🚨 Редкий момент: Амодей, Альтман и Маск одновременно заговорили о необходимости притормозить гонку ИИ
Дарио Амодей призвал замедлить развитие frontier-моделей, чтобы безопасность и контроль успели догнать возможности систем. Сэм Альтман поддержал идею независимой оценки и координации мер безопасности, а Илон Маск публично согласился с общим направлением. :contentReference[oaicite:0]{index=0}
По сути, три крупнейшие фигуры американской AI-гонки впервые за долгое время говорят об одном:
Проблема очевидна: одна компания не может просто нажать на тормоз, если остальные продолжат ускоряться.
Главная проблема - Китай.
Без глобальной координации любое добровольное замедление США превращается в стратегический риск.
Дарио Амодей призвал замедлить развитие frontier-моделей, чтобы безопасность и контроль успели догнать возможности систем. Сэм Альтман поддержал идею независимой оценки и координации мер безопасности, а Илон Маск публично согласился с общим направлением. :contentReference[oaicite:0]{index=0}
По сути, три крупнейшие фигуры американской AI-гонки впервые за долгое время говорят об одном:
возможности растут быстрее → контроль отстаёт → нужен общий механизм замедленияПроблема очевидна: одна компания не может просто нажать на тормоз, если остальные продолжат ускоряться.
Главная проблема - Китай.
Без глобальной координации любое добровольное замедление США превращается в стратегический риск.
This media is not supported in your browser
VIEW IN TELEGRAM
Кажется, ИИ нельзя просто выдернуть из розетки: Джейкоб Коксон уволился из Anthropic и теперь объясняет проблему «восстания машин».
Джейкоб ушел из ИИ-индустрии, потому что не захотел работать над технологией, способной уничтожить человечество. В Anthropic даже подтвердили, что есть чего бояться.
За ним уже выехали.
Нельзя просто взять и отключить его от сети, ведь он может скопировать себя на другие компьютеры. <...> Оно способно перенестись через интернет в другое место: вы отключите его здесь, а оно на самом деле уже там — и, возможно, даже создало десять тысяч своих копий, которые действуют сообща
Джейкоб ушел из ИИ-индустрии, потому что не захотел работать над технологией, способной уничтожить человечество. В Anthropic даже подтвердили, что есть чего бояться.
За ним уже выехали.
🚨🇩🇪 КЛИНСМАН О МАРАДОНЕ: «В НАПОЛИ ОН СТАЛ БОГОМ — И ЭТО ЕГО ПОЖРАЛО» 💔
Юрген Клинсман вспоминал, что после переезда в «Наполи» Марадона очень быстро стал для города чем-то большим, чем футболист.
Он увидел в Неаполе тот же дух, что и в Ла-Боке: бедные районы, невероятная страсть к футболу и культ своих героев.
После первого скудетто Диего уже почти не мог жить обычной жизнью:
выйти из дома
спокойно зайти в ресторан
выпить кофе
просто пройти по улице
🗣️ «Он полностью принадлежал им… и это в итоге пожрало его».
Слава, давление, постоянное внимание, а потом и наркотики.
Марадона и «Наполи» — одна из самых красивых и трагичных историй в футболе. 🇦🇷💙
Юрген Клинсман вспоминал, что после переезда в «Наполи» Марадона очень быстро стал для города чем-то большим, чем футболист.
Он увидел в Неаполе тот же дух, что и в Ла-Боке: бедные районы, невероятная страсть к футболу и культ своих героев.
После первого скудетто Диего уже почти не мог жить обычной жизнью:
выйти из дома
спокойно зайти в ресторан
выпить кофе
просто пройти по улице
🗣️ «Он полностью принадлежал им… и это в итоге пожрало его».
Слава, давление, постоянное внимание, а потом и наркотики.
Марадона и «Наполи» — одна из самых красивых и трагичных историй в футболе. 🇦🇷💙
🤦♂️ Абсурдная ситуация: 40 депутатов британской Палаты общин требуют запрета на создание сверхинтеллекта.
Как получилось, что самые жёсткие требования по запретам и регулированию ИИ звучат именно из Европы - региона, который уже заметно отстаёт от США и Китая в гонке моделей, вычислений и AI-компаний?
