Илон Маск предложил публичное соревнование по программированию между Grok 5, разработанным xAI, и Андреем Карпати, бывшим руководителем исследований OpenAI, сравнив его с шахматным матчем 1997 года между Гарри Каспаровым и Deep Blue от IBM. Карпати отказался, заявив, что предпочитает сотрудничество с ИИ, а не конкуренцию. Однако предложение Маска и последующий отказ требуют более тщательного анализа, учитывая отсутствие конкретных доказательств и необходимость строгих условий для такого соревнования.
Предложение Маска последовало за отрывком из интервью Карпати на подкасте Dwarkesh, где он предположил, что искусственный общий интеллект (AGI) может появиться не ранее чем через десятилетие, и оценил Grok 5 как отстающий от GPT-4 от OpenAI на несколько месяцев. Маск, ранее утверждавший, что Grok 5 имеет 10% вероятность достижения AGI (без предоставления эмпирических данных для подтверждения этого утверждения), воспринял слова Карпати как вызов. На платформе X он написал: «Готов к соревнованию по программированию ИИ?» — напрямую упомянув Карпати. В ответ Карпати отметил, что его вклад в такое соревнование был бы «практически нулевым» и подчеркнул, что рассматривает современные модели ИИ как инструменты для сотрудничества, а не соперничества.
Идея соревнования между человеком и ИИ в программировании не лишена прецедентов, но требует строгого научного подхода для обеспечения объективности. Например, в 2025 году DeepMind сообщила, что их модель Gemini 2.5 решила 10 из 12 задач в условиях мирового финала Международной студенческой олимпиады по программированию (ICPC), что соответствует уровню золотой медали.
OpenAI и DeepMind также заявили о достижении идеального результата 12/12 на том же тесте с использованием GPT-4 и GPT-5 соответственно. Эти задачи, взятые из университетских соревнований по алгоритмам, оцениваются по правильности решения и эффективности выполнения в условиях ограниченных ресурсов и времени. В другом случае польский программист победил специализированную модель OpenAI в 10-часовом финале AtCoder World Tour Finals 2025 года, что подчеркивает, что человеческие навыки пока могут конкурировать с ИИ в определенных условиях. Этот конкурс был прозрачным, с четко определенными правилами и независимой оценкой.
Для того чтобы соревнование с Grok 5 было научным и убедительным, оно должно соответствовать аналогичным стандартам. Это подразумевает использование публичного набора задач, например, из ICPC или Codeforces, одинаковый доступ к инструментам и вычислительным ресурсам, запрет на внешнее вмешательство или помощь, а также независимую оценку результатов с полной публикацией данных. Однако Маск не уточнил формат или условия предполагаемого соревнования, что делает его предложение скорее риторическим, чем практически реализуемым. Более того, утверждение Маска о 10% вероятности достижения AGI Grok 5 не подкреплено публично доступными данными или методологией, что вызывает сомнения в его достоверности.
Отказ Карпати участвовать в соревновании согласуется с текущей тенденцией в сообществе машинного обучения, где акцент смещается с прямой конкуренции на использование ИИ для ускорения человеческой продуктивности. Например, такие платформы, как GitHub Copilot, разработанные с участием OpenAI, демонстрируют, как ИИ может дополнять работу программистов, а не заменять их. Соревновательное программирование, тем не менее, остается полезным эталоном для оценки возможностей ИИ благодаря четким критериям оценки. На октябрь 2025 года xAI не опубликовала результатов тестирования Grok 5 на стандартных наборах задач, таких как ICPC или LeetCode, что затрудняет объективное сравнение с другими моделями, такими как GPT-4 или Gemini 2.5.
Если xAI стремится доказать превосходство или хотя бы конкурентоспособность Grok 5, логичным шагом было бы проведение формального тестирования на задачах уровня ICPC с прозрачной методологией и независимой верификацией. Без таких данных заявления о возможностях Grok 5 остаются спекулятивными. Кроме того, сравнение с матчем Каспарова и Deep Blue некорректно, так как в 1997 году условия игры были строго определены, а производительность Deep Blue измерялась объективно. Для аналогичного уровня доверия к результатам Grok 5 необходимы воспроизводимые и проверяемые тесты, чего на данный момент не предложено.
Оригинал
Уникальность
