Звездолёт Земля

Метастазы исчезли у первого пациента, получившего российскую вакцину от рака. Уже четыре месяца врачи не обнаруживают у него новых опухолей, рассказал научный руководитель Центра имени Гамалеи Александр Гинцбург. Теперь за пациентом будут наблюдать ещё три года, чтобы оценить долгосрочный результат лечения.

🧠 Давайте рассмотрим парадокс, почему ИИ довольно легко заниматься математикой на уровне Теренса Тао или программировать как Линус Торвальдс, но работа аналитика, как у меня, с диагностикой требований на софт или на обучение для ИИ выглядит как «очень сильное колдунство», которое крайне сложно выучить даже если у ИИ целый суперкластер за $10 миллиардов долларов и доступны мои сессии с аналитикой как датасет. Это значит, что существуют «профессии-убежища», где ИИ очень сложно превратить персонал в безработных, т.е. это ответ на то, чем надо заниматься, чтобы ИИ-бот вас не съел на завтрак. Математика — это вообще ерунда для ИИ, т.к. там доступна формальная валидация шагов дедукции. Поэтому просто применяем RLRV и математики превращаются в безработных бомжей, что мы почти уже наблюдаем. Однако ИИ может успешно решать задачи программирования, где результат не имеет единственного ответа, но известна «функция полезности» пользователя, поэтому на RL-обучении можно ИИ обучить создавать один из вариантов, который допустим как приемлемый для заказчика. Однако чем я занимаюсь как аналитик при постановке задач на продукты или как тренер на предварительной диагностике того, как учить этого человека, задача не просто сложная для ИИ, а просто другой уровень сложности относительно даже того, чем занят Теренс Тао. Дело в том, что не определена функция полезности и как раз своей аналитикой я снижаю энтропию задачи и делаю её определённой. Математически по факту это означает, что у меня есть некий лишь частично наблюдаемый для ИИ на обучении Марковский процесс, где в скрытом состоянии есть истинная полезность заказчику, а я делаю «скрытое явным» (Partially Observable Markov Decision Process, POMDP). Вроде бы я делаю это «незамысловато» на фоне Теренса Тао, но как раз Теренс прозрачный на обучении для ИИ, а я — НЕТ. Поэтому даже если вы скормите ИИ огромное количество сессий моих вопросов-ответов, то ИИ не просто сложно будет выучить целевую функцию полезности, а в общем случае это невозможно ИИ сделать, т.к. она не определена однозначно даже в принципе. Полезно разложить эту неопределённость на три слоя семантической проблемы для ИИ копирования аналитиков, занятых целеполаганием. 📐 Слой 1: статистическая неидентифицируемость (скрытое состояние не пришпиливается наблюдениями) Формально: пусть θ — истинная цель пользователя, D — всё, что мы наблюдаем (слова, контекст, история). Идентифицируемость означает, что отображение D → θ инъективно, то есть разные θ дают разные распределения наблюдений. Неидентифицируемость — когда существуют θ₁ ≠ θ₂, для которых P(D|θ₁) = P(D|θ₂) при всех D. Иными словами, правдоподобие плоское: никакое количество наблюдений за мной ИИ со стороны на обучении не различит эти гипотезы. В интервью это происходит постоянно. «Сделай быстрее» одинаково совместимо с «уменьши задержку», «уменьши потребление памяти», «упрости код», «улучши воспринимаемую отзывчивость». Никакой анализ этой фразы, никакой профиль пользователя не даёт диагностического признака — потому что сам пользователь часто ещё не решил, что именно он имеет в виду. Наблюдение — это шумная проекция цели, и проекция может быть вырожденной. 🎯 Слой 2: неидентифицируемость самой целевой функции (что такое «правильный вопрос») Даже если представить, что мы идеально знаем распределение по θ (функцию убеждений), остаётся проблема: отображение «убеждение → оптимальный вопрос» не единственно. «Оптимальный» зависит от функции полезности, а она не задана: • максимизировать информационный выигрыш? • минимизировать время пользователя? • минимизировать риск неверного выполнения? 🔄 Слой 3: перформативность (цель не существует до вопроса) Самый глубокий слой. В POMDP предполагается, что состояние существует независимо и вопрос лишь раскрывает его. В реальном интервью вопрос создаёт цель: «Вам важнее A или B?» может заставить пользователя осознать, что ему нужен C. Тогда нет фиксированного θ, который можно идентифицировать — состояние эндогенно действию. Более того, ответ пользователя зависит от вопроса, вопрос зависит от убеждения, убеждение зависит от ответа — замыкается петля, в которой «истинная цель» является функцией политики, а не независимой переменной. Это ломает саму постановку: нельзя выучить P(вопрос | θ), если θ определяется вопросом. Если даже вы попробуете давать награду ИИ за аналитическую работу в духе «заказчик принял ТЗ от ИИ», то ИИ сразу же сделает reward hacking через разрыв прокси-награды (Proxy Gap). В обучении с подкреплением мы оптимизируем не истинную цель, а её приближение: Δ(x,y) = r⋆(x,y) − r̃(x,y) где r⋆ — истинная полезность (что реально нужно заказчику), а r̃ — прокси-награда (одобрение человека-оценщика, сигнал reward-модели). Reward hacking возникает, когда оптимизация систематически смещает вероятность к выходам, максимизирующим r̃, но ухудшающим r⋆. Для интервью это означает: если обучать модель на сигнале «заказчик согласился», она выучит стратегии, максимизирующие согласие (уверенный тон, убедительная подача), а не стратегии, выявляющие истинную потребность. На практике это приводит к тому, что аналитики серией вопросов выявляют истинную задачу для заказчика где-то с 40% вероятностью, а ИИ только с 20%. Причём последнее больше делается путём «убалтывания кожаного» со стороны ИИ, что его решение правильное. Иногда оно может подойти, но это не истинное выявление полезности с разрешением её энтропии. 💡 Какая тут мораль: 1. Если вы заняты хорошо формализуемой работой или где критерии полезности результата очевидны, то можно сказать как Гендальф: «Бегите, глупцы!». Вы не спасетесь сложностью задачи от ИИ, т.к. для него она принципиально решаемая с полной вашей заменой и выкидыванием вас на улицу бомжевать. 2. Если ваша работа связана со снижением энтропии задачи и выявлением истинных критериев полезности результата по задаче, то ИИ будет крайне нуждаться в вас постоянно как в средстве разрешения неопределённости, что ему делать, сам он скопировать вас полностью обучением даже в теории почти не может. Поэтому господа архитекторы, продакты и аналитики, мы можем вместе с плиточниками и электриками спокойно наблюдать, как ИИ устраивает кровавую резню математикам и кодерам. https://arxiv.org/abs/2607.16412v1

