Почему текст и код от нейросетей вызывают отторжение

Осваивать Хабр я начал недавно. Мне понравилось, и я стал активно агитировать друзей-айтишников писать статьи. Первые возражения звучали примерно так:

Он разве еще жив? Я думал, там уже только AI генерирует тексты.

А те, кого я все же убедил опубликоваться, сразу получили дозу негатива:

Отклонено. Причина: “Текст похож на сгенерированный, на данный момент мы не готовы принимать такие материалы к публикации”.

Те, кто пробился дальше, столкнулись со следующим препятствием: дизлайки с комментариями “текст похож на сгенерированный” и шаблонные ответы, пародирующие нейросеть. Короче говоря сплошной негатив. Конечно же это не обошло и меня стороной. Прошлая публикация была отправлена в черновики на доработку с хорошей порцией г…

Все это меня навело на мысли — почему так н…

Но это все с позиции авторов, а что насчет читателей? Я прекрасно понимаю ощущение, когда автор держит тебя за дебила, пытаясь продать 15 минут чтения нейрослопа. Раздражение понятно — если тебе нечего сказать самостоятельно, может, и не стоит ничего говорить? Разархивировать веса нейросети своим промптом я и сам могу. Я здесь за проработанным материалом, который позволит узнать что-то новое или смотивирует пойти пообщаться с нейросетью на эту тему самостоятельно.

Несколько примеров

Приведу еще несколько примеров проблемы и объясню свою мотивации исследовать эту тему.

Ситуация 1

Недавно читал статью, восхищался до момента пока не открыл комментарии, а там:

И сразу как-то неприятно, будто тебя обманули — сумели-таки продать нейрослоп. Но тут же задаешься вопросом: а почему, собственно? Ну использовал автор ИИ, пусть хоть весь материал вытянул из нейронки — по сути это среднестатистическая выборка данных со всего интернета. Ценность-то есть.

Суть ситуации: отличная статья, достойная похвалы, но нашелся человек, который “разоблачил” автора. Разоблачитель получил щедрый бонус к карме, а автор — урон к репутации. И это при том, что материал действительно хороший, а у автора и без того сильная репутация.

Но факт остается фактом: мое негодование разделяют 187 человек, а у самой статьи всего 220 лайков — то есть ~85% читателей почувствовали то же, что и я. И тут встает вопрос: кого лайкать? Автора статьи? Разоблачителя? Обоих — ведь с обоими и согласен, и не согласен одновременно?

Ситуация 2

Забавная ситуация приключилась со мной прошлой ночью. В потоке написал статью, прогнал через AI — убрать воду, замудренные формулировки, опечатки, причесать визуально. Опубликовал, лег спать с чистой совестью. Утром — первым делом смотреть.

Голосов -10

Причина: Текст похож на сгенерированный 50%

А насколько конструктивна критика? Действительно ли тот, кто минусует, прочитал статью — или сделал вывод по заголовкам, букве “ё”, елочным кавычкам “« »” и подозрительно опрятному тексту? Кто мне поверит, что я наизусть помню полезные alt-коды и писал об этом статью.

И вот я между молотом и наковальней. Я не писатель, мой русский язык не настолько хорош, чтобы тягаться красотой слога и претендовать на читательские симпатии. Но в голове действительно много вещей, которые хочется выложить на Хабр — поделиться опытом, пообщаться с аудиторией. Буду писать своими руками — получу жалобы на небрежный текст. Отрефакторю нейронкой — огребу за подозрения в LLM.

Хождение по минному полю, но желание высказаться все равно побеждает.

Ситуация 3

Меня посетила идея — опубликовать две статьи: одну рукописную, другую целиком сгенерированную AI за один промпт. Планировал связать их кросс-ссылкой в закрепленном комментарии и сравнить статистику: чья победит? Понимаю, о чем думаете — “тоже мне интрига”, все и так очевидно. Но судьба распорядилась иначе. Я даже не успел опубликовать AI-версию — мою рукописную статью объявили ИИшной. Еще раз, я опубликовал РУКОПИСНУЮ, которую объявили ИИшной! Че за ….

