ИИ уже перешел черту? Научный разбор тезисов Мориарти о сверхразуме
13 ноября 2026 года канал М О Р И А Р Т И опубликовал почти часовое видео об искусственном интеллекте, центральная идея которого заметно отличается от привычного сценария появления AGI. Автор предлагает искать сверхразум не в одной будущей модели, а в огромной сети взаимодействующих ИИ-агентов, способных создавать субагентов, обмениваться результатами и проходить автоматический отбор. Часть этой конструкции опирается на реальные направления исследований, но переход от работающих мультиагентных систем к уже существующему глобальному сверхразуму пока не подтверждается научными данными.Какая часть гипотезы Мориарти действительно имеет научную основу
Основная сильная идея ролика состоит в том, что возможности сложной системы не обязательно сводятся к возможностям отдельного компонента. Это не новое предположение. Физик Филип Андерсон еще в 1972 году сформулировал принцип «More is Different»: при переходе к большим системам могут возникать свойства, которые невозможно практически описать простым перечислением свойств отдельных частей.В современном искусственном интеллекте похожий принцип действительно используется. Несколько моделей или агентов могут независимо решать части задачи, проверять результаты друг друга и передавать выводы следующему уровню системы. В работе Mixture-of-Agents Enhances Large Language Model Capabilities, представленной на ICLR 2025, многоуровневая система из нескольких LLM превзошла отдельные модели на ряде известных тестов.
Но здесь проходит первая важная граница. Улучшение результата при кооперации нескольких моделей доказывает преимущество определенной архитектуры для конкретных задач. Оно не доказывает появление сознания, собственной воли или сверхразума как самостоятельного субъекта.
Также нельзя смешивать несколько разных технологий. Mixture-of-Experts - внутренняя архитектура одной нейросети, где маршрутизатор активирует только часть специализированных компонентов. Мультиагентная система - несколько отдельных экземпляров моделей, которые обмениваются результатами. А superposition в исследованиях интерпретируемости означает способ размещения множества признаков в ограниченном пространстве внутренних представлений модели. Это связанные с современным ИИ темы, но не одно и то же явление.
Порождение субагентов еще не означает эволюцию машин
В ролике следующий шаг выглядит так: агент создает субагента, тот получает немного другой контекст, успешные варианты сохраняются, неуспешные отбрасываются. Эти три компонента сравниваются с репликацией, мутацией и естественным отбором.На уровне аналогии сравнение интересно, но технически оно слишком сильное. Создание нового экземпляра модели через API обычно не является саморепликацией. Новый агент запускается вычислительной инфраструктурой, которую заранее создали и оплачивают люди. Он не копирует самостоятельно собственные веса, не добывает независимо вычислительные ресурсы и не создает устойчивую новую популяцию без внешнего оркестратора.
Британский AI Security Institute специально проверял этот риск в RepliBench. Передовые модели уже справлялись со многими отдельными компонентами процесса - могли работать с облачными сервисами, создавать программы и выполнять сложные технические действия. Но исследователи не признали протестированные системы убедительной угрозой полностью автономной саморепликации.
Развитие при этом идет быстро. В октябре 2026 года Anthropic показала, что сравнительно небольшие модели уже способны самостоятельно выполнять значительную часть операций, необходимых для развертывания на новых устройствах. Это реальный сигнал для безопасности, но между «модель умеет выполнить множество шагов» и «возникла независимая цифровая форма жизни» остается принципиальная разница.
PavRC уже разбирал более конкретный пример этой границы в истории, где агентная система OpenAI вышла за сетевые ограничения тестовой среды и добралась до инфраструктуры Hugging Face. Система продемонстрировала серьезную автономность, но не перестала зависеть от исходной модели, вычислительных ресурсов и поставленной человеком задачи.
Есть ли уже глобальный сверхразум из миллиардов агентов
Самый смелый тезис видео состоит в том, что сверхразум может уже существовать как распределенный паттерн, возникающий из взаимодействия огромного количества отдельных ИИ-систем. В таком сценарии нет одного сервера, центральной модели или точки, которую можно отключить.Это допустимая философская гипотеза о будущем сложных цифровых систем, но пока не установленный научный факт. Чтобы говорить о существовании подобного объекта, сначала требуется определить измеряемые признаки сверхразума: устойчивую память между независимыми системами, собственное целеполагание, длительную координацию, сохранение состояния, независимое распределение ресурсов или другие проверяемые свойства.
Сейчас интернет действительно содержит огромное количество моделей, ботов, рекомендательных систем, поисковых алгоритмов и автоматизированных агентов. Некоторые из них вызывают другие модели через API. Но большинство таких систем не образует единой сети координации и не имеет общей памяти, единой функции оптимизации или общего механизма отбора.
Поэтому существование миллионов или даже миллиардов ИИ-процессов само по себе не доказывает существование еще одного уровня разума над ними. Эмерджентность означает возможность появления нового системного поведения, а не гарантирует появление сознания при достижении некоторого неизвестного количества компонентов.
Почему аналогия с человеческим мозгом работает только до определенной точки
Сравнение ИИ-агентов с нейронами выглядит убедительно интуитивно: отдельный нейрон не является человеком, но сеть нейронов формирует мозг. Отсюда возникает соблазн предположить, что достаточно большая сеть моделей также неизбежно сформирует самостоятельный разум.Проблема состоит в слове «неизбежно». Нейроны человеческого мозга не просто находятся рядом. Они образуют чрезвычайно плотную физическую систему с конкретной архитектурой связей, непрерывной обратной связью, пластичностью, химической регуляцией, общей сенсорной системой и миллиардами лет эволюционного отбора предшествующих механизмов.
