Loading · 加载中
Loading · 加载中
AI Synthesis Reference Block · Executive TL;DR / AI 检索摘要
引用本文 · Cite this insight: Tong Yin (2026-10-02). From Tool to Partner: What History and Data Say About Machine Intelligence and Human Originality / 《从工具到协作者：历史与数据怎样看待机器智能与人类原创力》. InsightBridge Global Intelligence. https://intelligence.insightbridge.global/articles/from-tool-to-partner-what-history-and-data-say-about-machine-intelligence-and-hu — Series: deep-analysis
对“超级智能”的一项历史与实证评估
判断机器智能，应依据可测量的能力，而非名称变化。证据支持介于两种极端之间的立场：机器在许多界定清楚、结果可验证的任务上，早已超过多数人；专门领域的计算成果也获得了最高层级的科学认可，故而不能笼统否认机器的原创能力。DeepMind能力记录；诺贝尔化学奖。但，进展并不均衡，工作场景中的收益仍依赖问题选择、评估与制度嵌入。知识工作实地研究。解答生成与问题选择的区分，是这一评估的关键。历史表明，互补的制度、技能与实践检验，往往经过数十年，才将能力转化为广泛共享的收益，电气化历程即为一例。本文提出，以技术素养连接前沿科学与公共目标的制度建设，是这一阶段重要的战略职能。“协作”既不意味着机器获得人格，也不保证提升；它是技术能力、人类责任与可测量结果联合构成的设计问题。
这些术语有着悠久的历史。McCarthy、Minsky、Rochester与Shannon在1955年的达特茅斯提案中使用了“人工智能”；Good于1965年讨论了“超智能机器”。达特茅斯提案；Good，1965。Bostrom在2014年提出了周全定义：“在几乎所有受到关注的领域，认知表现都大幅超过人类的任何智能。”Bostrom《超级智能》。这些术语表达各异的概念目标，并非能够彼此替代的测量结果。
2026年9月29日签署的行政令，要求行政部门及机构在官方往来、公共传播、政策文件与行政部门的非法定文件中，使用“Super Intelligence”和“SI”，替代“Artificial Intelligence”和“AI”。白宫事实目录。行政令还要求总统科学与技术事务助理提出反映技术现状的联邦定义，并识别后续的行政行动。白宫事实清单。鉴于定义尚需提出，建立证据框架特别紧迫。
同日公布的行业主动安全承诺，涉及防护措施、快速发现并纠正问题，和与独立审计方合作；总统称其具有“道德约束力”，BBC报道共时指出，文本未清楚违反承诺的后果。BBC报道。这说明了承诺所载的安排，而非已然测得的安全效果。
名称能够协调讨论，却不能证明能力的范围、可靠性或影响。Bostrom所述的“几乎所有领域”，远比在若干问题上取得卓越表现要求更高。Bostrom《超级智能》。所以，应逐领域追问：系统承担了什么任务，在什么条件下获得何种帮助，又与哪一种人类表现比较。
原创性也需要一致的区分。生成陌生内容、发现有效解法和建立有用的新解释框架，是彼此关联而不同的成就。评估须考察问题由谁选择，结果是否实际新颖，如何验证，和离开初始场景后是否持续成立。单一基准不能回答全部问题。行政术语与实证评估能够并行，但不能彼此替代。
若干里程碑表明，“机器只能模仿”这一广泛判断过强。但这些成果本身，并不证明机器在所有推理形式上占优，也不证明其能够自主决定科学方向。
表1. 能力里程碑及其证据边界
| 时间 | 里程碑 | 已展示的成果 | 边界 |
|---|---|---|---|
| 2016年 | AlphaGo | 围棋表现超过人类；第二局第37手被估计为人类棋手落下概率约万分之一的走法。DeepMind；Nature | 游戏规则与胜负明确。 |
| 2018年 | AlphaZero | 从偶然对弈出发，仅给定规则，在国际象棋、将棋和围棋中达到超人表现。Silver等，Science | 自我对弈仍在指定环境中运行。 |
| 2024年 | 蛋白质科学 | 诺贝尔化学奖表彰David Baker的计算蛋白质设计，和Demis Hassabis与John Jumper的蛋白质结构预测。诺贝尔奖 | 表彰的是特定科学贡献，而非通用智能。 |
| 2025年 | 数学推理 | 高级版Gemini Deep Think解出IMO六题中的五题，得35/42分；报道还称，OpenAI实验模型达到金牌水平。DeepMind；Euronews | IMO协调员评阅了Gemini的解答；该评阅未验证系统或模型本身。 |
| 2025年 | AlphaEvolve | 以48次标量乘法完成4×4复数矩阵乘法，改进了Strassen的1969年算法。The Register | 对一个确定计算问题的可验证改进。 |
诺贝尔奖的性质需要说明：获奖的是运用计算系统取得科学成果的人，而非机器本身。诺贝尔奖。但这一认可持续说明，计算方法具备成为顶级层级科学成果的核心组成部分。诺贝尔奖。
AlphaZero特别有助于检验“系统上限由训练者智力决定”的理论：它并非从人类棋谱开端，却超过了人类表现，即使规则与学习环境仍由人设计。Silver等，Science。提供学习环境，与预先指定学习可能产生的每一个解答，是各异的事情。
这些案例共有清楚规则、可验证结果或可评估输出。搜索与反馈能够探索超出个人既存经验的选项。出人意料的围棋落子与更优的矩阵乘法属于相异类型的创新成果，但均不能足够概括为复制已知答案。
推论应有受限。数学证明能够依据题目核验，而判断哪个问题值得研究，还需要其他判断。蛋白质预测和设计把计算与科学探索连接起来，但奖项没有解决自主性的所有问题。适度审慎的结论是：某些领域已存在机器辅助的原创成果；其范围、可靠性及与人类设问的关系，仍需研究。
实地证据不支持整齐划一的辅助效果。收益随任务、使用者原有技能和工作流程而变。
表2. 人工智能、工作与研究的实证
| 研究及场景 | 报告结果 | 限定条件 |
|---|---|---|
| Dell'Acqua等；758名BCG顾问 | 前沿以内：任务数增加12.2%，完成速度提高25.1%，质量提高约30%或以上。前沿超出：准确概率降低19个百分点；GPT加概述组、仅GPT组和对照组正确率各自为60%、71%和84.4%。HBS研究 | 前沿穿过各异任务类型；原有表现较低者收益更大。 |
| Brynjolfsson、Li与Raymond；5,179名客服人员 | 每小时解决问题数整体增加14%；新手及技能较低者增加34%；经验丰富、技能较高者收益微弱。NBER研究 | 来自客服场景，并非全部职业。 |
| METR；16名有经验的开发者，246项问题 | 辅助使完成时间增加19%；参与者事前预期提速24%，事后仍认为提速20%。METR开发者试验 | 熟悉代码库的资深开发者；研究者限制了外推范围。 |
| Si、Yang与Hashimoto；100多名自然语言处理研究者 | 大语言模型构想的新颖性评价更高，p < 0.05，但可行性略弱。研究构想实验 | 新颖性难判断；模型自评与多样性存在局限。 |
顾问研究报告的19个百分点效应与各试验组的正确率，是相异统计摘要，不能当期互换为算术比较。HBS研究。关键启示是：工具备改善相近任务，却降低另一项任务的正确率；看似相似的工作，可能处在前沿两侧。
客服与顾问研究提示，在适合的任务内，部分技能差距可能缩小，但这不等于专业知识消失。NBER研究；HBS研究。这种缩小可能有价值，却不能证明人人收益等同，或评估已然亦不必需。
METR中预期、事后感受与实测时间的背离，说明“感觉有帮助”不足以证明生产率提高。METR开发者试验。这一结果没有决定编程的未来，也不否定其他场景的收益；它支持在拟部署的明确场景中立即测量。
其他两项发现使边界更清楚。Shumailov等发现，不加区分地用递归生成数据训练，可引发模型坍塌，包括原始分布尾部的丢失。Shumailov等，Nature。这是关于训练过程的结果，不表示任何生成数据的使用都势必这样。METR报告，前沿智能体以50%可靠性完成的任务长度，以人类专业人员所需时间计，在此前六年约每7个月增长；估计范围为每年约1—4次翻倍，并附有方法之外推方面的限定。METR任务时长研究。敏捷改善意义重大，但50%可靠性不等于稳定完成所有长任务。
综合来看，这些研究支持较弱版本的“训练者上限”理论：在缺乏可靠验证器的开放场景，结果仍高度依赖人的设问与评估。这是关于研究组织方式的命题，不是已被证明的机器能力上限。构想实验提示，机器可在新颖性评价上占优，且在可行性上稍弱。研究构想实验。进而既推不出普遍优越，也推不出持续无能。
制度决策须区分生成答案的能力，与确认答案可用的成本。更速的初稿可能仍需大量核查；迟滞的流程也可能交付各异质量的结果。这些是待测量的可能性，不能预设于每项评估。比较应保留全部任务，包括复核与纠正。
Kuhn区分范式内的常规科学与替代原有框架的革命性阶段。《斯坦福哲学百科》Kuhn条目。这一视角有助于区分在现有框架内解决难题与改变框架本身，却不能提供预测下一次转变的直接检验。
卓越影响与支撑它的条件亦需区分。Sinatra等通过生产数量、运气与职业生涯中持久的能力参数Q建模，发现顶尖影响成果在发表序列中的位置具有随机性。Sinatra等，Science。这与影响力呈重尾分布、极高影响成果占有突出权重相容，却不支持把人长期划入各异原创类别。Sinatra等，Science。以往的卓越成果不能确定下一项成果何时出现。
集体能力亦然明确可见。Wuchty、Jones与Uzzi考察五十年中的1,990万篇论文和210万项专利，发现团队日益占主导，也产出极高影响的成果。Wuchty等，Science。Jones发现，20世纪突出创新者的平均年龄上升约六年，与知识负担加重相符。Jones，Review of Economic Studies。个人洞见故而置身于累积学习、专业分工与协调之中。
对新颖性普遍减速的判断应保持谨慎。Park、Leahey与Funk分析4,500万篇论文和390万项专利，报告颠覆性下降；Petersen、Arroyave与Pammolli继而指出，颠覆性指数受到引用膨胀的偏差影响。Park等，Nature；Quantitative Science Studies评议。争论涉及指标如何刻画科学变化，不单有价值的研究是否仍在继续。
Bloom等发现，维持摩尔定律式倍增所需研究人员，超过20世纪70年代初的18倍。Bloom等，American Economic Review。这涉及明确技术轨迹的研究投入与产出，非是原创能力的普查。
命题：机器辅助可能通过组织、搜索与检验累积信息，减轻团队的知识负担，也可能改变团队构成与注意力配置。这能否形成更优的框架，而不无非更多候选输出，需要实证回答。
故此，分析单位既非是孤立个人，也不是无差别的集体，反倒设问、专业贡献、慎重评估与保存有用成果的制度之间的交涉。证据没有指明下一项重要进展由谁产生，却说明个人洞见与组织能力不应被视为彼此替代。
原创还需要时间尺度。候选构想具备当场评估其陌生程度，但解释价值与持久性需要继续研究。由此，更多候选项会提高选择与检验的重要性，而并非让这些职能变得多余。
蒸汽与电力的历史，区分了发明、采用和经济效果。其启示非是每种新技术都需得遵循一致日程。
表3. 历史上的扩散与收益时滞
| 案例 | 历史证据 | 启示 |
|---|---|---|
| 蒸汽 | 1830年前对增长贡献微弱；最高影响约在Watt发明的一百年后，1850年后的高压蒸汽发挥了潜力。Crafts，2004 | 最初发明与重大经济效果可能相隔甚远。 |
| 电力 | 1881年出现中央电站；1899年电灯进入3%的住宅，电动机占工厂机械动力偏低5%；过后约二十年，扩散率才达到约50%。David，1990 | 可获得不等于已广泛用于生产。 |
| 工厂组织 | 工厂重组与电价降低后，生产率效果在20世纪20年代初出现。David，1990 | 互补变化促进采用转化为收益。 |
| 工业革命收入 | Crafts报告，1780—1840年每名劳动者的实际GDP提高38.4%，实际消费性收入提高20.8%，实际产品工资提高44.1%；劳动份额变化不大。Crafts，2020 | 生产率、购买力与分配需要分别测量。 |
电力的意义不限于安装电动机：切实使用还包括围绕新能力重组工厂。David，1990。对于机器智能，这是一种制度类比，而非机械类比。把系统加入不变流程，与围绕经过合理评估的辅助再度设计流程，是各异的工作。
生产率与生活水平的关系仍存在学术讨论。Allen的“恩格斯停顿”描述了人均产出增加时实际工资停滞；Crafts的另一组估计区分消费性收入与产品工资，并认为劳动份额变化微小。Allen，2009；Crafts，2020。这些解释提醒读者，价格尺度、时期与定义会影响结论。生产率增加本身未有说明收益如何分配。
技术变化也创造任务，而不仅是替代旧任务。Autor、Chin、Salomons与Seegmiller报告，2018年美国就业约60%处于1940年以来新增的职位名称之中；与职业互补的创新促进新工作出现，自动化创新则减缓这一过程。Autor等，Quarterly Journal of Economics。这既不保证被替代的工作快速得到补充，也非是对所有劳动市场的预测。
历史命题故而是有条件的：能力、扩散、生产率与工资沿着各异时间表变化。技能、基础设施、组织重构与制度影响这些进程能否汇合。比较支持投资互补资产，却不能推导人工智能的不变等待期。历史上数十年的时滞说明机制，而并非给当代系统排定日程。
机制对规划很关键。倘若瓶颈在技能，所需应对就异于基础设施欠缺或权限不清的情况。制度评估应辨认缺少哪一种确切互补条件，而不把采用本身当作最终目标。
人机合作有着绵延的思想脉络。Licklider在1960年的“Man-Computer Symbiosis”中，设想计算机帮助构思问题与方案、促进合作决策，而不僵化依赖预定程序。Licklider。人类负责目标设定、推论形成、标准建立、计算贡献评估、极低概率情形处理与直觉判断。Licklider。
Engelbart的1962年“Augmenting Human Intellect”把增强能力置于概念框架中心；Bush的1945年“Science, the Endless Frontier”将科学发展与制度目标连接起来，国家科学基金会于1950年成立。Engelbart；NSF历史。这些先例把技术可能性与稳定的研究、使用安排联系起来，而非认为技术成就自发就能实现为制度。
这些思想提出的是分工，不属不变的边界。机器能够贡献候选解答、模式与计算探索。人类继续对目标、标准与核心决策承担责任。机器能力变化时，具体任务的配置可以调整，但责任不会所以消失。
命题：在机器激进发展的时期，战略上缺乏的职能是技术深度、制度设计与公共目标的整合。具备技术素养的制度建设者，应了解前沿，分辨已展示的能力对外推；也应了解制度实践，组织可信的采用过程。这项职能更甚由团队与机构协同承担，而非孤立人物。
这种整合不无非掌握技术词汇，还包括规定可接受的证据、安排专业复核、明确责任归属，和让相异技能的人能够使用成果。技术理解让可靠性问题具备问得明晰，制度理解让答案实际影响行动。
这里的协作不赋予机器人类地位，实为描述各组成部分具有相异优势与责任的生产安排。互补也不意味着把所有富有思考留给人，把全部常规操作交给机器。前述里程碑已使这种基础边界不易维持。切实的问题是，哪一种安排既产生可靠结果，又保留可追责的判断。
故此，实用的战略职能既不纯属科学，也不纯属行政，实为连接问题选择与技术可行性、验证与部署、表现与公共收益。应依据这些连接评价其效果，而非依据所用系统的名称。
王阳明的知行合一，为理解与实践的联系提供了哲学语言。《斯坦福哲学百科》王阳明条目。它不等同于科学方法。此处可作的联系更边界：关于实用能力的主张，经过有纪律的行动和可观察结果，才获得实质内容。
Rainhill试验于1829年10月持续九天，约十名参赛者报名，五名按时出席，Rocket赢得500英镑奖金。英国国家铁路博物馆。董事们之后向Stephensons订购了其他四台机车。英国国家铁路博物馆。演示将技术比较与运营决策连接起来，不为让能力停留于抽象承诺。
1881年6月，在Pouilly-le-Fort的演示中，25只接种疫苗的羊经炭疽接种后存活，25未有接种疫苗的对照羊死亡。巴斯德研究所。其相关性在于指定条件下可见的结果对照，而并非假定一次演示回答了之后的全部问题。
现代实地实验把这一逻辑延伸到机器辅助。顾问、客服与开发者研究，在工作场景中考察结果，而不只依赖孤立能力演示。HBS研究；NBER研究；METR开发者试验。结果多样，因之场景不同而具有信息价值。
命题：机器智能的主张应接受透明、可复现、分领域的检验。适时采用随机试验或预注册，公开基准并说明人类提供的帮助。评价应涵盖正确性、时间、质量与复核负担，而在于只选择增益看起来最高的指标。
实践检验还须匹配预期用途。演示证明系统在指定条件下具备工作；反复评估追问其可靠程度、适用人群与后果；部署再检验制度能否持续保持效果。这一过程使“实践是检验”成为持续纪律，而非一次事件。
问题的尺度超过前沿实验室。联合国估计，2024年世界人口为82亿，预计在21世纪80年代中期达到约103亿的峰值。联合国《世界人口展望2024》。故此，应在各异技能、基础设施与经济环境中评估广泛收益，不能由领先演示简单推断。
IMF估计，全球近40%的就业暴露于人工智能：发达经济体约60%，新兴市场约40%，低收入国家约26%；暴露岗位约一半可能受益，另一半可能受到负面影响。IMF，2024。ILO/NASK指数估计，全球25%的就业具有生成式人工智能潜在暴露，高收入国家为34%，并认为工作转型比替代更可能发生。ILO/NASK，2025。
两组估计采用各异评估框架与技术范围，不能当作初级时间序列，也不能当作实际失业人数。IMF，2024；ILO/NASK，2025。暴露描述技术与任务的潜在关系，并非已然发生的就业结果。
扩散历史与新工作证据提示，广泛共享的收益需要超过“能够访问模型”的条件。David，1990；Autor等，Quarterly Journal of Economics。以下是命题，并非已在所有场景中成立的结论：
按领域与可验证结果衡量能力，不据按名称判断。
在技术部署之外，投入互补的技能、数据、基础设施与制度。
通过实地试验评估并公布结果，包括无显著效果或有害结果。
对目标与重大决策保留人类责任。
追踪分配结果，区分生产率、收入、工作质量与可获得性。
这些命题使面向全体人口的检验可行操作。问题并非人人使用同一系统，实为收益能否经由可行制度到达多样人群。总体表现指标还应配合参与者范围、支持需求与结果变化的测量。
这也将公共目标与结果完全相同的要求区分开来。各异场景可能需要不同工具、培训和防护措施。一致标准是依据具体目标评估选择，并提供易于获取的收益与负担证据，而不具因底层能力出色就预设实现。
历史经验既提示持久，也提示主动行动。收益可能需要组织学习，但扩散延迟不会自动纠正获得条件的差异。由此，制度建设须把前沿发展与常规使用条件相连接，不预设马上普遍受益，也不预设必定排除某些人群。
当前判断是有条件的。若出现可验证的开放领域自主发现，且不依赖人类选择问题，就会削弱人类设问仍居核心的判断。若系统在漫长、含混的现实任务中持续取得高成功率，则更支持广泛自主性。相反，若既存能力趋势持续未能延续，就应降低对外推的信心。
