[!epigraph]
В очередь с$@кины дети! В очередь!
Я хотел использовать эпиграф в качестве названия этой заметки, но подумав сохранил подобие культуры и переименовал.
Цитата, которая натолкнула на размышления об ИИ:
[!quote]
But in order to ascertain whether the innovations improve or decrease the output, it is essential that they should be introduced one at a time, while all the other parts of the mechanism are kept constant.
Для того, чтобы установить, улучшают ли нововведения результат или ухудшают его, необходимо вводить их по одному, сохраняя все остальные части неизменными.
Schrodinger E. What is Life[1]?
Начну я как в анекдоте:
[!dialogue]
Привет, как дела?
Поцелуй меня в плечо.
Почему в плечо?
Ну ты же тоже начала издалека.
Двенадцать лет я работал в корпорации. От принимаемых мной решений зависело одно простое событие – заработает или потеряет «контора» деньги. Так как у меня была не айтишечка, а реальный сектор экономики, где работали условные землекопы, то есть люди, действующие с физическими объектами: бензовозы, кассы, ТРК, пробы топлива, наливные станции, ГИБДД, РОСАВТОДОР, метрологическое оборудование и много-много-много чего, то и решения, которые спускались «до земли», нужно было крепко обдумывать, прежде чем бежать внедрять.
Представим, например, условную проблему – смешения топлива, это когда в резервуар с ДТ слили АИ95, а в резервуар АИ95 слили ДТ и при этом еще заправили авто. Ладно ущерб клиенту, с финансовой точки зрения – это брызги. В бочках в земле плавает под 100 тысяч литров не пригодной к реализации смеси, что значит простой АЗС[2] на зачистку, вывоз смеси на утилизацию, разбирательства и прочие действия, связанные с «награждением причастных». А еще параллельно с этим у меня идет волна ограблений по региону, каждую ночь бомбят АЗС и выносят деньги. А еще система управления на АЗС устарела и ее нужно обновлять на «импортозамещенную».
В общем, как понятно из списка выше, «проблем ворох». И вот тут начинается самое интересное. Какие-то проблемы можно решать одномоментно, например смешения и ротацию кадров[3], а ограбления и обновления системы управления – нельзя. И вот почему.
Система управления отвечает за инкассацию средств, а проблему ограблений, например, можно решить, «передав» ответственность банку[4] путем автоинкассации (в общем, сложный процесс, не буду объяснять что к чему). И вот если эти два процесса запустить и начать обновлять – все пойдет не по тому месту. Поэтому процесс должен быть последовательным, с исправлением ошибок. А если еще добавить к этому процессу ФЗ-54, когда в соответствии с законодательством требуется, чтобы фискальные регистраторы в момент пробития чека отправляли данные в налоговую, то проблема становится еще острее.
А теперь к сути того, о чем хочу поговорить в этой заметке.
Успевать чтобы что? Чтобы успевать?
С ИИ происходит уйма одновременных событий, и если бежать за каждым, то случится, с очень высокой вероятностью, бег по кругу, нервное истощение, стресс. Как если бы я одномоментно решал проблему ограблений, обновления системы управления и фискализации чеков. Когда-то давно[5], после того как устал успевать за всем, я принял решение, что мое внимание ограничено и работать я буду с тем, что остается неизменным какое-то продолжительное время[6] [7].
Мне кажется, что гонка за всеми большими и не очень обновлениями в ИИ пагубна для отдельного человека, и причина проста – не все изменения одинаково полезны и адаптируемы под деятельность конкретного человека. Часть обновлений могут быть полезными, в то время как другие[8] – вредными. Если следить за всем-всем, то хорошее в шуме «ненужного» или откровенно вредного останется незамеченным.
Если ИИ изменяется настолько часто, что «мы не успеваем», может, и не нужно успевать «узнать все». Мне кажется, что наблюдать за тем, что отмирает и что остается, гораздо более уместно. Обновляется часто? Значит ли это, что обновлённое было «проходным» или мёртвым решением. Может быть, изучать его нет смысла, а если на смену текущему решению спешит уже новое, то какой смысл изучать текущее, если его сменит следующее? Чтобы что?
