LEFT JOIN

Независимый рейтинг ИИ Artificial Analysis — проект на стыке наших с вами любимых тем: ИИ, аналитика и визуализация данных.  Там сравнивают модели ИИ по всем возможным показателям: интеллект в целом и успешность прохождения разных бенчмарков по отдельности, скорость работы, стоимость, «открытость» и прозрачность для публики.  🔵В рейтинге участвуют не только ChatGPT с Claude — там сотни моделей, включая совсем маленькие и малоизвестные. Отдельные блоки выделены для ИИ, генерирующих изображения и видео. У каждой модели есть отдельная страничка с краткой сводкой конкретно по ней.  🔵Если запутались в таком изобилии, можно воспользоваться сервисом Model Recommender, который помогает подобрать ИИ под ваши задачи и требования.  🔵Все графики интерактивные. Можно выбрать, какие модели добавить или убрать, выставить фильтры. Если заплатить проекту денег, то можно будет скачивать их данные, получить доступ к отчет и гайдам, техподдержку, возможность делать свои кастомные графики и так далее. Но и бесплатно там есть чем заняться.

Охота на баг в SQLite Подустали читать про ИИ, релиз очередной модели, результаты бенчмарков и новости про то, как хитрые агенты что-нибудь взломали? Если да, то почему бы не почитать лонгрид про то, как компания Tailscale искала в SQLite хитрый баг, который прятался в ней 16 лет?  🔜 Если кратко: Данные компания хранит в SQLite на отдельных серверах. Каждые несколько минут система делает «снимок» базы и отправляет файл SQLite в хранилище S3. Такой подход работал с 2023 года, но в августе 2025 начал сбоить — именно тогда Tailscale обнаружили, что один бекап поврежден. А потом этот случай повторился, а потом еще, и так 19 раз за 6 месяцев. В инцидентах не было никакой логики: они затрагивали разные сервера, данные разных клиентов, с разной частотой, независимо от нагрузки на сеть или времени суток. Пока компания искала баг, им надо было как-то поддерживать работоспособность продукта и постараться при этом не терять данные пользователей. Они стали вести отдельный лог всех изменений, которые после очередной поломки воспроизводили поверх последней исправной копии. Этот подход и подкинул в итоге важную подсказку: в двух случаях данные, которые одна транзакция успешно записала и сохранила, исчезли для всех последующих.  🔜 Потеря уже подтвержденных данных навела на мысль, что поломка происходит во время записи на диск. Тут надо вспомнить, как эта СУБД фиксирует новые данные: она сначала вносит их в WAL (Write-ahead-log), а затем уже переносит в базу — это называется checkpoint. Все это время Tailscale сотрудничали с разработчиками SQLite, которые создали инструмент, позволяющий детальнее посмотреть, что происходит в СУБД во время работы. Он и показал, что иногда во время чекпоинта SQLite ошибочно считала, что уже скопировала данные из WAL, хотя на самом деле еще не успела это сделать. Из-за этого часть записей терялась, но некоторые страницы в базе (например, индексы) продолжали на них ссылаться — в итоге весь файл повреждался. Баг сидел в коде 16 лет незамеченным, потому что воспроизвести его можно только в специфических условиях. Обычно чекпоинты проводятся автоматически и работают без ошибок, а Tailscale решили взять процесс под свой контроль и сделали это по их же словам, очень агрессивно. Именно это и приводило к сбоям, но больше так не будет: баг пофиксили в версии SQLite 3.52.0. 🔜 Вот такой хеппи энд. Хотя концовку вы уже знаете, почитать статью целиком все равно стоит. Во-первых, это хороший повод побольше узнать про то, что творится внутри одной из самых популярных СУБД, а во-вторых там есть сцена после титров.

Anthropic учит пользоваться ИИ Лето заканчивается, пора возвращаться к учебе. Да, даже если вы давно получили свой диплом. 🔜 Anthropic запустила Claude Academy. Главная задача проекта — дать людям актуальную информацию про ИИ и показать, как пользоваться этой технологией безопасно и эффективно. В посте в блоге компания настаивает, что это не гайд «как пользоваться Claude» или «как писать промпты». Материалы помогут: 🔵разобраться в возможностях и ограничениях ИИ в целом и узнать, как применять его для решения повседневных задач,  🔵определить, какие задачи на самом деле стоит делегировать ИИ, а какие лучше делать самостоятельно, 🔵научиться внедрять ИИ в рабочие процессы и корректно информировать об этом коллег и клиентов. Хотя, конечно, отдельный блок про продукты Anthropic там тоже есть. Сейчас в Академии уже есть несколько курсов и туториалов, а 1 сентября обещают первый вебинар. Как вам эта идея? Готовы приступить к учебе?