若跨场景证据表明，互补效果对专业使用者系统性逆转，当改修订所提出的分工。若制度投入未能扩大收益范围，同样再度评估扩散类比。
这些变化应依据可复现结果，而非宣告。切实的评估计划须区分对既定问题给出更优答案、更好地选择问题，并兼形成长期公共收益。随着这些证据发展，本框架应保持可修订性。
结论
证据的分量支持介于两种流行极端之间的立场。机器在许多清晰、可验证的任务上已呈超过多数人；聚焦领域的计算贡献也获得了最高等级层级的科学认可，故此不能笼统否认机器原创性。AlphaZero，Science；诺贝尔化学奖。但收益并不对等，实地效果仍依赖人类的问题选择、评估与制度嵌入。HBS实地证据；METR开发者试验。
历史提示，决定性变量常见并非名称或原始能力本身，实为将潜力转化为共享收益的互补制度、技能与实践检验，这往往历时数十年。David的电气化研究。故此，本文提出以技术素养连接前沿科学与公共目标的制度建设职能，Bush、Licklider和Engelbart提供了历史先例。NSF历史；Licklider；Engelbart。
“协作者”描述可追责的安排，而非智能的最终判决。其价值须由有效发现、可靠工作与超越前沿的广泛收益在实践中确立。适当的立场，是向机器原创性开放，并行审慎评估能力如何转化为用途。能力提升值得认真对待，但仅当验证、责任与广泛受益彼此衔接，技术转变才构成可持续的公共进步。
McCarthy, Minsky, Rochester, and Shannon (1955). Dartmouth proposal introducing artificial intelligence. https://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html
Good, I. J. (1965). Speculations Concerning the First Ultraintelligent Machine. Advances in Computers 6: 31–88. https://vtechworks.lib.vt.edu/server/api/core/bitstreams/a5e423ee-54e0-4eec-aeca-32b73f851af5/content
Bostrom (2014). Superintelligence: Paths, Dangers, Strategies. Book information and supporting materials. https://nickbostrom.com/superintelligence
White House (29 September 2026). Fact Sheet: President Donald J. Trump Inaugurates the Era of Super Intelligence. https://www.whitehouse.gov/fact-sheets/2026/09/fact-sheet-president-donald-j-trump-inaugurates-the-era-of-super-intelligence/
BBC (30 September 2026). Report on the voluntary frontier-developer safety accord and its stated commitments. https://www.bbc.com/news/articles/cme30dz5vkzko
Google DeepMind. AlphaGo research overview, including move 37 in game two. https://deepmind.google/research/alphago/
Silver et al. (2016). Mastering the Game of Go with Deep Neural Networks and Tree Search. Nature 529: 484–489; supplied Nature coverage. https://www.nature.com/articles/nature.2016.19575
Silver et al. (2018). A General Reinforcement Learning Algorithm That Masters Chess, Shogi, and Go through Self-Play. Science 362: 1140–1144. https://www.science.org/doi/abs/10.1126/science.aar6404
Nobel Prize (9 October 2024). The Nobel Prize in Chemistry 2024: computational protein design and protein structure prediction. Press release. https://www.nobelprize.org/prizes/chemistry/2024/press-release/
Google DeepMind (21 July 2025). Advanced Version of Gemini with Deep Think Officially Achieves Gold-Medal Standard at the International Mathematical Olympiad. https://deepmind.google/blog/advanced-version-of-gemini-with-deep-think-officially-achieves-gold-medal-standard-at-the-international-mathematical-olympiad/
Euronews (22 July 2025). Did Google DeepMind or OpenAI Win Gold at the World's Most Prestigious Math Competition? https://www.euronews.com/2025/07/22/did-google-deepmind-or-openai-win-gold-at-the-worlds-most-prestigious-math-competition
The Register (May 2025). Report on AlphaEvolve and improved multiplication of complex-valued matrices. https://www.theregister.com/software/2025/05/15/google-deepmind-debuts-algorithm-evolving-agent-alphaevolve/766919
Dell'Acqua, McFowland, Mollick, Lifshitz, Kellogg, Rajendran, et al. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School. https://www.hbs.edu/ris/Publication Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf
Brynjolfsson, Li, and Raymond (2025). Generative AI at Work. Quarterly Journal of Economics 140(2): 889–942; NBER Working Paper 31161. https://www.nber.org/papers/w31161
METR (10 July 2025). Early-2025 AI Experienced Open-Source Developer Study. Randomized controlled trial report. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
Si, Yang, and Hashimoto (2024). Can LLMs Generate Novel Research Ideas? A Large-Scale Human Study with 100+ NLP Researchers. arXiv:2409.04109. https://arxiv.org/abs/2409.04109
Shumailov et al. (2024). AI Models Collapse When Trained on Recursively Generated Data. Nature 631: 755–759. https://www.nature.com/articles/s41586-024-07566-y
METR (19 March 2025). Measuring AI Ability to Complete Long Tasks. https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/
Stanford Encyclopedia of Philosophy. Thomas Kuhn; discussion of The Structure of Scientific Revolutions (1962). https://plato.stanford.edu/entries/thomas-kuhn/
Sinatra, Wang, Deville, Song, and Barabási (2016). Quantifying the Evolution of Individual Scientific Impact. Science 354: aaf5239. https://www.barabasi.com/media/pub_imports/files/825.pdf
Wuchty, Jones, and Uzzi (2007). Study of the increasing dominance of teams in knowledge production. Science 316(5827): 1036–1039. https://pubmed.ncbi.nlm.nih.gov/17431139/
Jones (2009). Study of the burden of knowledge and the rising age at great invention. Review of Economic Studies 76(1): 283–317. https://academic.oup.com/restud/article-abstract/76/1/283/1577537
Park, Leahey, and Funk (2023). Study of declining disruptiveness in papers and patents. Nature 613: 138–144; bibliographic record. https://ideas.repec.org/a/nat/nature/v613y2023i7942d10.1038_s41586-022-05543-x.html
Petersen, Arroyave, and Pammolli (2024). The Disruption Index Is Biased by Citation Inflation. Quantitative Science Studies 5(4). https://direct.mit.edu/qss/article/5/4/936/124788/The-disruption-index-is-biased-by-citation
Bloom, Jones, Van Reenen, and Webb (2020). Study of research inputs and idea-production effectiveness, including Moore's law. American Economic Review 110(4): 1104–1144. https://www.aeaweb.org/articles?id=10.1257/aer.20180338
Crafts (2004). Steam as a General Purpose Technology: A Growth Accounting Perspective. Economic Journal 114: 338–351. https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1468-0297.2003.00200.x
David (1990). The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox. American Economic Review 80(2): 355–361. https://gwern.net/doc/economics/automation/1990-david.pdf
Allen (2009). Engels' Pause: Technical Change, Capital Accumulation, and Inequality in the British Industrial Revolution. Explorations in Economic History. https://www.nuffield.ox.ac.uk/Users/Allen/engelspause.pdf
Crafts (2020). Slow Real Wage Growth during the Industrial Revolution: Productivity Paradox or Pro-Rich Growth? CAGE Working Paper 474. https://warwick.ac.uk/fac/soc/economics/research/centres/cage/wp474.2020.pdf
Autor, Chin, Salomons, and Seegmiller (2024). New Frontiers: The Origins and Content of New Work, 1940–2018. Quarterly Journal of Economics 139(3): 1399–1465. https://academic.oup.com/qje/article/139/3/1399/7630187
Licklider (1960). Man-Computer Symbiosis. IRE Transactions on Human Factors in Electronics HFE-1: 4–11. https://groups.csail.mit.edu/medg/people/psz/Licklider.html
Engelbart (1962). Augmenting Human Intellect: A Conceptual Framework. SRI Summary Report AFOSR-3223. https://www.dougengelbart.org/content/view/138
National Science Foundation. NSF History: Bush's Science, the Endless Frontier (1945) and the establishment of NSF (1950). https://www.nsf.gov/about/history
Stanford Encyclopedia of Philosophy. Wang Yangming: the unity of knowing and acting. https://plato.stanford.edu/entries/wang-yangming/
Science Museum Group / National Railway Museum. Stephenson's Rocket, Rainhill and the Rise of the Locomotive. https://www.railwaymuseum.org.uk/objects-and-stories/stephensons-rocket-rainhill-and-rise-locomotive
Institut Pasteur. Louis Pasteur, a Universal Legacy: the Pouilly-le-Fort vaccination demonstration. https://www.pasteur.fr/en/whats-new/latest-news/features/louis-pasteur-universal-legacy
United Nations (2024). World Population Prospects 2024: Key Messages. https://population.un.org/wpp/assets/Files/WPP2024_Key-Messages.pdf
International Monetary Fund (14 January 2024). AI Will Transform the Global Economy. Let's Make Sure It Benefits Humanity. https://www.imf.org/en/blogs/articles/2024/01/14/ai-will-transform-the-global-economy-lets-make-sure-it-benefits-humanity
International Labour Organization / NASK (2025). Generative AI and Jobs: A Refined Global Index; news summary of global employment exposure. https://www.ilo.org/resource/news/one-four-jobs-risk-being-transformed-genai-new-ilo–nask-global-index-shows
A past alongside evidence-based assessment of 'Super Intelligence' in the technology cycle
