InfoFi умер, CFL только начинается - мета псс в грязных данных
Пока все блогеры поминают infoFi (псевдо псс "майндкарты" в рафинированной среде) и новую политику твитера, незаметной остается важная тема набирающая интерес у настоящих мыслителей. В продолжение меты 2026 года и того о чем ранее говорил SurgeAI фаундер, но теперь на более прикладном уровне. С КФ расхождений нет, наоборот есть очередной закреп и подтверждение старых тезисов в новой научной работе.
Мне непонятны пару моментов, особенно связанные с нефтянкой (там специфика работы такая), но для общего развития засейвлю. Скоро роль подобных трендов в грязных данных сильно вырастет, интерес от вкс и так уже высокий. Ресерчерам полезно примерно понять выводы. Грязные данные в кф это отдельная и большая тема. Очень символично что совпали даты конечно, смерть это всегда новое начало.
кос cfAI, cfcr, deeptech, edgecontext, грязные данные
https://www.frontiersin.org/journals/artificial-intelligence/articles/10.3389/frai.2025.1686750/full
1. Концептуальное обоснование и необходимость причинного анализа
• Ограниченность традиционного машинного обучения (ML): Стандартные модели ML в основном фиксируют корреляции, что может привести к ложным выводам в структурных причинно-следственных контекстах. В отличие от них, причинно-следственный анализ направлен на раскрытие базового порождающего процесса.
• Специфика нефтяных месторождений: В управлении месторождениями крайне важно понимать динамическое взаимодействие между нагнетательными и добывающими скважинами для оптимизации добычи и минимизации отходов.
• Невозможность рандомизированных контролируемых испытаний (РКИ): Поскольку в условиях реального месторождения невозможно проводить контролируемые эксперименты (манипулировать параметрами закачки по желанию), исследователи вынуждены полагаться исключительно на обсервационные (наблюдательные) данные.
2. Ключевые проблемы и «скрытые факторы»
• Геологическая неоднородность, естественные вариации давления и действия оператора (например, изменение положения штуцера) создают ложные корреляции, которые искажают реальную картину связности.
• Задержки в системе и обратные связи: Реакция системы на закачку часто происходит с временным лагом, а решения операторов создают петли обратной связи, что затрудняет разделение причин и следствий.
• Нарушение принципа причинной достаточности: Доступные данные часто не содержат всех переменных, необходимых для полного описания системы, что ограничивает применимость традиционных алгоритмов причинного обнаружения.
3. Фреймворк Causal Feature Learning (CFL)
• Вместо поиска формальной идентифицируемости графа (DAG), фреймворк фокусируется на извлечении высокоуровневых макропеременных (признаков), которые сохраняют важную причинную информацию, но менее чувствительны к шуму.
4. Практическая апробация и результаты
• Модель показала высокую точность даже при наличии всего 10% размеченных данных, что критически важно для реальных условий, где данные индикаторных исследований ограничены.
• Результаты на месторождениях Pre-Salt (Бразилия):
◦ Метод успешно идентифицировал связность в сложных геологических условиях на глубине около 3000 метров.
◦ Масштабируемость: Обучение и оценка 256 попарных соединений заняли всего 38 секунд.
• Обобщающая способность: Модель, обученная на данных одного региона месторождения, смогла успешно предсказать связность в другом регионе, для которого не было контекстной информации о трассерах.
5. Перспективы
• Предложенные признаки соответствуют экспертному подходу инженеров-разработчиков, которые оценивают связность по взаимным колебаниям дебита и давления.
• Принципы CFL могут быть применены в других областях, где сущности взаимодействуют через ковариационные сигналы, например, в климатологии или анализе энергетических систем.
• Планируется внедрение глубокого обучения (End-to-end Deep Learning) для автоматического формирования еще более выразительных причинно-следственных представлений.
Пока все блогеры поминают infoFi (псевдо псс "майндкарты" в рафинированной среде) и новую политику твитера, незаметной остается важная тема набирающая интерес у настоящих мыслителей. В продолжение меты 2026 года и того о чем ранее говорил SurgeAI фаундер, но теперь на более прикладном уровне. С КФ расхождений нет, наоборот есть очередной закреп и подтверждение старых тезисов в новой научной работе.
Мне непонятны пару моментов, особенно связанные с нефтянкой (там специфика работы такая), но для общего развития засейвлю. Скоро роль подобных трендов в грязных данных сильно вырастет, интерес от вкс и так уже высокий. Ресерчерам полезно примерно понять выводы. Грязные данные в кф это отдельная и большая тема. Очень символично что совпали даты конечно, смерть это всегда новое начало.
кос cfAI, cfcr, deeptech, edgecontext, грязные данные
https://www.frontiersin.org/journals/artificial-intelligence/articles/10.3389/frai.2025.1686750/full
1. Концептуальное обоснование и необходимость причинного анализа
• Ограниченность традиционного машинного обучения (ML): Стандартные модели ML в основном фиксируют корреляции, что может привести к ложным выводам в структурных причинно-следственных контекстах. В отличие от них, причинно-следственный анализ направлен на раскрытие базового порождающего процесса.
• Специфика нефтяных месторождений: В управлении месторождениями крайне важно понимать динамическое взаимодействие между нагнетательными и добывающими скважинами для оптимизации добычи и минимизации отходов.