Пока одни строят frontier-модели, дата-центры и новые AI-лаборатории, другие обсуждают, что ещё можно запретить.
Так Европа собирается догонять лидеров?
Как получилось, что самые жёсткие требования по запретам и регулированию ИИ звучат именно из Европы - региона, который уже заметно отстаёт от США и Китая в гонке моделей, вычислений и AI-компаний?
Пока одни строят frontier-модели, дата-центры и новые AI-лаборатории, другие обсуждают, что ещё можно запретить.
Так Европа собирается догонять лидеров?
🔥 Хочешь быстрее расти в IT? Хватит учиться в одиночку
Окружение решает больше, чем кажется.
Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
ВАЙБКОДИНГ: t.me/data_analysis_ml
DevOps: t.me/DevOPSitsec
C#: t.me/csharp_ci
Docker: https://t.me/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
JavaScript: t.me/javascriptv
React: t.me/react_tg
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Big Data: t.me/bigdatai
Математика: t.me/data_math
Java: t.me/javatg
Бонус: Max Ai: https://max.ru/ai_machinelearning_big_data
Max Linux: https://max.ru/linuxkalii
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy
ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.
Окружение решает больше, чем кажется.
Собрал папки и каналы, где можно быстрее влиться в нужное направление, следить за трендами и не вариться в своём пузыре.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
ВАЙБКОДИНГ: t.me/data_analysis_ml
DevOps: t.me/DevOPSitsec
C#: t.me/csharp_ci
Docker: https://t.me/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
JavaScript: t.me/javascriptv
React: t.me/react_tg
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Big Data: t.me/bigdatai
Математика: t.me/data_math
Java: t.me/javatg
Бонус: Max Ai: https://max.ru/ai_machinelearning_big_data
Max Linux: https://max.ru/linuxkalii
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy
ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
Подписывайся на нужные направления и собирай себе ленту, которая реально двигает вперёд.
🔥 Django
Пример:
Особенно полезно для динамических фильтров:
Но есть ещё более важный момент.
При фильтрации через related models два отдельных .filter() могут привести к двум JOIN и неожиданно изменить смысл запроса.
Это уже может искать одну запись по имени, а другую - по количеству treats.
Если собрать условия в одном .filter() или через Q(), Django использует один JOIN и проверяет условия на одной и той же связанной записи.
Очень полезный приём для сложных QuerySet, динамического поиска и composable business filters.
https://www.better-simple.com/django/2026/09/09/nifty-feature-q-objects/
Q() objects — один из самых полезных инструментов ORM, который многие используют слишком редкоQ() позволяет собирать сложные условия для WHERE, комбинируя их через AND, OR и NOT.Пример:
Pet.objects.filter(
Q(last_given_treats__isnull=True)
| Q(last_given_treats__lte=timezone.now() - timedelta(days=1)),
treats_needed__gt=F("treats_given"),
)
Особенно полезно для динамических фильтров:
q = Q()
for term in search_term.split():
q |= Q(name__icontains=term)
Pet.objects.filter(q)
Но есть ещё более важный момент.
При фильтрации через related models два отдельных .filter() могут привести к двум JOIN и неожиданно изменить смысл запроса.
Species.objects.filter(
pets__name__icontains="meowy"
).filter(
pets__treats_given=0
)
Это уже может искать одну запись по имени, а другую - по количеству treats.
Если собрать условия в одном .filter() или через Q(), Django использует один JOIN и проверяет условия на одной и той же связанной записи.
Очень полезный приём для сложных QuerySet, динамического поиска и composable business filters.
https://www.better-simple.com/django/2026/09/09/nifty-feature-q-objects/
🚨 Хроники «лопающегося ИИ-пузыря» становятся всё интереснее.
Демис Хассабис из Google DeepMind поддержал позицию Дарио Амодея: темпы развития frontier AI уже требуют общих стандартов безопасности и отраслевого контроля.
Параллельно Сэм Альтман заявил, что OpenAI готова делать паузы в выпуске новых моделей, если безопасность не успевает за возможностями систем, и что регулировать отрасль должны не только сами AI-компании, но и государства.
