😸Филимон с новостями в мире ИИ: от апокалипсиса до технологического рая

О будущем ИИ спорят все больше. Недавно мы обсуждали, как изменится мир к 2030 году, а экономисты Financial Times уже строят прогнозы на 2050.

График Financial Times показывает три возможных сценария развития искусственного интеллекта к 2050 году:

1️⃣ Технологическая сингулярность: конец дефицита
ИИ настолько повышает продуктивность, что ресурсы становятся почти бесплатными. Очереди в магазинах исчезают, продукты и жилье становятся доступными для всех.

2️⃣ Рост экономики, усиленный ИИ
ИИ ускоряет экономику: примерно +0,2 % к росту ВВП на душу населения. Мир меняется постепенно, комфорт жизни повышается, продуктивность растет, но дефицит еще сохраняется.

3️⃣ Технологическая сингулярность: вымирание человечества
Сверхразумный ИИ выходит из-под контроля и становится угрозой для людей. Экономика, безопасность, повседневная жизнь — все оказывается под угрозой.

Авторы графика считают, что оба экстремальных сценария (1 и 3) маловероятны. Но сам график хорошо показывает, насколько широкий диапазон будущего может открыть развитие ИИ.

🔹ИИ уже меняет экономику и рынок труда
🔹Даже умеренный рост может сильно повлиять на жизнь людей и бизнес
🔹Развитие ИИ нужно контролировать и делать безопасным для всех

😸Филимон отправляется искать броню от ИИ

😸Филимон с картой будущего: ИИ меняет рынок труда

Андрей Карпаты, сооснователь OpenAI и бывший директор по ИИ в Tesla, опубликовал интерактивную карту профессий:
https://karpathy.ai/jobs/

На ней представлены 342 профессии с оценкой того, насколько задачи внутри них могут быть автоматизированы с помощью ИИ.

Карта работает в нескольких режимах:
🔹BLS Outlook — прогноз роста занятости по профессиям
🔹Median Pay — медианная зарплата для каждой профессии
🔹Education — требуемый уровень образования для работы
🔹Digital AI Exposure — оценка, показывающая, насколько задачи профессии могут быть автоматизированы ИИ

Как формируется Digital AI Exposure?
Для каждой профессии сначала составляется ее семантическое описание задач: то есть не просто название профессии, а перечень конкретных действий, которые выполняют работники, — например, разработчик пишет код, тестирует, исправляет ошибки; юрист читает и анализирует тексты, готовит правовые документы и объясняет выводы клиентам.

Затем LLM оценивает, насколько задачи каждой профессии могут быть выполнены ИИ, и выставляет баллы по шкале от 0 до 10: чем выше оценка, тем больше задач, которые модель считает потенциально автоматизируемыми.
❗️Это лишь теоретический потенциал автоматизации, а не прогноз исчезновения работы

📌Результаты
В зоне высокой ИИ-экспозиции оказалось около 42% рабочих мест в США — примерно 60 миллионов позиций с суммарным фондом зарплат $3,7 трлн.

Наибольшие оценки получили юридические помощники, разработчики ПО, аналитики данных, финансовые аналитики, копирайтеры, переводчики, графические дизайнеры🫠

Минимальные баллы оказались у профессий физического труда: сантехники, электрики, специалисты по уборке, пожарные, строители, ландшафтные дизайнеры.

🔸Высокооплачиваемые профессии, требующие высшее образование, оказались более уязвимыми, несмотря на прогнозируемый рост занятости, тогда как низкооплачиваемые профессии растут медленнее, но почти не поддаются влиянию ИИ.

Однако, это не значит, что все остаются без работы в будущем или зря учатся — речь о сдвиге приоритетов: от простого выполнения задач к принятию решений и пониманию, что именно нужно делать.

😸Филимон убегает изучать карту дальше

😸Филимон на разведке: обнаружено еще одно мистическое явление в мире ИИ

Последние данные с OpenRouter: китайские модели уже вторую неделю подряд обгоняют американские по реальному использованию — ~4,69 трлн. токенов в неделю против ~3,29 трлн.

В игре призрак Hunter Alpha, новая модель, появившаяся на OpenRouter. За 4 дня — около 0,66 трлн. токенов. Это больше, чем у большинства известных моделей.

11 марта на OpenRouter она возникла из ниоткуда — без разработчика, без анонсов ранее. Заявленные характеристики — около 1 трлн. параметров, контекст до 1 млн. токенов и фокус на агентные задачи: длинные цепочки действий, планирование и другое. То есть это не чат-бот, а скорее движок для агентных систем.

Что происходит на рынке ИИ?
Мы привыкли оценивать модели по бенчмаркам — кто умнее и качественнее отвечает. Но в продакшене решает другое: стоимость выполнения задачи. Рынок голосует не тестами, а API-запросами и счетами за токены.

🧮С переходом к агентным системам это стало особенно заметно. Если обычная модель отвечает на отдельные запросы и тратит на это тысячи токенов, то агентные системы выполняют сложные задачи и тратят сотни тысяч и даже миллионы токенов на одну задачу. В таких условиях цена становится решающим фактором.