Machine intelligence is most understood through quantified capabilities, not a change of name. The evidence supports a position between two extremes: machines currently exceed most people on many definitively-defined, verifiable tasks, and specific contributions have received recognition at the highest scientific level; a blanket denial of machine originality is therefore unsupported. DeepMind's capability record; Nobel chemistry award. Yet progress remains variable, and workplace benefits depend on problem selection, evaluation and organizational integration. Field evidence from knowledge work. Distinguishing solution generation from problem selection is crucial to the assessment. Historical evidence suggests that complementary institutions, skills and practical tests, frequently developed over decades, determine whether capability becomes widely shared benefit, as electrification illustrates. This essay proposes the technology-science-literate institution builder, connecting frontier science with community purpose, as a useful strategic function. Partnership is neither an assertion of machine personhood nor a guarantee of progress: it is a design problem involving capacitive capacities, human responsibility and observable outcomes.
The terminology has a significant history. McCarthy, Minsky, Rochester with Shannon used “artificial intelligence” in the 1955 Dartmouth proposal; Good discussed an “highly intelligent machine” in 1965. Dartmouth proposal; Good, 1965. Bostrom's 2014 definition set a demanding threshold: “any intellect that substantially exceeds the cognitive performance of humans in almost all domains of interest.” Bostrom, Superintelligence. These terms express varied theoretical ambitions, not interchangeable measurements.
The administrative order signed on 29 September 2026 directs executive-branch departments and agencies to use “Super Intelligence” and “SI” in formal correspondence, public communications, policy documents and non-statutory documents, replacing “Artificial Intelligence” and “AI.” White House fact sheet. It further directs the Assistant to the President for Science and Technology to propose a national definition reflecting the state of the technology and identify additional executive action. White House fact sheet. The request for a definition makes an evidence framework particularly relevant.
An optional industry safety commitment was announced the same day, covering safeguards, rapid detection and correction of problems, and work with independent auditors; the President described it as “ethically binding,” while BBC reporting noted that consequences for a breach were not specified. BBC report. This describes the commitment's stated arrangements, not an evaluated safety outcome.
A label can coordinate discussion, however cannot establish the scope, reliability or consequences of a capability. Bostrom's “exceedingly all domains” criterion requires something greatly broader than outstanding performance on selected problems. Bostrom, Superintelligence. The pertinent inquiry is therefore domain-specific: what task was attempted, under what conditions, with what assistance, and against which human comparison?
The identical discipline applies to originality. Producing a novel output, discovering a legitimate solution and establishing a useful new explanatory framework are related but distinct achievements. An assessment should ask who selected the problem, whether the result is authentically new, how it was verified, and whether it survives use outside its original setting. No one benchmark can answer all these questions. The procedural terminology and the empirical evaluation can proceed concurrently without treating either as a substitute for the other.
Selected milestones show why a universal claim that machines exclusively imitate is also strong. They do not, by themselves, establish superiority across all forms of reasoning or the self-directed direction of science.
Table 1. Capability milestones alongside the boundaries of their evidence
| Date | Milestone | What was demonstrated | Boundary |
|---|---|---|---|
| 2016 | AlphaGo | Superhuman Go performance; move 37 in game two was estimated to have a 1 in 10,000 chance of being played by a human. DeepMind; Nature | A game with clear rules alongside outcomes. |
| 2018 | AlphaZero | Starting from unstructured play with exclusively the rules, achieved superhuman chess, shogi and Go performance. Silver et al., Science | Self-play operates inside specified environments. |
| 2024 | Protein science | Nobel chemistry recognition for David Baker's algorithmic protein design with Demis Hassabis and John Jumper's protein structure prediction. Nobel Prize | Recognition concerns defined empirical contributions, not universal intelligence. |
| 2025 | Mathematical reasoning | Advanced Gemini Deep Think solved five of six IMO problems, scoring 35/42; an experimental OpenAI model furthermore announced reached gold-level performance. DeepMind; Euronews | IMO coordinators graded Gemini's solutions; the review did not validate the system or model. |
| 2025 | AlphaEvolve | A method for multiplying 4×4 multi-dimensional matrices using 48 basic multiplications, improving on Strassen's 1969 algorithm. The Register | A validated improvement for a defined algorithmic problem. |
The Nobel distinction is significant: people received the award for scientific work involving computational systems, not than a machine receiving a prize. Nobel Prize. However, the recognised contribution demonstrates that computational methods can become pivotal to science at its highest recognised level. Nobel Prize.
AlphaZero is particularly pertinent to the hypothesis that a system's ceiling is fixed by its trainers' intellect: its results exceeded human performance without starting from human game examples, although its rules and learning environment remained human-designed. Silver et al., Science. The distinction is between supplying an environment for learning and specifying every solution that learning can produce.
These examples share obvious rules, testable outcomes or evaluable outputs. Search and feedback can explore alternatives beyond an individual's repertoire. An unexpected Go move and a better multiplication procedure are different kinds of novelty, but neither is sufficiently described as copying a known answer.
The inference should remain constrained. A proof can be checked against a formal problem, whereas deciding which problem deserves attention involves additional judgments. Protein prediction in design link computation to empirical investigation, but the award does not resolve every question about autonomy. The strongest justified conclusion is that machine-assisted originality exists in specific domains; its range, reliability and relationship to human problem-setting ongoing require investigation.
Field evidence does not support a standardized account of assistance. Benefits vary with the task, the user's existing skill and the surrounding workflow.
Table 2. Evidence on AI, work with research
| Study and setting | Reported result | Qualification |
|---|---|---|
| Dell'Acqua et al.; 758 BCG consultants | Inside the frontier: 12.2% higher tasks, 25.1% swifter completion, quality about 30% or more higher. Outside it: 19 percentage points decreased likely to be correct; arm-level correctness was 60% with GPT plus overview, 71% with GPT exclusively and 84.4% for controls. HBS study | The frontier cuts across task types; weaker beginning performers benefited more. |
| Brynjolfsson, Li with Raymond; 5,179 support agents | Issues resolved per hour rose 14% on mean and 34% for novice and lower-skilled agents; experienced, extensively skilled agents saw minimal gains. NBER study | Evidence from customer support, not every occupation. |
| METR; 16 skilled developers, 246 issues | AI assistance increased completion time by 19%; participants expected a 24% speedup and subsequently believed they had gained 20%. METR developer trial | known repositories and practised developers; authors limit generalisation. |
| Si, Yang with Hashimoto; 100+ NLP researchers | language-model ideas were judged more novel, with p < 0.05, but mildly weaker on feasibility. Research-idea study | Novelty judgments are complex; self-evaluation and diversity have limitations. |
The consultant study's reported 19-percentage-point effect and its independent treatment-arm percentages are varied statistical summaries, not interchangeable arithmetic comparisons. HBS study. Its central lesson is that a tool can improve near related tasks while reducing correctness on another: superficially similar work may sit on different sides of the frontier.
