За последний год нейросети совершили мощный прорыв и сравнялись с профессионалами в нескольких важных областях интеллектуальной деятельности. Цель этой статьи – показать в каких сферах профессиональных деятельностей нейросети опередили, а в чем ИИ не дано превзойти человека.
Но вначале рассмотрим не профессиональную интеллектуальную деятельность, а игровую. Игры всегда были полигоном для проверки интеллекта, когда-то его измеряли умением играть в шахматы и го.
Кто, кого, когда
- Май 1997 года. Компьютер IBM Deep Blue обыграл действующего чемпиона мира Гарри Каспарова. Это стало настоящим шоком для шахматного сообщества. Хотя Deep Blue и не был полноценным искусственным интеллектом – он всего лишь перебирал огромное количество возможных ходов, используя человеческие наработки, но это было начало новой эры – машинный интеллект начал брать верх.
- 2016 год. Настоящий прорыв произошел, когда программа AlphaGo победила одного из сильнейших игроков в го – Ли Седоля. Причем с разгромным счетом 4:1. Хотя Ли был уверен, что машина, лишенная интуиции, не способна обыграть в древнейшей стратегической игре с числом возможных позиций, превышающим количество атомов во Вселенной. Просто перебором тут не обойтись, нужно именно думать. AlphaGo обучалась на партиях профессионалов и показала, что способна на нестандартные ходы, которые удивили даже мастеров.
- Январь 2019 года. ИИ снова заявил о себе – на этот раз в стратегии StarCraft II. Нейросеть AlphaStar от DeepMind (Google) победила польского профессионала Гжегожа MaNa Коминча со счетом 5:1. Эта игра требует не только стратегического мышления, но и быстрой реакции, умения управлять множеством юнитов и принимать решения при нехватке информации. Один матч человек все же выиграл, но в целом – снова машина оказалась сильнее.
- Апрель 2019 года. Система OpenAI Five победила чемпионов мира – команду OG – в Dota 2. Интересно, что ее не обучали правилам игры напрямую. Она училась самостоятельно, играя с самой собой в течение 10 месяцев – суммарно 45 тыс. часов. Результат оказался впечатляющим – машина не просто поняла механику игры, но и научилась взаимодействовать в команде.
- Лето 2019 года. ИИ добрался и до покера – игры, где ключевыми навыками считаются блеф и чтение эмоций. Долгое время считалось, что это – сугубо человеческая территория. Однако разработки DeepStack и Libratus доказали обратное. Libratus обыграл четырех профессионалов и забрал $1,7 млн призовых. А чуть позже ИИ Pluribus, разработанный Facebook (принадлежит Meta, которая признана экстремистской и запрещена в РФ) и Carnegie Mellon, научился блефовать и играть сразу против пятерых человек одновременно.
От зубрилы к универсальному разуму
В 2023 году появилась ChatGPT-4 – продвинутая модель, способная без проблем решать кейсы MBA. Ученые из университета Арканзаса (США) провели исследование, в ходе которого сравнивали креативное мышление людей и модель ChatGPT-4 – OpenAI рекламировала ее как «более креативную» по сравнению с предыдущими версиями. Казалось, что ИИ вплотную приблизился к человеческому интеллекту. Но настоящий переворот произошел позже – с появлением модели o1-preview в сентябре 2024 года, а затем модели OpenAI o3, которая впервые в истории прошла тест на обобщающее мышление, сравнимое с человеческим.
Дело в том, что модели, вроде GPT-4, обучаются на миллионах текстов. Они отлично справляются с типичными задачами – написать статью, ответить на вопрос, сгенерировать код. Но когда речь заходила о нестандартных ситуациях, они «спотыкались» – ведь все, что они делали, это находили шаблоны в известных данных. Можно сказать, это были отличники, заучившие все по учебнику, но неспособные решить задачу с подвохом.
Чтобы по-настоящему измерить интеллект ИИ, в научном сообществе разработали тест ARC-AGI – набор задач, где модель должна сама вывести закономерности, изучив всего три обучающих примера. Здесь нельзя просто запомнить ответ – нужно понять суть.
Для сравнения, GPT-4 набирал менее 30%. А модель OpenAI o3, представленная в декабре 2024 года, выдала результат в 85%, обогнав не только все другие ИИ, но и большую часть людей (85% было полгода назад, сейчас уже больше).
