Еще несколько лет назад разговор с компьютером выглядел примерно так: пользователь вводил короткую команду, программа искала совпадение по заранее заданным правилам и выдавала один из подготовленных ответов.

Сегодня искусственный интеллект способен анализировать документы, писать и отлаживать программный код, понимать изображения, работать с голосом, генерировать видео, пользоваться внешними инструментами, выполнять многошаговые задачи и часами работать над сложным проектом.

Как за столь короткое время произошел такой скачок?

Чтобы понять современный ИИ, полезно посмотреть на путь, который он прошел — от простых чат-ботов и автодополнения текста до мультимодальных и так называемых reasoning-моделей, способных тратить дополнительное вычислительное время на решение сложных задач.

Коротко: современный ИИ отличается от первых чат-ботов не просто количеством знаний. Главное изменение произошло в самой архитектуре систем: они научились работать с контекстом, различными типами данных, инструментами, программным кодом и многошаговыми задачами.

---

1. До эпохи ChatGPT: ИИ, который в основном следовал правилам

История разговорного ИИ началась задолго до появления современных больших языковых моделей.

Одним из самых известных ранних примеров стала ELIZA, созданная Джозефом Вайценбаумом в 1960-х годах. Программа имитировала разговор с психотерапевтом, используя сравнительно простые правила обработки текста.

ELIZA не понимала человека в современном смысле. Она анализировала фразы и подбирала подходящие шаблоны ответов.

Например, если пользователь писал:

«Я чувствую себя плохо»

система могла преобразовать это в вопрос вроде:

«Почему вы чувствуете себя плохо?»

Для своего времени это было впечатляюще, но принципиально отличалось от современных моделей.

Такие системы не обладали универсальной языковой моделью мира. Они действовали в рамках заранее предусмотренной логики.

Следующий этап — специализированные ассистенты

Позже появились более сложные системы:

• Siri;
• Google Assistant;
• Cortana;
• Alexa;
• чат-боты интернет-магазинов;
• банковские боты;
• системы автоматической поддержки клиентов.

Они уже могли распознавать естественную речь и выполнять полезные действия.

Но обычно существовало важное ограничение: система была рассчитана на определенный набор сценариев.

Если вопрос выходил за пределы предусмотренной логики, качество резко падало.

---

2. 2017 год: Transformer меняет направление развития ИИ

Один из важнейших переломных моментов произошел в 2017 году.

Исследователи Google представили архитектуру Transformer в работе Attention Is All You Need. Авторы предложили отказаться от рекуррентных архитектур, широко использовавшихся тогда для обработки последовательностей, и построить модель на механизме attention — внимания.

Именно эта архитектура впоследствии стала фундаментом большинства современных больших языковых моделей.

Почему Transformer оказался настолько важен?

Потому что модель получила значительно более эффективный способ учитывать взаимосвязи между словами и частями текста.

Например:

«Я положил телефон на стол, потому что он был разряжен».

Для человека очевидно, что «разряжен» относится к телефону.

Для машины подобные связи между удаленными частями текста долгое время были сложной задачей.

Механизм attention позволил моделям эффективнее учитывать контекст.

И это стало одним из фундаментальных строительных блоков современной генеративной AI-индустрии.

---

3. GPT-3: момент, когда масштаб начал менять возможности

Следующий важный этап — GPT-3, представленная OpenAI в 2020 году.

Модель содержала 175 миллиардов параметров, что на тот момент было огромным масштабом для языковой модели. OpenAI показала, что увеличение размера модели и объема обучения способно значительно улучшить способность выполнять новые задачи без отдельного обучения под каждую из них.

Именно здесь произошло важное изменение философии.

Раньше часто использовалась схема:

задача → специальная модель → специальное обучение.

С большими языковыми моделями постепенно стала распространяться другая схема:

большая универсальная модель → инструкция пользователя → выполнение задачи.

Пользователь мог написать:

«Переведи этот текст».

Затем:

«Объясни его ребенку».

Затем:

«Сделай из него деловое письмо».

И та же модель могла выполнять все три задачи.

Это стало фундаментальным изменением.

---

4. 2022 год: ChatGPT превращает большую языковую модель в массовый продукт

30 ноября 2022 года OpenAI представила ChatGPT как исследовательский preview.

Модель была построена на основе GPT-3.5 и дополнительно обучалась с использованием человеческой обратной связи — RLHF (Reinforcement Learning from Human Feedback).

Именно ChatGPT сделал генеративный ИИ массовым явлением.

До этого о нейросетях и больших языковых моделях в основном говорили разработчики, исследователи и технологические компании.

После появления ChatGPT миллионы обычных пользователей впервые получили простой интерфейс:

написал вопрос → получил ответ.