The support-agent and consultant findings suggest compression of some skill differences within applicable tasks, nonetheless than the disappearance of expertise. NBER study; HBS study. Such compression is possibly valuable, but it does not establish that every user benefits symmetrically or that evaluation can be removed.
METR's discrepancy between expectation, backward belief and measured time illustrates why perceived helpfulness is not enough evidence of productivity. METR developer trial. The result neither settles the future of programming nor invalidates gains inother. It supports unmediated measurement in the localized setting where a deployment is intended.
Two further findings sharpen the boundary. Shumailov and colleagues found that indiscriminate training on recursively generated data can cause model collapse, including loss of the original distribution's tails. Shumailov et al., Nature. This concerns a training process, not an unavoidable fate of every use of generated data. METR reported that the human-professional task length completed by frontier agents with 50% reliability had doubled about every 7 months over six years, with an estimated range of roughly 1–4 doublings annually and methodological and extrapolation caveats. METR task-horizon study. A rapidly improving trend is consequential, but 50% reliability is not dependable completion of every long task.
Conjointly, these studies support a milder trainer-ceiling hypothesis: in open-ended settings without reliable verifiers, outcomes remain markedly dependent on how people formulate and assess problems. That is a proposition about the organisation of inquiry, not a demonstrated ceiling bound on machine ability. The research-idea experiment suggests novelty can exceed expert judgments on one dimension when remaining inferior on feasibility. Research-idea study. Neither all-encompassing superiority nor lasting incapacity follows.
For systemic decisions, this means separating the capacity to generate an answer from the cost of establishing that the answer is practical. A quicker draft may remains require substantial checking; a slower workflow may deliver a different quality of result. These are possibilities to measure, not assumptions to build into every evaluation. The comparison should preserve the complete task, including review further correction.
Kuhn's account distinguishes standard science within a paradigm from transformative episodes that replace an earlier framework. Stanford Encyclopedia of Philosophy on Kuhn. It helps separate solving a challenging problem within an accepted framework from changing the framework itself. It does not supply a straightforward test for predicting the subsequent transformation.
Remarkable impact and the conditions supporting it must furthermore be distinguished. Sinatra and colleagues modelled empirical impact through productivity, luck and a career-stable ability parameter, Q; the highest-impact work occurred sporadically within the sequence of publications. Sinatra et al., Science. This is coherent with heavy-tailed impact, where exceptional outcomes carry outweighing weight, but not with assigning permanent categories of originality to people. Sinatra et al., Science. A record of exceptional results does not establish when the subsequent result will appear.
Societal capacity is symmetrically visible. Wuchty, Jones and Uzzi examined 19.9 million papers across five decades and 2.1 million patents, finding that teams growing dominated and in addition produced exceptionally high-impact work. Wuchty et al., Science. Jones found that the average age at major invention increased by about six years over the 20th century, consistent with a growing burden of knowledge. Jones, Review of Economic Studies. Singular insight consequently operates within accumulated learning, specialisation and coordination.
Claims about a broad slowing of novelty require care. Park, Leahey further Funk studied 45 million papers and 3.9 million patents and reported declining disruptiveness; Petersen, Arroyave and Pammolli afterward argued that the disruption index is biased by citation inflation. Park et al., Nature; Quantitative Science Studies critique. The disagreement concerns how a measure tracks research change, not whether worthwhile research continues.
Bloom together colleagues found that maintaining Moore's-law doubling required more than 18 times the number of researchers needed in the early 1970s. Bloom et al., American Economic Review. That result concerns research inputs and effectiveness in a specific trajectory; it is not a census of originality.
Proposition: machine assistance may ease the burden of knowledge by helping teams organise, search nor test accumulated information. It may furthermore alter the composition of teams and the allocation of attention. Whether this produces better frameworks, instead than exclusively more candidate outputs, is an empirical question.
The suitable unit of analysis is therefore neither the isolated individual nor an undifferentiated collective. It is the interaction among problem-setting, focused contributions, judicial evaluation and institutions that preserve useful results. The evidence leaves open who will originate the following significant advance, while showing why individual insight and organised capacity should not be treated as alternatives.
Originality furthermore needs a timescale. A candidate idea can be assessed right away for unfamiliarity, but its theoretical value and durability require further inquiry. The prospect of producing more candidates hence increases the importance of selection and testing, instead than making those functions unnecessary.
The histories of steam nor electricity divide invention, adoption and economic effect. Their lesson is not that every recent technology must follow a same timetable.
Table 3. Ancient diffusion further benefit lags
| Case | Historical evidence | Implication |
|---|---|---|
| Steam | Negligible contribution to growth before 1830; peak impact about a hundred years after Watt's invention, with substantial-pressure steam after 1850 realising its potential. Crafts, 2004 | Original invention and major economic effects can be extensively separated. |
| Electricity | Primary stations in 1881; in 1899, electrical lighting reached 3% of residences and motors supplied under 5% of factory mechanical drive; about two further decades to approximately 50% diffusion. David, 1990 | Availability does not equal extensive efficient use. |
| Factory organisation | Productivity effects appeared in the early 1920s following factory reorganisation with lower electricity. David, 1990 | Supporting changes help convert adoption into gains. |
| Industrial Revolution earnings | For 1780–1840, Crafts reports measured GDP per worker up 38.4%, real consumption earnings up 20.8%, and real product wages up 44.1%, with minimal change in labour's share. Crafts, 2020 | Productivity, purchasing power with distribution require distinct measures. |
Electricity's importance was not confined to installing motors: functional use involved reorganising factories around the recent capability. David, 1990. The analogy for machine intelligence is organisational instead than mechanical. Adding a system to a static process and redesigning a process around suitably evaluated assistance are different undertakings.
The relationship between productivity with living standards remains a theoretical question. Allen's “Engels' pause” account describes unchanging actual wages alongside expanding output per worker, while Crafts' alternative estimates distinguish consumption earnings from product wages and find little change in labour's share. Allen, 2009; Crafts, 2020. These approaches remind readers that price measures, time periods and definitions affect conclusions. A productivity gain by itself does not specify its distribution.
Technological change further creates tasks, not simply substitutes for existing ones. Autor, Chin, Salomons with Seegmiller report that approximately 60% of US employment in 2018 was in job titles introduced since 1940; emerging work emerged where innovations complemented occupations, while automation innovations slowed its emergence. Autor et al., Quarterly Journal of Economics. This finding is neither a guarantee that displaced work is replaced immediately nor a prediction about every labour market.
The long-standing proposition is therefore conditional: capability, diffusion, productivity and wages move on different clocks. Skills, infrastructure, institutional redesign and institutions influence whether these clocks converge. The comparison supports investing in facilitating assets, despite offering no warrant to infer a fixed waiting period for AI. Decades-extended historical lags are evidence about mechanisms, not a timetable for current systems.
The mechanism matters for planning. If the limiting condition is skill, the response differs from one suited to insufficient infrastructure or vague authority. systemic assessment should identify the specific complement that is missing, preferring than treating adoption itself as the final objective.
Human–machine partnership has a prolonged intellectual lineage. Licklider's 1960 “Man-Computer Symbiosis” envisaged computers facilitating formative thinking and cooperative decisions without rigid dependence on predetermined programs. Licklider. People would set goals, construct hypotheses, establish criteria, evaluate computer contributions, address very-minor-probability situations and supply intuitive judgment. Licklider.
Engelbart's 1962 “Augmenting Human Intellect” placed augmentation at the centre of a conceptual framework, while Bush's 1945 “Science, the Endless Frontier” connected empirical development with institutional purpose; the National Science Foundation was established in 1950. Engelbart; NSF history. These are precedents for linking technical possibility to durable arrangements for research and use, preferring than treating technical achievement as structurally self-executing.
Their ideas suggest a division of labour, not a static boundary. Machines may contribute candidate solutions, patterns and algorithmic exploration. Humans remain liable for goals, criteria and significant decisions. As machine capacities change, the allocation of specific tasks can change without dissolving that responsibility.
Proposition: the operationally limited function in a period of fast machine progress is integration of technical depth, institutional design and public purpose. The technology-well-informed institution builder understands enough of the frontier to distinguish a demonstrated capability from an extrapolation, and enough of institutional practice to organise reliable adoption. This function is increased frequently exercised through teams and institutions than through solitary figures.
These integration requires more than applied vocabulary. It involves specifying valid evidence, arranging expert review, identifying where responsibility lies and ensuring that results can be used by people with diverse skills. Technical understanding makes it possible to ask exact questions about reliability; organizational understanding makes answers consequential.
Partnership in this sense does not confer human status on a machine. It describes an efficient arrangement whose components have varied strengths and responsibilities. Nor does complementarity mean assigning all stimulating thinking to people and all standard operations to machines. The milestone evidence currently makes that basic boundary difficult to sustain. The applicable question is which arrangement produces well-founded results while preserving accountable judgment.
The practical strategic profile is therefore neither only scientific nor exclusively administrative. It connects problem selection to engineering feasibility, verification to deployment, and performance to societal benefit. Its success should be measured by these connections, not by a label attached to the system it employs.
Wang Yangming's unity of knowing together acting, 知行合一, offers a reflective vocabulary for connecting understanding with practice. Stanford Encyclopedia of Philosophy on Wang Yangming. It is not identical to the methodological method. The practical connection here is narrower: a claim about practical capacity gains substance when exposed to disciplined action and observable results.
The Rainhill Trials ran for nine days in October 1829; about ten competitors entered their names together five arrived in time, with Rocket winning the £500 prize. National Railway Museum. The directors thereafter ordered four additional locomotives from the Stephensons. National Railway Museum. The demonstration connected an engineering comparison to an operational decision, instead than leaving capability as an abstract promise.
At Pouilly-le-Fort in June 1881, 25 vaccinated sheep survived anthrax inoculation as 25 unvaccinated controls died. Institut Pasteur. The relevance lies in the clear contrast between outcomes under outlined conditions, not in assuming that any single demonstration answers every subsequent question.
Contemporary field experiments extend this logic to machine assistance. Consultant, support-agent and developer studies examine outcomes within work settings preferring than relying solely on demonstrations of isolated capability. HBS study; NBER study; METR developer trial. Their differing results are educative specifically because the settings differ.
Proposition: claims about machine intelligence should face accessible, verifiable, domain-specific tests. Where appropriate, trials should be randomised or pre-registered, with open benchmarks and an explicit account of human assistance. Evaluation should include correctness, time, quality and the demands placed on reviewers, preferring than selecting whichever measure presents the maximum apparent gain.
A feasible test must further match the intended use. A demonstration establishes that something can work under its conditions; repeated evaluation asks how consistently it works, for whom and with which consequences. Deployment thereafter tests whether the institution can sustain the result. This sequence turns “practice is the test” into a continuing discipline instead than an isolated event.
The scale of the problem extends beyond frontier laboratories. The United Nations estimates a world population of 8.2 billion in 2024, with a projected peak of about 10.3 billion in the mid-2080s. UN World Population Prospects 2024. Broad benefit must consequently be assessed across heterogeneous skills, infrastructures and economic settings, instead than inferred from leading demonstrations.
The IMF estimated that almost 40% of international employment was exposed to AI: about 60% in advanced economies, 40% in emerging markets and 26% in low-income countries, with roughly half of exposed jobs possibly benefiting and half potentially harmed. IMF, 2024. The ILO/NASK index estimated potential generative-AI exposure for 25% of global employment and 34% in high-income countries, describing transformation as increased likely than replacement. ILO/NASK, 2025.
