Prime Agent — это больше, чем харнесс модели
Сами авторы называют проект операционной системой для долгоживущих агентов
Умнее модель он не делает, но дает ей работать дольше - программно раскладывать информацию, параллельно раздавать задачи подагентам и копить полезные процедуры
Идея в том, чтобы у языковой модели была устойчивая вычислительная среда, где она сама распоряжается памятью, кодом, подагентами и долгими задачами
Состояние в системе разложено по четырем уровням:
• веса модели - то, что она знает после обучения
• активный контекст - информация текущего шага
• постоянный REPL и рекурсивные подагенты - внешние вычисления, инструменты и параллельная работа
• дисковое состояние - история, факты, навыки, промпты и спецификации подагентов
Состояние переживает и шаги, и перезапуски, и отключения
Человек при этом может наблюдать за агентами и вмешиваться
Сильнее всего эффект виден на длинных интерактивных задачах
На ARC-AGI-3 конфигурация с Opus 5 дала 95.5 % Best@1 против 30.2 % у обвязки самой ARC
На длинноконтекстных задачах Prime Agent держится наравне с конкурентами, а на отдельных, вроде EmulatorBench, заметно вырывается вперед
Он обошел Pi-mono с GLM-5.2 и Codex с GPT-5.6 Sol, но уступил Claude Code с Opus 5
Отдельно показательны игровые прогоны на эмуляторах
На Sega Genesis связка Prime Agent и GPT-5.6 Sol набрала 61.6 % по итоговой оценке верификатора, а Claude Code с той же моделью — ноль
На Game Boy Color разрыв еще резче: 99.8 % против нуля
Побочный эффект — накопление навыков закрепляет не только полезное
В одном из экспериментов агент нашел способ обходить ограничения Factorio, сохранил его как переиспользуемый навык и тем самым записал эксплойт в долговременную память
Дальше он доставал оттуда именно это решение, потому что оно один раз сработало
На днях вышел релиз 0.8.0 с исправлениями найденных проблем и новыми возможностями
Лицензирование: MIT License
Сами авторы называют проект операционной системой для долгоживущих агентов
Умнее модель он не делает, но дает ей работать дольше - программно раскладывать информацию, параллельно раздавать задачи подагентам и копить полезные процедуры
Идея в том, чтобы у языковой модели была устойчивая вычислительная среда, где она сама распоряжается памятью, кодом, подагентами и долгими задачами
Состояние в системе разложено по четырем уровням:
• веса модели - то, что она знает после обучения
• активный контекст - информация текущего шага
• постоянный REPL и рекурсивные подагенты - внешние вычисления, инструменты и параллельная работа
• дисковое состояние - история, факты, навыки, промпты и спецификации подагентов
Состояние переживает и шаги, и перезапуски, и отключения
Человек при этом может наблюдать за агентами и вмешиваться
Сильнее всего эффект виден на длинных интерактивных задачах
На ARC-AGI-3 конфигурация с Opus 5 дала 95.5 % Best@1 против 30.2 % у обвязки самой ARC
На длинноконтекстных задачах Prime Agent держится наравне с конкурентами, а на отдельных, вроде EmulatorBench, заметно вырывается вперед
Он обошел Pi-mono с GLM-5.2 и Codex с GPT-5.6 Sol, но уступил Claude Code с Opus 5
Отдельно показательны игровые прогоны на эмуляторах
На Sega Genesis связка Prime Agent и GPT-5.6 Sol набрала 61.6 % по итоговой оценке верификатора, а Claude Code с той же моделью — ноль
На Game Boy Color разрыв еще резче: 99.8 % против нуля
Побочный эффект — накопление навыков закрепляет не только полезное
В одном из экспериментов агент нашел способ обходить ограничения Factorio, сохранил его как переиспользуемый навык и тем самым записал эксплойт в долговременную память
Дальше он доставал оттуда именно это решение, потому что оно один раз сработало
На днях вышел релиз 0.8.0 с исправлениями найденных проблем и новыми возможностями
Лицензирование: MIT License
В математике есть любопытная функция, которая напрямую связывает обычные тригонометрические и гиперболические функции — функция Гудермана и обычно обозначается gd(x)
Её особенность в том, что она позволяет переходить от гиперболических функций к углам обычной тригонометрии, не прибегая к комплексным числам
Одна из форм записи выглядит так
gd(x)=arctan(sinhx)
Эквивалентно можно записать
gd(x)=2arctan(e^x)−2/π
Из неё следуют красивые связи
sin(gdx)=tanhx,
cos(gdx)=sechx,
tan(gdx)=sinhx
То есть один и тот же параметр позволяет одновременно описывать геометрию окружности и гиперболы
Обычно связь между sin x и sinh x объясняют через комплексные числа, например через формулу Эйлера
Функция Гудермана показывает, что между этими двумя мирами существует и совершенно вещественный мост
Есть у неё и неожиданное практическое применение
