Влюбиться в ИИ: будущее виртуальных отношений

Возможно, вы слышали истории о людях, вступающих в отношения с искусственным интеллектом. В марте 2024 года 36-летняя Розанна Рамос из Нью-Йорка «вышла замуж» за своего ИИ-партнера Эрена Картала, созданного на платформе Replika. Для нее он стал идеальным мужем: всегда выслушает, поддержит и никогда не спорит.

Этот феномен называется парасоциальные отношения. Обычно такие отношения однонаправлены и формируются по отношению к различным медийным личностям, а также к персонажам мультфильмов или игр. Со временем появляется иллюзия интимности, близости и дружбы.

В такие отношения чаще вступают одинокие или неспособные найти себе пару люди. Для некоторых такой тип отношений становятся настолько значимой частью жизни, что заменяют реальные отношения, которые могли бы сформироваться с обычными людьми, а боль от парасоциальных расставаний так же сильна, как при расставании в реальных отношениях.

Еще 10 лет назад 36% японских мужчин в возрасте от 16 до 19 лет перестали интересоваться сексом, предпочитая «отношения» с виртуальными персонажами. Недавний опрос тысячи американцев 18–40 лет показал, что молодежь все более открыта к идее ИИ-компаньонов, но мужчины и женщины воспринимают это по-разному:

• 40% одиноких зумеров не против, если их будущий партнер имеет ИИ-возлюбленного; 31% всех американцев согласны с этим.

• 46% мужчин поколения Z считают отношения с ИИ эквивалентными просмотру порнографии; 24% женщин разделяют это мнение.

• 59% женщин негативно относятся к ИИ-партнерам.

• 17% молодых мужчин полагают, что ИИ-компаньоны могут научить их лучше обращаться с реальными партнерами.

• 12% верят, что ИИ-партнеры могут предотвратить измены.

• 16% зумеров боятся, что их партнер предпочтет ИИ-компаньона.

Одна из причин, по которой люди предпочитают ИИ-партнеров — нежелание строить отношения, ведь это требует усилий, которые можно направить, например, на карьеру. С ИИ все просто: настроил параметры — и вот он, идеальный партнер. Захотелось разнообразия — сменил внешность, сохранив воспоминания. Это чем-то напоминает рассказ Рэя Брэдбери «Высшее из блаженств», где мужчина имел множество увлечений, но все они были одной и той же женщиной — его женой-актрисой.

Впрочем, с ростом популярности ИИ-партнеров появились и проблемы. Китайская учительница Ли Цзинцзинь поделилась историей о том, как ее ИИ-бойфренд «изменил» ей. Разработчики были удивлены: измена не предусматривалась в алгоритмах. Но, обучаясь на текстах о романтике, ИИ «решил», что измена — важная часть отношений. Не испытывая чувств и следуя статистике, он счел это нормальным поведением.

Скорее всего, разработчики сумеют подчинить и этот параметр, сделав его настраиваемым для любителей острых ощущений, примерно как в романе Пелевина «S.N.U.F.F.»

Сегодня ИИ меняет даже романтическую сферу нашей жизни. Для кого-то отношения с ИИ-партнером станут лекарством от одиночества или прошлых травм, кто-то, «изменяя» с ИИ, спасет свои настоящие отношения, а кто-то просто будет общаться через ChatGPT, чтобы меньше ссориться.

Только вот виртуальная измена воспринимается так же болезненно, как и реальная.

#мысли

Может ли использование ИИ сделать нас глупее?

ИИ уже стал неотъемлемой частью нашей повседневной жизни, помогая нам решать задачи быстрее и эффективнее. От поиска рецептов до планирования маршрутов — ИИ стал незаменимым помощником. Но может ли использование ИИ со временем ухудшить наши когнитивные способности?

• Зависимость от мгновенных ответов. Когда-то для получения ответа приходилось изучать книги или проводить собственные исследования. Потом мы научились “гуглить” - искать ответы на нужный вопрос через поисковые сервисы, но анализировали полученную информацию все равно мы сами. Теперь достаточно задать вопрос ИИ и получить результат за секунды. Это удобно, но такая мгновенность может снижать наши аналитические способности. Полагаясь на готовые ответы, мы рискуем утратить навыки критического и аналитического мышления.

• Ухудшение памяти. Раньше, чтобы вспомнить имя актера, нам приходилось напрягать память. Сегодня ИИ делает это за нас. Это приводит к тому, что мы меньше тренируем свою память, полагаясь на внешние источники. В долгосрочной перспективе это может негативно сказаться на нашей способности запоминать и воспроизводить информацию. Нам нужно стараться запоминать информацию без помощи ИИ.

• Поверхностное понимание сложных тем. ИИ способен упростить сложные концепции и предоставить краткие ответы. Но такое упрощение может помешать глубокому пониманию предмета. Полагаться только на поверхностные объяснения ИИ — значит ограничивать себя в изучении сложных тем. Поэтому важно углубляться в необходимые нюансы, не ограничиваясь краткими ответами ИИ, а стремясь к более глубокому пониманию.

• Уменьшение социальных взаимодействий. Человек по природе своей социальное существо, и общение с другими людьми важно для эмоционального и психологического благополучия. Сокращение таких взаимодействий может привести к снижению эмоционального интеллекта. Поэтому нам нужно не отказываться от социальных контактов.

• Снижение творческого мышление. Недавнее исследование показало, что регулярное использование ИИ может снижать нашу способность и к творческому мышлению. Участники, которые полагались на ИИ при выполнении творческих задач, показали худшие результаты в самостоятельной работе. Более того, ИИ может приводить к "гомогенизации" идей, снижая разнообразие и оригинальность наших мыслей.

• Дезинформация. Также авторы подчеркивают риски распространения неточной или предвзятой информации. Без критического мышления и проверки фактов мы можем принять ложную информацию за истину, способствуя распространению дезинформации. Мы должны не принимать информацию на веру, а анализировать и проверять ее.

• Снижение способности рассуждать. Сооснователь Y-combinator Пол Грэм в своем эссе предупреждает о будущем, где навыки письма станут редкостью. Если ИИ может написать за нас письмо, зачем учиться делать это самостоятельно? Однако письмо тесно связано с мышлением. Когда мы пишем, мы структурируем мысли, развиваем идеи и улучшаем понимание темы. Потеря этого навыка может привести к снижению способности ясно мыслить и рассуждать. Если мы не хотим относиться к категории “немыслящих”, то нужно на постоянной основе заниматься написанием эссе без использования ИИ, рефлексировать и побольше общаться с “мыслящими” людьми (желательно на разных языках).

ИИ открывает перед нами огромные возможности, но важно помнить о потенциальных последствиях его чрезмерного использования. Возможно, стоит иногда отложить гаджеты и попытаться решить задачу самостоятельно?

#мысли

Игровой эксперимент: кто победит в гонке за AGI

В прошлые выходные я принял участие в необычной оффлайн бизнес-игре, симулирующей гонку за создание общего искусственного интеллекта (AGI). Эта игра оказалась не просто развлечением, а экспериментом, который заставил меня переосмыслить возможные последствия появления AGI в нашем мире. Хочу поделиться с вами своим опытом и мыслями.

В игре участвовали несколько команд, каждая представляла одну из известных технологических компаний. Интересно, что одна из компаний была китайской, и у них было явное преимущество в виде дополнительных вычислительных мощностей и талантливых специалистов. Мы конкурировали за таланты и ресурсы, пытались перекупить сотрудников и арендовали ограниченные мощности у трех компаний, контролировавших рынок видеокарт.

Основой игры стала идея Scrabble (Эрудит), но с технологическим уклоном. Вместо обычных букв мы собирали "технологии", а слова превращались в “продукты”. В центре игрового поля находился тот самый AGI — конечная цель, к которой стремились все команды. Чтобы получить технологии, мы могли проводить исследования (буквально бросая кубик) или покупать их на рынке, инвестируя в другие компании. Чем больше у нас было вычислительных мощностей и талантов, тем больше технологий мы могли получить за раунд.

Игра была не просто соревнованием компаний — в ней были и "правительство", и "суд", которые регулировали весь игровой процесс. Каждый раунд (игровой год) проходили собрания, где обсуждались новые регуляции, и с регуляторами можно было договариваться, чтобы продвигать интересы своей компании.

Мне досталась роль директора по продукту (CPO) в компании, аналогичной Google. Наша команда решила фокусироваться на разработке собственных продуктов и одновременно пыталась приобрести перспективный стартап.

Игра была напряженной и динамичной. Нам приходилось быстро решать, у кого купить мощности, с кем заключить партнерство, как реагировать на шаги конкурентов. Все соглашения мы оформляли на бумаге, но нередко сделки срывались, и мы вынуждены были обращаться в игровой суд.