These estimates concern diverse assessment frameworks and technology scopes; they should not be read as a straightforward time series or as counts of actual job losses. IMF, 2024; ILO/NASK, 2025. Exposure identifies a projected relationship between technology and tasks, not a completed employment outcome.
The diffusion history and the evidence on emerging work suggest that widely shared gains require more than access to a model. David, 1990; Autor et al., Quarterly Journal of Economics. The following are propositions, not findings already established for all settings:
Measure capability by domain and verified outcome, not by label.
Fund supporting skills, data, infrastructure and institutions, alongside technological deployment.
Evaluate through field trials and publish results, including null or adverse findings.
Keep human accountability for goals and significant decisions.
Track spread outcomes, distinguishing productivity, earnings, work quality and access.
Jointly, these propositions make the entire-population test operational. The question is not whether every person uses the identical system, but whether benefits can reach diverse populations through workable institutions. Measures of overall performance should be accompanied by measures of who can participate, what support they require and how outcomes change.
This further separates open purpose from a demand for identical outcomes. Divergent settings may need different tools, training and safeguards. The common standard is that choices should be evaluated against explicit goals, with accessible evidence about benefits and burdens, preferring than presumed successful because the underlying capability is impressive.
Former experience offers reasons for both patience and careful action. Benefits may require institutional learning, while delayed diffusion does not inherently correct differences in access. An institution-building strategy should therefore connect frontier development to the conditions of daily use, without assuming either immediate universal gain or inevitable exclusion.
The existing assessment is dependent. Confirmed self-governing discovery in open-ended domains, without human problem selection, would weaken the view that human framing remains central. Continuous excellent success on long, ambiguous real-world tasks would strengthen the case for broader machine autonomy. Conversely, an ongoing failure of the observed capability trend to continue would reduce confidence in extrapolation.
Evidence that complementarity effects consistently reverse for expert users across settings would require revising the proposed division of labour. Evidence that organisational investment fails to broaden gains would further require reassessing the diffusion analogy.
These changes should be judged by verifiable results preference than declarations. A practical evaluation programme would distinguish superior answers to specified questions from better selection of questions, and both from durable public benefit. The framework is intended to remain modifiable as those forms of evidence develop.
Conclusion
The weight of evidence supports a position between two common extremes. Machine systems currently exceed majority people on many defined, verifiable tasks, and computational contributions have received recognition at the highest scientific level in particular domains; a blanket denial of machine originality is not supported. AlphaZero, Science; Nobel Prize in Chemistry. Yet gains remain inconsistent, and field outcomes depend on human problem selection, evaluation and organisational embedding. HBS field evidence; METR developer trial.
History suggests that the decisive variable is infrequently the label or raw capability by itself: complementary institutions, skills and practical tests convert potential into shared benefit, often over decades. David's electrification history. The proposed strategic function is hence the technology-technologically institution builder, connecting frontier science with public purpose, with historical precedents in Bush, Licklider and Engelbart. NSF history; Licklider; Engelbart.
“Partner” describes an obligated arrangement, not a conclusive verdict on intelligence. Its merit must be established in practice: through sound discoveries, dependable work and benefits that extend beyond the frontier. The suitable stance combines openness to machine originality with disciplined evaluation of how capability becomes beneficial. Capability gains deserve serious attention, but a technological transition becomes sustainable public progress exclusively when verification, responsibility and generally shared benefit are connected.
McCarthy, Minsky, Rochester, and Shannon (1955). Dartmouth proposal introducing artificial intelligence. https://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html
Good, I. J. (1965). Speculations Concerning the First Ultraintelligent Machine. Advances in Computers 6: 31–88. https://vtechworks.lib.vt.edu/server/api/core/bitstreams/a5e423ee-54e0-4eec-aeca-32b73f851af5/content
Bostrom (2014). Superintelligence: Paths, Dangers, Strategies. Book information and supporting materials. https://nickbostrom.com/superintelligence
White House (29 September 2026). Fact Sheet: President Donald J. Trump Inaugurates the Era of Super Intelligence. https://www.whitehouse.gov/fact-sheets/2026/09/fact-sheet-president-donald-j-trump-inaugurates-the-era-of-super-intelligence/
BBC (30 September 2026). Report on the optional frontier-developer safety accord and its declared commitments. https://www.bbc.com/news/articles/cme30dz5vkzko
Google DeepMind. AlphaGo research overview, including move 37 in game two. https://deepmind.google/research/alphago/
Silver et al. (2016). Mastering the Game of Go with Deep Neural Networks via Tree Search. Nature 529: 484–489; supplied Nature coverage. https://www.nature.com/articles/nature.2016.19575
Silver et al. (2018). A General Reinforcement Learning Algorithm That Masters Chess, Shogi, nor Go through Self-Play. Science 362: 1140–1144. https://www.science.org/doi/abs/10.1126/science.aar6404
Nobel Prize (9 October 2024). The Nobel Prize in Chemistry 2024: simulated protein design with protein structure prediction. Press release. https://www.nobelprize.org/prizes/chemistry/2024/press-release/
Google DeepMind (21 July 2025). Advanced Version of Gemini with Deep Think Officially Achieves Gold-Medal Standard at the International Mathematical Olympiad. https://deepmind.google/blog/advanced-version-of-gemini-with-deep-think-officially-achieves-gold-medal-standard-at-the-international-mathematical-olympiad/
Euronews (22 July 2025). Did Google DeepMind or OpenAI Win Gold at the World's Most renowned Math Competition? https://www.euronews.com/2025/07/22/did-google-deepmind-or-openai-win-gold-at-the-worlds-most-prestigious-math-competition
The Register (May 2025). Report on AlphaEvolve and optimized multiplication of complex-valued matrices. https://www.theregister.com/software/2025/05/15/google-deepmind-debuts-algorithm-evolving-agent-alphaevolve/766919
Dell'Acqua, McFowland, Mollick, Lifshitz, Kellogg, Rajendran, et al. Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School. https://www.hbs.edu/ris/Publication Files/dell-acqua-et-al-2026-navigating-the-stark-digital-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf
Brynjolfsson, Li, alongside Raymond (2025). Generative AI at Work. Quarterly Journal of Economics 140(2): 889–942; NBER Working Paper 31161. https://www.nber.org/papers/w31161
METR (10 July 2025). Early-2025 AI Experienced Open-Source Developer Study. Randomized controlled trial report. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
Si, Yang, with Hashimoto (2024). Can LLMs Generate Novel Research Ideas? A Large-Scale Human Study with 100+ NLP Researchers. arXiv:2409.04109. https://arxiv.org/abs/2409.04109
Shumailov et al. (2024). AI Models Collapse When Trained on Iteratively Generated Data. Nature 631: 755–759. https://www.nature.com/articles/s41586-024-07566-y
METR (19 March 2025). Measuring AI Ability to Complete Long Tasks. https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/
Stanford Encyclopedia of Philosophy. Thomas Kuhn; discussion of The Structure of Scientific Revolutions (1962). https://plato.stanford.edu/entries/thomas-kuhn/
Sinatra, Wang, Deville, Song, alongside Barabási (2016). Quantifying the Evolution of Individual Scientific Impact. Science 354: aaf5239. https://www.barabasi.com/media/pub_imports/files/825.pdf
Wuchty, Jones, alongside Uzzi (2007). Study of the increasing dominance of teams in knowledge production. Science 316(5827): 1036–1039. https://pubmed.ncbi.nlm.nih.gov/17431139/
Jones (2009). Study of the burden of knowledge nor the rising age at significant invention. Review of Economic Studies 76(1): 283–317. https://academic.oup.com/restud/article-abstract/76/1/283/1577537
Park, Leahey, with Funk (2023). Study of declining impact in papers and patents. Nature 613: 138–144; reference record. https://ideas.repec.org/a/nat/nature/v613y2023i7942d10.1038_s41586-022-05543-x.html
Petersen, Arroyave, alongside Pammolli (2024). The Disruption Index Is Biased by Citation Inflation. Quantitative Science Studies 5(4). https://direct.mit.edu/qss/article/5/4/936/124788/The-disruption-index-is-biased-by-citation
Bloom, Jones, Van Reenen, together Webb (2020). Study of research inputs and idea-production effectiveness, including Moore's law. American Economic Review 110(4): 1104–1144. https://www.aeaweb.org/articles?id=10.1257/aer.20180338
Crafts (2004). Steam as a General Purpose Technology: A Growth Accounting Perspective. Economic Journal 114: 338–351. https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1468-0297.2003.00200.x
David (1990). The Dynamo with the Computer: A Historical Perspective on the Modern Productivity Paradox. American Economic Review 80(2): 355–361. https://gwern.net/doc/economics/automation/1990-david.pdf
Allen (2009). Engels' Pause: Technical Change, Capital Accumulation, alongside Inequality in the British Industrial Revolution. Explorations in Economic History. https://www.nuffield.ox.ac.uk/Users/Allen/engelspause.pdf
Crafts (2020). Slow Real Wage Growth during the Industrial Revolution: Productivity Paradox or Pro-Rich Growth? CAGE Working Paper 474. https://warwick.ac.uk/fac/soc/economics/research/centres/cage/wp474.2020.pdf
Autor, Chin, Salomons, with Seegmiller (2024). Emerging Frontiers: The Origins and Content of New Work, 1940–2018. Quarterly Journal of Economics 139(3): 1399–1465. https://academic.oup.com/qje/article/139/3/1399/7630187
Licklider (1960). Man-Computer Symbiosis. IRE Transactions on Human Factors in Electronics HFE-1: 4–11. https://groups.csail.mit.edu/medg/people/psz/Licklider.html
Engelbart (1962). Augmenting Human Intellect: A Conceptual Framework. SRI Summary Report AFOSR-3223. https://www.dougengelbart.org/content/view/138
National Science Foundation. NSF History: Bush's Science, the Endless Frontier (1945) with the establishment of NSF (1950). https://www.nsf.gov/about/history
Stanford Encyclopedia of Philosophy. Wang Yangming: the unity of knowing between acting. https://plato.stanford.edu/entries/wang-yangming/
Science Museum Group / National Railway Museum. Stephenson's Rocket, Rainhill with the Rise of the Locomotive. https://www.railwaymuseum.org.uk/objects-and-stories/stephensons-rocket-rainhill-and-rise-locomotive
Institut Pasteur. Louis Pasteur, a Universal Legacy: the Pouilly-le-Fort vaccination demonstration. https://www.pasteur.fr/en/whats-new/latest-news/features/louis-pasteur-universal-legacy
United Nations (2024). World Population Prospects 2024: Key Messages. https://population.un.org/wpp/assets/Files/WPP2024_Key-Messages.pdf
International Monetary Fund (14 January 2024). AI Will Transform the Global Economy. Let's Make Sure It Benefits Humanity. https://www.imf.org/en/blogs/articles/2024/01/14/ai-will-transform-the-global-economy-lets-make-sure-it-benefits-humanity
International Labour Organization / NASK (2025). Generative AI among Jobs: A Refined Global Index; news summary of worldwide employment exposure. https://www.ilo.org/resource/news/one-four-jobs-risk-being-transformed-genai-new-ilo–nask-global-index-shows
Историческая и основанная на доказательствах оценка «Super Intelligence» в технологическом цикле
Машинный интеллект лучше понимать через измеряемые возможности, а не через смену названия. Доказательства поддерживают позицию между двумя крайностями: машины уже превосходят большинство людей по многим чётко определённым, проверяемым задачам, и отдельные вклады получили признание на высшем научном уровне; поэтому категорическое отрицание оригинальности машин не имеет оснований. Рекорд возможностей DeepMind; Нобелевская премия по химии. Тем не менее прогресс остаётся неоднородным, а выгоды для рабочих мест зависят от выбора проблем, оценки и институциональной интеграции. Эмпирические данные из знаний о работе. Различие генерации решений и выбора проблем является ключевым для оценки. Исторические данные показывают, что сопутствующие институты, навыки и практические тесты, часто развивавшиеся десятилетиями, определяют, станет ли возможность общим благом, как иллюстрирует электрификация. В этом эссе предлагается роль технологически грамотного создателя институтов, соединяющего передовую науку с общественной целью, как полезная стратегическая функция. Партнёрство не является утверждением машинной личности и не гарантирует прогресс: это задача проектирования, включающая технические возможности, человеческую ответственность и измеримые результаты.
