Бывшие сотрудники Anthropic привлекли $200 млн на создание ИИ, который будет разрабатывать новый ИИ
На фоне разговоров о том, что искусственный интеллект скоро начнёт самостоятельно улучшать самого себя, на рынке появился стартап, который делает именно на эту идею главную ставку.
Компания Mirendil, основанная бывшими исследователями Anthropic Бехнамом Нейшабуром и Харшем Мехтой, объявила о привлечении $200 млн инвестиций при оценке в $1 млрд. В числе инвесторов — Andreessen Horowitz, Kleiner Perkins и Nvidia.
Идея проекта звучит почти рекурсивно: создать ИИ для разработки ИИ.
Сегодня крупнейшие лаборатории вроде Anthropic, OpenAI и Google уже активно используют собственные модели для написания кода, проведения исследований и улучшения следующих поколений моделей. По данным Anthropic, более 80% кода внутри компании уже пишет Claude.
Однако существует важный нюанс. Крупные лаборатории не слишком хотят делиться этими возможностями с другими разработчиками. Например, условия использования Claude запрещают применять модель для создания конкурирующих ИИ-систем.
Основатели Mirendil считают, что это создаёт серьёзный дисбаланс на рынке. Пока несколько крупнейших компаний ускоряют собственные исследования с помощью ИИ, независимые исследователи и небольшие лаборатории остаются в менее выгодном положении.
Поэтому Mirendil хочет создать инструменты, которые позволят учёным, университетам и небольшим компаниям ускорять собственные исследования и разработку моделей.
Авторы проекта называют это не просто «ИИ для науки», а «ИИ для ИИ для науки».
Предполагается, что в будущем такие системы смогут помогать создавать специализированные модели для медицины, материаловедения, биологии и других научных областей. Например, разрабатывать ИИ, способный предсказывать риск болезни Альцгеймера или искать новые материалы с заданными свойствами.
Особенно любопытно, что основатели открыто поддерживают концепцию так называемого рекурсивного самоулучшения — идеи, согласно которой ИИ сможет улучшать собственный код без участия человека.
Для многих специалистов по безопасности именно этот сценарий считается одной из потенциальных точек риска. Anthropic недавно даже призывала обсуждать возможность глобального замедления развития ИИ именно из-за приближения подобных возможностей.
Но в Mirendil смотрят на проблему иначе.
По мнению Нейшабура, самоулучшение ИИ — это не угроза, а самый быстрый путь к ускорению научного прогресса. Вопрос лишь в том, чтобы научиться безопасно контролировать этот процесс.
На практике стартап пытается занять весьма необычную нишу. Если большинство компаний сегодня создают модели для конечных пользователей, то Mirendil хочет стать поставщиком инструментов для самих разработчиков искусственного интеллекта.
Фактически речь идёт о создании инфраструктуры, которая позволит тысячам исследовательских групп строить собственные специализированные модели вместо зависимости от нескольких гигантов рынка.
Пока у компании около 20 сотрудников и один офис в Сан-Франциско. Первый продукт и первая модель должны появиться уже в ближайшие месяцы.
В определённом смысле это ещё один фронт в борьбе за будущее ИИ. Одни компании стремятся сосредоточить самые мощные технологии внутри нескольких закрытых экосистем. Другие пытаются сделать инструменты создания ИИ максимально доступными.
Mirendil делает ставку именно на второй вариант.
#ai #anthropic #mirendil #openai #nvidia #machinelearning #agi #opensourceai
На фоне разговоров о том, что искусственный интеллект скоро начнёт самостоятельно улучшать самого себя, на рынке появился стартап, который делает именно на эту идею главную ставку.
Компания Mirendil, основанная бывшими исследователями Anthropic Бехнамом Нейшабуром и Харшем Мехтой, объявила о привлечении $200 млн инвестиций при оценке в $1 млрд. В числе инвесторов — Andreessen Horowitz, Kleiner Perkins и Nvidia.
Идея проекта звучит почти рекурсивно: создать ИИ для разработки ИИ.
Сегодня крупнейшие лаборатории вроде Anthropic, OpenAI и Google уже активно используют собственные модели для написания кода, проведения исследований и улучшения следующих поколений моделей. По данным Anthropic, более 80% кода внутри компании уже пишет Claude.
Однако существует важный нюанс. Крупные лаборатории не слишком хотят делиться этими возможностями с другими разработчиками. Например, условия использования Claude запрещают применять модель для создания конкурирующих ИИ-систем.
Основатели Mirendil считают, что это создаёт серьёзный дисбаланс на рынке. Пока несколько крупнейших компаний ускоряют собственные исследования с помощью ИИ, независимые исследователи и небольшие лаборатории остаются в менее выгодном положении.
Поэтому Mirendil хочет создать инструменты, которые позволят учёным, университетам и небольшим компаниям ускорять собственные исследования и разработку моделей.
Авторы проекта называют это не просто «ИИ для науки», а «ИИ для ИИ для науки».
Предполагается, что в будущем такие системы смогут помогать создавать специализированные модели для медицины, материаловедения, биологии и других научных областей. Например, разрабатывать ИИ, способный предсказывать риск болезни Альцгеймера или искать новые материалы с заданными свойствами.
Особенно любопытно, что основатели открыто поддерживают концепцию так называемого рекурсивного самоулучшения — идеи, согласно которой ИИ сможет улучшать собственный код без участия человека.
Для многих специалистов по безопасности именно этот сценарий считается одной из потенциальных точек риска. Anthropic недавно даже призывала обсуждать возможность глобального замедления развития ИИ именно из-за приближения подобных возможностей.
Но в Mirendil смотрят на проблему иначе.
По мнению Нейшабура, самоулучшение ИИ — это не угроза, а самый быстрый путь к ускорению научного прогресса. Вопрос лишь в том, чтобы научиться безопасно контролировать этот процесс.
На практике стартап пытается занять весьма необычную нишу. Если большинство компаний сегодня создают модели для конечных пользователей, то Mirendil хочет стать поставщиком инструментов для самих разработчиков искусственного интеллекта.
Фактически речь идёт о создании инфраструктуры, которая позволит тысячам исследовательских групп строить собственные специализированные модели вместо зависимости от нескольких гигантов рынка.
Пока у компании около 20 сотрудников и один офис в Сан-Франциско. Первый продукт и первая модель должны появиться уже в ближайшие месяцы.
В определённом смысле это ещё один фронт в борьбе за будущее ИИ. Одни компании стремятся сосредоточить самые мощные технологии внутри нескольких закрытых экосистем. Другие пытаются сделать инструменты создания ИИ максимально доступными.
Mirendil делает ставку именно на второй вариант.
#ai #anthropic #mirendil #openai #nvidia #machinelearning #agi #opensourceai
The Wall Street Journal
Anthropic Veterans’ Startup Seeks to Help Scientists Develop Their Own AI
Mirendil raises $200 million from Andreessen Horowitz and Kleiner Perkins to make AI that can do the job of an AI engineer.
❤1
В Walmart обычный логист с помощью ИИ придумал систему, которая помогает дальнобойщикам быстрее возвращаться домой
Когда говорят об ИИ на работе, обычно обсуждают увольнения, сокращения и автоматизацию. Но иногда появляются истории совсем другого рода.
Лео Гарсия работает региональным менеджером по перевозкам в Walmart и отвечает за сотни грузовиков в районе Чикаго. До этого он сам больше пяти лет работал дальнобойщиком и хорошо знает, что такое неделями жить в дороге.
По его словам, одна из самых неприятных задач в логистике — вернуть водителя домой вовремя и при этом не гонять грузовик пустым.
Для компании пустые пробеги стоят дорого. После доставки товара машину стараются загрузить чем-то ещё по пути обратно. Но подобрать оптимальный маршрут среди сотен складов, магазинов и поставщиков — задача сложная даже для опытного диспетчера.
Недавно Гарсия прошёл курс по искусственному интеллекту через внутреннюю образовательную программу Walmart. После этого он решил попробовать решить проблему самостоятельно.
Используя корпоративного ИИ-помощника для программирования с забавным названием Code Puppy, он создал инструмент, который анализирует сотни доступных грузов и предлагает несколько лучших вариантов для каждого водителя.
Система учитывает географию маршрута, время готовности груза, расстояния и другие параметры. Вместо долгого ручного поиска менеджер получает готовый список оптимальных решений за считанные секунды.
