💾 Углубимся немного в историю.


История искусственного интеллекта (ИИ) — это история о развитии науки и технологий, направленных на создание интеллектуальных машин. Она берет свои корни в философских исследованиях человеческого разума и познания, которые впоследствии были расширены нейрофизиологами и психологами.


Вот основные этапы развития ИИ:

• Предпосылки (до середины XX века):
* Идеи о создании мыслящих машин восходят к древности.
* В XVII веке Паскаль изобрел первую механическую цифровую вычислительную машину.
* В XIX веке Жаккард создал программируемый ткацкий станок.
* В 1937 году Тьюринг предложил концепцию универсальной машины Тьюринга.


• Зарождение (1940-е – 1950-е годы):
* В 1943 году Маккалок и Питтс заложили основы нейронных сетей.
* В 1950 году Тьюринг предложил тест Тьюринга для определения уровня "интеллекта" машины.
* В 1951 году создана первая нейронная сеть SNARC.
* В 1956 году термин "искусственный интеллект" был официально введен на Дартмутской конференции.


• Оптимизм и ранние успехи (1950-е – 1960-е годы):
* Создаются первые программы ИИ, например, ELIZA, имитирующая диалог.
* Разрабатываются программы, способные решать логические задачи и играть в игры.


• "Зима ИИ" (1970-е годы):
* Разочарование в связи с нереализованными ожиданиями и ограничениями существовавших технологий.
* Сокращение финансирования исследований в области ИИ.


• Возрождение (1980-е годы):
* Развитие экспертных систем, способных принимать решения в конкретных областях.
* Появление новых алгоритмов машинного обучения.


• Современный этап (с 1990-х годов по настоящее время):
* Развитие машинного обучения и глубокого обучения.
* Увеличение вычислительной мощности компьютеров.
* Появление больших данных (Big Data).
* Успехи в распознавании речи и изображений, понимании естественного языка.
* Внедрение ИИ в различные сферы жизни: медицину, транспорт, финансы, образование и др.


В настоящее время выделяют три стадии развития ИИ:

1. Узкий ИИ (ANI): Системы, выполняющие специализированные задачи (например, игра в шахматы, распознавание лиц) -- это то, где мы сейчас
2. Общий ИИ (AGI): Системы, обладающие способностью к самостоятельному мышлению и решению широкого круга задач.
3. Сверхчеловеческий ИИ (ASI): ИИ, превосходящий человеческий интеллект во всех аспектах.


*на фото участники двухмесячного Дартмутского семинара, на котором впервые был официально введен термин "искусственный интеллект", можно сказать, что на фото «отцы-основатели» ИИ. Но об этом будет чуточку позже.

❔ Что не так с этим ответом? 😭

🤔 ИИ заменит программистов. Или нет?

Спойлер: заменит, но не всех

Сэм Альтман из OpenAI призвал вместо программирования учиться "хорошо использовать ИИ-инструменты".

В Google уже более 25% всего нового кода генерируется искусственным интеллектом. GitHub Copilot используют миллионы разработчиков, написание кода ускоряется вдвое (хотя качество у Copilot — треш, но это отдельная тема). Марти Каган — это такой эксперт по продуктовому менеджменту — оценивает рост продуктивности от ИИ-инструментов в 20-30%.

Но эта трансформация гораздо глубже, чем просто ускорение разработки. Новое поколение ИИ-помощников радикально меняет правила игры:

- Cosine записывает весь мыслительный процесс программистов: "Почему вы открыли этот файл? Почему прокрутили до середины? Почему закрыли?"
- Poolside (оцененный в $3 млрд до выпуска продукта!) использует методы обучения с подкреплением, когда модель одновременно тестирует тысячи вариантов кода
- Merly AI фокусируется на логике программирования, вообще игнорируя языковые модели

Эти системы не просто подсказывают следующую строку — они прототипируют, тестируют и отлаживают код.

Cursor, Bolt, Replit... AI-агентов кодинга уже больше, чем людей.

Я сам зачастую практикую вайб-кодинг с помощью Claude Code (жрёт бюджеты дичайше, но код пишет хорошо).


🤔 Идём учиться на строителей? Пока рановато.

Исследование McKinsey (вопреки стильному дядьке во главе Nvidia, который при каждом удобном случае пугает разработчиков безработицей) опровергает панические прогнозы о вымирании программистов. К 2030 году спрос на креативное мышление и способность генерировать новые идеи вырастет на 19% — именно то, в чём ИИ пока проваливается.

Статистика показывает, что только 10-30% разработанных функций дают положительный результат с продуктовой точки зрения. Вместо 10 тысяч бесполезных строк кода лучше написать 2 тысячи, решающих правильную проблему.


🤔 Кто в зоне риска?

Под угрозой не молодые и неопытные программисты, как многие думают. Под ударом те, кто отказывается меняться — разработчики любого уровня, не готовые выйти за рамки привычного подхода.

