Текстовый квест Zork 1977 года стал полноценным 3D-экшеном за один вечер. Библиотека Умберто Эко, десятки тысяч книг в миланской квартире, восстановлена в 3D по дюжине видео и двум каталогам. Трейлер книги собран за 45 минут, от шуток в сценарии до озвучки и монтажа.

Всё это сделали не будущие модели, а GPT-6 Astra и Fable 5.1, доступные прямо сейчас. По оценке автора экспериментов, профессора Wharton Итана Моллика, каждый проект занял бы у команды исследователей, кодеров и дизайнеров недели. Разрыв между тем, что модели умеют, и тем, что с ними делает почти каждый, он называет capability overhang. В эссе The Overhang он описывает этот разрыв и четыре человеческих качества, которые решают, получите вы от него выгоду или нет.

Что такое capability overhang

Capability overhang это разрыв между возможностями модели и её реальным использованием. Моллик формулирует его так: GPT-6 Astra и Fable 5.1 уже достаточны для трансформации больших секторов экономики, они надёжно выполняют недели человеческой работы, когда их правильно направляют. При этом даже он не знал, что Astra умеет работать в Blender, пока не попросил собрать трейлер.

Споры об ИИ обычно крутятся вокруг будущих моделей и контроля над ними. Моллик предлагает сместить фокус: возможности текущих моделей почти не используются и плохо изучены. Это и есть его главный тезис.

Поводом для эссе стали два сюжета последних недель: шумиха вокруг знаменитой математической задачи, которую якобы решил ИИ, и дебаты о рисках. Моллику они интересны как симптомы одной проблемы: человеческие системы и процессы работают слишком медленно, чтобы успевать за темпом развития моделей. Тревога за будущее при этом не отменяет вопроса, что делать с тем, что уже есть.

Три проекта, которые показывают масштаб

Первый это Zork. Квест 1977 года состоит из текста, каждая локация это абзац прозы, графики нет вообще. Astra пришлось самой решить, как выглядит белый дом, как выглядит гру (оригинал сообщает только, что он может съесть вас в темноте) и как превратить команду «fight the troll» в экшен-сцену. Игра запускается и проходится.

Второй проект это библиотека Умберто Эко. Писатель держал десятки тысяч книг в миланской квартире, готового плана помещений не существовало. Fable 5.1 собрала реконструкцию из дюжины видео, фотографий фонда и двух библиотечных каталогов: читала корешки кадр за кадром, выводила планировку комнат и расставила около 5 000 опознанных книг по 27 000 позиций на полках. Каждая книга помечена как уверенная, предполагаемая или неизвестная, а стеллажи, до которых не добрались камеры, нарисованы в тумане.

Третий это трейлер книги Co-Existence. Моллик дал модели текст и попросил собрать трейлер от лица ИИ. Без детальных инструкций Astra построила анимированную 3D-сцену в Blender, написала сценарий с шутками (первую он отверг, вторая понравилась), сгенерировала голоса, музыку и звуковые эффекты и отдала ролик через 45 минут. Потом попросил экшен-версию не длиннее 30 секунд: модель взяла прежнюю анимацию как раскадровку, управляла видео-генератором через браузер и смонтировала финальный трейлер. Моллик не принимал ни одного производственного решения и не знал, как именно устроен процесс.

У всех трёх проектов есть огрехи, и он этого не скрывает. Но это примеры того, как ИИ проявляет суждение и креативность, ещё недавно считавшиеся чисто человеческими. Всё вместе уложилось в малую долю токен-бюджета его платного аккаунта ChatGPT.

Почему без человека это не работает

Ни один проект не случился бы сам. Моллик выбирал задачи, достаточно знал про Zork, Эко и собственную книгу, чтобы замечать ошибки, и просил вторую версию, когда первая не устраивала. Мрачный тон трейлера он заметил за секунды.

Отсюда главный вывод: не соревнуйтесь с ИИ в производстве результатов, это проигрышная игра. Используйте человеческие преимущества как основу совместной работы и делайте то, что ни человек, ни модель не сделают в одиночку. Разрыв Моллик воспринимает не как проблему, а как возможность: большинство не приносит к моделям собственные преимущества, а те, кто приносит, получают несопоставимо больше. Четыре таких преимущества он описывает в книге.

Четыре преимущества человека

Глубокие знания

Глубокая экспертиза это понимание области на уровне интуиции. Опытный бухгалтер видит ошибку в таблице с первого взгляда, тренер по гольфу мгновенно понимает, что не так в свинге. Это единственный способ разглядеть форму зубчатой границы (jagged frontier): только специалист понимает, где модели ошибаются именно в его области. Глубокие знания помогают адаптироваться, проще перейти от выполнения работы к управлению ею. Исследование Anthropic, которое цитирует Моллик, добавляет аргумент: экспертиза влияет на качество отдачи. Эксперты получают от ИИ не только лучшую работу, но и больше работы.

Широкие знания

Модель обучена на огромном срезе человеческого знания: дизайн-мышление, байесовский вывод, производственная система Toyota, роджерианская терапия, марксистская литературная критика. Но сама она эти паттерны не предлагает, пока вы не знаете, о чём спросить. Пример из эссе: попросите ИИ сделать веб-страницу, и он добавит «брови», маленькие заголовки над вашими заголовками. Без базы в дизайне вы этого не заметите и не попросите исправить. Так же нужно понимать, что анимация из Blender как раскадровка для видео-генератора это разумный ход, а не блуждание модели. Широкое чтение Моллик называет возвращением ценности гуманитарного образования и говорит, что в эпоху ИИ она удваивается.