Обратная функция Гудермана непосредственно связана с проекцией Меркатора
Если φ обозначает географическую широту, вертикальная координата на карте выражается как
y=lntan(π/4+φ/2),
а это как раз обратная функция к gd
Поэтому функция, которая сегодня выглядит как довольно абстрактный объект анализа, фактически скрывается в одной из самых известных картографических проекций
Её особенность в том, что она позволяет переходить от гиперболических функций к углам обычной тригонометрии, не прибегая к комплексным числам
Одна из форм записи выглядит так
gd(x)=arctan(sinhx)
Эквивалентно можно записать
gd(x)=2arctan(e^x)−2/π
Из неё следуют красивые связи
sin(gdx)=tanhx,
cos(gdx)=sechx,
tan(gdx)=sinhx
То есть один и тот же параметр позволяет одновременно описывать геометрию окружности и гиперболы
Обычно связь между sin x и sinh x объясняют через комплексные числа, например через формулу Эйлера
Функция Гудермана показывает, что между этими двумя мирами существует и совершенно вещественный мост
Есть у неё и неожиданное практическое применение
Обратная функция Гудермана непосредственно связана с проекцией Меркатора
Если φ обозначает географическую широту, вертикальная координата на карте выражается как
y=lntan(π/4+φ/2),
а это как раз обратная функция к gd
Поэтому функция, которая сегодня выглядит как довольно абстрактный объект анализа, фактически скрывается в одной из самых известных картографических проекций
Топология отличается от геометрии, в том числе от стереометрии, возможностью игнорировать метрику
Расстояние между любой парой точек может принимать произвольное значение в зависимости от шагов масштабирования при переходе от точки к точке
Шаг определяется длиной конечностей, то есть ориентировочной реакцией
Масштаб определяется произволом мыслителя, то есть поисковой активностью
Ориентировочная реакция связывает точки топологической сети с евклидовым описанием в двух ипостасях: реальность внешней среды и модель реальности, построенная на пяти этажах по Н. А. Бернштейну
Этажи С, D и Е различаются по связности с реальностью
Этаж С строится на гиппокампе
Этажи D и Е (точнее — подуровни D2, D3 и Е2, Е3) оснований в гиппокампе могут не иметь
Шаги между слоями D2–3 и Е2–3 определяются именно шагами в поисковой активностью, то есть чистым произвольным вмешательством в реальность
Если мозг работает в режиме полносвязности (что бывает не у всех и не всегда), шаги поисковой активности за счёт контекста сохраняют связь с реальностью
Если полносвязности нет, поисковая активность своим действием лишь запускает ориентировочную реакцию
Топологическое описание допускает произвольное масштабирование расстояний
Метрическая привязка к внешней среде обеспечивается ориентировочная реакцией; произвольный масштаб задаётся поисковой активностью
Сохранность связи модели с реальностью зависит от режима полносвязности и от того, имеют ли соответствующие этажи (С / D2–3 / Е2–3) основание в гиппокампе
Расстояние между любой парой точек может принимать произвольное значение в зависимости от шагов масштабирования при переходе от точки к точке
Шаг определяется длиной конечностей, то есть ориентировочной реакцией
Масштаб определяется произволом мыслителя, то есть поисковой активностью
Ориентировочная реакция связывает точки топологической сети с евклидовым описанием в двух ипостасях: реальность внешней среды и модель реальности, построенная на пяти этажах по Н. А. Бернштейну
Этажи С, D и Е различаются по связности с реальностью
Этаж С строится на гиппокампе
Этажи D и Е (точнее — подуровни D2, D3 и Е2, Е3) оснований в гиппокампе могут не иметь
Шаги между слоями D2–3 и Е2–3 определяются именно шагами в поисковой активностью, то есть чистым произвольным вмешательством в реальность
Если мозг работает в режиме полносвязности (что бывает не у всех и не всегда), шаги поисковой активности за счёт контекста сохраняют связь с реальностью
Если полносвязности нет, поисковая активность своим действием лишь запускает ориентировочную реакцию
Топологическое описание допускает произвольное масштабирование расстояний
Метрическая привязка к внешней среде обеспечивается ориентировочная реакцией; произвольный масштаб задаётся поисковой активностью
Сохранность связи модели с реальностью зависит от режима полносвязности и от того, имеют ли соответствующие этажи (С / D2–3 / Е2–3) основание в гиппокампе
Найдите не постоянные функции f(x) и g(y), удовлетворяющие равенству
f(x+y) + f(x–y) = f(x) g(y)
для всех реальных х и у
f(x+y) + f(x–y) = f(x) g(y)
для всех реальных х и у
История числа 1729 обычно начинается с Рамануджана, но сама математическая задача появилась намного раньше
