У главы МВФ Кристалины Георгиевой нашлось понятное сравнение для нынешнего технологического бума:

➡️ Когда экономический рост зависит от одного двигателя, это всё равно что стоять на одной ноге.

По её словам, ИИ стал главным источником поддержки роста, но такая зависимость одновременно делает экономику уязвимой: чем сильнее экономика зависит от этой технологии, тем болезненнее могут оказаться сбои, разочарование в инвестициях или замедление самого ИИ-бума.

Недавний сбой дата-центров Яндекса хорошо показывает, насколько масштабными могут быть последствия проблем с цифровой инфраструктурой. Кажется, трудно найти человека, которого это совсем не затронуло: у кого-то не работала Алиса, у кого-то были заблокированы деньги, кто-то не мог вызвать такси.

С ИИ потенциальный масштаб зависимости ещё больше. Сейчас он постепенно переходит из категории удобных инструментов в основу рабочих процессов: компании встраивают его в разработку, поддержку, аналитику и принятие решений. Если такие системы станут критически важными для бизнеса и экономики, их недоступность или ошибки будут иметь уже совсем другие последствия.

Поэтому сравнение Георгиевой со стойкой на одной ноге кажется вполне точным. Так что правда непонятно, что будет поддерживать экономику, если этот единственный двигатель вдруг начнёт давать сбои 🧐

Попалась статья на Хабре с необычной версией гипотезы симуляции. Читается на одном дыхании, особенно если интересуетесь ИИ, виртуальными мирами и темой сознания.

Обычно мы представляем её как огромный эксперимент, в котором некая развитая цивилизация воспроизводит целую Вселенную - возможно, ради изучения собственной истории или эволюции 🤷‍♂️

Автор же предлагает представить, что искусственный мир создан ради одного конкретного человека - например, чтобы сохранить сознание умершего и дать ему возможность продолжить жить в привычной среде.

В такой системе не нужно полноценно моделировать миллиарды людей, города и далёкие галактики. Достаточно одного детально воспроизведённого сознания. Остальных персонажей можно создавать с помощью генеративных моделей: у близких будет память и индивидуальность, у случайных прохожих - только несколько реплик и внешность. А то, что человек не видит, можно вообще не просчитывать с высокой детализацией.

✅ В этом и появляется связь с современным ИИ: LLM могут имитировать манеру общения, агенты - действовать в виртуальной среде, а игровые движки - создавать миры на лету. Но воспроизвести поведение человека - ещё не значит сохранить его сознание.

В комментариях к статье спорили как раз об этом. Ведь сгенерировать научную работу от имени учёного - не то же самое, что воспроизвести процесс его мышления.

В общем, советую почитать и саму статью, и комментарии. Последние добавляют к дискуссии несколько неожиданных поворотов.

30-летний Джек Вайс получил PhD по химической инженерии в Принстоне. Его исследования по образованию льда даже упоминал Нобелевский комитет как пример применения машинного обучения.

➡️ Но найти работу после выпуска он не смог. Вайс отправил около 2300 резюме в научные лаборатории, фармкомпании и даже на вакансии, далёкие от его специализации. Безрезультатно.

В какой-то момент он устроился в стартап обучать ИИ-модели за $70 в час. Но и эта работа оказалась временной: заказов становилось всё меньше, а в марте контракт расторгли.

Есть в этом какая-то грустная ирония: специалист, чьи исследования связаны с машинным обучением, сам оказался в ситуации нестабильной занятости в индустрии ИИ.

Конечно, его случай - это часть более широкой проблемы американского рынка труда, а не прямое следствие автоматизации. Но всё сложнее становится ответить на вопрос, какие навыки и образование действительно дадут человеку уверенность в завтрашнем дне.

В Великобритании систему распознавания лиц Facewatch планируют напрямую связать с полицией. Если камера обнаружит человека из списка злостных нарушителей, сигнал должен поступить правоохранителям всего за четыре секунды.

Но истории ошибочно обвинённых покупателей уже вызывают вопросы

• TechRadar рассказал о мужчине, которого выгнали из магазина, куда он пришёл с женой за витаминами.
• Другую женщину обвинили в краже мяса, хотя она несколько месяцев не появлялась в этом магазине.

Причиной могут быть ошибки распознавания или действия сотрудников, которые принимают неверное решение на основе сигнала системы.

➡️ В Facewatch утверждают, что подобные случаи исключительны, а технология успешно работает в тысячах магазинов.

Но проблема ведь не только в точности распознавания. А в том, что оспорить ошибочное решение тоже непросто, особенно, если потребуют ждать приезда полиции, хотя ты просто пришел за хлебом 🥲