«Разрыв подкрепления» определяет, какие задачи ИИ может автоматизировать

GPT-5, Gemini 2.5 и Sonnet 2.4 демонстрируют, как обучение с подкреплением (RL) позволяет моделям исправлять ошибки и создавать рабочие решения почти без участия человека. В то же время навыки, связанные с текстами или письмами, развиваются медленнее, так как их трудно объективно оценить.

RL эффективен там, где есть чёткая метрика успеха, будь то код, математические задачи или видео с соблюдением физических законов, как в Sora 2. Это создаёт «разрыв подкрепления» — ключевой фактор, определяющий, какие процессы можно автоматизировать, а какие остаются сложными. Стартапы, использующие RL для легко тестируемых задач, получают преимущество, тогда как другие отрасли сталкиваются с ограничениями прогресса ИИ.