробелы, которые исследователи должны закрыть.