Один из недавних случаев хорошо показывает практическую пользу такого подхода.
Водитель возвращался домой в Висконсин и должен был забрать груз по дороге. Однако на месте выяснилось, что погрузка задерживается на три часа. Водитель мог подождать, но тогда приехал бы домой значительно позже.
ИИ-система быстро нашла другого поставщика всего в пяти милях от текущего места, у которого уже был готов груз в тот же пункт назначения. В результате водитель уехал без задержек и вернулся домой вовремя. Исходный груз позже забрал другой водитель.
Пока инструмент тестируется внутри компании, но Walmart уже рассматривает возможность более широкого внедрения.
Любопытно здесь даже не само приложение, а то, кто его создал.
Не команда инженеров из Кремниевой долины, а человек, который когда-то пришёл работать на склад Walmart в 18 лет, потом водил грузовики, а спустя годы с помощью ИИ смог самостоятельно разработать программный инструмент для огромной логистической сети.
Это хороший пример того, как меняется роль сотрудников в эпоху ИИ. Вместо того чтобы ждать решения от IT-отдела, люди, которые лучше всех понимают реальные рабочие проблемы, начинают создавать нужные им инструменты сами.
Именно такие истории пока выглядят куда убедительнее разговоров о том, что ИИ просто заменит людей.
#ai #walmart #logistics #trucking #automation #coding #productivity #workforce
Когда говорят об ИИ на работе, обычно обсуждают увольнения, сокращения и автоматизацию. Но иногда появляются истории совсем другого рода.
Лео Гарсия работает региональным менеджером по перевозкам в Walmart и отвечает за сотни грузовиков в районе Чикаго. До этого он сам больше пяти лет работал дальнобойщиком и хорошо знает, что такое неделями жить в дороге.
По его словам, одна из самых неприятных задач в логистике — вернуть водителя домой вовремя и при этом не гонять грузовик пустым.
Для компании пустые пробеги стоят дорого. После доставки товара машину стараются загрузить чем-то ещё по пути обратно. Но подобрать оптимальный маршрут среди сотен складов, магазинов и поставщиков — задача сложная даже для опытного диспетчера.
Недавно Гарсия прошёл курс по искусственному интеллекту через внутреннюю образовательную программу Walmart. После этого он решил попробовать решить проблему самостоятельно.
Используя корпоративного ИИ-помощника для программирования с забавным названием Code Puppy, он создал инструмент, который анализирует сотни доступных грузов и предлагает несколько лучших вариантов для каждого водителя.
Система учитывает географию маршрута, время готовности груза, расстояния и другие параметры. Вместо долгого ручного поиска менеджер получает готовый список оптимальных решений за считанные секунды.
Один из недавних случаев хорошо показывает практическую пользу такого подхода.
Водитель возвращался домой в Висконсин и должен был забрать груз по дороге. Однако на месте выяснилось, что погрузка задерживается на три часа. Водитель мог подождать, но тогда приехал бы домой значительно позже.
ИИ-система быстро нашла другого поставщика всего в пяти милях от текущего места, у которого уже был готов груз в тот же пункт назначения. В результате водитель уехал без задержек и вернулся домой вовремя. Исходный груз позже забрал другой водитель.
Пока инструмент тестируется внутри компании, но Walmart уже рассматривает возможность более широкого внедрения.
Любопытно здесь даже не само приложение, а то, кто его создал.
Не команда инженеров из Кремниевой долины, а человек, который когда-то пришёл работать на склад Walmart в 18 лет, потом водил грузовики, а спустя годы с помощью ИИ смог самостоятельно разработать программный инструмент для огромной логистической сети.
Это хороший пример того, как меняется роль сотрудников в эпоху ИИ. Вместо того чтобы ждать решения от IT-отдела, люди, которые лучше всех понимают реальные рабочие проблемы, начинают создавать нужные им инструменты сами.
Именно такие истории пока выглядят куда убедительнее разговоров о том, что ИИ просто заменит людей.
#ai #walmart #logistics #trucking #automation #coding #productivity #workforce
Business Insider
Walmart truckers are getting a shorter drive home thanks to one manager's AI project
Walmart load manager Leo Garcia took what he learned from a Google AI certification course to vibe code an app that gets truck drivers home faster.
Потребители устали от ИИ. Новое исследование показывает, что упоминание AI в рекламе всё чаще раздражает людей
Пока компании наперебой добавляют в презентации слова «AI-powered» и рассказывают о революции искусственного интеллекта, аудитория, похоже, начинает от этого уставать.
Согласно новому исследованию Harris Poll, 4As и Infillion, большинство потребителей относятся к использованию ИИ в рекламе заметно хуже, чем маркетологи рассчитывали.
78% опрошенных считают, что реклама, созданная с помощью ИИ, выглядит менее аутентичной. Ровно столько же заявили, что бренды начинают выглядеть нелепо, когда слишком активно подчёркивают использование искусственного интеллекта.
Но самое интересное касается доверия и продаж.
73% респондентов сообщили, что будут меньше доверять рекламе, если заподозрят, что она создана ИИ.
А 63% заявили, что с меньшей вероятностью купят продукт компании, использующей AI-генерацию в рекламных материалах.
Получается любопытный парадокс.
С одной стороны, рекламная индустрия стремительно внедряет искусственный интеллект. Более половины маркетологов уже используют его для генерации идей и концепций. Почти половина применяет ИИ для создания визуалов. Всё чаще технология участвует в написании текстов, подборе аудиторий и медиапланировании.
С другой стороны, сами потребители начинают воспринимать бесконечные разговоры про ИИ как раздражающий маркетинговый шум.
54% участников исследования признались, что слышат про искусственный интеллект настолько часто, что это начинает их раздражать.
А 65% вообще хотели бы больше никогда не видеть бессмысленные упоминания ИИ в маркетинговых материалах.
Фактически мы наблюдаем рождение нового потребительского скепсиса.
Несколько лет назад многие компании пытались продавать товары через слова «экологичный», «блокчейн», «метавселенная» или «NFT». Теперь похожая судьба начинает настигать и термин «искусственный интеллект».
Людей всё меньше интересует сам факт использования технологии. Их интересует результат.
Поэтому часть брендов уже меняет стратегию. Вместо того чтобы хвастаться ИИ, они делают акцент на человеческом труде и реальных людях.
Apple, например, всё чаще показывает закулисные съёмки своих рекламных кампаний, подчёркивая ручную работу команды.
Некоторые компании пошли ещё дальше и начали иронизировать над так называемым AI slop — потоком однотипного AI-контента, который заполонил интернет. Они используют эту иронию как способ подчеркнуть подлинность собственных продуктов.
Похоже, рынок постепенно приходит к простой мысли: люди хотят не искусственный интеллект ради искусственного интеллекта, а хорошие продукты, сервисы и рекламу.
Если ИИ помогает их создавать — отлично.
Если же он становится главным героем маркетинговой кампании, аудитория всё чаще закатывает глаза.
#ai #marketing #advertising #branding #consumertrust #apple #cocacola #artificialintelligence
Пока компании наперебой добавляют в презентации слова «AI-powered» и рассказывают о революции искусственного интеллекта, аудитория, похоже, начинает от этого уставать.
Согласно новому исследованию Harris Poll, 4As и Infillion, большинство потребителей относятся к использованию ИИ в рекламе заметно хуже, чем маркетологи рассчитывали.
78% опрошенных считают, что реклама, созданная с помощью ИИ, выглядит менее аутентичной. Ровно столько же заявили, что бренды начинают выглядеть нелепо, когда слишком активно подчёркивают использование искусственного интеллекта.
Но самое интересное касается доверия и продаж.
73% респондентов сообщили, что будут меньше доверять рекламе, если заподозрят, что она создана ИИ.
А 63% заявили, что с меньшей вероятностью купят продукт компании, использующей AI-генерацию в рекламных материалах.
Получается любопытный парадокс.
С одной стороны, рекламная индустрия стремительно внедряет искусственный интеллект. Более половины маркетологов уже используют его для генерации идей и концепций. Почти половина применяет ИИ для создания визуалов. Всё чаще технология участвует в написании текстов, подборе аудиторий и медиапланировании.
С другой стороны, сами потребители начинают воспринимать бесконечные разговоры про ИИ как раздражающий маркетинговый шум.