• Невозможность рандомизированных контролируемых испытаний (РКИ): Поскольку в условиях реального месторождения невозможно проводить контролируемые эксперименты (манипулировать параметрами закачки по желанию), исследователи вынуждены полагаться исключительно на обсервационные (наблюдательные) данные.
2. Ключевые проблемы и «скрытые факторы»
• Геологическая неоднородность, естественные вариации давления и действия оператора (например, изменение положения штуцера) создают ложные корреляции, которые искажают реальную картину связности.
• Задержки в системе и обратные связи: Реакция системы на закачку часто происходит с временным лагом, а решения операторов создают петли обратной связи, что затрудняет разделение причин и следствий.
• Нарушение принципа причинной достаточности: Доступные данные часто не содержат всех переменных, необходимых для полного описания системы, что ограничивает применимость традиционных алгоритмов причинного обнаружения.
3. Фреймворк Causal Feature Learning (CFL)
• Вместо поиска формальной идентифицируемости графа (DAG), фреймворк фокусируется на извлечении высокоуровневых макропеременных (признаков), которые сохраняют важную причинную информацию, но менее чувствительны к шуму.
4. Практическая апробация и результаты
• Модель показала высокую точность даже при наличии всего 10% размеченных данных, что критически важно для реальных условий, где данные индикаторных исследований ограничены.
• Результаты на месторождениях Pre-Salt (Бразилия):
◦ Метод успешно идентифицировал связность в сложных геологических условиях на глубине около 3000 метров.
◦ Масштабируемость: Обучение и оценка 256 попарных соединений заняли всего 38 секунд.
• Обобщающая способность: Модель, обученная на данных одного региона месторождения, смогла успешно предсказать связность в другом регионе, для которого не было контекстной информации о трассерах.
5. Перспективы
• Предложенные признаки соответствуют экспертному подходу инженеров-разработчиков, которые оценивают связность по взаимным колебаниям дебита и давления.
• Принципы CFL могут быть применены в других областях, где сущности взаимодействуют через ковариационные сигналы, например, в климатологии или анализе энергетических систем.
• Планируется внедрение глубокого обучения (End-to-end Deep Learning) для автоматического формирования еще более выразительных причинно-следственных представлений.
Либерманы про децентрализацию ИИ и риски
Немножко доброй рекламы децентрализации ИИ от Либерманов, которые последовательно за последние 2 месяца сходили к части ключевых трафикхостов в снг (по англ аудитории пока активность сильно ниже, но есть, апдейт(24.01) - пошли еще). Позитивное мышление и трансляция старых идей технооптимистов на "среднюю аудиторию". Засейвлю пока, потом еще вернусь к этой теме.
Кос - AGI, balanceofpower, эмерджентность/неравенство, неофеодализм, творческое разрушение
https://www.youtube.com/watch?v=jqua1P35Ykc
Оскар Хартман и Либерманы про риски ИИ:
• Децентрализованная сеть дата-центров, выросшая из инфраструктуры майнинга, на сегодняшний день обладает мощностью 26 ГВт, что превышает совокупные показатели Google, Amazon, Microsoft, xAI и OpenAI.
• В то время как Илон Маск за год смог построить мощности на 1 ГВт, сеть Биткоина за тот же период увеличилась на 5 ГВт благодаря усилиям миллионов предпринимателей.
• Эффективность вычислений в сети Биткоин продемонстрировала колоссальный рост: за 15 лет стоимость вычислений снизилась в 300 000 раз.
• Попытка воссоздать текущую вычислительную мощность Биткоина с использованием современных карт Nvidia и централизованной модели управления потребовала бы затрат в размере 5 квадриллионов долларов (названа "путем в никуда").
• Текущий рынок ИИ характеризуется инвестиционным пузырем, где капитализация лидера индустрии, компании Nvidia, достигла почти 5 триллионов долларов.
• В современных экономических условиях 80% существующих бизнесов становятся неактуальными и рискуют исчезнуть, если не адаптируются к новой технологической эре.
• Анализ 30 000 стартапов выявил критический порог: если за 2 года компания не находит подтверждения своей бизнес-модели, она, как правило, не достигает успеха.
• В децентрализованном сценарии будущего стоимость ИИ-вычислений может упасть в 100 000 раз в течение 15 лет, сделав суперинтеллект доступным практически бесплатно для каждого.
• Для создания глобальной альтернативы централизованному ИИ достаточно, чтобы 1 миллиард человек инвестировал по 100 долларов в децентрализованную инфраструктуру (+ тейк о том что рой предпринимателей - сильнее 1 крутого).
• Если рынок будет в руках трех компаний, они могут удерживать высокую стоимость доступа к интеллекту, чтобы оправдать свои неэффективные и дорогостоящие инвестиции в дата-центры, даже если себестоимость вычислений будет низкой.
• Как только передовые компании начинают контролировать рынок, они перестают двигаться вперед.
• Автоматизация и развитие ИИ ставят под угрозу текущие рабочие места.
• Существует риск возникновения системы тотального наблюдения, где получение еды или ваучеров будет напрямую зависеть от поведения человека перед камерами.
• В случае монополии у человечества не будет других систем ИИ, которые могли бы защитить ресурсы планеты или интересы людей, если основной суперинтеллект решит проявить агрессию (если будет создан единый мощный суперинтеллект, имеющий "рубильник", вероятность того, что ИИ увидит в этом угрозу своему существованию и попытается избавиться от человечества как от источника угрозы, крайне велика).
