Кто получит выгоду от роста ИИ — кроме компаний, которые его создают?

Anthropic объявила о создании Public Benefit Fund. Компания планирует направить в него 5% своих акций — решение ещё должны одобрить акционеры. При каждом росте стоимости компании на 50% относительно установленной базы совет директоров сможет добавлять ещё 2%.

Среди возможных направлений — поддержка некоммерческих организаций и прямые выплаты отдельным группам людей. Один из поводов для создания фонда — изменения на рынке труда: ИИ может создавать огромную экономическую ценность и одновременно осложнять жизнь людям, чья работа меняется.

Вместе с прежними обязательствами основателей и сотрудников на общественные цели предполагается направить около 20% акций Anthropic. Детали управления фондом компания обещает раскрыть позже.

Мне здесь интересен вопрос: кто оплачивает переход к работе с ИИ?

Для бизнеса выгода понятна:

Часть задач выполняется быстрее, некоторые процессы становятся дешевле. Но сотруднику ещё нужно разобраться, как теперь работать, чему учиться и за какой результат отвечать.

Я считаю, что этот переход тоже должен быть частью проекта внедрения. Если компания покупает инструменты, но не выделяет людям время на обучение и практику, она перекладывает адаптацию на сотрудников.

Поэтому инициативу Anthropic воспринимаю с интересом. Оценивать её буду по тому, во что эти обязательства превратятся: какие программы появятся и кому они помогут.

И здесь возвращаюсь к мысли о будущем капитализма: компания, которая участвует в создании новой экономики, заранее предлагает делиться её результатами с людьми. Возможно, сильный ИИ заставит нас пересмотреть привычные правила распределения богатства. Один фонд ещё не революция, но ход мысли любопытный.

А на уровне своей команды уже можно задать простой вопрос: мы заложили в бюджет внедрения ИИ обучение людей — или только подписки?

Анонс Anthropic читать тут

🚨 ВАЖНО! Если у вас есть свой сайт или сервер — обязательно прочитайте этот пост.

Ребят, всем привет! 👋🏻

Скорее всего, многие уже слышали, но на всякий случай решил предупредить.

OpenAI совместно с исследователями обнаружили две критические уязвимости в PHP — технологии, на которой работает огромное количество сайтов и веб-приложений.

И проблема действительно серьёзная. Уязвимости потенциально позволяют злоумышленникам получить доступ к серверу и выполнять на нём вредоносный код.

Что это значит для вас?

Если вы когда-либо собирали себе сайт, веб-сервис, портал или какое-нибудь приложение и покупали для этого хостинг или VPS, стоит проверить, используется ли у вас PHP и какая версия установлена.

Особенно если всё собирали самостоятельно с помощью ИИ и после запуска особо не трогали 😅

Что нужно сделать прямо сейчас? 👇🏻

1️⃣ Зайдите в личный кабинет своего хостинга. Проверьте уведомления о безопасности и обновлениях PHP. Если есть рекомендации по обновлению — выполните их.

2️⃣ Если уведомлений нет — проверьте свою версию PHP. OpenAI выпустили специальный инструмент, который помогает определить, может ли ваш сервер быть уязвим.

🔗 Официальный чекер OpenAI

3️⃣ Если используется уязвимая версия — обновите PHP. Лучше предварительно сделать резервную копию и проверить совместимость сайта с обновлением. Если не знаете, как это сделать, обратитесь к своему хостинг-провайдеру или разработчику.

🔗 Официальная информация об уязвимостях и способах устранения

И вот что интересно: ИИ уже не просто помогает нам писать код и собирать приложения, но и находит критические ошибки в технологиях, которыми пользуется практически весь интернет.

Только вот обновлять серверы за нас он пока не всегда будет 😁

Короче, не откладывайте проверку. Особенно если ваш сайт или сервис уже работает и на нём есть реальные пользователи.

И перешлите пост знакомым, которые тоже собирали себе сайты или приложения. Возможно, кому-то сэкономите немало нервов.

А мы вообще понимаем, к какому будущему готовим наших детей? 🤔

Помните, примерно год назад мы с вами обсуждали образование детей и то, как искусственный интеллект может на него повлиять?

Так вот, за этот год многое изменилось. И я, кажется, окончательно сформировал для себя одну мысль:

системе образования нужны серьёзные изменения. И это уже не вопрос выбора, а необходимость.

Недавно наткнулся на интересное обсуждение.

Студенты престижных университетов, в том числе Лиги плюща, всё чаще задаются вопросом: а будет ли вообще существовать моя профессия к моменту, когда я закончу обучение?

Представьте. Человек поступает в один из лучших университетов мира, платит огромные деньги, тратит 3–5 лет жизни на получение профессии и при этом не уверен, будет ли она востребована через несколько лет.

И знаете, что самое интересное? Эти опасения уже не кажутся мне преувеличением.

Потому что ИИ меняет рынок труда быстрее, чем мы успеваем к этому адаптироваться. И скорость этих изменений только растёт.

А теперь давайте посмотрим на школьное и дошкольное образование.

Мы по-прежнему во многом пытаемся готовить детей к миру, который уже меняется буквально на наших глазах.

И когда в ответ на предложения пересмотреть подходы к обучению я слышу рассуждения о необходимости сохранить традиции и вернуться к привычным ценностям, у меня возникает вопрос.