Как говорит Тим О'Рейли: "Будут заменены не младшие разработчики, а те, кто цепляется за прошлое".

Мы наблюдаем формирование новой структуры индустрии:

- Элитные разработчики с семизначными зарплатами, способные диагностировать проблемы, когда ИИ ошибается
- Небольшие команды из 10-20 человек, выполняющие работу, которая раньше требовала сотен программистов

"Эра найма еще нескольких тысяч инженеров в вашу организацию закончилась," — говорят эксперты из Cosine.


🤔 Продуктивность — это не количество кода

Ключевое изменение касается самого определения продуктивности. Она никогда не измерялась количеством кода — только созданной ценностью.

Сооснователь Cosine отмечает: "Если я дам вам сложную задачу, вам все равно придется думать, как описать эту проблему модели. Вместо написания кода вы формулируете задачу на естественном языке, но мыслительного процесса это не отменяет".

—

Ваш код может написать ИИ, но только человек способен определить, что действительно стоит создавать. Будущее за теми, кто умеет выявлять проблемы, а не просто вайб-кодить всё подряд.

❔ Используете ли вы AI-агентов, может быть пробовали просто отдать ИИ на "аутсорс" какой-нибудь проект?

🤔 Что общего у generation Z и ИИ?

И те, и другие не умеют читать аналоговые часы.

Более того, мультимодальные модели (MLLMs) плохо ориентируются еще и в календаре, как установили исследователи из Эдинбургского университета во главе с Рохитом Саксеной.

Ребята подготовили два набора тестовых данных: ClockQA (различные типы аналоговых часов и вопросы по времени) и CalendarQA (стандартные изображения календарей и вопросы вроде «какой день — 153-й в этом году?»).

— Считывание времени по аналоговым часам получилось правильно лишь в 25% попыток. Как только появлялись римские цифры или оригинальный дизайн стрелок, результаты становились совсем плачевными.

— Удаление секундной стрелки ситуацию не изменило. Вопрос в принципиальных недостатках моделей при распознавании углов и положении стрелок.

— С календарями вышло чуть лучше, но даже лучшие модели ошибались примерно в каждом пятом случае.

«Современные исследования в области ИИ делают сильный акцент на решении суперсложных задач, — говорит участник команды Арио Гема, — но ирония в том, что системы проваливаются на простейших повседневных навыках».

Вот научились считать количество букв R в «strawberry», уже спасибо.

🤔 Как ИИ следит за сотрудниками

8 из 10 частных компаний США, по данным исследования ExpressVPN, в режиме реального времени отслеживают производительность своих работников. Без ИИ и машинного обучения, конечно, не обошлось.

— Walmart, Starbucks и Delta с помощью системы Aware мониторят рабочие чаты для оценки настроений, выявления конфликтов и несоблюдений правил и реакции на нововведения. («Пятерочка», на заметку!)

— Microsoft предлагает корпоративным клиентам инструмент «Продуктивность», дающий менеджерам возможность следить за сотрудниками, включая активность в чатах, количество отправленных писем и использование документов.

— В логистических центрах Amazon специальные сканеры отслеживают «время вне задачи» (TOT), включая перерывы или походы в туалет. Если сотрудник накапливает более 30 минут TOT за день, его могут наказать. За эту практику Франция уже оштрафовала Amazon на €32 млн, в других странах все по-прежнему.

(При этом травматичность у Amazon в два раза выше, чем в среднем по рынку, на что в компании говорят: «Они травмируются, потому что они — люди». Конец диалога.)

Водители такси, курьеры, медсёстры и офисные работники сталкиваются с риском быть «выключенными» из системы («deactivation») без объяснений — потому, что «так решил алгоритм».

🤔 Что в России?

Не отстаём. Есть, к примеру, система SprutMonitor, предлагаемая российской компанией — она предназначена для мониторинга и контроля электронной почты и переписки.

Согласно их данным, руководство 28% отечественных компаний отслеживает почтовую переписку, а еще 7% контролируют общение через мессенджеры. (По факту, я думаю, цифры выше.)

🤔 Это законно?

В США нет федерального закона о конфиденциальности, регулирующего мониторинг сотрудников, что позволяет компаниям действовать на свое усмотрение.

В России, согласно Федеральному закону № 152-ФЗ «О персональных данных», работодатель должен получить согласие сотрудников на мониторинг, что делает такие практики законными только при соблюдении условий уведомления.

Но только вряд ли кто-то обращает внимание на подобный пункт в трудовом договоре, если он там вообще есть.

—

🤖 Я в своё время участвовал в разработке системы мониторинга и слежения за водителями общественного транспорта в Москве. Девайс «смотрел» на водителей и в реальном времени «орал», если фиксировал признаки засыпания или отвлечений, а также отправлял алерт в центр мониторинга.

Усталость водителей — самая частая причина аварий общественного транспорта, на кону жизни людей, поэтому убежден, что в этом случае — цель оправдана.