Возможно, Google заложила основу современной экономики ИИ — а затем опубликовала инструкции.

В 2017 году восемь исследователей из отделов Brain and Research компании Google опубликовали статью под названием « Внимание — всё, что тебе нужно. .” То, что произошло дальше, теперь знакомо: технологический переломный момент, быстрое распространение и взрыв конкурентов, строящих одну и ту же основную идею. Менее ценится механизм, стоящий за этим. Это не просто история о прорыве. Это история о том, почему этот прорыв не смог — и, возможно, не мог остаться — собственностью.

Эта динамика — основная тема этого поста. Нормы, регулирующие исследования в области ИИ — то, что я назову « Научный этос «—систематически подрывать способность любой отдельной фирмы долго накапливать знания. Трансформатор — самый яркий пример.

Трансформатор покидает здание

В статье 2017 года был представлен трансформер — архитектура нейронных сетей, которая заменила последовательную обработку на самосознание. Самовнимание позволяет модели интерпретировать предложение, взвешивая, как каждое слово связано с другими словами в том же предложении. Вместо того чтобы обрабатывать токены по одному, модель может одновременно оценивать всю последовательность, сосредотачиваясь на наиболее релевантных взаимоотношениях для определения значения. Этот переход — от пошаговой обработки к параллельному вниманию — оказался решающим.

Через несколько лет газета стала одной из Самые цитируемые в информатике. Что ещё важнее, он стал архитектурным основой почти всех основных систем ИИ, используемых сегодня — от серии GPT от OpenAI (буква «T» в ChatGPT означает «трансформер») до Gemini от Google и Claude от Anthropic.

Не будет преувеличением сказать, что без этой статьи бум генеративного ИИ выглядел бы совсем иначе — или пришёл бы спустя годы. Некоторые могут утверждать, что аналогичный прорыв в итоге мог бы появиться, или что конкуренты могли бы обратным проектированием моделей Google. Ни одно из утверждений не подтверждает. Трансформатор не был видимым продуктом, который другие могли бы разобрать. Это было нелогичное понимание: отказаться от рецидивов и запутанностей в пользу самовнимания. Без публикации у посторонних не было бы практического способа понять, почему модели Google продолжают совершенствоваться.

Как Джеффри Хинтон — сам бывший исследователь Google и широко признанный крестным отцом современного ИИ — рассказал Wired : «Без трансформеров, думаю, мы бы сейчас не были здесь.» Другие архитектуры, такие как Модели пространственного состояния или Повторяющиеся нейронные сети , теперь может соперничать с трансформерами. Но они появились спустя годы — после того, как открытое издание газеты позволило появить новых участников, которых иначе не было бы.

Это поднимает базовый вопрос: зачем Google вообще опубликовал эту статью? Компания могла бы рассматривать исследование как коммерческую тайну и получить многолетнее конкурентное преимущество. Часть ответа кроется в «научной этике» — общих нормах среди исследователей ИИ. Эта область ценит конкуренцию и личные достижения, а также прозрачность и идею о том, что знания должны быть универсальными, а исследования — ради самих исследований.

Более широкая культура Google укрепляет эту философию. Компания предлагает множество продуктов, таких как Gmail и Maps, бесплатно в базовых версиях и часто открыто делится исследованиями. Недавно компания выпустила свою модель Gemma под названием Относительно разрешительная лицензия . Тем не менее, у Google не было очевидного стимула публиковать исследования по трансформерам.

Стимулы для сотрудников идут в обратную сторону. Google заключила неявную сделку с исследователями, которых она наняла. Как Приобретены Подкаст в выпуске Google о эпохе искусственного интеллекта рассказывает, что компания сформировала лидерство в середине 2010-х, нанимая почти всех ключевых фигур в этой области: Джеффри Хинтона, Илью Сутскевера, Демиса Хассабиса, Дарио Амодей и многих других. Большинство из них пришли из академической среды и имели совместные приёмы. Хинтон сохранил университетскую должность во время работы в Google; Ян Лекун сделал то же самое в Нью-Йоркском университете, работая с Meta.

Эти исследователи присоединились к Google ради непревзойденных вычислений и данных — но при условии, что они продолжат работать как учёные. Они проводили фундаментальные исследования, выступали на конференциях и публиковали свои результаты. Google, вероятно, не смогла бы собрать команду, которая изобрела трансформатор, не предоставив этой свободы.