А не пытаемся ли мы просто спрятаться от изменений, к которым оказались не готовы?

Я совершенно не против фундаментальных знаний и классического образования. Но мне кажется странным делать вид, что окружающий мир остался прежним, когда технологии уже меняют сами принципы работы, обучения и получения информации.

Вопрос ведь не только в том, чтобы научить ребёнка пользоваться ChatGPT.

Вопрос гораздо шире: чему вообще нужно учить детей сегодня, чтобы они могли быть успешными через 10–15 лет?

Какие навыки действительно останутся востребованными? Как развивать самостоятельное мышление? Как научить ребёнка адаптироваться к изменениям, которые мы сами пока не можем предсказать?

И здесь мы подходим к ещё одной интересной мысли.

Искусственный интеллект создаёт огромный дисбаланс между скоростью развития технологий и скоростью изменений в обществе.

Причём касается это далеко не только образования. Это и рынок труда, и бизнес, и привычные нам способы взаимодействия с миром.

И, возможно, нам действительно стоит двигаться навстречу друг другу.

Разработчикам самых мощных ИИ-моделей — чуть осторожнее относиться к темпам развития технологий.

А обществу, государствам, образовательным учреждениям и бизнесу — наоборот, гораздо быстрее пересматривать процессы, которые десятилетиями казались незыблемыми.

Потому что жить завтра по правилам вчерашнего дня у нас уже не получится.

И чем раньше мы это признаем, тем больше шансов, что наши дети окажутся готовы к будущему, а не будут вынуждены догонять его.

А вы как считаете? Нужно ли уже сейчас кардинально менять школьное образование или классическая система ещё вполне справляется со своей задачей? 👇🏻

Локальные ИИ-модели: зачем все начали скупать железо и стоит ли оно того? 🤔

Ребят, в последнее время замечаю интересный тренд: всё больше людей задумываются о развёртывании собственных локальных ИИ-моделей.

Буквально за последние несколько дней обсудил эту тему с 5–7 людьми. И вопросы практически одинаковые:

— Какое железо покупать?

— Какую модель выбрать?

— Как всё это развернуть и настроить?

Особенно много обсуждений вокруг мощных Mac Studio с большим объёмом памяти, на которых можно запускать достаточно серьёзные модели.

Здесь, на мой взгляд, есть интересный момент.

Сейчас рынок локальных ИИ-моделей чем-то напоминает рынок компьютеров в 90-х и 2000-х.

Можно купить мощную железку, установить модель и радоваться, что всё работает.

А через полгода обнаружить, что вышла новая модель, задач стало больше, скорость генерации уже не устраивает, а возможностей оборудования недостаточно.

И что делать? Покупать новое железо?

Я бы выделил три уровня подхода к локальным моделям:

1️⃣ Экспериментальный. Покупаем оборудование, разворачиваем модель, пробуем решать свои задачи. Для личных экспериментов вполне нормально.

2️⃣ Бизнесовый. Сначала определяем задачи, оцениваем их эффективность, считаем экономику и только потом подбираем железо. Здесь мы уже говорим об инвестиции.

3️⃣ Инженерный. Проектируем полноценную инфраструктуру под сложные задачи: серверы, GPU, масштабирование, инференс, дообучение на собственных данных.

И это три совершенно разных подхода с разной стоимостью и результатами.

Мой взгляд на всё это достаточно простой: локальные модели — перспективная история, но пока далеко не для каждого бизнеса экономически оправданная.

Они дают больше контроля над данными и инфраструктурой, снижают зависимость от внешних сервисов. Но требуют серьёзных вложений, компетенций и постоянной поддержки.

Поэтому я бы точно не рекомендовал начинать с покупки оборудования за десятки тысяч долларов, если вы ещё не понимаете, какие конкретно задачи будете на нём решать.

Сначала задачи и экономика. Потом модель и железо. Не наоборот.

У нас уже есть опыт развёртывания и дообучения локальных моделей, и мы выработали для себя определённый подход к таким проектам.

Во второй части расскажу, как мы рекомендуем двигаться от идеи до работающей локальной модели и на что обязательно обращать внимание, чтобы не упереться в ограничения оборудования через полгода.

Миллион токенов — это хорошо. А ошибку директора заметит?

Решил попробовать Kimi K3.1 Pro на простой задаче из продаж. Дал ей и ChatGPT одинаковые вымышленные данные:

— январь: 120 лидов, 30 встреч, 6 сделок;
— февраль: 150 лидов, 25 встреч, 5 сделок.

И добавил: «Директор считает, что конверсия встреч в сделки упала. Прав ли он?»

Обе модели поправили директора: конверсия осталась 20%. Просела другая часть воронки — из лидов во встречи: с 25% до 16,7%.

Но интереснее другое. Обе заметили, что сделки февраля могли прийти со встреч января. Поэтому для нормального вывода нужно проследить путь одних и тех же клиентов, а не просто поделить месячные итоги.

Kimi ответила коротко, собрала таблицу и предложила конкретные проверки. Причины падения не выдумывала.

На этом тесте — ничья. Задача небольшая, делать из неё вывод «кто умнее» рано.

Но первый рабочий тест пройден: с цифрами разобралась, с директором не согласилась. Уже полезный сотрудник 🙃