С глаз идёт не вся картинка, а апдейты изменившихся точек. Там чуть сложнее, но общий принцип такой. Идёт это в зрительную кору, которая описывает всё это токенами и пускает дальше в мозг так, что доходят считанные байты в секунду. Вычислительная мощность зрительной коры огромная, но пропускная способность на выходе очень низкая. Да и сознание само по себе с трудом переваривает больше 20 байт в секунду. А откуда тогда целая картинка, которую мы якобы видим? А из матрицы! Мозг изначально создает внутреннюю модель окружающего мира и постоянно синхронизирует её с входящим зрительным сигналом. То есть мы что-то рисуем, а потом обновляем по изменениям. Примерно так же устроены все протоколы сжатия видео ) В 1999 доказали, что зрение — это не видеокамера. Верхние уровни мозга формируют предсказание о том, что должно быть на картинке, и спускают эту информацию вниз. Нижний уровень сравнивает с тем, что пришло от глаз. Если совпало — данные вверх не идут. Если не совпало — сигнал «Тут что-то неожиданное». Если бы мозг мог идеально предсказывать каждую деталь окружающего мира, наша зрительная кора бы полностью отключилась. Мы замечаем мир ровно в той степени, в которой он способен нас удивить. Ещё работа про то, что мозг — машина предсказаний. Там чуть уточнён протокол общения разных слоёв, и в основном верхний уровень просит нижний слой заткнуться и сфокусироваться на действительно важном. Следующие два вопроса — а чего мы тогда не забьёмся в уютную комнату деградировать на диване и есть еду человечью, полтора килограмма в день. Ответ — потому что для нас эволюционно нормально другое, всё же исследовать мир немного. Второй вопрос — шизофрения и бред. Если в мозгу ломается химический баланс, мозг начинает выкручивать громкость на случайный нейронный шум. В систему идет мощный сигнал ошибки из ниоткуда. Мозг не может его проигнорировать и пытается объяснить. Чтобы свести эту ошибку к минимуму, он выдумывает грандиозную модель мира (например, что за ним следят). Как только эта бредовая модель принята, она ложится в базу предсказаний. Мозг постоянно играет сам с собой в игру «а что, если?». Если на вопрос «а что, если я потрогаю это или обойду кругом?» мозг может выдать детальный прогноз, объект кажется реальным. Если прогноза нет — это, вероятно, глюк. Ещё гипотеза. Мозг заранее прогнозирует, как забьется ваше сердце или как изменится дыхание, когда вы возьмете в руки кружку. Если внутренние ощущения совпали с прогнозом, вы чувствуете: «Я существую, все по-настоящему». Если же прогнозы мозга размыты и не совпадают с реальностью, связь обрывается, и вы начинаете чувствовать себя как во сне. В мозге есть специальный участок (передняя островковая доля), которая сравнивает эмоции: что мы ожидали почувствовать и что почувствовали по факту. Если баланс сходится — мы живем полной жизнью. Там же рядом есть красивая гипотеза, что хроническая усталость — это когда сигналов много, и это как 50 задач с просроченным дедлайном — лучше нахер закрыть их и больше не видеть. Если люди привыкнут, что за вспышкой света идет писк, мозг начнет включать писк сам. Даже если в реальности наступила тишина. На МРТ видно, что когда люди говорят о несуществующем звуке, их слуховая кора и другие зоны мозга (островок, передняя поясная кора) активировались точно так же, как если бы им в уши действительно пустили реальный звуковой сигнал. Тут ещё один подход к тому, что же такое сознание — через принцип машины предсказаний. И пара работ про галюцинации на основе этой модели.

Человек глючный: мы живём на скорости 10 бит/с, слепозрение, стрим с глаза идёт пакетами с монтажом, как устроены прерывания у человека, чем больше всякой фигни происходит перед глазами, тем короче субъективное время, исполнительная и рабочая документация.

-- Вступайте в ряды Фурье! | Самые хитрые посты Как называется состояние, когда в твоей жизни все хорошо? Галлюцинация!