Уже AGI?

Безусловный базовый доход (ББД) - всё-таки политическое решение, а не технологическое, поэтому его принятие зависит от политической системы, причем каждой конкретной страны, власти которой будут искать выход из этой ситуации. Судя по практике во времена COVID, ББД будет скорее внедрен в странах Западной Европы, где пострадавшим от локдауна художникам, чьи галереи закрылись, выплачивали ежемесячно 5000 евро. Да и сейчас там порог выживания очень низкий, судя по беженцам. А вот кому расслабляться не следует, так это дорогим россиянам. У которых, если верить Пескову, всё прекрасно - причем всегда. https://t.me/mandeathandethics/14618

Впервые в истории робот построил конструкцию в космосе Робот ASTRA, разработанный в Caltech и профинансированный DARPA за 6 месяцев на орбите собрал часть фермы из композитных трубок и алюминиевых узлов. Полную 1,4 метровую антенну из 11 сегментов достроить не успели, но пруф оф концепт уже есть. Этот проект был нужен для того, чтобы научиться строить в космосе вещи, которые физически не влезают в ракету: гигантские телескопы, антенны связи, орбитальные солнечные электростанции на сотни метров и километры.

📚 Интересно, что методику Монтессори, которую Демис Хассабис рекомендует внедрять с ИИ-агентами в школы вместо текущего «казарменного образования», поддерживает Московский педагогический университет. Они даже выполнили НИР по ней и сделали агента на «православном» GigaChat. Правда, из описания проекта скорее следует, что они ограничились очень простым применением моделирования бота для замены учителя в виде аватара великого итальянского педагога. Хотя с учётом очень низкого IQ у самого GigaChat на фоне современных LLM есть сомнения, что это хорошо работает именно для обучения, а не для имитации стиля речи и взглядов Монтессори. Плюс метод Монтессори не требует ставить вопрос о замене учителя на бота, так как его менять там и не нужно в рамках этой методики. Сам по себе метод Монтессори обычно противопоставляется «обучению через насилие» в классическом образовании, где учителя стараются принуждать к учёбе и даже запугивать учеников плохими оценками. В случае метода Монтессори создаётся среда из ресурсов самостоятельного обучения и делается ставка на возбуждение интереса ребёнка к самостоятельному изучению. Учитель в такой методике больше демонстрирует, как пользоваться разными «образовательными игрушками», и организует детей в группы, но передаёт инициативу им, после возбуждения интереса к исследованию. Метод Монтессори завоевал огромные позиции в дошкольном обучении, так как классическая «образовательная казарма» в детском саду не работает вообще с учётом ещё и сложностей внимания детей. Однако метод успешно применяется и с подростками, но это уже больше пилотные проекты по миру. 💡 В реальности, чтобы метод Монтессори заработал, тому же Московскому педагогическому университету скорее нужно создать среду из ИИ-агентов, которые позволяют ребёнку творить. Например, создавать какие-то компьютерные игры. На этой идее как раз взлетел Scratch, но мало кто знает, что за ним стояли серьёзные учёные из MIT как Митч Резник, которые через такой «пазл алгоритмов» готовили будущую инженерную элиту. https://www.mgpu.ru/obrazovanie/institutes/ide/npd/projects/

ИИ-агенты могут создать большую безработицу среди разработчиков фронтенда, т.к. агентам фронты не нужны, а им нужен MCP. Я уже писал об этом, что наступает время «Пользователя 2.0», который работает с вашими сервисами через агентов из Claude Code или DeepSeek Harness. Онлайн-магазин «Все инструменты» уже понял, что бесполезно бороться с трендом, и создал MCP для подбора товаров агентами. Они обработали уже около 1 миллиона запросов агентов. На деле все, кто ведут интернет-бизнес, либо сделают MCP агентам, либо начнут терять рыночную долю. Тут есть ещё тонкий момент в том, что «MCP-буму» способствует то, что LLM работает у пользователя на его машине. Это автоматически снимает с поставщика услуг все заморочки с федеральным законодательством насчёт персональных данных пользователя — он сам своими данными распоряжается как знает. Также разработчику сервиса не нужно платить за LLM, что может быть не просто дорого: компаниям могут навязываться наши «Православные LLM», которые имеют кошмарное качество на современном уровне, но при этом конские цены. Пользователь скорее всего купит себе нормальный LLM типа Claude или DeepSeek по нормальной цене, и все проблемы убеждать пользователя покупать наши некачественные языковые модели становятся проблемами их изготовителей. Поэтому крайне умная идея — создавать MCP для интернет-бизнеса и для экономии на разработке фронтов, и для решения проблемы с закупками LLM. Тренд скорее всего будет набирать обороты и для решений внутри компаний, объём работы для фронтендеров будет снижаться. Поэтому я рекомендую всем, кто сидит на фронтах, втягиваться в тему бэкенда и как раз создания MCP, т.к. альтернатива — присоединиться к крикам ужаса безработных на LinkedIn. И там как раз уже заметно, что разработчики фронтенда пострадали от ИИ намного сильнее, чем разработчики бэкенда. В эпоху ИИ каждый разработчик должен уметь работать на полном стеке. https://mcp.vseinstrumenti.ru/