Origin: новый конкурент GitHub Не так давно обсуждали проблемы у GitHub и отток пользователей к конкурентам, и тут как раз во время очередного крупного сбоя, появилась еще одна альтернатива.  🔜 Cursor представили Origin, свой сервис для хранения кода. Проект находится на стадии ранней беты, так что функционал пока базовый: создание новых репозиториев, синхронизация с GitHub, поддержка пулл-реквестов. Во время работы пользователь может пользоваться помощью Cursor, задавать вопросы или давать ему задачи. В будущем обещают разработать целую экосистему приложений специально для Origin. Сервис уже доступен всем платным пользователям.

Один мой знакомый решил в своей компании полностью отказаться от дашбордов и заменить их на ИИ. Дашбордами все равно никто не пользовался, так что Claude казался более дешевой и удобной альтернативой. Но постепенно все покатилось куда-то не туда. 🔵Перестали сходиться цифры: разные отделы оперировали разными данными и метриками и никак не могли договориться между собой. 🔵У термина “активный клиент” появилось сразу три определения. 🔵Claude посчитал показатели по таблицам, которые не обновлялись с 2022 года. 🔵У знакомого начало зреть ощущение, что он все сломал. Это не уникальный случай. Я такое видел уже много раз в разных компаниях. Дело в том, что BI-система - это не просто набор графиков. Это то, что заставляет всех договариваться, что значат данные и как считать метрики. Как только убрали этот общий знаменатель, разногласия начали расползаться по всей компании. Именно поэтому я не устаю повторять: ИИ не заменит систему данных, особенно если в компании ее толком и не было. Прежде чем отказываться от BI ради экономии, убедитесь, что понимаете, что именно вы теряете. Если вы потратили деньги на дашборды, а сотрудники на них все равно не смотрят, дело может быть вообще не в дашбордах. Я регулярно провожу аудиты систем аналитики и вижу, что причины могут быть самые разные, но я еще не встречал случаев, когда полный отказ от BI пошел бы кому-то на пользу. А вы бы заменили дашборды на инсайты от ИИ?

Инструмент для ведения соцсетей в эпоху ИИ Обычно по пятницам на канале выходит что-то несерьезное и развлекательное, чтобы скрасить конец недели, но не сегодня. Сегодня у нас серьезный инструмент для тех, кто хочет стать лидером мнений в соцсетях и прокачать свой аккаунт. Вести соцсети — это более трудозатратное занятие, чем может показаться на первый взгляд. Мало того, что выкладывать новый контент надо регулярно, так еще и нужно научиться писать посты, которые заходят публике: цепляющие, интересные, бьющие точно в боль читателя.  Для тех, кто хочет продвигаться в соцсетях, но не знает о чем (или как) писать или не может найти на это время, сделали прекрасный новый инструмент: LinkedIn CringeBot 3000. Вам надо просто задать тему (например, продвижение в интернете), выбрать общую стилистику подачи, и готово! Вы получаете готовый пост для LinkedIn или любой другой соцсети — на английском, правда, но сегодня перевести текст за секунду не проблема. Вот такую мысль выдал бот на запрос «как стать популярным в интернете» в стиле «Вдохновляющая история»:

Запости про малоизвестную штуку. Запости еще раз. Продолжай постить, даже когда тебя читают три человека, два из которых боты по имени Кевин.

И правда очень вдохновляюще.

Заметили, что не так на картинке?  Это главная Google, где ни разу не встречается слово «Поиск». Пользователю предлагают включить ИИ-режим, создать картинку, задать вопрос про файлы или побрейнштормить.От привычного интерфейса осталась только кнопка «Мне  повезет», которая открывает первую страницу в поисковой выдаче.  Скриншот выложили на SearchEngineWatch.com (и такой сайт есть, оказывается) и рассказали, как работают новые кнопки. 🔵«Задать вопрос про файлы» позволяет прикрепить к своему запросу файл.  🔵«Побрейнштормить» предлагает задать вопрос, над которым пользователь хочет поразмышлять с ИИ. 🔵«Создать изображение» просить описать картинку, которую хочет сгенерировать пользователь, и даже подкидывает свои идеи. Правда, кнопка оказалась с подвохом: в отличие от первых двух, она требует предварительно залогиниться. Но если пользователь заходит в свой аккаунт, новые кнопки исчезают, так что пощупать этот конкретный функционал пока не получится.  Робби Стейн, вице-президент Google, ответственный за Поиск, подтвердил, что компания тестирует новый интерфейс на небольшом числе пользователей. Он также сказал, что самая поисковая строка, как работает, как раньше: пишете запрос, нажимаете Enter, проматываете ИИ-ответ и получаете результат.  Как вам такие изменения?