Если GPT-4 был похож на энциклопедию, то o3 – это уже вполне себе состоявшийся ученый. Вместо тупого перебора, система формирует гипотезы, проверяет их на примерах и уточняет. Это уже не просто «натасканный» интеллект, а адаптивное мышление. Он может то, что есть у нас – способность быстро схватывать суть, учиться на нескольких примерах и применять знания в новой ситуации.
Это стало возможным благодаря принципиально новой архитектуре, которая позволила системе обучаться прямо во время теста. Такой подход называется Test-Time Training (TTT) – обучение на лету. Это ближе к тому, как учится человек – анализируя ситуацию в моменте, а не опираясь только на прошлый опыт.
Раньше ИИ был «зубрилой». То есть нужно было показать ему тысячи примеров. Теперь – достаточно пары. o3 может обобщать, адаптироваться, искать причинно-следственные связи и даже формулировать простые объяснения сложным вещам. Это универсальный разум, способный решать задачи, которые раньше были под силу только человеку.
Особенно впечатляет то, как o3 справляется с противоречивыми или неполными данными. Он не «зависает», а строит сложные, нюансированные модели реальности – как если бы у него была интуиция. Так работает наш мозг, когда мы решаем головоломку, не имея всех подсказок. Особенно интересно рассмотреть этот процесс на конкретных примерах решения логических задачек или вопросов игры «Что? Где? Когда?».
С появлением o3 ИИ можно применять там, где раньше требовалась человеческая гибкость ума – в научных исследованиях, медицинской диагностике, разработке инноваций. Он не просто отвечает, а генерирует идеи, видит связи, решает задачи, на которые нет готовых ответов. Более того, ИИ проводит полноценное глубокое исследование на очень серьезном научном уровне.
Так, совсем недавно – мае 2025 года, я написал себе и своим знакомым не только научные статьи, но и кандидатские диссертации по 150 страниц и реальными ссылками в тексте на все 200 с лишним научных источников. На написание диссертации у ИИ уходило около часа (научную статью пишет вообще меньше чем за 10 минут).
Это раньше ИИ был глупым и мог генерировать полный бред, выдумывая несуществующие факт и ссылки на несуществующие источники. Сейчас совсем другое – получается очень осмысленный текст, обладающий настоящей научной новизной и практической значимостью. А самое главное – детектор ИИ, который есть в программе «Антиплагиат.Вуз», не показывает что текст сгенерирован. Оригинальность больше 95% и при этом нет отметки о генерации текста. Таким образом, происходит обесценивание научных званий, поскольку написать кандидатскую и даже докторскую диссертацию – вообще не составляет никакого труда.
Американские и китайские конкуренты OpenAI тоже разрабатывают очень достойные модели. Российские нейросети пока отстают.
Каких специалистов уже заменяют на ИИ
Понятно, что ИИ вытесняет рутинные операции, автоматизируя их. Так шведская финтех-компания Klarna в 2024 году остановила найм новых сотрудников, поскольку, по мнению гендиректора компании, ИИ уже может выполнять всю работу, которую выполняли люди. Как и в других технических компаниях, здесь есть естественная убыль работников. Люди в среднем остаются в компании на 5 лет, и каждый год уходят 20% сотрудников. Не нанимая новых людей, компания сокращается. Было 4 500 сотрудников, а стало на тысячу меньше.
Сокращение происходило за счет команды маркетинга и команды поддержки клиентов. Их работу передали ИИ-агентам. Использование нейросетей позволило Klarna сократить затраты на зарплаты, сэкономив около 10 млн долларов. Но часть прибыли от этого пошла на повышение зарплат действующих сотрудников. Сейчас компания перестраивает бизнес-процессы, чтобы сделать ИИ более эффективным. Через год планируется сократить число сотрудников до 2 500 человек.
То же самое касается:
- Юристов, чья работа заключается в анализе тысяч страниц договоров, судебных дел и юридических документов для поиска прецедентов или несоответствий. Они заменяются одним ИИ, способный за минуты выполнять задачи, на которые у человека уходят часы, а именно – проверять типовые договоры, анализировать нормативно-правовые акты, составлять стандартные юридических бумаг и готовить шаблонные иски.
