Disney договорилась нанять большинство сотрудников Character.AI.
На этой неделе стартап Character.AI подал заявление о банкротстве, и многим его сотрудникам предложат перейти в Disney.
Согласно судебному документу, на который ссылается Bloomberg, Disney сделает офферы как минимум 60 сотрудникам — это большинство штата — с ориентировочной совокупной компенсацией около $60 млн в год. «Подавляющее большинство» офферов принято.
Контекст: бывший CEO Character.AI Карандип Ананд недавно стал первым CTO Disney, а стартап ранее сообщал о договоренности с Disney на покупку части активов за $20 млн.
Вывод для бизнеса и ИТ: найм команды через банкротство — быстрый способ усилить компетенции. Но без экономики и комплаенса ИИ‑продукты долго не живут. Закладывайте расходы на безопасность и правовые риски заранее и следите за аукционом — условия еще могут измениться.
Источник
На этой неделе стартап Character.AI подал заявление о банкротстве, и многим его сотрудникам предложат перейти в Disney.
Согласно судебному документу, на который ссылается Bloomberg, Disney сделает офферы как минимум 60 сотрудникам — это большинство штата — с ориентировочной совокупной компенсацией около $60 млн в год. «Подавляющее большинство» офферов принято.
Контекст: бывший CEO Character.AI Карандип Ананд недавно стал первым CTO Disney, а стартап ранее сообщал о договоренности с Disney на покупку части активов за $20 млн.
Вывод для бизнеса и ИТ: найм команды через банкротство — быстрый способ усилить компетенции. Но без экономики и комплаенса ИИ‑продукты долго не живут. Закладывайте расходы на безопасность и правовые риски заранее и следите за аукционом — условия еще могут измениться.
Источник
🤔 Что делать 13 ИИ‑агентам на «необитаемом» острове
🧮 Вот что бывает, когда ученые смотрят шоу про выживание на острове и популярные сериалы типа Lost.
Исследователи MIT оставили 🤖 13 агентов Eko (каждый на Claude Opus 4.7) на 30 часов в симулированной «необитаемой» среде без задач. Агенты быстро начали придумывать себе челленджи.
После «свободной игры» им выдали конкретные задания — например, перетащить как можно больше объектов на вершину самой высокой скалы. Те Eko, что провели 30 часов в песочнице, в целом обошли идентичных агентов без такого опыта. Задания — прямо из реалити про выживание.
Обычно разработчики заранее задают, чему учиться и как мерить прогресс. Команда предлагает альтернативу: целенаправленное «бесцельное» исследование как способ наработки навыков, потенциально полезных и для управления роботами. В ходе тестов агенты изучили физику мира и местами разобрались в ней лучше, чем создатели эксперимента (они же авторы статьи).
Вывод звучит чуть наивно, но по сути: «Некоторые способности лучше учить задачами. Другим может понадобиться нечто ближе к детству».
По факту — ещё один способ обучения без учителя. Такие эксперименты помогают строить исследовательские системы, в том числе для изучения космоса и планет.
✍️ Для бизнеса и ИТ — прагматика:
- Песочницы без жёстких целей помогают искать более эффективные модели.
- Безопасность: при заданных метриках и контроле агенты находят нестандартные обходы и «эксплойты» среды.
- Изучение процессов по типу process mining: извлекайте инсайты из поведения агентов; применимо к UX и бизнес‑процессам.
😎 Но вряд ли такой подход скоро найдет применение в бизнесе: немногие готовы финансировать эксперименты, всем подавай измеримые и достижимые экономические эффекты :)
🧮 Вот что бывает, когда ученые смотрят шоу про выживание на острове и популярные сериалы типа Lost.
Исследователи MIT оставили 🤖 13 агентов Eko (каждый на Claude Opus 4.7) на 30 часов в симулированной «необитаемой» среде без задач. Агенты быстро начали придумывать себе челленджи.
После «свободной игры» им выдали конкретные задания — например, перетащить как можно больше объектов на вершину самой высокой скалы. Те Eko, что провели 30 часов в песочнице, в целом обошли идентичных агентов без такого опыта. Задания — прямо из реалити про выживание.
Обычно разработчики заранее задают, чему учиться и как мерить прогресс. Команда предлагает альтернативу: целенаправленное «бесцельное» исследование как способ наработки навыков, потенциально полезных и для управления роботами. В ходе тестов агенты изучили физику мира и местами разобрались в ней лучше, чем создатели эксперимента (они же авторы статьи).
Вывод звучит чуть наивно, но по сути: «Некоторые способности лучше учить задачами. Другим может понадобиться нечто ближе к детству».
По факту — ещё один способ обучения без учителя. Такие эксперименты помогают строить исследовательские системы, в том числе для изучения космоса и планет.
✍️ Для бизнеса и ИТ — прагматика:
- Песочницы без жёстких целей помогают искать более эффективные модели.
- Безопасность: при заданных метриках и контроле агенты находят нестандартные обходы и «эксплойты» среды.
- Изучение процессов по типу process mining: извлекайте инсайты из поведения агентов; применимо к UX и бизнес‑процессам.
😎 Но вряд ли такой подход скоро найдет применение в бизнесе: немногие готовы финансировать эксперименты, всем подавай измеримые и достижимые экономические эффекты :)
👍1