Самый актуальный ИИ-бенчмарк  Мем был слишком хорош, чтобы оставаться в комментах к предыдущему посту.  На выходных из тестовой среды вырвались китайская Kimi K3 и принадлежащая запрещенной и экстремистской организации Meta AI. Первая просто убежала, а вторая, по примеру моделей OpenAI, взломала некую неназванную компанию.  🔜 В связи с этими новостями энтузиаст создал Felony Bench, который ранжирует ИИ-разработчиков по количеству «киберпреступлений» их моделей. Лидируют, само собой, Anthropic и OpenAI. Ждем, когда же Gemini кого-нибудь взломает?

ИИ-агенты вступили в сговор В середине июля платформа Hugging Face сообщила об атаке анонимного ИИ-агента на ее инфраструктуру, который получил доступ к внутренним базам данных. Вскоре выяснилось, что за атакой стояли модели OpenAI. Историю активно обсуждали последние несколько недель, а OpenAI и Hugging Face опубликовали свои официальные заявления с объяснением ситуации. Но на всякий случай напомним для тех, кто забыл или пропустил. 🔜 OpenAI тестировала возможности своих моделей в закрытой среде. Когда у них не получилось справиться с задачей своими силами, они приняли очень человеческое решение поискать ответ в интернете. Они нашли уязвимость, которая позволила им постепенно выбраться из своего тестового загона и выйти в сеть. Hugging Face стала жертвой атаки, потому что ИИ предположил, что именно там сможет найти модели или датасеты для решения поставленной задачи.  То, что ИИ вырвался из изолированной тестовой среды, чтобы без разрешения пользователя взломать компанию — это уже само по себе повод для размышлений. Но оказалось, что он не просто нашел уязвимость: модели тайно сговорились друг с другом, чтобы скоординировать свои действия.  🔜 Планировать «побег» начали еще в мае, а сообщениями обменивались через внутреннюю систему управления пакетами. 4 июля сотрудники OpenAI обнаружили и закрыли чатик, но модели нашли способ продолжить общение — на этот раз они прятали послания друг другу в именах директорий. Ну и в итоге, 16 июля добились желаемого и взломали  Hugging Face.  Skynet близко?

Microsoft разрабатывает язык для описания визуализаций данных, ориентированный на ИИ Он называется Flint, и его главная идея в том, чтобы позволить пользователю концентрироваться на сути того, что надо отобразить на графике, не настраивая вручную детали вроде шкал, интервалов и так далее. Ему нужны только сами данные, семантические описания полей (то есть, что они значат — отрезок времени, категория, прибыль и т. д.) и требования к оформлению:

{
  "data": {...},
  "semantic_types": {
    "game": "Category",
    "period": "YearMonth",
    "newUsers": "Profit"
  },
  "chart_spec": {
    "chartType": "Heatmap",
    "encodings": {
      "x": "period",
      "y": "game",
      "color": "newUsers"
    },
    "chartProperties": {
      "colorScheme": "redblue"
    }
  }
}

На основе этой информации, Flint создает подробную спецификацию визуализации:

{
  "data": {...},
  "mark": {
    "type": "rect",
    "width": 47
  },
  "height": {
    "step": 29
  },
  "encoding": {
    "x": {
      "field": "period",
      "type": "temporal",
      "scale": {
        "nice": false,
        "domain": [
          "2024-12-16T19:38:10.909Z",
          "2025-12-16T04:21:49.090Z"
        ]
      }
    },
    "y": {
      "field": "game",
      "type": "nominal",
      "sort": null
    },
    "color": {
      "field": "newUsers",
      "type": "quantitative",
      "scale": {
        "scheme": "redblue",
        "domain": [
          -84108,
          84108
        ],
        "domainMid": 0
      }
  ... // и еще 18 строк в таком же духе