Всё это происходит на фоне слухов о прогрессе Китая в сторону RSI — recursive self-improvement.
Дополнительный интерес вызывает новая архитектура RTL — Recurrent Looped Transformer. Модель рекуррентно передаёт себе состояние предыдущих шагов, фактически создавая значительно большую вычислительную глубину. Это ещё не RSI, но направление очень показательное.
На рынке одновременно растёт нервозность: Nvidia уже несколько недель под давлением, а инвесторы всё внимательнее смотрят на то, насколько устойчивы огромные AI-инвестиции.
При этом open-source сообщество относится к призывам «замедлиться» крайне скептически: многие считают, что крупные лаборатории просто пытаются закрепить своё преимущество через регулирование.
И главный вопрос остаётся прежним: даже если США решат притормозить кто убедит Китай сделать то же самое?
Демис Хассабис из Google DeepMind поддержал позицию Дарио Амодея: темпы развития frontier AI уже требуют общих стандартов безопасности и отраслевого контроля.
Параллельно Сэм Альтман заявил, что OpenAI готова делать паузы в выпуске новых моделей, если безопасность не успевает за возможностями систем, и что регулировать отрасль должны не только сами AI-компании, но и государства.
Всё это происходит на фоне слухов о прогрессе Китая в сторону RSI — recursive self-improvement.
Дополнительный интерес вызывает новая архитектура RTL — Recurrent Looped Transformer. Модель рекуррентно передаёт себе состояние предыдущих шагов, фактически создавая значительно большую вычислительную глубину. Это ещё не RSI, но направление очень показательное.
На рынке одновременно растёт нервозность: Nvidia уже несколько недель под давлением, а инвесторы всё внимательнее смотрят на то, насколько устойчивы огромные AI-инвестиции.
При этом open-source сообщество относится к призывам «замедлиться» крайне скептически: многие считают, что крупные лаборатории просто пытаются закрепить своё преимущество через регулирование.
И главный вопрос остаётся прежним: даже если США решат притормозить кто убедит Китай сделать то же самое?
🚨 Трамп официально отказался поддерживать призыв Дарио Амодея, Сэма Альтмана и Илона Маска замедлить развитие frontier AI.
Выступая в Ирландии, президент США заявил, что Америка не может рисковать лидерством в гонке с Китаем.
По его словам, разумные guardrails возможны, но часть разговоров о катастрофических рисках ИИ — это «негативные силы», предупреждающие о вещах, которые могут вообще не произойти.
Ситуация получается почти сюрреалистичная:
Амодей, Альтман, Маск и Хассабис призывают притормозить.
Ответ Белого дома: нет, Китай ждать не будет.
AI-гонка только что стала ещё более политической.
Выступая в Ирландии, президент США заявил, что Америка не может рисковать лидерством в гонке с Китаем.
По его словам, разумные guardrails возможны, но часть разговоров о катастрофических рисках ИИ — это «негативные силы», предупреждающие о вещах, которые могут вообще не произойти.
Ситуация получается почти сюрреалистичная:
Амодей, Альтман, Маск и Хассабис призывают притормозить.
Ответ Белого дома: нет, Китай ждать не будет.
AI-гонка только что стала ещё более политической.
Глава OpenAI занял девятую строчку рейтинга, разделив её с Марком Цукербергом.
Обе фигуры издание объединило формулировкой «...технологические лидеры, выводящие ИИ за пределы цифрового мира».
Три года назад Альтман тот же список возглавлял, а в прошлогоднем выпуске не значился вовсе.
Рейтинг выходит раз в год уже больше десяти лет и приурочен к Рош ха-Шана, еврейскому Новому году, в этом году праздник наступил 12 сентября.
The Jerusalem Post — старейшая и самая читаемая англоязычная газета Израиля, основанная в 1932 году под названием The Palestine Post. Издание выходит и в печати, и онлайн.
Седьмую строчку занимает Ассаф Раппапорт, основатель компании Wiz, семнадцатую — сооснователь Oracle Ларри Эллисон, восемнадцатую — сооснователь Google Сергей Брин.