Что ж, вызов принят. Я изучу эту тему настолько, насколько позволит свободное время — благо у меня есть google v2, если вы поняли, о чем я.

Ситуация 4

Я дебажил 6 часов наш внезапно отвалившийся CI, зашел в тупик, перепробовал все, созвоны с коллегами, google, ну и конечно же прибег к разным версиям передовых нейронок, устал, пошел по старинке писать вопросы в группу-ТГ.

Думаю вы догадались какие были ответы в результате и почему. Ну в целом думаю дальнейший диалог предугадали.

Кто заинтересовался обсуждаемой проблемой. Решение проблемы тут.

Суть в gitlab-ci.yml:

test:
  stage: test
  image: node:20-alpine
  services:
    - name: postgres:17-alpine
      # Тут была беда. Я думал services которые мы указываем
        # в gitlab-ci — гарантировано под каждый пайплайн создаются уникальные, 
        # оказалось не так. Проблема решилась указанием уникального alias.
      alias: postgres
      command: ["-N", "200"]

Кстати спойлер: нейронки мне помогли в этой ситуации все же. С 10-го промпта внезапно GPT заметил разные IP адреса контейнеров в логах. Но токенов было сожжено много.

Почему AI нас бесит

Моя мотивация

Как вы уже поняли, меня беспокоит этот вопрос, да и не меня одного. Но что если мы все неправы. А вдруг автор сорвал джекпот своим промптом и осознанно, без ручного вмешательства, вываливает на нас первородный ценнейший контент? А может, его нейросеть пробудилась? Слышали же эти истории про “пробужденные ИИ”, шершавых кабанов и что-то там еще.

Но конспирология меня мало интересует, другое дело фундаментальная наука. Как с точки зрения фундаментальной науки объяснить нашу неприязнь к ИИ? Я вышел в нейросеть интернет с этим вопросом и постарался копнуть как можно глубже. Помимо очевидного тезиса, что нейронки пишут мусор и годятся только как google v2, мне было интересно другое: что происходит с нашей психикой, когда мы испытываем раздражение от кода или статьи, написанных с помощью AI, и как это объясняет наука. Причем речь именно про ситуации когда мы понимаем или допускаем использование ИИ, но все равно чувствуем дозу скепсиса.

Когда я открываю README, Merge Request или ответ на Stack Overflow — и через два абзаца что-то щелкает внутри: “это писала нейросеть”. Еще до того, как я нахожу конкретную улику, меня уже накрывает смесь то ли раздражения, то ли скуки. Текст вроде бы грамотный. До кода вроде не придраться. Но почему-то хочется начать ругаться.

Я решил разобраться, что именно детектит моя психика и почему это вызывает аллергию. Оказалось, этот вопрос можно рассмотреть с точки зрения лингвистики, когнитивной психологии, теории информации, разработки ПО и не только, даже история может подкинуть несколько примеров для рассуждений.

Тут должен быть абзац-связка с плавным переходом к следующей части статьи — к материалам, которые я нарыл и сформулировал. Но если я его добавлю, получу порцию г… конструктивную критику, и минусы к статье с пометкой “текст вероятно сгенерирован”.

Условия сделки

Любая коммуникация — это скрытый контракт. Когда ты формулируешь идею, ты работаешь и тратишь энергию: структурируешь, формулируешь, убеждаешь — и этим ставишь на кон свою репутацию и энергию. Чем больше усилий вложено в формулировку, тем выше ставка автора и тем серьезнее сигнал для читателя. Читатель, в свою очередь, платит вниманием — пожалуй самой дефицитной валютой сегодня. Если идея не окупает вложенного внимания, доверие падает, появляется раздражение.

Нейросети обнуляют эту сделку. У тебя есть валюта — время и усилия на чтение. Но по ту сторону кто-то за две минуты нагенерил контента и предлагает подписаться на тг-канал. Стоимость его текста — две минуты, твоих — пятнадцать. Контракт нарушен.

Резюме простое: если тебе нечего сказать — иди к черту, пообщаться с нейросетью я и сам могу.