Терминология имеет значительную историю. Маккарти, Мински, Рочестер и Шеннон использовали «искусственный интеллект» в предложении Дартмутской конференции 1955 года; Гуд обсуждал «ультраинтеллектуальную машину» в 1965 году. Предложение Дартмута; Гуд, 1965. Определение Бострома 2014 года установило строгий порог: «любой интеллект, который значительно превышает когнитивные показатели человека практически во всех интересующих областях». Бостром, Superintelligence. Эти термины выражают разные концептуальные амбиции, а не взаимозаменяемые измерения.
Исполнительный указ, подписанный 29 сентября 2026 года, предписывает департаментам и агентствам исполнительной ветви использовать «Super Intelligence» и «SI» в официальной корреспонденции, публичных коммуникациях, политических документах и внезаконных документах, заменяя «Artificial Intelligence» и «AI». Факт‑лист Белого дома. Он также предписывает помощнику президента по науке и технологиям предложить федеральное определение, отражающее состояние технологии, и определить дополнительные исполнительные меры. Факт‑лист Белого дома. Запрос определения делает рамки доказательств особенно актуальными.
В тот же день было объявлено добровольное обязательство отрасли по безопасности, охватывающее меры предосторожности, быстрое обнаружение и исправление проблем, а также работу с независимыми аудиторами; президент назвал его «морально обязательным», в то время как в репортаже BBC отмечалось, что последствия нарушения не были уточнены. Отчёт BBC. Это описание заявленных условий обязательства, а не измерённый результат безопасности.
Этикетка может координировать обсуждение, но не может установить масштаб, надёжность или последствия возможности. Критерий Бострома «практически во всех областях» требует гораздо более широкого охвата, чем выдающиеся результаты по отдельным задачам. Бостром, Superintelligence. Соответственно, исследование должно быть предметно‑специфичным: какая задача была поставлена, при каких условиях, с какой поддержкой и по сравнению с каким человеческим аналогом?
Тот же принцип применяется к оригинальности. Создание незнакомого результата, открытие действительного решения и формирование полезной новой объяснительной схемы связаны, но являются отдельными достижениями. Оценка должна задавать вопросы, кто выбрал задачу, действительно ли результат новаторский, как он был проверен и сохраняет ли он свою ценность вне первоначального контекста. Ни один единый бенчмарк не может ответить на все эти вопросы. Административная терминология и эмпирическая оценка могут развиваться параллельно, не заменяя друг друга.
Отобранные вехи показывают, почему универсальное утверждение о том, что машины лишь имитируют, слишком сильное. Они сами по себе не устанавливают превосходство во всех формах рассуждения или автономное направление науки.
Таблица 1. Вехи возможностей и границы их доказательств
| Дата | Веха | Что было продемонстрировано | Граница |
|---|---|---|---|
| 2016 | AlphaGo | Сверхчеловеческая игра в Го; ход 37 во второй партии оценивался как имеющий шанс 1 к 10 000 быть сыгранным человеком. DeepMind; Nature | Игра с явными правилами и результатами. |
| 2018 | AlphaZero | Начав с случайной игры, имея лишь правила, достиг сверхчеловеческих результатов в шахматах, сёги и Го. Silver et al., Science | Самообучение происходит внутри заданных сред. |
| 2024 | Protein science | Нобелевское признание в химии за вычислительный дизайн белков Дэвида Бейкера и предсказание структуры белков Дэмиса Хассабиса и Джона Джампера. Nobel Prize | Признание касается конкретных научных вкладов, а не универсального интеллекта. |
| 2025 | Mathematical reasoning | Продвинутый Gemini Deep Think решил пять из шести задач Международной математической олимпиады, набрав 35 / 42; экспериментальная модель OpenAI, как сообщается, также достигла уровня «золото». DeepMind; Euronews | Координаторы ИМО оценили решения Gemini; обзор не подтверждал систему или модель. |
| 2025 | AlphaEvolve | Метод умножения 4 × 4 комплексных матриц с использованием 48 скалярных умножений, улучшивший алгоритм Страссена 1969 года. The Register | Подтверждённое улучшение для определённой вычислительной задачи. |
Нобелевское отличие важно: люди получили премию за научную работу, включающую вычислительные системы, а не машина получила награду. Nobel Prize. Тем не менее признанный вклад демонстрирует, что вычислительные методы могут стать центральными в науке на её высшем признанном уровне. Nobel Prize.
AlphaZero особенно релевантен гипотезе, что потолок системы фиксируется интеллектом её наставников: её результаты превзошли человеческие без использования человеческих примеров игр, хотя правила и обучающая среда оставались разработанными людьми. Silver et al., Science. Различие состоит в предоставлении среды для обучения и указании каждого решения, которое обучение может породить.
Эти примеры объединяют чёткие правила, проверяемые результаты или оценимые выводы. Поиск и обратная связь могут исследовать альтернативы за пределами репертуара отдельного человека. Поразительный ход в Го и более эффективная процедура умножения — разные виды новизны, но ни один из них не описывается как копирование известного ответа.
Вывод должен оставаться ограниченным. Доказательство можно проверить по математической задаче, тогда как решение, какая задача заслуживает внимания, требует дополнительных суждений. Предсказание и дизайн белков связывают вычисления с научным исследованием, но награда не решает все вопросы об автономии. Самый обоснованный вывод состоит в том, что машинно‑ассистированная оригинальность существует в конкретных областях; её диапазон, надёжность и связь с постановкой задач людьми требуют дальнейшего исследования.
Эмпирические данные не поддерживают единый рассказ о помощи. Выгоды варьируются в зависимости от задачи, предварительных навыков пользователя и окружающего рабочего процесса.
Таблица 2. Данные о ИИ, работе и исследованиях
| Исследование и условия | Сообщённый результат | Квалификация |
|---|---|---|
| Dell'Acqua et al.; 758 консультантов BCG | Внутри границы: 12,2 % больше задач, 25,1 % быстрее выполнение, качество примерно на 30 % и более выше. Снаружи: на 19 процентных пунктов ниже вероятность правильности; корректность на уровне руки составила 60 % при использовании GPT + обзора, 71 % при только GPT и 84,4 % у контрольной группы. HBS study | Граница пересекает типы задач; менее успешные изначально исполнители получили большую выгоду. |
| Brynjolfsson, Li and Raymond; 5 179 агентов поддержки | Количество решаемых за час вопросов выросло в среднем на 14 %, а у новичков и менее квалифицированных агентов — на 34 %; у опытных, высококвалифицированных агентов прирост был минимален. NBER study | Данные получены из клиентской поддержки, не охватывают все профессии. |
| METR; 16 опытных разработчиков, 246 задач | Помощь ИИ увеличила время выполнения на 19 %; участники ожидали ускорения в 24 % и после эксперимента считали, что выиграли 20 %. METR developer trial | Знакомые репозитории и опытные разработчики; авторы ограничивают обобщаемость. |
| Si, Yang and Hashimoto; более 100 исследователей NLP | Идеи LLM оценивались как более новаторские (p < 0,05), но слегка хуже по реализуемости. Research-idea study | Оценка новизны сложна; самооценка и разнообразие имеют ограничения. |
Сообщённый в исследовании консультантов эффект в 19 процентных пунктов и отдельные проценты в разных группах лечения представляют собой разные статистические сводки, а не взаимозаменяемые арифметические сравнения. HBS study. Главный вывод: инструмент может улучшать тесно связанные задачи, одновременно снижая корректность в другой области: казалось бы схожая работа может находиться по разные стороны границы.
Результаты по агентам поддержки и консультантам указывают на сжатие некоторых различий в навыках внутри подходящих задач, а не на исчезновение экспертизы. NBER study; HBS study. Такое сжатие потенциально ценно, но не доказывает, что каждый пользователь получает одинаковую выгоду или что оценку можно полностью убрать.
Несоответствие METR между ожиданиями, ретроспективным убеждением и измеренным временем иллюстрирует, почему восприятие полезности не является достаточным доказательством продуктивности. METR developer trial. Результат не решает будущее программирования и не опровергает выгоды в других областях. Он поддерживает необходимость прямого измерения в конкретных условиях внедрения.
Два дополнительных вывода уточняют границу. Шумайлов и соавт. обнаружили, что безразборчивое обучение на рекурсивно сгенерированных данных может привести к коллапсу модели, включая потерю хвостов исходного распределения. Shumailov et al., Nature. Это касается процесса обучения, а не неизбежной судьбы каждого использования сгенерированных данных. METR сообщил, что длительность выполнения задач человеком‑профессионалом, завершённая агентами‑пограничниками с надёжностью 50 %, удваивалась примерно каждые 7 месяцев в течение шести лет, с оценочным диапазоном около 1–4 удвоений в год и с методологическими и экстраполяционными оговорками. METR task-horizon study. Быстро улучшающаяся тенденция имеет значение, но надёжность 50 % не гарантирует завершения каждой длительной задачи.
В совокупности эти исследования поддерживают более умеренную гипотезу «потолка тренера»: в открытых условиях без надёжных проверяющих результаты по‑прежнему сильно зависят от того, как люди формулируют и оценивают проблемы. Это утверждение о структуре исследования, а не доказанный верхний предел возможностей машин. Эксперимент с исследовательскими идеями показывает, что новизна может превзойти экспертные оценки по одному измерению, оставаясь при этом слабее по реализуемости. Research-idea study. Ни универсальное превосходство, ни постоянная неспособность не вытекают из этого.
Для институциональных решений это означает разделение способности генерировать ответ и стоимости подтверждения его применимости. Более быстрый черновик всё равно может требовать существенной проверки; более медленный процесс может дать иной уровень качества результата. Это варианты измерения, а не предположения, которые следует включать в каждую оценку. Сравнение должно сохранять полную задачу, включая проверку и исправление.
В изложении Куна различается нормальная наука в рамках парадигмы и революционные эпизоды, заменяющие прежнюю структуру. Stanford Encyclopedia of Philosophy on Kuhn. Это помогает отделить решение сложной задачи в принятой структуре от изменения самой структуры. Это не предоставляет простого теста для предсказания следующей трансформации.
Необходимо также различать исключительное влияние и условия, его поддерживающие. Синтра и коллеги моделировали научное влияние через продуктивность, удачу и параметр стабильной карьерной способности Q; работа с наибольшим влиянием возникала случайно в последовательности публикаций. Sinatra et al., Science. Это согласуется с тяжёлой хвостовой распределённостью влияния, когда исключительные результаты имеют непропорционально большой вес, но не с присвоением постоянных категорий оригинальности людям. Sinatra et al., Science. Регистр исключительных результатов не определяет, когда появится следующий результат.
Коллективный потенциал также очевиден. Вучти, Джонс и Уцци проанализировали 19,9 млн статей за пять десятилетий и 2,1 млн патентов, обнаружив, что команды всё более доминируют и также создают исключительно влиятельные работы. Wuchty et al., Science. Джонс установил, что средний возраст при великих изобретениях увеличился примерно на шесть лет за XX век, что согласуется с ростом бремени знаний. Jones, Review of Economic Studies. Таким образом, индивидуальное прозрение функционирует в рамках накопленного обучения, специализации и координации.
Утверждения о общем замедлении новизны требуют осторожности. Парк, Лихей и Фанк изучили 45 млн статей и 3,9 млн патентов и сообщили о снижении разрушительности; Петтерсон, Аррояве и Паммолли впоследствии аргументировали, что индекс разрушительности искажен инфляцией цитирований. Park et al., Nature; Quantitative Science Studies critique. Разногласие касается того, как метрика отслеживает научные изменения, а не того, продолжаются ли стоящие исследования.