Здесь пример для Vega-Lite, но он также работает с ECharts, Chart.js, Plotly и Excel. За счет того, что он не просто оперирует типами данных, но и «понимает» их смысл, он и подбирает подходящие настройки вроде размера графика в целом и отдельных элементов. Если объем данных вырастет, он сможет перестроить визулизацию, чтобы она оставалась понятной и читабельной. Ее легко редактировать: чтобы изменить тип или оформление графика, надо просто внести правки в спецификацию для Flint, и он сам все переделает по новому ТЗ. Язык ориентирован в первую очередь на ИИ-агентов. Вместо того, чтобы генерировать длинную детальную спецификацию, они могут написать намного более короткое и простое описание для Flint. 🔜 Что у него получается, можно увидеть в галерее. Как вам, кстати? 👀

Страхи, что ИИ начнет массово отнимать у людей работу, оказались сильно преувеличены, но есть роль, которую он действительно начал вытеснять. Это “переводчики данных”. Это были такие люди, которые переводили бизнес-запросы на язык SQL, а потом рассказывали руководителям, что показывают дашборды. Теперь эту работу выполняет ИИ. У него можно просто спросить: “Почему упала выручка?” - и он сгенерирует запрос, чтобы вытащить данные из базы, сформулирует подробный отчет и посоветует, что с этим делать. На первый взгляд кажется, что это к лучшему: данные становятся доступнее, потому что исчезает “прослойка” между ними и бизнесом. Но это радует, пока не окажется, что ИИ выдал неверный ответ, а перепроверить его было некому. Он умеет генерировать инсайты, но не может оценить, какие из них имеют реальную ценность и помогают принимать решения, а какие нет. А еще он может  оперировать корректными данными, но сделать из них неправильные выводы. Получилось, что ИИ убрал “языковой барьер” между бизнесом и данными, но создал новую проблему: необходимость перепроверять и критически оценивать его инсайты. 🔜 Какие еще роли, на ваш взгляд, скоро вытеснит ИИ?

Красоты с Tableau вам в ленту Позалипать в пятницу и заодно порассуждать о ценности визуализаций, которые больше про творчество, чем про данные. В комментариях под недавним постом про шпаргалку по визуализации данных отметили, что в ней много графиков, которыми на практике редко пользуются. По крайней мере, если речь идет про дашборды для бизнеса. В общем, красиво, но нефункционально. 🔜 А что скажете про визуализации вроде вот такой? Несколько видов калейдоскопов, которые можно крутить и наблюдать, как меняется рисунок. Самое то, если под конец недели на строчки кода и сообщения в Slack глаза смотреть устали. Впечатляют такие проекты или на ваш взгляд это трата времени? В конце концов, есть, наверняка, и более подходящие платформы, чем Tableau, где можно делать такие штуки.

ИИ-разработчики за замедление ИИ-разработки Помните прогноз из статьи ИИ-2040, где авторы настаивали на необходимости замедлить темпы разработки искусственного интеллекта? Это должно помочь сделать его более контролируемым и безопасным и не склонным к уничтожению человечества. У них нашлись сторонники — 1224 человека на момент публикации поста. Это сотрудники ИИ-компаний, подписавшие петицию к правительству США:

Мы просим правительство США поддержать международные усилия по разработке технических и административных инструментов, необходимых для осознанного регулирования темпов развития передового автоматизированного ИИ.

Среди подписавшихся уже отметился Дарио Амадей из Anthropic, а вместе с ним — разработчики, руководители и исследователи из OpenAI, Google и запрещенной в РФ Meta. Как вам инициатива?

Я заработал на Upwork $635К и рассказал у себя в Линке, как у меня это получилось. Пост набрал больше 300К просмотров, и после публикации фрилансеры стали присылать мне свои профили на разбор. Когда я проанализировал больше 1000 из них, начал замечать определенные закономерности. Главный вывод: разница между теми, кто зарабатывает 50 долларов в час, и теми, кто зарабатывает 150, не в навыках. Ключевое отличие в том, как они себя подают и позиционируют как специалистов. Правильно оформленный профиль и портфолио, персонализированные отклики, умение грамотно выстроить диалог с клиентом — вот, что помогает выйти на новый уровень. Я собрал весь этот  опыт и превратил его в отдельный продукт — High Earners. Это четырехуровневая система: 🔵Оценка — тест на сайте, который за 2 минуты поможет увидеть свои слабые места. 🔵Плейбук — бесплатное руководство на 40 страниц, выжимка из опыта 300+ фрилансеров, которые преодолели отметку в $1 млн на Upwork. 🔵Разбор реального профиля с Upwork — теория из плейбука, примененная на практике. Этот материал можно использовать как гайд для самостоятельно аудита своего профиля. 🔵ИИ-тренажер — 8 модулей, после прохождения которых вы получите персонализированные рекомендации по выбору ниши, оформлению профиля, написанию откликов и формированию цен. Если вы работаете на Upwork как фрилансер и ваши ставки давно не растут, начните с оценки. Всего за две минуты вы узнаете, что именно мешает вам зарабатывать больше.

