Summio

Мақала

AI Index 2026 есебі: техникалық көрсеткіштер

2025 жылы жасанды интеллект (ЖИ) қаншалықты дамығанын талдаймыз: көру қабілетінен бастап роботтарға дейін. Алдын ала айта кетейік: ол шынымен де қуатты болды, бірақ кейбір ерекшеліктері бар.

21 мин оқу

Қолжетімді тілдер

Саммари үзіндісі

2026 ЖЫЛҒА АРНАЛҒАН ИИ-ДІҢ ТЕХНИКАЛЫҚ ЖАҒДАЙЫ: STANFORD HAI ЕСЕБІНЕ ТОЛЫҚ ТАЛДАУ

Сәлеметсің бе, достым! Бүгін біз жасанды интеллекттің (ИИ) соңғы жылы, яғни 2025 жылда қалай дамығанын тереңірек зерттеп көрейік. Stanford HAI жаңа AI Index Report жариялады, онда тыңға аларлықтай қызықты мәліметтер көп. Әсіресе, техникалық жетістіктерге арналған тарау бізді қызықтырады – бұл бар нәрсенің негізі, солай емес пе? Бұл тек сыртқы көрінісіне қарап машинаның қозғалтқышын көру сияқты. Көптеген сандарға, салыстыруларға және, әрине, күтпеген жаңалықтарға дайын бол. Біз ИИ-дің қалай жақсы көруді, тілді түсінуді, видео генерациялауды, ой жүгіртуді және тіпті қозғалуды үйренгенін талдаймыз. Қазір кімнің алда келе жатқанын, неге ескі тесттер енді жұмыс істемейтінін және ИИ әлі де қайда сенімсіздік сезінетінін талқылаймыз. Қысқасы, ИИ-дің озық технологиялар әлеміне толыққанды шолу, бірақ біз ұнататын қарапайым тілде.

1-тарау: Кіріспе – Қайда келдік?

Үй салып жатқанымызды елестетіп көріңіз. Бұл есеп – құрылысты тексеру сияқты. Біз қабырғадағы бояуға (бұл, мүмкін, қоғамдық пікір немесе экономика туралы) емес, іргетасқа, каркасқа, сымдарға – үйді үй ететін нәрселерге қараймыз. Біздің жағдайда, бұл ИИ-дің техникалық өнімділігі. Олсыз басқаның бәрі – жай сөздер. 2025 жылы ИИ соншалықты нәтижелер көрсетті, тіпті әзірлеушілердің өздері мұны күтпеген сияқты. Ол тек аздап жақсарған жоқ, өзі қойған шектеулерді бұза бастады. Бұл компьютерлік көруден робототехникаға және тіпті дербес әрекет ете алатын агенттерге дейінгі барлық бағыттарға қатысты. Негізгі хабарлама: ИИ біздің оны өлшеу әдістерімізді артта қалдырып, қарқынды дамып келеді. Бұл бір мезгілде керемет және сәл алаңдатарлық, өйткені біз бұл прогресті бағалау жолдарын жоғалтып аламыз.

2-тарау: Негізгі тұжырымдар – Не болды?

Тікелей мәселеге көшейік. Stanford HAI сарапшыларын (әлде таңдандыруды) не нәрсе алаңдатты? Тұжырым 1: ИИ өзіне арналған тесттерден асып түседі. Бұл, мүмкін, ең басты қорытынды. ИИ-ді қиын тапсырмаларда адаммен салыстыруға тырысқанын естеріңізде ме? Міне, енді ИИ адамды қуып қана қоймай, оны басып озды. Мысалы, арнайы машиналар үшін күрделі етіп жасалған 'Адамзаттың соңғы емтиханы' (Humanity's Last Exam) тестінде үздік модельдер бір жылда 30% өсім көрсетті! Бұл оқушының бір жылда үш баллдан олимпиада медаліне көтерілгені сияқты. Мәселе мынада, жылдар бойы қызмет етуі керек болған тесттер айлардың ішінде қанығады. Олар нақты прогресті бақылау үшін пайдалы болмай қалады. Бұл өшіп кеткен сызғышпен баланы бойын өлшеуге тырысу сияқты. Тұжырым 2: Топ-модельдер теңесті, бірақ бәсекелестік шиеленісуде. Бұрын бір үстемдік модель болса, енді көшбасшылар тобын көреміз. Elo рейтингі бойынша (иә, шахматтағы сияқты, тек ИИ үшін, әрі адамдар 'Аренада' бағалайды) бес компания – Anthropic, xAI, Google, OpenAI, Alibaba және DeepSeek – өте тығыз орналасқан. Олардың арасындағы айырмашылық – небәрі бірнеше ондық ұпай. Бұл бәсекенің таза өнімділіктен басқа майдандарға ауысқанын білдіреді: кім модельді арзанырақ, сенімдірек немесе белгілі бір тапсырмаға (мысалы, медицина немесе қаржы) жақсырақ бейімдейді. Енді тек ақылды болу маңызды емес, ақылды және қолжетімді болу маңызды. Тұжырым 3: Жабық және ашық модельдер арасындағы алшақтық қайтадан өсуде. 2024 жылы ашық (open-source) модельдер жабық модельдерді іс жүзінде қуып жеткен сияқты еді. Бірақ 2025 жылы тренд өзгерді. Енді үздік жабық модельдер үздік ашық модельдерден 3.3% алда келеді. 'Аренадағы' топ-10 модельдің алтауы – жабық. Бұл ИИ-ді ашық әзірлемелер арқылы демократияландыруға үміттенгендер үшін жаман жаңалық. Сияқты, ең озық технологиялар әзірше ірі корпорациялардың құлпы астында қалады. Тұжырым 4: АҚШ пен Қытайдың геосаяси бәсекелестігі тепе-теңдікке жетті. Бұрын АҚШ-тың ИИ дамуында Қытайдан айтарлықтай озып тұрғаны жиі айтылатын. Бірақ 2025 жылы жағдай өзгерді. Американдық және қытайлық модельдер рейтингтерде орындарын ауыстыра бастады. Бірде қытайлық DeepSeek-R1 моделі қысқа уақытқа үздік американдық модельмен теңесті, бірде керісінше болды. Қазір АҚШ-тың топ-моделі қытайлық модельден 2.7% алда. Алшақтық шамалы және үнемі тербеліп тұрады. ИИ саласындағы қарулану жарысы тең ойын жүргізіп жатқан сияқты. Тұжырым 5: Бенчмарктер сенімділігін жоғалтуда, оларды 'алдайды'. Бұл бірінші тұжырымның тікелей салдары. Біз танымал тесттердегі қателер 42%-ға жетуі мүмкін екенін анықтадық! Мысалы, GSM8K (бұл математикалық есептерді шешу) тапсырмасында дұрыс емес сұрақтар көп болған. Сондай-ақ, кейбір модельдер 'Арена' платформасында 'ойнап', нақты қабілеттері есебінен емес, белгілі бір жағдайларға бейімделу арқылы жоғары нәтижелер көрсеткен деген күдіктер бар. Бұл бұрынғы емтихандардың жауаптарын жаттап алған, бірақ пәнді түсінбеген студент сияқты. Орталық идеялар: ИИ қарқынды дамып келеді, бірақ біздің бұл дамуды бағалау