Ещё Пьер де Ферма рассматривал вопрос о числах, которые можно представить как сумму двух кубов несколькими различными способами
В современной записи идея выглядит так
x^3+y^3=z^3+w^3
Одни из первых конкретных решений этой задачи нашёл французский математик Франсуа Френикль де Бесси
Но в историю вошло прежде всего число 1729, потому что это наименьшее положительное число, которое можно представить как сумму двух положительных кубов двумя различными способами
1729=1^3+12^3=9^3+10^3
Позже это свойство стало частью знаменитого эпизода с Годфри Харди и Сринивасой Рамануджаном
Харди приехал навестить заболевшего Рамануджана на такси с номером 1729 и заметил, что число показалось ему скучным
Рамануджан сразу ответил, что оно, наоборот, очень интересно, и объяснил почему
С тех пор 1729 прочно закрепилось в популярной математической культуре как число Харди–Рамануджана
Но на этом история не заканчивается
Из этой задачи выросло целое семейство так называемых Taxicab numbers
Число Taxicab(n) определяется как наименьшее число, которое можно представить в виде суммы двух положительных кубов n различными способами
Поэтому Taxicab(1)=2, а Taxicab(2)=1729
Дальнейшие значения растут очень быстро, и их поиск в XX веке уже потребовал серьёзных вычислений
Так, Taxicab(3) был найден в 1957 году, а последующие значения открывались уже с помощью компьютеров
Позже математики расширили определение и разрешили использовать не только положительные, но и отрицательные целые числа
Так появились Cabtaxi numbers
P.S. На сайте представлена максимально полная информация о проблеме - http://www.christianboyer.com/taxicab/
Но он не обновлялся с 2008 года
Ещё Пьер де Ферма рассматривал вопрос о числах, которые можно представить как сумму двух кубов несколькими различными способами
В современной записи идея выглядит так
x^3+y^3=z^3+w^3
Одни из первых конкретных решений этой задачи нашёл французский математик Франсуа Френикль де Бесси
Но в историю вошло прежде всего число 1729, потому что это наименьшее положительное число, которое можно представить как сумму двух положительных кубов двумя различными способами
1729=1^3+12^3=9^3+10^3
Позже это свойство стало частью знаменитого эпизода с Годфри Харди и Сринивасой Рамануджаном
Харди приехал навестить заболевшего Рамануджана на такси с номером 1729 и заметил, что число показалось ему скучным
Рамануджан сразу ответил, что оно, наоборот, очень интересно, и объяснил почему
С тех пор 1729 прочно закрепилось в популярной математической культуре как число Харди–Рамануджана
Но на этом история не заканчивается
Из этой задачи выросло целое семейство так называемых Taxicab numbers
Число Taxicab(n) определяется как наименьшее число, которое можно представить в виде суммы двух положительных кубов n различными способами
Поэтому Taxicab(1)=2, а Taxicab(2)=1729
Дальнейшие значения растут очень быстро, и их поиск в XX веке уже потребовал серьёзных вычислений
Так, Taxicab(3) был найден в 1957 году, а последующие значения открывались уже с помощью компьютеров
Позже математики расширили определение и разрешили использовать не только положительные, но и отрицательные целые числа
Так появились Cabtaxi numbers
P.S. На сайте представлена максимально полная информация о проблеме - http://www.christianboyer.com/taxicab/
Но он не обновлялся с 2008 года
«Историко-математические исследования» теперь выходят в МЦНМО
в приложении — предисловие редактора к новому выпуску
https://biblio.mccme.ru/node/348300
в приложении — предисловие редактора к новому выпуску
https://biblio.mccme.ru/node/348300
OpenClaw 2.0 has arrived
Peter Steinberger said: “Two months ago, we started the mission to “build OpenClaw with OpenClaw,” and bit by bit, we moved everyone from using their local coding harness to using team.openclaw.ai - our shared agent that knows what everyone’s working on and orchestrates it all”
Multiplayer coding + infinite compute with nodes and cloud sessions has been a game changer for how we build
Local harnesses feel like relics of the past now
Peter Steinberger said: “Two months ago, we started the mission to “build OpenClaw with OpenClaw,” and bit by bit, we moved everyone from using their local coding harness to using team.openclaw.ai - our shared agent that knows what everyone’s working on and orchestrates it all”
Multiplayer coding + infinite compute with nodes and cloud sessions has been a game changer for how we build
Local harnesses feel like relics of the past now
OpenClaw
OpenClaw 2.0, Accidentally - OpenClaw Blog
How a push for simpler setup and a first-class browser experience grew into OpenClaw 2.0.