Для лучшей иллюстрации предложу аналогию из биологии. У нас есть мозг, пускай синтетический, но со схожими с биологическим дефектами[9], и мы хотим улучшить наследственные признаки следующего поколения мозга, для этого мы осуществляем «точечную» инъекцию новым знанием[10] и смотрим, как следующее поколение себя показывает. Что хорошего унаследовано в результате инъекции, а что плохое случилось[11]. Если так получилось, что результат не удовлетворяет нашим ожиданиям – мы «новый мозг» отправляем в утиль, сделав запись о том, что получилось и почему так получилось.
Сегодня, благодаря технологии, процесс эволюции ИИ значительно ускорился по сравнению с тем, что было даже десять лет назад[12]. И из-за скорости возникает ощущение, что необходимо «успеть», а на самом деле в знании ВСЕХ-ВСЕХ-ВСЕХ изменений нет необходимости. Устойчивые положительные изменения обычно не пройдут мимо, а все, что не прижилось, исчезнет (что в целом логично и правильно).
Если пытаться знать все, то, скорее всего, придется инвестировать ограниченные силы в изучение того, что изучать не стоит, потому что оно исчезнет. Изучение всего нового, что происходит с ИИ, требуется тем, кто занимается разработкой, тем, чья работа – это ИИ, и каждое изменение, даже неудачное, в их случае – это возможность переосмыслить личный опыт, не воспроизвести неудачный опыт других[13]. А нам, тем, кто использует ИИ как инструмент, «знать все» не имеет смысла, у нас своя работа, в которой ИИ, конечно, уже помогает.
Значимые изменения в ИИ неизбежно приведут к сдвигу существующей практики[14], без необходимости контроля инкрементальных изменений.
Мой опыт говорит, что CLI еще полгода назад был «не таким», как сейчас. CLI Gemini и Claude Code, Cursor, Antigravity – это все прекрасные инструменты, которые сейчас уже окончательно сформировались как инструменты и прочно вошли в мою практику, но изучать агентов, пока эти агенты еще только появлялись, было бы для меня непозволительной роскошью. Я начал их использовать и изучать ровно тогда, когда мне потребовалось.
Как понять, что пора?
Остается вопрос, а как понять, что изменения случились и пора начинать изучать. Если честно, я не знаю, как ответить на этот вопрос, но скажу, что делаю сам: слежу за сигналами от ключевых игроков, читаю эссе Дарио Амодеи[15], наблюдаю за тем, как действует Демис Хассабис[16], слушаю, что говорит на выступлениях Эрик Шмидт[17], и думаю, как то, что происходит с ИИ, можно перенести на свою практику. Пытаюсь сначала построить умозрительную модель того, как ИИ может помочь решить мои проблемы[18], и без фанатизма[19] попробовать что-то.
Например, OpenClaw я так и не попробовал. Внимательно следил за тем, что люди делают, какие применения ему находят, и понял, что это очередной хайп; может быть, когда-нибудь он станет чем-то «таким», чему стоит уделить внимание, но мне кажется, что его поезд ушел. С помощью любого агента – CLI Gemini, Claude Code, KIMI – можно реализовывать сценарии лучше[20].
Если нет проблемы, которую можно решить, тогда зачем изучать что-то и «пыхтеть»?
Когда наступили времена ковида, я общался со множеством разного рода учителей по всему миру, и самый лучший совет мне дал профессор из Стэнфорда:
[!quote]
Не торопись, говорит, давать студентам новые «блестящие» инструменты онлайн-обучения. Чем меньше инструментов, тем лучше. Не гонись за новым, работай медленно и системно. Выбери два-три инструмента, но настрой синергию между ними так хорошо, чтобы больше ничего не требовалось.
Безымянный профессор из Стэнфорда
Собственно, его совет я перенес и на заметковедение: Zotero → Obsidian → Claude[21]. Все… Три инструмента, остальное – процесс.
Возвращаясь к ИИ: для того, чтобы «успеть», не нужно много, нескольких синергично настроенных инструментов вполне себе достаточно.
