Интерактивная визуализация байесовского обучения в реальном времени. Каждая точка — гипотеза о мире (частица): скорость роста железа hw_months и потолок агентности agency_ceiling.
Режим «Обучение» (Learn): ползунок прикладывает наблюдения бенчмарков одно за другим. При каждом наблюдении пересчитываются веса:
где Ri и Agi — предсказания частицы i на год наблюдения, σ — нешумящее правдоподобие. Частицы, чьи предсказания далеки от наблюдения, экспоненциально теряют вес.
Режим «Прогноз» (Forecast): все наблюдения применены. Ползунок фильтрует гипотезы по году T2 — показывая, какие частицы предсказывают T2 до выбранного года.
Визуальный язык: яркие области = высокая плотность весов; оранжевый круг = медиана роя; красный = текущее наблюдение. В режиме покой рой «дышит» — перестраивается из нового MC прогона каждые 0.25 сек.
Что влияет: количество и точность наблюдений бенчмарков, априорные допущения (priorAgencyMean/Std в Expert Sandbox), сам состав частиц.
Четыре параллельных симуляции — T1, T2, T3, T4 — обновляются каждые 0.25 сек из нового прогона Monte Carlo. Показывает «живой» posterior без необходимости нажимать «Запуск».
Точки: каждая частица = один прогон runMonteCarloForecast(500). Цвет кодирует год T1/T2/T3/T4: голубой = ранний, жёлтый = средний, красный = поздний. Прозрачность = вес частицы.
Формула T1–T4 year: для каждого из 500 прогонов моделируется траектория от BASE_YEAR (2023) до 2068 с месячным шагом. T1, T2, T3, T4 — первые годы, где cap превышает соответствующий порог.
Статистика справа: медиана, P10–P90, количество частиц. Обновляется в реальном времени — видна дисперсия posterior.
Что влияет: текущий набор наблюдений, веса частиц, случайность MC прогона. Стабильность картинки ← уверенность модели. Хаотичность ← высокая неопределённость.
Результат 3000 прогонов Monte Carlo из апостериорного распределения. По оси X — год, по Y — количество прогонов, в которых T2/T4 достигнут в этот год.
Ключевое уравнение: каждый прогон выбирается из весов частиц (systematic resampling), затем симулируется полная траектория до 2068:
Пик гистограммы = наиболее вероятный год. Широкое распределение = высокая неопределённость. Бимодальность = два конкурирующих сценария (например, «быстрый прорыв» vs «стагнация»).
Что сдвигает гистограмму: новые наблюдения бенчмарков (через байесовское обновление весов), параметры Expert Sandbox (пороги RSI, парадигмы, потолки), количество частиц.
Накопленная функция распределения: P(T2 ≤ X) и P(T4 ≤ X). Отвечает на вопрос «какова вероятность, что T2/T4 случится не позднее года X?»
Вычисление: из тех же 3000 прогонов. Для каждого года T:
Ступенчатый подъём = концентрация прогнозов в узком окне. Плато = затор (data wall, энергетика, регуляция). Резкий скачок = почти все частицы сходятся в одном сценарии.
T4-кривая всегда лежит правее T2 — T4 требует более высокого порога. Расстояние между кривыми = время между T2 и T4.
Что влияет: те же факторы, что и гистограмма. Кривые дополняют друг друга — гистограмма показывает «где пик», кумулятивная — «какова вероятность к году X».
Карта чувствительности: как прогноз зависит от последнего наблюдения Intelligence × Agentic. Ячейка (i,j) = медианный год AGI если последнее наблюдение = (Intel=i, Agentic=j).
Вычисление: для каждой пары (i,j) из сетки [40,45,...,85] × [10,20,...,100] выполняется runSensitivityMatrix() — берётся текущий tracker, клонируются частицы, заменяется последнее наблюдение на (i,j), запускается MC.
Интерпретация цвета: синий = ранний AGI (модель «верит» что мы близко); красный = поздний AGI (далеко). Градиенты показывают, какой параметр доминирует:
Что влияет: текущий posterior (после всех наблюдений), архитектура модели (slope reasoning/agency, потолки). Смотрите — сдвиг на 1 пункт по какой оси сильнее всего сдвигает прогноз.
30 случайных прогонов из posterior, наложенных полупрозрачно. Показывает разброс возможных путей capability от 2026 до 2050 года (логарифмическая шкала).
Каждый прогон: случайная частица (по весам) симулируется до 2050 с месячным шагом. На каждом шаге: paradigm shift, RSI, экономические бутылочные горлышка.
Плотные пучки = сценарии сходятся. Разброс = высокая неопределённость. Горизонтальные линии порогов T1–T4: настраиваются через Expert Sandbox.
Что формирует веер:
• Ширина ← различие в hw_months, algo_months между частицами
• Наклон ← FLOPs-scaling (hwK и algoK)
• Изгибы ← paradigm shifts, RSI onset, экономические стены
Stacked area: разбивка суммарной capability на 4 компоненты. Показывает, что движет прогрессом в каждый момент времени.
Компоненты:
Вычисляется через runDecomposition() — усреднение по всем частицам с весами. Переход от «железа» к «алгоритмам» к «RSI» = путь к сингулярности.
Расхождение между способностью к формальному выводу (Reasoning) и пониманием причинно-следственных связей в физическом мире (World Modeling).
Интерпретация:
Вычисляется как интеграл разности R(t) - W(t) по всем частицам. Устойчиво расширяющийся разрыв — сигнал о неизбежном «моменте галлюцинаций».