Вкус

Раньше узким местом было производство: черновик занимал часы, двадцать концептов требовали недели командной работы, научная статья могла занять годы. Теперь производство быстрое и дешёвое, а дефицитный ресурс это выбор. Генеративный ИИ производит в основном слоп, поток похожих друг на друга работ, но слоп побеждается вкусом. Хорошо работать с ИИ значит понимать, какие результаты оставить, какие выбросить, а какие использовать как сырьё для того, что модель сама бы не предложила. На трейлере это выглядело скромно: отвергнуть первую шутку, оставить вторую, попросить версию по-кинематографичнее. Но это были решения вкуса, и только они.

Агентность

Возможно, самое главное и самое трудное для определения. В контексте ИИ агентность это готовность проверять границы возможного, когда все одинаково не понимают, на что способны модели. Зубчатая граница в вашей области не нанесена на карту, и агентность значит стать исследователем: это разница между ожиданием, когда кто-то скажет, что ИИ уже умеет X, и самостоятельной проверкой. Свои странные эксперименты, включая попытки заставить ИИ играть в игры, Моллик объясняет именно этим: они учат его реальным границам моделей.

Почему разрыв сам не закроется

Может показаться, что overhang временный: модели обновляются, пользователи привыкнут, и разрыв исчезнет сам. Из эссе следует обратное. Моллик пишет посты раз в пару недель и признаётся, что даже этот темп кажется ему слишком медленным относительно скорости изменений. Возможности растут быстрее, чем вовлечение: про Blender он узнал случайно, и сколько таких неоткрытых «Blender» остаётся, неизвестно. Публичная дискуссия при этом занята будущими моделями и рисками, а не тем, что доступно сегодня. Пока это так, разрыв сохраняется, и выигрывают те, кто исследует границы сам.

Что это значит на практике

Аргумент про замедление Моллик разворачивает неожиданно. Большая часть тревоги об ИИ касается будущих моделей и контроля над ними, и это разумные дебаты. Но остановка обучения не отменила бы существующего: если бы все лаборатории завтра прекратили тренировать новые модели, GPT-6 Astra и Fable 5.1 уже изменили бы работу больших частей экономики. Overhang между текущими возможностями и их использованием огромен, и перемены придут в любом случае. Неизбежны они, но их тип нет: и обществу, и отдельным людям стоит развивать модели работы, которые усиливают человека, а не только заменяют его.

Практический вывод простой. Возьмите область, где вы эксперт, добавьте знания из смежных полей, вкус и готовность экспериментировать, и проведите серию опытов на моделях, которые у вас уже есть, не дожидаясь следующих релизов. Overhang сжимается только с одной стороны, со стороны использования.

Повод заняться этим сейчас: GPT-6.1 Sol сменил GPT-6 через семь дней после релиза, Gemini 4 Argon вышел в закрытом доступе, фронт обновляется быстрее, чем кто-либо успевает освоить предыдущую модель. Разрыв между доступным и используемым растёт, а не сокращается сам по себе.

Если нужен готовый инструмент для самооценки, у Моллика есть и он. При предзаказе книги Co-Existence (выходит 20 октября) и регистрации на co-existence.ai приходит ссылка на бесплатное голосовое интервью с ИИ: оно спрашивает, что вы знаете, что любите и что уже пробовали, а затем присылает отчёт по четырём преимуществам, от глубоких знаний до агентности, с кейсами и промптами под ваш профиль. Своего рода зеркало для собственного overhang.

Часто задаваемые вопросы

Что такое capability overhang?

Capability overhang это разрыв между тем, что уже умеют существующие модели, и тем, что с ними реально делают пользователи. Термин из эссе Итана Моллика The Overhang: GPT-6 Astra и Fable 5.1 способны выполнять недели работы, но почти никто не использует их возможности полностью.

Правда ли, что ИИ выполняет недели человеческой работы?

В экспериментах Моллика да, при правильном управлении. Модели превратили текстовый квест в 3D-игру, восстановили библиотеку Эко с пятью тысячами книг и собрали трейлер за 45 минут. Но это не автоматический режим: без человека, который ставит задачи, замечает ошибки и требует вторую версию, такие проекты не происходят.

Нужно ли быть экспертом, чтобы выиграть от ИИ?

Нет, но четыре преимущества развиваются. Глубокие и широкие знания набираются чтением и практикой, вкус тренируется на выборе из множества результатов, агентность это привычка пробовать самому. Моллик считает, что именно эти качества, а не доступ к особым инструментам, определяют, кто получает от ИИ максимум.

Стоит ли ждать следующего релиза модели?

Нет, и в этом главная мысль эссе. Текущие модели уже выполняют работу, которую большинство не пробовало им поручать, а каждый следующий релиз только расширяет overhang. Начинать стоит с того, что доступно сейчас, иначе разрыв будет расти быстрее, чем вы его закрываете.

Итог

Overhang это не про будущие модели, а про текущие: возможностей, уже оплаченных подпиской, хватает на проекты, которые большинство не пробует запускать. Рецепт Моллика складывается из четырёх элементов: глубокие знания, широкие знания, вкус и агентность. Возьмите свой следующий проект и соберите его вместе с моделью от начала до конца, как это делает Моллик. Если результат удивит, значит, вы нашли собственный overhang.