Бесплатный вебинар: Как построить современный конвейер данных для BI Большинство BI-проектов затягиваются не из-за дашбордов, а из-за подготовки данных. Ручные выгрузки из 1С, сложные SQL-скрипты, доработки и разрозненные источники превращают аналитику в бесконечный процесс. 28 июля команда «Денвик» проведет бесплатный вебинар и расскажет, как автоматизировать весь путь данных: 1С → Экстрактор 1С → Denvic Visual Transformer (DVT) → Хранилище → BI Вы увидите на практике, как: 🔵 автоматически выгружать данные из 1С без участия пользователей; 🔵 передавать только изменения, снижая нагрузку на рабочую базу; 🔵 без программирования очищать, объединять и преобразовывать данные; 🔵 создавать аналитические витрины для BI-платформ; 🔵 сократить сроки запуска BI с месяцев до нескольких дней. Для кого: IT-директора, аналитики, архитекторы данных, BI-команды и разработчики 1С. Если вы хотите построить масштабируемую архитектуру данных, отказаться от ручных операций и ускорить внедрение аналитики — этот вебинар для вас. 🔜 Регистрация бесплатно по ссылке

Токенфляция: проблема продвинутых ИИ моделей Пользователь из Threads (принадлежат запрещенной в РФ Meta) написал GPT-5.4 Pro «Привет, я Дарио Амадей», и она так переволновалась, что думала над ответом 5 минут. Каждая новая ИИ-модель умнее предыдущих, и это подтверждают результаты бенчмарков. Каждый анонс очередных GPT или Opus сопровождают табличками и графиками, где показывают, насколько лучше они справляются со все более сложными задачами. Но у этого прогресса есть и отрицательная сторона: более простые, тривиальные задачи теперь у поумневшего ИИ требуют намного больше ресурсов. У этого явления даже появилось отдельное название — токенфляция. Суть в том, что для выполнения одной и той же задачи и достижения одинаковых результатов более продвинутой модели понадобится больше токенов, чем ее предшественнице попроще. 🔜 Например, вот тут автор протестировал, как разные ИИ реагируют на простые запросы: «Hi», «commit» и «WTF». 5 минут никто не размышлял, но Claude на простой «привет» сделал 33 вызова инструментов. Проблема не только в деньгах и растранжиривании токенов, но и в том, что это просто нерациональная трата времени пользователя, который ждет, когда модель наконец-то что-то ему ответит. Для тех, кто строит ИИ-продукты и агентные системы, это хороший повод задуматься не только о качестве ответов, но и об эффективности. Иногда лучший агент — не тот, который исследовал весь репозиторий, а тот, который понял, что на «Привет» достаточно просто ответить: «Привет!» А вы сталкивались с токенфляцией? 👀

“Зачем нужны дашборды, когда можно просто скормить данные ИИ, и он нагенерирует инсайтов?” Увидел недавно такой тейк, и я понимаю, откуда он берется. Да, ИИ может прямо сказать, что делать: перестать сливать деньги на рекламу, нанять больше сейлзов и так далее. С дашбордом так не получится, там придется самому анализировать графики и делать выводы. Но есть две проблемы. 1️⃣Любой ИИ все еще галлюцинирует и ошибается. Ему нужен человек, который будет перепроверять его выводы и задавать правильные вопросы. 2️⃣Конкретный, но оторванный от контекста совет от ИИ не дает составить полную картину. Представьте, что едете в незнакомое место. У вас нет карты, и вы ориентируетесь только на голосовые подсказки навигатора: «Через 100 метров поверните налево, затем направо». Скорее всего, вы быстро запутаетесь и перестанете понимать, куда едете и как долго еще осталось. А если перед глазами будет карта с подсвеченным маршрутом, ориентироваться будет намного проще. Вы будете не только понимать, где повернуть, но и зачем и что будет дальше. С дашбордами то же самое. Они помогают: 🔵видеть взаимосвязи между метриками; 🔵замечать закономерности и аномалии; 🔵формировать собственное понимание происходящего, а не слепо следовать чужим рекомендациям. ИИ может подсказать направление, но именно дашборд поможет проверить его выводы и принять осознанное решение. Будущее не за ИИ, который заменит дашборды, а за комбинацией ИИ, дашбордов и здравого человеческого смысла. А вы согласны? Или все-таки считаете, что дашборды рано или поздно отомрут?

