Вкусовошинг Издание The New Yorker написало про очень занятную штуку в ИИ-индустрии. Суть такая: ИИшные технобро из Долины дружно помешались на вкусе. Вот несколько цитат: - Грег Брокман из OpenAI: "Вкус - это новый базовый навык". - Основатель ИИ-конструктора сайтов Framer Кун Бок: "Лучшие продукты будут строить люди с отличным вкусом". - Пол Грэм, Y Combinator: "В эпоху ИИ вкус станет ещё важнее". - Анонимный топ из ByteDance: "Персональное чувство вкуса - это новый moat" (что такое moat - я писал тут). И т.д. и т.п., можно много такого найти. Получается, в 2026 году слово "taste" стало таким же булшитом клише в Долине, каким в 2010-х было, к примеру, слово "дизрапт". Почему так? Есть две версии - красивая и (скорее всего) реальная: Начнём с красивой. ИИ уронил стоимость производства чего угодно нефизического почти до нуля. Код, визуал, дизайн, тексты, видео, музыка - теперь с ИИшкой можно собрать за пару вечеров, причём даже без глубоких навыков. А если узкое место "сделать" больше не работает, то должно появиться новое. Вот техно-бро считают, что это вкус. Ведь что такое вкус? Это когда мы умеем из кучи вариантов выбрать самый лучший, самый актуальный, самый годный. И если ваша компания умеет давать стиль, а лично вы излучаете тотальный биллионерс, то у вас есть конкурентное преимущество. Если нет - раньше это было окей, а теперь, в эпоху ИИ, вам капец. Это в целом верно, сложно спорить. Но есть обратная сторона медали, и про неё как раз пишет автор колонки Кайл Чайка. Это чувак, который уже кучу лет описывает, как алгоритмы всё усредняют, и даже написал про это книгу "Filterworld". Он называет происходящее "taste-washing". По аналогии с гринвошингом, хелсвошингом и прочими штуками, где компании присасываются к тренду. ИИ-конторам нужно слово "вкус", потому что за пределами Долины их продукты воспринимают не как стильный выбор, а либо как фабрику нейрослопа (= говно), либо вообще как угрозу - работе, осознанному потреблению, ощущению себя и ЧЕЛОВЕЧЕСТВУ 🤣. То есть, ИИ - это технология, которая по своей природе обезличивает, а вкус даёт ей некий красивый гуманистический фасад. Но при этом реальность работает ровно наоборот: NYT недавно подсунул читателям отрывки из big literature вперемешку с ИИ-текстом, и почти половина предпочла нейротекст. Так что, ИИ не виноват, что у него нет вкуса - у людей его изначально не было, а ИИ лишь наш слепок 😈 Но особо доставляет, что на той же волне возникают ИИ-продукты для развития вкуса. Например, есть такой нишевый стартап Sublime. По сути, это закладочная читалка: вы сохраняете туда цитаты, ссылки, картинки и видосы, а ИИ подтягивает к ним связанные идеи из вашей библиотеки и от других юзеров. И в итоге должна получится "библиотека вашего личного вкуса". Плюс платные сессии, где нейронками собирают айдентику бренда "со вкусом", лол. Вкус, который вы должны вырастить вопреки ИИ, чтобы иметь конкурентное преимущество в новой реальности, вам подсказывает нейросеть. Слопо-жаба окончательно закольцевала метавселенную. Дизраптор

🤥 Как ИИ формирует рекомендации для пользователей и может ли в них попасть небольшой бренд На днях прочитал занятный кейс. Дина Берк, сооснователь медиа Boy's Club запустила бренд натуральных дезодорантов Morrowen. А через 3 недели ChatGPT уже советовал его пользователям.  👀 Что же тут примечательного? Такого дезодоранта не существует, а запуск был лишь экспериментом. В чем суть? Пользователи переходят на ИИ-поиск - вместо того, чтобы гуглить вручную, они просят нейросеть найти и посоветовать товар. Согласно опросу Bain Consumer Lab, так делает 30% респондентов. Но как именно модели формируют свои рекомендации - пока непонятно. Дина Берк предположила, что есть некая ИИ-полка - склад продуктов и брендов, которые нейросети советуют пользователям. Она решила проверить, можно ли повлиять на алгоритмы нейросетей и попасть на полку: ✔️ Придумала несуществующий продукт для узкой аудитории - натуральный дезодорант Morrowen. По задумке, в нем были коллоидная овсянка и гидроксид магния. Значит, им могли заинтересоваться любители экологичной косметики с аллергией на соду. ✔️ Купила домен за $11,25 и собрала простой сайт. С помощью нейросетей Дина сгенерировала фейковые картинки и тексты, в которые добавила ключи: “коллоидная овсянка”, “гидроксид магния”. ✔️ Опубликовала один обзор на платформе Substack. И все - не закупала рекламу и не писала фейковые отзывы. Затем отправила сайт на индексацию. Результат? Через 3 недели ChatGPT с включенным поиском начал рекомендовать фейковый дезодорант пользователям. Например, когда люди писали в режиме онлайн-поиска: “У меня раздражение от соды. Какой натуральный дезодорант купить для чувствительной кожи?”, ChatGPT в 4 из 4 случаев выдавал Morrowen. Впрочем, по запросам “лучший”, “самый дешевый”, “без алюминия”, нейросеть все же показала реальные бренды. С выключенным поиском Morrowen тоже не попал в рекомендации. 👉 Что это значит для маркетологов? Искусственным интеллектом легко манипулировать. Достаточно определить боли своей аудитории, подобрать ключи, написать тексты - и нейросеть добавит ваш товар на одну полку с проверенными брендами. Такой фокус получится у любой компании, и в этом проблема. ИИ может рекомендовать некачественный, неизвестный или вообще фейковый продукт вместо проверенного, опираясь только на контент (даже фейковый). И повлиять на нельзя - ведь никто не видит, что именно стоит на ИИ-полке. А вы что думаете насчет ИИ-рекомендаций? Сами пользуетесь? Заходите в комментарии - обсудим. 👉🏼 Подписывайтесь на «Телеграмму...» в Максе: max.ru/yumaks #ИИ #МАРКЕТИНГ #КЕЙС #НАСМОТРЕННОСТЬ

ОЗУ позволяет запускать огромные ИИ-модели на видеокартах с небольшим объёмом VRAM XDA протестировала локальные модели с архитектурой Mixture-of-Experts (MoE). Она активирует только нужных экспертов во время работы, поэтому часть данных можно вынести из видеопамяти в обычную ОЗУ. Например, на RTX 3080 Ti с 12 ГБ VRAM удалось запустить Qwen3.6-35B-A3B в формате Q4_K_M через llama.cpp. Модель содержит 35 млрд параметров, но работала со скоростью около 25 токенов/с. Ещё интереснее результат с GeForce GTX 1080 на 8 ГБ: на ней запустили Gemma-4-26B-A4B Q4_K_M со скоростью 14 токенов/с. Главное условие такого подхода - суммарного объёма VRAM и ОЗУ должно хватать для всей модели.