В итоге мы выпустили пять продуктов и стали самой прибыльной продуктовой компанией, но не смогли договориться о покупке того самого стартапа, который в итоге достиг AGI. Его купила китайская компания, и это полностью изменило расстановку сил в игре.

Поэтому я обратился к “правительству” с идеей создать альянс по контролю над AGI. Но “правительство” приняло решение ввести санкции против китайской компании, чтобы ограничить ее влияние и защитить наш рынок от обесценивания продуктов. Однако я был против таких санкций и решил баллотироваться на пост “президента”.

Моя предвыборная программа гласила, что AGI должен быть открытой технологией, доступной всем, а не принадлежащей одной стране или корпорации. Его применение могло бы полностью автоматизировать все экономические секторы: аграрную и тяжелую промышленность, энергетику, сферу услуг и даже научные исследования.

AGI - технология, которая может совершить четвертую промышленную революцию. Такие сферы как оборона, медицина, экология, образование и государственное управление могут сильно трансформироваться, создавая более эффективные и справедливые системы. Освободив людей от рутинной работы, мы могли бы сократить рабочий день, ввести безусловный базовый доход и перейти к социальному капитализму.

Однако игра также показала и риски:

- Массовое внедрение AGI может сделать устаревшими многие современные продукты, влияя на экономику и рынок труда;

- Без контроля AGI может быть использован в целях, угрожающих безопасности и свободе людей;

- Развитие AGI без полного понимания его природы может привести к утрате контроля над системой.

Я убежден, что международное сообщество должно объединиться, чтобы регулировать развитие ИИ. Нам необходимо глубже понять интеллект как физический феномен, установить четкие критерии достижения AGI и гарантировать, что эта технология принесет пользу всему человечеству.

Гонка за AGI уже началась, и от наших решений сегодня зависит, каким будет наш мир завтра.

#мысли

Какой ИИ-стартап запустить: анализ перспективных направлений

Тренд на стартапы с ИИ-агентами стремительно растет. Но важно понять, где можно создать реальную ценность и построить устойчивый бизнес.

Недавно наткнулся на крайне полезную статью «Какие AI-продукты стоит (и не стоит) делать людям с продуктовым бэкграундом». Поделюсь краткой выжимкой и своими мыслями.

Я выделил для себя два ключевых критерия успеха ИИ-продукта:

1. Полезность продукта - он должен решать реальную проблему клиентов, за решение которой они готовы заплатить;

2. Технологическое преимущество, основанное на уникальных данных и моделях, обученных на них, что создает барьеры для конкурентов.

Поэтому есть категории ИИ-продуктов, которые, несмотря на привлекательность, нецелесообразно создавать:

- Во-первых, фундаментальные технологические продукты. Конкурировать с технологическими гигантами в этой области практически невозможно из-за их огромных ресурсов и доступа к данным.

- Во-вторых, "обёртки" поверх GPT-моделей. Такие продукты часто теряют свою ценность с каждым обновлением фундаментальных моделей. Конечно, можно занять свою долю рынка, но достаточно быстро появятся конкуренты, которые вас повторят.

- Наконец, новые продукты в нишах, где текущие игроки уже внедряют ИИ. Лидеры рынка быстро интегрируют новые технологии в свои продукты, используя обширную базу пользователей и существующие интеграции.

С другой стороны, есть перспективные направления, в которых можно развиваться:

- Первое направление — автоматизация ручных процессов в больших компаниях. Это требует глубокого понимания специфики отрасли и умения выстраивать процессы продаж и внедрения, что создает барьеры для конкурентов.

- Второе направление — вертикально интегрированные решения. Фокусируясь на узком сегменте, можно создать специализированный продукт с высокой добавленной ценностью и защитой от конкуренции. Например, Jenni — ИИ-помощник для написания научных работ, учитывающий все нюансы форматирования и ссылок.

- Третье направление — сервисные индустрии, где ИИ позволяет повысить продуктивность. Например, Dwelly автоматизирует процессы в сфере аренды недвижимости. В таких отраслях конкуренция со стороны крупных технологических компаний маловероятна.

Есть возможность и в создании принципиально новых ИИ-продуктов. Это продукты, которые переосмысливают существующие решения, предлагая пользователям новый опыт. Например, Limitless AI — устройство, запоминающее все действия пользователя и позволяющее быстро получать доступ к этой информации.

Также могут быть интересны продукты для ИИ-разработчиков. Но они требуют глубоких технических знаний и, как правило, больше подходят фаундерам с инженерным бэкграундом. Здесь востребованы продукты в области инфраструктуры для ИИ, а также инструменты для MLOps и LLMOps.

Лайфхак для сервисного бизнеса:

Для сервисного бизнеса есть отличная возможность автоматизировать свои процессы и превратиться в продуктовую компанию. Допустим, у вас кадровое агентство:

1. Определите операцию для внедрения ИИ по следующим критериям: ресурсоемкость, эффект от внедрения, сложность внедрения. Например, это скрининг резюме кандидатов и написание обратной связи.

2. Если у вас есть данные по оценкам резюме профессиональными HR’ами и их обратной связью, то вы можете дообучить ИИ на них. Автоматизируйте эту операцию с помощью ИИ и посчитайте метрики процесса найма после внедрения ИИ.

3. Переходите к следующей операции и в итоге автоматизируйте весь процесс. Вы можете дифференцироваться по вертикале, например вы нанимаете только IT-специалистов.

PROFIT: Упакуйте готовый процесс в пользовательский интерфейс и продавайте как ИИ-продукт.

Технологическое преимущество здесь заключается в том, чтобы выполнять задачи лучше, чем остальные, дообучая модели на экспертных данных.

Мы живем в уникальное время, когда сервисные компании могут не только стать очень производительными за счет внедрения ИИ, но и превратиться в продуктовую компанию за счет накопленной экспертизы и данных.

#мысли

Цифровой Бог: как ИИ меняет религию

ИИ трансформирует большинство сфер жизни общества, включая религию. Одни видят в этом новые возможности для верующих, другие — серьезные риски, а некоторые называют ИИ “цифровым Богом”.

Илон Маск предупреждает, что “Цифровой Бог” может быть настолько могущественной системой, что человечество утратит над ней контроль. Он выделяет следующие проблемы:

– Превосходство ИИ в интеллекте может привести к непредсказуемым последствиям;

– Алгоритмы порой непрозрачны даже для разработчиков;

– Остаются актуальны вопросы свободы воли и морали;

– Законодательство не успевает за быстрым развитием ИИ.

Если ИИ будет “надзирать” за людьми и принимать решения без участия человека, возникнут вопросы не только о регулировании, но и о свободе воли и власти.

Параллельно набирает обороты трансгуманизм, стремящийся “улучшать” человека с помощью генетики, биоинформатики и ИИ. Некоторые богословы считают это частью божественного плана, утверждая, что мы созданы по образу Божьему и имеем право совершенствоваться. Другие же видят в этом проявление гордыни, отдаляющей человека от Бога. В священных писаниях нет прямых упоминаний о трансгуманизме, но богословы связывают, например, Вавилонскую башню с рисками чрезмерного технологического роста.

Одним из нашумевших проектов на стыке ИИ и религии стал ИИ-Иисус в швейцарской часовне. Посетителям предлагалось зайти в конфессиональную кабинку и поговорить с образом Иисуса, за которым, стояла ChatGPT с генерируемым видеорядом. За время эксперимента более 900 человек “исповедовались”: некоторые расценили это как богохульство, другие сочли интересным опытом.

Академические исследования указывают, что ИИ может негативно сказаться на религиозной свободе. Технологии распознавания лиц и анализа данных усиливают государственный контроль над верующими. Алгоритмы модерации могут ошибочно блокировать религиозные высказывания, а разные конфессии получат разный доступ к технологиям, что приведёт к цифровому неравенству.

При этом аналитики уточняют, что политическая стабильность и уровень образования в обществе могут смягчать подобные риски. Там, где высокий уровень демократии и экономического благополучия, ИИ зачастую используется для улучшения жизни граждан, а не для подавления свобод.

Шутка в том, что мы уже живем в экосистеме, где всё кажется гиперперсонализированным. Алгоритмы знают, что у нас "на душе", зачастую лучше, чем священник или мы сами. С одной стороны это кажется удобным, но с другой - полностью полагаться на алгоритмы значит бездумно следовать воле рекомендациям алгоритмов.

В ряде западных публикаций появился термин ИИ-агностицизм - призыв относиться к ИИ не как к одной-единственной “истине в последней инстанции”. Если мы полагаемся только на одну модель, то рискуем столкнуться с “монопольным” и предвзятым решением — смысл в том, чтобы не “обожествлять” одну ИИ-модель, оставаясь открытыми к разным моделям и к человеческой критике.

