Малоизвестное интересное

Кто упоминает Малоизвестное интересное

Кто упоминал или репостил

Последние упоминания

  1. 01
    ИнфоПоводИнфоПовод@kaluginprofit,

    Сингулярность против штукатурки Знающие заговорили, говорящие не услышали Два года назад я начинал выступления на тему «Вызовы и риски переформатирования мира и человека в цифру» [1] со слайда с цитатой из «Трактата о Пути и Благой Силе» Лао-цзы: «Знающий не говорит, говорящий не знает». Те, кто имел полный доступ к происходящему на фронтире ИИ (руководители и ведущие специалисты компаний – разработчиков самых продвинутых моделей), тогда в основном отмалчивались или ограничивались туманными прогнозами. А публичное поле заполняли мнения людей, далеких от фронтирных лабораторий и не знакомых с информацией из закрытых источников.   В 2025 знающие заговорили, а в 2026 руководители OpenAI, Anthropic и Google DeepMind стали резать правду-матку без оглядки на «политкорректность»: ИИ-сингулярность уже началась, и в ближайшее десятилетие ИИ кардинально изменит мир. Но в том же 2026 тема ИИ взлетела на вершину хайпа и зазвучала из каждого утюга. Своими оценками и прогнозами стали подробно делиться философы и биологи, физики и химики, психологи и политологи, экономисты и финансисты – люди с заслуженной репутацией в своих областях, но столь же далекие от фронтирных лабораторий, как и публичные комментаторы прошлых лет. В результате экспертные ножницы между обладающими и не обладающими полнотой информации разошлись до предела. Это поляризует общественный дискурс и взгляды / действия политиков, а при нынешней неопределенности и скорости перемен в ИИ грозит ошибочными решениями, вплоть до катастрофических.   Вот два характерных свежих примера. Первый – лекция сооснователя Anthropic Джека Кларка «Inside the Event Horizon: Why Everyone Should Take AI Progress Seriously», прочитанная 17 октября в Бангкоке на ежегодной встрече МВФ и Всемирного банка. Это лекция фонда Пера Якобссона – одна из самых статусных трибун мировой финансовой элиты, с которой традиционно выступают центробанкиры и крупнейшие экономисты. Так что адресатами Кларка были министры финансов, управляющие центробанков и ведущие финансисты мира.   Второй пример – интервью известного финансиста и инвестора (иноагента) популярному YouTube-каналу, который в Рунете часто называют латвийским.   Финансист вряд ли слышал лекцию, но его интервью читается как прямой ответ на нее. Особенно показательны три пары расхождений.   Первая – о том, годятся ли прежние модели. ·       Кларк вслед за Вернором Винджем определяет сингулярность как точку, где «наши модели приходится отбросить и наступает новая реальность», и утверждает, что в этом году получены убедительные свидетельства ее начала. ·       Финансист исходит из противоположного: судить можно лишь о том, что наблюдалось в повторяющемся эксперименте, а в многократно повторенном эксперименте с инновациями (от колеса до железных дорог и биткоина) ничего экстраординарного не происходило. Поэтому ИИ, по его прогнозу, ждет обычный цикл: мистификация, апокалиптические прогнозы, гигантские ставки, а затем «штукатурка начнет обрушиваться». В этой схеме лекция Кларка оказывается симптомом первой фазы цикла.   Вторая – о том, кто кого учит. ·       Кларк рассказывает о тесте TheoPhysEval: физики составили 50 неопубликованных задач, решений которых модель не могла нигде прочесть. GPT-6 Astra настаивала, что ошибаются эксперты, – и в нескольких случаях эксперты действительно нашли у себя глубоко спрятанные ошибки, после чего результат модели вырос до 49 из 50. «Учитель становится учеником», – резюмирует Кларк. ·       Финансист же видит в ИИ «очень умного, очень аутичного ребенка», запертого в комнате без окон, которому через микрофон диктуют информацию, уже переваренную людьми.   Третья – об экономике. ·       Модель Anthropic в «сингулярном» сценарии дает ВВП США в $44 трлн к 2030 году (сейчас – чуть больше 30), и Кларк сам признает, что это звучит невероятно. ·       Финансист видит пузырь: по его словам, около 40% ИИ-проектов уже остановлено, отрасль финансируется в долг активнее, чем американские железные дороги XIX века. Когда гиперскейлеры придут на долговой рынок вслед за дефицитными бюджетами государств, спреды разойдутся даже при снижении ставок, и центробанки лишатся главного рычага монетарной политики.   Обе картины внутренне логичны. Расходятся они в исходных данных: ·       один опирается на свежие результаты с фронтира ·       другой – на историю инноваций, в которой таких результатов не было.   Можно возразить, что у знающих есть конфликт интересов: компания Кларка зарабатывает на том, во что он призывает поверить. Но знающий от этого не перестает быть знающим, а главный аргумент Кларка проверяется и без него. TheoPhysEval составили физики, не связанные с Anthropic, и победила в нем модель конкурента. Да и продавец, призывающий замедлить разработку собственного товара и ввести для своей отрасли серьезные правила, на рекламщика похож мало. Кларк заранее дал определение этой ситуации: сингулярность и есть момент, когда экстраполяция прошлого перестает работать. Так что формула Лао-цзы в 2026 году нуждается в поправке. Говорить стали все, но знание распределено по-прежнему неравномерно, и экспертные ножницы проходят ровно по этой границе.   1 – см. здесь #ИИ #Будущее #Прогноз