54% участников исследования признались, что слышат про искусственный интеллект настолько часто, что это начинает их раздражать.
А 65% вообще хотели бы больше никогда не видеть бессмысленные упоминания ИИ в маркетинговых материалах.
Фактически мы наблюдаем рождение нового потребительского скепсиса.
Несколько лет назад многие компании пытались продавать товары через слова «экологичный», «блокчейн», «метавселенная» или «NFT». Теперь похожая судьба начинает настигать и термин «искусственный интеллект».
Людей всё меньше интересует сам факт использования технологии. Их интересует результат.
Поэтому часть брендов уже меняет стратегию. Вместо того чтобы хвастаться ИИ, они делают акцент на человеческом труде и реальных людях.
Apple, например, всё чаще показывает закулисные съёмки своих рекламных кампаний, подчёркивая ручную работу команды.
Некоторые компании пошли ещё дальше и начали иронизировать над так называемым AI slop — потоком однотипного AI-контента, который заполонил интернет. Они используют эту иронию как способ подчеркнуть подлинность собственных продуктов.
Похоже, рынок постепенно приходит к простой мысли: люди хотят не искусственный интеллект ради искусственного интеллекта, а хорошие продукты, сервисы и рекламу.
Если ИИ помогает их создавать — отлично.
Если же он становится главным героем маркетинговой кампании, аудитория всё чаще закатывает глаза.
#ai #marketing #advertising #branding #consumertrust #apple #cocacola #artificialintelligence
Marketing Brew
Consumers are sick and tired of hearing about AI all the time
New research found that large majorities of consumers are less likely to trust ads made by AI and less likely to buy from brands that use AI-generated ads.
Анти-ИИ движение только начинает набирать силу
Ещё недавно страх перед искусственным интеллектом считался уделом программистов, футурологов и любителей научной фантастики. Теперь он постепенно становится политическим вопросом.
По мнению The Economist, нынешняя волна недовольства ИИ — лишь начало гораздо более масштабного противостояния.
Пока искусственный интеллект остаётся относительно низким приоритетом для большинства избирателей. В США он занимает лишь 29-е место среди тем, влияющих на выборы. Но по мере распространения технологии ситуация быстро меняется.
Самым заметным фронтом борьбы стали дата-центры.
В Америке протесты уже привели к отмене или заморозке проектов общей стоимостью почти $100 млрд. Причём сопротивление часто оказывается сильнее, чем при строительстве атомных электростанций. Согласно опросам, многие американцы охотнее согласились бы увидеть рядом с домом ядерный реактор, чем новый дата-центр.
На первый взгляд это кажется странным. Дата-центр — просто большое здание с серверами.
Но дело не в зданиях.
Для многих людей дата-центры стали символом всего, чего они опасаются в связи с ИИ: потери рабочих мест, усиления влияния корпораций, роста энергопотребления и даже гипотетических экзистенциальных рисков.
Сами AI-компании во многом помогли сформировать этот страх. Годами руководители крупнейших лабораторий предупреждали о возможном исчезновении профессий, сверхразумном ИИ, биологических угрозах и других потенциальных опасностях.
В результате общество услышало предупреждения и начало реагировать.
Парадокс заключается в том, что авторы статьи считают саму анти-ИИ реакцию не менее опасной, чем риски технологии.
Если государства начнут массово ограничивать вычислительные мощности или чрезмерно зарегулируют отрасль, они рискуют потерять огромные преимущества.
Сторонники ИИ сравнивают его потенциальное влияние с электричеством или паровой машиной. Технология может ускорить экономический рост, помочь в разработке лекарств, улучшить образование, науку и промышленность.
Особенно тревожным авторы считают сценарий, при котором одни страны затормозят развитие ИИ, а другие продолжат двигаться вперёд.
В этом случае США рискуют уступить лидерство Китаю, а Европа может окончательно закрепить своё технологическое отставание.
При этом журнал признаёт, что полностью игнорировать опасения людей нельзя.
Авторы предлагают четыре направления действий.
Во-первых, выгоды от ИИ должны получать не только технологические компании, но и обычные граждане. Если люди увидят реальные преимущества для себя, сопротивление станет слабее.
Во-вторых, реальные угрозы необходимо регулировать жёстко и адресно. Кибератаки, биотерроризм и другие риски нельзя игнорировать, иначе общество потребует запретить всё подряд.
В-третьих, нужно собирать больше объективных данных. Сегодня многие популярные страхи вокруг ИИ основаны на слухах и предположениях, а качественной статистики пока недостаточно.
И наконец, государства должны сами использовать ИИ для улучшения работы государственных услуг. Если искусственный интеллект помогает лечить болезни, обучать детей или упрощать взаимодействие с чиновниками, отношение общества становится заметно более позитивным.
Главная мысль статьи довольно проста.
Технический прогресс больше не является исключительно технической задачей. Создать мощную модель недостаточно. Нужно ещё убедить миллионы людей, что изменения происходят в их интересах.
Иначе вместе с новыми технологиями появятся новые вилы и факелы.
#ai #artificialintelligence #economy #jobs #datacenters #china #technology #politics
Ещё недавно страх перед искусственным интеллектом считался уделом программистов, футурологов и любителей научной фантастики. Теперь он постепенно становится политическим вопросом.
По мнению The Economist, нынешняя волна недовольства ИИ — лишь начало гораздо более масштабного противостояния.
Пока искусственный интеллект остаётся относительно низким приоритетом для большинства избирателей. В США он занимает лишь 29-е место среди тем, влияющих на выборы. Но по мере распространения технологии ситуация быстро меняется.
Самым заметным фронтом борьбы стали дата-центры.
В Америке протесты уже привели к отмене или заморозке проектов общей стоимостью почти $100 млрд. Причём сопротивление часто оказывается сильнее, чем при строительстве атомных электростанций. Согласно опросам, многие американцы охотнее согласились бы увидеть рядом с домом ядерный реактор, чем новый дата-центр.
На первый взгляд это кажется странным. Дата-центр — просто большое здание с серверами.
Но дело не в зданиях.
Для многих людей дата-центры стали символом всего, чего они опасаются в связи с ИИ: потери рабочих мест, усиления влияния корпораций, роста энергопотребления и даже гипотетических экзистенциальных рисков.
Сами AI-компании во многом помогли сформировать этот страх. Годами руководители крупнейших лабораторий предупреждали о возможном исчезновении профессий, сверхразумном ИИ, биологических угрозах и других потенциальных опасностях.
В результате общество услышало предупреждения и начало реагировать.
Парадокс заключается в том, что авторы статьи считают саму анти-ИИ реакцию не менее опасной, чем риски технологии.
Если государства начнут массово ограничивать вычислительные мощности или чрезмерно зарегулируют отрасль, они рискуют потерять огромные преимущества.
Сторонники ИИ сравнивают его потенциальное влияние с электричеством или паровой машиной. Технология может ускорить экономический рост, помочь в разработке лекарств, улучшить образование, науку и промышленность.
Особенно тревожным авторы считают сценарий, при котором одни страны затормозят развитие ИИ, а другие продолжат двигаться вперёд.
В этом случае США рискуют уступить лидерство Китаю, а Европа может окончательно закрепить своё технологическое отставание.
При этом журнал признаёт, что полностью игнорировать опасения людей нельзя.
Авторы предлагают четыре направления действий.
Во-первых, выгоды от ИИ должны получать не только технологические компании, но и обычные граждане. Если люди увидят реальные преимущества для себя, сопротивление станет слабее.
Во-вторых, реальные угрозы необходимо регулировать жёстко и адресно. Кибератаки, биотерроризм и другие риски нельзя игнорировать, иначе общество потребует запретить всё подряд.
В-третьих, нужно собирать больше объективных данных. Сегодня многие популярные страхи вокруг ИИ основаны на слухах и предположениях, а качественной статистики пока недостаточно.
И наконец, государства должны сами использовать ИИ для улучшения работы государственных услуг. Если искусственный интеллект помогает лечить болезни, обучать детей или упрощать взаимодействие с чиновниками, отношение общества становится заметно более позитивным.
Главная мысль статьи довольно проста.
Технический прогресс больше не является исключительно технической задачей. Создать мощную модель недостаточно. Нужно ещё убедить миллионы людей, что изменения происходят в их интересах.