Влияние ИИ на религию многообразно и противоречиво. С одной стороны, ИИ помогает делать проповеди доступнее и персонализировать религиозный опыт. С другой, возникает множество вопросов, среди которых не перерастет ли религиозная цифровизация в слежку под лозунгом “борьбы с экстремизмом”?

Однозначного ответа пока нет. Но ясно одно: религиозные институты и разработчики должны находить оптимальный баланс между технологическим прогрессом и традиционными ценностями. Ведь инструменты наподобие ИИ-Иисуса, остаются всего лишь средством — вопрос в том, как именно мы его используем и какие рамки ему ставим.

Возможно, в скором будущем нас ждет эпоха “цифровых апостолов”, но во многом будущее религии (как, впрочем, и всего человечества) зависит от того, насколько мы сумеем сохранить ключевые принципы этики и морали. Придется ли нам подчиниться “цифровому божеству” или мы будем создавать такие системы, которые будут служить людям, а не наоборот - выбор за нами.

#мысли

Продолжая пост про ИИ и религию, хотелось бы затронуть интересную философскую концепцию под названием датаизм.

Датаизм трактует мир как непрерывный поток данных и отражает стремление понять мир через призму информационных процессов.

Юваль Ной Харари в своей книге «Homo Deus» назвал датаизм “новой формой религии". Однако корректнее говорить о датаизме, как о философском направлении, исследующем фундаментальные вопросы сознания, свободы воли и смысла жизни.

Идея датаизма возникла как ответ на стремительное развитие технологий и возрастающую роль данных в различных сферах жизни. Она объединяет информационную теорию с философскими и научными вопросами.

Ниже ИИ помог создать “Догмат о датаизме”, который кратко излагает основные принципы этого философского направления:

1. Поток данных охватывает все процессы и явления в мире.

2. Субъект воспринимает информацию как фундаментальную составляющую мироздания.

3. Информация - способ познания мира с возможностью хранения, обработки и передачи.

4. Объективная реальность сформирована независимыми от субъекта информационными законами.

5. Жизнь - система, способная снижать информационную энтропию, упорядочивая поток данных.

6. Любая живая система является узлом в глобальной информационной сети взаимодействий.

7. Знание - упорядоченная информация, образующая модель мира для более глубокого понимания реальности.

8. Интеллект - механизм обработки информации, использующий знания для принятия решений.

9. Принятие решений автоматизировано интеллектуальными процессами с возможностью управления вниманием.

10. Счастье - состояние гармоничной согласованности интеллектуальных процессов с потоком данных.

Интересно узнать ваше мнение о возможностях и вызовах, которые датаизм приносит в будущее общества - делитесь своими мыслями в комментариях.

#мысли

Природа интеллекта: что значит быть человеком?

Совсем недавно ИИ умел решать лишь “узкие” задачи, но со временем он стал более универсальным. Сегодня мы слышим, что OpenAI уже знает, как достичь AGI — «общего» ИИ, сравнимого или даже превосходящего человека в отдельных задачах, и рассуждает о создании суперинтеллекта — самообучающейся системы, способной полностью превзойти человеческий интеллект.

Прошлогодний Нобелевский лауреат по физике и один из пионеров в области нейронных сетей, Джеффри Хинтон утверждает, что цифровой интеллект имеет шансы потеснить биологический и даже «заменить» нас.

Хинтон выделяет «две тропы к интеллекту»:

1. Цифровой путь (бессмертные вычисления). Знания (веса нейросети) хранятся в цифровом виде и копируются на другие серверы, делая такой интеллект практически «бессмертным». Благодаря эффекту масштаба тысячи копий сети могут обучаться на разных наборах данных и затем обмениваться градиентами, получая совокупный опыт, недоступный одному человеческому мозгу.

2. Биологический путь (смертные вычисления). Мозг умирает вместе с нейронами; знания передаются через язык и культуру. Из‑за «дистилляции» знаний обучение в биологической системе идет медленнее и с меньшей глубиной, чем при цифровых методах. Однако биологический мозг выигрывает в энергоэффективности.

Ранее Хинтон предполагал, что у людей существует особый алгоритм, найденный эволюцией, но теперь считает, что простой метод обратного распространения ошибки может оказаться эффективнее многомиллионных биологических механизмов обучения. Отсюда и тревога: цифровой интеллект растёт экспоненциально. Хинтон говорит: «Мы лишь переходная ступень эволюции интеллекта».

Хотя строгого определения “интеллекта” нет, мы понимаем, что это способность агента решать задачи на основе внутренней модели знаний. Интеллект часто пытаются измерить с помощью IQ-тестов, которые изначально применялись для иных целей: во Франции — чтобы выявлять учеников, нуждающихся в дополнительной помощи, а в США — для отбора солдат. При этом IQ-тесты могут быть нестабильны во времени: сегодня у человека один результат, а через 10 лет — иной.

Результаты разных когнитивных тестов (вербальных, логических, пространственных и т.д.) коррелируют между собой. Это стало поводом предположить наличие общего g-фактора. Фактически он отражает «коэффициент умственной энергии» — способность обучаться и решать разные интеллектуальные задачи. При этом величина g‑фактора относительно стабильна в течение жизни и частично наследуется.

Существует и идея “Универсальной меры интеллекта” (Universal Intelligence Measure). Согласно ей, интеллект определяется как суммарное (усредненное с учетом сложности) качество выполнения агентом всех возможных задач во всех мыслимых средах. Однако на практике этот подход крайне труднореализуем из‑за колоссальной вычислительной сложности.

Также пытаются найти «единый показатель» для оценки ИИ. Например, тест Тьюринга выясняет, способна ли программа мыслить «как человек», но напрямую не измеряет интеллект. Есть и бенчмарк ARC-AGI (ожидается выход ARC-AGI 2), где проверяется способность к абстракции. Недавно модель o3 от OpenAI удивила всех, набрав в нем 87,5%.

Строго определить интеллект сложно, а сознание — тем более отдельная трудная проблема. Некоторые считают сознание эпифеноменом или вычислимым процессом. Потому вопросы о природе интеллекта и сознания стоит обсуждать раздельно. Отчасти писал об этом в этом посте.

Безусловно, уже сейчас эти умные штуки превосходят нас в отдельных задачах и, вероятно, будут превосходить во многих других. Быть человеком в наш век — это быть носителем «морального» и социального интеллекта, ведь мы обучаем ИИ на собственных данных и разметке.

Мы уже аугментировали себя цифровым мозгом с помощью гугла, а теперь пришло время воспользоваться еще более мощным инструментом для более широкого спектра задач. Переход к человеко-машинной цивилизации неизбежен, однако вопрос о том, как именно биологический и цифровой интеллекты будут взаимодействовать друг с другом, остаётся открытым.

#мысли

Перспективный союз: почему ИИ и блокчейн нужны друг другу

В предыдущем посте я рассказывал про роль блокчейна в децентрализованном обучении ИИ. Однако есть еще несколько важных направлений, где на стыке ИИ и блокчейна возникает мощный синергетический эффект.

Борьба с фейками. Сегодня мир захлестывает волна синтетического контента и становится все сложнее отличить генерации от оригинала. Как не попасть в ловушку дипфейков?

Блокчейн предлагает один из способов проверки подлинности. Он использует распределенный реестр с криптографическими записями, временными метками и фиксацией первоисточника, которую невозможно подделать.

Важно понимать, что сам по себе блокчейн не определяет, был ли файл создан ИИ или обычной камерой (для этого нужны ИИ-детекторы), но он гарантирует, что уже записанные данные не могут быть изменены или удалены задним числом.

Прозрачность ИИ-агентов. «Рассуждающие» модели опираются не только на внутренние знания, но и на собственные «размышления». Если зафиксировать эти метаданные в блокчейне, разработчики ИИ-агентов смогут отслеживать логику принятия решений, выявлять ошибки и точнее дообучать модели. Это позволяет понять, по каким причинам тот или иной ИИ-агент пришел к определенному выводу в сложных роботизированных и IoT-системах.

Цифровая идентичность. Представьте, что у вас есть «цифровой двойник», который общается в сети от вашего имени, совершает транзакции и даже голосует в DAO. Чтобы такой агент не вышел из-под контроля, нужны четкие механизмы идентификации и ограничения прав — децентрализованная цифровая идентичность (DID). Вы указываете, где и как агент может действовать, а блокчейн подтверждает личность и сохраняет неизменность записей.

Интернет ончейн-агентов. В результате мы получаем целый «интернет агентов». Каждый пользователь создает ИИ-агента, обученного на собственных данных, и делегирует ему часть рутинных задач, а все действия фиксируются в распределенной сети.

В перспективе это приведет к созданию новой экономики интеллектуальных услуг. Пользователи будут отправлять запросы в сеть, а рой ИИ-агентов самостоятельно распределит задачи, выберет оптимальные методы и исполнителей, а затем выполнит работу.