Причем не требовалось знать программирование.

Можно было попросить ИИ:

• написать письмо;
• объяснить сложную тему;
• придумать название;
• написать код;
• перевести текст;
• составить план;
• исправить ошибку;
• придумать сценарий;
• проанализировать документ.

Но у первых поколений ChatGPT были серьезные ограничения.

Модель могла уверенно выдавать неправильную информацию, ошибаться в логике, плохо справляться с некоторыми формулировками и «галлюцинировать» несуществующие факты. Сама OpenAI прямо указывала на эти ограничения при запуске ChatGPT.

---

5. 2023 год: GPT-4 и переход к мультимодальности

14 марта 2023 года OpenAI представила GPT-4.

Одно из принципиальных отличий заключалось в мультимодальности: GPT-4 могла принимать не только текст, но и изображения, а результатом ее работы был текст.

Это изменило само понятие взаимодействия с ИИ.

Раньше:

человек → текст → ИИ → текст

Постепенно стало:

человек → текст + изображение + документы → ИИ → текст и другие результаты

Можно было показать модели фотографию, скриншот интерфейса, диаграмму или документ и попросить проанализировать содержимое.

ИИ переставал быть исключительно «чатом».

---

6. 2023–2024 годы: ИИ учится видеть, слышать и создавать

Следующим большим изменением стало стремительное развитие мультимодальных моделей.

ИИ начал работать не только с текстом.

Современные системы научились обрабатывать:

• текст;
• изображения;
• аудио;
• речь;
• видео;
• документы;
• программный код.

Параллельно развивалась генерация контента.

Появились мощные системы генерации:

Текста

Статьи, письма, инструкции, сценарии, программный код.

Изображений

Пользователь может описать картинку обычным языком, а модель создаст изображение.

Голоса

ИИ научился генерировать все более естественную речь и вести голосовой диалог.

Видео

Генеративные модели начали создавать видеоролики по текстовому описанию.

В результате понятие «генеративный ИИ» стало значительно шире обычного чат-бота.

---

7. Главное изменение: ИИ перестал быть просто генератором текста

Это, пожалуй, самый важный переход последних лет.

Первые популярные языковые модели в основном выполняли функцию:

ввод → генерация текста.

Современные системы постепенно превращаются в:

ввод → анализ → планирование → использование инструментов → выполнение задачи → проверка результата.

Разница огромная.

Представим задачу:

«Найди информацию о пяти конкурентах, сравни их сайты, составь таблицу, выдели отличия и подготовь отчет».

Старый чат-бот мог написать примерный отчет на основе имеющихся у него знаний.

Современная AI-система может в зависимости от доступных инструментов:

1. выполнить поиск;
2. открыть сайты;
3. извлечь информацию;
4. сравнить данные;
5. обработать таблицу;
6. написать выводы;
7. подготовить документ.

То есть ИИ начинает работать не только с информацией, но и с действиями.

---

8. Появление reasoning-моделей

Еще один важнейший этап — развитие моделей, которые специально оптимизированы для сложных рассуждений.

Вместо попытки мгновенно выдать ответ система может потратить дополнительное вычислительное время на решение задачи.

Особенно это полезно для:

• математики;
• программирования;
• логических задач;
• анализа больших объемов информации;
• планирования;
• научных задач;
• многошаговых инструкций.

Подобный подход сегодня используется не только одной компанией.

Например, Anthropic развивала режим Extended Thinking для Claude, позволяющий модели тратить дополнительное время на разбор сложной задачи перед выдачей ответа.

Таким образом, конкуренция между моделями постепенно сместилась.

Раньше вопрос звучал примерно так:

«Какая модель лучше продолжает текст?»

Теперь гораздо важнее:

«Какая модель надежнее решает сложную задачу?»

---

9. От чат-бота к AI-агенту

Это следующий большой этап развития.

Обычный чат-бот ждет следующего сообщения пользователя.

Агентная система может получить цель и самостоятельно выполнять последовательность действий.

Например:

«Подготовь мне исследование по этой теме».

Агент потенциально может:

получить задачу → разбить ее на этапы → искать информацию → анализировать источники → использовать инструменты → проверять результаты → сформировать итог.

Это принципиально другой подход.

ИИ становится не просто собеседником, а своеобразным цифровым исполнителем.

Именно поэтому в современных AI-продуктах все чаще встречаются понятия:

• AI Agent;
• Agentic AI;
• tool use;
• computer use;
• workflow automation;
• autonomous task execution.

---

10. Код стал одной из главных областей применения ИИ

Еще несколько лет назад использование ИИ для программирования воспринималось скорее как эксперимент.

Сегодня генерация и анализ кода стали одним из важнейших направлений применения AI.

