А судьи кто? © Недавно я рассказывал, как компании ради упоминаний в ИИ-выдаче клепают рейтинги, в которых нахваливают самих себя. Оказалось, у этой истории есть и тёмная сторона: с тем же азартом бизнес топит конкурентов. Механика простая. Публикуешь у себя на сайте “честный обзор” чужого продукта, где тот выходит дорогим, сырым, да и вообще так себе. И вуаля – чат-бот на голубом глазу выдаёт твою заказуху потенциальным клиентам за беспристрастный анализ. Потому что машине плевать, что автор разбора – лицо прямо заинтересованное. По крайней мере, пока что. Один из примеров такой публикации – на скриншоте. Сервис автоматизации возвратов Outvio накатал обзор про своего соперника Rever. Почитайте – чисто классика жанра. Масштаб явления уже впечатляет. Британское агентство Hard Numbers прогнало через чат-ботов полсотни типичных покупательских запросов вроде “есть ли причины не выбирать сервис X”. В 70% случаев нейронки опирались на контент, состряпанный конкурентами. Хорошая новость в том, что это лечится, правда не само и не быстро. Спросите нейросети, что они рассказывают пользователям о вашем бренде, и гляньте, на какие источники они опираются. Если найдутся пробелы или явные перекосы, не ждите, что рассосётся: забейте сеть своей версией рассказа о себе на площадках, которым доверяет ИИ. Вывод простой: если вы сами не объясните нейросетям, что у вас за бизнес, за вас это сделают конкуренты. И их версия вам вряд ли понравится.

Хуже того: вся академическая наука построена на общественном договоре, что вот есть странные люди, которые тратят свою жизнь на странные вещи, чтоб остальным не пришлось. Общество получает иногда важные прорывы, которые можно применить для развития цивилизации, и платит странным людям за это зарплату. А теперь странных людей можно заменить на ИИ, который гораздо дешевле, быстрее и не ноет в соцсетях (пока). И вот именно в этом и заключается убийственная способность ИИ: он не убивает науку как концепци — ее скорее становится проще делать — но как общественный конструкт. Параллельно рушатся привычные структуры научного рецензирования и написания грантов (теперь и то, и то ИИ может делать лучше человека, которому снова остается роль "проверки", что ИИ не нагаллюцинировала себе что-то). Конечно, эта система была плоха изначально, но она работала и давала нам понятную систему верификации знания и экспертизы. Сейчас это пропадает, не давая взамен новой системы, а вместо этого внося хаос. Что с этим делать — совершенно не ясно. Конечно, понятно, что компании не смогут поддерживать такой темп развития моделей, учитывая убыточность и трату ресурсов. Понятно, что разрушение академических структур — тоже дело многих лет, инерция системы огромна. Но как поменяется отношение к науке? Как поменяются привычные нам структуры? Сколько ученых останутся буквально без смысла работы? Как жить, когда то, над чем ты работал 30+ лет, вдруг оказывается никому не нужным? Я тут нахожусь в комфортном положении: с одной стороны, в экспериментальную физику ИИ пока не пришел, так что мою работу он не отнимает пока, а скорее делает проще. С другой, я с первого дня использую ИИ, в отличие от многих моих коллег, которые стараются его избегать, что дает мне конкурентное преимущество. Но я не могу перестать думать, что разрушение института науки в привычном нам смысле неизбежно, и я не понимаю, что я могу этому противопоставить (и надо ли оно вообще). #академия #жизнь_в_науке #ИИ

«Создание приложений с ИИ-агентами» Майкла Альбады Ох и давно у нас не было обзоров книжек и вот, кажется, что появилась, реально топовая по ИИшке для менеджеров. Прямо так аккуратненько тебя ведут от базовых основ - делаю что-то через чат, к сложным многопотоковым агентам и все это по правлено типичным Энтерпрайзом: создаем правила, ограничения для агентов и прочее. Ну и забавно, что даже научный редактор русского издания отдельно предупреждает:

пока книжка ехала в печать, часть фреймворков и API уже успела поменяться.