Кстати, с кодом та же ситуация — когда прилетает MR с очевидно сгенерированным кодом. С какого хрена я должен тратить время на ревью? Откуда я знаю, сколько времени по ту сторону было потрачено на код? Что с этим делать — увольнять тех, кто злоупотребляет ИИ, или самому вооружиться ИИ для ревью? Но тогда ответственность просто уходит по цепочке выше и точно так же возвращается назад — только уже отяжеленная продовым инцидентом.

И тут резюме проще некуда: если ты не тратишь свой когнитивный ресурс на написание кода — иди к черту, скормить тикет из Jira в нейросеть я и сам могу.

Зловещая долина

Все знают эффект “зловещей долины” (uncanny valley) для визуальных образов. Пример: робот, который почти похож на человека, пугает сильнее, чем механический. С текстом происходит то же самое.

Нейросеть генерирует текст, который:

• грамматически правильный,

• логически поверхностно связный,

• стилистически “никакой”.

Он достаточно похож на человеческий, чтобы мозг начал обрабатывать его как человеческую речь, — и достаточно отличается, чтобы система детекции “свой-чужой” забила тревогу. Мы эволюционно заточены распознавать, говорит ли с нами реальный человек с намерениями или что-то лишь притворяется им. Фальшивый объект притворяющийся человеком — это угроза, и мозг реагирует отвращением/недоверием.

Текст без автора и отсутствие намерений

Ну одно намерение все же прослеживается всегда — пропиариться.

Когда человек пишет текст, за каждым выбором стоит намерение. Чаще всего автор транслирует то, во что сам верит и его намерением является попытка нас убедить:

• “Здесь я поставлю короткое предложение, что бы задать ритм.”

• “Здесь я намеренно нарушу правила, добавлю щепотку веселья.”

• “Ну а тут — железные аргументы, только дурак не согласиться.”

У нейросети нет цели и намерений, она не совершает выбор. Она делает предсказания. Каждый следующий токен — это наиболее вероятное продолжение с учетом контекста. Результат выглядит как текст, но это текст без субъекта: никто ничего не хотел сказать.

Мы это считываем интуитивно, до всякого анализа. Такой текст — как разговор с куклой: слова есть, а в глазах пустота.

Вместо мнения — статистическая медиана

LLM обучена на миллиардах текстов. Ее выход — это средневзвешенное по всему комплексу, отфильтрованное через RLHF (когда человек калибрует поведение ИИ). Фактически, нейросеть пишет так, как писал бы усредненный автор: не плохо, не хорошо, не характерно — никак.

Проблема в том, что хорошие тексты — это выбросы, а не медиана. У каждого запоминающегося автора есть личное отношение к предмету обсуждения:

Мы пытаемся распознать личность, путем анализа текста на объект уникальных лингвистических отпечатков. Когда личности нет, текст воспринимается как речь из вокзального динамика, амбиент или просто шум в конце концов.

Скука

Как я уже сказал и как вы все знаете, LLM — это “Т9 на стероидах”, и его главный алгоритм построен на угадывании следующих токенов на основе контекста. Следовательно, он предсказуем. Эту область изучает теория информации. Основываясь на ее принципах, можно сформулировать главный тезис:

Информация — это снятая неопределенность. Чем менее предсказуемо сообщение, тем больше информации оно несет.

Нейросеть — генератор среднестатистических последовательностей. Никакой энтропии по Шеннону, и как следствие — минимум информации, максимум скуки. Утром взойдет солнце, ночью луна — не особо информативно, но безупречно с точки зрения нейросети. Мы же охотимся за информацией, нам нужна энтропия. Но наша человеческая энтропия — это не рандом и не какая-то там температура ИИ, а нечто иное. Не берусь сказать что именно — может быть, выстраданный опыт. Но чтобы обозначить, зачем мы сюда забрели, хватит одного: для ликвидации скуки нам нужна неожиданность. Вот что несет ценность, нейросеть же несет упорядочивание уже известного и предсказуемого.

Как мы палим AI

На текущий момент у большинства активных читателей Хабра сформировалась интуитивная модель определения AI текста или кода. Вот конкретные маркеры, по которым мы определяем AI-текст на русском языке:

Один структурный шаблон

• Болезнь списков: AI обожает маркированные и нумерованные списки. Человек использует их, когда они нужны; AI — когда не знает, как построить связный абзац.