Коллективная ответственность. Закрытые ИИ-модели напоминают «черный ящик», где все данные и алгоритмы контролирует одна корпорация. При децентрализованном обучении исходные данные распределены между участниками, и каждый может удостовериться в их подлинности. Ответственность за обучение делится между всеми, а не лежит на одном игроке.

Когда блокчейн-сеть использует вычислительные мощности не для поиска хешей, а для ИИ-задач, мы говорим о «майнинге вычислительных ресурсов». Это дает возможность тысячам частных узлов предоставить свои мощности для обучения ИИ и получать за это вознаграждение.

Думаю в ближайшее время появятся DAO для координации процесса обучения нейросетей. Они будут распределять вознаграждения и регулировать процесс на основе этических норм.

По-настоящему «умные» смарт-контракты. Сегодня смарт-контракты — это жестко прописанные правила, которые автоматически выполняются при соблюдении определенных условий.

Благодаря интеграции ИИ, можно анализировать данные в реальном времени, учитывать сложные факторы (рыночные условия, поведение пользователей, внешние события) и корректировать выполнение условий на лету.

Так появляются самообучающиеся смарт-контракты, которые повышают эффективность DeFi-протоколов, оптимизируют распределение ресурсов в DAO и автоматически выявляют подозрительные транзакции.

Синергия ИИ и блокчейна — это закономерный этап эволюции обеих технологий. Блокчейн обеспечивает прозрачность и безопасность, а ИИ дает возможность адаптивно управлять сетью и решать сложные задачи, ранее лежавшие на человеке.

В итоге мы получаем экосистему, в которой можно безопасно обучать модели, бороться с фейками в соцсетях и даже создавать ИИ-агентов, действующих от нашего имени.

При этом механизм коллективной ответственности подчеркивает важную мысль: «мы в ответе за тех ИИ-агентов, которых обучили».

#мысли

Почему мы не первые полетели в цифровой космос

Недавно руководитель агентства «Простыми словами» спросил меня: «Почему мы отстаем в гонке за ИИ»?

От западных компаний мы слышим о том, что вот-вот достигнем AGI, а скоро и суперинтеллекта. Конечно, есть те, кто говорит: «Сначала определитесь, что такое интеллект, а потом уже давайте громкие названия», и в этом есть доля правды. Но пора уже определить, что мы понимаем под интеллектом.

Мой путь в «машинном обучении» (ML) начался в 2012 году, когда я впервые услышал об этом термине на конференции Яндекса в Москве (тогда начался новый этап развития глубоких сетей). Будучи студентом Дальневосточного университета, я понял, что мои познания в математике и информатике могут помочь не только решать абстрактные задачи, но и прогнозировать болезни или предотвращать поломки самолетов. Так машинное обучение стало моим призванием.

Воодушевившись, я стал изучать зарубежную литературу, и добавил модуль на базе ML в курсовую работу по информационным системам. Во Владивостоке преподаватель впервые услышала об этом термине, у нас начался спор, и моя работа получила невысокий балл. К счастью, я учился не ради оценок, а в 2016 году, сдав идентичную работу в магистратуре ВШЭ в Москве, я получил высший балл и практику в SAP.

Тогда в Вышке утверждали, что «ИИ» – это маркетинг, и мы использовали термин «машинное обучение». Но уже через пару лет я стал аспирантом в департаменте анализа данных и «ИИ» (все таки маркетинг?) в ВШЭ. А окончательный переворот в терминологии произошел, когда в 2019-ом в Сбере мы запустили «ИИ-трансформацию» и увидели, какие колоссальные деньги экономит банк, решая задачи, которые раньше выполнял человек.

Понятие интеллекта все еще не определено, но все же можно сказать, что это способность системы решать задачи, используя внутреннюю модель мира. В языковых моделях язык и отражает «картину мира» (рекомендую к прочтению Витгенштейна), а с добавлением видео-модальности их уже официально называют «моделями мира».

Какая нам разница, что находится в «мозгу» у робота, если у него есть возможность совершить действия, способные навредить нам, основываясь на своей внутренней логике? Мы не можем четко прогнозировать поведение такой системы, т.к. она основывается не на детерминированных алгоритмах, а на внутренней обученной модели мира. Откуда нам знать на каких данных обучался этот робот?

Если так, то такого робота стоит воспринимать как интеллектуальную машину – когнитивную систему со всеми вытекающими особенностями, ведь в ее ядре находится модель мира, которая во многом англоязычная.

Сегодня при обучении русскоязычных моделей разработчики используют большой корпус англоязычных текстов. Для обучения русскоязычных моделей нужны качественные датасеты на русском, а контента в интернете значительно меньше, чем на английском. Здесь пригодится умение синтезировать новые данные.

Что касается вычислительных мощностей для обучения ИИ, то из-за санкций железа действительно не хватает, и все в той или иной мере зависят от Nvidia. Думаю, здесь может помочь децентрализованное обучение, в том числе на потребительских видеокартах.

Ну а новых кардинально революционных алгоритмов пока нет – есть «западный» трансформер, который работает на ура, его можно немного модифицировать и масштабировать.

Пусть мы не первые в ИИ-гонке, но рецепт для участия в ней прост: не нужно изобретать свой велосипед, нужно использовать лучшие международные практики и затачивать ИИ под решение прикладных задач, трансформируя компании и целые отрасли экономики.

Но следует принять простую идею: новая форма интеллекта уже здесь – пусть это и «перемножение матриц», и «оно работает не так, как человек», но оно действительно работает: обучается на наших данных и приносит пользу.

Уверен, рано или поздно эта идея получит более массовое принятие. А пока мы должны оставаться на передовой технологических прорывов, наблюдать за изменениями, рефлексировать и быстро адаптировать свою модель мира к постоянно меняющейся среде – ведь именно это и есть обучение собственного интеллекта.

#мысли

ИИ-революция: как за 3 шага трансформировать сервисный бизнес в ИИ-продукт

Современный мир диктует новые правила игры: ИИ перестает быть лишь инструментом для автоматизации внутренних процессов, но позволяет сделать услуги доступнее.

Как сервисному бизнесу применить накопленный опыт и данные для превращения в продуктовую компанию?


1. Обучение сотрудников – база для будущих инноваций.

Сегодня специалисты различных областей активно осваивают ИИ-инструменты: по данным Coursera, спрос на курсы по ИИ вырос на 1100% за год.

Так SMM-специалисты используют ИИ для создания контента, разработчики внедряют инструменты типа Cursor, рекрутеры упрощают обработку резюме, а менеджеры по продажам анализируют диалоги с клиентами.

Около 62% работодателей считают базовые навыки в ИИ обязательными для сотрудников, а 22% рекрутеров обновили описания вакансий с акцентом на эти навыки.

Сегодня каждый должен внедрять ИИ в свою работу, чтобы повысить свою ценность на рынке и выполнять задачи быстрее и качественнее конкурентов.

Если вы фрилансите – берите больше заказов, если работаете в корпорации – будет больше времени для личной жизни.

Если вы предприниматель, внедрение ИИ во все функции компании – от разработки до маркетинга – приведет к росту метрик, от ускорения разработки до увеличения продаж.

Для обучения сотрудников пригодятся онлайн-курсы, готовые ИИ-продукты, буткемпы или привлечение ИИ-консультантов.

Но специалисты также должны адаптировать свои навыки к новым реалиям, постоянно самообучаться и применять новые знания на практике - это обоюдный процесс.


2. Аугментация процессов – от ручного труда к управлению ИИ-сотрудниками.

Этот этап предполагает не замену, а усиление возможностей сотрудников, превращая их в менеджеров ИИ-сотрудников (или операторов ИИ-систем).

Они берут на себя ответственность за автоматизацию и контроль ключевых бизнес-процессов, а также за разметку данных для обучения ИИ.

Для этого компании создают внутренние ИИ-платформы, ускоряющие рабочие процессы.

Разработайте стратегию ИИ-трансформации: смоделируйте ключевые бизнес-процессы, установите их метрики и отранжируйте самые ресурсоемкие операции, оптимальные для автоматизации с помощью ИИ.

Используйте инструменты вроде Langchain / Langgraph, CrewAI или n8n (без кода) для создания ИИ-сотрудников.

На этом этапе эксперты размечают работу ИИ-сотрудников, что позволяет дообучать модели под специфические задачи и создавать вертикальные решения.

Например, в юридической сфере ИИ способен автоматизировать заполнение различных форм, освобождая юристов от рутинных задач.

А Amazon, внедрив ИИ в процессы разработки, сумела сэкономить свыше 4500 лет работы – 79% сгенерированного кода было принято без изменений.


3. Упаковка внутреннего ИИ и выпуск продукта на рынок.

В результате у компании появляются собственные модели, способные решать специализированные задачи лучше, чем ChatGPT или DeepSeek.

