От университета до искусственного интеллекта: как ускорялся генератор изобретений

Не история всех изобретений человечества, а одна условная траектория: как западная научно-техническая система раз за разом расширяла пространство следующих возможных решений.

Если смотреть на человеческую историю в масштабе Вселенной, разница между человеком, который просто хотел не замёрзнуть у огня, и инженером атомной электростанции выглядит почти как моргание глаза. Если довести этот образ до шутки, получится совсем уж стремительно: условный кроманьонец ещё думает, как согреться, а через исторический миг у его потомков уже работает атомная станция. Разумеется, между этими точками лежат десятки тысяч лет, огромное количество культур, войн, миграций, открытий и исчезнувших ветвей. Но сам контраст полезен: биологически человек за это время не превратился в другой вид, а внешняя машина производства знаний выросла колоссально.

Именно эта внешняя машина и интересует меня в статье. Я не пытаюсь пересказать историю изобретений человечества и не предлагаю универсальную периодизацию цивилизаций. Не будет отдельного исследования Древнего Египта, Греции, Рима, Китая, Индии или других великих научных традиций, хотя их вклад огромен и многие их достижения вошли в европейскую линию. Для нашей задачи достаточно сознательно сузить поле и посмотреть на одну реализовавшуюся траекторию — ту, которая примерно с позднего Средневековья постепенно сформировала современный западный и североатлантический научно-технический мир.

Такое ограничение — не утверждение о превосходстве этой траектории и не попытка объявить её единственно жизнеспособной. Это исследовательская оптика. В книге «Мозг фирмы: 2026» жизнеспособность рассматривается не как один заранее назначенный маршрут, а как поле продолжений: важно не только то, какой вариант существует сейчас, но и какие возможности он оставляет после себя, насколько они независимы и сколько стоит удерживать их открытыми. 2026-09-23 Мозг фирмы 2026 в09 … Я переношу эту мысль на историю только как способ постановки вопроса: какие институты, технологии и способы организации знания не просто давали непосредственный результат, а расширяли поле последующих результатов?

Разумеется, факторов исторического ускорения было намного больше. Демография, войны, торговля, энергия, капитал, рынки, политические институты, конкуренция, религия, образование, миграция специалистов, эпидемии и случайность постоянно меняли ход событий. Поэтому дальше — не причинная модель всего прогресса. Это сознательное аналитическое упрощение, нужное для одной цели: подвести к понятию генератора изобретений и понять, почему сегодня отдельный исследователь с искусственным интеллектом снова сталкивается с проблемами, которые раньше решались целыми институтами.

Короткий пролог: VIII–XII века. Когда знание пересекало языковые границы

До основной хронологии стоит оставить один важный пролог. Переводческие центры Багдада эпохи Аббасидов показывают, что ускорение знания начинается не только с создания нового, но и с сокращения расстояния между уже существующими интеллектуальными мирами. В VIII–X веках крупные массивы греческих, сирийских и персидских трудов переводились на арабский язык; позднее часть этого корпуса через переводческие центры Пиренейского полуострова вошла в латинскую Европу. Для нашей темы важен не красивый образ единственного «Дома мудрости», а сам механизм: перевод создаёт новые возможности сопоставления, продолжения и повторного использования знания.

Но перевод научного знания сразу обнаруживает фундаментальную проблему: переносить приходится не слова, а понятия. Если одинаковыми словами разные школы называют разные конструкции, а одинаковые конструкции получают разные названия, то смысл начинает теряться именно на границе языков и традиций. Зрелые научные культуры поэтому создают словари, академии, терминологические комиссии и стандарты. Проблема старая, но сегодня она стала особенно острой.

Сегодня новые научные термины, значения и локальные понятийные системы возникают быстрее, чем успевают стабилизироваться их определения, переводы и соответствия между научными школами. Если этот разрыв не контролировать, исследователь начинает терять смысл уже при переходе между языками, дисциплинами и культурными традициями.