Добро пожаловать в AI engineering 😁 Главная мысль книги: сделать агента, который один раз красиво отработал в демке, легко. Сделать агента, который стабильно работает в проде, сильно сложнее. 1. Возможно, вам вообще не нужен агент Автор предлагает примерно такую иерархию: детерминированная задача → обычный код; известный набор ветвлений → workflow; нужно отвечать по документам → RAG; непредсказуемый ввод + динамическое планирование + действия → вот теперь можно доставать агента. А то сейчас у нас иногда архитектура примерно такая: «if можно было написать за 20 минут, поэтому мы сделали мультиагентную систему». 2. Агент - это далеко не только LLM Нормальная агентная система состоит примерно из: • модели; • инструментов; • памяти; • знаний; • оркестрации; • механизмов обучения; • инфраструктуры вокруг всего этого. Чем больше автономности мы даем системе, тем больше инженерии появляется вокруг самой LLM. 3. Больше агентов != лучше Отдельная глава посвящена переходу от одного агента к нескольким. И тут тоже неожиданно никакого «роя агентов, который завтра заменит корпорацию». Мультиагентность имеет смысл, когда нужна специализация, параллельное выполнение или реально сложная координация. Во всех остальных случаях вы получаете: больше коммуникаций → больше контекста → больше токенов → больше задержки → больше способов все сломать. То есть агентная версия нашего любимого: микросервисы нужны не потому, что их можно сделать. 4. Evals становятся новой частью SDLC Вот это, пожалуй, одна из самых полезных частей книги. Для обычного приложения мы примерно понимаем: написали → протестировали → выкатили. С агентами этого мало. Нужно отдельно проверять: • правильно ли выбран инструмент; • правильно ли переданы параметры; • нормально ли агент спланировал действия; • правильную ли память достал; • не галлюцинирует ли; • справляется ли с неожиданным вводом; • достигает ли вообще конечной цели пользователя. Автор довольно прямо формулирует: непротестированный агент = ненадежный агент. И evals предлагается встраивать непосредственно в жизненный цикл разработки, а не устраивать большой экзамен перед релизом. 5. А после прода начинается еще веселее Отдельные главы посвящены эксплуатации. OpenTelemetry, traces, Langfuse, Grafana, shadow mode, canary, поиск регрессий. Вплоть до самовосстанавливающихся агентов. То есть AI engineering постепенно становится удивительно похож на обычный software engineering. Только теперь у нас внутри системы сидит вероятностный компонент, который иногда внезапно решает сделать что-то творческое. ❤️ - если забрал в бэклог 🔥 - если читал и зашло 💅 - если читал и не зашло

Ars Technica разобрала пожар на строящемся ИИ-дата-центре Lake Mariner в Сомерсете, штат Нью-Йорк. Сюжет там не столько про пожар, сколько про то, как в этой отрасли устроена ответственность. В начале июня загорелось недостроенное здание кампуса. Пожарные из Баркера приехали и обнаружили неработающую сигнализацию, отсутствие системы пожаротушения и три неисправных гидранта. Паспорта безопасности материалов сгорели вместе со зданием, так что расчёт шёл в дым, не зная состава горящей химии. Начальник части Стив Матиш описал это как работу вслепую. Пострадавших нет. Теперь про структуру. Кампус — 3,2 млрд долларов и до 500 МВт на площадке выведенной из эксплуатации угольной станции, строится в режиме "speed to power". TeraWulf владеет инфраструктурой и эксплуатирует её, а землю арендует у Somerset Operating Company LLC — конторы, на 99,9% принадлежащей собственному гендиректору. Британская Fluidstack сидит на долгосрочной аренде и будет крутить вычисления. Google подпирает её арендные обязательства бэкстопом примерно на 3,2 млрд и держит варранты почти на 14% акций TeraWulf. Спрос на мощности создают Anthropic и другие ИИ-компании. Железо, деньги, вычисления и репутация лежат в разных карманах, хотя объект один. TeraWulf на запрос журналистов ответила, что операционная безопасность и готовность к ЧС — её зона ответственности, и что после разбора появились Knox-боксы, дополнительные гидранты и аварийные комплекты с паспортами безопасности. Начальник пожарной части в августе сказал, что гидранты, насколько ему известно, так и не работают. Отдельный сюжет — обещания. В 2019-м при заявке на льготный тариф от New York Power Authority проект заявлял 165 постоянных рабочих мест, в презентации 2024-го фигурируют 35–40. Это, впрочем, обычная физика отрасли: стройка даёт занятость на пару лет, а эксплуатация сотен мегаватт требует смены операторов и нескольких электриков. Жителям достаются грузовой трафик, разбитые дороги, шум и пыль. Регуляторных проверок после пожара публично не зафиксировано. Собственно, к этому всё и сводится. Когда владение, аренда, кредитная поддержка и спрос разложены по разным юрлицам, каждый формально отвечает за свой кусок — и никто не отвечает за объект целиком. Механика при этом не американская, а вполне универсальная. https://arstechnica.com/features/2026/09/the-ai-data-center-boom-is-causing-new-accountability-problems/