Иначе вместе с новыми технологиями появятся новые вилы и факелы.
#ai #artificialintelligence #economy #jobs #datacenters #china #technology #politics
The Economist
The AI backlash is only getting started
Here is how to deal with it
ИИ не смог решить главную проблему образования
Когда в 2023 году основатель Khan Academy Сал Хан представил ИИ-репетитора Khanmigo, многие увидели в этом начало образовательной революции. Идея выглядела убедительно: каждый школьник сможет получить персонального наставника, который объяснит любой предмет, на любом языке и в удобном темпе. Позже похожие прогнозы начал делать и глава OpenAI Сэм Альтман, обещая появление виртуальных преподавателей, способных адаптироваться под каждого ученика.
Однако спустя несколько лет энтузиазм заметно поубавился. Хотя количество пользователей Khanmigo выросло с 40 тысяч до почти миллиона человек, реальная вовлечённость оказалась гораздо ниже ожидаемой. Руководство Khan Academy уже признаёт, что для многих учеников запуск ИИ-репетиторов оказался фактически незаметным событием. Доступ к инструменту есть, но пользоваться им регулярно хотят далеко не все.
Проблема оказалась глубже, чем предполагали сторонники образовательного ИИ. Современные языковые модели умеют отвечать на вопросы, подбирать задания и объяснять сложные темы, но они не способны заставить человека учиться. Если ученик не хочет решать задачи или не испытывает интереса к предмету, даже самый умный алгоритм оказывается бессилен.
Именно поэтому исследователи всё чаще говорят, что главная проблема образования никогда не заключалась в нехватке информации. Информации сегодня более чем достаточно. Настоящая проблема — мотивация. Обучение требует усилий, терпения и готовности сталкиваться с собственным непониманием. Это процесс, который редко бывает лёгким и приятным. Как признают сами разработчики Khan Academy, ИИ может помогать в обучении, но пока не способен преодолеть этот мотивационный барьер.
Исследования подтверждают проблему. В США лишь около трети школьников демонстрируют высокий уровень вовлечённости в учёбу, и этот показатель остаётся практически неизменным уже много лет. Более того, образовательные технологии особенно активно используют именно те дети, которые и без того склонны хорошо учиться. Некоторые специалисты называют это «проблемой пяти процентов»: основную пользу от образовательных платформ получает небольшая группа уже мотивированных учеников, тогда как остальные быстро теряют интерес.
Получается парадоксальная ситуация. Технологии, которые должны были сделать образование более доступным и сократить разрыв между учениками, рискуют этот разрыв увеличить. Сильные и мотивированные получают ещё один мощный инструмент для развития, а слабые и незаинтересованные продолжают отставать.
На этом фоне многие педагоги возвращаются к старой мысли: обучение остаётся прежде всего социальным процессом. Хороший учитель ценен не только знаниями. Он умеет заинтересовать, поддержать, потребовать усилий в нужный момент и создать атмосферу, в которой ученику хочется двигаться вперёд. Не менее важны и одноклассники. Совместное решение задач, обсуждения, соревнование и чувство принадлежности к группе оказывают серьёзное влияние на результаты обучения.
Авторы статьи сравнивают это с занятиями спортом. Человек, который не любит тренироваться, гораздо чаще доведёт тренировку до конца в группе, чем в одиночку дома. В образовании работают похожие механизмы. Людей мотивируют другие люди.
Поэтому главный вывод исследования звучит неожиданно для эпохи искусственного интеллекта. Возможно, будущее образования связано не с заменой учителей алгоритмами, а с тем, чтобы сделать самих преподавателей более эффективными с помощью новых технологий. Пока ИИ умеет объяснять материал, но не умеет вдохновлять. А именно способность вдохновлять часто оказывается решающим фактором в обучении.
#ai #education #khanacademy #openai #learning #students #teachers #edtech
Когда в 2023 году основатель Khan Academy Сал Хан представил ИИ-репетитора Khanmigo, многие увидели в этом начало образовательной революции. Идея выглядела убедительно: каждый школьник сможет получить персонального наставника, который объяснит любой предмет, на любом языке и в удобном темпе. Позже похожие прогнозы начал делать и глава OpenAI Сэм Альтман, обещая появление виртуальных преподавателей, способных адаптироваться под каждого ученика.
Однако спустя несколько лет энтузиазм заметно поубавился. Хотя количество пользователей Khanmigo выросло с 40 тысяч до почти миллиона человек, реальная вовлечённость оказалась гораздо ниже ожидаемой. Руководство Khan Academy уже признаёт, что для многих учеников запуск ИИ-репетиторов оказался фактически незаметным событием. Доступ к инструменту есть, но пользоваться им регулярно хотят далеко не все.
Проблема оказалась глубже, чем предполагали сторонники образовательного ИИ. Современные языковые модели умеют отвечать на вопросы, подбирать задания и объяснять сложные темы, но они не способны заставить человека учиться. Если ученик не хочет решать задачи или не испытывает интереса к предмету, даже самый умный алгоритм оказывается бессилен.
Именно поэтому исследователи всё чаще говорят, что главная проблема образования никогда не заключалась в нехватке информации. Информации сегодня более чем достаточно. Настоящая проблема — мотивация. Обучение требует усилий, терпения и готовности сталкиваться с собственным непониманием. Это процесс, который редко бывает лёгким и приятным. Как признают сами разработчики Khan Academy, ИИ может помогать в обучении, но пока не способен преодолеть этот мотивационный барьер.
Исследования подтверждают проблему. В США лишь около трети школьников демонстрируют высокий уровень вовлечённости в учёбу, и этот показатель остаётся практически неизменным уже много лет. Более того, образовательные технологии особенно активно используют именно те дети, которые и без того склонны хорошо учиться. Некоторые специалисты называют это «проблемой пяти процентов»: основную пользу от образовательных платформ получает небольшая группа уже мотивированных учеников, тогда как остальные быстро теряют интерес.
Получается парадоксальная ситуация. Технологии, которые должны были сделать образование более доступным и сократить разрыв между учениками, рискуют этот разрыв увеличить. Сильные и мотивированные получают ещё один мощный инструмент для развития, а слабые и незаинтересованные продолжают отставать.
На этом фоне многие педагоги возвращаются к старой мысли: обучение остаётся прежде всего социальным процессом. Хороший учитель ценен не только знаниями. Он умеет заинтересовать, поддержать, потребовать усилий в нужный момент и создать атмосферу, в которой ученику хочется двигаться вперёд. Не менее важны и одноклассники. Совместное решение задач, обсуждения, соревнование и чувство принадлежности к группе оказывают серьёзное влияние на результаты обучения.
Авторы статьи сравнивают это с занятиями спортом. Человек, который не любит тренироваться, гораздо чаще доведёт тренировку до конца в группе, чем в одиночку дома. В образовании работают похожие механизмы. Людей мотивируют другие люди.
Поэтому главный вывод исследования звучит неожиданно для эпохи искусственного интеллекта. Возможно, будущее образования связано не с заменой учителей алгоритмами, а с тем, чтобы сделать самих преподавателей более эффективными с помощью новых технологий. Пока ИИ умеет объяснять материал, но не умеет вдохновлять. А именно способность вдохновлять часто оказывается решающим фактором в обучении.
#ai #education #khanacademy #openai #learning #students #teachers #edtech
The Atlantic
AI Can’t Fix the Student-Motivation Problem
It turns out bots aren’t great teachers.
Google будет хранить ваши фотографии и голос для обучения ИИ. И это уже включено по умолчанию
Google начал постепенно внедрять новую настройку конфиденциальности под названием Search Services History. Формально компания подаёт её как способ удобнее возвращаться к прошлым поискам, включая голосовые и визуальные запросы. На практике изменение означает, что Google начинает сохранять значительно больше пользовательских данных, чем раньше.
Теперь в историю могут попадать не только текстовые запросы, но и изображения, загруженные через Google Lens, фотографии для обратного поиска, голосовые запросы, аудиозаписи из Google Translate и другой контент, который пользователь отправляет сервисам поиска.
Самое интересное заключается в том, что у многих пользователей эта функция уже оказывается включённой автоматически. Более того, отдельно активирована опция сохранения загруженных медиафайлов, которые могут использоваться для обучения моделей искусственного интеллекта Google.