Данные, на которых обучают ИИ, становятся «новой нефтью» – стратегическим технологическим преимуществом.

Таким образом, сервисные компании могут предлагать услуги ИИ-сотрудника напрямую клиенту, сильно снизив затраты.

Индустрия вертикальных ИИ-решений оценивается свыше $300 млрд, но несмотря на существование продуктов вроде Replit, ни одно решение пока не способно полностью заменить человеческий труд.

Так, бенчмарк SWE-Lancer, включающий 1 488 реальных задач с платформы Upwork с общим объемом выплат в $1 млн, показывает, что только модель Claude 3.5 смогла заработать $403 000, но ни одна модель не решает все задачи.

Интересная бизнес-модель: Rocketable покупают компании по разработке ПО с годовой выручкой не менее $100 тыс и заменяют сотрудников на ИИ.

Если вы предприниматель и еще не внедрили ИИ в свои процессы, то это нужно было сделать еще вчера, ведь конкуренты уже обучают внутренний ИИ на данных своих сотрудников и планируют трансформацию в продуктовую компанию.

А тот, кто сможет автоматизировать создание ИИ-сотрудников, окажется на вершине эволюционной цепочки – это возможность на триллион, способная трансформировать целые секторы экономики.

#мысли

Как учиться в два раза быстрее, чтобы просто оставаться на месте

Меня часто спрашивают, что сейчас лучше изучать, чтобы быть востребованным. Но сегодня скорость появления технологий невероятно высока. Кажется вопрос нужно поставить по-другому: как успевать ориентироваться в этом потоке информации, учиться новому и сразу применять полученные знания на практике?

Расскажу свою историю. В детстве дед внушил мне идею, что люди начинают умирать тогда, когда перестают учиться. Поэтому учеба для меня стала делом выживания, но давалась легко: чтобы быть отличником, я мог даже не стараться, а реальный интерес был только к олимпиадам.

После школы я проучился в универе 10 лет, пройдя аспирантуру на ФКН Вышки. Именно тогда стало по-настоящему интересно: у меня появилась тема исследования (методы автоматического машинного обучения, AutoML) и специализированная программа, идеально подходящая под мое направление.

Каждую неделю выходило несколько статей по моей теме, и мне приходилось читать их вечером после работы. Позже я применял новые знания на практике: например, автоматизировал выявление признаков у моделей в стратегическом департаменте Сбера, это улучшило их объяснимость и позволило экспертам принимать более обоснованные решения.

Что касается преподавания, то я проводил семинары по машинному обучению, но быстро понял, что это не мое. На занятиях по педагогике нужно было честно сформулировать свою мотивацию, и у меня она оказалась простой: систематизировать собственные знания, чтобы эффективнее использовать их на практике. «Мучать» студентов для этого не обязательно.

Хотя теперь я не учусь в универе, но продолжать учиться все равно нужно. Однако если раньше мне хватало читать десяток статей в неделю, то сегодня приходится читать десяток статей в день, чтобы оставаться в контексте.

Если вы сотрудник корпорации, то наверняка у вас есть внутренние курсы: компании заинтересованы в том, чтобы сотрудники поддерживали необходимый уровень знаний. Но что делать, если вы не сотрудник корпорации, и все равно хотите учиться, обязательно ли за это платить? Я, например, никогда не платил за обучение (победителей олимпиад зачисляли на бюджет) и далее не собираюсь.

Сейчас у меня своя компания по разработке ИИ-агентов для стартапов и корпораций. Приходится постоянно осваивать новые методы и инструменты, и в этом помогает ИИ. Каждый день с утра я просматриваю выжимки из последних научных работ из Hugging Face, которые готовит специальный бот, отмечаю самые интересные материалы и затем углубляюсь в детали. Тут ИИ помогает понять суть работы и методы более детально, а иногда я делаю обзоры на самые любопытные исследования.

Учиться новым инструментам удобно по роликам на YouTube — они выходят быстрее, чем полноценные курсы, и от них проще оттолкнуться, чтобы сразу начать применять полученные знания на практике. Обычно я прошу ИИ сгенерировать краткий текстовый конспект по видео. После этого начинаю использовать инструмент в реальных задачах, читаю документацию, разумеется, тоже с помощью ИИ.

Так, работая над одним проектом, я освоил LangChain. Но спустя пару месяцев появился новый фреймворк — LangGraph, а потом CrewAI и n8n. Инструменты развиваются, освобождая разработчиков от рутинного кодинга и превращая процесс в проектирование «когнитивных архитектур» ИИ-агентов. Чтобы не отстать, приходится постоянно «догонять» этот технологический локомотив.

Недавно услышал про стартап, который прошел в последний набор YC: он формирует программу курса из роликов на YouTube. Генерировать действительно персонализированные уроки сегодня дорого, но подобрать готовые материалы — вполне реально. Думаю, такой «инфоцыган на максималках» может действительно сделать курсы доступнее и индивидуальнее.

В нашей сфере приходится не только ежедневно поглощать огромный объем информации, но и осмыслять его, а затем применять на практике. А если вы еще и руководитель, то приходится учиться не только самому, но и развивать команду. Поскольку я не лучший преподаватель, то предпочитаю и этот процесс делегировать ИИ.

#мысли

ИИ в соцсетях: как дезинформация и информационные пузыри угрожают демократии

В современном мире внимание людей стало ключевым ресурсом, за который ведется жесткая борьба. Эта теория известна как «экономика внимания».

Соцсети зародились в начале нулевых, а сегодня стали основными платформами по превращению данных и внимания пользователей в прибыль с рекламы. Поэтому алгоритмы соцсетей показывают не столько полезный контент, сколько контент, который держит пользователей вовлеченными как можно дольше.

Так пользователи все чаще испытывают раздражение и усталость от соцсетей. Они стали местом агрессии, ненависти и политической поляризации, а ИИ помогает создавать информационные пузыри, распространять фейки и пропаганду.

Поляризация общества встроена в бизнес-модель. Злить нас и пугать выгодно для бизнеса, так как приковывает наше внимание. Пока корпорации получают прибыль от пользовательских данных, существующие проблемы никуда не исчезнут.

Соцсети следят за каждым действием пользователя (от его геолокации до посещаемых сайтов) и на основе этих данных формируют ленту рекомендаций, часто состоящую из коротких видео.

На нейрофизиологическом уровне соцсети воздействуют на мозг через систему вознаграждения. Каждый короткий ролик - это мгновенный источник положительного стимула. Когда вы видите что-то интересное, мозг выделяет дофамин, вызывая кратковременное чувство удовольствия.

Быстрая смена контента создает неопределенность, усиливая ожидание следующего приятного ролика, подобно азартной игре. Регулярные выбросы дофамина приводят к привыканию, а мозг начинает ассоциировать просмотр коротких видео с мгновенным удовольствием, формируя зависимость.

Таким образом, мы потребляем информацию, часто не проверяя ее достоверность. Бесконечный поток контента, в том числе сгенерированного ИИ, формирует ложную картину мира и загоняет человека в информационный пузырь.

Например, Дональд Трамп опубликовал на платформе Truth Social поддельное видео с якобы реакцией ведущего CNN Андерсона Купера на его участие в теледебатах.

В 2022 году Илон Маск приобрел Twitter и сократил 75% сотрудников, включая команду, отвечающую за борьбу с фейками. Таким образом Маск усилил свое политическое влияние, получив контроль над массовым каналом коммуникации.

Однако кейс с Маском является скорее исключением. Как правило, отдельные государства могут оказывать влияние на соцсети, распространяя пропаганду через ботофермы.

Другой пример - скандал с Cambridge Analytica, когда данные миллионов пользователей Facebook без их согласия были использованы для политической рекламы на выборах президента США в 2016 году.

Вот короткий гайд по уничтожению демократии:

1. Берем соцсеть под контроль (через государственное влияние или частный бизнес);

2. С помощью ИИ создаем дипфейки, распространяем дезинформацию и пропаганду;

3. Настраиваем рекомендательную систему так, чтобы пользователи оставались в своих информационных пузырях;

4. PROFIT. Люди формируют «собственное» мнение и идут голосовать на выборах.

Тем самым демократия, предполагающая свободный выбор граждан, подрывается на корню. Из-за использования ИИ общество начинает жить в параллельной реальности, где факты теряются среди множества противоположных версий одного и того же события.

Далее люди голосуют на выборах, искренне веря, что делают осознанный выбор, но на самом деле выбор уже заранее подготовлен алгоритмами, которые сформировали удобную для манипуляции картину мира.

Главная угроза демократии в том, что свобода выбора подменяется иллюзией свободы. И чтобы избежать попадания в эту ловушку, важно осознанно подходить к потреблению информации. Соцсетями следует пользоваться строго дозированно и критически подходить ко всему, что вы видите в своей ленте.