- Бухгалтеров, которые занимаются обработкой счетов, сверкой данных и подготовка стандартной отчетности.
- Рекрутеров, которые проводят первичный отбор резюме по ключевым параметрам.
- Переводчиков технической и деловой документации.
- Журналистов и копирайтеров, занимающихся написанием новостных заметок на основе данных: биржевых сводок или спортивных результатов.
- Рекламщиков, создающих простые рекламные тексты и SEO-статьи.
- Программистов, но не тех, кто разрабатывает сложную архитектуру ПО, а тех, кто пишет простые скрипты и исправляет ошибки в коде.
Каким специалистам приготовиться на выход
Выше речь идет об относительно рутинной деятельности. Но ИИ может заменить и высокоинтеллектуальных специалистов. Так что господа консультанты, траблшутеры (решатели неразрешимых проблем) и прочие тризовцы – до свидания!
Сейчас продвинутые нейросети решают все кейсы, которые Сергей Фаер описал в своей книге «Траблшутинг. Как решать нерешаемые задачи, посмотрев на проблему с другой стороны». Причем нейросети, помимо решений, которые предлагает Сергей Фаер, дают и более оптимальные альтернативные решения. И эти решения находятся не за несколько часов или дней, как у команды траблшутеров, а всего за несколько секунд. У меня были ситуации, когда решения подсказывал мой личный ИИ-агент в Telegram.
ИИ-агенты, обученные на миллионах патентов, могут запросто систематизировать информацию, анализировать базы данных, предлагать решения на основе заложенных алгоритмов и принципов, моделировать различные сценарии и предлагать нестандартные технические решения, основанные на принципах ТРИЗ (теории решения изобретательских задач). Так что можно констатировать полную девальвацию профессионалов из этой сферы интеллектуальной деятельности, как и специалистов по ТРИЗ. Это как до появления калькуляторов ценилось умение быстро считать в уме, а теперь в этом нет никакого смысла.
Что касается бизнес-консультантов и финансовых аналитиков, то значительная часть работы этих специалистов – это сбор и анализ рыночных данных, финансовой отчетности, выявление трендов и построение прогнозов. ИИ превосходно справляется с этими задачами, обрабатывая огромные массивы информации и находя неочевидные корреляции. В консультациях, связанных с ситуациями, где может возникнуть риск, ИИ-агенты также отлично справляются.
Что останется за человеком
То, что не свойственно нейросетям – уникальные человеческие качества, такие как критическое мышление в условиях неопределенности, способность к мотивационному анализу, стратегическое видение и подлинная креативность.
А самое ценное качество мышления – это проницательность (умение вникать в самую суть в любых ситуациях). Это мышление высшего качества. ИИ уже достиг уровня мышления Сократа – мышления первого сорта. Человек с мышлением высшего качества всегда будет находиться на более интеллектуальном уровне. Но это тема для отдельной статьи.
Читайте также:
Да любая современная модель может это сделать, даже бесплатная.
Хотя Эрик Бёрн, вероятно, не ставил своей главной целью научно доказать теорию трех эго-состояний в современном строгом смысле, она возникла не случайно и блестяще выполнила практические и концептуальные задачи, ради которых он ее создавал. Причины, по которым эта теория оказалась ему необходима, заключались в следующем.
Прежде всего, Бёрн стремился упростить и демократизировать психоанализ. Классический психоанализ Фрейда был сложен, элитарен и требовал многолетнего обучения и терапии. Его язык, наполненный такими терминами, как Ид, Эго, Супер-Эго, либидо и катексис, был непонятен большинству пациентов и даже многим специалистам. В ответ на это Бёрн создал интуитивно понятную модель и язык. Такие понятия, как «Родитель», «Взрослый» и «Ребенок», стали доступными категориями, которые пациенты могли легко понять, узнать в себе и использовать для самоанализа. Это делало терапию доступнее, прозрачнее и ускоряло процесс.