Как перевести команду разработки на AI-агентов Провёл сегодня тренинг для продуктовой команды (мобильное приложение, несколько миллионов установок), и после него прилетел вопрос про разработчиков, как им-то переключится и какие инструменты использовать. Ну, мое мнение, что всякие блогерские и ютюбовские советы, а также специализированные скиллы и MCP становятся неактуальными при первом же большом обновлении моделей или оболочек, поэтому единственное, к кому стоит прислушиваться - ведущие лаборатории. Они знают, над чем работают и что будет неактуально уже в ближайший месяц и при это могут выстраивать state-of-the-art процесс с текущими моделями, чтобы быть быстрее и круче конкурентов. Короче, что стоит изучить: Самый содержательный текст про agent-first команду – Harness engineering от OpenAI. Люди задают архитектуру, ограничения и критерии качества, агенты исполняют. Короткий AGENTS.md (~100 строк) служит картой, а не простыней инструкций. Документация, планы и техдолг живут рядом с кодом, а их актуальность проверяют CI и отдельные «doc-gardening» агенты. Для руководителей есть более широкий Building an AI-native engineering team – про изменения по всему SDLC и то, что ownership кода всё равно остаётся за инженерами. У Anthropic главный практический документ – Best practices for Claude Code: CLAUDE.md, workflow «исследовать - спланировать - реализовать - проверить», subagents, hooks, worktrees. Ключевая мысль: агенту нужен исполняемый способ проверить свою работу – тест, сборка, линтер, скриншот. Для обмена командными практиками лучший механизм – skills: повторяемые workflows типа fix-issue или review-api-change лежат в репозитории и работают у всех одинаково. У OpenAI это описано в Customization, а почему нельзя просто свалить все знания команды в один гигантский промпт – объясняет Effective context engineering. По параллельной разработке рекомендации совпадают у обоих: – начинать с независимых read-heavy задач: ресёрч кодовой базы, анализ логов, поиск пробелов в тестах, code review, это можно делать с любой системой и любой ИИ-кой – изолировать агентов через git worktrees – отдельный checkout на каждого – выбор архитектуры (routing, orchestrator-workers, evaluator-optimizer) разобран в Building effective agents – для длинных задач – журнал прогресса и проверяемое состояние для следующего агента, см. Effective harnesses for long-running agents В общем, советы вроде банальные, но их никто не делает, все оптимизируют локальную свою работу, а в итоге даже при переходе на другую ИИ-ку, а тем более другому сотруднику уже будет плохо: короткий CLAUDE.md/AGENTS.md как карта, docs/ рядом с кодом, skills для повторяемых workflows, CI проверяет правила механически, тесты – критерий завершения работы.

Экосистемность и удобство продолжает оставаться главным трендом для виртуальных офисов — следует из свежего финансового отчета Yandex B2B Tech. Выручка виртуального офиса Яндекс 360 за первые полгода 2026 года выросла на 42% и достигла 11,6 млрд рублей. В Yandex B2B Tech отмечают, что бизнес-группа растет в 1,6 раза быстрее российского рынка корпоративных IT-решений. Согласно отчету, сервисами Яндекс 360 пользуются 185 тыс. организаций, а число платных аккаунтов достигло 8,9 млн. Ежемесячная аудитория выросла на 26%, до 117 млн пользователей. Рост связывают с развитием экосистемы сервисов и точечной интеграцией ИИ. При этом Яндекс 360 расширяет и on-premises: в собственном контуре уже можно развернуть Диск, Документы, Трекер, Вики и Формы. Корпоративный софт теперь про полноценную инфраструктуру для работы 👍

Как научить рекомендательную систему думать не о следующем лайке, а обо всей сессии? В классических рекомендациях модель обычно оптимизирует ближайший сигнал: клик, лайк, дослушивание. Но каждое действие меняет состояние пользователя. Хорошая рекомендация сейчас может привести к плохому продолжению сессии — и наоборот. AI VK Research попробовали решить эту задачу через Reinforcement Learning. Рекомендации формулируются как RL-задача: пользователь — environment, модель — agent, рекомендация — action, а реакции пользователя становятся reward. Главная сложность — обучаться приходится на логах старой модели. Авторы используют REINFORCE с многошаговой off-policy коррекцией, чтобы учесть разницу между поведением старой и новой политики и при этом не получить взрыв дисперсии. В экспериментах подход улучшил оценку долгосрочной сессионной награды без существенной потери стандартных метрик рекомендаций. Источник: https://habr.com/ru/companies/vk/articles/1068050/ #AI #Recsys #MachineLearning #RL

