За последние четыре столетия скорость научных открытий росла почти непрерывно — но всегда упиралась в один и тот же лимит: человеко-часы. Сколько учёных успевают прочитать статей, провести экспериментов, проверить гипотез. ИИ впервые ускоряет сам процесс мышления и исследования, а не только производство. В этом материале — сценарии на 10–20 лет в четырёх областях: энергия, наука, медицина, образование. Без апокалиптики, с честными оценками: где это уже работает, а где — пока оптимистичный прогноз.

Энергия: ИИ приближает термоядерную эпоху

Управление термоядерной плазмой — задача, где ИИ уже показал результат, а не обещание. В 2022 году команды DeepMind и швейцарского центра EPFL опубликовали работу в Nature: нейросеть управляла плазмой в токамаке TCV, удерживая нужную конфигурацию и предотвращая срывы, которые разрушают реакцию. Раньше такие настройки подбирались годами вручную.

Термоядерный синтез

Оценка: коммерческие термоядерные станции вряд ли появятся раньше 2040-х — это оптимистичный сценарий, завязанный на физику, а не только на ИИ. Но ИИ сжимает именно ту часть пути, которая зависит от вычислений: управление плазмой, проектирование реакторов, поиск материалов для стенок и магнитов.

Умные энергосети

Ближе к сегодняшнему дню — оптимизация обычной энергетики. ИИ прогнозирует нагрузку на сети, балансирует ветряки и солнечные станции, снижает потери при передаче. Это не футурология: такие системы уже работают в энергокомпаниях Европы и Азии, и эффект измеряется процентами экономии на масштабе целых стран.

Наука: ИИ как ускоритель исследований

Ежегодно в мире публикуется порядка пяти миллионов научных статей — оценка, которую приводят крупные издательства. Ни один человек не может прочитать даже малую долю своей области. ИИ-инструменты уже берут на себя чтение, систематизацию и поиск связей между публикациями, а автономные лаборатории начинают планировать и проводить простые эксперименты без участия человека.

Показательный пример — проект GNoME от Google DeepMind: в 2024 году ИИ предсказал 2,2 миллиона новых кристаллических материалов, из которых около 380 тысяч стабильны. Это готовые кандидаты для батарей, полупроводников, катализаторов и лекарств. Раньше такие открытия делались годами перебора в лабораториях; теперь исследователи получают каталог и проверяют самое перспективное.

Медицина: от скринингов к персональной терапии

Медицина — самая быстрая в применении область: регуляторика сложна, но эффект измерим, а спрос огромен. ИИ-скрининг рака, анализ генома опухоли, подбор терапии — всё это уже работает в клиниках, подробнее мы разбирали это в статье об ИИ в онкологии. Оценка на 10–20 лет: массовые проверки на несколько видов заболеваний по анализу крови и персональные планы лечения, собранные на основе генома и истории пациента.

Отдельная история — разработка лекарств. ИИ уже предсказывает структуру белков и проектирует молекулы-кандидаты, сокращая доклинический этап с лет до месяцев. Оценка: первые поколения препаратов, спроектированных «с нуля» с помощью ИИ, могут выйти на рынок в течение 10–15 лет — при условии, что клинические испытания не выявят проблем.

Образование: персональный репетитор у каждого

Сегодня школьник и студент учатся по единой программе, рассчитанной на «среднего» ученика. ИИ позволяет развернуть обучение вокруг конкретного человека: адаптивные задачи, мгновенная обратная связь, объяснение одной и той же темы разными способами, пока она не будет понята. Уже работающие системы показывают рост результатов там, где внедрены системно.

Второй эффект — исчезновение языкового барьера. Синхронный перевод и ИИ-тьюторы делают лучшие курсы мира доступными независимо от языка ученика. Оценка: через 10–15 лет персональный ИИ-ассистент станет стандартной частью образования — не замена учителю, а снятие с него рутины проверки и подбора заданий.

Что изменится к 2036–2046 годам: сценарий

Соберём оценки в один сценарий. Повторим: это сценарий, а не гарантия — реальность зависит от финансирования, регуляторики и геополитики.

2,2 млнновых материалов предсказал ИИ — проект GNoME
5 млннаучных статей в год — и ИИ учится их читать
2030-егоризонт первых термоядерных прототипов (оценка)
Почему мы не пишем про «восстание машин». Главные ограничения ближайших 20 лет — не злой ИИ, а регуляторика, данные и инфраструктура. Реальные риски: неравномерное распределение выгод и устаревание профессий. К этому готовятся политикой и переобучением — а не страшилками. Все сроки в этой статье — оценки, и мы это честно пометили.

Ускорение чувствуется уже сейчас, и быстрее всего — в бизнесе: агенты, которые отвечают клиентам и ведут документы, окупаются за месяцы, а не годы. Посмотрите, что уже работает сегодня — это ближайший горизонт ускорения.