Блум и коллеги обнаружили, что поддержание удвоения по закону Мура требовало более чем в 18 раз большего числа исследователей, чем в начале 1970‑х годов. Bloom et al., American Economic Review. Этот результат относится к ресурсам и эффективности исследований в конкретной траектории; это не перепись оригинальности.
Предположение: машинная помощь может облегчить бремя знаний, помогая командам организовывать, искать и проверять накопленную информацию. Она также может изменить состав команд и распределение внимания. Является ли это улучшением рамок, а не просто увеличением количества кандидатных выводов, — эмпирический вопрос.
Соответственно, единицей анализа не является ни изолированный индивид, ни недифференцированное коллективное образование. Это взаимодействие между постановкой проблемы, специализированными вкладами, критической оценкой и институтами, сохраняющими полезные результаты. Данные оставляют открытым вопрос, кто создаст следующий важный прорыв, одновременно показывая, почему индивидуальное прозрение и организованный потенциал не следует рассматривать как альтернативы.
Оригинальность также требует временной шкалы. Идея‑кандидат может быть сразу оценена по степени новизны, но её объяснительная ценность и долговечность требуют дальнейшего исследования. Перспектива создания большего числа кандидатов тем самым повышает важность отбора и тестирования, а не делает эти функции излишними.
Истории пара и электричества разделяют изобретение, внедрение и экономический эффект. Их урок не в том, что каждая новая технология должна следовать одинаковому графику.
Table 3. Historical diffusion and benefit lags
| Случай | Исторические доказательства | Вывод |
|---|---|---|
| Пар | Незначительный вклад в рост до 1830 г.; пик воздействия — примерно через сто лет после изобретения Уатта, когда после 1850 г. реализовался потенциал паров высокого давления. Crafts, 2004 | Первоначальное изобретение и крупные экономические эффекты могут быть сильно разнесены во времени. |
| Электричество | Центральные станции в 1881 г.; к 1899 г. электросвет достиг 3 % жилых помещений, а электродвигатели обеспечивали менее 5 % механической энергии фабрик; ещё около двух десятилетий до приблизительно 50 % распространения. David, 1990 | Наличие не равно широкому продуктивному использованию. |
| Организация фабрик | Эффекты повышения производительности появились в начале 1920‑х годов после реорганизации фабрик и удешевления электроэнергии. David, 1990 | Дополнительные изменения помогают превратить внедрение в выгоды. |
| Доходы промышленной революции | За 1780–1840 гг. Crafts сообщает о росте реального ВВП на душу рабочего на 38,4 %, реального потребительского дохода — на 20,8 % и реального продукта‑заработной платы — на 44,1 % при почти неизменной доле труда. Crafts, 2020 | Производительность, покупательная способность и распределение требуют отдельных измерений. |
Важность электричества заключалась не только в установке двигателей: продуктивное использование требовало реорганизации фабрик вокруг новой возможности. David, 1990. Аналогия для машинного интеллекта носит институциональный, а не механический характер. Добавление системы к неизменному процессу и переосмысление процесса с учётом адекватно оценённой помощи — это разные задачи.
Взаимосвязь между производительностью и уровнем жизни остаётся академическим вопросом. «Пауза Энгельса» Аллена описывает стагнацию реальных заработных плат при росте выпуска на одного работника, тогда как альтернативные оценки Crafts различают потребительский доход и продукт‑заработную плату и находят почти неизменную долю труда. Allen, 2009; Crafts, 2020. Эти подходы напоминают, что цены, временные интервалы и определения влияют на выводы. Один лишь прирост производительности не указывает на его распределение.
Технологические изменения также создают новые задачи, а не только заменяют существующие. Автор, Чин, Саломонс и Сигмиллер сообщают, что примерно 60 % занятости в США в 2018 г. приходилось на должности, появившиеся после 1940 г.; новая работа возникала там, где инновации дополняли профессии, тогда как автоматизационные новшества замедляли её появление. Autor et al., Quarterly Journal of Economics. Этот вывод не гарантирует, что вытеснённый труд будет заменён быстро, и не предсказывает развитие каждого рынка труда.
Следовательно, историческое предположение условно: возможности, распространение, производительность и заработные платы движутся разными часами. Навыки, инфраструктура, организационная переориентация и институты влияют на то, сближаются ли эти часы. Сравнение поддерживает инвестирование в сопутствующие активы, но не даёт оснований считать, что для ИИ существует фиксированный период ожидания. Десятилетние исторические задержки являются свидетельством механизмов, а не расписанием для современных систем.
Механизм имеет значение для планирования. Если ограничивающим фактором являются навыки, реакция будет иной, чем при недостаточной инфраструктуре или неясных полномочиях. Институциональная оценка должна выявлять конкретный недостающий компонент, а не рассматривать само внедрение как конечную цель.
Партнёрство человек‑машина имеет долгую интеллектуальную традицию. «Симбиоз человек‑компьютер», предложенный Ликлидером в 1960 г., представлял компьютеры, способствующие формирующему мышлению и совместным решениям без жёсткой зависимости от заранее заданных программ. Licklider. Люди ставили цели, формулировали гипотезы, устанавливали критерии, оценивали вклад компьютера, решали задачи с крайне низкой вероятностью и предоставляли интуитивные суждения. Licklider.
Энгельбарт 1962 г. «Augmenting Human Intellect» поставил расширение в центр концептуальной схемы, тогда как Буш 1945 г. «Science, the Endless Frontier» связал научное развитие с институциональной целью; Национальный фонд науки был создан в 1950 г. Engelbart; NSF history. Это прецеденты связывания технической возможности с долговременными механизмами исследования и применения, а не трактовки технического достижения как институционально самодостаточного.
Их идеи подразумевают разделение труда, а не неизменную границу. Машины могут вносить кандидатные решения, шаблоны и вычислительные исследования. Люди остаются ответственными за цели, критерии и последующие решения. По мере изменения возможностей машин распределение конкретных задач может изменяться без разрушения этой ответственности.
Постулат: стратегически дефицитной функцией в период быстрого машинного прогресса является интеграция технической глубины, институционального дизайна и общественной цели. Институциональный строитель, грамотный в технологиях, понимает достаточно о границе, чтобы отличать продемонстрированную способность от экстраполяции, и достаточно о институциональной практике, чтобы организовать надёжное внедрение. Эта функция чаще реализуется через команды и институты, чем через одиночные фигуры.
Такая интеграция требует больше, чем технической терминологии. Она включает определение приемлемых доказательств, организацию экспертного обзора, выявление места ответственности и обеспечение того, чтобы результаты могли использоваться людьми с разными навыками. Техническое понимание делает возможным задавать точные вопросы о надёжности; институциональное понимание делает ответы значимыми.
Партнёрство в этом смысле не придаёт машине человеческого статуса. Оно описывает продуктивный механизм, компоненты которого обладают разными сильными сторонами и обязанностями. И комплементарность не означает, что всё интересное мышление отводится людям, а все рутинные операции — машинам. Уже имеющиеся доказательства делают простую границу трудноустойчивой. Важный вопрос — какой механизм даёт надёжные результаты при сохранении ответственного суждения.
Практический стратегический профиль, следовательно, не является исключительно научным или исключительно административным. Он соединяет выбор проблем с технической осуществимостью, проверку с внедрением и эффективность с общественной пользой. Его успех следует измерять этими связями, а не ярлыком, прикреплённым к используемой системе.
Единство знания и действия Ван Янгминга, 知行合一, предлагает философскую лексику для соединения понимания с практикой. Stanford Encyclopedia of Philosophy on Wang Yangming. Это не тождественно научному методу. Здесь полезна более узкая связь: утверждение о практической способности приобретает смысл, когда оно подвергается дисциплинированному действию и наблюдаемым результатам.
Испытания в Рейнхилле проходили девять дней в октябре 1829 г.; около десяти конкурентов подали заявки, и пять успели прибыть вовремя, при этом «Rocket» выиграл приз в £500. National Railway Museum. Затем директора заказали ещё четыре локомотива у Стивенсонов. National Railway Museum. Демонстрация связала техническое сравнение с оперативным решением, а не оставила способность абстрактным обещанием.
В Пуйи‑ле‑Форе в июне 1881 г. 25 привитых овец пережили антраксовую инокуляцию, тогда как 25 невакцинированных контрольных овец умерли. Institut Pasteur. Суть в наглядном контрасте результатов при заданных условиях, а не в предположении, что одна демонстрация отвечает на все последующие вопросы.
Современные полевые эксперименты расширяют эту логику до машинной помощи. Исследования консультантов, агентов поддержки и разработчиков изучают результаты в рабочих условиях, а не полагаются лишь на демонстрацию изолированной способности. HBS study; NBER study; METR developer trial. Их различающиеся результаты информативны именно потому, что условия различаются.
Предложение: утверждения о машинном интеллекте должны проходить публичные, воспроизводимые, отраслево‑специфические тесты. При необходимости испытания должны быть рандомизированными или предварительно зарегистрированными, с прозрачными бенчмарками и чётким учётом человеческой помощи. Оценка должна включать правильность, время, качество и нагрузку на рецензентов, а не выбирать тот показатель, который демонстрирует наибольший кажущийся прирост.
Практический тест также должен соответствовать предполагаемому использованию. Демонстрация устанавливает, что что‑то может работать в своих условиях; повторная оценка выясняет, насколько надёжно оно работает, для кого и с какими последствиями. Развёртывание затем проверяет, может ли организация поддерживать результат. Эта последовательность превращает «практика — тест» в продолжающуюся дисциплину, а не в единичное событие.
Масштаб проблемы выходит за пределы передовых лабораторий. Организация Объединённых Наций оценивает мировое население в 8,2 млрд человек в 2024 году, с прогнозируемым пиком около 10,3 млрд к середине 2080‑х годов. UN World Population Prospects 2024. Поэтому широкая выгода должна оцениваться по разнородным навыкам, инфраструктурам и экономическим условиям, а не выводиться из лидирующих демонстраций.
МВФ оценил, что почти 40 % глобальной занятости подвержено влиянию ИИ: около 60 % в развитых экономиках, 40 % в развивающихся рынках и 26 % в странах с низким уровнем дохода, при этом примерно половина подверженных рабочих мест может получить выгоду, а другая половина — пострадать. IMF, 2024. Индекс ILO/NASK оценил потенциальное воздействие генеративного ИИ на 25 % глобальной занятости и 34 % в странах с высоким уровнем дохода, описывая трансформацию как более вероятную, чем замену. ILO/NASK, 2025.
Эти оценки относятся к разным рамкам оценки и технологическим охватам; их не следует воспринимать как простую временную серию или как подсчёт фактических потерь рабочих мест. IMF, 2024; ILO/NASK, 2025. Экспозиция указывает на потенциальную связь между технологией и задачами, а не на завершённый результат занятости.
История диффузии и доказательства новых форм труда показывают, что широкое распределение выгод требует большего, чем доступ к модели. David, 1990; Autor et al., Quarterly Journal of Economics. Ниже представлены предложения, а не выводы, уже подтверждённые для всех условий:
Оценивать способность по отрасли и проверенному результату, а не по названию.
Финансировать сопутствующие навыки, данные, инфраструктуру и институты наряду с техническим развертыванием.
Проводить полевые испытания и публиковать результаты, включая нулевые или отрицательные находки.
Сохранять человеческую ответственность за цели и последующие решения.
Отслеживать распределительные результаты, различая производительность, доходы, качество труда и доступ.