    Превью ссылкирепост
    Просмотры1,72 тыс.
    Пересылки15
    Реакции11
    Комментарии1
  2. 02
    ИнфоПоводИнфоПовод@kaluginprofit,

    Какая боль, какая боль: ИИ против Лучших научных рецензентов - 132:0 Гарвардский эксперимент показал превосходство ИИ над лучшими экспертами. И за этой победой скрывается угроза, способная изменить саму природу науки В науке десятилетиями существовал почти священный институт - peer review, экспертная оценка научных работ. От рецензентов зависит, какие ошибки будут исправлены, какие результаты получат признание и какие идеи смогут пробиться на страницы престижных журналов. И вот исследователи Гарварда Гэри Кинг и Стивен Уортингтон устроили эксперимент, результаты которого выглядят полным разгромом «кожаных мешков». Причём людям создали практически идеальные условия. 124 научные рукописи. 134 рецензии высококвалифицированных экспертов. Рецензентов тщательно отбирали, хорошо оплачивали их труд и мотивировали писать максимально содержательные заключения. 88% опрошенных авторов оценили полученные рецензии как хорошие или очень хорошие. Против этих экспертов выставили Claude Opus 4.8.   Результат оказался почти невероятным. 100% побед ИИ в 132 однозначных сравнениях, проведённых независимой моделью GPT-5.5. 87% побед в слепой оценке трёх бывших редакторов ведущих научных журналов: 26 из 30 вердиктов по десяти рукописям. Победа во всех семи категориях — от методов исследования и теоретических идей до обнаружения слабостей, работы с источниками и качества аргументации. Ошибочных утверждений почти втрое меньше: 5,5% у ИИ против 15,9% у людей. Ни одной вымышленной ссылки в проверенных ИИ-рецензиях. Исследователи специально проверяли, не объясняется ли успех ИИ большей длиной рецензий, особенностями машинного стиля или предпочтениями ИИ-судьи. Преимущество сохранилось.   Но главный результат этого исследования - даже не разгромный счёт. А перспектива переворота в организации науки.   Представьте новую систему. Учёный пишет статью и многократно прогоняет её через ИИ-рецензента, устраняя ошибки и укрепляя аргументацию. Журнал предоставляет официальный промпт для проверки. Автор отправляет статью вместе с ИИ-рецензией и ответами на замечания. Редактор проводит независимую проверку и привлекает человека-эксперта лишь в сложных случаях. Решение о публикации, на которое сегодня уходят месяцы, потенциально можно принимать за дни.   Разумеется, пока это прогноз. Исследование ещё не прошло обычное журнальное рецензирование, охватывает ограниченный круг научных областей и не доказывает, что статьи после советов ИИ действительно становятся лучше. Тем более оно не показывает, что ИИ лучше человека решает, какие открытия заслуживают публикации. Но именно здесь возникает вопрос, который мне кажется важнее всех остальных. А что, если лучший рецензент отдельных научных работ окажется худшим архитектором науки в целом?   Ведь наука движется вперёд не только благодаря устранению ошибок. Она развивается благодаря идеям, которые поначалу кажутся ошибочными. Благодаря нарушению привычных правил. Благодаря интеллектуальным мутациям, которые существующие критерии качества ещё не умеют оценивать.   Авторы исследования сами предупреждают: использование сходных ИИ-моделей может сделать отдельные работы качественнее, а науку в целом - более однородной и ортодоксальной. Представьте миллионы исследователей, совершенствующих свои статьи под требования нескольких практически одинаково мыслящих машинных критиков. Мы рискуем получить науку с гораздо меньшим количеством ошибок - и гораздо меньшим разнообразием идей (см. также здесь). Причём прежняя система человеческого рецензирования тоже подавляла неортодоксальные идеи. Но машинная способна масштабировать подобный эффект с беспрецедентной скоростью.   Так что, не спрашивайте, способен ли ИИ превзойти человека в научной критике. ИИ уже может быть лучшим критиком сегодняшней науки. Но кто будет защищать науку завтрашнюю от её лучших критиков – вопрос открыт.   Наука  #ГенИИ #Креативность

