MIT предлагает систему измерения экономики, которая учитывает людей и ИИ-агентов.

Предполагается, что в ближайшее десятилетие человечеству придется координировать не только миллиарды людей, но и десятки миллиардов ИИ-агентов, действующих от их имени.

Это требует создания новой системы измерения - "Агентной переписи".

Сейчас ИИ-агенты выполняют относительно простые задачи - помогают писать код, отвечают на вопросы, анализируют данные. Но каждый месяц эти агенты становятся более способными.

Автор описывает потенциальный сценарий в Северной Каролине, где ИИ-агенты начинают выполнять рутинные задачи программирования в Исследовательском треугольнике. Сначала это просто делает программистов более продуктивными. Но по мере того, как агенты становятся лучше, компаниям нужно меньше инженеров. Некоторые разработчики теряют работу, другие переезжают туда, где остается высокоуровневая работа. Это создает цепную реакцию, затрагивающую местные рестораны, услуги, жилищный спрос, работников сферы обслуживания.

Традиционные статистические системы не имеют системы для измерения возможностей ИИ-агентов или их экономического влияния.

Решение MIT - Большие популяционные модели (LPM), которые могут симулировать миллионы отдельных людей, взаимодействующих в реалистичных экономических условиях. LPM уже работают с традиционными данными переписи и могут моделировать различные сценарии экономических изменений.

Недостающее звено - данные о популяции агентов. Для решения этой проблемы создается NANDA Registry - инфраструктура для идентификации агентов, каталогизации их возможностей и мониторинга того, как они координируются с людьми и другими агентами.

Проект Iceberg объединяет традиционные данные переписи о работниках с данными о возможностях агентов из NANDA Registry, затем использует LPM для симуляции трансформации рабочей силы во всех 50 штатах.

Автор предупреждает, если мы не построим публичную инфраструктуру для Агентной переписи, частные платформы будут контролировать эту информацию исключительно. Компании, создающие ИИ-агентов, будут видеть экономические сбои раньше местных лидеров.

_______
Источник | #blockchainRF
@F_S_C_P

▪️Генерируй картинки в боте:
Flux + MidJourney v7

📈 LLM улучшаются по экспоненте: к 2030 году они будут с задачами, которые раньше требовали месяц работы сотрудника-человека

Исследовательская группа Model Evaluation & Threat Research из Калифорнийского университета в Беркли придумала новый способ измерять прогресс больших языковых моделей. Вместо привычных метрик вроде точности ответов или скорости генерации они предложили другой аспект: сколько времени требуется человеку на задачу, которую ИИ может успешно выполнить хотя бы в 50% случаев?

Согласно расчётам, с каждым годом модели справляются с всё более объёмными задачами, и темп этого роста — экспоненциальный. С 2019 года способности LLM в решении задач улучшаются вдвое каждые 7 месяцев:
▪️ GPT-2, вышедший в 2019 году, мог справиться только с ответами на вопросы, что в среднем занимает у человека до минуты;
▪️ а вот GPT-4, который появился в 2023, уже мог брать на себя задачу вроде «найти факт в интернете», которая занимает у человека от 8 до 15 минут;
▪️ более продвинутые модели вроде Claude 3.7 и OpenAI o1 могут бать на себя задачи, выполнение которых человеком выходит за пределы часа.

Если темпы роста сохранятся, то уже к 2030 году языковые модели смогут решать за часы задачи, которые потребовали бы 167 часов работы человека — это условный месяц работы в графике 5/2. Речь идёт о комплексной интеллектуальной работе: от оптимизации архитектуры кастомного чипа до запуска нового продукта или даже написания содержательной книги. В исследовании, например, в 167 часов оценена задача открыть новую компанию. Авторы исследования считают, что к 2030 году ИИ сможет браться за такую задачу автономно, т.е. не в виде ассистента, а как самостоятельный исполнитель.

Правда, исследование не учитывает внешние ограничивающие факторы, и авторы сами об этом говорят. Даже если ИИ будет таким умным, как его описывают, его возможности могут упереться в вычислительные мощности или доступ к памяти.

_______
Источник | #antidigital

Хайповый генератор видосов Veo 3 научился генерить видео из ВАШЕЙ картинки и даже добавлять на них озвучку.

Таким образом можно генерить целые короткие фильмы из нескольких сцен с сюжетом, логикой и одинаковыми персонажами.

Тестим с VPN — здесь.

🐚 Bash 5.3 — большое обновление любимой оболочки

Спустя 3 года после релиза Bash 5.2 представлена новая версия — GNU Bash 5.3, и в ней много интересного:

🔧 Новая командная подстановка
Теперь можно выполнить команду *внутри текущей оболочки*, сохранив результат в переменную REPLY:

${| echo hello; }   # REPLY=hello

🧠 Поддержка стандарта C23
Код обновлён под новый стандарт C23. Это означает отказ от старых K&R-компиляторов.

🔍 Поиск без учёта регистра в Readline 8.3
Теперь можно включить опцию set completion-ignore-case on для автозаполнения и поиска в истории.

📁 GLOBSORT: управление сортировкой автодополнения
Новая переменная окружения GLOBSORT позволяет настраивать сортировку файлов при завершении (по имени, размеру, дате и др).

📜 Новые опции:

read -E — подключение Readline при вводе.

compgen -V myvar — сохранить список завершений в переменную.

source -p ./scripts — задать путь для поиска скриптов.

🐛 Исправления и улучшения

- Улучшены сообщения об ошибках и подсказки.

- Поддержка нескольких сопроцессов (MULTIPLE_COPROCS).

- Улучшена обработка сигналов, trap, wait, bind и др.

- Расширенные POSIX-совместимые возможности.

📥 Как установить
Скачать можно с официального gnu.org или в репозиториях большинства дистрибутивов.

🔥 Это крупнейшее обновление Bash за последние годы — особенно для тех, кто пишет сложные shell-скрипты.

📌 Подробнее

🤖 В Китае всё по-настоящему

Гуманоидный робот IRON от XPeng уже гуляет по шоурумам с электрокарами и… общается с посетителями.

Он не просто стоит как статуя — ходит, смотрит, ведёт беседу прямо в торговом зале. И это уже не демка, а реальный публичный запуск.

Так и хочется увидеть, как Optimus от Tesla делает то же самое в их магазинах.
Пока у XPeng преимущество: у них робот не в презентации, а на полу.

Будущее не на сцене — оно уже в автосалоне.

🕶 Хорошо, что Сэм Альтман в тёмных очках — ведь когда он говорит, что "всё нормально" с тем, что Цукерберг переманивает исследователей OpenAI, эти очки хотя бы скрывают слёзы.