Передовые ИИ-модели Google уже помогают разработчикам создавать своих преемниц. Это позволяет компании значительно увеличить темпы совершенствования ИИ и оставаться в числе лидеров отрасли.

Выбираем лучшие игровые ноутбуки на российском рынке (вторая половина 2026 года)

Сравнительный тест камер флагманских смартфонов (2026): итоги

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

Групповое тестирование 46 видеокарт в The Witcher 3: Wild Hunt — Remastered

Мастерская локальных ИИ: салат картофельный с Qwen3.8

Обзор HONOR Pad X9b Max: универсальный большой планшет с антибликовым экраном

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Источник изображения: Unsplash, Pawel Czerwinski

Если в сфере робототехники оптимальная схема производства описывается фразой «машины делают машины», то в разработке ИИ-моделей аналогичный принцип сводится к рекурсивному самосовершенствованию (RSI). Он подразумевает, что ИИ-модели смогут совершенствоваться при участии своих предыдущих версий. Развитие всей отрасли благодаря этому будет происходить нарастающим темпом.

Сооснователь Google Сергей Брин (Sergey Brin) во время своего недавнего участия в дискуссии по поводу новейшей модели компании Gemini 4 Argon заявил, что внутренние процессы разработки ИИ-моделей компании уже ускоряются благодаря тому, что они помогают быстрее создавать своих преемников.

Ещё до выхода Gemini 4 модели Google Flash дали компании надежду, что такие структурные изменения происходят, и она «начала втягиваться в бег по дорожке RSI», со слов Брина. «И сейчас наши исследователи и сама модель работают рука об руку, чтобы создать следующую версию модели», — заявил Сергей в ходе дискуссии, запись которой Google продемонстрировала в минувшую среду.

Конкурирующие Anthropic и OpenAI также сообщили, что их ИИ уже находится на грани перехода к рекурсивному самосовершенствованию. Большинство опрошенных Gladstone AI разработчиков, включая представителей трёх упомянутых выше компаний, убеждено, что RSI станет нормальной практикой в ближайшие 3–12 месяцев. Это может случиться и быстрее, если государственное регулирование в сфере ИИ не вынудит разработчиков замедлиться.

Google в своём отчёте по модели Argon отметила, что некоторые элементы исследований и разработок в сфере ИИ уже автоматизированы. ИИ-агенты уже действуют, словно ассистенты с высокой отдачей, выступая в роли авторов основной части продуктивного программного кода и исправлений, хотя предлагаемые ими изменения в коде и подвергаются проверке человеком непосредственно перед утверждением.

Как отмечает Business Insider, Сергей Брин лично контролирует развитие направления Google Gemini, определяя приоритеты, и он настаивает на большей концентрации на принципе RSI. Темпами прогресса в сфере ИИ этот сооснователь Google весьма доволен. По его словам, когда обыватели только смотрят видео о выходе Argon, разработчики Google уже могут продвинуться на пару моделей вперёд. По некоторым данным, Google уже тестирует новую модель Carbon, которая в задачах написания программного кода вполне может сравниться с Anthropic Opus 5.5.

Сооснователь Google Сергей Брин 21 мая 2025 года передал в дар более 4,1 млн акций Alphabet на общую сумму около $693 млн. Согласно документам, поданным в Комиссию по ценным бумагам и биржам США (SEC), получатель не раскрывается. Предполагается, что акции могли быть переданы благотворительной организации, трасту или финансовому инструменту.

Сравнительный тест камер флагманских смартфонов (2026): итоги

Групповое тестирование 46 видеокарт в The Witcher 3: Wild Hunt — Remastered

Обзор HONOR Pad X9b Max: универсальный большой планшет с антибликовым экраном

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Мастерская локальных ИИ: салат картофельный с Qwen3.8

Выбираем лучшие игровые ноутбуки на российском рынке (вторая половина 2026 года)

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

Источник изображения: Wikipedia

Сделка включала равное распределение между акциями класса A (с правом голоса) и класса C (без права голоса). На момент закрытия торгов 21 мая акции класса A стоили $168,56, а класса C — около $170.

Эта передача акций совпала по времени с ростом стоимости бумаг Alphabet после анонсов на конференции Google I/O, где были представлены новые функции, включая режим AI Mode для более интерактивного поиска.

Брин ранее осуществлял крупные пожертвования акциями Alphabet: в мае 2023 года — на сумму около $600 млн, а в мае и ноябре 2024 года — более $100 млн. Он также активно поддерживает исследования болезни Паркинсона и экологические инициативы через свой фонд Sergey Brin Family Foundation.