22. Организационная простота — первоначальное преимущество. Для возникновения университета не требуются кафедры, учебные программы, научные советы, экзамены и дипломы. Первоначальная реализация может представлять собой простую международную доску исследований, где участники публикуют работы, находят интересующие материалы, общаются и продолжают исследования друг друга. 23. DAO University — не альтернатива существующим университетам, а принципиально другая форма организации познания. Обычный университет сочетает образование, исследования, профессиональную подготовку и присвоение квалификаций. DAO University не обязан воспроизводить эти функции. Его первичная задача — обеспечить свободное взаимодействие людей и создаваемых ими информационных моделей. 24. Эволюция информации — фундаментальный принцип университета. DAO University рассматривает знания не как статическое собрание окончательных истин, а как непрерывно изменяющуюся систему. Люди создают информационные модели, модели вступают во взаимодействие, изменяются и порождают новые модели. Университет предоставляет среду, необходимую для свободного протекания этого процесса. --- ## Информационное ядро Человеческое любопытство → самостоятельное исследование → публикация → встреча с другими исследованиями → взаимодействие информационных моделей → возникновение новых моделей → дальнейшее исследование. Процесс не имеет обязательной конечной точки. Его результаты становятся материалом для следующего цикла. ### Три свойства системы Самомотивация. Познавательная деятельность приносит собственное вознаграждение. Самоорганизация. Интеллектуальные сообщества формируются из свободного взаимодействия участников. Саморазвитие. Информационные модели изменяются и порождают новые модели в процессе взаимодействия. ### Главный принцип Мы не определяем заранее, какие знания должны возникнуть. Мы создаём условия, в которых знания могут свободно развиваться. ### Краткое определение DAO University — открытая всемирная среда свободного познания и эволюции информации, основанная на естественном человеческом любопытстве, добровольном интеллектуальном сотрудничестве и самоорганизации исследователей.