Модель может:

• написать функцию;
• объяснить чужой код;
• найти ошибку;
• предложить архитектуру;
• написать тесты;
• преобразовать код с одного языка на другой;
• работать с документацией;
• анализировать структуру проекта;
• помогать исправлять баги.

Развитие AI coding tools стало настолько быстрым, что программирование постепенно меняет сам принцип взаимодействия человека с компьютером.

Раньше программист формулировал задачу на языке программирования.

Теперь все чаще он сначала формулирует намерение на естественном языке, а ИИ помогает превратить это намерение в код.

---

11. Современные модели стали мультимодальными по-настоящему

Еще одно важное отличие современных систем — разные типы данных постепенно перестают существовать как отдельные миры.

Человек воспринимает мир комплексно:

видит → слышит → читает → говорит → анализирует → действует.

Современные AI-системы постепенно движутся в том же направлении.

Например, одна система может работать с:

📄 документом
🖼 изображением
🎤 голосом
🎥 видео
💻 кодом
📊 таблицей

и связывать информацию между ними.

Это существенно ближе к универсальному цифровому помощнику, чем классический чат-бот.

---

12. А что изменилось внутри самих моделей?

Здесь важно не попасть в ловушку: современные модели стали лучше не только потому, что «в них больше параметров».

Развитие происходит сразу по нескольким направлениям.

1. Архитектуры

Разрабатываются новые способы организации вычислений и обработки информации.

2. Данные

Важен не только объем обучающих данных, но и их качество, фильтрация, разнообразие и структура.

3. Постобучение

Модели дополнительно обучаются следовать инструкциям, рассуждать, соблюдать ограничения и лучше взаимодействовать с человеком.

4. Вычислительные мощности

Обучение современных моделей требует огромных вычислительных ресурсов.

По данным Stanford AI Index 2026, глобальная вычислительная мощность для ИИ продолжала быстро расти и достигла эквивалента примерно 17,1 млн H100 в 2025 году.

5. Инструменты

Современная модель может быть связана с поиском, программным кодом, базами данных, браузером, файловой системой и другими инструментами.

6. Reasoning

Модель может использовать дополнительное вычислительное время для решения сложных задач.

Именно комбинация этих направлений и создает современный уровень возможностей.

---

13. Почему современные модели все еще ошибаются?

Несмотря на огромный прогресс, современный ИИ не стал безошибочным.

Это принципиально важно понимать.

Большая языковая модель по-прежнему может:

• придумать несуществующий источник;
• неправильно интерпретировать вопрос;
• ошибиться в вычислении;
• неверно понять изображение;
• сделать логическую ошибку;
• использовать устаревшую информацию;
• уверенно сформулировать неправильный ответ.

Поэтому современный ИИ нельзя воспринимать как абсолютный источник истины.

Особенно осторожно нужно относиться к:

• медицинским решениям;
• юридическим вопросам;
• финансовым решениям;
• безопасности;
• научным утверждениям;
• информации, которая быстро меняется.

Разница между современными системами и ранними чат-ботами заключается не в том, что ошибки исчезли.

Они стали значительно более способными, но проблема надежности по-прежнему остается одной из центральных задач развития ИИ.

---

14. ИИ становится дешевле и доступнее

Есть еще одно изменение, которое часто остается за кадром.

Современный ИИ развивается не только в направлении «самая мощная модель».

Параллельно идет гонка за:

• скорость;
• стоимость;
• энергоэффективность;
• компактность;
• запуск на локальном устройстве.

Поэтому появляются небольшие модели, которые можно запускать непосредственно на компьютерах и смартфонах.

В результате постепенно формируется несколько уровней ИИ:

огромные облачные модели

↓

быстрые компактные модели

↓

локальные модели на ПК

↓

модели непосредственно на смартфонах и других устройствах

Это может оказаться не менее важным, чем гонка за максимальной интеллектуальной мощностью.

---

15. 2025–2026: конкуренция переходит на новый уровень

К 2026 году рынок ИИ уже нельзя описывать только несколькими большими чат-ботами.

Развиваются целые экосистемы моделей и инструментов.

Например, Google DeepMind сейчас представляет семейство Gemini, включающее модели для сложных задач, агентных сценариев, научных исследований и мультимодальной работы.

Anthropic развивает Claude и технологии extended thinking и agentic coding.

OpenAI продолжает развитие GPT и систем, ориентированных не только на диалог, но и на рассуждение, программирование и выполнение задач. В сентябре 2026 года OpenAI также объявила о предстоящем выводе GPT-5.5 из ChatGPT и переходе в Codex на GPT-5.6 Sol.

При этом развивается огромное количество открытых моделей.