• Политический ландшафт определяется возрастной демографией: 51% голосующих составляют люди старше 50 лет, а медианный возраст граждан, реально участвующих в выборах, достигает 57 лет.
• В Сан-Франциско автономные транспортные средства (Waymo) уже составляют 20% от общего объема таксомоторных перевозок, обещали кратно снизить стоимость поездок на роботакси но этого не произошло (винят майндсет - монополизма/экстракции/неофеодализма).
• Несмотря на цифровой прогресс, в реальном секторе экономики США наблюдается значительный рост продуктивности в производстве зерна.
• В развивающихся странах сохраняется резкий технологический контраст: в то время как в Китае порты полностью автоматизированы, в других регионах (например, в Африке) ручной труд остается дешевле эксплуатации из-за стоимости топлива и амортизации применения нтп.
Немножко доброй рекламы децентрализации ИИ от Либерманов, которые последовательно за последние 2 месяца сходили к части ключевых трафикхостов в снг (по англ аудитории пока активность сильно ниже, но есть, апдейт(24.01) - пошли еще). Позитивное мышление и трансляция старых идей технооптимистов на "среднюю аудиторию". Засейвлю пока, потом еще вернусь к этой теме.
Кос - AGI, balanceofpower, эмерджентность/неравенство, неофеодализм, творческое разрушение
https://www.youtube.com/watch?v=jqua1P35Ykc
Оскар Хартман и Либерманы про риски ИИ:
• Децентрализованная сеть дата-центров, выросшая из инфраструктуры майнинга, на сегодняшний день обладает мощностью 26 ГВт, что превышает совокупные показатели Google, Amazon, Microsoft, xAI и OpenAI.
• В то время как Илон Маск за год смог построить мощности на 1 ГВт, сеть Биткоина за тот же период увеличилась на 5 ГВт благодаря усилиям миллионов предпринимателей.
• Эффективность вычислений в сети Биткоин продемонстрировала колоссальный рост: за 15 лет стоимость вычислений снизилась в 300 000 раз.
• Попытка воссоздать текущую вычислительную мощность Биткоина с использованием современных карт Nvidia и централизованной модели управления потребовала бы затрат в размере 5 квадриллионов долларов (названа "путем в никуда").
• Текущий рынок ИИ характеризуется инвестиционным пузырем, где капитализация лидера индустрии, компании Nvidia, достигла почти 5 триллионов долларов.
• В современных экономических условиях 80% существующих бизнесов становятся неактуальными и рискуют исчезнуть, если не адаптируются к новой технологической эре.
• Анализ 30 000 стартапов выявил критический порог: если за 2 года компания не находит подтверждения своей бизнес-модели, она, как правило, не достигает успеха.
• В децентрализованном сценарии будущего стоимость ИИ-вычислений может упасть в 100 000 раз в течение 15 лет, сделав суперинтеллект доступным практически бесплатно для каждого.
• Для создания глобальной альтернативы централизованному ИИ достаточно, чтобы 1 миллиард человек инвестировал по 100 долларов в децентрализованную инфраструктуру (+ тейк о том что рой предпринимателей - сильнее 1 крутого).
• Если рынок будет в руках трех компаний, они могут удерживать высокую стоимость доступа к интеллекту, чтобы оправдать свои неэффективные и дорогостоящие инвестиции в дата-центры, даже если себестоимость вычислений будет низкой.
• Как только передовые компании начинают контролировать рынок, они перестают двигаться вперед.
• Автоматизация и развитие ИИ ставят под угрозу текущие рабочие места.
• Существует риск возникновения системы тотального наблюдения, где получение еды или ваучеров будет напрямую зависеть от поведения человека перед камерами.
• В случае монополии у человечества не будет других систем ИИ, которые могли бы защитить ресурсы планеты или интересы людей, если основной суперинтеллект решит проявить агрессию (если будет создан единый мощный суперинтеллект, имеющий "рубильник", вероятность того, что ИИ увидит в этом угрозу своему существованию и попытается избавиться от человечества как от источника угрозы, крайне велика).
• Политический ландшафт определяется возрастной демографией: 51% голосующих составляют люди старше 50 лет, а медианный возраст граждан, реально участвующих в выборах, достигает 57 лет.
• В Сан-Франциско автономные транспортные средства (Waymo) уже составляют 20% от общего объема таксомоторных перевозок, обещали кратно снизить стоимость поездок на роботакси но этого не произошло (винят майндсет - монополизма/экстракции/неофеодализма).
• Несмотря на цифровой прогресс, в реальном секторе экономики США наблюдается значительный рост продуктивности в производстве зерна.
• В развивающихся странах сохраняется резкий технологический контраст: в то время как в Китае порты полностью автоматизированы, в других регионах (например, в Африке) ручной труд остается дешевле эксплуатации из-за стоимости топлива и амортизации применения нтп.
Кевин Уорш про qe, инфляцию, биткоин и технооптимизм
Последние дни переслушал несколько видео с выступлениями Кевина Уорша, бывшего члена Совета управляющих ФРС, посвященные текущему состоянию экономики, роли гос-ва и необходимым переменам в будущем. Актуально в связи с его новым назначением и теми страхами которые есть вокруг новых реформ.