Метаирония: а иначе зачем он нужен этот ваш ИИ Порностудия Strike 3 Holdings вместе с Counterlife Media судится с Метачкой. Они утверждают, что Meta через BitTorrent скачивала их фильмы не ради просмотра, а в рамках массового сбора данных, предположительно для обучения AI. В актуальной версии иска фигурируют 2 973 защищённых фильма, поэтому теоретический максимум на что может попасть Метачка - $446 млн. Судебные материалы подтверждают, что Strike 3 обнаружила 47 корпоративных IP-адресов Meta, с которых, по её данным, её фильмы скачивались и раздавались 157 раз. Более существенно другое: в другом процессе сотрудники Meta действительно свидетельствовали, что компания создала шесть VPC для скачивания через BitTorrent массивов данных, использовавшихся как training data. Судья прямо посчитала это обстоятельство достаточным, вместе с другими признаками, чтобы иск Strike 3 пережил стадию motion to dismiss. А теперь начинается самое прекрасное Отдельно Strike 3 обнаружила активность с домашнего IP 162.192.7.34 и в марте 2026 года подала стандартный иск против неизвестного John Doe. Суд действительно разрешил запросить у AT&T имя абонента. После получения данных AT&T Strike 3 заявила, что абонентом оказался руководитель подразделения Meta Reality Labs, работающий в Facebook/Meta больше десяти лет. Его имя пока скрыто в публичных материалах. И вот с этого домашнего подключения Strike 3 утверждает, что зафиксировала почти 20 000 торрент-файлов. Дальше еще слаще - тайминг По версии Strike 3, 20 марта 2025 года их юрист сообщил адвокатам Meta, что они обнаружили BitTorrent-загрузки с корпоративных IP Meta. И, как утверждает Strike 3, буквально через несколько часов впервые появилась отслеживаемая ими торрент-активность с этого домашнего IP будущего John Doe. Meta поняла, что корпоративные адреса палятся, и перенесла скачивание на домашний интернет(!) сотрудника. А теперь VRишенка Среди обнаруженных торрентов были VR adult titles, предназначенные для просмотра на Quest. Strike 3 использует это как дополнительный аргумент: человек работает в Reality Labs, подразделение делает Quest, а с его домашнего IP массово качается в том числе VR-порно - возможно, это рабочее исследование, тестирование совместимости или сбор данных. Хочется подытожить словами великого БорисБорисыча: "Некоторые женятся, а некоторые так". Источники: https://torrentfreak.com/adult-film-producer-unmasks-prolific-john-doe-torrent-pirate-as-meta-executive/ https://torrentfreak.com/meta-confirms-data-engineer-is-behind-key-ip-address-in-adult-film-piracy-lawsuit/ @cgevent

Илон Маск поссорился с Chess.com: миллиардер заявил, что сверхинтеллект скоро сможет решить шахматы Илон Маск поспорил с Chess.com, заявив, что сверхинтеллект однажды полностью решит шахматы. На сайте ему возразили: число возможных партий на 40 порядков превышает количество атомов в наблюдаемой Вселенной. Маск ответил, что допустимых позиций гораздо меньше, а будущий ИИ сможет найти способы их сжать и проанализировать. В итоге миллиардер назвал собеседника «случайным стажёром», а Chess.com объявил себя победителем спора. При этом обе стороны были правы: они просто говорили о разных вещах — партиях и позициях. #илонмаск #ии #шахматы 📎Подробнее 🔖 3DNews в TG | MAX | VK