⚡️ СБЕР: Мегатренды «Будущее 2035+»

К 2035 году изменится не только набор технологий — трансформируется сама логика жизни, потребления и взаимодействия с брендами. Цифровая среда станет базовой, а конкуренция развернётся уже не за продукт, а за место в повседневных сценариях человека.

СБЕР выделяет 5 основных мегатрендов:

🔣 Превосходство серебряного мира. 40% населения в России к 2035 году —поколение Х (51-72 год), и бэби-бумеры (старше 72). Большие накопления, наличие свободного времени и растущая численность делают серебряное поколение привлекательным потребительским сегментом, вызывая развитие продуктов и услуг по Управлению Будущим.

🔣 Развитие агломераций и деградация малых городов. К 2035 году 80 млн. человек (прирост 30 млн. человек) будут жить в агломерациях, которые становятся ключевой экономической единицей. Это может привести к росту одиночества и метальных расстройств.

🔣 AI-мир: трансформация рынка труда и образования. Специалисты трансформируются во фрилансеров. Жизненного призвания больше не существует, профессии и навыки будут исчезать с выходом новых инноваций. Человек конкурирует с AI за рабочие места.

🔣 Phygital-мир. Появление виртуальной геополитики, где анклавы определяются едиными технологическими и информационными пространствами: поляризация снаружи и интеграция внутри.

🔣 Системное разделение на «богатых» и «бедных». Принадлежность определяет структуру образования, проживания в агломерациях, набор компетенций, формат трудовой занятости и уровень владения технологиями.

🎉#Полезняшки канала MEDIA RESEARCHES на  канале Дорога Единорога

💰 Гонка за AGI - это не только технологии. Это ещё и риск банкротства на триллионы.

Dwarkesh спросил CEO Anthropic Дарио Амодеи:
почему он так уверен в AGI, но при этом осторожен с масштабным строительством дата-центров?

Ответ оказался жёстким.

Если рынок AI продолжит расти в 10× в год,
компания может выйти на $1 трлн выручки к 2027 году.

Чтобы поддержать такой рост, придётся закупить примерно $5 трлн вычислительных мощностей.

Но здесь и кроется опасность.

Если прогноз окажется немного оптимистичным - например:
- не $1T, а $800B выручки
- рост замедлится до 5×
- или рынок сдвинется всего на 1 год

→ компания просто обанкротится.

По словам Амодеи:

Если ты ошибся в прогнозе, нет силы и нет хеджа, которые спасут от банкротства после таких инвестиций.

Главная мысль:

AGI - это не только гонка моделей.
Это самая рискованная инфраструктурная ставка в истории технологий.

Поэтому «действовать ответственно» -не значит инвестировать сотни миллиардов.

И, по его словам, некоторые игроки в гонке ИИ, возможно, даже не просчитали все риски до конца.

🚀 Полное интервью

Глава OpenAI Альтман – о том, что к 2028 году появится «сверхразум», который заменит ученых и руководителей:

Мы полагаем, что до появления первых версий настоящего сверхразума нас отделяет всего пара лет. Если мы правы, то к концу 2028 года в центрах обработки данных будет сосредоточено больше интеллектуальных ресурсов, чем за их пределами. Это необычное заявление. И, конечно, мы можем ошибаться, но я думаю, что это действительно заслуживает серьезного рассмотрения.

Сверхинтеллект на определенном этапе своего развития способен выполнять работу генерального директора крупной компании лучше, чем любой руководитель, в том числе лучше, чем я, или проводить исследования лучше, чем наши лучшие ученые.

❤️ Скотт Риттер в Telegram!
Мы в MAX👈📲

📁 Эндрю Ын, один из пионеров ИИ и сооснователь Google Brain, говорит, что большинство высокоразмерных данных проще, чем кажется.

Датасет размерности 10 000 часто лежит в гораздо меньшем подпространстве.

Если сначала его сжать, обучение становится быстрее, дешевле и эффективнее.

Иногда интеллект это не добавлять больше. Это разумно сокращать.

👉 @DataSciencegx

Исследователи внедрили одного вредоносного агента в группу LLM-агентов. Вся сеть не смогла прийти к консенсусу.

Это проблема византийских генералов — классический кошмар распределённых систем, которому уже больше 40 лет.

И теперь это проблема и ваших agent-pipeline.

Даже в полностью «честной» среде, где вообще нет злонамеренных участников, LLM-агенты всё равно часто не могут сойтись на общих значениях. И ситуация становится хуже по мере увеличения числа агентов в группе.

Причём характер сбоя показательный.
Это не скрытая подмена ценностей. Не один агент тихо проталкивает неправильный ответ. Модели просто.. застревают. Тайм-ауты. Круговые обсуждения. Разговор никогда не приходит к общему решению.

Почему это важно: весь хайп вокруг multi-agent AI строится на предположении, что координация работает. Рои автономных агентов, коллективное решение задач, децентрализованные AI-системы. Всё это предполагает, что если посадить несколько LLM в «комнату» и дать им протокол общения, они смогут прийти к общему решению.

Проблема византийского консенсуса — одна из самых старых и изученных задач распределённых систем. Классические алгоритмы решили её десятилетия назад с жёсткими математическими гарантиями. Вопрос был в том, смогут ли LLM-агенты добиться того же через естественный язык, а не через формальные протоколы.

Пока что ответ — нет. И причина довольно фундаментальная.

Традиционные алгоритмы консенсуса работают потому, что каждый узел выполняет одинаковый детерминированный протокол.
LLM же стохастические. Один и тот же промпт может давать разные ответы в разных запусках.

Согласие, достигнутое на третьем раунде обсуждения, может развалиться на четвёртом, когда агенты пересмотрят своё рассуждение после чтения ответов других.

В этом и есть фундаментальное несоответствие: алгоритмы консенсуса предполагают детерминированные state machines, а LLM — их противоположность.

Это также означает, что тезис «больше агентов = лучше ответы» имеет потолок, который почти никто не измеряет. После определённого размера группы издержки координации и провалы сходимости начинают перевешивать пользу от разнообразия мнений.

Практическое следствие довольно неприятное для тех, кто строит multi-agent системы для задач с высокими рисками. Надёжное согласие не возникает само, если просто посадить умных агентов за один стол. Его нужно явно проектировать, с формальными гарантиями, а не надеяться, что оно появится само.

При этом multi-agent системы уже начинают внедрять в финансы, медицину и автономную инфраструктуру. А проблема консенсуса — самый базовый механизм координации — до сих пор не решена.

👉 @DataSciencegx