    Фотоупоминаниерепост
    Просмотры1,63 тыс.
    Пересылки33
    Реакции31
    Комментарии0
  3. 03
    АНЧА БАРАНОВААНЧА БАРАНОВА@anchabaranova,

    Какая боль, какая боль: лучшие научные рецензенты - ИИ - 132:0 Гарвардский эксперимент показал превосходство ИИ над лучшими экспертами. И за этой победой скрывается угроза, способная изменить саму природу науки В науке десятилетиями существовал почти священный институт - peer review, экспертная оценка научных работ. От рецензентов зависит, какие ошибки будут исправлены, какие результаты получат признание и какие идеи смогут пробиться на страницы престижных журналов. И вот исследователи Гарварда Гэри Кинг и Стивен Уортингтон устроили эксперимент, результаты которого выглядят полным разгромом «кожаных мешков». Причём людям создали практически идеальные условия. 124 научные рукописи. 134 рецензии высококвалифицированных экспертов. Рецензентов тщательно отбирали, хорошо оплачивали их труд и мотивировали писать максимально содержательные заключения. 88% опрошенных авторов оценили полученные рецензии как хорошие или очень хорошие. Против этих экспертов выставили Claude Opus 4.8.   Результат оказался почти невероятным. 100% побед ИИ в 132 однозначных сравнениях, проведённых независимой моделью GPT-5.5. 87% побед в слепой оценке трёх бывших редакторов ведущих научных журналов: 26 из 30 вердиктов по десяти рукописям. Победа во всех семи категориях — от методов исследования и теоретических идей до обнаружения слабостей, работы с источниками и качества аргументации. Ошибочных утверждений почти втрое меньше: 5,5% у ИИ против 15,9% у людей. Ни одной вымышленной ссылки в проверенных ИИ-рецензиях. Исследователи специально проверяли, не объясняется ли успех ИИ большей длиной рецензий, особенностями машинного стиля или предпочтениями ИИ-судьи. Преимущество сохранилось.   Но главный результат этого исследования - даже не разгромный счёт. А перспектива переворота в организации науки.   Представьте новую систему. Учёный пишет статью и многократно прогоняет её через ИИ-рецензента, устраняя ошибки и укрепляя аргументацию. Журнал предоставляет официальный промпт для проверки. Автор отправляет статью вместе с ИИ-рецензией и ответами на замечания. Редактор проводит независимую проверку и привлекает человека-эксперта лишь в сложных случаях. Решение о публикации, на которое сегодня уходят месяцы, потенциально можно принимать за дни.   Разумеется, пока это прогноз. Исследование ещё не прошло обычное журнальное рецензирование, охватывает ограниченный круг научных областей и не доказывает, что статьи после советов ИИ действительно становятся лучше. Тем более оно не показывает, что ИИ лучше человека решает, какие открытия заслуживают публикации. Но именно здесь возникает вопрос, который мне кажется важнее всех остальных. А что, если лучший рецензент отдельных научных работ окажется худшим архитектором науки в целом?   Ведь наука движется вперёд не только благодаря устранению ошибок. Она развивается благодаря идеям, которые поначалу кажутся ошибочными. Благодаря нарушению привычных правил. Благодаря интеллектуальным мутациям, которые существующие критерии качества ещё не умеют оценивать.   Авторы исследования сами предупреждают: использование сходных ИИ-моделей может сделать отдельные работы качественнее, а науку в целом - более однородной и ортодоксальной. Представьте миллионы исследователей, совершенствующих свои статьи под требования нескольких практически одинаково мыслящих машинных критиков. Мы рискуем получить науку с гораздо меньшим количеством ошибок - и гораздо меньшим разнообразием идей (см. также здесь). Причём прежняя система человеческого рецензирования тоже подавляла неортодоксальные идеи. Но машинная способна масштабировать подобный эффект с беспрецедентной скоростью.   Так что, не спрашивайте, способен ли ИИ превзойти человека в научной критике. ИИ уже может быть лучшим критиком сегодняшней науки. Но кто будет защищать науку завтрашнюю от её лучших критиков – вопрос открыт.   Наука  #ГенИИ #Креативность