Эта проблема ещё вернётся в конце статьи. В XXI веке искусственный интеллект чрезвычайно упростил переход между языками, но быстрый перевод текста совершенно не гарантирует сохранения исходного понятия. Поэтому исторический сюжет о переводчиках Багдада для нас не экскурсия в древность. Это первое появление проблемы, которая сегодня снова становится центральной.

1200–1660. Сохранить знание и научиться массово его размножать

Основную хронологию имеет смысл начинать примерно с 1200 года. К этому времени университет уже становится устойчивым институтом передачи сложной интеллектуальной традиции. Средневековый университет ещё не является современной исследовательской организацией, но он делает принципиально важную вещь: знания, тексты, способы аргументации и программы обучения перестают полностью зависеть от одного носителя и получают институциональную преемственность. Следующее поколение может начинать не с пустого места.

Ограничением остаётся рукописная форма. Книгу дорого и медленно копировать, число экземпляров мало, а распространение сложных текстов ограничено. Печатный станок середины XV века резко меняет именно эту часть системы: один интеллектуальный результат можно воспроизвести в большом числе экземпляров и доставить гораздо большему числу читателей. Печать не «изобретает науку», но увеличивает количество потенциальных продолжателей каждого результата и ускоряет циркуляцию понятий, методов и споров.

После этого ограничение меняется. Пока текст трудно получить, проблема состоит в доступе. Когда текстов становится много, возникает другой вопрос: каким из них доверять, как отличать устойчивое наблюдение от ошибки и как сделать так, чтобы удачный результат не просто распространялся, а проходил коллективную проверку. История снова показывает знакомую закономерность: снятие одного ограничения не завершает развитие, а делает видимым следующее.

1660–1850. Научиться коллективно проверять и связывать знание с практикой

В XVII веке возникают научные общества и научные журналы, которые превращают личную переписку и отдельные наблюдения в более устойчивый коллективный контур. Королевское общество, основанное в 1660 году, и начавшие выходить в 1665 году «Философские труды» стали частью системы, где результат можно было описать, обсудить, критиковать и пытаться воспроизвести. Для генератора изобретений это качественное усиление: система учится не только производить и распространять варианты, но и быстрее отсекать часть неработающих.

В XVIII — первой половине XIX века усиливается ещё одна связь: теория, инструмент, инженерная практика и промышленное применение всё чаще образуют повторяющийся цикл. Это не означает, что промышленная революция была простым следствием науки; на неё влияли рынки, энергия, капитал, торговля, институты и множество других причин. Но для нашего ракурса существенна петля: теория позволяет улучшить инструмент, инструмент даёт новое измерение, измерение меняет теорию, а новая теория открывает следующую техническую возможность.

В этот момент результат начинает делать нечто большее, чем просто решать текущую задачу. Он начинает улучшать условия получения следующего результата. Именно здесь особенно хорошо видно, почему историю изобретений полезно рассматривать не только как последовательность отдельных достижений, но и как постепенное усиление самой машины поиска.

1840–1914. Воспроизводить саму исследовательскую способность

В XIX веке возникает исследовательский университет и лаборатория в современном смысле. К концу столетия складываются дисциплинарные программы, лабораторные школы, журналы, учёные степени, профессиональные общества и постоянные научные должности. Это уже не просто сохранение знаний. Общество получает механизм воспроизводства людей, профессионально подготовленных к созданию нового знания.

Профессор обучает студентов, часть студентов становится исследователями, они создают собственные лаборатории, методы входят в программы подготовки, а новое поколение начинает с накопленного уровня. Научный поиск становится параллельным, специализированным и институционально воспроизводимым. Впервые сама исследовательская способность превращается в массово поддерживаемый социальный ресурс, а не в редкую комбинацию таланта, покровительства и личной библиотеки.