# DAO UNIVERSITY ### Всемирный университет свободной эволюции информации Концепция: Открытая международная среда, в которой люди, движимые собственным интеллектуальным любопытством, публикуют исследования, находят единомышленников, обмениваются знаниями и совместно развивают представления о мире. ## Основополагающие тезисы 1. Стремление к познанию — естественная человеческая потребность. Многие люди самостоятельно исследуют интересующие их проблемы, не рассчитывая на деньги, дипломы, карьеру или общественное признание. Сам процесс познания доставляет им удовольствие. Эта внутренняя мотивация — главный источник энергии DAO University. 2. У каждого человека есть собственные интеллектуальные пристрастия. Людей увлекают совершенно разные вопросы, иногда необычные, узкоспециальные или кажущиеся окружающим бессмысленными. Эти интересы не нужно унифицировать или подчинять общепринятой системе научных приоритетов. Напротив, разнообразие интеллектуальных увлечений составляет богатство университета. 3. Познание не является монополией профессиональных учёных. В мире множество людей с исследовательским складом ума, которые не принадлежат к академическому сообществу. Среди них могут быть самоучки, инженеры, рабочие, предприниматели, пенсионеры, любители истории и естественных наук. Отсутствие научной степени не означает отсутствия способности производить знания. 4. Научный статус и реальная познавательная деятельность — разные сущности. Официальная научная система способна воспроизводить не только знания, но и деятельность, имитирующую их производство. Должности, гранты, публикации и академические связи могут становиться самостоятельными целями. DAO University не борется с существующей наукой, а создаёт независимую среду познания, в которой формальный статус не определяет ценность участия. 5. Университет открыт каждому. Для участия не требуются диплом, учёная степень, рекомендации, профессиональная принадлежность или предварительное признание компетентности. Достаточно желания исследовать, размышлять и обмениваться идеями. 6. Все участники — студенты. Студентом может быть и школьник, и академик, и человек, самостоятельно изучающий какую-либо проблему десятилетиями. Каждый способен учиться у других и одновременно делиться собственными знаниями. Разделение на преподавателей и учащихся не является обязательным. 7. Основная единица деятельности — свободное исследование. Человек приходит в университет со своей проблемой, вопросом, гипотезой или моделью. Он публикует эссе, доклад, наблюдение, исследование, эксперимент или размышление. Ему не требуется предварительно доказывать общественную значимость своей работы. 8. Первое вознаграждение — удовлетворение собственного интереса. Участник занимается именно тем, что его увлекает. Университет не обязан искусственно мотивировать его оценками, учебными нормативами или материальными поощрениями. Его деятельность уже содержит собственное вознаграждение. 9. Второе вознаграждение — встреча с чужой мыслью. Человек обнаруживает других участников, работающих над сходными проблемами. Знакомство с их исследованиями позволяет ему увидеть новые стороны вопроса, обнаружить ошибки, получить недостающие сведения и уточнить собственную модель. Само интеллектуальное взаимодействие становится источником удовлетворения. 10. Третье вознаграждение — совместное развитие знания. Участники начинают дополнять и изменять модели друг друга. Возникают коллективные исследования, новые объяснения, неожиданные соединения прежде независимых идей. Каждый получает возможность наблюдать, как его мысль становится частью более сложного интеллектуального построения. 11. Информация развивается через взаимодействие с информацией. Любое исследование представляет собой определённую информационную модель. Встречаясь с другими моделями, она может изменяться, дополняться, распадаться или порождать новые конструкции. Таким образом, интеллектуальное общение становится механизмом эволюции информации. 