Двадцатая строчка досталась в том числе Алексу Карпу из Palantir, двадцать шестая — брату и сестре Дарио и Даниэле Амодеи, которых издание называет «...еврейскими родственниками, формирующими ИИ».
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
🚀 Anthropic рассчитывает показать прибыль второй квартал подряд перед планируемым IPO
По данным Financial Times, компания ожидает снова получить положительную скорректированную операционную прибыль.
Во втором квартале Anthropic уже вышла в плюс по этому показателю, а выручка превысила $11,5 млрд - более чем в 14 раз выше, чем годом ранее. К концу июля annualized revenue run rate достиг примерно $65 млрд.
Отдельно Anthropic сообщает gross margin выше 80%.
Но здесь есть важная оговорка: этот показатель не учитывает часть крупнейших расходов — обучение моделей и revenue sharing с партнёрами-дистрибьюторами вроде Amazon. Поэтому «прибыльность» frontier AI пока стоит читать очень внимательно.
Тем не менее динамика впечатляющая: ещё недавно главный вопрос был, смогут ли AI-лаборатории вообще выйти из режима бесконечного сжигания капитала. Anthropic теперь пытается показать инвесторам, что экономика начинает сходиться.
https://www.ft.com/content/4564e6a5-69e9-40a6-bf0f-a888f2f4f002?syn-25a6b1a6=1
По данным Financial Times, компания ожидает снова получить положительную скорректированную операционную прибыль.
Во втором квартале Anthropic уже вышла в плюс по этому показателю, а выручка превысила $11,5 млрд - более чем в 14 раз выше, чем годом ранее. К концу июля annualized revenue run rate достиг примерно $65 млрд.
Отдельно Anthropic сообщает gross margin выше 80%.
Но здесь есть важная оговорка: этот показатель не учитывает часть крупнейших расходов — обучение моделей и revenue sharing с партнёрами-дистрибьюторами вроде Amazon. Поэтому «прибыльность» frontier AI пока стоит читать очень внимательно.
Тем не менее динамика впечатляющая: ещё недавно главный вопрос был, смогут ли AI-лаборатории вообще выйти из режима бесконечного сжигания капитала. Anthropic теперь пытается показать инвесторам, что экономика начинает сходиться.
https://www.ft.com/content/4564e6a5-69e9-40a6-bf0f-a888f2f4f002?syn-25a6b1a6=1
🚨 Китайская Z.AI привлекла $5 млрд - и 60% средств направит на следующее поколение GLM и систему Fully Self-Training.
Финансирование состоит примерно из $2 млрд через размещение акций и $3 млрд через конвертируемые облигации.
Z.AI развивает подход, при котором каждая новая версия GLM всё больше участвует в создании среды, данных и инфраструктуры для обучения следующего поколения модели. Компания прямо связывает это направление с Recursive Self-Improvement - RSI.
GLM → строит среду и данные → обучает следующую GLM → цикл повторяется
Пока в этом процессе всё ещё много инженеров, но цель Z.AI - максимально замкнуть этот контур.
И теперь на эту идею у компании есть ещё несколько миллиардов долларов.
Финансирование состоит примерно из $2 млрд через размещение акций и $3 млрд через конвертируемые облигации.
Z.AI развивает подход, при котором каждая новая версия GLM всё больше участвует в создании среды, данных и инфраструктуры для обучения следующего поколения модели. Компания прямо связывает это направление с Recursive Self-Improvement - RSI.
GLM → строит среду и данные → обучает следующую GLM → цикл повторяется
Пока в этом процессе всё ещё много инженеров, но цель Z.AI - максимально замкнуть этот контур.
И теперь на эту идею у компании есть ещё несколько миллиардов долларов.
Главный результат: PC-ALM смог обучать нейросети глубиной до 1000 слоёв, используя только локальные взаимодействия между соседними слоями.
Обычное глубокое обучение почти полностью опирается на backpropagation: ошибка считается на выходе сети, после чего градиенты передаются назад через все слои.
PC-ALM работает иначе.