И снова изменяется само поле продолжений. Если подготовка нового исследователя превращена в устойчивый процесс, то каждый полученный результат потенциально может продолжаться уже не одним учеником или случайным последователем, а целым поколением специалистов.

1900–1970. Организовать большой поиск

В начале XX века важным новым механизмом становится корпоративная исследовательская лаборатория. Крупные компании создают постоянные научные подразделения и связывают исследование с изобретением, продуктом, производством и обратной связью от эксплуатации. Исследование перестаёт быть только внешним источником идей: оно становится внутренней способностью организации создавать следующее поколение собственной технологии.

Во время Второй мировой войны и после неё появляется ещё более мощный контур — государственные научно-технические программы. Университеты, промышленность, оборонные и медицинские лаборатории, крупное финансирование и тысячи специалистов могут работать в общей программе. Манхэттенский проект, космические программы и большие медицинские проекты важны здесь не как методы изобретения, а как примеры того, насколько мощной становится организация поиска, когда у неё есть огромное количество людей, времени, приборов, вычислений и материальных ресурсов.

Именно эта эпоха особенно важна для сегодняшнего вопроса. В большой программе исследователь не обязан лично выполнять весь цикл. Один коллектив занимается литературой, другой — расчётами, третий — экспериментом, четвёртый — испытаниями, пятый — анализом результатов. Существуют руководители направлений, архивы, стандарты, внутренние библиотеки и процедуры передачи результатов. Качество исследовательского процесса обеспечивается не только умом конкретного учёного, но и огромным организационным аппаратом вокруг него.

Это принципиально. Когда мы сегодня обсуждаем методы научного поиска, легко забыть, что многие практики XX века формировались внутри систем, где отдельный исследователь являлся лишь одним элементом большой машины. У него были коллеги, инфраструктура и возможность передать часть задачи другому специалисту.

1960–2015. Сделать знание цифровым, сетевым и почти мгновенно доступным

Следующий переход создают вычислительные сети. Компьютер ускоряет расчёт, сеть позволяет передавать между организациями данные, программы, модели и другие цифровые объекты. Результат одной группы быстрее становится инструментом другой, а часть знания приобретает исполнимую форму: передавать можно уже не только описание алгоритма, но и код, который его реализует.

Затем появляется Всемирная паутина. Интернет соединял сети, а Всемирная паутина сделала документы и другие информационные объекты связанными и адресуемыми. Научную публикацию, набор данных, документацию или программную библиотеку теперь можно найти и получить за минуты. Стоимость передачи информации резко падает, а расстояние между создателем результата и его потенциальным продолжателем уменьшается.

После этого дефицит снова меняет форму. Раньше исследователь страдал от нехватки информации; теперь он всё чаще страдает от невозможности обработать её объём. Публикаций, данных, языков, научных школ и смежных дисциплин становится больше, чем способен охватить один человек.

И здесь возникает странный исторический поворот. Человечество построило колоссальную внешнюю память, но индивидуальный исследователь снова оказывается перед личной проблемой: как из этой памяти извлечь именно то, что действительно относится к его задаче?

2015–2026. Большая исследовательская мощность снова оказывается у одиночки

С середины 2010-х годов появляется искусственный интеллект, который начинает выполнять часть когнитивных операций самого поиска. Он способен помогать находить публикации по конкретному вопросу, читать и сопоставлять большие массивы текстов, переводить научную терминологию, сравнивать способы описания одного объекта в разных дисциплинах, писать и анализировать программный код, строить вычислительные модели и предлагать рабочие гипотезы.

Впервые отдельный человек получает доступ к интеллектуальному усилителю такого масштаба, не будучи частью огромной государственной или корпоративной исследовательской программы.

И вот здесь возникает парадокс, особенно заметный для аудитории Хабра. Современный исследователь часто работает один или в маленькой команде из двух-трёх человек. У него нет отдела научной информации, десятков лабораторий, отдельной группы переводчиков, собственного вычислительного центра и многолетнего бюджета. Но с помощью ИИ он может за один день открыть десятки предметных областей, языков и возможных направлений исследования.