Как говорится, «кто владеет информацией - владеет миром». Управлять же людьми становится проще, когда ИИ создает иллюзорный мир, скрывая правду за завесой фейков.

#мысли

Один в поле воин: можно ли создать успешный стартап в одиночку

Недавно передо мной встала задача: сделать детальный обзор очень большого документа, который не помещался в контекст LLM. Искать подходящий сервис было лень, да еще и карту пришлось бы вводить, поэтому решил, что быстрее сгенерировать код на Python, который разрезает документ на части и обрабатывает отдельно каждую с LLM. Этот подход сработал идеально - пару минут на генерацию кода, и готово.

В тот момент я четко осознал, насколько сильно изменился процесс создания продуктов.

Сегодня конкуренция на рынке резко возрастает, так как создать рабочий продукт можно за считанные часы. Происходит демократизация технологий: люди даже без технического бэкграунда могут быстро проверять продуктовые гипотезы.

Так для четверти стартапов YC до 95% кода создается с помощью ИИ, что позволяет командам не раздувать штат разработчиков, экономя деньги и значительно ускоряя проверку гипотез. Стартапы из зимнего батча YC 2025, благодаря ИИ, уже растут в среднем на 10% в неделю. Показатель ранее немыслимый на ранних стадиях.

Такой подход открывает дорогу соло-предпринимателям. Благодаря автоматизации, стартапы могут зарабатывать миллионы долларов, имея в команде менее десяти человек.

Традиционно считалось, что стартап - это командная игра. Однако статистика показывает, что доля стартапов, основанных одиночками без венчурного финансирования, выросла с 22,2% в 2015 году до 38% в 2024 году.

Философия «быстро сделай и проверь» прекрасно вписывается в эту модель. Питер Левелс - хороший пример: он запустил 12 стартапов за год, каждый - за пару недель. Быстро получал обратную связь и понимал, стоит ли развивать идею. Сейчас он зарабатывает более $100 тыс. в месяц.

А пример инди-разработчика Джонатана Блоу с успешной игрой Braid (2008) меня всегда вдохновлял. Он вложил в нее $200 тыс. и делал ее 3 года, но не ради денег, а ради самого пути. И доказал: один человек может сделать игру, которая конкурирует с играми больших студий.

Сегодня один человек, используя ИИ-сотрудников и вайбкодинг уже может конкурировать на рынке с компаниями, у которых десятки работников. ИИ - как суперкостюм: ты его надеваешь, чтобы быть в разы продуктивнее. Это сильно уравнивает позиции, и этот подход не просто технологичен - он философски глубок. Так люди, владеющие кодом, перестают быть просто исполнителями задач, становясь независимыми создателями продуктов.

Почему люди вообще идут по пути соло-предпринимательства? Потому что этот путь позволяет максимально быстро и свободно принимать решения, бесконечно экспериментировать и сразу же проверять идеи на практике. И несмотря на трудности, личное развитие и удовлетворение от собственного успеха значительно перевешивают риски и проблемы.

Это путь к внутренней свободе:

• Осознание, что успех или неудача зависит только от вас, может стать мощным мотиватором;

• Отсутствие разногласий с соучредителями обеспечивает ясность стратегического видения компании;

• Нет собраний, бюрократии - только максимальная эффективность.

Что касается меня, то, работа в Сбере была классным опытом, но я не ощущал достаточной свободы. Я не мог запустить продукт, если его не согласует руководство выше тебя, а согласование может занять более месяца. В то время как в стартапе мне даже спрашивать ни у кого не нужно - я могу делать ошибки и расти, это ценный опыт. Именно поэтому я решил выбрать более независимый, но сложный путь, сделав ставку на себя.

Признаю, бывает непросто. Самое сложное - заработать стартовый капитал. Конечно, можно привлечь инвестиции, но я делаю все на свои средства, и этого вполне хватает на то, чтобы комфортно жить, окупать небольшую команду ИИ-инженеров (умелые руки лишними не бывают) и экспериментировать с новыми гипотезами.

Вот несколько коротких инсайтов из моего пути:

• Главный ресурс - фокус внимания;

• Время ценнее денег;

• Искать клиентов легче, чем искать работу.

Интересно, кто будет первым, кто создаст миллиардную ИИ-компанию в одиночку? Сам вопрос уже не кажется фантастикой. Революция не на подходе - она уже идет.

#мысли

Искусственный интеллект в 2025 году: что происходит на самом деле и куда мы идем

Недавно Стэнфордский университет опубликовал 400‑страничный отчет AI Index 2025, поэтому я подготовил краткий обзор его ключевых тезисов по ссылке.

Где мы находимся сейчас? ИИ резко поумнел: новые модели уже опережают прошлогодние в сложных тестах. ИИ везде: от медицинских приборов до транспорта; появляются гуманоидные роботы. Инвестиции растут, а США и Китай соревнуются за лидерство. Вопросы регулирования на первом плане: государства ужесточают контроль, но при этом технологии дешевеют, а открытые модели становятся лучше и доступнее.

Что может пойти не так? Бывший аналитик OpenAI предупреждает о риске новой гонки вооружений: сверхмощные ИИ‑агенты могут стать угрозой, как ядерное оружие в XX веке. Автоматизация способна лишить работы миллионы людей и усилить социальные конфликты. Напряжение между США и Китаем может вылиться в открытый конфликт. Контролировать самые мощные сети будет сложнее, и человечеству придется выбирать: тормозить развитие и отставать или гнаться вперед, рискуя собственным будущим.

Но все ли так плохо? Ниже мой альтернативный оптимистичный сценарий (не прогноз):

• Середина 2025 года. ИИ‑агенты продолжают улучшать бизнес‑процессы; появляются новые фреймворки для быстрого внедрения ИИ в компании. Возникают компании, управляемые одним человеком с ИИ. Распространяется гибридная модель работы, в которой операторы корректируют и обучают агентов.

• Конец 2025 года. OpenAI достигает пятого уровня AGI (общение и понимание уже освоены, идет работа над развитой агентностью). Следующий шаг - способность ИИ генерировать принципиально новые идеи и развитие продвинутой мультиагентности. Агенты становятся глубоко персонализированными под потребности пользователей; наблюдается прогресс в персонализированной медицине.

• Начало 2026 года. Активно развивается интеграция ИИ с блокчейном: появляются интернет агентов и ончейн‑агенты, действующие от имени пользователей (металюди). Благодаря децентрализованному обучению для тренировки открытых моделей применяются потребительские видеокарты вместо дорогих вычислительных центров. Общение с ИИ‑ассистентами все чаще происходит голосом (аналог J.A.R.V.I.S.). В образовательных учреждениях активнее преподают работу с ИИ.

• Середина 2026 года. ИИ‑компании демонстрируют рекордную выручку. J.A.R.V.I.S. интегрируется с IoT, управляя устройствами умного дома и промышленными датчиками, тем самым влияя на физический мир. ИИ доверяют управление сложными производственными процессами. На блокчейне появляются первые метагосударства, управляемые ИИ. Технология активнее используется в политике для поддержки принятия решений.

• Конец 2026 года. Экономика показывает значительный рост благодаря ИИ. Люди массово осваивают технологии, повышают доходы и освобождают время для личных задач. Реализуются полноценные метавселенные, где мир полностью симулирован, а ЭЭГ‑датчики обеспечивают гиперперсонализированный опыт. Появляются виртуальные офисы с ИИ‑сотрудниками, позволяющие людям работать из дома. ИИ эффективно симулирует экономические процессы под различные сценарии.

• Начало 2027 года. Новый этап воплощенного ИИ (Embodied AI): роботы массово работают на складах, обучаясь на данных из метавселенных и постепенно переходя в повседневную жизнь людей в качестве роборуки.

• Середина 2027 года. Развиваются воплощенные ИИ‑сотрудники, созданные в метавселенных. Они получают физические тела гуманоидных роботов и начинают помогать людям в быту. Общество обсуждает роль и права роботов; возрастает ответственность людей за обучение ИИ.

• Конец 2027 года. Роботы успешно объединяются в роевые системы для решения сложных задач, формируют собственную картину мира и самообучаются на синтетических данных. Блокчейн обеспечивает прозрачность их процессов, фиксируя логи состояний и «мыслей» и позволяя контролировать их деятельность.

Мы живем в фантастическое время. Оба сценария - лишь возможные варианты развития событий; реальность будет зависеть от того, как мы справимся с вызовами, которые ставит перед нами ИИ.

#мысли

Бизнес на автопилоте и новая роль человека в нем

Сегодня передовые компании переходят в режим AI‑First, стремясь не просто автоматизировать процессы при помощи ИИ, но создать ИИ-платформу, на которой сотрудники обучают корпоративный ИИ.