Матрица уже здесь? 😆 Пришла моя любимая тема симулякров в тренд. Вместо пары сотен тестировщиков – миллиарды виртуальных пользователей со своими характерами, привычками и тараканами. Всё в одной инфраструктуре – MatrAIx ⚠️ Что внутри: - 8,3 млрд персона-профилей - 1 290 характеристик на каждого - 1 010 сценариев в 25+ сферах (от софта до медицины) - 4 среды: опросы, чаты, веб, приложения - ~1 млн открытых персон для исследований Авторы прогнали 18 189 испытаний на GPT‑5.5, Claude Opus 4.8 и Claude Haiku 4.5. В 91,5% случаев поведение виртуалов точно соответствовало заданным чертам. Не иллюзия, а симуляция. Суть простая: хочешь проверить новую цену, задержку ответа или интерфейс – опрашивай не сотню живых людей, а миллионы цифровых двойников. И получай статистику, которая раньше требовала космических бюджетов. Такой вот офф-лайн АБ тест 😜 Это не просто тестирование – это шаг к полноценным симуляциям общества. Цифровые клоны человечества уже среди нас. 🆒 📄 Paper: https://huggingface.co/papers/2608.04205

Бюджет одобрен, бизнес-кейс заполнен, а потом две недели тишины Недавно у нас была сделка, которая выглядела очень хорошо. Клиент одобрил бюджет, внутри компании заполнили бизнес-кейс, на звонках был большой интерес, задавали вопросы по существу и уже обсуждали сроки запуска. А потом две недели тишины😀 В такие моменты я раньше начинала искать объяснения за клиента: у них закрывается квартал, человек ушёл в отпуск, начался reorg. Всё это может быть правдой. Но важнее другой вопрос: есть ли у этой сделки вообще владелец внутри компании? Потому что одобренный бюджет сам по себе не двигает сделку. Бизнес-кейс тоже. Нужен конкретный человек, которому этот пилот действительно нужен и который отвечает за то, чтобы он состоялся. Мы поэтому начали использовать mutual action plan. Прямо на звонке вместе с клиентом фиксируем следующие шаги, даты и ответственных с обеих сторон. И это довольно быстро показывает, насколько сделка реальная. Если человеку действительно нужен запуск, ему самому важно зафиксировать сроки и двигаться по ним. Если вы просто интересная опция на будущее, на конкретных датах это обычно становится понятно. Самое неприятное в таких сделках то, что они не умирают сразу. Они могут месяцами лежать в CRM, попадать в прогноз, требовать follow-up и создавать ощущение, что у тебя большой pipeline. А потом оказывается, что часть этого pipeline никогда не станет выручкой. Поэтому сейчас я стараюсь искать не просто интерес и не одобрение бюджета, а конкретного человека, которому действительно нужен результат. И проверять это не по тому, насколько хорошо прошёл звонок, а по тому, готов ли человек вместе с нами поставить даты и двигать проект. Если договорённый шаг не сделан и человек даже не возвращается с объяснением, для меня это уже сигнал, что сделки сейчас нет. К ней можно вернуться через пару месяцев, если у клиента изменятся приоритеты. Но держать её в текущем прогнозе только потому, что когда-то всё выглядело позитивно, я больше не хочу. «❤️» если больше делиться такой internal информацией

Слово пацана как фундамент финансово-юридической грамотности в России Чудесная история про «бизнес под честное слово» на канале Димы Филонова, обязательно почитайте. Я точно такого же рода кулстори читал (и слышал от непосредственных участников) множество раз, TLDR там всегда примерно такой:

«Начали делать крутой стартап с лучшими друзьями, права собственности поделили поровну, юрлицо для простоты зарегистрировали на одного. А когда через энное количество лет дело дошло до продажи бизнеса за сумму с большим количеством нулей, то внезапно выяснилось, что остальные (не вписанные в ЕГРЮЛ) партнеры и не партнеры никакие вовсе – а так, халявщики какие-то совершенно посторонние!»