Мощность входа резко выросла. Организационный аппарат вокруг исследователя — нет.

Поэтому качество поиска становится уже не подготовительной операцией, которую можно выполнить «как получится», а одним из главных условий результата. Если на входе оказались нерелевантные источники, неверный перевод, устаревшие сведения или смешанные понятия, искусственный интеллект не обязан автоматически обнаружить проблему. Напротив, он способен быстрее и убедительнее переработать плохой исходный материал.

Старый инженерный принцип «мусор на входе — мусор на выходе» в эпоху искусственного интеллекта не исчезает. Он становится опаснее.

Но качественный поиск потенциально бесконечен. Всегда можно найти ещё одну статью, ещё один язык, ещё одну научную школу, ещё одну смежную дисциплину или ещё одну проверку. Поэтому индивидуальному исследователю недостаточно иметь хороший поисковый инструмент. Ему нужно понимать, что именно ещё имеет смысл искать, сколько времени на это допустимо потратить и когда исследование следует остановить.

Здесь оказывается неожиданно полезен принцип из «Мозга фирмы: 2026». Там предлагается заранее учитывать временные границы: последний момент, когда ещё имеет смысл продолжать понимание, проверку или создание нового варианта. Отдельно формулируется и правило остановки: дальнейшее обучение теряет смысл, когда дополнительное уменьшение неопределённости уже не меняет допустимый выбор либо когда проверка придёт слишком поздно, чтобы повлиять на решение. 2026-09-23 Мозг фирмы 2026 в09 …

Для исследовательской работы это фундаментальная постановка.

Поиск должен быть не максимальным, а достаточным для получения обоснованного результата в доступном горизонте времени.

Ограниченный ресурс — это не только деньги. Это время до публикации или практического решения, внимание исследователя, вычислительные ресурсы, доступность эксперимента, возможность проверить гипотезу и стоимость ухода в очередную боковую ветвь. Каждая дополнительная неделя поиска должна быть оправдана тем, что она способна изменить вывод, открыть действительно новый вариант или существенно повысить надёжность результата. Иначе исследование превращается в бесконечное накопление материалов вместо движения к проверяемому результату.

Сюда же возвращается проблема терминологии. Искусственный интеллект позволяет за минуты перейти из русскоязычной инженерной школы в англоязычную статью, затем в китайскую публикацию или индийскую исследовательскую традицию. Но машинный перевод снимает языковой барьер только частично. Исследователь всё равно должен понимать, одинаковые ли понятия стоят за похожими словами, не изменилась ли граница термина и действительно ли найденная конструкция переносима в другую предметную область.

В эпоху искусственного интеллекта исследователю недостаточно быстро находить и переводить информацию. Он должен уметь сохранять смысл при переходе между языками, дисциплинами и научными школами; иначе скорость поиска растёт быстрее, чем качество понимания.

Есть и ещё одна проблема — кооперация маленьких исследовательских групп. Если один человек ведёт источники и термины в одной системе координат, второй — в другой, а третий не может восстановить происхождение выводов первых двух, объединение их работы становится почти таким же дорогим, как повторное исследование. Значит, малым группам нужны не только общий чат и папка с файлами. Нужна совместимая исследовательская память: границы предмета, происхождение утверждений, используемая терминология, конкурирующие версии и возможность продолжить чужую ветвь без полного повторения всего пути.

Отдельная проблема — конкурирующие объяснения. Искусственный интеллект способен очень быстро сделать первую правдоподобную гипотезу чрезвычайно убедительной. Поэтому необходимо сохранять альтернативные версии и задавать вопрос не только «какая выглядит лучше?», но и «какой факт способен действительно различить эти объяснения?». В «Мозге фирмы» эта дисциплина формулируется именно так: противоречия и разные версии не следует стирать, пока не появился результат, способный их различить.

