AGI-мантра: спасает от рака или отвлекает от живого дела?
Давайте начистоту. Каждый раз, когда очередной стартап заявляет: «Мы построим AGI, и он вылечит рак», где-то плачет онколог, который прямо сейчас использует нейросеть для анализа гистологии и спасает жизни. Шумиха вокруг «общего искусственного интеллекта» как панацеи от всех болезней достигла такого накала, что даже Future of Life Institute — организация, которая спит и видит риски AGI — вынуждена одергивать энтузиастов. Их главный аргумент: проблема не в том, что AGI недостаточно умен, а в том, что данные, на которых он учится, — мусор. И пока мы грезим о суперискусственном разуме, десятки уже работающих AI-инструментов не получают должного финансирования.
Ключевая мысль: AGI может когда-нибудь помочь в медицине, но прямо сейчас он отвлекает ресурсы от проверенных решений — точной диагностики, репозиторинга лекарств и борьбы с галлюцинациями.
В этой статье мы не будем лить воду. Разберем, что реально работает в AI-онкологии уже сегодня, почему AGI-подходы буксуют на клинических данных, и как не попасться на крючок громких обещаний.
Реальные успехи: где AI уже побеждает рак
Пока башни из слоновой кости спорят о singularity, конкретные модели приносят пользу прямо сейчас. Возьмем OpenAI o1-preview, которая в тестах 2025 года поставила диагнозы точнее команды врачей высшей категории. Или Google Co-Scientist — система, которая за две недели нашла новые мишени для старых препаратов, что вручную заняло бы полгода. Google Health AI 2025 добавила в арсенал шесть обновлений, включая скрининг рака легких на КТ с точностью 96% и предсказание резистентности к химиотерапии.
| Инструмент | Что делает | Результат на май 2026 |
|---|---|---|
| OpenAI o1-preview | Диагностика онкозаболеваний по истории болезни и снимкам | Точность выше среднего врача-диагноста на 12% |
| Google Co-Scientist | Поиск новых терапевтических мишеней и репозиторинг | Находит варианты в 3 раза быстрее команды фармакологов |
| Google Health AI (скрининг) | Анализ КТ грудной клетки на рак легких | 96% чувствительность, снижение ложноположительных на 40% |
Эти системы не пытаются быть «общими». Они заточены под одну задачу, обучены на качественных, размеченных данных и проходят клиническую валидацию. И это приносит результат. Модели-универсалы в фармацевтике уже решают проблему нехватки кадров для редких болезней — без всякого AGI.
Куда упирается AGI: бутылочное горлышко данных
Сторонники AGI любят рисовать картинку: «Загрузим все медицинские записи, и суперразум сам откроет лекарство от рака». Звучит красиво. На практике же медицинские данные — это бардак. Разные клиники используют разные форматы: где-то PDF-сканы с почерком врача, где-то структурированные HL7, а где-то — просто заметки в Word. Единая онтология отсутствует.
Проблема: AGI требует огромных объемов чистых, непротиворечивых данных. Но в онкологии многие записи неполные, устаревшие или просто недоступны из-за законов о приватности. Даже самые продвинутые модели галлюцинируют — аудит Онтарио 2025 года показал, что AI-ноуттейкеры выдумывают от 10 до 30% клинических деталей. AGI не магическим образом решит эту проблему.
Более того, эксперт из Future of Life Institute прямо указал: сбор и разметка качественных данных для онкологии — задача на десятилетия, а не на пару кварталов венчурного финансирования. Пока мы вкладываем миллиарды в «общий разум», реальный прорыв — это создание стандартизированных датасетов и открытых протоколов. Без этого любой AGI будет слепым щенком.
Регуляторные и этические грабли
AGI — это черный ящик. Даже если он выдаст гениальную гипотезу лечения, кто возьмет на себя ответственность? Регуляторы вроде FDA и EMA требуют объяснимости: почему модель выбрала этот препарат, на каких признаках основано предсказание. Современные нейросети-трансформеры (основа любых LLM) не дают внятных объяснений, а их «рассуждения» — это вероятностная генерация текста. Ошибка инверсии в AGI как раз об этом: мы путаем способность генерировать правдоподобные ответы с истинным пониманием. Для онкологии такая путаница смертельно опасна.
Кроме того, спор AI-домеров и оптимистов показывает, что даже если AGI появится, его экзистенциальные риски могут перевесить пользу. Представьте AGI, который решает «уничтожить все раковые клетки» — и заодно уничтожает полезные ткани, потому что не понял нюансов гомеостаза. Без сверхнадежных механизмов безопасности AGI в медицине — это эксперимент на людях.
Что делать вместо охоты за AGI?
Ответ скучный, но честный: работать с тем, что есть. Китай уже пошел по пути экономической продуктивности, а не гонки за AGI — и его AI-фабрики экономят миллиарды долларов на производстве. В онкологии та же логика: лучшее — враг хорошего.
- Инвестировать в качество данных. Создание открытых, размеченных датасетов (например, Cancer Genome Atlas) — основа, без которой любой AGI бесполезен.
- Внедрять уже готовые узкие модели. Патологоанатомы, использующие AI для анализа слайдов, не ждут суперразума — они экономят часы работы уже сегодня.
- Решать проблему галлюцинаций. Пока модели выдумывают симптомы, их нельзя допускать до принятия решений. Нужен гибридный подход: AI подсказывает, человек проверяет.
- Строить объяснимые модели. Decision trees и графовые нейросети с контролируемыми выводами — не так сексуально, как AGI, но зато пациент и врач понимают, почему назначено именно это лечение.
Даже Google Co-Scientist работает не как AGI — он использует специализированные модули и требует человеческой верификации результатов. Это работает именно потому, что не пытается быть универсальным.
Неочевидный прогноз
AGI, вероятно, появится — но не как панацея от рака, а как очень дорогой и шумный ускоритель, который сначала упрется в те же ограничения: грязные данные, регуляторику и банальное отсутствие доверия. Реальный прорыв в онкологии произойдет раньше — благодаря десяткам узких AI, каждый из которых делает одну вещь чертовски хорошо. И для этого не нужно ждать AGI. Нужно просто перестать верить маркетингу и начать системно чистить данные, обучать врачей работать с подсказками AI и строить микросервисную архитектуру, где каждый алгоритм решает свою задачу.
Потому что рак не лечится магией. Лечится точностью.