Журналисты WIRED обнаружили, что после первого посещения страницы настроек все соответствующие галочки уже были установлены. Google не объяснила, почему новая функция запускается именно по принципу opt-out, когда пользователь должен самостоятельно искать способ отказаться, а не opt-in, когда требуется явное согласие.
Если данные уже попали в систему обучения ИИ, удалить их полностью становится невозможно. Согласно предупреждению самой Google, после использования материалов для обучения моделей они отвязываются от конкретного аккаунта, однако могут храниться в обучающих наборах данных до четырёх лет даже после удаления исходной активности пользователем.
По словам представителей Electronic Frontier Foundation, проблема заключается не только в самом сборе данных, но и в масштабе экосистемы Google. Компания контролирует огромное количество популярных сервисов, поэтому большинство пользователей давно привыкли к постоянному обмену данными и редко отслеживают подобные изменения в настройках.
Эксперты по цифровой приватности считают, что практика автоматического включения таких функций постепенно приводит к усталости пользователей. Люди всё чаще чувствуют, что не способны контролировать, какие данные собираются, где они используются и как долго хранятся.
Сама Google утверждает, что новые настройки помогают улучшать качество поиска и позволяют возвращаться к прошлым голосовым или визуальным запросам. Однако критики отмечают любопытную деталь: в уведомлениях компания подробно объясняет преимущества хранения данных, но почти не приводит примеров того, зачем пользователю может быть выгодно разрешать использование своих файлов для обучения ИИ.
Для отключения функции необходимо открыть страницу «Мои действия» в аккаунте Google, перейти в раздел Search Services History и снять галочку с пункта сохранения медиафайлов. Сделать это стоит заранее, потому что после попадания данных в обучающие наборы вернуть контроль над ними уже не получится.
История выглядит как ещё один пример новой реальности, в которой пользователям приходится самостоятельно искать способы отказаться от участия в обучении искусственного интеллекта, вместо того чтобы сначала давать на это согласие.
#ai #google #privacy #search #googlelens #data #security #machinelearning
Google начал постепенно внедрять новую настройку конфиденциальности под названием Search Services History. Формально компания подаёт её как способ удобнее возвращаться к прошлым поискам, включая голосовые и визуальные запросы. На практике изменение означает, что Google начинает сохранять значительно больше пользовательских данных, чем раньше.
Теперь в историю могут попадать не только текстовые запросы, но и изображения, загруженные через Google Lens, фотографии для обратного поиска, голосовые запросы, аудиозаписи из Google Translate и другой контент, который пользователь отправляет сервисам поиска.
Самое интересное заключается в том, что у многих пользователей эта функция уже оказывается включённой автоматически. Более того, отдельно активирована опция сохранения загруженных медиафайлов, которые могут использоваться для обучения моделей искусственного интеллекта Google.
Журналисты WIRED обнаружили, что после первого посещения страницы настроек все соответствующие галочки уже были установлены. Google не объяснила, почему новая функция запускается именно по принципу opt-out, когда пользователь должен самостоятельно искать способ отказаться, а не opt-in, когда требуется явное согласие.
Если данные уже попали в систему обучения ИИ, удалить их полностью становится невозможно. Согласно предупреждению самой Google, после использования материалов для обучения моделей они отвязываются от конкретного аккаунта, однако могут храниться в обучающих наборах данных до четырёх лет даже после удаления исходной активности пользователем.
По словам представителей Electronic Frontier Foundation, проблема заключается не только в самом сборе данных, но и в масштабе экосистемы Google. Компания контролирует огромное количество популярных сервисов, поэтому большинство пользователей давно привыкли к постоянному обмену данными и редко отслеживают подобные изменения в настройках.
Эксперты по цифровой приватности считают, что практика автоматического включения таких функций постепенно приводит к усталости пользователей. Люди всё чаще чувствуют, что не способны контролировать, какие данные собираются, где они используются и как долго хранятся.
Сама Google утверждает, что новые настройки помогают улучшать качество поиска и позволяют возвращаться к прошлым голосовым или визуальным запросам. Однако критики отмечают любопытную деталь: в уведомлениях компания подробно объясняет преимущества хранения данных, но почти не приводит примеров того, зачем пользователю может быть выгодно разрешать использование своих файлов для обучения ИИ.
Для отключения функции необходимо открыть страницу «Мои действия» в аккаунте Google, перейти в раздел Search Services History и снять галочку с пункта сохранения медиафайлов. Сделать это стоит заранее, потому что после попадания данных в обучающие наборы вернуть контроль над ними уже не получится.
История выглядит как ещё один пример новой реальности, в которой пользователям приходится самостоятельно искать способы отказаться от участия в обучении искусственного интеллекта, вместо того чтобы сначала давать на это согласие.
#ai #google #privacy #search #googlelens #data #security #machinelearning
WIRED
Here’s How to Opt Out of Google Search’s New AI Data Training Feature
Google’s Search history update stores media uploads from your interactions, like images used in reverse image searches, for training its AI models.
❤5
Уоррен Баффет вложил $31 миллиард в Google и назвал гонку ИИ игрой, в которую никто не хочет играть
Уоррен Баффет, десятилетиями избегавший технологических компаний, подтвердил, что лично инициировал покупку акций Alphabet на сумму около 31 миллиарда долларов. Ранее предполагалось, что решение мог принять его преемник на посту главы Berkshire Hathaway Грег Абель, однако Баффет заявил, что идея принадлежала именно ему.
Инвестор также признал, что много лет назад совершил ошибку, отказавшись вкладываться в Google. Технологические компании традиционно не соответствовали его подходу: они требовали сравнительно небольших капитальных затрат, а их конкурентные преимущества было трудно оценить на десятилетия вперёд. Однако гонка искусственного интеллекта радикально изменила экономику отрасли.
Google, Microsoft, Amazon и другие технологические гиганты теперь ежегодно направляют сотни миллиардов долларов на строительство дата-центров, закупку ускорителей и создание энергетической инфраструктуры. В глазах Баффета эти компании начали напоминать железные дороги и коммунальные предприятия, то есть капиталоёмкие бизнесы, принципы работы которых ему хорошо знакомы.
Именно эта перемена, судя по всему, и сделала Alphabet понятнее для Berkshire Hathaway. Теперь успех Google зависит не только от программного обеспечения и рекламных алгоритмов, но и от способности финансировать огромную физическую инфраструктуру, необходимую для разработки и эксплуатации моделей ИИ.
При этом Баффет вовсе не считает происходящее комфортной ситуацией для технологических корпораций. По его словам, они оказались втянуты в игру, в которую в действительности не хотели бы играть. Отказаться от многомиллиардных инвестиций нельзя, поскольку это грозит технологическим отставанием, но и гарантии, что расходы когда-либо принесут сопоставимую прибыль, тоже нет.
Получается классическая гонка вооружений. Каждая компания вынуждена тратить всё больше не потому, что видит совершенно ясную экономическую отдачу, а потому, что опасается уступить конкурентам. Даже действующий лидер не может просто сохранить прежнюю бизнес-модель и продолжать получать прибыль, поскольку технологическая смена способна быстро превратить вчерашнее преимущество в отставание.
Несмотря на эти риски, Баффет считает Google одним из наиболее вероятных победителей. По его оценке, у Alphabet гораздо больше шансов добиться успеха, чем у подавляющего большинства компаний, акции которых продаются на Уолл-стрит. Berkshire начала формировать позицию в третьем квартале 2025 года, а за последний месяц увеличила её ещё примерно на 10 миллиардов долларов. Теперь Alphabet занимает пятое или шестое место среди крупнейших активов холдинга.
Google тем временем планирует увеличить расходы на развитие ИИ до 185 миллиардов долларов. Даже глава компании Сундар Пичаи признаёт, что превращение этих инвестиций в работающие дата-центры и преодоление дефицита вычислительных мощностей остаются сложной задачей. Однако он утверждает, что компания способна сохранять высокий темп разработки на протяжении 2026 года.
Инвестиция Баффета интересна не только как редкое появление технологической компании в портфеле Berkshire. Она показывает, насколько сильно ИИ изменил саму природу большого технологического бизнеса. Компании, когда-то ценившиеся за способность масштабировать программное обеспечение почти без дополнительных затрат, теперь вынуждены строить электростанции цифровой эпохи и вкладывать в них суммы, сопоставимые с бюджетами государств.