12. Эволюция информации не обязательно является движением к истине. Ошибочные, фантастические и противоречивые модели тоже участвуют в информационной эволюции. Они способны порождать вопросы, возражения, исследования и новые идеи. Поэтому DAO University не должен заранее отсекать интеллектуальные конструкции только на основании оценки их предполагаемой научной ценности. 13. Информация должна получать оценку из собственного развития. Ценность идеи не обязательно устанавливается внешней комиссией, рейтингом, дипломом или голосованием. Она проявляется в её взаимодействии с другими идеями, способности порождать дальнейшие исследования, объяснять наблюдаемые явления и выдерживать проверку действительностью. Это не отменяет различия между истиной и заблуждением, но переносит центр оценки с административного авторитета на познавательный процесс. 14. Ошибка — естественный элемент познания. Ошибочная гипотеза не обязательно является бесполезной. Она может обнаружить недостатки существующих объяснений, вызвать содержательную критику или привести к неожиданному открытию. Университет не должен превращать ошибки участников в основание для их интеллектуальной дисквалификации. 15. Интеллектуальное разнообразие ценнее принудительного единомыслия. Различные, в том числе несовместимые модели могут сосуществовать, конкурировать и взаимодействовать. Их не требуется административно приводить к единой позиции. Противоречия способны становиться источником дальнейшего развития знаний. 16. Университет не нуждается во внешнем экономическом стимуле для существования своей основной деятельности. В традиционной академической системе исследовательская работа связана с распределением зарплат, грантов, должностей и бюджетов. Это создаёт возможности для имитации научной деятельности ради материального вознаграждения. В DAO University основной мотивацией предполагается личный интерес участников. Отсутствие оплаты за сам факт публикации уменьшает экономическую привлекательность такой имитации. При этом добровольность участия не означает запрета на финансирование исследований, если для них необходимы оборудование или другие ресурсы. 17. Университет не обязан заранее гарантировать полезный результат. Создание открытой среды интеллектуального общения представляет самостоятельную ценность. Для обоснования существования DAO University не требуется обещать научные открытия, коммерческие технологии или измеримый экономический эффект. Даже если исследование никогда не приведёт к практическому результату, оно может приносить удовлетворение участникам и обогащать их представления о мире. 18. Университет существует вне государственных и языковых границ. Участники могут находиться в любых странах и говорить на разных языках. Искусственный интеллект обеспечивает перевод, облегчает поиск людей со сходными интересами и помогает преодолевать языковые барьеры. Географическая удалённость не должна препятствовать интеллектуальному сотрудничеству. 19. Университет самоорганизуется вокруг интересов и проблем. Исследовательские группы возникают не по решению администрации, а в результате встречи людей, заинтересованных в одном вопросе. Они могут объединяться, разделяться, прекращать существование и образовывать новые сообщества. Организационная структура должна следовать за естественным развитием интеллектуальных связей, а не определять его заранее. 20. Искусственный интеллект — посредник и инструмент, а не научная власть. ИИ может помогать с переводом, поиском исследований, сопоставлением моделей, обнаружением логических противоречий, систематизацией материалов и сохранением истории обсуждений. Но он не должен становиться обязательной инстанцией, разрешающей или запрещающей людям мыслить, публиковать и обсуждать свои идеи. 21. Университет сохраняет историю эволюции мысли. Исследование не обязательно заканчивается публикацией. Оно может получить продолжения, дополнения, опровержения и ответвления. Сохранение этих связей позволит наблюдать не только готовые интеллектуальные продукты, но и процессы их возникновения и развития.