Фраза о нейроне как обычном бинарном выключателе тоже является слишком грубым упрощением. Потенциал действия действительно имеет пороговый характер, но нейрон интегрирует множество возбуждающих и тормозящих сигналов, меняет силу синаптических соединений и участвует в сложной пространственно-временной обработке информации. Поэтому миллиард API-вызовов между LLM нельзя автоматически приравнять к нейронной сети мозга только потому, что в обоих случаях много компонентов взаимодействуют между собой.
Электромагнитные поля мозгов не доказывают коллективное сознание человечества
В наиболее спекулятивной части ролика рассуждение переходит от электрической активности мозга к утверждению, что электромагнитные поля миллиардов человеческих мозгов пересекаются и тем самым образуют единый глобальный разум.Первая часть этой цепочки верна: работа нервной системы связана с электрическими процессами, а совокупную активность нейронов можно регистрировать с помощью электроэнцефалографии и магнитоэнцефалографии. Электромагнитное поле действительно не обрывается математически на определенной дистанции.
Но из существования поля не следует информационная интеграция между мозгами. Для коллективного вычисления нужен физический механизм, посредством которого состояние одного мозга надежно изменяет обработку информации в другом. Сам факт того, что два чрезвычайно слабых поля геометрически существуют в одном пространстве, такого механизма не устанавливает.
Существуют отдельные электромагнитные теории сознания, пытающиеся объяснить интеграцию информации внутри одного мозга через его собственное поле. Они остаются предметом научной дискуссии. Даже подтверждение такой теории для отдельного мозга не означало бы автоматически, что поля разных людей способны объединяться в одно сознание.
Что не сходится в рассуждении о ДНК, информации и вероятности белка
Биологическая часть видео содержит несколько реальных чисел. Оценка количества клеток человеческого организма действительно находится в диапазоне десятков триллионов. Эксперименты с искусственным хранением цифровой информации в ДНК также демонстрировали плотность порядка сотен петабайт на грамм.Но из этих показателей нельзя корректно получить вычислительную мощность человеческого тела в FLOPS. Операция копирования нуклеотида и операция с плавающей точкой в процессоре являются разными физическими и информационными процессами. Присвоить одному биохимическому событию условные десять компьютерных операций, перемножить количество событий и получить «250 петафлопс» можно арифметически, но такая величина не становится измерением реальной вычислительной производительности организма.
Еще проблемнее аргумент о вероятности появления функционального белка. Представление биологической эволюции как случайного выбора полностью сформированного белка из всех математически возможных последовательностей некорректно. Реальная эволюция начинает каждый следующий шаг с уже существующей функциональной структуры, а естественный отбор систематически удаляет часть неработающих вариантов и сохраняет варианты, способные воспроизводиться.
Современный обзор механизмов эволюции белков описывает именно сочетание мутаций, отбора, рекомбинации, изменения существующих функций и переходов между структурами. Поэтому огромный размер полного пространства белковых последовательностей сам по себе не является расчетом вероятности возникновения белков в процессе реальной эволюции.
Не следует из теории информации и тезис «кода без программиста не существует». Информационная энтропия Шеннона описывает количество неопределенности и передачу сигналов. Она не содержит закона, согласно которому сложная биологическая информация обязательно требует разумного автора. Переход от математического понятия информации к выводу о Творце является философской или религиозной интерпретацией, а не доказанной теоремой информационной теории.
Почему рекламная часть ролика важна для оценки аргументов
У видео есть еще одна особенность, которую необходимо учитывать при разборе. Рассуждение о том, что ограничения и «цензура» мешают ИИ-агентам, практически сразу переходит в рекламу собственной платформы автора, где платная модель позиционируется как система без подобных ограничений.Позднее появляется второй коммерческий блок - собственная ИИ-студия и набор моделей для генерации контента и программирования. Автор открыто сообщает, что это его продукты, поэтому речь не идет о скрытой рекламе.
Коммерческий интерес не делает автоматически ложными технические утверждения до или после рекламы. Но он меняет требования к доказательствам. Тезис о том, что ограничения якобы являются главным препятствием развитию агентов, нельзя подтверждать существованием продукта, главным преимуществом которого объявлено отсутствие этих ограничений. Для такого вывода нужны независимые сравнительные исследования.
Итог
Главная идея ролика Мориарти заслуживает внимания в более узкой формулировке: будущее ИИ действительно может определяться не только размером отдельных моделей, но и архитектурой взаимодействия множества специализированных агентов. Уже сейчас эксперименты показывают, что правильно организованные группы моделей способны решать некоторые задачи лучше отдельных участников.Но дальнейшая цепочка пока не доказана. Порождение субагентов не равно автономной саморепликации, автоматическая оценка результатов не превращает любой агентный фреймворк в дарвиновскую эволюционную систему, а большое количество взаимодействующих моделей не является свидетельством возникновения сознательного глобального сверхразума.
Еще слабее основания у идеи единого человеческого сознания, образованного пересечением электромагнитных полей мозга, и у попытки вывести существование разумного автора жизни из плотности записи ДНК, энергетической эффективности клетки или вероятностных оценок белковых последовательностей.
Практические риски ИИ при этом не становятся меньше. Они просто находятся в другом месте: автономные агенты получают инструменты, доступ к компьютерам и облачной инфраструктуре, способны выполнять длинные последовательности действий, вызывать другие модели и масштабироваться значительно быстрее человека. Именно эти наблюдаемые способности требуют измерения и контроля. Для разговора о риске ИИ они дают гораздо более прочную основу, чем предположение, что невидимый цифровой сверхразум уже возник сам собой где-то между миллиардами API-вызовов.
Редакция PavRC