Баффет, похоже, делает ставку не на то, что эта гонка будет дешёвой или приятной. Он ставит на то, что Google обладает ресурсами, положением на рынке и устойчивостью, необходимыми, чтобы пережить её лучше большинства конкурентов.
#ai #google #alphabet #warrenbuffett #berkshirehathaway #investing #datacenters
Уоррен Баффет, десятилетиями избегавший технологических компаний, подтвердил, что лично инициировал покупку акций Alphabet на сумму около 31 миллиарда долларов. Ранее предполагалось, что решение мог принять его преемник на посту главы Berkshire Hathaway Грег Абель, однако Баффет заявил, что идея принадлежала именно ему.
Инвестор также признал, что много лет назад совершил ошибку, отказавшись вкладываться в Google. Технологические компании традиционно не соответствовали его подходу: они требовали сравнительно небольших капитальных затрат, а их конкурентные преимущества было трудно оценить на десятилетия вперёд. Однако гонка искусственного интеллекта радикально изменила экономику отрасли.
Google, Microsoft, Amazon и другие технологические гиганты теперь ежегодно направляют сотни миллиардов долларов на строительство дата-центров, закупку ускорителей и создание энергетической инфраструктуры. В глазах Баффета эти компании начали напоминать железные дороги и коммунальные предприятия, то есть капиталоёмкие бизнесы, принципы работы которых ему хорошо знакомы.
Именно эта перемена, судя по всему, и сделала Alphabet понятнее для Berkshire Hathaway. Теперь успех Google зависит не только от программного обеспечения и рекламных алгоритмов, но и от способности финансировать огромную физическую инфраструктуру, необходимую для разработки и эксплуатации моделей ИИ.
При этом Баффет вовсе не считает происходящее комфортной ситуацией для технологических корпораций. По его словам, они оказались втянуты в игру, в которую в действительности не хотели бы играть. Отказаться от многомиллиардных инвестиций нельзя, поскольку это грозит технологическим отставанием, но и гарантии, что расходы когда-либо принесут сопоставимую прибыль, тоже нет.
Получается классическая гонка вооружений. Каждая компания вынуждена тратить всё больше не потому, что видит совершенно ясную экономическую отдачу, а потому, что опасается уступить конкурентам. Даже действующий лидер не может просто сохранить прежнюю бизнес-модель и продолжать получать прибыль, поскольку технологическая смена способна быстро превратить вчерашнее преимущество в отставание.
Несмотря на эти риски, Баффет считает Google одним из наиболее вероятных победителей. По его оценке, у Alphabet гораздо больше шансов добиться успеха, чем у подавляющего большинства компаний, акции которых продаются на Уолл-стрит. Berkshire начала формировать позицию в третьем квартале 2025 года, а за последний месяц увеличила её ещё примерно на 10 миллиардов долларов. Теперь Alphabet занимает пятое или шестое место среди крупнейших активов холдинга.
Google тем временем планирует увеличить расходы на развитие ИИ до 185 миллиардов долларов. Даже глава компании Сундар Пичаи признаёт, что превращение этих инвестиций в работающие дата-центры и преодоление дефицита вычислительных мощностей остаются сложной задачей. Однако он утверждает, что компания способна сохранять высокий темп разработки на протяжении 2026 года.
Инвестиция Баффета интересна не только как редкое появление технологической компании в портфеле Berkshire. Она показывает, насколько сильно ИИ изменил саму природу большого технологического бизнеса. Компании, когда-то ценившиеся за способность масштабировать программное обеспечение почти без дополнительных затрат, теперь вынуждены строить электростанции цифровой эпохи и вкладывать в них суммы, сопоставимые с бюджетами государств.
Баффет, похоже, делает ставку не на то, что эта гонка будет дешёвой или приятной. Он ставит на то, что Google обладает ресурсами, положением на рынке и устойчивостью, необходимыми, чтобы пережить её лучше большинства конкурентов.
#ai #google #alphabet #warrenbuffett #berkshirehathaway #investing #datacenters
Fortune
Buffett says AI giants are ‘playing a game they don’t want to play’ in the AI race, and reveals he was behind Berkshire’s $31 billion…
Buffett’s remarks helped push Google co-founder Larry Page’s net worth above $300 billion as he predicts Google dominating the AI race.
Правда ли, что ИИ «выпивает» всю воду? Всё гораздо сложнее
Одна из самых популярных претензий к искусственному интеллекту сегодня звучит так: дата-центры потребляют огромное количество воды и буквально высушивают целые регионы. В интернете регулярно появляются заявления о том, что ИИ скоро оставит города без воды, а некоторые политики уже используют эту тему в своих выступлениях. С другой стороны, представители Кремниевой долины называют проблему сильно преувеличенной и утверждают, что никакого «водного кризиса» не существует.
Как ни странно, обе стороны одновременно правы и неправы.
Главная проблема заключается в том, что вопрос обычно ставят неверно. Когда спрашивают: «Сколько воды потребляют дата-центры?», кажется, будто существует один простой ответ. На самом деле всё зависит от конкретного объекта, климата, используемой системы охлаждения, источника электроэнергии и даже региона, в котором построен центр обработки данных.
Если смотреть на США в целом, цифры оказываются вовсе не катастрофическими. В 2023 году все американские дата-центры использовали для охлаждения около 17 миллиардов галлонов воды. Звучит впечатляюще, но это меньше одной десятой процента воды, которую за тот же год потребило сельское хозяйство страны.
Однако средние показатели скрывают гораздо более важную картину.
Для крупного мегаполиса дополнительные несколько миллионов галлонов воды в сутки могут оказаться почти незаметными. Но для небольшого города строительство одного современного AI-дата-центра способно увеличить местное потребление воды в несколько раз. Поэтому одни регионы спокойно принимают новые проекты, а другие уже заявляют, что просто не располагают достаточными запасами воды.
При этом многие представляют охлаждение серверов не совсем правильно. Кажется, будто вода постоянно расходуется и исчезает. На самом деле крупнейшие дата-центры всё чаще используют замкнутые системы охлаждения. Вода циркулирует внутри оборудования, охлаждается и снова возвращается в цикл. После первоначального заполнения такая система практически не требует постоянного пополнения запасов, поскольку вода не испаряется.
Именно поэтому глава OpenAI Сэм Альтман недавно заявил, что разговоры о «водном кризисе» сильно преувеличены. Но здесь появляется другая проблема.
Замкнутые системы охлаждения требуют значительно больше электроэнергии. А производство этой электроэнергии тоже потребляет воду, особенно если она вырабатывается на газовых или других тепловых электростанциях.
Получается любопытный парадокс. Дата-центр может почти не расходовать воду напрямую, но при этом косвенно потреблять её в огромных объёмах через производство электричества. Например, Meta сообщила, что в 2024 году её прямое потребление воды оказалось примерно в 23 раза меньше косвенного, связанного с выработкой энергии для дата-центров.
Именно поэтому специалисты всё чаще говорят, что нельзя обсуждать только расход воды внутри самого объекта. Нужно учитывать весь жизненный цикл его работы: от системы охлаждения до того, на какой электростанции производится питающая его энергия.
Есть и способы уменьшить нагрузку на окружающую среду. В прохладных регионах можно использовать наружный воздух вместо традиционного охлаждения. Некоторые компании уже экспериментируют с более высокими рабочими температурами серверов, чтобы снизить потребность в охлаждении. А переход на возобновляемые источники энергии одновременно сокращает и расход воды, и выбросы углекислого газа.
Авторы статьи приходят к интересному выводу. Главная проблема вовсе не в том, что дата-центры неизбежно оставят людей без воды. Настоящая проблема — отсутствие прозрачности. Жители часто узнают о строительстве огромного вычислительного комплекса уже тогда, когда работы начались. Компании редко публикуют подробные данные о будущем потреблении ресурсов, поэтому вокруг каждого нового проекта быстро появляются слухи, страхи и недоверие.
В итоге спор о воде оказывается не столько спором об экологии, сколько спором о доверии. Когда никто не знает точных цифр, их место очень быстро занимают либо паника, либо категоричные заявления о том, что проблемы вообще не существует.