Тем не менее, все восемь авторов в итоге покинули Google. Некоторые стремились к большей академической свободе; другие занимались commeRcial Opportunities. Сикс основал компании, которые Коллективно воспитанный более 1,3 миллиарда долларов и произвели несколько единорогов. Ноам Шазир был соучредителем Character.AI , которая достигла оценки в 1 миллиард долларов менее чем за два года, прежде чем он вернулся в Google в августе 2024 года в Сделка на $2,7 миллиарда . Айдан Гомес был соучредителем Cohere , ныне ведущая компания в области корпоративного ИИ. Ашиш Васвани и Ники Пармар ушли вместе в 2021 году, соучредитель Adept AI, а позже Essential AI . Ллион Джонс был соучредителем Sakana AI в Токио, явно придерживаясь нетрансформерского подхода. Якоб Ушкорайт был соучредителем Биотехнологический стартап применение ИИ к разработке лекарств. ?ukasz Kaiser не основал стартап, но присоединился к OpenAI в 2021 году, где работал над GPT-4 и моделями рассуждения o1 и o3.

Короче говоря, одна открыто опубликованная статья породила целую экосистему конкурентов компании, которая её создала. Google раскрыла чертёж, возможно, самой ценной технологии в мире — и её собственные исследователи ушли, чтобы развивать её.

Эта глубоко укоренившаяся научная философия ведущих исследователей даёт основания для оптимизма относительно конкуренции в ИИ, даже несмотря на масштабирование компаний и усиление коммерческого давления.

Сложно заключить NDA с учёным

Сообщество исследователей ИИ выросло из академической среды и до сих пор хранит эту культуру. Её нормы больше похожи не на команду продуктов из Кремниевой долины, а на университетский факультет. Исследователи выступают на конференциях, делятся кодом и публикуются. The Партнёрство в области ИИ Суть отражается: открытость — это «фундаментальная научная ценность» в искусственном интеллекте и машинном обучении (ИИ/МЛ). Действительно, одним из ключевых достижений отрасли является переход к платформам с открытым доступом, таким как arXiv — «вопреки значительному давлению публиковаться в традиционных закрытых академических журналах.»

Этот выбор важен. Сообщество AI/ML приняло открытость, даже несмотря на то, что академический истеблишмент двигался в противоположном направлении. Исследователи регулярно публикуют препринты перед рецензированием, делятся кодом на GitHub и представляют работы на конференциях, таких как NeurIPS и ICML , где культура вознаграждает новизну и воспроизводимость больше, чем секретность. Компании, такие как Google, Meta и OpenAI укрепил эти нормы публикуя знаковые исследования и нормализуя препринты как в академическом, так и в политическом контексте.

Эти нормы формируют то, чего хотят исследователи. И эти предпочтения, в свою очередь, формируют конкуренцию. Люди, создающие передовые ИИ-системы, не являются взаимозаменяемыми сотрудниками, выполняющими стратегию сверху вниз. Это учёные с твёрдыми взглядами на то, как их работа должна проводиться, распространяться и признаваться. Когда фирмы игнорируют эти взгляды, исследователи уходят.

Паттерн повторяется. После слияния Google DeepMind с Google Brain и переключился на Продуктизация , некоторые исследователи начали уходить. Их наняли, чтобы воссоздать академическую атмосферу внутри компании. Как рассказал один бывший исследователь DeepMind Просеяны :

Мы наняли много отличных, очень опытных инженеров, исследователей, которых мы попросили воспроизвести академическую среду в индустрии, которая была уникальной на тот момент… Это уже не просто академическая среда, и, на мой взгляд, это справедливо. Но если ты пришёл из этого [academic] С точки зрения вы думаете: «Это не очень хорошо — то, для чего нас наняли, больше не является приоритетом.

За этим последовали уходы. Шестнадцать бывших сотрудников DeepMind Запущенные предприятия за один 12-месячный период, что больше по сравнению с семью годом ранее. Дэвид Сильвер, центральная фигура позади AlphaGo и AlphaZero , покинул в начале 2026 года, чтобы основать Incesable Intelligence, утверждая, что эта область должна выйти за рамки парадигмы крупноязыковых моделей.