Schrodinger E. What is Life? (Canto Classics): With Mind and Matter and Autobiographical Sketches / E. Schrodinger, Cambridge ; New York: Cambridge University Press, 1992. 184 c. ↩︎
Это когда АЗС закрыта на какие-то работы ↩︎
такая проблема тоже была, и, как вы догадываетесь, списком выше проблемы не ограничиваются ↩︎
Это было одно из решений, которое, кстати, и было реализовано в конечном счете ↩︎
В нежном возрасте 35 лет, именно тогда я уволился из корпорации ↩︎
Я так понимаю, условная благодарность вот за эту строчку: фокусировать внимание стоит не на том, что меняется, а на том, что не меняется ↩︎
Я, кстати, вывел это в еще одно правило относительно «нечтения» – читать книги, которые в тираже больше 5 лет, помимо еще пары других правил. ↩︎
обычно подавляющее большинство ↩︎
такими как галлюцинации, фактологические ошибки и прочее ↩︎
апдейт или новая модель, Opus 4.5 → 4.6 → 4.7, ChatGPT 4.0 → 4.5 → 5.0 → 5.2-5.3-5.4-5.5 ↩︎
Может, модель начала коллапсировать? Есть уйма интересных публикаций, где этот феномен рассматривается. Вот в качестве примера: Shumailov I. [и др.]. AI models collapse when trained on recursively generated data // Nature. 2024. № 8022 (631). C. 755–759. ↩︎
Мне стыдно думать, что я говорил про ИИ, когда написал свою первую книгу «От Энигмы до ChatGPT» в 2023, потому что то, что я думал об ИИ в декабре 2025, в значительной мере отличается от того, что я думаю об ИИ в апреле 2026 ↩︎
Учиться лучше на чужих ошибках, а не на своих ↩︎
скорее всего, у огромного числа пользователей и профессионалов, которые ИИ не пользуются. Такова реальность. ↩︎
Дарио Амодеи – сооснователь и CEO Anthropic, компании-разработчика семейства моделей Claude. До этого был вице-президентом по исследованиям в OpenAI, где руководил работой над GPT-2 и GPT-3. Физик по образованию (PhD по биофизике, Принстон), что во многом определяет его системный взгляд на ИИ. Следить за ним стоит в контексте этой заметки по двум причинам. Во-первых, его эссе («Machines of Loving Grace», «The Urgency of Interpretability» и др.) – это редкий жанр: не маркетинговый прогноз, а развёрнутое размышление о том, какие изменения в практике людей действительно значимы, а какие – шум. Во-вторых, он осознанно занимает позицию «осторожного оптимиста» и много пишет о безопасности, что помогает отделять устойчивые сдвиги от хайпа. ↩︎
Демис Хассабис – сооснователь и CEO Google DeepMind, лауреат Нобелевской премии по химии (2024) за работу над AlphaFold. По бэкграунду – нейробиолог и шахматный вундеркинд, что задаёт его уникальный ракурс на ИИ как на инструмент научного открытия, а не только продуктовую технологию. Следить за ним стоит потому, что Хассабис мыслит десятилетиями: его публичные выступления и интервью – это карта того, куда движется фундаментальный ИИ (от AlphaGo к AlphaFold, от Gemini к научным агентам). Когда он говорит, что какое-то направление «созрело», это, как правило, и есть тот сигнал об устойчивом изменении, который имеет смысл переносить в свою практику, не отвлекаясь на промежуточный шум. ↩︎
Эрик Шмидт – бывший CEO и председатель совета директоров Google (2001–2017), один из самых заметных публичных голосов на пересечении ИИ, геополитики и бизнеса. Соавтор книги «The Age of AI» (вместе с Генри Киссинджером) и активный инвестор в ИИ-стартапы. В отличие от Амодеи и Хассабиса, Шмидт смотрит на ИИ снаружи – как на инфраструктуру, меняющую экономику, образование и государственное управление. Следить за ним стоит для того, чтобы видеть второй порядок эффектов: какие изменения в ИИ уже выходят за рамки лабораторий и формируют новую практику для тех, кто пользуется ИИ как инструментом, а не разрабатывает его. ↩︎
если не успею, то «все пропало» ↩︎
Мне так кажется, потому что еще не пробовал, просто у меня еще нет сценария. ↩︎
До Клода два года был GPT и около года Gemini ↩︎