кос - NSS, творческое разрушение, технооптимизм, ббс
https://www.youtube.com/watch?v=qVFEcg-RIAk
1. Институциональная критика ФРС
• Свою критику Уорш называет «любовным посланием», подчеркивая, что реформирование ФРС критически важно для процветания страны. Он напоминает, что это уже третий эксперимент с центральным банком в США, и предыдущие два провалились, когда правительство перестало их поддерживать.
• Существует опасение, что ФРС слишком сосредоточена на интересах особых групп влияния и «академической схоластике», упуская из виду реальные процессы в центре страны.
2. Природа инфляции и ответственность Центрального банка
• Опираясь на идеи Милтона Фридмана, Уорш подчеркивает, что инфляция — это всегда денежный феномен и осознанный выбор, за который несет ответственность ФРС, а не внешние факторы.
• Перекладывание вины за инфляцию на пандемию, цепочки поставок или геополитические события (ситуация на Украине) считается неверным. Такие факторы меняют относительные цены, но именно политика центрального банка превращает это в устойчивую инфляцию.
• После периода «Великого успокоения» (середина 80-х — 2008 г.) экономисты ФРС могли излишне расслабиться, решив, что контроль над ценами — это простая задача, что привело к пропуску всплеска инфляции в последние годы.
3. Анализ политики количественного смягчения (QE)
• Уорш поддерживал первое вливание ликвидности в 2008 году, считая его необходимым для предотвращения паники и обеспечения работы рынков, когда на аукционах казначейства не было покупателей.
• Основная критика направлена на программы QE2, QE3 и QE4. Уорш утверждает, что продолжение печатания денег в периоды относительной стабильности было ошибкой, так как это «подняло планку» для будущих кризисов и создало иллюзию «бесплатных денег».
• Баланс ФРС вырос с менее чем 1 трлн долларов в 2006 году до почти 9 трлн в 2022 году, что Уарш считает чрезмерным и опасным.
4. Взаимосвязь монетарной и фискальной политики
• Покупая государственные облигации, ФРС фактически поощряла Конгресс к безответственным тратам, подавая сигнал, что любые расходы будут профинансированы.
• Из-за инфляции ФРС была вынуждена поднять ставки, что привело к резкому росту затрат на обслуживание госдолга (более 800 млрд долларов в год), что превышает расходы на оборону.
• Границы между бюджетной ответственностью Министерства финансов и денежно-кредитной политикой ФРС оказались размыты, что вносит политику в работу центрального банка.
5. Стратегия реформирования и выход из кризиса
• Сокращение баланса: Уарш предлагает агрессивное сокращение баланса ФРС и уход регулятора с рынков до наступления реальных кризисов.
• Координация (Соглашение 1951 года): Необходимо новое четкое разграничение ролей между Минфином и ФРС, чтобы каждый орган отвечал за свои задачи (процентные ставки vs бюджетные счета).
• Вместо манипулирования ценами на активы, ФРС должна способствовать стабильности, которая позволит реальному сектору расти за счет производительности.
6. Долгосрочный прогноз и новые технологии
• Несмотря на ошибки правительства, Уарш верит в бум производительности и динамичность американского народа, способного адаптироваться к технологиям.
• Биткоин рассматривается не как угроза, а как полезный инструмент рыночной дисциплины и контроля над политиками, который может сигнализировать о правильности или ошибочности действий властей.
• В XXI веке США сохраняют преимущества (талантливые кадры, культура риска) перед Китаем и Европой, если вернут политику в русло здравого смысла.
Последние дни переслушал несколько видео с выступлениями Кевина Уорша, бывшего члена Совета управляющих ФРС, посвященные текущему состоянию экономики, роли гос-ва и необходимым переменам в будущем. Актуально в связи с его новым назначением и теми страхами которые есть вокруг новых реформ.
кос - NSS, творческое разрушение, технооптимизм, ббс
https://www.youtube.com/watch?v=qVFEcg-RIAk
1. Институциональная критика ФРС
• Свою критику Уорш называет «любовным посланием», подчеркивая, что реформирование ФРС критически важно для процветания страны. Он напоминает, что это уже третий эксперимент с центральным банком в США, и предыдущие два провалились, когда правительство перестало их поддерживать.
• Существует опасение, что ФРС слишком сосредоточена на интересах особых групп влияния и «академической схоластике», упуская из виду реальные процессы в центре страны.
2. Природа инфляции и ответственность Центрального банка
• Опираясь на идеи Милтона Фридмана, Уорш подчеркивает, что инфляция — это всегда денежный феномен и осознанный выбор, за который несет ответственность ФРС, а не внешние факторы.
• Перекладывание вины за инфляцию на пандемию, цепочки поставок или геополитические события (ситуация на Украине) считается неверным. Такие факторы меняют относительные цены, но именно политика центрального банка превращает это в устойчивую инфляцию.
• После периода «Великого успокоения» (середина 80-х — 2008 г.) экономисты ФРС могли излишне расслабиться, решив, что контроль над ценами — это простая задача, что привело к пропуску всплеска инфляции в последние годы.
3. Анализ политики количественного смягчения (QE)
• Уорш поддерживал первое вливание ликвидности в 2008 году, считая его необходимым для предотвращения паники и обеспечения работы рынков, когда на аукционах казначейства не было покупателей.
• Основная критика направлена на программы QE2, QE3 и QE4. Уорш утверждает, что продолжение печатания денег в периоды относительной стабильности было ошибкой, так как это «подняло планку» для будущих кризисов и создало иллюзию «бесплатных денег».