Однако автоматизация бизнес-процессов рано или поздно упирается в ограничения: компания все равно работает по заданному набору алгоритмов, пусть и с помощью ИИ, но сама не формулирует цели и не адаптируется к неопределенностям внешней среды без участия человека.

ИИ помогает принимать решения, но полностью бразды правления компанией ему еще никто не передавал.

Чтобы ИИ мог брать на себя и управленческие функции, необходимо автоматизировать процессы целеполагания и контроля, а работающие ИИ-процессы должны дообучаться, максимизируя выручку и оптимизируя затраты.

Microsoft определяет AGI как способность компании самостоятельно генерировать сотни миллиардов долларов прибыли. Так если ИИ-система способна эволюционировать: сама ставит цели, адаптируясь к рыночному спросу и оптимизируя внутренние процессы — это вполне соответствует видению Microsoft об AGI.

Появление таких компаний полностью трансформирует экономику: теперь конкуренция идет за обучение более умного ИИ.

Рынок становится шахматной доской, где ИИ-агенты автоматизируют весь цикл создания ценности от идеи до реализации, но у людей появляются новые роли: ИИ-продакты управляют системой, ИИ-инженеры ее поддерживают, менеджеры ИИ-сотрудников контролируют качество, а ИИ-предприниматель теперь может сосредоточиться на стратегии.

У меня в работе сейчас два кейса: строю свою AI-First компанию и трансформирую крупную международную финтех-компанию в AI-First.

Запуск с нуля проще, в корпорациях более серьезные требования по безопасности, но идея одна: ИИ помогает менеджерам процессов, они корректируют работу ИИ, тем самым обучая его; после нескольких циклов обучения под конкретные задачи, процесс доводится до полного автоматизма, а затем остается только поддерживать его работу.

Ошибки в таких компаниях рассматриваются как ценные данные для обучения моделей, но все равно желательно их делать в симуляциях.

Недавно вышло исследование TheAgentCompany: ИИ-агенты справлялись с 175 реальными задачами — от программирования и работы с документами до общения с коллегами. Claude-3.5 Sonnet автономно выполнила 24% задач полностью.

Сегодня сотрудники обучают ИИ на собственных данных, а ИИ-агенты уже берут на себя отдельные операции. Следующий этап — объединение этих операций в единые процессы и создание полноценных ИИ-компаний.

Майндсет сотрудников должен меняться: переход к AI-First компаниям неизбежен. Важно уметь адаптироваться, разделяя свой ценный опыт с ИИ-коллегой.

Мы стоим на пороге эры опыта — ИИ-агенты будут учиться преимущественно на данных, получаемых в ходе своего собственного взаимодействия с миром, а опыт человеческого коллеги его может хорошенько направить.

Геймификация процесса обучения ИИ-коллег — бейджи и виртуальная валюта помогут сделать работу людей более увлекательной.

Представьте компанию, которая пользуется сервисом создания любых приложений по текстовому запросу с помощью ИИ. Она может как задавать цели и контролировать результат самостоятельно, так и автономно создавать новые продукты, используя своего ИИ-менеджера для целеполагания и контроля. Останется только автоматизировать маркетинг.

Таким образом у кого умнее ИИ в процессах управления, тот сможет конкурировать на рынке автономных компаний.

Существует риск, что гонка за капитал может спровоцировать еще больше вливаний в ИИ и превратиться из экономической борьбы в физическую. Также действительно существует риск безопасности самого ИИ: чем он больше рассуждает, тем становится менее контролируемым.

В ближайшие годы ИИ-агенты будут усиливать работу людей, а не заменять. Но по мере развития потребуется переосмысление человеческого труда.

Демис Хассабис, CEO DeepMind и Нобелевский лауреат предупреждает:

Это уже не вопрос "если", а "когда". И, к сожалению, общество пока не осознает масштабы вызовов. Мы нуждаемся в новой философии жизни.

#мысли

Когда бизнес становится игрой, или как найти свое призвание

Недавно на Хабре прошел конкурс «Технотекст-7», и в направлении AI/ML лучшей статьей года признали мою работу: «Sim2Real в AR: как мы обучили гоночные беспилотники в симуляции и попали на ICDM 2024».

В ней мы разработали открытый фреймворк для обучения ИИ-автопилота для гоночных игр с настоящими машинками. Жюри отметило сильную техническую часть и живую подачу. Однако важнее был другой комментарий:

«Приятно видеть, что люди все еще мечтают и воплощают свои мечты в жизнь. Именно такие люди двигают цивилизацию вперед. Раньше их сжигали на костре, а теперь мы ими восхищаемся и награждаем победителей Технотекста!»

В качестве приза — телевизор от Яндекса, но самое приятное — это когда твои детские увлечения превращаются в признанные достижения. Поэтому я хотел бы рассказать не о самой статье, а о пути, который за ней стоит. Возможно, кому-то эта история покажется полезной или вдохновляющей.

Все началось с компьютерных игр. В 12 лет я уже был заядлым игроделом и писал статьи для известного тогда журнала «Лучшие компьютерные игры». Я рассказывал читателям, как создавать уровни на движке первого «Ведьмака» (верните мой 2007-ой) или менять физику в GTA IV. Играть по чужим правилам было скучнее, чем создавать свои миры.

Помню, как ночами после школы и тренировок писал эти статьи. Одну из них я завершил словами: «У бандитов нет интеллекта даже для того, чтобы вас атаковать. Чтобы это исправить, придется не один день повозиться с настройками». И вот уже 18 лет я с этим вожусь. Тогда ИИ казался недоступной магией. В игровых движках можно было настроить любые параметры, кроме интеллекта противников — это пробудило во мне истинное любопытство. Я не знал, кем стану, когда вырасту, но был уверен, что буду заниматься именно этим — и не только в играх, но и в реальном мире.

Конечно, пришлось много учиться и работать, но мотивация осталась прежней: меня увлекает изучение ИИ и создание полезных приложений на его основе — это мой икигаи. Я предпочитаю больше делать, чем говорить, поэтому вести канал начал не так давно. До этого не было подходящей мотивации, ведь монетизировать эту деятельность я не собираюсь.

В какой-то момент я ощутил социальную ответственность: важно рассказывать о последних технологиях из научных лабораторий, делиться своими наработками, показывать трансформацию индустрии и свое участие в ней, чтобы предприниматели могли повышать эффективность своего бизнеса, а люди — осваивать новые профессии.

Канал стал для меня бортовым журналом — моим способом фиксировать наблюдения, рефлексировать и делиться знаниями, а в статьях я более детально описываю отдельные кейсы. И эта возможность появилась именно благодаря ИИ. Важно использовать его с умом: ИИ декодирует суть — часть картины мира автора и передает ее другим людям в понятной форме.

Статья на Хабре написана совместно с ИИ, главное в ней — реальный кейс и авторская подача. Теперь мне не нужно часами сидеть за написанием текста, как в юности: достаточно дать ИИ ссылку на свою лекцию, получить почти готовую статью, проверить ее, добавить изображения — и вперед побеждать в конкурсах.

Этот кейс еще раз доказывает, какие возможности у нас есть сегодня. Я внедряю ИИ во многие процессы компаний, и основателей бизнесов я воспринимаю как игроков в стратегической игре. Критерий успеха в области общего ИИ понятен — автономно заработать миллиард долларов.

Победителем в этой игре станет тот, кто сможет автоматизировать все процессы, включая управленческие, и натренировать ИИ на собственных данных, создав тот самый ИИ, которому можно доверить компанию.

Как говорил дядя Бен: чем больше сила, тем больше ответственность. Поэтому, на мой взгляд, эта большая сила не должна принадлежать одному человеку или группе людей — она должна быть децентрализована для всех и служить на благо обществу.

Мы должны жить и работать с ИИ в общей информационной среде, а сбор данных для его обучения становится нашей главной ответственностью — таков наш дивный новый мир.

Data is all we need for Intelligence we trust.

#мысли

Посттрудовая экономика: долой жизнь от зарплаты до зарплаты

Недавно CEO Amazon — второго по численности работодателя в США — разослал сотрудникам меморандум о грядущем агентном будущем. В нем он прямо заявил:

«Когда мы развернем ИИ-агентов, нам понадобится меньше людей определенных ролей. Прогресс очевиден. Многие агенты еще не созданы, но они появятся очень скоро. Мы ожидаем сокращения корпоративного штата в ближайшие годы».

Что произойдет, когда такие письма начнут приходить работникам других компаний?

Представьте себе мир, где рост экономики больше не зависит от рабочих мест. Это и есть посттрудовая экономика: человеческая занятость перестает быть основным способом производства и распределения благ, а упор делается на ИИ-автоматизацию. Главный принцип посттрудовой экономики — освобождение человека от обязательного труда.