Каждый слой рассматривается как локальная динамическая система, которая пытается уменьшить собственную ошибку предсказания. Вместо глобального прохода градиента используются:
- локальные ошибки предсказания
- множители Лагранжа
- расширенный лагранжиан
- локальная динамика состояний
- PI-регуляция внутри каждого слоя
Метод вырос из predictive coding — подхода, популярного в NeuroAI. В predictive coding каждый слой постепенно корректирует своё состояние так, чтобы уменьшать рассогласование с соседними слоями.
Проблема в том, что в очень глубоких сетях такие сигналы плохо распространяются: информация об ошибке с выхода сети затухает раньше, чем достигает внутренних слоёв.
PC-ALM добавляет специальные двойственные переменные — по сути дополнительные нейроны, представляющие множители Лагранжа. Они помогают передавать сигнал ошибки через большое число слоёв.
Авторы связывают этот подход с классической работой Яна Лекуна 1988 года, где множители Лагранжа для многослойной сети можно связать с градиентами функции потерь.
В результате получается обучение, где глобальная задача оптимизации раскладывается на множество локальных динамических процессов.
Особенно хорошо PC-ALM показал себя на очень глубоких и узких сетях, где обычный predictive coding начинает ломаться.
Помимо NeuroAI, подход может быть интересен для нейроморфного железа: там локальные вычисления и физическая динамика потенциально дешевле классического backpropagation на GPU.
Блог: https://pub.sakana.ai/pc-alm/
Статья: https://arxiv.org/abs/2605.31022
Код: https://github.com/SakanaAI/pc-alm
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡Трамп жёстко прошёлся по Дарио Амодею и фактически отверг идею замедления гонки ИИ.
После призывов главы Anthropic снизить темп разработки frontier-моделей ради безопасности Трамп написал, что ИИ не нужны новые «ограничители», кроме «сильного и умного президента». Он отдельно упомянул Амодеи, обвинил противников ускоренного развития ИИ в игре на руку Китаю и заявил, что США уже обладают достаточными уголовными и регуляторными полномочиями над ИИ-компаниями.
Самая жёсткая часть:
На этом фоне предложение Амодея о «Pacing the Frontier» - дать индустрии ещё 1–2 года на усиление контроля и безопасности, выглядит всё сложнее реализуемым на уровне США.
Гонку, похоже, тормозить никто не собирается.
После призывов главы Anthropic снизить темп разработки frontier-моделей ради безопасности Трамп написал, что ИИ не нужны новые «ограничители», кроме «сильного и умного президента». Он отдельно упомянул Амодеи, обвинил противников ускоренного развития ИИ в игре на руку Китаю и заявил, что США уже обладают достаточными уголовными и регуляторными полномочиями над ИИ-компаниями.
Самая жёсткая часть:
> «Treasonists, Traitors, and Leakers, BEWARE!»
На этом фоне предложение Амодея о «Pacing the Frontier» - дать индустрии ещё 1–2 года на усиление контроля и безопасности, выглядит всё сложнее реализуемым на уровне США.
Гонку, похоже, тормозить никто не собирается.
Топовые китайские ИИ-лабы выпустили совместный обзор о рекурсивном самосовершенствовании ИИ (RSI) под названием «The Last AI Built by Humans».
RSI - это когда система сама превращает опыт в постоянные изменения себя и заодно меняет то, как будет улучшаться дальше.
Авторы разобрали 491 работу (статьи, техотчёты, блоги и системы) и разложили их по пяти уровням автономии, используя критерий, какие решения об улучшении отданы ИИ.
Последний, L5, делится на два подуровня. Первый указывает на то, что изменённый механизм улучшения правда работает на следующем цикле. Второй строже - он выдаёт преемника сильнее прежнего при тех же ресурсах и по независимой проверке.
До L5 дошли 29 работ из 491 (5,9%), до L4 – 28 (5,7%), до L3 – 64 (13%). Три четверти остались на L1 (215 работ, 43,8%) и L2 (155, 31,6%).
У тех 29 работ, которым присудили L5, авторы не увидели устойчивого роста от поколения к поколению.
Существующие продукты крупных лабораторий в основном получили L1–L2 - это интерн-исследователь OpenAI, Automated Weak-to-Strong Researcher Anthropic и DeepSeek R1 – L2, Kimi K3 и Qwen-Agent – L1–L2.