По данным Bloomberg Billionaires Index, состояние Сергея Брина оценивается в $144 млрд, что делает его одним из десяти самых богатых людей в мире.

С началом бума искусственного интеллекта вышедший было на заслуженный отдых сооснователь Google Сергей Брин (Sergey Brin) вернулся к полноценной работе в компании. На этой неделе он обратился к подчинённым, напомнив, что конкуренция усилилась, и дав рекомендации по дальнейшей работе в коллективе, сообщает The Verge.

Выбираем лучшие игровые ноутбуки на российском рынке (вторая половина 2026 года)

Групповое тестирование 46 видеокарт в The Witcher 3: Wild Hunt — Remastered

Компьютер месяца, спецвыпуск: выбираем мини-ПК для работы и развлечений в эпоху дефицита чипов памяти

Обзор HONOR Pad X9b Max: универсальный большой планшет с антибликовым экраном

Сравнительный тест камер флагманских смартфонов (2026): итоги

Лучший процессор под DDR4 в 2026 году: AM4 против LGA 1700

Мастерская локальных ИИ: салат картофельный с Qwen3.8

Сергей Брин. Источник изображения: wikipedia.org

Крупнейшие игроки вступили в финальную фазу гонки, победителем в которой окажется первый разработчик сильного ИИ (AGI), заявил Брин. Для этого разработчикам в Google придётся трудиться быстрее, отдавать приоритет простым решениям, не тратить время попусту и прекратить нянчиться с пользователями, которым нужно доверять. Служебная записка адресована сотрудникам подразделения Google DeepMind, но она наглядно отражает закулисье отрасли ИИ. Приводим её полный текст:

«Программе Gemini и GDM (Google DeepMind) исполнилось два года. За это время мы прошли долгий путь и приложили немало усилий, которыми следует гордиться. В то же время конкуренция чрезвычайно усилилась, и началась последняя гонка за сильный ИИ. Думаю, у нас есть все составляющие, чтобы выиграть эту гонку, но для этого придётся отдать все силы.

Важнее всего код — сильный ИИ взлетит, когда ИИ начнёт совершенствовать сам себя. Вероятно, поначалу потребуется значительное содействие человека, поэтому самое важное — производительность кода. Более того, это касается кода, написанного нами. Мы должны быть самыми эффективными программистами и исследователями в области ИИ в мире, используя наш собственный ИИ.

Производительность — по моему опыту, 60 часов в неделю — золотая середина для темпа работы. Некоторые работают намного больше, но при этом могут выгореть или растерять творческий подход. Некоторые работают меньше 60 часов, но есть и те, кто работает по минимуму, просто чтобы выкрутиться. Вот такие люди не только нерезультативны, но и могут серьёзно подорвать дисциплину всего коллектива.

Место работы — важно работать в офисе, потому что личное присутствие гораздо эффективнее виртуального общения. Нам необходимо физически находиться рядом с коллегами, работающими над теми же задачами. Нужно свести к минимуму число уровней субординации между странами, городами и офисными зданиями. Советую находиться в офисе хотя бы каждый будний день.

Организация — нам нужны чёткие принципы ответственности и структура с высокоэффективными отделами, общим управлением и технологическим лидерством.

Простота — давайте использовать простые решения там, где это возможно. Например, если запросы срабатывают, пусть они просто работают — обучать отдельную модель дальше не нужно. Никаких лишних технических сложностей (вроде LoRA). В идеале у нас должна быть одна архитектура и одна модель, которую можно запрашивать для разных целей.

Качество — будь то оценка, источник данных, панель управления или сообщение во внутреннем интерфейсе, убедитесь, что они работают и выполнены на высоком уровне.

Скорость — наши продукты, модели и внутренние инструменты должны работать быстро. Я не могу 20 минут ждать Borg, чтобы запустить небольшой код на Python.

Итерации в малых масштабах — нам нужно много идей, которые можно тестировать быстро. Лучший способ сделать это — проводить эксперименты в небольших масштабах, а затем, если они успешны, расширять их. Это отличный способ проверки. Если сразу работать в больших масштабах, появляется тенденция ограничиваться незначительными доработками, подстраиваться под оценочные показатели, гнаться за контрольными точками и т. д. В крупном масштабе нам нужны настоящие победы.

Хватит перекладывать ответственность — нельзя создавать продукты-няньки. Наши продукты переполнены фильтрами и всевозможными компромиссами. Нам нужны работоспособные решения, и мы должны доверять своим пользователям».