Claude и Codex научили управлять любыми программами на компе — опенсорс-имбу Agent Desktop выложил техногигант Vercel, создатель Next.js. Что имеем: • ИИ получает доступ к интерфейсу программ: может нажимать кнопки, заполнять поля, прокручивать страницы, работать с окнами, меню и буфером обмена. • Не нужны специальные интеграции и API: агент использует системные инструменты Windows, macOS и Linux, чтобы взаимодействовать с обычными десктопными приложениями. • Работает не только по скриншотам: вместо угадывания координат кнопок ИИ считывает структуру интерфейса и точно определяет, на какие элементы нужно нажимать. • 60 команд для управления компьютером: от запуска приложений и перетаскивания объектов до управления уведомлениями и проверки результатов собственных действий. • Работает на Windows, macOS и Linux. Почему вам это точно нужно: Agent Desktop умеет выполнять сложные последовательности действий в прогах, а не тыкаться вслепую. Откидываемся на кресло и раздаём команды — тут.

Самый обсуждаемый стартап выходных – The Subvocal Company Они придумали сделать носимое устройство для беззвучного голосового ввода текста. Выглядит оно как обычные очки. Внутри этих очков есть антенны, излучающие радиоволны, которые проходят сквозь кожу и ловят движения мышц и артикуляционного аппарата, когда человек шевелит губами и языком без звука. Затем модель превращает этот сигнал в текст. В эпоху агентов, когда человеку действительно удобнее надиктовывать команды, чем печатать промпты, а говорить вслух при этому не всегда удобно, понятно, почему подобное изобретение привлекло так много внимания. Пост Subvocal с анонсом в X уже собрал около 11.5 млн просмотров. Точность набора, по словам создателей, составляет около 90%. Это выше, чем обычно бывает у моделей, читающих по губам, но ниже, чем у обычного голосового ввода текста (там примерно 95-96%). Скорость набора таким способом превышает 200 слов в минуту. Основатели, студенты Georgia Tech, сделали первый прототип на хакатоне в Стэнфорде в феврале этого года. Сейчас они выходят в осенний батч YC 2026, и общий пре-сид составляет около 1,3 млн долларов. На очки, кстати, уже можно оформить предзаказ, если вы готовы выглядеть самым странным техногиком в офисе