По данным Stanford AI Index 2026, на GitHub и Hugging Face уже сформировалась масштабная экосистема открытых AI-проектов; количество проектов на GitHub достигло 5,6 млн, а загрузки на Hugging Face значительно выросли с 2023 года.

---

16. Насколько быстро все это происходит?

Очень быстро.

По данным Stanford AI Index 2026, возможности AI продолжают ускоряться. В 2025 году индустрия создала более 90% заметных передовых моделей, а на отдельных тестах модели достигли результатов, сопоставимых или превосходящих человеческие базовые показатели. На SWE-bench Verified результат вырос примерно с 60% до почти 100% всего за год.

Еще более показателен уровень распространения.

По данным того же отчета, генеративный ИИ достиг примерно 53% населения за первые три года, что быстрее исторического распространения персональных компьютеров и интернета. Организационное использование AI достигло 88%.

То есть ИИ развивается одновременно по двум направлениям:

модели становятся мощнее

и

люди используют их все шире.

---

17. Что изменилось за несколько лет — если очень просто?

Если сравнить условные поколения, получится примерно такая картина.

Поколение	Основная идея
Ранние чат-боты	Отвечать по заранее заданным правилам
Голосовые ассистенты	Понимать команды и выполнять отдельные действия
Первые большие языковые модели	Генерировать связный текст
GPT-3 и аналогичные модели	Выполнять множество задач по инструкции
ChatGPT	Сделать универсальный AI-диалог массовым
GPT-4 и поколение мультимодальных моделей	Работать с текстом и изображениями
Современные мультимодальные модели	Работать с текстом, изображениями, аудио, видео и кодом
Reasoning-модели	Тратить больше вычислений на сложные задачи
Agentic AI	Использовать инструменты и выполнять цепочки действий

Главный переход можно выразить одной фразой:

ИИ постепенно превращается из инструмента генерации ответа в инструмент выполнения задачи.

---

18. Самое интересное только начинается

Если посмотреть на развитие ИИ за последние годы, становится очевидно: мы наблюдаем не появление одной новой программы, а формирование нового класса вычислительных систем.

Компьютер прошлого:

человек → программа → результат

Классический интернет:

человек → поиск → информация

Первые чат-боты:

человек → вопрос → ответ

Современный ИИ:

человек → цель → AI анализирует, рассуждает, использует инструменты и формирует результат

А следующий этап может выглядеть еще интереснее.

Человек будет все чаще формулировать не отдельные команды, а намерения.

Например:

«Создай мне сайт для этого проекта».

И вместо выдачи нескольких фрагментов кода AI-система потенциально сможет:

1. изучить требования;
2. спроектировать структуру;
3. написать код;
4. создать графику;
5. запустить проект;
6. протестировать его;
7. найти ошибки;
8. исправить их;
9. подготовить финальную версию.

Это уже не совсем чат-бот.

Это цифровой исполнитель.

---

19. Но есть важная оговорка

Несмотря на впечатляющий прогресс, говорить о появлении полноценного человеческого интеллекта пока преждевременно.

Современные модели могут демонстрировать очень высокие результаты в одних задачах и неожиданно ошибаться в других.

Stanford AI Index отдельно отмечает, что возможности frontier-моделей остаются неоднородными: система может показывать выдающиеся результаты на одном типе задач и значительно хуже справляться с другим.

Поэтому правильнее говорить не:

«ИИ стал умнее человека».

А:

«ИИ научился выполнять все более широкий спектр интеллектуальных задач на уровне, который еще несколько лет назад казался недостижимым для массового программного продукта».

Это гораздо точнее.

---

Итог

Всего за несколько лет искусственный интеллект прошел путь от относительно простых чат-ботов до систем, которые умеют работать с несколькими типами информации, рассуждать над сложными задачами, программировать, использовать внешние инструменты и выполнять многошаговые рабочие процессы.

И этот переход произошел удивительно быстро.

Если условно разделить эволюцию на этапы, получится:

правила → машинное обучение → Transformer → большие языковые модели → ChatGPT → мультимодальность → reasoning → агенты.

При этом развитие ИИ не остановилось.

Сегодня главная гонка идет уже не только за тем, кто создаст модель, которая лучше отвечает на вопросы.

Гораздо важнее становится другой вопрос:

кто создаст систему, которая лучше понимает задачу, умеет самостоятельно планировать работу, использовать инструменты, проверять результат и доводить сложную задачу до конца?

Именно поэтому следующие несколько лет могут оказаться еще более интересными, чем предыдущие.

Пять лет назад мы в основном разговаривали с ИИ.

Сегодня мы начинаем поручать ему работу.

А следующим этапом может стать ситуация, когда ИИ будет не просто отвечать на наши запросы, а становиться полноценным цифровым участником рабочего процесса.