#ai #datacenters #water #sustainability #energy #openai #meta #environment
Одна из самых популярных претензий к искусственному интеллекту сегодня звучит так: дата-центры потребляют огромное количество воды и буквально высушивают целые регионы. В интернете регулярно появляются заявления о том, что ИИ скоро оставит города без воды, а некоторые политики уже используют эту тему в своих выступлениях. С другой стороны, представители Кремниевой долины называют проблему сильно преувеличенной и утверждают, что никакого «водного кризиса» не существует.
Как ни странно, обе стороны одновременно правы и неправы.
Главная проблема заключается в том, что вопрос обычно ставят неверно. Когда спрашивают: «Сколько воды потребляют дата-центры?», кажется, будто существует один простой ответ. На самом деле всё зависит от конкретного объекта, климата, используемой системы охлаждения, источника электроэнергии и даже региона, в котором построен центр обработки данных.
Если смотреть на США в целом, цифры оказываются вовсе не катастрофическими. В 2023 году все американские дата-центры использовали для охлаждения около 17 миллиардов галлонов воды. Звучит впечатляюще, но это меньше одной десятой процента воды, которую за тот же год потребило сельское хозяйство страны.
Однако средние показатели скрывают гораздо более важную картину.
Для крупного мегаполиса дополнительные несколько миллионов галлонов воды в сутки могут оказаться почти незаметными. Но для небольшого города строительство одного современного AI-дата-центра способно увеличить местное потребление воды в несколько раз. Поэтому одни регионы спокойно принимают новые проекты, а другие уже заявляют, что просто не располагают достаточными запасами воды.
При этом многие представляют охлаждение серверов не совсем правильно. Кажется, будто вода постоянно расходуется и исчезает. На самом деле крупнейшие дата-центры всё чаще используют замкнутые системы охлаждения. Вода циркулирует внутри оборудования, охлаждается и снова возвращается в цикл. После первоначального заполнения такая система практически не требует постоянного пополнения запасов, поскольку вода не испаряется.
Именно поэтому глава OpenAI Сэм Альтман недавно заявил, что разговоры о «водном кризисе» сильно преувеличены. Но здесь появляется другая проблема.
Замкнутые системы охлаждения требуют значительно больше электроэнергии. А производство этой электроэнергии тоже потребляет воду, особенно если она вырабатывается на газовых или других тепловых электростанциях.
Получается любопытный парадокс. Дата-центр может почти не расходовать воду напрямую, но при этом косвенно потреблять её в огромных объёмах через производство электричества. Например, Meta сообщила, что в 2024 году её прямое потребление воды оказалось примерно в 23 раза меньше косвенного, связанного с выработкой энергии для дата-центров.
Именно поэтому специалисты всё чаще говорят, что нельзя обсуждать только расход воды внутри самого объекта. Нужно учитывать весь жизненный цикл его работы: от системы охлаждения до того, на какой электростанции производится питающая его энергия.
Есть и способы уменьшить нагрузку на окружающую среду. В прохладных регионах можно использовать наружный воздух вместо традиционного охлаждения. Некоторые компании уже экспериментируют с более высокими рабочими температурами серверов, чтобы снизить потребность в охлаждении. А переход на возобновляемые источники энергии одновременно сокращает и расход воды, и выбросы углекислого газа.
Авторы статьи приходят к интересному выводу. Главная проблема вовсе не в том, что дата-центры неизбежно оставят людей без воды. Настоящая проблема — отсутствие прозрачности. Жители часто узнают о строительстве огромного вычислительного комплекса уже тогда, когда работы начались. Компании редко публикуют подробные данные о будущем потреблении ресурсов, поэтому вокруг каждого нового проекта быстро появляются слухи, страхи и недоверие.
В итоге спор о воде оказывается не столько спором об экологии, сколько спором о доверии. Когда никто не знает точных цифр, их место очень быстро занимают либо паника, либо категоричные заявления о том, что проблемы вообще не существует.
#ai #datacenters #water #sustainability #energy #openai #meta #environment
The Atlantic
The Truth About AI’s Water Use
It’s complicated—and it might not matter that much.
❤2
Китайская модель Kimi K3 удивила индустрию: новый конкурент OpenAI и Anthropic уже на уровне лучших ИИ
Китайский стартап Moonshot AI представил новую модель Kimi K3, и первые результаты вызвали неожиданно сильную реакцию в индустрии. Разработчики, тестировщики и аналитики говорят не столько о самой модели, сколько о том, насколько быстро Китай сокращает отставание от американских лидеров в области искусственного интеллекта.
Kimi K3 относится к моделям с открытыми весами. Это означает, что после публикации разработчики смогут запускать её на собственной инфраструктуре, изучать устройство модели и адаптировать под свои задачи. Именно этот сегмент сегодня считается одним из самых стратегически важных направлений развития ИИ.
По заявлению Moonshot AI, Kimi K3 содержит около 2,8 триллиона параметров, а её контекстное окно достигает одного миллиона токенов. Модель умеет работать как с текстом, так и с изображениями, а также обрабатывать огромные объёмы информации за один запрос.
Наибольший интерес вызвали первые независимые сравнения. В слепом тестировании платформы Arena разработчики чаще выбирали ответы Kimi при задачах фронтенд-разработки, чем результаты OpenAI GPT-5.6 Sol и Anthropic Fable 5. В общем рейтинге текстовых моделей Kimi также сумела превзойти стандартную версию Anthropic Opus 4.8 и сравнялась с GPT-5.6 Sol, которая ещё совсем недавно считалась одной из самых передовых моделей на рынке.
Особенно показательна реакция западных экспертов. Технический директор Mozilla Раффи Крикорян заявил, что сегодня вопрос уже звучит не как соревнование отдельных компаний, а как противостояние США и Китая. По его мнению, американские лаборатории всерьёз обеспокоены темпами развития китайских моделей, иначе они не уделяли бы столько внимания попыткам ограничить распространение открытых моделей.
Запуск Kimi оказался весьма символичным и по времени. Уже совсем скоро в Шанхае откроется Всемирная конференция по искусственному интеллекту, где председатель КНР Си Цзиньпин, как ожидается, представит дальнейшую стратегию страны в области ИИ. Кроме того, в ближайшее время обновлённую модель готовит и DeepSeek. Если оба релиза окажутся успешными, Китай может за очень короткий срок совершить сразу несколько заметных технологических рывков.
При этом говорить о безоговорочной победе пока рано. Kimi K3 доступна всего несколько часов, а первые тесты далеко не всегда отражают поведение модели в длительной реальной работе. Кроме того, сами веса модели будут опубликованы только 27 июля, поэтому независимые исследователи пока не могут проверить её архитектуру, воспроизвести результаты или запустить её локально.
Интересно и ценообразование. В отличие от предыдущих китайских моделей, которые часто делали ставку на крайне низкую стоимость, Kimi K3 стоит около 12 долларов за миллион токенов. Это уже ближе к предложениям Anthropic среднего уровня, чем к привычной стратегии китайских разработчиков демпинговать рынок.
Но главный вывод статьи касается не стоимости и не конкретных бенчмарков. Всё больше признаков указывает на то, что технологический разрыв между США и Китаем стремительно сокращается. Если ещё год назад большинство экспертов говорили о явном лидерстве американских компаний, то теперь новые китайские модели всё чаще оказываются на одном уровне с флагманами OpenAI и Anthropic. И если эта тенденция сохранится, конкуренция в области ИИ в ближайшие годы станет значительно жёстче, чем многие ожидали.
#ai #kimi #moonshot #china #llm #openai #anthropic #deepseek
Китайский стартап Moonshot AI представил новую модель Kimi K3, и первые результаты вызвали неожиданно сильную реакцию в индустрии. Разработчики, тестировщики и аналитики говорят не столько о самой модели, сколько о том, насколько быстро Китай сокращает отставание от американских лидеров в области искусственного интеллекта.
Kimi K3 относится к моделям с открытыми весами. Это означает, что после публикации разработчики смогут запускать её на собственной инфраструктуре, изучать устройство модели и адаптировать под свои задачи. Именно этот сегмент сегодня считается одним из самых стратегически важных направлений развития ИИ.
По заявлению Moonshot AI, Kimi K3 содержит около 2,8 триллиона параметров, а её контекстное окно достигает одного миллиона токенов. Модель умеет работать как с текстом, так и с изображениями, а также обрабатывать огромные объёмы информации за один запрос.