• Баланс ФРС вырос с менее чем 1 трлн долларов в 2006 году до почти 9 трлн в 2022 году, что Уарш считает чрезмерным и опасным.
4. Взаимосвязь монетарной и фискальной политики
• Покупая государственные облигации, ФРС фактически поощряла Конгресс к безответственным тратам, подавая сигнал, что любые расходы будут профинансированы.
• Из-за инфляции ФРС была вынуждена поднять ставки, что привело к резкому росту затрат на обслуживание госдолга (более 800 млрд долларов в год), что превышает расходы на оборону.
• Границы между бюджетной ответственностью Министерства финансов и денежно-кредитной политикой ФРС оказались размыты, что вносит политику в работу центрального банка.
5. Стратегия реформирования и выход из кризиса
• Сокращение баланса: Уарш предлагает агрессивное сокращение баланса ФРС и уход регулятора с рынков до наступления реальных кризисов.
• Координация (Соглашение 1951 года): Необходимо новое четкое разграничение ролей между Минфином и ФРС, чтобы каждый орган отвечал за свои задачи (процентные ставки vs бюджетные счета).
• Вместо манипулирования ценами на активы, ФРС должна способствовать стабильности, которая позволит реальному сектору расти за счет производительности.
6. Долгосрочный прогноз и новые технологии
• Несмотря на ошибки правительства, Уарш верит в бум производительности и динамичность американского народа, способного адаптироваться к технологиям.
• Биткоин рассматривается не как угроза, а как полезный инструмент рыночной дисциплины и контроля над политиками, который может сигнализировать о правильности или ошибочности действий властей.
• В XXI веке США сохраняют преимущества (талантливые кадры, культура риска) перед Китаем и Европой, если вернут политику в русло здравого смысла.
Дэвид Эйнхорн про эндогенность и сломанные рынки
Тезисы Дэвида Эйнхорна (Greenlight Capital), в которых он вместе с М. Грином обсуждал современное состояние финансовых рынков, изменение их структуры. Оно немного устарело, но все равно полезно, потому что мало кто говорил об этом.
С идеей эндогенности не все так просто, дело даже не в байбеке и стремлению к потокам, а в способности понять где дефолтный риск имеет премию выше средней и где "участники гоняются за синицей или журавлем" - аудио слопчик не расскрывает этих тонкостей.
Вопрос стоит серьезный - затяжные кризисы это то от чего отвыкло общество. Как сформировать будущую систему принятия решений что бы не зависеть от патернов V образного среднего мышления.
кос внимание/ресурсы, поток/нтп, эмерджентность, гиперскейлеры, бигтех
https://www.youtube.com/watch?v=Nc8NLWxksJk
Концепция «сломанного» рынка
• Традиционно рынок должен был направлять капитал эффективным компаниям с высокой доходностью и «наказывать» неэффективные. С этой точки зрения рынок абсолютно сломан, так как он перестал поощрять эффективность корпораций.
• Если рассматривать рынок как место, где люди торгуют ради собственного обогащения или азарта, пытаясь угадать движение цены через наносекунды или часы, то он функционирует отлично.
• Традиционный фундаментальный анализ практически исчез из обсуждений. В современных хедж-фондах («под-шопах») идеи часто отбрасываются, если в них упоминается только стоимость без немедленного катализатора. Показатели вроде «цена к выручке» (P/S) стали бессмысленными цифрами, которые не влияют на принятие решений.
Структурные изменения участников рынка
• Ранее доминирующей силой были активно управляемые взаимные фонды (long-only), которые покупали недооцененные акции и держали их годами, обеспечивая схождение цены к внутренней стоимости.
• В 1995 году на активных менеджеров приходилось 80% торговой активности, сегодня — лишь 10%. Доля спекулятивного ритейла выросла с 10% до 17%.
• Основные потоки капитала теперь направляются в пассивные индексы. Оставшиеся активные игроки используют квантовые, технические и импульсные (momentum) стратегии, которые не нацелены на поиск фундаментальной стоимости.
Инвестиционная стратегия в условиях «невидимости»
• Принцип «Что, если всем наплевать?»: Инвестиции теперь андер-рейтингуются исходя из предположения, что рынок никогда не признает истинную стоимость актива. Доходность должна обеспечиваться самими денежными потоками бизнеса при низкой оценке (например, 5–6 годовых прибылей).
• Бесполезность шортов по бухгалтерским причинам: Эйнхорн перестал искать компании для коротких позиций на основе манипуляций с отчетностью, так как рынок перестал обращать на это внимание. Информация о фундаментальных проблемах не всегда является социально значимой силой, способной скорректировать цену.
Аномалии текущего цикла и AI-бум
• 20–40 гигантов извлекают выгоду из строительства дата-центров, тогда как «реальная» экономика (химия, бумага, строительство) сталкивается с трудностями.
• Эйнхорн сравнивает текущий энтузиазм вокруг искусственного интеллекта с пузырем 1999 года. Хотя технология может стать фундаментально важной к 2050 году, огромные инвестиции (сотни миллиардов долларов) могут привести к масштабному уничтожению капитала из-за неопределенной окупаемости.
• Ранее легкие на капитал и высокодоходные IT-монополии превращаются в капиталоемкие предприятия из-за гонки вооружений в сфере ИИ, что может снизить их общую рентабельность капитала в будущем.