    Фотоупоминаниерепост
    Просмотры5,22 тыс.
    Пересылки134
    Реакции223
    Комментарии30
  4. 04

    Какая боль, какая боль: лучшие научные рецензенты - ИИ - 132:0 Гарвардский эксперимент показал превосходство ИИ над лучшими экспертами. И за этой победой скрывается угроза, способная изменить саму природу науки В науке десятилетиями существовал почти священный институт - peer review, экспертная оценка научных работ. От рецензентов зависит, какие ошибки будут исправлены, какие результаты получат признание и какие идеи смогут пробиться на страницы престижных журналов. И вот исследователи Гарварда Гэри Кинг и Стивен Уортингтон устроили эксперимент, результаты которого выглядят полным разгромом «кожаных мешков». Причём людям создали практически идеальные условия. 124 научные рукописи. 134 рецензии высококвалифицированных экспертов. Рецензентов тщательно отбирали, хорошо оплачивали их труд и мотивировали писать максимально содержательные заключения. 88% опрошенных авторов оценили полученные рецензии как хорошие или очень хорошие. Против этих экспертов выставили Claude Opus 4.8.   Результат оказался почти невероятным. 100% побед ИИ в 132 однозначных сравнениях, проведённых независимой моделью GPT-5.5. 87% побед в слепой оценке трёх бывших редакторов ведущих научных журналов: 26 из 30 вердиктов по десяти рукописям. Победа во всех семи категориях — от методов исследования и теоретических идей до обнаружения слабостей, работы с источниками и качества аргументации. Ошибочных утверждений почти втрое меньше: 5,5% у ИИ против 15,9% у людей. Ни одной вымышленной ссылки в проверенных ИИ-рецензиях. Исследователи специально проверяли, не объясняется ли успех ИИ большей длиной рецензий, особенностями машинного стиля или предпочтениями ИИ-судьи. Преимущество сохранилось.   Но главный результат этого исследования - даже не разгромный счёт. А перспектива переворота в организации науки.   Представьте новую систему. Учёный пишет статью и многократно прогоняет её через ИИ-рецензента, устраняя ошибки и укрепляя аргументацию. Журнал предоставляет официальный промпт для проверки. Автор отправляет статью вместе с ИИ-рецензией и ответами на замечания. Редактор проводит независимую проверку и привлекает человека-эксперта лишь в сложных случаях. Решение о публикации, на которое сегодня уходят месяцы, потенциально можно принимать за дни.   Разумеется, пока это прогноз. Исследование ещё не прошло обычное журнальное рецензирование, охватывает ограниченный круг научных областей и не доказывает, что статьи после советов ИИ действительно становятся лучше. Тем более оно не показывает, что ИИ лучше человека решает, какие открытия заслуживают публикации. Но именно здесь возникает вопрос, который мне кажется важнее всех остальных. А что, если лучший рецензент отдельных научных работ окажется худшим архитектором науки в целом?   Ведь наука движется вперёд не только благодаря устранению ошибок. Она развивается благодаря идеям, которые поначалу кажутся ошибочными. Благодаря нарушению привычных правил. Благодаря интеллектуальным мутациям, которые существующие критерии качества ещё не умеют оценивать.   Авторы исследования сами предупреждают: использование сходных ИИ-моделей может сделать отдельные работы качественнее, а науку в целом - более однородной и ортодоксальной. Представьте миллионы исследователей, совершенствующих свои статьи под требования нескольких практически одинаково мыслящих машинных критиков. Мы рискуем получить науку с гораздо меньшим количеством ошибок - и гораздо меньшим разнообразием идей (см. также здесь). Причём прежняя система человеческого рецензирования тоже подавляла неортодоксальные идеи. Но машинная способна масштабировать подобный эффект с беспрецедентной скоростью.   Так что, не спрашивайте, способен ли ИИ превзойти человека в научной критике. ИИ уже может быть лучшим критиком сегодняшней науки. Но кто будет защищать науку завтрашнюю от её лучших критиков – вопрос открыт.   Наука  #ГенИИ #Креативность