3-тарау: Негізгі идеялар – Сандардың артында не тұр?

Бұл тұжырымдарды тереңірек талдап, бұл біз үшін, технология үшін және болашақ үшін нені білдіретінін түсінейік.

Идея 1: Бенчмарктердің 'тығырыққа тірелуі'

Спортшының қаншалықты тез жүгіретінін білгіңіз келеді деп елестетіңіз. Сіз оған өлшемді қашықтықты қоясыз. Бірақ егер спортшы бұл қашықтықты нөлге жақын уақытта жүгіріп өтсе, одан әрі өлшеудің мәні жоқ. Сіз оны басқа соншалықты жылдам спортшыдан ажырата алмайсыз. ИИ-мен де дәл осылай болады. MMLU (Massive Multitask Language Understanding) немесе GSM8K (Grade School Math 8K) сияқты бенчмарктер жылдар бойы өзекті болады деп жобаланып жасалған. Бірақ модельдер бұл тесттерден тапсырмаларды соншалықты жақсы шешуді үйренді, олар 'қанықты'. Яғни, барлық үздік модельдер онда максималды балл алады. Бұл біздің қай модельдің жақсы екенін анықтау үшін бұл тесттерді қолдана алмайтынымызды білдіреді. Мәселе: Бенчмарктердің пайдалы терезесінің тарылуы. Ұзақ уақыт өзекті болуы керек болған тесттер айлардың ішінде ескіреді. Салдары: Модельдерді объективті салыстыру, нақты прогресті бақылау қиын. Бұл өшіп қалған жапсырма бойынша шараптың сапасын бағалау сияқты. Не істеу керек? Жаңа, күрделірек және динамикалық тесттер қажет. Мүмкін, модель деңгейіне бейімделетін тесттер немесе тек білімді емес, нақты жағдайлардағы ой жүгірту және бейімделу қабілетін тексеретін тесттер.

Идея 2: 'Тісті интеллект' – данышпандық пен жалғандық бір бөлікте

Бұл есепте көтерілген ең қызықты тұжырымдардың бірі. 'Jagged intelligence' – 'тісті интеллект'. Бұл ИИ бір салада керемет күшті болып, алайда басқа, қарапайым көрінетін салада мүлдем дәрменсіз болуы. Есептен мысал: Gemini Deep Think моделі 2025 жылғы Халықаралық Математика Олимпиадасында (IMO) алтын медаль алды. Бұл терең математикалық білім мен логиканы талап ететін маңызды жетістік. Модель тапсырмаларды белгіленген уақытта, толығымен табиғи тілде жұмыс істеп шешті. 2024 жылы басқа модель күміс алды. Яғни, прогресс айқын. Бірақ! Аналогты сағаттан уақытты анықтау қабілетін тексеретін ClockBench тестінде осы (немесе ұқсас топ) модель 50.6% жағдайда ғана дұрыс істеді. Адам салыстыру үшін бұл көрсеткішті 90.1% жағдайда орындайды. Бұл таң қалдырарлық. Мұның қалай мүмкін болуы? Себебі: Модельдер үлкен деректер жиынтықтарында оқытылады, бірақ бұл деректер теңгерімсіз болуы мүмкін. Математикалық тапсырмалар – бұл нақты ережелері мен логикасы бар құрылымдалған деректер. Аналогты сағаттан уақытты анықтау – бұл тек бейнені тануды (циферблат, тілдер) емес, кеңістіктік ойлауды, тілдердің салыстырмалы орналасуын түсінуді және, мүмкін, ИИ-де әлі жоқ кейбір интуицияны талап ететін тапсырма. Қорытынды: ИИ әлі де адамға ұқсас, әмбебап интеллектке ие емес. Ол әлдеқайда қуатты, бірақ тар мамандандырылған 'құралдар' жиынтығы. Бұл 'жалпы жасанды интеллект' (AGI) туралы айтқанда маңызды.