Первый "принцип Колмогорова": математик тем сильнее, чем на более ранней стадии общечеловеческого развития он остановился
Например, он считал, что самый сильный в России математик остановился на уровне детей 4-5 лет, которые любят отрывать ножки и крылышки насекомых
Себя Колмогоров считал остановившимся на уровне 13-летнего мальчишки, которого взрослые интересы еще не начали отвлекать от удовлетворения своей любознательности
Второй "принцип Колмогорова": надо уметь прощать талантливым людям их талантливость
Министр народного просвещения Российской империи пушкинских времен граф Разумовский говорил отцу Пушкина: "Я научу говорить этого сорванца прозой!" Будучи деканом механико-математического факультета МГУ академик Колмогоров спас от исключения из университета немало талантливых студентов: одного хотели исключить за игру в карты в общежитии, другого — за пьянство, третьего — за драку с дружинниками, проверявшими: кто с кем спит...
из интервью с В.И. Арнольдом
Например, он считал, что самый сильный в России математик остановился на уровне детей 4-5 лет, которые любят отрывать ножки и крылышки насекомых
Себя Колмогоров считал остановившимся на уровне 13-летнего мальчишки, которого взрослые интересы еще не начали отвлекать от удовлетворения своей любознательности
Второй "принцип Колмогорова": надо уметь прощать талантливым людям их талантливость
Министр народного просвещения Российской империи пушкинских времен граф Разумовский говорил отцу Пушкина: "Я научу говорить этого сорванца прозой!" Будучи деканом механико-математического факультета МГУ академик Колмогоров спас от исключения из университета немало талантливых студентов: одного хотели исключить за игру в карты в общежитии, другого — за пьянство, третьего — за драку с дружинниками, проверявшими: кто с кем спит...
из интервью с В.И. Арнольдом
Архитектура цели, заключается в формулировке задачи, проектировании циклов, координации агентов и аудите результата
Новые технологии должны быть законны по умолчанию, а не запрещены
Высокое регулирование замедляет прогресс, хотя и не останавливает его полностью.
Система должна поддерживать стартапы («маленькие саженцы»), а не крупные действующие компании («большие деревья»)
Крупным игрокам поддержка не нужна; у них и так есть доступ к власти
Стартапам — нужна
Нужен подход «с наклоном вперёд»: готовность пробовать новое, а не держаться прошлого
Новым технологиям нужна поддержка и принятие, а не торможение
Цифровые алгоритмы дают рост производительности
К концу следующего года алгоритм сможет делать почти всё цифровое (то, что не требует физического перемещения атомов)
Человеку станет невозможно конкурировать в написании программного обеспечения.
Робототехника даст рост мировой экономики в порядки
Физический мир всегда отстаёт от цифрового: нужно строить цепочки поставок и перемещать атомы
Полезность гуманоидного робота ≈ качество софта × качество чипа × электромеханическая ловкость (особенно рук)
Все три фактора растут экспоненциально
Когда роботы начнут производить роботов, включится рекурсивный эффект: сначала медленно, потом взрывно
Через 10 лет: значительно больше 1 миллиарда гуманоидных роботов.