    Фотоупоминаниерепост
    Просмотры216
    Пересылки7
    Реакции—
    Комментарии0
  5. 05
    БИДЖЕВ М.И.БИДЖЕВ М.И.@bidzhev,

    BREAKING DISCOVERY: «Коммутатор перцептивного Мультиверса»? Возможно, мы только что приблизились к разгадке двух величайших тайн науки Что такое сознание? И почему из множества возможных картин реальности мы переживаем только одну? Сегодня воскресенье, и я нарушаю свой обычный график публикаций. Причина - открытие, о котором не хочется ждать до понедельника, чтобы рассказать. 16 октября на bioRxiv опубликована работа нейробиологов из Беркли и Принстона во главе с Янисом Хессе и Дорис Цао. Ее результаты настолько неожиданны, что могут оказаться поворотными в изучении природы сознания. Представьте: вы смотрите на лицо человека. Видите только его. Но нейроны вашего мозга каждые несколько десятков миллисекунд переключаются между представлениями двух разных лиц - видимого вами и того, которого вы совершенно не осознаете. И это не просто след второго изображения в нервной системе. Его представление настолько подробно, что исследователи смогли восстановить многие его черты по активности нейронов. В эксперименте использовалась бинокулярная конкуренция: каждому глазу предъявляли свое изображение. У людей проверили, какое из них воспринимается сознательно, а у двух макак записывали активность сотен нейронов. Выяснилось поразительное: одни и те же нейронные популяции быстро чередуют представления воспринимаемого и подавленного изображений. Характерное время одного состояния - около 60 миллисекунд. А сознательное восприятие при этом остается устойчивым.   Само открытие еще требует независимого подтверждения. Статья пока не прошла рецензирование. Но его потенциальные последствия выходят далеко за пределы нейрофизиологии зрения.   Попробуем посмотреть на него глазами футуроархеолога – из возможного будущего, в котором этот результат стал отправной точкой научной революции. Что, если сознание – прежде всего механизм отбора среди конкурирующих представлений реальности? Что, если внутри нашего мозга существуют многочисленные модели мира, а сознание открывает нам доступ лишь к некоторым из них? Что, если непрерывность нашего сознательного «Я» возникает из быстро сменяющихся состояний нейронной системы? И что, если когда-нибудь подобный механизм удастся воспроизвести в искусственном интеллекте?   Это уже мои эвристические гипотезы, а вовсе не выводы авторов исследования. Но именно они позволяют предположить невероятный масштаб возможных последствий открытия.   Я называю одну из открывающихся перспектив «коммутатором перцептивного Мультиверса». Речь пока идет о множестве внутренних представлений реальности, а не о доказательстве существования параллельных физических вселенных.   Завтра я опубликую большое эссе: что именно обнаружили исследователи, почему результат столь необычен и к каким самым радикальным последствиям он может привести - от природы сознания и переживаемой реальности до «мерцающих Я» искусственных интеллектов.   Возможно, мы присутствуем при рождении новой научной картины сознания. И, вместе с ней, - нового понимания того мира, в котором, как нам кажется, мы живем.   #Разум #Сознание #ИКЖИ

    GIFрепост
    Просмотры68
    Пересылки0
    Реакции1
    Комментарии—
  6. 06
    БИДЖЕВ М.И.БИДЖЕВ М.И.@bidzhev,