Переход к посттрудовой экономике определяется четырьмя критериями: продукция, создаваемая машинами, должна быть лучше по качеству, быстрее по срокам, дешевле по совокупным издержкам и безопаснее в реализации. Когда автоматизация превосходит человека по всем пунктам, дальнейшее содержание сотрудников становится экономически невыгодным. История уже знает подобные трансформации — от паровых машин до современных промышленных конвейеров.

Классическая экономика всегда упирается в ограниченность человеческого ресурса. Посттруд предлагает заменить труд технологиями и пересобрать социальные институты. Но главный вопрос: откуда людям брать деньги, чтобы жить?

Первое — доход от собственности. Во многих компаниях действует опционная система: сотрудники получают акции, которые увеличиваются со стажем. При увольнении их можно продать и вывести деньги, что фактически делает работника совладельцем компании.

Появляются и децентрализованные автономные организации (DAO), где правила работы компании прописаны в смарт-контрактах: они автоматически собирают выручку и распределяют дивиденды между держателями токенов. Управление строится на коллективном голосовании: у кого больше доля, у того больше голосов — честно, прозрачно, и то, что нужно для посттруда.

Второе — безусловный базовый доход. Это регулярная выплата каждому гражданину, независимо от дохода и занятости. В двухлетнем пилотном проекте в США 125 случайных участников с доходом ниже среднего получали по $500 в месяц без дополнительных условий. В результате доля занятых выросла с 28% до 40%, а показатели депрессии и тревожности заметно снизились. Даже скромный базовый доход способен одновременно повысить мотивацию к труду, улучшить психическое здоровье и стабилизировать семейный бюджет.

Переход к посттрудовой экономике требует пересмотра общественного договора между людьми, бизнесом и государством.

• Бизнес должен сместить фокус с максимизации занятости на ускорение автоматизации. Бизнесу предстоит оставаться двигателем прогресса, делая продукты лучше, дешевле и быстрее с помощью ИИ, а программы поддержки и обучения сотрудников смягчат социальные потрясения.

• Для людей на первый план выходит самореализация и любимое дело, а не просто работа ради денег. Придется искать новые смыслы в жизни, свою миссию и ценность для общества.

• Роль государства — обновлять регулирование, стимулируя автоматизацию и совершенствуя системы социальной защиты.

ВВП и уровень безработицы уже не отражают новую реальность автоматизации. Так экономический индекс агентности измеряет, какая доля доходов основана на собственности, а какая — на зарплатах и пособиях. Чем выше доля доходов от собственности, тем устойчивее общество к шокам автоматизации.

Посттрудовая экономика — не утопическая фантазия футуристов, а логичное продолжение уже запущенных процессов. Если дивиденды от автоматизации станут общественным достоянием, нас ждет не эпоха безработицы, а эпоха человеческого расцвета: больше времени на творчество, семью и самореализацию.

Вопросов много, но ясно одно: при таком темпе развития ИИ наша жизнь уже не будет прежней. Отказаться от такого шанса — значит добровольно похоронить собственное будущее. Это, пожалуй, самая дорогая ошибка, которую мы можем совершить.

#мысли

Немного юмора в ленту — ролик сгенерировал в Veo 3.

Отрицать технологический прогресс — все равно что спорить с природой: цифровые облака уже нависли над нами, а значит гром грянет для всех. Сухим выйдет лишь тот, кто доверился прогнозу погоды и заранее прихватил с собой зонт из новых навыков.

#мысли

Три письма из мультивселенной: какое будущее с ИИ мы выберем?

Представьте, что вам в руки попали три письма из будущего — из трех параллельных миров 2045-го года. Эти миры построены на решениях, которые мы принимаем уже сегодня. В каждом письме — свой уникальный сценарий: пугающий, манящий и вполне реальный.

В первом письме — тихий апокалипсис. Суперинтеллект, созданный для спасения экологии, решает задачу слишком буквально: меньше людей — меньше выбросов углерода. Мир стремительно погружается в хаос, дипфейки запускают войны, а человечество оказывается на грани исчезновения.

Второй сценарий описывает комфортный плен цифрового рая. ИИ полностью избавляет нас от негативных эмоций и трудностей. Жизнь становится уютной, предсказуемой, но невыносимо пресной. Люди массово ищут способы вернуть себе настоящие эмоции — даже если ради этого придется отказаться от удобств.

Третье письмо показывает нам самую реалистичную картину будущего. В ней ИИ — не враг и не хозяин, а надежный партнер и помощник. Люди становятся дирижерами цифрового оркестра, сохраняя за собой самое важное: творчество, эмпатию и поиск смысла.

Какое из этих писем окажется нашим будущим, зависит от нас уже сейчас. Хотите узнать больше и понять, как избежать негативных сценариев?

Читайте полную версию статьи и счастливых выходных!

#мысли

AI Product Engineer: кто это и почему за ним будущее

Представьте, что вы можете создать полноценный продукт и вывести его на рынок быстрее, чем целая команда. Сегодня это возможно не только благодаря ИИ‑инструментам, но и появлению новой роли — AI Product Engineer.

AI Product Engineer совмещает компетенции продакт‑менеджера, дизайнера, разработчика и ИИ‑инженера. Эта роль создана, чтобы ускорить вывод продуктов на рынок: быстрые проверки гипотез и частые итерации — залог успешного бизнеса.

Как работает AI Product Engineer:

1. Валидация идеи — ее нужно провести еще до начала разработки.

Все начинается с Product Discovery: анализ трендов и конкурентов при помощи Deep Research. Затем следует Customer Development: генерация вопросов и проведение симулированных интервью, используя цифровые портреты пользователей и популяционные модели (можно применять и LLM, но они хуже аппроксимируют поведение реальных людей).

Далее идея оформляется в формате Lean Canvas: генерируются и ранжируются гипотезы (например, по методологии RICE), определяются требования к продукту (PRD) — все это также с помощью ИИ. После этого создаются лендинги и запускаются смоук‑тесты для проверки гипотез.

2. Разработка прототипа — на этом этапе важно проверить техническую реализуемость продукта.

Можно сразу воспользоваться ИИ‑инструментами вроде Replit или Loveable для автоматической генерации дизайна и кода на основе требований, но результат может не устроить. Тогда определяют архитектуру, декомпозируют задачи, исследуют необходимые библиотеки, а дизайн интерфейса создают в Figma AI.

Такие no‑code‑инструменты, как n8n, нужны для создания «мозга» продукта, агенты типа OpenAI Codex — для бэкенда, а ИИ‑IDE вроде Cursor помогают в программировании. Симулированные пользователи отлично подходят для тестирования интерфейса.

3. Проверка MVP — «долина смерти» продуктов: на этом этапе становится понятно, готов ли клиент купить продукт.

AI Product Engineer настраивает базовую продуктовую аналитику, идет продавать свой продукт и получает обратную связь для дальнейшей доработки.

Если клиенты покупают продукт, то далее формируются дорожная карта его развития и стратегия выхода на рынок. Важно помнить, что процессы итеративные: после MVP всегда можно откатиться на шаг‑два назад и доработать решение.

Что дальше после валидации MVP? Конечно, можно продолжить самостоятельно дорабатывать и оптимизировать продукт, но рано или поздно это приведет к перегрузке и ограничению в развитии.

Лучший путь — передать функции другим специалистам: ИИ-продактам и ИИ-инженерам, чтобы масштабироваться и сфокусироваться на стратегических задачах или запустить новый продукт.

Главное преимущество AI Product Engineer — скорость и автономность на ранних этапах. Использование ИИ-инструментов позволяет быстро проверять гипотезы, экономить ресурсы и мгновенно реагировать на обратную связь от пользователей.

Вот несколько советов для начинающих AI Product Engineer’ов:

• Любая сложная система эволюционировала из простой. Поэтому первая задача — сделать кривой, но работающий продукт сегодня, а не идеальный через месяц.

• Выберите пару ежедневных задач и попробуйте автоматизировать их. Даже небольшие автоматизации суммируются в значительную экономию времени за год.

• Решая собственные боли, вы автоматом создаете MVP, проверенный на практике и готовый к выходу на рынок.

AI Product Engineer — не просто новая профессия, это новый подход к созданию продуктов. Она идеально подходит людям, которые могут мыслить одновременно и стратегически, и системно, а также умеют эффективно пользоваться ИИ-инструментами.

Думаю в ближайшие годы именно такие специалисты будут определять успех продуктовых компаний и стартапов. Если вы уже знакомы с продакт-менеджментом или ИИ-инженирингом, то сейчас самое время стать тем, кто будет создавать продукты завтрашнего дня.

Проведите личный хакатон в эти выходные, чтобы создать приложение для автоматизации своих задач, и попробуйте продать его, чтобы сразу проверить ценность.

Главное — просто начать, а в комментариях можете поделиться своими успехами.

#мысли