• Симметричные конструкции: “Во-первых… Во-вторых… В-третьих…” с подозрительно одинаковой длиной пунктов.

• Фрактальная повторяемость: каждый раздел построен по одной и той же схеме (тезис, пояснение, пример, вывод), и эта схема не меняется на протяжении всего текста.

Лексические/Семантические маркеры

• Смайлики и спецсимволы: Палевно, но не факт. Я уже лет 10 как знаю про alt code 0151 длинного тире — и умею ставить стрелочки alt code 26/27/24/25 → ← ↑ ↓. По этому мой код 2020-го выглядит так будто его сгенерировала нейросеть. Вот кстати моя статья об этом на Хабре.

• Слова-паразиты (именно паразиты в контексте нейрослопа): “Давайте разберемся”, “Важно отметить”, “Таким образом”, “Стоит подчеркнуть”, “В заключение”.

• Гиперкорректность: AI почти никогда не использует разговорные обороты, сленг, эллипсис. Текст звучит как перевод официального документа.

• Мнимая гладкость: нейросети маскируют разрывы логики обилием вводных слов и уступительных связок, создавая иллюзию плавного повествования.

• Прилагательные-пустышки: “эффективный”, “удобный”, “мощный”, “гибкий” — без конкретики за ними.

• Отсутствие противоречий: человек может сам себе возразить, передумать по ходу текста, столкнуть две идеи. AI выдает линейный, непротиворечивый нарратив.

• Ложная глубина: длинные абзацы, которые при внимательном чтении оказываются пересказами одной мысли.

• Оверкомпетентность: текст с одинаковой уверенностью рассказывает про квантовые вычисления и про рецепт борща. Человек так не умеет и не пишет.

В коде то же самое — избыточные комментарии или прочие “артефакты” вроде, не дай бог, эмодзи.

Что не так с кодом от нейросетей

У кода есть объективный критерий — он либо работает, либо нет. И часто AI-код работает. Почему тогда опытных разработчиков от него корежит? Потому что “работает” — это критерий стажера или менеджера. Профессионал оценивает код по многим параметрам. AI-код часто проходит первый фильтр и с грохотом проваливает все остальные. Разработчик думает о том, как это в дальнейшем поддерживать, расширять, тестировать и тд. Заклепка из среднестатистического решения проблемы в виде куска шаблонного кода — это не закрытая задача из тикета Jira. Если из таких заклепок слепить проект — едва ли он доживет до прода и живых пользователей.

Код без архитектуры

Человек-разработчик принимает решения на нескольких уровнях:

• Зачем этот модуль существует?

• Какие изменения в будущем вероятны?

• Что я хочу спрятать за абстракцией?

AI генерирует код, который решает сиюминутную задачу кратчайшим путем до зеленых тестов. Он не думает о завтра, потому что не имеет модели будущего проекта. Чего уж там — ваши AI агенты не способны даже загрузить целиком весь проект в своей контекст. Потому что если они это сделают, начнется бредогенерация.

Любой AI плагин или “агент” как их принято сейчас называть — это просто grep под капотом, который дозирует кусочки кода, что бы не сделать слишком больно видеокартам Nvidia. Если я неправ — буду рад обсудить в комментариях. Если тема зайдёт — напишу отдельный разбор.

Но на этот счет мне есть что сказать — если будет положительный фидбек я обязательно продолжу эту тему. Тезисно, когда вы делаете запрос в Cursor

Сам промпт ~100-2000 токенов
Грепленный код ~2K-30K+ токенов
История чата ~0-50K+ токенов
Ответ ~500-5K+ токенов
───────────────────────────────
Итого ~5K-80K+ токенов

И на все ваши, или оставленные вашим тимлидом // todo WARNING чихать хотел курсор. Он сделает ровно то, что будет продиктовано теорией вероятности в данный момент. Иными словами, он смотрит через узкую щель на вашу кодовую базу и видит только то, что вы попросили увидеть своим промптом.

Для понимания масштаба проблемы немного цифр. Последний проект с которым я работал, папка components 3.2 Мбайт чистого кода. .js и .vue что грубо эквивалентно 1 млну токенов.