Кроме того, теория Бёрна стала мощным инструментом для анализа и коррекции общения. Он заметил, что многие проблемы в отношениях и неврозы возникают из-за неэффективных, конфликтных или «игровых» паттернов общения. Нужен был инструмент, чтобы эти паттерны быстро идентифицировать и понять, почему они «сбоят». Таким образом, теория эго-состояний стала основой Трансакционного Анализа (ТА), позволив диагностировать, какой частью себя говорит человек (Родителем, Взрослым или Ребенком), предсказывать, к какой реакции партнера приведет это сообщение (будь то пересекающиеся, параллельные или скрытые трансакции), и корректировать общение, например, переводя его на уровень «Взрослый-Взрослый» для решения проблем, а также распознавать и выходить из деструктивных «игр».
Теория эго-состояний также помогла структурировать понимание внутренних конфликтов. Пациенты часто описывали внутреннюю борьбу, которую они называли «голосами», а также противоречивые чувства и импульсы. Нужна была простая схема, чтобы объяснить эти внутренние диалоги и конфликты. Концепция эго-состояний дала наглядную модель внутреннего мира. Конфликт между «Критическим Родителем» и «Бунтующим Ребенком», невозможность «Взрослого» взять контроль — все это стало понятными и осязаемыми механизмами для пациента. Это значительно облегчало работу с внутренними противоречиями.
Бёрн также стремился объяснить происхождение жизненных проблем, или так называемых «сценариев». Он хотел понять, почему люди повторяют деструктивные жизненные паттерны, заложенные в детстве, и как ранний опыт влияет на их текущее поведение. Эго-состояния, особенно «Родитель», как носитель усвоенных родительских установок и запретов, и «Ребенок», как хранитель детских чувств, решений и адаптаций, стали ключом к пониманию формирования этих сценариев. Теория показывала механизм переноса раннего опыта во взрослую жизнь.
Наконец, теория Бёрна была разработана с практической фокусировкой на «здесь и сейчас» и поведении. Классический анализ мог быть слишком сосредоточен на глубоком прошлом и бессознательном, что иногда уводило от решения текущих проблем в отношениях и поведении. Анализ эго-состояний и трансакций, напротив, смещал фокус на актуальное взаимодействие и наблюдаемое поведение. Вопросы о том, какая часть человека говорит или реагирует в данный момент, делали терапию более конкретной и ориентированной на изменения «здесь и сейчас».
В целом, Бёрн был прежде всего практикующим психиатром и психотерапевтом, и его теория была не абстрактной конструкцией, а рожденным в практике инструментом. Она предназначалась для объяснения пациенту происходящего с ним простым и понятным языком, диагностики источников внутренних и межличностных проблем, вмешательства для изменения паттернов общения, разрешения внутренних конфликтов и пересмотра жизненных сценариев. Кроме того, теория помогала обучать пациентов стать более осознанными и автономными («Взрослыми») в своих реакциях и выборах.
Вывод
Таким образом, Эрик Бёрн создал теорию трех эго-состояний не как строгую научную гипотезу для доказательства, а как мощный практический инструмент и понятную концептуальную карту для решения конкретных клинических и коммуникативных задач. Ему она была нужна, чтобы сделать терапию понятной, доступной и эффективной для широкого круга людей, дать четкий язык и модель для анализа сложных процессов общения (трансакций) и внутренних конфликтов, объяснить происхождение и механизм повторяющихся жизненных проблем («сценариев»), а также сфокусировать терапевтическую работу на наблюдаемом поведении и актуальных взаимодействиях («здесь и сейчас»). Ее огромная популярность и влияние в практической психологии, терапии, образовании и бизнес-консультировании доказывают, что Бёрн блестяще достиг своей прагматической цели: создать рабочую, понятную и клинически полезную модель, даже если она не соответствует критериям строгой научной доказательности. Ее ценность — в эвристической силе и практической применимости, а не в статусе доказанной нейробиологической реальности.
И даже в современном Бёрну смысле. Или хотя бы как-то. Или хотел бы, но не успел. Уже не проверить.
Совсем не случайно.
Это отдельное утверждение, не знаю, кем сформулированное.
Если теория не доказана, сложно говорить о блеске, с которым с её помощью решаются задачи. Возможно, другими способами были бы получены другие ответы.
На этом можно остановиться.
Судя по текстам Бёрна, так и случилось - нужно было что-то принципиально проще идей тех, с кем он полемизировал. Получилось то, что получилось.