Регуляторный и системный кризис
• Регулятор (SEC) фактически перестал контролировать корпоративную отчетность и бухгалтерские стандарты. По мнению Эйнхорна, это политическое решение: любое действие регулятора может привести к падению цен на акции, что считается «наказанием» акционеров.
• Огромный объем средств в частном кредите может столкнуться с проблемами при длительном экономическом спаде. В отличие от банков, эти организации могут быть не укомплектованы достаточным штатом специалистов для проведения массовых реструктуризаций при коррелированном дефолтном цикле.
Тезисы Дэвида Эйнхорна (Greenlight Capital), в которых он вместе с М. Грином обсуждал современное состояние финансовых рынков, изменение их структуры. Оно немного устарело, но все равно полезно, потому что мало кто говорил об этом.
С идеей эндогенности не все так просто, дело даже не в байбеке и стремлению к потокам, а в способности понять где дефолтный риск имеет премию выше средней и где "участники гоняются за синицей или журавлем" - аудио слопчик не расскрывает этих тонкостей.
Вопрос стоит серьезный - затяжные кризисы это то от чего отвыкло общество. Как сформировать будущую систему принятия решений что бы не зависеть от патернов V образного среднего мышления.
кос внимание/ресурсы, поток/нтп, эмерджентность, гиперскейлеры, бигтех
https://www.youtube.com/watch?v=Nc8NLWxksJk
Концепция «сломанного» рынка
• Традиционно рынок должен был направлять капитал эффективным компаниям с высокой доходностью и «наказывать» неэффективные. С этой точки зрения рынок абсолютно сломан, так как он перестал поощрять эффективность корпораций.
• Если рассматривать рынок как место, где люди торгуют ради собственного обогащения или азарта, пытаясь угадать движение цены через наносекунды или часы, то он функционирует отлично.
• Традиционный фундаментальный анализ практически исчез из обсуждений. В современных хедж-фондах («под-шопах») идеи часто отбрасываются, если в них упоминается только стоимость без немедленного катализатора. Показатели вроде «цена к выручке» (P/S) стали бессмысленными цифрами, которые не влияют на принятие решений.
Структурные изменения участников рынка
• Ранее доминирующей силой были активно управляемые взаимные фонды (long-only), которые покупали недооцененные акции и держали их годами, обеспечивая схождение цены к внутренней стоимости.
• В 1995 году на активных менеджеров приходилось 80% торговой активности, сегодня — лишь 10%. Доля спекулятивного ритейла выросла с 10% до 17%.
• Основные потоки капитала теперь направляются в пассивные индексы. Оставшиеся активные игроки используют квантовые, технические и импульсные (momentum) стратегии, которые не нацелены на поиск фундаментальной стоимости.
Инвестиционная стратегия в условиях «невидимости»
• Принцип «Что, если всем наплевать?»: Инвестиции теперь андер-рейтингуются исходя из предположения, что рынок никогда не признает истинную стоимость актива. Доходность должна обеспечиваться самими денежными потоками бизнеса при низкой оценке (например, 5–6 годовых прибылей).
• Бесполезность шортов по бухгалтерским причинам: Эйнхорн перестал искать компании для коротких позиций на основе манипуляций с отчетностью, так как рынок перестал обращать на это внимание. Информация о фундаментальных проблемах не всегда является социально значимой силой, способной скорректировать цену.
Аномалии текущего цикла и AI-бум
• 20–40 гигантов извлекают выгоду из строительства дата-центров, тогда как «реальная» экономика (химия, бумага, строительство) сталкивается с трудностями.
• Эйнхорн сравнивает текущий энтузиазм вокруг искусственного интеллекта с пузырем 1999 года. Хотя технология может стать фундаментально важной к 2050 году, огромные инвестиции (сотни миллиардов долларов) могут привести к масштабному уничтожению капитала из-за неопределенной окупаемости.
• Ранее легкие на капитал и высокодоходные IT-монополии превращаются в капиталоемкие предприятия из-за гонки вооружений в сфере ИИ, что может снизить их общую рентабельность капитала в будущем.
Регуляторный и системный кризис
• Регулятор (SEC) фактически перестал контролировать корпоративную отчетность и бухгалтерские стандарты. По мнению Эйнхорна, это политическое решение: любое действие регулятора может привести к падению цен на акции, что считается «наказанием» акционеров.
• Огромный объем средств в частном кредите может столкнуться с проблемами при длительном экономическом спаде. В отличие от банков, эти организации могут быть не укомплектованы достаточным штатом специалистов для проведения массовых реструктуризаций при коррелированном дефолтном цикле.
FlowAltex
То что много лет назад было предсказано рядом фантастов и позже обсуждалось парочкой популярных авторов типа таких как Шмидт, Харари, Льюис и то, что теперь становится мейнстримом. КФ говорили о сетях которые имеют конвергенцию, как о ответной реакции трансгуманизма…
Распространение знаний против создания знаний
Том Каннингем рассуждает о LLM, создающих новые знания. Спрос на новые знания отличается от спроса на старые, что приводит к определенным последствиям. Много общего с идеями ВФБ.
Коротко - новые модели создающие знания будут менее открытыми и публичными, а сосредоточатся на решение ключевых и самых важных задач (высокая абстракция/сочетаемость/универсальность) и распределят затем теоретическое достижение ключевых задач в прикладные (абстракция ниже). Далее прикладное попадает уже в обычные ллмки и агенты снижает стимулы к простой эксплуатации старых знаний.