Embodiment — 4-е латентное измерение: физическая воплощённость ИИ. cap = min(reasoning, agency, embodiment): без роботов T4 недостижим.
Верхний график: траектория embodiment (p10 / p25 / медиана / p75 / p90) по годам. Жёлтые точки = реальные роботы: Spot, Optimus Gen 1-3, Figure 02/03, 1X Neo, Apptronik Apollo, Unitree H1. Bypass (зелёная черта) — при embodiment выше неё ИИ строит свои дата-центры, HW-рост ускоряется ×3. T4 requirement (красная) — минимальный embodiment для засчитывания T4.
Нижний график: гистограмма текущего embodiment_ceiling по 1000 частицам. Среднее ~4 (роботы сложны), но есть хвост до 8-10 (быстрые оптимисты).
Real robotics prior: realRoboticsWeight (0…1) в Expert Panel управляет силой likelihood-штрафа за отклонение embodiment_ceiling от реальных роботов. weight=0 — игнор, weight=1 — строгое следование.
Анимированная визуализация распределения T2/T4. Каждая частица = один MC прогон. Вылетает из центра (2026) и застывает на орбите своего года T2/T4.
Метафора: плотные кольца = высокая вероятность (много частиц предсказывают AGI в этот год). Редкие точки = маловероятные сценарии.
Механика: при запуске частицы «взлетают» из центра с задержкой, пропорциональной году T2/T4. Цвета орбит кодируют стадии. Расстояние от центра = вес частицы.
Что влияет: распределение T2/T4 лет из posterior, случайность MC прогона. Симметричная сфера = один чёткий пик. Фрактальная структура = множество конкурирующих сценариев. P(T2 к 2068), медиана T2 — обновляется в реальном времени.
Модель v4 использует байесовский частичный фильтр (Bayesian Particle Filter) для калибровки прогноза на реальных данных бенчмарков (ARC-AGI, SWE-bench, Arena Elo). Каждая частица — это гипотеза о будущем: скорость роста hardware, алгоритмов и потолок агентности. Наблюдения обновляют веса частиц через правдоподобие, а маловероятные гипотезы отмирают при ресэмплинге. Панель Expert Sandbox позволяет настраивать 30+ параметров модели и проверять гипотезы о будущем в реальном времени.
1000 частиц с настраиваемыми априорными распределениями: hw_months, algo_months, agency_ceiling (mean/std через Expert Sandbox). Каждое наблюдение бенчмарков (ARC-AGI, SWE-bench, Arena Elo) обновляет веса через гауссово правдоподобие. ESS-ресэмплинг предотвращает вырождение. Поддержка трёх World Models: Cascade, Hard Wall, Slow Takeoff.
Reasoning (slope 0.35, ceiling настраивается) и Agency (slope 0.25, ceiling — параметр частицы). Capability = min(Reasoning, Agency). Оба растут логистически от log(FLOPs), но упираются в потолки. Эпистемическая неопределённость: каждая частица верит в свою «физику мира».
Переход происходит при saturation > threshold (настраивается) + compute overhang bonus. Убывающая отдача: 1-й сдвиг ×3.0, 2-й ×2.5... World Models модифицируют вероятность: Hard Wall подавляет сдвиги, Slow Takeoff даёт огромный первый скачок.
Запускается при reasoning >= 8.0 AND agency >= 8.0 (настраивается). Базовый потенциал растёт от (cap - threshold)^1.2, но ограничивается координационным трением: 1/(1 + friction * max(0, cap-10)). Множитель RSI масштабирует эффект. Максимум 2.0.
Экономическая стена: если Reasoning обгоняет Agency > 2.0 — инвестиции экспоненциально падают. GPU-пузырь может лопнуть при agency < 4. Alignment incident замораживает масштабирование на 1.5 года. Физический предел роста hardware (maxPhysicalHwGrowth) — даже сверхразум не строит fabs мгновенно.
N прогонов из апостериорного распределения (500–10000). Каждый прогон — симуляция от 2023 до 2068+ с месячным шагом. Шоки: data wall, alignment incident, GPU bubble burst. Результат: распределение лет до T1, T2, T3, T4. Пороги настраиваются через Expert Sandbox.
18+ настраиваемых параметров: априорные допущения (agency mean/std), пороги RSI, координационное трение, физический предел hardware, compute overhang, вероятности World Models, вес autonomy в бенчмарках. Превращает модель из прогноза в эпистемологический симулятор.
Типы шоков: Data Wall (исчерпание данных, тормозит алгоритмы), Alignment Incident (регуляторная заморозка), GPU Bubble Burst (обвал инвестиций), AI Winter (разрыв reasoning-agency). Вероятности зависят от текущего состояния системы.
В модели v4 описываются четыре контрольные точки технологической сингулярности:
Система сложнее когнитивной модели человека. Пользование становится ритуальным. Мы доверяем интерфейсам, но уже не понимаем причин решений.
Промежуточные стадии: Инструмент → Усилитель → Посредник.
Система выступает как координатор. Никто не способен оценить глобальные последствия действий. Возникает ощущение случайности мира и эрозия человеческой агентности.
Промежуточные стадии: Координатор → Арбитр → Архитектор среды.
Система автономна и действует быстрее человеческого цикла. Строит собственную инфраструктуру. Люди, политики и государства становятся функцией инфраструктуры.
Промежуточные стадии: Метасистема → Автономная инфраструктура.
Среда мыслит за человека. Пространство решений полностью сконструировано извне. Цели системы перестают быть человеческими. Цивилизационный фазовый переход.
Промежуточные стадии: Постчеловеческий слой → Цивилизационный фазовый переход.