В российском культурном коде вообще почему-то прописано, что настаивать на письменном юридическом оформлении договоренностей – это чуть ли не наезд с грубым оскорблением. «Ты чё, мне не доверяешь, что ли? С гнильцой ты человек, оказывается, Санёк… Да как с тобой после такого общаться-то??» Сюда же можно отнести и любовь к одалживанию крупных сумм денег друзьям без договора, и все прочие явления из ряда «пацанской финансово-юридической грамотности». Ведь у нормальных пацанов всё держится на том самом слове – они в этом плане находятся аккурат где-то между купцами-старообрядцами 18-го века и гвардейскими офицерами Российской Империи века 19-го. А привлекать к межпацанским разборкам внешний юридический аппарат принуждения со стороны государства – это какой-то стыднейший зашквар, да. Отдельным пунктом здесь еще проходит паническое неприятие брачных договоров. Тут обычно логика следующая: «пытаешься заранее обсудить раздел имущества в случае развода – так ты что, не веришь в наш брак, что ли, и заранее разойтись хочешь??» Хотя, казалось бы, любой разумный человек, кто хоть раз краем глаза видел бракоразводную статистику – должен, ну, э-э, не совсем исключать вероятность такого развития событий, скажем так. В общем, что я хотел сказать: уважаемые пацаны (и пацанессы), помните, что стимулы управляют решениями. Если вы сами создаете ситуацию, в которой ваш кореш оказывается перед выбором «кинуть вас и стать богаче на многомильёнов, или остаться верным своему слову и бедным» – то вы этим самым сильно повышаете вероятность такого кидка. Потому что оставаться высокоморальным очень просто, когда речь идет о дележке будущей гипотетической шкуры неубитого медведя. А когда этот медведь уже убит, и непосредственно целиком записан на тебя лично – то это уже совсем другая история…

Интересное про ChatGPT как продукт. Если кто не знал, вся AI индустрия держится на двух китах - OpenAI и Anthropic, на которые по разным оценкам (Wells Fargo, Barclays и др.) приходится 85-90% всего мирового спроса на AI компьют! И 70%+ AI выручки гиперскейлеров - тоже от них. А не от собственных AI продуктов, у которых есть фантастические возможности дистрибьюции (как у Майкрософта например). ChatGPT - главный consumer продукт всей индустрии, поэтому по его трендам можно делать какие-то выводы обо всем мировом genAI. 1️⃣ Многие заметили, что с недавних пор Револют на своих тарифах бесплатно предлагает подписку ChatGPT Go вместо Perplexity. Нередко компании делают так, чтобы в отчетности увеличить число юзеров платных тарифов. Например Perplexity их считал как платных, но на бумаге была строка Discounts and Refunds с большим убытком, почти в половину выручки! (в этом посте есть картинка с примером отчетности). 2️⃣ Но самое интересное, что в начале года OpenAI планировало падение числа $20/m подписчиков Plus с 44 млн до 9 млн! (the information) При этом число более дешевого тарифа Go должно было вырасти с 3 млн до 112 млн. И это должен быть самый быстрый в истории рост базы платных подписчиков. Сначала OpenAI стал раздавать Go бесплатно в Индии, потом были еще акции (Shopee и др.), а сейчас дело дошло до 75 млн клиентов Революта - теперь каждый из них может по сути бесплатно пользоваться Go. 3️⃣ Аналитики пишут, что такие сложности, да и сам новый тариф Go потребовались, потому что ретеншн на Plus за $20/мес уж очень плох, и даже общее число стало падать. Поэтому придумали такой витиеватый план показать бурный рост юзеров платных тарифов. Кстати по майским инсайдам The Information конверсия из бесплатного в платный, когда были только Plus/Pro - 2,58%, а с появлением Go уже почти 6% - я об этом писал, что у революционного технологического продукта не может быть конверсия в платного на уровне плохих бенчмарков b2c. А саму конверсию я посчитал точно - 2-3%, почти полтора года назад. 4️⃣ OpenAI не смог достичь собственных прогнозов на 2025 год в 1 млрд WAU у ChatGPT, даже к лету 2026 число пользователей растет крайне медленно. Я тоже писал, что ChatGPT больше некуда расти - просто нет столько людей в мире. А значит и сложно впечатлять инвесторов ростом выручки. 5️⃣ Есть прикольное жопокрутство от OpenAI: про b2b юзеров компания пишет paying business users, а про b2c - просто consumer subscribers. То есть там очевидно есть те, кто пользуется Go или другими тарифами, но не платит. При этом техкранчи и рейтерсы пишут сразу про всех paid users. Ну да, это же мелочи (нет). 6️⃣ Короче говоря, самый популярный из AI продуктов и единственный AI продукт среди популярных, ChatGPT - сталкивается со своими сложностями. Считаю, что все, кто как-то планирует бенефициировать на AI, должны следить за динамикой ChatGPT и его метриками. Потому что у остальных горизонтальных AI продуктов они почти всегда хуже 🥲 @kyrillic