Новые экономические модели формируются вокруг этих тезисов все чаще в работах авторах посвященных последствиям, эта одна из них.
кос - софт/железо, атеншен/ресурс, botsvshumans, edgecontext, эмерджентность/неравенство, неофеодализм
https://tecunningham.github.io/posts/2026-01-29-knowledge-creating-llms.html
"Очевидно, это непрерывный процесс, но мы явно движемся по траектории от первого ко второму этапу, и я не видел особого обсуждения последствий. Я ожидаю, что влияние ИИ к 2026 году будет определяться именно этими соображениями."
"Распространенное утверждение заключается в том, что создание знаний в области ИИ будет ограничено возможностью проведения новых экспериментов. Например, автоматизированному биологу по-прежнему нужна лаборатория, а автоматизированному исследователю ИИ по-прежнему потребуется много графических процессоров для проведения экспериментов. Верно ли это, зависит от формы ландшафта оптимизации. Если мир по своей природе многомерен, то нет замены сбору данных. Но если существует низкоразмерная структура, то есть высокая отдача от простого более глубокого мышления (подробнее об этом в https://tecunningham.github.io/posts/2025-09-19-transformative-AI-notes.html. Мы обнаружили множество областей, которые казались многомерными, но оказались по своей природе низкоразмерными."
Экономические и социальные последствия распространения знаний
• Интеллектуальная рента — это надбавка, которую получают специалисты и фирмы за владение знаниями, недоступными другим. Поскольку LLM снижают стоимость передачи существующих знаний, «премия» за обладание информацией, которую легко найти или агрегировать, будет падать.
• Вместо того чтобы покупать экспертные услуги на рынке, люди всё чаще будут использовать LLM для самостоятельного решения проблем (так называемое home production). Это замещает рыночные услуги специалистов, что может привести к снижению измеряемого ВВП, так как транзакции выходят из официального сектора экономики.
• Из-за того, что знания распространяются мгновенно, период, в течение которого инноватор может получать ренту за свое открытие, сокращается. Это может демотивировать традиционные формы поиска новых знаний, если они не защищены механизмами эксклюзивности, характерными для «создающих знания» LLM.
Особенности и потенциал LLM, создающих знания
• Новые техники (AlphaEvolve, TTT-Discover) являются общими методами оптимизации, которые можно быстро адаптировать к любым задачам — от биоинформатики до проектирования микросхем.
• Вместо ответов на вопросы с известными ответами, качество моделей теперь оценивается по их способности решать новые проблемы (например, нерешенные математические задачи в FrontierMath).
• Разработчики ИИ создающих знание, будут либо использовать эти знания сами, либо продавать доступ на основе лицензирования и IP-соглашений, а не через общие API.
• Большинство сложных мировых проблем можно свести к нескольким десяткам «канонических» типов (например, задачи удовлетворения ограничений типа 3SAT или задачи статистического вывода).
• Интеллект ИИ заключается в двух этапах: (1) сведение уникальной прикладной задачи к канонической и (2) продвижение фронтира знаний в этой канонической задаче.
• Ожидается, что ИИ-лаборатории будут тратить колоссальные ресурсы на достижение прорывов в этих немногих фундаментальных проблемах, предлагая дешевые решения для всех производных прикладных задач.
Том Каннингем рассуждает о LLM, создающих новые знания. Спрос на новые знания отличается от спроса на старые, что приводит к определенным последствиям. Много общего с идеями ВФБ.
Коротко - новые модели создающие знания будут менее открытыми и публичными, а сосредоточатся на решение ключевых и самых важных задач (высокая абстракция/сочетаемость/универсальность) и распределят затем теоретическое достижение ключевых задач в прикладные (абстракция ниже). Далее прикладное попадает уже в обычные ллмки и агенты снижает стимулы к простой эксплуатации старых знаний.
Новые экономические модели формируются вокруг этих тезисов все чаще в работах авторах посвященных последствиям, эта одна из них.
кос - софт/железо, атеншен/ресурс, botsvshumans, edgecontext, эмерджентность/неравенство, неофеодализм
https://tecunningham.github.io/posts/2026-01-29-knowledge-creating-llms.html
"Очевидно, это непрерывный процесс, но мы явно движемся по траектории от первого ко второму этапу, и я не видел особого обсуждения последствий. Я ожидаю, что влияние ИИ к 2026 году будет определяться именно этими соображениями."
"Распространенное утверждение заключается в том, что создание знаний в области ИИ будет ограничено возможностью проведения новых экспериментов. Например, автоматизированному биологу по-прежнему нужна лаборатория, а автоматизированному исследователю ИИ по-прежнему потребуется много графических процессоров для проведения экспериментов. Верно ли это, зависит от формы ландшафта оптимизации. Если мир по своей природе многомерен, то нет замены сбору данных. Но если существует низкоразмерная структура, то есть высокая отдача от простого более глубокого мышления (подробнее об этом в https://tecunningham.github.io/posts/2025-09-19-transformative-AI-notes.html. Мы обнаружили множество областей, которые казались многомерными, но оказались по своей природе низкоразмерными."
Экономические и социальные последствия распространения знаний
• Интеллектуальная рента — это надбавка, которую получают специалисты и фирмы за владение знаниями, недоступными другим. Поскольку LLM снижают стоимость передачи существующих знаний, «премия» за обладание информацией, которую легко найти или агрегировать, будет падать.