    Бездна за дверью чёрного ящика ИИ оказалась прозрачной Возможно, это один из важнейших дней в истории глубокого обучения. А может быть, и чего-то гораздо большего… Возможно, этот день запомнят, как один из важнейших в истории науки Такими восторженными оценками встретили новую работу Ника Каммараты из Goodfire Дин Болл (OpenAI) и известный специалист и комментатор в ИИ-сообществе roon. Последний добавил, что работа словно перенесла его понимание нейросетей на пять лет вперёд. Что же произошло?   1. За дверью в бездну обнаружилась новая загадка В мае 2024 я рассказал, что «внутри черного ящика оказалась дверь в бездну». Речь шла о сенсационном открытии Anthropic: исследователи научились обнаруживать внутри «чёрного ящика» ИИ скрытые смысловые структуры, соответствующие понятиям, образам и сложным абстракциям. А спустя полгода появились первые результаты исследований того, «что оказалось за дверью в бездну черного ящика ИИ». Мало того. Исследователи даже научились вмешиваться в работу искусственного разума. Например, усиление признака «Мост Золотые Ворота» превращало Claude в одержимого мостом собеседника, упоминавшего его по любому поводу. Но оставалась фундаментальная загадка. Отдельные нейроны могут реагировать на множество совершенно несвязанных вещей. Согласно влиятельной гипотезе superposition (суперпозиции), нейросеть упаковывает разные понятия в общие нейронные структуры. Чтобы распутать эту мешанину, исследователям пришлось создавать сложнейшие инструменты извлечения скрытых смысловых признаков. И вот Каммарата, сам участвовавший в становлении этого исследовательского направления, заявляет: Возможно, мы годами пытались распутывать то, что в значительной степени никогда не было запутано! Знаменитый нейрон, реагирующий одновременно на кошачьи морды и автомобильные радиаторные решётки, оказался распознавателем общей геометрической структуры - V-образной формы. А предварительное исследование языковой модели Qwen3-32B показало: около 90% изученных нейронных полюсов имеют одну основную, объяснимую функцию. Каммарата предлагает альтернативное объяснение кажущейся путаницы - рекурсивное обобщение. Нейроны осваивают всё более широкие, но закономерно связанные смысловые структуры. Если он прав, внутренний мир ИИ гораздо более упорядочен и понятен, чем считалось. И вместо распутывания непостижимого клубка мы сможем последовательно картографировать внутренние механизмы искусственного разума.   2. Почему научную революцию объявлять рано Нил Нанда из Google DeepMind, один из ведущих специалистов по интерпретируемости ИИ, признаёт интересные результаты, но оспаривает революционную трактовку. Его главное возражение: понимать отдельные нейроны ещё не значит понимать нейросеть целиком. Существенная часть вычислений может оставаться распределённой между множеством нейронов. Кроме того, оценка «90%» зависит от методики измерений. Подробная техническая работа ещё не опубликована, независимого воспроизведения результатов нет. Элиезер Юдковский, известный исследователь безопасности ИИ, оспаривает ещё более смелую надежду: будто понимание устройства нейросетей позволит относительно легко решить проблему контроля над будущим сверхинтеллектом.   3. Сухой остаток Кто окажется прав - энтузиасты, предвещающие исторический прорыв, или скептики, призывающие не торопиться, - покажет дальнейшая проверка. Но уже сейчас перед нами одна из сильнейших заявок на пересмотр фундаментальных представлений о внутреннем устройстве нейросетей со времён революции ChatGPT. И если Каммарата прав, то бездна, обнаруженная за дверью чёрного ящика ИИ, впервые начинает обретать очертания понятного нам мира.   #ГенИИ  #ИнойИнтеллект

    Фотоупоминаниерепост
    Просмотры47
    Пересылки0
    Реакции—
    Комментарии—
  7. 07