@cryptoEssay размышляет о кризисе классической стратегии «получил образование → получил работу»: Образование перестаёт быть социальным лифтом. Учиться по-прежнему важно, но это больше не гарантия. Молодые специалисты на старых ролях больше не нужны. Либо прыжок веры до пост-скарсити (хз, лет 10-20-30?), либо придумать себе занятость, а не искать на рынке. Первыми страдают начинающие позиции: компании не столько увольняют, сколько перестают нанимать молодых. Post-scarcity («после дефицита») – экономика, в которой ИИ и робототехника сделают производство благ настолько дешёвым, что людям больше не придётся работать ради выживания. Еда, одежда, жильё, медицина станут общедоступными настолько, что даже небольшого безусловного базового дохода (ББД) будет хватать для удовлетворения основных потребностей. «Прыжок веры» – надежда на то, что такое будущее наступит через 10–30 лет. Однако здесь возникает проблема, которую мы уже обсуждали – угроза технофеодализма. Не стоит отождествлять возможность массового производства благ и массовую доступность этих благ. Первое вполне может существовать без второго. Представим технофеодальный анклав, в котором несколько аристократических семей владеют землёй, энергетикой, дата-центрами и робозаводами. Их роботы производят практически всё необходимое, и собственники живут в полном материальном достатке. Для этих техноаристократов наступило post-scarcity. Для остальных – нет. Это не обязательно общество голодных рабов. Зависимые могут пользоваться жильём, медициной и развлечениями, но их благополучие определяется волей собственников. Чем меньше те нуждаются в человеческом труде, тем слабее позиция остальных. Вместо экономической самостоятельности – отношения покровительства и личной зависимости. Так феодализм может вернуться на новом уровне. Автоматическое производство изобилия не ведёт к автоматическому распределению изобилия. Это совершенно разные задачи – одна технологическая, другая политэкономическая. Думается, что подлинное освобождение человека от материальной нужды и экономической зависимости станет возможным тогда, когда дешёвым окажется не только массовое производство благ, но и массовое производство самих средств производства. Когда роботы смогут дёшево производить других роботов, а человеку или небольшой общине станет доступно создание собственного ИИ-производства – с энергетикой, ИИ и ресурсами. Доступно и технически, и экономически, и юридически. Конечно, каждому хозяйству не обязательно производить всё от хлеба до микропроцессоров. Разделение труда может сохраниться, но сетевой обмен независимых производителей может убрать маржу монополий до предела и сделать их существование невозможным, заодно деолигархизировав политику. Так может выглядеть третий вариант достижения общества пост-дефицита: без борьбы за исчезающие рабочие места, без надежды на щедрость техноаристократов или государства. Не прыжок, а путь.

Neuralink показала, как их пациент запускает ИИ-агента мысленной командой Компания рассказала о 3-х днях, когда ее инженеры провели дома у участника исследования, которому восстанавливают речь при БАС. За это время они собрали несколько функций, делающих общение через имплант удобнее. Самое интересное - это когда их участник мысленно произносит «Hey Neuralink» и называет задачу, а ИИ-агент Grok выполняет ее на компьютере. При этом система считывает попытку говорить, а не произвольные мысли. Компания называет это ранней иллюстрацией того, как рост пропускной способности между мозгом и компьютером сокращает разрыв между мыслью и действием. А 2 дня назад Neuralink представила первые данные исследования VOICE, где их участник с БАС за первую неделю после имплантации чипа достиг 75 слов в минуту при 5,8% ошибок на словаре в 125 тысяч слов. Система переводит попытки речи или мысли о словах в текст и синтезированный голос. А ещё у Neuralink есть приложение Bloom, они его доработали и интегрировали с телефонией iPhone, и синтезированная речь пошла прямо в аудиопоток звонка, так, что собеседник слышит чистый ровный звук. (См.видео в комментариях) Надо отметить, что это все прототипы и опыт одного участника, устройства Neuralink ещё не одобрены регуляторами. Но как интересно выходит!

Telegram doesn't show this post on the web. Open it in Telegram to see it.