Разница в цене за 1 миллион токенов:
🔸~$5–25 у топовых моделей
🔸~$0,3–1 у альтернатив
(в промышленном масштабе эта разница ощущается еще сильнее)

Поэтому компании все чаще тестируют и далее внедряют альтернативные (в том числе китайские) модели. Не потому, что они лучше, а потому что они дают приемлемый результат за гораздо меньшие деньги.

Разница в подходах🇨🇳🇺🇸
США долго оптимизировали качество и бенчмарки, Китай сосредоточился на дешевой и масштабируемой обработке запросов. В мире агентных нагрузок начинает выигрывать второй подход.

👻Вернемся к нашему призраку
Hunter Alpha — симптом изменения рынка ИИ. Он показывает простую вещь: если модель дешевая, удобная и подходит под реальные задачи, ее начнут массово использовать — даже если никто не знает, кто ее сделал. Бренд и маркетинг отходят на второй план. Это уже не рынок громких имен (OpenAI, Anthropic и т.д.), а рынок, где решают цена, масштаб и практическая польза.

В сети уже активно обсуждают, кто стоит за этим призраком. Сначала большинство было уверено, что это DeepSeek V4. Потом появились версии про Zhipu AI и даже OpenAI. Но, как показывают наблюдения, это почти не влияет на практическую значимость модели.

😸Филимон пришел к выводу, что сейчас гонка идет не за самой лучшей моделью, а за тем, сколько реально стоит выполнение конкретной задачи. В этой игре выигрывает не тот, у кого самая умная модель, а тот, кто может выбрать решение с оптимальным соотношением цены и качества. Главный вопрос теперь не "какая модель качественнее?", а "какую модель можно позволить себе в продакшене, чтобы качественно была выполнена задача?".

😸 Пока Филимон, как порядочный кот, шкодил — разработчики кодили.

И накодили новую фичу в Главфокусе - синтетическое голосование.

Теперь можно:

— задать вопрос аудитории
— получить распределение ответов
— увидеть реакцию разных сегментов
— заранее понять, где вас ждёт сюрприз

🤖 Без реальных респондентов
⚡️ За минуты
🧠 С аналитикой, а не «ну вроде должно зайти»

Филимон, как младший аналитик, сразу полез проверять.

📊 Ситуация:
в РФ идет внедрение белых списков для ограничения доступа к иностранным ресурсам в Интернет

❓ Вопрос:
Нужон ли вам Интернет?

Результат:

1️⃣ «На *** не нужон» — 86%
2️⃣ «Нужон хороший, суверенный» — 14%
3️⃣ «Я против любых ограничений» — 0%

Филимон сначала подумал, что система сломалась, а потом посмотрел на аудиторию:

👨🏻‍🦳 Возраст 82% — 65+, 18% - 50-64
🏠 место проживания - глухое село
💻 навыки ПК — отсутствуют
👷‍♂️ занятость — 100% не трудоустроены
👩‍🎓образование — ПТУ
⭐️политические предпочтения - коммунист
🐄 наличие коровы — не менее двух!

И аккуратно закрыл отчёт. А вы можете открыть (если вдруг захотите посмотреть на 100 человек без интернета).

😸Филимон с новостями из мира музыки.

Lyria 3 от Google научилась понимать музыку, а не просто имитировать шум .

🧠 Теперь это не просто «симуляция звука», а понимание музыкальной теории. Если LLM предсказывают следующее слово, то Lyria научилась предсказывать следующую гармоническую долю.

⚙️ Что изменилось под капотом?
Технически Lyria 3 ушла от работы со спектрограммами (картинками звука) к более глубокой архитектуре:

🔹 MLAD (Multimodal Latent Audio Diffusion) - модель сначала строит математический «скелет» песни (темп, тональность, аккорды) и только потом «раскрашивает» его инструментами. Это дает кристально чистый звук 48 кГц / 24 бит.
🔹 Neural Pitch Mapping - отдельная нейросеть имитирует работу гортани: добавляет микро-вдохи, естественное дрожание нот и живые паузы.
🔹Stems (Мультитреки) - модель обучалась на изолированных дорожках, поэтому она понимает физику каждого инструмента отдельно.

🛡 Юридический слой и SynthID
Главная проблема ИИ-музыки - авторство. Google встроил SynthID: это невидимый водяной знак прямо в аудиоволне. Он выживает даже после записи на диктофон и подтверждает, что трек создан легально на базе каталога YouTube Music.

🎯 Почему это важно для айтишников?
Аудио-стек наконец-то готов к продакшену. Lyria 3 полностью интегрирована в Gemini API, а значит - никаких сторонних костылей.
Разработчикам уже доступны в Google AI Studio и Vertex AI:
🔹 lyria-3-pro-preview - для генерации полноценных композиций.
🔹 lyria-3-clip-preview - для создания быстрых лупов и эффектов (до 30 сек).

🎧 Как это звучит?
В качестве примера - трек «Степной Порыв», созданный с помощью Lyria 3.

😸Филимон убегает дописывать свой первый ИИ-альбом.