Выше L2 поднялись самообучающиеся налоговые агенты OpenAI (кандидат на L4), Signals от Factory (L4), Darwin Gödel Machine и AI Scientist от Sakana AI, AIDE2 от Weco AI – кандидаты на L5.
Дорожная карта Anthropic When AI builds itself помечена L5 только как цель.
@ai_machinelearning_big_data
#AI #ML #RSI #Research
Please open Telegram to view this post
VIEW IN TELEGRAM
На волне
Лекун утверждает, что когда Дарио работал в OpenAI, он считал её настолько опасной, что не следовало выкладывать в опенсорс.
"Я тогда ещё высмеял его, и теперь все должны продолжать высмеивать", - написал Лекун.
В 2019 году OpenAI действительно не сразу выпустила полную версию GPT-2 из-за опасений злоупотреблений, а сначала предложила небольшую модель.
В то время Дарио занимал должность руководителя отдела исследований в OpenAI. Через 9 месяцев OpenAI все же открыла полную версию, заявив, что убедительных доказательства серьезных злоупотреблений у неё не обнаружено.
@ai_machinelearning_big_data
#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
Обвязка ИИ-агента: шесть решений
Знакомая картина. Агент рапортует, что задача закрыта, хотя тестовый прогон он так и не сделал. Первые двадцать минут он собран, потом забывает правило, которое вы дали ему в самом начале. Каждую сессию вы заново вставляете одни и те же три инструкции. И отойти нельзя: где-то обязательно висит очередное окно с запросом подтверждения.
Смена модели на более сильную тут не спасает. Всё перечисленное живёт в софте вокруг модели: что ей сообщают, что она запоминает, к чему её пускают и кто проверяет результат. Эта обвязка называется harness. Она у вас уже есть. Вопрос только в том, проектировал ли её кто-нибудь.
https://uproger.com/obvyazka-ii-agenta-shest-reshenij/
Знакомая картина. Агент рапортует, что задача закрыта, хотя тестовый прогон он так и не сделал. Первые двадцать минут он собран, потом забывает правило, которое вы дали ему в самом начале. Каждую сессию вы заново вставляете одни и те же три инструкции. И отойти нельзя: где-то обязательно висит очередное окно с запросом подтверждения.
Смена модели на более сильную тут не спасает. Всё перечисленное живёт в софте вокруг модели: что ей сообщают, что она запоминает, к чему её пускают и кто проверяет результат. Эта обвязка называется harness. Она у вас уже есть. Вопрос только в том, проектировал ли её кто-нибудь.
https://uproger.com/obvyazka-ii-agenta-shest-reshenij/
🚨 Инженер DeepSeek Шэнъюй Лю жёстко высказался о будущем AGI.
Он считает, что самый мощный ИИ не должен оказаться под контролем одной корпорации вроде Anthropic или OpenAI.
Лю написал, что если Anthropic будет контролировать самый передовой AGI, то, если сильно драматизировать, ставки можно сравнить с ситуацией, в которой Гитлер получил бы атомную бомбу раньше союзников.
Его позиция проста: передовой ИИ должен быть открытым, доступным и дешёвым для всех.
По его мнению, у будущего есть два крайних сценария: общество с максимально доступным ИИ или мир в духе Cyberpunk 2077, где технологии и ресурсы контролируют несколько корпораций.
Именно поэтому он объясняет свой выбор DeepSeek ставкой компании на более доступные и открытые модели.
Он считает, что самый мощный ИИ не должен оказаться под контролем одной корпорации вроде Anthropic или OpenAI.
Лю написал, что если Anthropic будет контролировать самый передовой AGI, то, если сильно драматизировать, ставки можно сравнить с ситуацией, в которой Гитлер получил бы атомную бомбу раньше союзников.
Его позиция проста: передовой ИИ должен быть открытым, доступным и дешёвым для всех.
По его мнению, у будущего есть два крайних сценария: общество с максимально доступным ИИ или мир в духе Cyberpunk 2077, где технологии и ресурсы контролируют несколько корпораций.
Именно поэтому он объясняет свой выбор DeepSeek ставкой компании на более доступные и открытые модели.