$ find components ( -name "*.ts" -o -name "*.vue" ) -print0 
  | xargs -0 cat 
  | wc -c
3206311

Сколько там у современных ИИ контекст на текущий момент? Около 1 млн токенов. А ведь в идеале нужно еще помнить саммари по всем грумингам, дейликам, ретроспективам и хотя бы в общих чертах суметь пересказать, что ваша команда делает и зачем. Плюс договоренности и регламенты между командами, ориентирование в Confluence, саммари по перепискам из Slack/Telegram. Итого — что мы имеем? А после скольких токенов ИИ начинает “галлюцинировать”? После 100к, если не ошибаюсь. И сколько нам это обошлось? +1000% к акциям Nvidia, капитализация $4 трлн, удар по венчурным фондам и заказной разработке, сожженные деньги и кризис в IT-секторе. Классно. Осталось только ЦОД в космосе построить, и тогда точно все окупится. Да ладно, ерунда, надо только skills.sh настроить в довесок и тогда точно заведется.

И еще кое-что. К сожалению, в мире некомпетентности больше, чем компетентности. AI обучался на этом вакууме — на слабом коде, на “воздушных” текстах. В итоге мы получили щепотку качественного кода и качественного текста, разбавленного ерундой. Нечто усредненное. И чтобы заставить своего агента не генерировать джуноподобную чушь, приходится писать инструкцию на 10 000 токенов — только ради того, чтобы он не кодил как джун.

Короче тема горячая, в планах написать большую аналитику о РЕАЛЬНЫХ возможностях неросетей в 2026-ом, но это потом в отдельной статье, подписывайтесь в тг что бы не пропустить.

Шаманский код

Практика — это когда все работает, но никто не знает почему. Теория — Это когда все знают как это должно работать, но ничего не работает. Мы же совместили теорию и практику-ничего не работает, и никто не знает почему!

AI часто воспроизводит паттерны, которые видел в обучающих данных, без понимания, зачем они нужны. Или просто льет воду.

/** Сalculate Total Of Items // Спасибо AI - ооочень информативно */
const calculateTotalOfItems = (items) => {
    /** ... **/
}

// AI написал — он на таком обучался
async function getUser(id: string) {
  try {
    const user = await db.users.findById(id);
    return user;
  } catch (error) {
    console.log(error);    // залогировал и... молча проглотил
    return null;           // вызывающий код даже не узнает об ошибке
  }
}

// Осознанный выбор — пусть ошибка всплывёт
async function getUser(id: string) {
  return db.users.findById(id);
  // вызывающий сам решит, как обработать
}

// Или если реально нужна обработка — обработай КОНКРЕТНО
async function getUser(id: string) {
  try {
    return await db.users.findById(id);
  } catch (error) {
    if (error instanceof DatabaseConnectionError) {
      throw new ServiceUnavailableError('DB is down', { cause: error });
    }
    throw error; // неизвестные ошибки — пробрасываем дальше
  }
}

Что с этим делать?

А теперь хочу поднять социально значимый вопрос: что нам со всем этим делать? Для начала нужно бороться с двумя когнитивными врагами, которые мешают нам быть конструктивными и выстраивать нормальные взаимоотношения:

• Фундаментальная ошибка атрибуции

• Бинарное мышление (так же известное как черно-белое мышление или Ложная дилемма)

Фундаментальная ошибка атрибуции

Эволюционно наша критика к себе занижена — мы охотнее критикуем других, чем себя. Это необходимый для выживания механизм. Фундаментальная ошибка атрибуции — когнитивное искажение, при котором:

• Чужие промахи мы объясняем личными качествами: “лентяй”, “бездарь”

• Свои — обстоятельствами: “это все равно для дебага, через 10 минут удалю”

Мы не знаем, кто по ту сторону этого кода с эмодзи — опытный специалист после двух дней дебага, который просто вкинул временный debug-код от нейросети, джун, или вайб-кодер на пути к IPO.

До AI-хайпа мы похожие чувства когда обнаруживали очевидный копипаст из Stack Overflow или витрины CodePen, который выбивался из стиля проекта.

