🔥 Радикальная опциональность, нейрокомпьютеры и экономический взрыв от RSI

В новом выпуске Import AI 456 собраны четыре ключевых материала: предложение по регулированию AI через «радикальную опциональность», концепция нейрокомпьютеров от Юргена Шмидхубера, экономическое моделирование рекурсивного самосовершенствования (RSI) и новая техника распределенного обучения от Google.

Регулирование AI: третий путь

Исследователи из Institute for Law & AI предлагают концепцию «радикальной опциональности». Вместо того чтобы выбирать между жестким регулированием и его отсутствием, правительствам стоит сейчас вкладывать ресурсы в создание инструментов, которые могут понадобиться в будущем кризисе. Рекомендации включают: требования к прозрачности и отчетности компаний, защиту разоблачителей, гибкие «if-then» правила, развитие государственных и сторонних мощностей для оценки AI-систем, усиление безопасности весов моделей и алгоритмических секретов, а также найм технических талантов в AISI (UK) и CAISI (US). Авторы признают риски злоупотреблений и концентрации власти, но считают затраты на эти меры скромными по сравнению с потенциальными катастрофическими последствиями бездействия.

Нейрокомпьютеры: новая форма машины

Юрген Шмидхубер (Meta, KAIST) представляет концепцию Neural Computer (NC) - нейронной системы, объединяющей вычисления, память и ввод-вывод в едином обучаемом состоянии рантайма. Идея в том, чтобы заменить традиционное программное обеспечение (ОС, интерфейсы) гигантской нейросетью. Прототипы на базе генеративной видео-модели Wan 2.1 уже умеют рендерить и выполнять базовые CLI- и GUI-сценарии, хотя символическая стабильность пока ограничена. Долгосрочная цель - Completely Neural Computer (CNC), где все компоненты компьютера унифицированы в одном обучаемом субстрате.

RSI и взрывной экономический рост

Экономисты из Forethought, Columbia University и University of Virginia смоделировали, как автоматизация AI-исследований может запустить петли обратной связи, ведущие к беспрецедентному экономическому буму. Ключевые выводы: 13% автоматизации во всех секторах достаточно для перехода в «взрывной» режим, а 20% автоматизации только в аппаратном обеспечении (чипы) - уже превышает порог. В симуляции полная автоматизация софтверных R&D и 5% автоматизации в остальной экономике приводит к «сингулярности» примерно за шесть лет. Авторы подчеркивают стратегическую важность полупроводниковых исследований и предлагают отслеживать уровень автоматизации в AI R&D как ранний индикатор ускорения роста.

Decoupled DiLoCo: Google объединяет мировые дата-центры

Google представила Decoupled DiLoCo - расширение семейства DiLoCo для асинхронного обучения на изолированных «островках» вычислений (learner units). Техника позволяет пулу разных типов компьютеров в дата-центрах по всему миру работать над одной задачей, при этом сбой в одной области не останавливает остальные. Тестирование на моделях Gemma 4 показало 88% goodput при агрессивных симулированных отказах (против 58% у elastic data-parallel). Google успешно обучила 12-миллиардную модель на четырех регионах США с пропускной способностью 2-5 Gbps. Это шаг к превращению всех компьютеров компании в единый всемирный суперкомпьютер.

#TECH #Regulation #Research #DistributedTraining