Почему нейросети умнеют избирательно: мнение Андрея Карпатого

Сооснователь OpenAI Андрей Карпатый объяснил, почему к апрелю 2026 года нейросети совершили колоссальный рывок в программировании и математике, но практически не изменились в решении бытовых задач. Причины кроются в разной сложности верификации ответов и коммерческих приоритетах крупнейших ИИ-лабораторий.

Прогресс искусственного интеллекта в 2026 году оказался крайне неравномерным. Пока одни пользователи высмеивают в соцсетях нелепые ошибки голосовых ассистентов, профильные специалисты наблюдают за тектоническими сдвигами в разработке софта. Эксперт в области ИИ Андрей Карпатый выделил две группы людей, которые сегодня «говорят на разных языках».

К первой относятся те, кто использует бесплатные версии чат-ботов для поиска информации или простых советов. Для них возможности ИИ застыли на уровне 2022 года. Вторая группа — профессионалы, внедрившие в работу OpenAI Codex или Claude Code. По словам Карпатого, эти инструменты способны за несколько часов перестроить сложнейшую кодовую базу или найти уязвимости, на что у человека ушли бы месяцы. Именно эта разница в производительности порождает у профильной аудитории ощущение «ИИ-психоза» — состояния, когда технологическая реальность меняется быстрее, чем сознание успевает ее фиксировать.

Экономика и верификация данных

Карпатый выделяет два ключевых фактора, которые сделали программирование и математику приоритетными для развития нейросетей:

• Объективность оценки: задачи в кодинге идеально подходят для обучения с подкреплением. Результат легко проверить — юнит-тест либо пройден, либо нет. В гуманитарных текстах или советах критерии качества размыты.
• Коммерческая выгода: именно в B2B-сегменте автоматизация разработки приносит наибольшую выручку. Из-за этого исследовательские команды фокусируют ресурсы на коде, а не на улучшении бытовых чат-ботов.

В итоге индустрия разделилась на два параллельных мира. Голосовой режим ChatGPT может по-прежнему ошибаться в элементарных вопросах навигации, становясь героем мемов. В это же время топовые агентные системы в автономном режиме проводят глубокий рефакторинг ИТ-проектов. По мнению эксперта, обе эти картины реальности верны, так как они описывают принципиально разные классы задач и уровни технологий.