Типичный комментарий в code review:

Ладно скопировал откуда-то, но неужели нельзя отрефакторить, добавить типизацию, поправить нейминг, вынести в /utils и адаптировать под наш код-стайл?

Мы не видели, что по ту сторону — сложные жизненные обстоятельства, проблемы со здоровьем или что-то еще. Сводили все к лени и “перекладыванию с больной головы на здоровую”. С появлением AI ничего принципиально не изменилось — изменился только масштаб. Раньше копипаст со Stack Overflow был эпизодом, теперь целые MR генерируются за минуты. И наша атрибуция масштабируется вместе с этим: раньше мы думали “ленивый”, теперь — “вообще не работает, просто промптит”. Хотя по ту сторону может быть человек, который из-за гиперответственности набросал промпт и кинул MR — пока не приехала полиция из-за драки с отчимом, который только что вышел из тюрьмы.

Бинарное мышление

Теперь о том, AI — зло или благо. Думаю, вы уже поняли, к чему я клоню. Тут как со справедливостью. Можно сказать “справедливости не существует”, а можно — что существуют разные ее уровни. Условно, в Швейцарии уровень справедливости 90%, в Сомали — 10%. Или возьмем свободу слова и демократию. Артемий скажет “нет никакой демократии, везде тотальная диктатура”, а кто-то заявит, что есть разные ее уровни — и, по моему мнению, будет прав. Вопрос лишь в том, к какому уровню мы стремимся и какой считаем приемлемым — в какой позиции оставляем этот ползунок.

Очевидно, что отдавать отдел разработки под ключ — бред, как и отдел продаж. А еще большее безумие — отдавать найм на аутсорс нейросетям. Может, это и допустимо на N%, но точно недопустимо в безмерных масштабах.

Перед нами стоит задача определиться с допустимыми уровнями, но, как показывает практика и история, это будет достигнуто только методом проб и ошибок. А в локальных областях достигнет цикличности: кто-то завтра откроет для себя идею отдать работу на аутсорс нейросети, а кто-то в это же время от нее откажется. По моим субъективным ощущениям, допустимый уровень нейросетей в работе — 0%-25%, и я крайне беспокоюсь о будущем тех ребят, у кого он выше.

Недавно я задумался о том, что в сфере продаж и техподдержки тоже будет цикличность. В условиях здоровой конкуренции компания, которая снизила присутствие ИИ до 10%, с большим отрывом уйдет вперед по кредиту доверия — на фоне тех, где до живого человека тебя соединяют 20 минут общения с голосовым ассистентом, а вместо персонального предложения от менеджера приходит шаблонное AI-письмо.

А если все же поддаться категоричности, то для себя я распределил, для чего AI подходит и НЕ подходит на текущем этапе его развития.

Отлично подходит:

• Обучение, быстрое первичное знакомство с новыми технологиями.

• Онбординг в большую legacy-кодовую базу.

• Правки кода, которые лень делать вручную.

• Рутинные задачи.

• Поиск материалов для дальнейшего ручного погружения в вопрос.

• Поиск аргументов и доказательной базы к той же статье на Хабре, с последующей ручной обработкой.

Ужасно плохо и недопустимо:

• Кодинг “под ключ”, где AI делает все без твоего участия и погружения в структуру проекта.

• Статьи на Хабр в таком же формате.

• Попытка полностью автоматизировать процессы, где нужен человек:

  • Техподдержка

  • Продажи

  • HR и НАЙМ

Нет, я еще не закончил

Хочу подсветить кое-что важное. Помимо всего вышеописанного, AI действительно капает нам на мозг. Я сужу по себе, по своим друзьям. Об этом открыто не говорят, но я думаю, что AI заигрывает с нашими инстинктами намного серьезнее, чем может показаться на первый взгляд. AI задевает нас глубже. Какая самая вирусная тема сейчас на Хабре? О чем чаще всего спорят, где больше всего комментариев и какие тезисы прослеживаются? Лично я вижу страх и ненависть, где второе вытекает из первого.