Наибольший интерес вызвали первые независимые сравнения. В слепом тестировании платформы Arena разработчики чаще выбирали ответы Kimi при задачах фронтенд-разработки, чем результаты OpenAI GPT-5.6 Sol и Anthropic Fable 5. В общем рейтинге текстовых моделей Kimi также сумела превзойти стандартную версию Anthropic Opus 4.8 и сравнялась с GPT-5.6 Sol, которая ещё совсем недавно считалась одной из самых передовых моделей на рынке.
Особенно показательна реакция западных экспертов. Технический директор Mozilla Раффи Крикорян заявил, что сегодня вопрос уже звучит не как соревнование отдельных компаний, а как противостояние США и Китая. По его мнению, американские лаборатории всерьёз обеспокоены темпами развития китайских моделей, иначе они не уделяли бы столько внимания попыткам ограничить распространение открытых моделей.
Запуск Kimi оказался весьма символичным и по времени. Уже совсем скоро в Шанхае откроется Всемирная конференция по искусственному интеллекту, где председатель КНР Си Цзиньпин, как ожидается, представит дальнейшую стратегию страны в области ИИ. Кроме того, в ближайшее время обновлённую модель готовит и DeepSeek. Если оба релиза окажутся успешными, Китай может за очень короткий срок совершить сразу несколько заметных технологических рывков.
При этом говорить о безоговорочной победе пока рано. Kimi K3 доступна всего несколько часов, а первые тесты далеко не всегда отражают поведение модели в длительной реальной работе. Кроме того, сами веса модели будут опубликованы только 27 июля, поэтому независимые исследователи пока не могут проверить её архитектуру, воспроизвести результаты или запустить её локально.
Интересно и ценообразование. В отличие от предыдущих китайских моделей, которые часто делали ставку на крайне низкую стоимость, Kimi K3 стоит около 12 долларов за миллион токенов. Это уже ближе к предложениям Anthropic среднего уровня, чем к привычной стратегии китайских разработчиков демпинговать рынок.
Но главный вывод статьи касается не стоимости и не конкретных бенчмарков. Всё больше признаков указывает на то, что технологический разрыв между США и Китаем стремительно сокращается. Если ещё год назад большинство экспертов говорили о явном лидерстве американских компаний, то теперь новые китайские модели всё чаще оказываются на одном уровне с флагманами OpenAI и Anthropic. И если эта тенденция сохранится, конкуренция в области ИИ в ближайшие годы станет значительно жёстче, чем многие ожидали.
#ai #kimi #moonshot #china #llm #openai #anthropic #deepseek
Axios
China's open-weight Kimi model stuns AI world with frontier-level results
Kimi K3's early performance is fueling alarm in Silicon Valley and Washington.
Netflix впервые раскрыла масштабы использования генеративного ИИ в своих проектах
Netflix сообщила, что только за первую половину 2026 года генеративный искусственный интеллект использовался примерно в 300 фильмах, сериалах и документальных проектах платформы. Это первое официальное признание того, насколько глубоко ИИ уже встроился в производство контента крупнейшего стримингового сервиса.
Компания подчёркивает, что речь идёт не о замене сценаристов или режиссёров. По словам Netflix, ИИ применяется практически на всех этапах производства: от разработки концепции и предварительной визуализации до постобработки и финального монтажа.
В качестве примеров компания приводит спортивный триллер Glory, бразильский мини-сериал Brasil 70: A Saga do Tri и документальный проект The American Experiment. В этих работах генеративный ИИ помог создавать масштабные сцены с большим количеством людей, расширять массовку и визуализировать сложные исторические эпизоды, которые при традиционном производстве либо оказались бы слишком дорогими, либо вовсе не попали бы в финальную версию.
По словам Netflix, новые инструменты позволяют получать более качественный результат быстрее и дешевле привычных методов. В некоторых случаях именно использование ИИ сделало возможными сцены, которые иначе пришлось бы полностью исключить из проекта.
Во время отчёта перед инвесторами генеральный директор Netflix Тед Сарандос привёл конкретный пример. В документальном сериале The American Experiment около 17 минут экранного времени содержат кадры, созданные или существенно дополненные с помощью искусственного интеллекта. По его словам, эта работа была выполнена примерно в два раза быстрее и обошлась вдвое дешевле по сравнению с традиционными способами производства.
При этом Сарандос специально подчеркнул, что компания не рассматривает ИИ как замену творческим профессиям. По его мнению, хорошие фильмы по-прежнему создают талантливые люди, а искусственный интеллект должен стать ещё одним инструментом, подобно современным камерам, компьютерной графике или монтажным системам.
Интересно, что Netflix постепенно выстраивает вокруг ИИ целую экосистему. Компания уже использует его в рекомендациях фильмов и сериалов, в рекламной платформе, развивает собственную AI-анимацию, а весной приобрела основанную Беном Аффлеком компанию InterPositive, которая занимается созданием инструментов искусственного интеллекта для кинопроизводства.
Всё это говорит о том, что генеративный ИИ постепенно перестаёт быть экспериментом для киноиндустрии. Если ещё год назад обсуждались в основном потенциальные риски и протесты творческих профессий, то теперь крупнейшие студии начинают открыто публиковать реальные цифры использования технологии. Судя по заявлению Netflix, ИИ уже превратился в обычный производственный инструмент, а вопрос заключается уже не в том, будут ли его применять, а в том, насколько заметной станет его роль в создании фильмов и сериалов в ближайшие годы.
#ai #netflix #genai #filmmaking #movies #tv #animation #streaming
Netflix сообщила, что только за первую половину 2026 года генеративный искусственный интеллект использовался примерно в 300 фильмах, сериалах и документальных проектах платформы. Это первое официальное признание того, насколько глубоко ИИ уже встроился в производство контента крупнейшего стримингового сервиса.
Компания подчёркивает, что речь идёт не о замене сценаристов или режиссёров. По словам Netflix, ИИ применяется практически на всех этапах производства: от разработки концепции и предварительной визуализации до постобработки и финального монтажа.
В качестве примеров компания приводит спортивный триллер Glory, бразильский мини-сериал Brasil 70: A Saga do Tri и документальный проект The American Experiment. В этих работах генеративный ИИ помог создавать масштабные сцены с большим количеством людей, расширять массовку и визуализировать сложные исторические эпизоды, которые при традиционном производстве либо оказались бы слишком дорогими, либо вовсе не попали бы в финальную версию.
По словам Netflix, новые инструменты позволяют получать более качественный результат быстрее и дешевле привычных методов. В некоторых случаях именно использование ИИ сделало возможными сцены, которые иначе пришлось бы полностью исключить из проекта.
Во время отчёта перед инвесторами генеральный директор Netflix Тед Сарандос привёл конкретный пример. В документальном сериале The American Experiment около 17 минут экранного времени содержат кадры, созданные или существенно дополненные с помощью искусственного интеллекта. По его словам, эта работа была выполнена примерно в два раза быстрее и обошлась вдвое дешевле по сравнению с традиционными способами производства.
При этом Сарандос специально подчеркнул, что компания не рассматривает ИИ как замену творческим профессиям. По его мнению, хорошие фильмы по-прежнему создают талантливые люди, а искусственный интеллект должен стать ещё одним инструментом, подобно современным камерам, компьютерной графике или монтажным системам.
Интересно, что Netflix постепенно выстраивает вокруг ИИ целую экосистему. Компания уже использует его в рекомендациях фильмов и сериалов, в рекламной платформе, развивает собственную AI-анимацию, а весной приобрела основанную Беном Аффлеком компанию InterPositive, которая занимается созданием инструментов искусственного интеллекта для кинопроизводства.
Всё это говорит о том, что генеративный ИИ постепенно перестаёт быть экспериментом для киноиндустрии. Если ещё год назад обсуждались в основном потенциальные риски и протесты творческих профессий, то теперь крупнейшие студии начинают открыто публиковать реальные цифры использования технологии. Судя по заявлению Netflix, ИИ уже превратился в обычный производственный инструмент, а вопрос заключается уже не в том, будут ли его применять, а в том, насколько заметной станет его роль в создании фильмов и сериалов в ближайшие годы.
#ai #netflix #genai #filmmaking #movies #tv #animation #streaming
Variety
About 300 Netflix Titles Used Generative AI This Year, Company Reveals
Roughly 300 Netflix programs across the streamer's library have used generative AI across their production process this year, the company revealed.
❤5🔥1