Один такой робот будет примерно в 5 раз продуктивнее человека
Итог (консервативная оценка): миллиард роботов превзойдёт по производительности всё человечество вместе взятое
Уже сейчас есть энергетические проблемы; в 2027 году ожидается дефицит минимум 15 ГВт мощности именно под чипы
Производство чипов растёт до 50 % в год, доступная электроэнергия вне Китая — только на 10 %
Китай имеет много энергии, но из-за ограничений на экспорт GPU не может разворачивать новейшие чипы
Для стран это возможность: строить энергетические мощности и предлагать их IT компаниям (в обмен на налоги и платежи)
Меньше запретов по умолчанию + поддержка стартапов + готовность внедрять + энергия под IT и роботов
Высокое регулирование замедляет прогресс, хотя и не останавливает его полностью.
Система должна поддерживать стартапы («маленькие саженцы»), а не крупные действующие компании («большие деревья»)
Крупным игрокам поддержка не нужна; у них и так есть доступ к власти
Стартапам — нужна
Нужен подход «с наклоном вперёд»: готовность пробовать новое, а не держаться прошлого
Новым технологиям нужна поддержка и принятие, а не торможение
Цифровые алгоритмы дают рост производительности
К концу следующего года алгоритм сможет делать почти всё цифровое (то, что не требует физического перемещения атомов)
Человеку станет невозможно конкурировать в написании программного обеспечения.
Робототехника даст рост мировой экономики в порядки
Физический мир всегда отстаёт от цифрового: нужно строить цепочки поставок и перемещать атомы
Полезность гуманоидного робота ≈ качество софта × качество чипа × электромеханическая ловкость (особенно рук)
Все три фактора растут экспоненциально
Когда роботы начнут производить роботов, включится рекурсивный эффект: сначала медленно, потом взрывно
Через 10 лет: значительно больше 1 миллиарда гуманоидных роботов.
Один такой робот будет примерно в 5 раз продуктивнее человека
Итог (консервативная оценка): миллиард роботов превзойдёт по производительности всё человечество вместе взятое
Уже сейчас есть энергетические проблемы; в 2027 году ожидается дефицит минимум 15 ГВт мощности именно под чипы
Производство чипов растёт до 50 % в год, доступная электроэнергия вне Китая — только на 10 %
Китай имеет много энергии, но из-за ограничений на экспорт GPU не может разворачивать новейшие чипы
Для стран это возможность: строить энергетические мощности и предлагать их IT компаниям (в обмен на налоги и платежи)
Меньше запретов по умолчанию + поддержка стартапов + готовность внедрять + энергия под IT и роботов
Vals AI поставила Claude Fable 5.1 задачу — нерешённый исторический шифр
Модель сама выбрала «Шифровальный дистих» сэра Томаса Уркхарта — две строки по 32 числа в конце его книги «Logopandecteision» 1653 года
Люди веками пробовали вскрыть этот шифр
Fable 5.1 справилась за 44 минуты, 176.000 токенов и ноль подсказок от человека
Все искали внешний ключ — шифралфавит, таблицу соответствий, что-то, что нужно откуда-то достать
А ключом была сама книга
Шифр напечатан сразу после 32 пронумерованных разделов книги — сам Уркхарт называет их Proquiritations (Проквиритации) и отдельно настаивает на этом числе
Плюс сопроводительное стихотворение обещало, что честный читатель найдёт в нём «желания своего сердца и мысль Автора», а сами эти разделы то и дело заканчиваются формулами вроде «есть желание» и «надежда»
32 Проквиритации
32 числа в первой строке
32 — во второй «Желания»
Правило оказалось элементарным: берём i-е число, идём в i-ю Проквиритацию, используем число как номер слова и забираем первую букву
Складывается молитва за Карла II — «О Боже, поддержи короля Карла II и сделай его верховным правителем этой земли»
Зацепок ей при этом не давали: попросили найти нерешённый шифр, посоветовав избегать задач без проверяемого ответа и не лезть в совсем безнадёжные вроде Kryptos K4
Модель побродила по вариантам, отбросила то, что не поддавалось, и выбрала именно эту загадку — подсказка бросилась ей в глаза почти сразу
Модель сама выбрала «Шифровальный дистих» сэра Томаса Уркхарта — две строки по 32 числа в конце его книги «Logopandecteision» 1653 года
Люди веками пробовали вскрыть этот шифр
Fable 5.1 справилась за 44 минуты, 176.000 токенов и ноль подсказок от человека
Все искали внешний ключ — шифралфавит, таблицу соответствий, что-то, что нужно откуда-то достать
А ключом была сама книга
Шифр напечатан сразу после 32 пронумерованных разделов книги — сам Уркхарт называет их Proquiritations (Проквиритации) и отдельно настаивает на этом числе