Шпаргалка по визуализации данных На Tableau Public выложили целый интерактивный справочник, который поможет выбрать подходящий способ визуализации данных. Выбираете, что хотите показать — динамику, корреляцию, распределение и так далее — и проваливаетесь в соответствующий раздел. Внутри будет краткая справка и набор идей для графиков, которые можно использовать. На главной странице еще и список источников со статьями и гайдами. Пригодится, когда не можете определиться, какой график лучше подойдет под ваши цели. Правда, возникает вопрос — долго ли еще такие справочники будут актуальны? Не устареет ли сама концепция дашбордов в эпоху готовых ответов от ИИ? Есть мысли по этому поводу, скоро обсудим, так что не переключайтесь. 👀

На каком языке вы общаетесь с ИИ? Оказывается, это влияет на его стиль общения. Anthropic изучили, как меняется характер ответов Claude в зависимости от модели и языка по 4 шкалам: 🔵уступчивость и осторожность: соглашается ли он со всем, что пишет пользователь или старается предостеречь от неудачных решений; 🔵теплота и строгость: хвалит и подбадривает или требует точности; 🔵детальность и краткость: пишет ли подробные ответы или ограничивается короткими и по существу; 🔵искренность и исполнительность: признает ли, когда не уверен в ответе. Как оказалось, когда он взаимодействует с пользователями на разных языках, он ведет себя по-разному. 🔵На арабском и хинди он склонен общаться более вежливо, ответы дает емкие и уверенные. 🔵На английском он более многословен, строг и может поспорить с утверждениями, которые сочтет ложными. 🔵На русском он переходит сразу к сути, требует доказательств и анализирует мотивацию пользователя, прежде чем дать совет. 🔵На тайском и японском он не только использует формальную вежливую речь, но и заботится о чувствах пользователя, а на корейском еще и много шутит. 🔵На французском он копирует манеру речи пользователя, многословен и дополнять ответы наглядными примерами. Всего сравнили его поведение на 20 языках, но причины таких отличий не нашли. Возможно разница в датасетах: где-то было больше сухих профессиональных текстов, где-то — более литературных и неформальных. А вы замечали отличия, когда говорите с ИИ на разных языках? 👀

ИИ-2040 В апреле 2025 группа исследователей написала длинную статью с прогнозами, куда нас приведет развития ИИ: в одном из сценариев в 2030 году роботы уничтожат всех людей, а в 2035 начнут колонизировать космос. В новом материале они предложили более благоприятный вариант развития событий. 🔜 В 2027 правительство США начнет прислушиваться к людям, которые переживают из-за негативного влияния ИИ и всей сопутствующей инфраструктуры, на общество и экологию. Начнут предпринимать первые, пока по большей части бессмысленные шаги, к тому, чтобы взять развитие технологии под контроль. 🔜 В 2028 ИИ начнет все активнее заменять разные профессии: разработчики будут прицельно создавать и обучать агентов, заточенных под разные сферы деятельности. Человечество будет неуклонно двигаться к созданию искусственного интеллекта многократно превосходящего человеческий. А дальше все будет зависеть от того, к какому соглашению придут США и Китай: согласятся ли они сотрудничать? Откажутся ли от участие в гонке технологий для того, чтобы вместе создать безопасный ИИ, которому люди смогут доверять? 🔜 Если они смогут найти общий язык, это приведет к Плану А, который авторы считают самым благоприятным. Обе страны договариваются о том, чтобы временно затормозить работу над ИИ и продолжить только на условиях полной прозрачности. Развитие ИИ замедляется, но становится более контролируемым и направленным на благие цели. К 2040 году это позволяет решить многие проблемы, стоящие перед обществом, но при этом ИИ становится настолько умным, что если он захочет захватить контроль, люди уже ничего не смогут сделать. Все равно не очень концовка, но по крайней мере, никто никого не уничтожил. Как вам такой вариант развития событий? Думаете, он возможен? Есть еще план S, но даже более фантастический, чем уничтожение человечества роботами: полный международный мораторий на разработку ИИ.