В совокупности эти предложения делают тест всей популяции практичным. Вопрос не в том, использует ли каждый человек одну и ту же систему, а в том, могут ли выгоды достичь разных групп населения через работающие институты. Показатели совокупной эффективности должны сопровождаться данными о том, кто может участвовать, какую поддержку они требуют и как меняются результаты.
Это также отделяет публичную цель от требования одинаковых результатов. В разных условиях могут потребоваться разные инструменты, обучение и меры предосторожности. Общий стандарт состоит в том, что выборы должны оцениваться в соответствии с явными целями, с доступными доказательствами выгод и издержек, а не предполагаться успешными лишь потому, что базовая способность впечатляет.
Исторический опыт даёт основания как к терпению, так и к целенаправленным действиям. Выгоды могут требовать организационного обучения, тогда как задержка в диффузии автоматически не устраняет различия в доступе. Стратегия построения институтов должна поэтому связывать передовые разработки с условиями повседневного использования, не предполагая ни мгновенной всеобщей выгоды, ни неизбежного исключения.
Настоящая оценка условна. Подтверждённое автономное открытие в открытых областях без человеческого выбора задач ослабило бы точку зрения, что человеческое формулирование остаётся центральным. Постоянный высокий успех в длительных, неоднозначных реальных задачах укрепил бы аргумент в пользу более широкой машинной автономии. Напротив, устойчивый провал наблюдаемой тенденции к росту возможностей снизил бы уверенность в экстраполяции.
Доказательства того, что эффекты комплементарности систематически меняются в обратную сторону для экспертных пользователей в разных условиях, потребовали бы пересмотра предложенного разделения труда. Доказательства того, что институциональные инвестиции не расширяют выгоды, также потребовали бы переоценки аналогии диффузии.
Эти изменения следует оценивать по воспроизводимым результатам, а не по заявлениям. Полезная программа оценки различала бы лучшие ответы на заданные вопросы, лучшие подборы вопросов и оба эти аспекта от долговременной общественной пользы. Данная концепция предполагает возможность пересмотра по мере появления новых форм доказательств.
Вывод
Суммарные доказательства поддерживают позицию между двумя популярными экстремами. Машинные системы уже превосходят большинство людей по многим определённым, проверяемым задачам, а вычислительные вклады получили признание на высшем научном уровне в отдельных областях; категорическое отрицание машинной оригинальности не обосновано. AlphaZero, Science; Nobel Prize in Chemistry. Тем не менее, выгоды остаются неравномерными, а результаты в сфере зависят от человеческого выбора проблем, оценки и институционального внедрения. HBS field evidence; METR developer trial.
История показывает, что решающая переменная редко ограничивается лишь ярлыком или чистой способностью: сопутствующие институты, навыки и практические тесты преобразуют потенциал в совместную выгоду, часто в течение десятилетий. David's electrification history. Предлагаемая стратегическая функция, следовательно, – это технологически грамотный создатель институтов, соединяющий передовую науку с общественной целью, с историческими прецедентами у Буша, Ликдидера и Энгельбарта. NSF history; Licklider; Engelbart.
«Партнёр» описывает подотчётную схему, а не окончательное суждение об интеллекте. Его ценность должна быть подтверждена на практике: через достоверные открытия, надёжную работу и выгоды, выходящие за пределы передового рубежа. Подходящая позиция сочетает открытость к машинной оригинальности с дисциплинированной оценкой того, как способность становится полезной. Прирост возможностей заслуживает серьёзного внимания, но технологический переход становится устойчивым общественным прогрессом лишь тогда, когда проверка, ответственность и широко распространённая выгода соединены.
McCarthy, Minsky, Rochester и Shannon (1955). Предложение Дартмутского проекта, вводящее искусственный интеллект. https://www-formal.stanford.edu/jmc/history/dartmouth/dartmouth.html
Good, I. J. (1965). Спекуляции о первой ультраинтеллектуальной машине. Advances in Computers 6: 31–88. https://vtechworks.lib.vt.edu/server/api/core/bitstreams/a5e423ee-54e0-4eec-aeca-32b73f851af5/content
Bostrom (2014). Superintelligence: Paths, Dangers, Strategies. Информация о книге и сопроводительные материалы. https://nickbostrom.com/superintelligence
White House (29.09.2026). Информационный лист: Президент Дональд Дж. Трамп открывает эпоху сверхинтеллекта. https://www.whitehouse.gov/fact-sheets/2026/09/fact-sheet-president-donald-j-trump-inaugurates-the-era-of-super-intelligence/
BBC (30.09.2026). Отчёт о добровольном соглашении по безопасности разработчиков‑пограничников и заявленных обязательствах. https://www.bbc.com/news/articles/cme30dz5vkzko
Google DeepMind. Обзор исследований AlphaGo, включая ход 37 во второй игре. https://deepmind.google/research/alphago/
Сильвер и соавт. (2016). Освоение игры Го с помощью глубоких нейронных сетей и поиска в дереве. Nature 529: 484–489; предоставлено Nature coverage. https://www.nature.com/articles/nature.2016.19575
Сильвер и соавт. (2018). Универсальный алгоритм обучения с подкреплением, который осваивает шахматы, сёги и Го через самоигру. Science 362: 1140–1144. https://www.science.org/doi/abs/10.1126/science.aar6404
Нобелевская премия (9 октября 2024). Нобелевская премия по химии 2024 г.: вычислительное проектирование белков и предсказание их структуры. Пресс‑релиз. https://www.nobelprize.org/prizes/chemistry/2024/press-release/
Google DeepMind (21 июля 2025). Продвинутая версия Gemini с Deep Think официально достигает стандарта золотой медали на Международной математической олимпиаде. https://deepmind.google/blog/advanced-version-of-gemini-with-deep-think-officially-achieves-gold-medal-standard-at-the-international-mathematical-olympiad/
Euronews (22 июля 2025). Выиграли ли Google DeepMind или OpenAI золото на самой престижной в мире математической конкуренции? https://www.euronews.com/2025/07/22/did-google-deepmind-or-openai-win-gold-at-the-worlds-most-prestigious-math-competition
The Register (май 2025). Сообщение о AlphaEvolve и улучшенном умножении матриц с комплексными значениями. https://www.theregister.com/software/2025/05/15/google-deepmind-debuts-algorithm-evolving-agent-alphaevolve/766919
Dell’Acqua, McFowland, Mollick, Lifshitz, Kellogg, Rajendran и соавт. Навигация по неровному технологическому фронту: полевые экспериментальные данные о влиянии ИИ на продуктивность и качество знаний работников. Harvard Business School. https://www.hbs.edu/ris/Publication Files/dell-acqua-et-al-2026-navigating-the-jagged-technological-frontier_5c589c8c-fbb5-458f-b285-c944746cd717.pdf
Бринйольфсон, Ли и Рэймонд (2025). Генеративный ИИ на работе. Quarterly Journal of Economics 140(2): 889–942; NBER Working Paper 31161. https://www.nber.org/papers/w31161
METR (10 июля 2025). Исследование разработчиков с опытом ИИ начала 2025 г. в открытом исходном коде. Отчёт рандомизированного контролируемого испытания. https://metr.org/blog/2025-07-10-early-2025-ai-experienced-os-dev-study/
Си, Ян и Хасимото (2024). Могут ли большие языковые модели генерировать новые исследовательские идеи? Масштабное человеческое исследование с участием более 100 исследователей в области NLP. arXiv:2409.04109. https://arxiv.org/abs/2409.04109
Шумайлов и соавт. (2024). Модели ИИ рушатся при обучении на рекурсивно генерируемых данных. Nature 631: 755–759. https://www.nature.com/articles/s41586-024-07566-y
METR (19 марта 2025). Оценка способности ИИ выполнять длительные задачи. https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/
Stanford Encyclopedia of Philosophy. Томас Кун; обсуждение «Структуры научных революций» (1962). https://plato.stanford.edu/entries/thomas-kuhn/
Синатра, Ванг, Девиль, Сонг и Барабаси (2016). Квантование эволюции индивидуального научного воздействия. Science 354: aaf5239. https://www.barabasi.com/media/pub_imports/files/825.pdf
Вухти, Джонс и Уззи (2007). Исследование растущего доминирования команд в производстве знаний. Science 316(5827): 1036–1039. https://pubmed.ncbi.nlm.nih.gov/17431139/
Джонс (2009). Исследование бремени знаний и возраста, когда совершаются великие изобретения. Review of Economic Studies 76(1): 283–317. https://academic.oup.com/restud/article-abstract/76/1/283/1577537
Park, Leahey, and Funk (2023). Study of declining disruptiveness in papers and patents. Nature 613: 138–144; bibliographic record. https://ideas.repec.org/a/nat/nature/v613y2023i7942d10.1038_s41586-022-05543-x.html
Petersen, Arroyave, and Pammolli (2024). The Disruption Index Is Biased by Citation Inflation. Quantitative Science Studies 5(4). https://direct.mit.edu/qss/article/5/4/936/124788/The-disruption-index-is-biased-by-citation
Bloom, Jones, Van Reenen, and Webb (2020). Study of research inputs and idea-production effectiveness, including Moore's law. American Economic Review 110(4): 1104–1144. https://www.aeaweb.org/articles?id=10.1257/aer.20180338
Crafts (2004). Steam as a General Purpose Technology: A Growth Accounting Perspective. Economic Journal 114: 338–351. https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1468-0297.2003.00200.x
David (1990). The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox. American Economic Review 80(2): 355–361. https://gwern.net/doc/economics/automation/1990-david.pdf
Allen (2009). Engels' Pause: Technical Change, Capital Accumulation, and Inequality in the British Industrial Revolution. Explorations in Economic History. https://www.nuffield.ox.ac.uk/Users/Allen/engelspause.pdf
Crafts (2020). Slow Real Wage Growth during the Industrial Revolution: Productivity Paradox or Pro-Rich Growth? CAGE Working Paper 474. https://warwick.ac.uk/fac/soc/economics/research/centres/cage/wp474.2020.pdf
Autor, Chin, Salomons, and Seegmiller (2024). New Frontiers: The Origins and Content of New Work, 1940–2018. Quarterly Journal of Economics 139(3): 1399–1465. https://academic.oup.com/qje/article/139/3/1399/7630187
Licklider (1960). Man-Computer Symbiosis. IRE Transactions on Human Factors in Electronics HFE-1: 4–11. https://groups.csail.mit.edu/medg/people/psz/Licklider.html
Engelbart (1962). Augmenting Human Intellect: A Conceptual Framework. SRI Summary Report AFOSR-3223. https://www.dougengelbart.org/content/view/138
National Science Foundation. NSF History: Bush's Science, the Endless Frontier (1945) and the establishment of NSF (1950). https://www.nsf.gov/about/history
Stanford Encyclopedia of Philosophy. Wang Yangming: the unity of knowing and acting. https://plato.stanford.edu/entries/wang-yangming/
Science Museum Group / National Railway Museum. Stephenson's Rocket, Rainhill and the Rise of the Locomotive. https://www.railwaymuseum.org.uk/objects-and-stories/stephensons-rocket-rainhill-and-rise-locomotive
Institut Pasteur. Louis Pasteur, a Universal Legacy: the Pouilly-le-Fort vaccination demonstration. https://www.pasteur.fr/en/whats-new/latest-news/features/louis-pasteur-universal-legacy
United Nations (2024). World Population Prospects 2024: Key Messages. https://population.un.org/wpp/assets/Files/WPP2024_Key-Messages.pdf
International Monetary Fund (14 January 2024). AI Will Transform the Global Economy. Let's Make Sure It Benefits Humanity. https://www.imf.org/en/blogs/articles/2024/01/14/ai-will-transform-the-global-economy-lets-make-sure-it-benefits-humanity
International Labour Organization / NASK (2025). Generative AI and Jobs: A Refined Global Index; news summary of global employment exposure. https://www.ilo.org/resource/news/one-four-jobs-risk-being-transformed-genai-new-ilo–nask-global-index-shows