• Вместо того чтобы покупать экспертные услуги на рынке, люди всё чаще будут использовать LLM для самостоятельного решения проблем (так называемое home production). Это замещает рыночные услуги специалистов, что может привести к снижению измеряемого ВВП, так как транзакции выходят из официального сектора экономики.
• Из-за того, что знания распространяются мгновенно, период, в течение которого инноватор может получать ренту за свое открытие, сокращается. Это может демотивировать традиционные формы поиска новых знаний, если они не защищены механизмами эксклюзивности, характерными для «создающих знания» LLM.
Особенности и потенциал LLM, создающих знания
• Новые техники (AlphaEvolve, TTT-Discover) являются общими методами оптимизации, которые можно быстро адаптировать к любым задачам — от биоинформатики до проектирования микросхем.
• Вместо ответов на вопросы с известными ответами, качество моделей теперь оценивается по их способности решать новые проблемы (например, нерешенные математические задачи в FrontierMath).
• Разработчики ИИ создающих знание, будут либо использовать эти знания сами, либо продавать доступ на основе лицензирования и IP-соглашений, а не через общие API.
• Большинство сложных мировых проблем можно свести к нескольким десяткам «канонических» типов (например, задачи удовлетворения ограничений типа 3SAT или задачи статистического вывода).
• Интеллект ИИ заключается в двух этапах: (1) сведение уникальной прикладной задачи к канонической и (2) продвижение фронтира знаний в этой канонической задаче.
• Ожидается, что ИИ-лаборатории будут тратить колоссальные ресурсы на достижение прорывов в этих немногих фундаментальных проблемах, предлагая дешевые решения для всех производных прикладных задач.
Forwarded from Гадюка Татарстана
Я все думаю как сильно завоняет когда выясниться что условный клод еще лучше и эффективнее заменяет топов компаний чем рядовых и по сути полумеханистических сотрудников. А еще чуть позже станет возможно понятно что даже просто убирание "топов" из связки управляющая кожанная верхушка+ии агенты делает систему в разы эфыективнее.
А еще чуть позже станет понятно что даже если из чисто кожанных компаний убрать топов то это тоже даёт оказывается нехилый буст
А еще чуть позже станет понятно что даже если из чисто кожанных компаний убрать топов то это тоже даёт оказывается нехилый буст
Forwarded from e/acc
Гадюка Татарстана
Я все думаю как сильно завоняет когда выясниться что условный клод еще лучше и эффективнее заменяет топов компаний чем рядовых и по сути полумеханистических сотрудников. А еще чуть позже станет возможно понятно что даже просто убирание "топов" из связки управляющая…
Для многих «топов» в корпорациях это смерть да. Для тех, кто делает ради галочек и красивых отчетов, а не достижения целей. Но куда больше таких раздолбаев среди политиков.
Forwarded from Altex &&&
e/acc
Для многих «топов» в корпорациях это смерть да. Для тех, кто делает ради галочек и красивых отчетов, а не достижения целей. Но куда больше таких раздолбаев среди политиков.
винтовка рождает власть, а раздолбай не всегда просто раздолбай он иногда роднуля старшего раздолбая с винтовкой. Дошли наконец до точки когда уберизация знания пока шла легко небыло сильной регуляции/саботажа, скоро она появится, ждать осталось недолго. Так называемые "Раздолбаи" уже слышат и читают эти новости😀😀😀 . Поэтому впереди еще большее разделение мира, для начала что бы не сильно угарать на открытых данных. А потом и конвергенция, где обычный человек ничего уже не выжмет из открытых данных. Все окончательно будет закрыто или сознательно искажено. Эти "раздолбаи" как раз отлично к такому готовы. Спец связь все дела. Проблемы будут как раз у "умных нераздолбаев". Потому что расти слишком сильно можно пока "раздолбай" квтч не сделал подороже и интранет с сертификацией моделей не наладил.
Forwarded from Altex &&&
Вот этот вариант самый вероятный на самом деле, если речь действительно о топах пусть и о "раздолбайных политических" как их автор назвал. Потому что ничто не помешает им получит кольт, когнитивная уровниловка не только плебею дает расширеный мозг но и Царям. Почему то все забывают про 2 часть а кричат только о том как хорошо плебею. Плебею да тоже дают кольт, но в нем 7 патронов а у некоторых будущих тех стеков в кольте который почти такой же будет 30 патронов и стрельба очередями. Да они стали жить лучше, да революция и все дела. Но не все так просто.
Forwarded from Altex &&&
Это уже не топы в том то и дело. Это устаревшая игра в капу и рынок, ключевые тех олигархи скипают уже это и прямо говорят что такое топы но никто их не слышит. Все привыкли к старому доброму миру, который как раз и заканчивается. Новость была про Гарвард и Оборонку очень красноречивая недавно.
Forwarded from Random 123
Altex &&&
можно угарать над этим но по сути топ это тот у кого может быть мало денег, но близкая связь с каким нить Карпом или кем повыше. Возможности такого человека будут в ближайшие годы выше чем многих сео.
Удивитесь, но когда Вы выводите свой стартап на лярд+ в год, у Вас неизбежно образуется "близкая связь с каким нить Карпом или кем повыше". Разумеется при наличии нормальных софт-скилов.