И наконец, остаётся человеческий выбор. Машина может собирать источники, переводить тексты, искать связи, показывать противоречия и помогать строить варианты. Но она не должна незаметно подменить решение исследователя о том, какое доказательство достаточно, какой риск ошибки допустим, куда направить ограниченное время и когда дальнейший поиск перестал быть оправдан.

Именно здесь возникает вопрос, ради которого исторический экскурс вообще был нужен.

Где методология для обычного исследователя, который получил в руки огромную силу искусственного интеллекта, но по-прежнему располагает только собственным временем, ограниченными ресурсами и маленькой командой?

Что в этой истории действительно ускорялось

Если собрать выбранную траекторию целиком, получается не список великих изобретений, а последовательность усилений самой способности получать следующее. Университет удерживал и передавал интеллектуальную традицию. Печатный станок расширял число потенциальных продолжателей. Научное общество и журнал создавали коллективную проверку. Исследовательская лаборатория воспроизводила самих исследователей. Корпоративная лаборатория связывала поиск с технологическим воплощением. Государственная научно-техническая программа давала масштаб и специализацию. Вычислительная сеть ускоряла передачу исполнимых результатов. Всемирная паутина создавала глобально адресуемую память. Искусственный интеллект передал часть операций этого генератора непосредственно отдельному исследователю.

Именно поэтому полезно говорить о генераторе изобретений. Это не конкретная организация и не одна методика, а совокупность памяти, языка, специалистов, правил проверки, инструментов, вычислений, институтов и ресурсов, от которой зависит путь от вопроса к новому работающему результату. История показывает, что мощность такого генератора росла неравномерно: каждое усиление снимало одно ограничение и делало видимым следующее.

Сегодня произошёл особенно интересный поворот. Большая часть информационной и частично аналитической мощности генератора стала доступна человеку, у которого нет аппарата большой исследовательской программы. В прошлом значительную часть организационной дисциплины обеспечивала сама структура: подразделения, специализация, архивы, процедуры проверки и распределение работ. Теперь отдельный исследователь получает значительную часть интеллектуальной мощности этой системы в одном компьютере, но обязан сам организовать поиск, терминологию, проверку, время и остановку исследования.

И это уже не исторический вопрос.

Почему это только первая статья

Во второй статье я перейду от исторической инфраструктуры к теориям и методам изобретения и научного открытия. Человечество давно пыталось сознательно организовать сам процесс получения нового: существуют ТРИЗ и АРИЗ, систематическое инженерное проектирование, методы построения научных гипотез, планирования эксперимента, математического поиска и другие подходы.

Но сравнивать их следует не как рейтинг «лучше — хуже». Важно понять, для каких задач и условий они создавались, что именно позволяют генерировать, каким образом организуют поиск, какие ресурсы предполагают и чем проверяют результат.

А затем возникает современный практический вопрос.

Третья статья будет посвящена методологии «Глаз стрекозы» — инструментарию индивидуального исследователя и небольшой группы, работающих вместе с искусственным интеллектом. Здесь уже придётся отвечать на вопросы, которые первая статья только поставила: как сохранять смысл при переходе между языковыми и научными школами, как работать одновременно с несколькими предметными областями, как отличать перенос механизма от красивой аналогии, как сохранять происхождение доказательств, как удерживать конкурирующие версии, сколько времени отдавать дополнительному поиску и по какому критерию исследование заканчивать.

И это принципиально не сводится к набору удачных промптов. Промпт может запустить операцию. Он не создаёт сам по себе дисциплину исследования.

Так три статьи складываются в одну линию:

как исторически усиливался генератор нового → какие методы систематического получения нового человечество уже создало → как отдельному исследователю или малой группе practically управлять этой мощностью в эпоху искусственного интеллекта.

Исторический экскурс нужен здесь именно для этого. Не чтобы уйти в Урарту, дойти до питекантропа и написать ещё одну историю человечества, а чтобы понять происхождение очень современной проблемы.