AI щекочет нервы всем белым воротничкам, к которым я себя, кстати, тоже отношу:

Если проводить ретроспективу в масштабах истории — мы уже имели с этим дело. Промышленная революция стала причиной голода и протестов, породила такой термин как технофобия. Луддиты крушили станки, парижские рабочие в в 1848-м и 1871-м выходили на баррикады — все потому, что новые технологии покушались на их экспертизу и средства к существованию.

Тема промышленной революции сейчас актуальна, кому интересно, пара статей на хабре:

• Статья 2017-го года. Новая промышленная революция проходит незамеченной

• Посвежее 2026-го. Промышленная революция: как в XIX веке появился современный город

История показывает что любая революция практически всегда сопрягается с гуманитарными катастрофами. Великий голод в Ирландии 1845–1852 или Закон о бедных в Англии с последующими голодными сороковыми. Будь это революция политическая, технологическая или даже культурная.

Можно сказать — притянуто за уши, и пойти пить чай. Но кто гарантирует, что на фоне AI-хайпа не появится новая архитектура, которая действительно сделает контекст не проблемой, а системные требования сократит в разы? Что тогда будем делать?

Есть интересная книга: Тайлер Коуэн «Среднего более не дано. Как выйти из эпохи Великой стагнации». Просто цитирую аннотацию к ней:

Для трех четвертей рабочих мест, созданных в США после начала рецессии, заработная плата едва превышает минимальную. При этом в США по-прежнему больше миллионеров и миллиардеров, чем в любой другой стране мира. В этой книге Тайлер Коуэн предлагает свое объяснение данного феномена: те, кто зарабатывает много, пользуются большими преимуществами искусственного интеллекта в анализе данных и достижении лучших результатов; те же, кто зарабатывает мало, не имеют опыта взаимодействия с большинством новых технологий и потому имеют очень плохие перспективы. Практически все сектора экономики все меньше зависят от ручного труда, и этот факт навсегда меняет мир труда и заработной платы. Спокойная жизнь где-то посередине закончилась.

А еще все вы прекрасно знаете чьи руки дотянулись до AI и зачем.

• А еще в 2017 Хабр публиковал — В Москве заработает система распознавания лиц через камеры видеонаблюдения

• 2025: В метро Москвы начали устанавливать российские турникеты с системой распознавания лиц

• Forbes: РКН планирует использовать ИИ для блокировки VPN и интернет-трафика, на проект заложено 2,3 млрд рублей

Итого 2 проблемы.

1. Технологии в руках олигархов которые выбрсывают на обочину более ненужных сотрудников усиливая неравенство.

2. Технологии в руках политических лидеров с которыми вероятно у вас расходиться мнение. Если что у меня с этим полный порядок, я поддерживаю разумных лидеров которые действуют в интересах страны.

Если что на моих часах уже 10:01:984 и пора публиковаться. Но тут напрашивается еще как минимум пара абзацев.

Что с этим делать 2?

Думаю, IT-сообществу и всем, кто находится под прицелом AI, необходимо уже сейчас формировать что-то вроде профсоюзов. Цель — прогнозировать ситуацию и разрабатывать стратегию на случай, когда действительно прижмет. Главные задачи, способные предотвратить вероятные болезненные изменения, в моей парадигме выглядят так:

• Уже сейчас надо думать, что делать с монополией на AI и в целом на революционные технологии. Нам чертовски повезло, что AI — игрушка не только элит, но и тех, у кого есть $50.

Напомню, что OpenAI начинала как некоммерческая организация. Рекомендую почитать историю появления OpenAI тем, кто этого еще не сделал. Тезисно для затравки:

Илон Маск и Сэм Альтман запустили OpenAI в конце 2015 года с целью создать открытую компанию, работающую на благо общества, а не государства или корпорации. Открытость призвана избежать концентрации власти, которую дает ИИ, в одних руках. В планах компании — открыто сотрудничать со всеми лицами и учреждениями, публиковать все результаты своих исследований.

Но потом что-то явно пошло не так. Никаких теорий заговора — я сторонник того, чтобы объяснять все исключительно через фундаментальную науку, через призму свободных СМИ, где дискутируют независимые эксперты, аналитики, историки. Я айтишник до мозга костей, и моя религия — наука.

С вами был Тимофей, Спасибо всем кто подписывается в телеге — это очень мотивирует делиться своим опытом.