ИИ-агент самостоятельно провел операцию на мозге мыши Эксперимент провели исследователи из Exin Therapeutics. Агенту Sonnet 5 выдали таблицу с векторами для генной терапии, мышь с моделью эпилепсии и доступ к моторизованной хирургической установке с камерами. Цель была снизить количество приступов. Никто не говорил агенту, что именно вводить и куда. Он сам разобрал механизм, вызывающий приступы в этой модели, выбрал метод терапии и область мозга, рассчитав координаты из трех научных статей. А затем, управляя стереотаксическими манипуляторами и ориентируясь по камерам, ввел иглу в мозг и впрыснул нужный препарат. За процессом наблюдал ветеринар, который подтверждал все шаги, но в остальном агент работал автономно. Интересно, что изначально операцию должен был проводить Opus 5.5, но он сразу отказался, когда распознал медицинскую задачу. Opus 5 прошел всю репетицию на воде и миллиметровой бумаге, но на настоящей операции тоже остановился. Модель объяснила это тем, что боится ошибиться на полпути проведения процедуры на живом пациенте. В итоге операцию провел Sonnet 5. По словам авторов, мышка хорошо восстановилась 🧀

🧬 Realbotix открыл предзаказ на роботов Echo — ИИ-агента можно будет поцеловать У Echo кожа из тактильного силикона, напоминающего настоящую, и четыре варианта внешности на выбор. Над мимикой работали дольше всего, но зловещая долина никуда не делась. Роботы поддерживают интеграцию с ChatGPT, Claude и Gemini. Настольная версия стоит $11 950 (~966 000 рублей), полноразмерная — $59 950 (~4,8 млн рублей). Найти настоящую девушку всё ещё дешевле. источник 🧩 #РоботыВокругНас

Google выпустили модель мира Genie 4 - уже заявка на новый тип интерфейса с реальностью Вместо готового ролика она в реальном времени, кадр за кадром, достраивает интерактивную среду, которая сразу откликается на текстовые запросы и управление. Раньше Genie 3 умела генерировать картинку и реагировать на действия, а теперь каждый такой мир сразу обрастает звуком. Персонажи реагируют на происходящее и друг на друга, а эпизод можно править прямо по ходу, не перезапуская всё заново. Архитектура у модели гибридная. Gemini Omni отвечает за реалистичность облика и поведения, а другие модели семейства Gemini - за рассуждение, которое держит мир связным между кадрами. DeepMind говорит, что в долгих сессиях пока плывёт постоянство объектов, а качество звука в реальном времени будут дорабатывать. Пока доступ ограничен, лист ожидания тут.

- алюминий, масло Брайан Ларсен (США, р. 1975) 😂 Нерусский арт

Скоро одежда заменит телефон. 😳 Учёные из Сингапура создали ткань с сенсорным экраном прямо на одежде. На ней можно смотреть видео, листать картинки, пользоваться калькулятором и даже измерять температуру тела. Экран работает со скоростью 30 кадров в секунду и почти не потерял яркость после 50 стирок. В будущем в одежду хотят встроить ИИ, чтобы общаться с ним через рукав.

Илон Маск предсказал смерть рынка неооблаков (Это компании, которые закупают GPU и сдают вычисления в аренду). Миллиардер заявил, что в последнее время кредиторы почти перестали давать деньги компаниям, у которых нет крупной выручки помимо ИИ-датацентров. То есть если единственный доход компании – это сдача GPU в аренду, банки и инвесторы больше не хотят давать ей денег, потому что боятся схлопывания ИИ-пузыря, и, как следствие, утраты своих инвестиций. При этом у самого Маска с деньгами все в порядке. SpaceX недавно закрыла $40 млрд долга на закупку GPU, и, по его словам, это получилось потому, что у компании инвестиционный рейтинг и есть выручка от Starlink и запусков ракет, а не только от ИИ. Остальным придется хуже. Маск считает, что 200+ неооблаков ждет «гуппи-уровень смертности» и консолидация. «Кто-то выживет, но немногие», – заявил он.