Непрерывное развитие интеллекта: чему нас учит работа Anthropic и OpenAI

Компании типа Anthropic не просто «делают LLM-модели». Они непрерывно обучают. Claude 3 → 3.5 → 4 → 4.5 → 4.6 — каждые несколько месяцев выходит версия умнее предыдущей. OpenAI делает то же самое: GPT-3 → 4 → 4o → o1 → o3. Это не проект, это конвейер непрерывного развития интеллекта.

Что именно они делают?
Если перевести на человеческий язык:
Pre-training (предобучение) — это как базовое образование. Модель читает терабайты текстов и формирует «картину мира». Человек проходит школу и университет.
Fine-tuning (дообучение) — это как специализация. Модель учат быть полезным ассистентом, кодером, аналитиком. Человек осваивает профессию.
RLHF (обучение на обратной связи) — это как наставничество. Модели показывают, какие ответы хорошие, а какие нет. Человек получает фидбек от мастеров и практики.
Каждая новая версия — это не «патч», а существенный скачок. Новая архитектура, новые данные, новые методы обучения.

Anthropic и OpenAI вкладывают миллиарды долларов и тысячи инженеров в непрерывное развитие интеллекта своих моделей. Не один раз обучили и забыли — а постоянно, системно, с нарастающей интенсивностью.

А что делает человек?
Большинство людей заканчивают «обучение» в 22-25 лет. Получили диплом — и всё, pre-training завершён. Дальше — работа на том, что уже знаешь. Может быть, курс раз в пару лет. Может быть, книга в месяц. Но системного, непрерывного развития интеллекта — нет.

А теперь представьте: рядом с вами работает система, которую каждый квартал делают существенно умнее. Вы остаётесь на месте. Она — нет.

А как обычно люди взаимодействуют с AI?
«Напиши мне письмо». «Переведи текст». «Сделай красивую картинку». Промпт среднего пользователя — это команда на уровне калькулятора: возьми это, выдай то. Никакого мышления, никакой глубины. AI используется как улучшенный Google или автоматический копирайтер.
Но AI — это не калькулятор. Это инструмент мышления. И чем глубже ваше собственное понимание задачи, тем мощнее становится этот инструмент. Человек с развитым мышлением формулирует контекст, задаёт роль, выстраивает цепочку рассуждений — и получает результат, который «промптёр-калькуляторщик» даже не сможет оценить, не то что воспроизвести.

Что изучать?
Подробнее про то, как устроена работа с AI-агентами (и почему 80% качества результата даёт не модель, а контекст и доменное знание), я разбирал в посте про аналогию AI-агента с наймом сотрудника. А здесь — про стратегию:
1. Мышление, а не информация. Информация становится commodity — AI найдёт быстрее. А вот умение ставить цели, формулировать задачи, видеть систему целиком — это то, что модели по-прежнему получают от человека. Модели нужны цели принципала (того, кто ставит задачу). Без вашего мировоззрения и целей самая умная модель бесполезна.

2. Методы, а не факты. Факты устаревают, методы — нет. Системное мышление, онтологика, стратегирование, моделирование — это «архитектура мышления», которая позволяет осваивать любую новую область.

3. Компиляция знания в мировоззрение. Есть три рынка: рынок знания (сырая информация — AI сделает её commodity), рынок компиляции (превращение знания в своё мировоззрение — этот рынок растёт с развитием AI) и рынок открытий (новое знание из мировоззрения — AI усиливает, но не заменяет). Компиляция требует практики агента — то есть вашей личной практики. Нельзя «скачать» мировоззрение, как нельзя скачать умение плавать.

4. Работа с AI. Парадокс: чем умнее модель, тем больше от вас требуется, чтобы ей правильно управлять. Контекст-инженерия — это онбординг AI-агента на вашу задачу. Чем глубже вы понимаете предметную область, тем точнее вы формулируете контекст, тем лучше результат.

Вывод
Если Anthropic непрерывно и системно развивает интеллект своих моделей, тратя на это миллиарды — то и вам стоит непрерывно и системно развивать свой интеллект. И это — и есть главное конкурентное преимущество: способность осознанно управлять собственным развитием.

Модель без обновления устаревает за полгода. Человек без развития — тоже. Только это менее заметно.