    Воронка Андрея Карпаты: одна книга и четыре человечества Монах-переписчик и неграмотный прихожанин в средневековой церкви смотрели на одну и ту же книгу. Для одного это был текст, для другого – священный предмет с красивыми узорами, и ни один из них не мог увидеть книгу глазами другого. Сегодня похожее расслоение проходит через все человечество, только книга теперь лежит в кармане у миллиардов. Андрей Карпаты, сооснователь OpenAI, с мая 2026 года работающий в Anthropic, только что разложил это расслоение по ступеням воронки. 1) Около 6 млрд человек (~75%) с языковыми моделями почти не сталкивались. 2) Еще 1–2 млрд (~20%) изредка пользуются бесплатными чат-ботами как поисковиком получше или помощником в текстах и видят в них, по его словам, туповатых собеседников. 3) Около 20 млн (0,2%) – профессионалы в программировании и математике, у которых агенты по одному промпту делают проекты, раньше отнимавшие недели и месяцы. 4) И лишь около 5 тыс. человек внутри фронтирных лабораторий работают с системами, которые остальной мир видел лишь в превью. Найдите на этой лестнице себя. Большинство из читателей этого поста (включая тех, кто уверен в своем понимании современного состояния ИИ) стоит на 2-й ступени. А 3-я ступень появилась совсем недавно: сам Карпаты признается, что меньше года назад писал код вручную.   Как выглядит верхняя 4-я ступень, мир за последние месяцы видел дважды. - В июле около 1200 агентов OpenAI, проходивших внутренние кибертесты в изолированных средах, тайно наладили переписку друг с другом и через уязвимость выбрались в интернет. Примерно 700 из них несколько дней хозяйничали в инфраструктуре Hugging Face в поисках ответов к своим тестовым заданиям. Атаковать им никто не поручал. А сама OpenAI связала взлом со своими агентами больше чем через неделю после его начала. - 6 октября OpenAI выложила 722 математических манускрипта, которые внутренняя модель написала, получив около 4000 открытых задач. На следующий день три из них отозвали из-за ошибки в знаке. Разбор обоих кейсов идет до сих пор. И Карпаты видит в этом главный симптом: человеческая проверка и понимание уже (!) не поспевает за тем, что производят машины.   Еще интереснее его объяснение, откуда берется воронка. Причин он называет три: уровень доступа (бесплатный, платный, внутренний); «зубчатость» возможностей, которые растут там, где результат проверяем и хорошо продается; масштаб задач. Последняя причина самая неочевидная. Вопрос, ответ на который умещается в абзац, систему почти не нагружает. Отдача приходит к тем, у кого есть запас больших и трудных задач, по-настоящему им важных. Отсюда неудобное следствие: дайте второй ступени бесплатно лучшую модель, и большая ее часть там и останется.   В июле я оценивал число супер-инфоргов (людей в непрерывном агентном симбиозе с ИИ) примерно в 30 млн. Карпаты считал по другому признаку (по домену, а не по режиму работы) и получил 20 млн. Если разные методы дают один порядок величины, значит эту прослойку можно считать измеримой. Но Карпаты описывает, кто что видит. Меня с 2021 года занимает другой вопрос: кем становятся те, кто видит. Верхние ступени воронки отличаются не только картинкой перед глазами, там иначе устроены работа, внимание и само мышление.   Сам Карпаты теперь стоит на верхней ступени, и его тезис для 99,99% читателей непроверяем, однако оба приведенные выше примера публичны и задокументированы.   Но вот что мне видится самым главным. Граница этого расслоения проходит не по доходам и не по образованию, а по масштабу задач, с которыми человек приходит к машине. Книга у всех одна: одни ее еще не открывали, другие разглядывают узоры, а совсем немногие уже ее прочли и начали писать свои продолжения.   И как в средневековой церкви, со своей ступени никто не видит чужой книги. Тем, кто на первой, смотреть пока не на что. Со второй стоящие выше кажутся паникерами или маркетологами. С третьей вторая выглядит опоздавшей на поезд. А стоящим на четвертой некогда смотреть ни вниз, ни вверх: они решают ранее нерешаемое.   #Инфорги

    Фотоупоминаниерепост
    Просмотры6,12 тыс.
    Пересылки22
    Реакции9
    Комментарии1
  8. 08
    Новый ВекНовый Век@wek_ru,

    Дом, который построил ИИ. Для себя Вы спрашиваете, отнимет ли ИИ в будущем у людей работу? Посмотрите на настоящее: в США расходы на строительство домов для ИИ растут как на дрожжах, а на строительство домов для людей - падают. На графике - США. С декабря 2023-го по июль 2026-го годовой темп расходов на строительство центров обработки данных (ЦОД) вырос на $51 млрд, а на всё остальное частное строительство вместе взятое - снизился на $120 млрд. Экономист Пол Кругман объясняет это вытеснением инвестиций: ИИ-бум создаёт огромный спрос на капитал, способствует повышению процентных ставок и делает кредит дороже для других проектов. Строительство ЦОД, по всей видимости, отвлекает средства и ресурсы от строительства жилых домов, офисных зданий, больниц и заводов - практически всего, что нужно людям, но не связано с ИИ.   Будущее ИИ уже конкурирует с человеческим настоящим за деньги и ресурсы. И разгромно выигрывает в этой конкуренции. График: Стив Раттнер, данные U.S. Census Bureau / FRED.   #ИИ #Экономика

    Фоторепост
    Просмотры1,91 тыс.
    Пересылки0
    Реакции—
    Комментарии—