Та же динамика наблюдается по всей отрасли. Половина xAI Основательская команда покинула в течение 30 месяцев, ссылаясь на разногласия по направлениям исследований и стратегии. В 2025 году более 20 ведущих исследователей покинули OpenAI, Google и Meta, чтобы присоединиться Периодические лаборатории , который сосредоточен на научных открытиях, основанных на искусственном интеллекте, а не на масштабировании языковых моделей. В том же году запустились выпускники DeepMind Рефлексионный ИИ —который привлёк 2 миллиарда долларов по оценке 8 миллиардов долларов — вместе с Универсальный ИИ в робототехнике и ряде других сфер.

Линия ясна. Как единая межотраслевая компания Анализ Это формулирует:

Одна только компенсация не удерживает элитные таланты ИИ. Исследователи и инженеры, определяющие границы возможностей ИИ, мотивированы сочетанием интеллектуальных вызовов, свободы исследований, согласованности миссий и качества коллег. Когда любой из этих факторов ухудшается, финансовые стимулы остаться становятся недостаточными, потому что все остальные крупные лаборатории готовы соответствовать или превзойти компенсационный пакет.

Знание не останется на месте

В своей основе это история о распространении знаний. Научная этика создаёт мощные противовесы стимулу любой отдельной компании долго удерживать возможности ИИ. Он работает через несколько арматурных каналов.

Начните с мобильности талантов. В отличие от коммерческих тайн, встроенных в производственные процессы или проприетарных наборов данных, самые ценные знания об ИИ находятся у людей. И эти люди часто — учёные, которые ценят публикацию, автономию и интеллектуальную свободу. Они перемещаются — к конкурентам, стартапам и собственным проектам. Каждое ухождение несёт с собой институциональные знания и часто порождает нового соперника. Крайний случай — бумага трансформатора, но более широкий узор присутствует повсюду. Как Приобретены Подкаст Документы в выпуске «Google, компания искусственного интеллекта» почти каждая крупная лаборатория по искусственному интеллекту сегодня прослеживает ключевых талантов до Google примерно с 2014 года — включая OpenAI (Илья Суцкевер), Anthropic (Дарио Амодей) и подразделение Microsoft по искусственному интеллекту (Мустафа Сулейман, через DeepMind).

Далее — открытая публикация. Когда исследователи публикуют свои методы, любой обладающий техническими возможностями может развивать их. The Индекс ИИ Стэнфорда 2025 подчёркивает масштаб: с 2013 по 2023 год количество публикаций, посвящённых ИИ, почти утроилось — с примерно 102 000 до более чем 242 000. Доля ИИ во всех публикациях по информатике выросла с 21,6% до 41,8% за тот же период. Сфера расширяется как в абсолютном, так и в относительном масштабе. Промышленность сейчас производит почти 90% значимых моделей ИИ, но академия остаётся ведущим источником высокоцитируемых исследований. Это разделение труда имеет значение. Компании строят и масштабируют системы, но фундаментальные знания всё равно проходят через открытые академические каналы.

Конкурентные последствия следуют. Как Искусственный интеллект, ориентированный на человека в Стэнфорде Исследователи (HAI) отмечают:

Когда исследования открыто распространяются, инновации ускоряются, дублирование сводится к минимуму, а идеи строятся друг на друге. В исследованиях ИИ эти общие открытые инструменты, наборы данных, библиотеки и бенчмарки позволили добиться прогресса, который возник из одной лаборатории и распространился по всему миру — от студентов до стартапов и крупных отраслей.

Кроме того, существуют модели с открытым исходным кодом и открытый вес, которые снижают барьеры для входа. Недавний релиз Google Джемма 4 — их самое мощное семейство открытых моделей на сегодняшний день — иллюстрирует этот сдвиг. Компания выпустила его под Лицензия Apache 2.0 , одна из самых либеральных лицензий с открытым исходным кодом. Ранние версии Gemma использовали более жёсткую пользовательскую лицензию, которая ограничивала определённые применения и оставляла за собой право Google прекращать доступ. Gemma 4 позволяет любому каждому скачивать, модифицировать, дорабатывать и внедрять массы моделей коммерчески без оплаты и специального разрешения.

Эти динамики могут усиливать друг друга. Исследователи хотят делиться своей работой, и компании учитывают это предпочтение для привлечения и удержания талантов. Некоторые фирмы выпускают модели, которые привлекают больше…