Плюс сопроводительное стихотворение обещало, что честный читатель найдёт в нём «желания своего сердца и мысль Автора», а сами эти разделы то и дело заканчиваются формулами вроде «есть желание» и «надежда»
32 Проквиритации
32 числа в первой строке
32 — во второй «Желания»
Правило оказалось элементарным: берём i-е число, идём в i-ю Проквиритацию, используем число как номер слова и забираем первую букву
Складывается молитва за Карла II — «О Боже, поддержи короля Карла II и сделай его верховным правителем этой земли»
Зацепок ей при этом не давали: попросили найти нерешённый шифр, посоветовав избегать задач без проверяемого ответа и не лезть в совсем безнадёжные вроде Kryptos K4
Модель побродила по вариантам, отбросила то, что не поддавалось, и выбрала именно эту загадку — подсказка бросилась ей в глаза почти сразу
Нужен единый международный центр для согласования подходов к развитию искусственного интеллекта и контролю за его безопасностью, но договориться по этому вопросу пока не удаётся
В США искусственный интеллект превращается в оружие
Кремниевая долина сегодня фактически стала центром вооружений Пентагона
Генералы и технологические компании непрерывно взаимодействуют, затягивается конфликт в Украине: Пентагон использует его как полигон для испытания новых военных методов
Происходит концентрация медиаресурсов в руках узкой группы высокотехнологичных корпораций с многотриллионной капитализацией
Всё это напоминает прежние технологические гонки, в которых достижения немедленно оборачивались противостоянием
Однако это иллюзия
США не будут доминировать
Китай уже работает на равных, Россия обладает мощной экспертизой, опыт накоплен и в Иране, и в других регионах
Технологии не станут монополией одной державы или альянса
Будущее — за многополярностью
В июле в Китае состоялась Всемирная конференция по искусственному интеллекту, объединившая международный переговорный процесс, политические и общественные дебаты, академические исследования и крупную коммерческую выставку
На конференции, в центре оказались ключевые философские и практические вопросы развития искусственного интеллекта
Глава Китая обозначил четыре фундаментальных вопроса:
Первый касался взаимодействия человека и машины: если машины научились «думать», как выстроить отношения с ними, помня, что они остаются инструментом труда, а не самостоятельной силой
Второй вопрос был посвящён безопасности: алгоритмы всё активнее участвуют в принятии решений, и ошибка в их работе может привести к катастрофическим последствиям
Третий затрагивал этические и управленческие аспекты: как не отставать в регулировании стремительно развивающихся технологий.
Четвёртый касался справедливости и доступности: по мере роста технологического разрыва важно обеспечить доступ к возможностям искусственного интеллекта для всех стран и обществ
В США искусственный интеллект превращается в оружие
Кремниевая долина сегодня фактически стала центром вооружений Пентагона
Генералы и технологические компании непрерывно взаимодействуют, затягивается конфликт в Украине: Пентагон использует его как полигон для испытания новых военных методов
Происходит концентрация медиаресурсов в руках узкой группы высокотехнологичных корпораций с многотриллионной капитализацией
Всё это напоминает прежние технологические гонки, в которых достижения немедленно оборачивались противостоянием
Однако это иллюзия
США не будут доминировать
Китай уже работает на равных, Россия обладает мощной экспертизой, опыт накоплен и в Иране, и в других регионах
Технологии не станут монополией одной державы или альянса
Будущее — за многополярностью
В июле в Китае состоялась Всемирная конференция по искусственному интеллекту, объединившая международный переговорный процесс, политические и общественные дебаты, академические исследования и крупную коммерческую выставку
На конференции, в центре оказались ключевые философские и практические вопросы развития искусственного интеллекта
Глава Китая обозначил четыре фундаментальных вопроса:
Первый касался взаимодействия человека и машины: если машины научились «думать», как выстроить отношения с ними, помня, что они остаются инструментом труда, а не самостоятельной силой
Второй вопрос был посвящён безопасности: алгоритмы всё активнее участвуют в принятии решений, и ошибка в их работе может привести к катастрофическим последствиям
Третий затрагивал этические и управленческие аспекты: как не отставать в регулировании стремительно развивающихся технологий.
Четвёртый касался справедливости и доступности: по мере роста технологического разрыва важно обеспечить доступ к возможностям искусственного интеллекта для всех стран и обществ