Что делать в век ИИ? Деньги зарабатываются на дефиците и уникальном предложении, а с ИИ он меняется каждые ~2 года. В этом после рассуждаем о том как это происходило и будет происходить в будущем. Buildout. В 2023-2024 самое ценное было построить продукты, которые позволяют людям использовать ИИ типа Lagnchain, Cursor, датацентры, неолабы. Rollout. В 2025 и 2026 это внедрение ИИ в существующие организации и рынки, такие как AI роллапы, FDE консалтинг и ИИ-трансформация, агентские системы которые переизобретают процессы на разных рынках Ни первые, ни вторые компании не перестанут существовать завтра, но новые возможности появляются в новых местах, и чем они более сложные, уникальные и необходимые миру, тем больше там денег. После 2027, все, что можно произвести за токены (софт, контент) претерпит очень сильную дефляцию, маржа схлопнется, а цена упадёт. Дефицит и спрос уйдет туда, что нельзя купить за токены. Наука на ИИ. В отличии от внедрений, тут нет дефляционной спирали (ты делаешь процесс дешевле, и каждая итерация экономит все меньше, следовательно рынок сужается). Наоборот, каждая сгенерированная гипотеза и каждый эксперимент расширяет область применения, а конкуренция с лабами вполне возможна, потому что у OAI/ANT нету возможности проводить эксперименты, собирать данные и строить быструю обратную связь в биологии, физике, химии и т.д. Институты на ИИ. Если пересобрать все в мире отделы продаж или маркетинга на основе ИИ сэкономит условно $1T, то пересборка социальных институтов сэкономит $30T в год. Это файнал босс человечества и последний оплот аналоговой, неэффективной, ручной и подверженной всем известным bias'ам на свете бюрократии. Институт — это доверие, но оно узурпированно брендом, репутацией и теплым местечком, а не экспертизой конкретного человека. Суды это про репутацию, медицина про картель врачей, парламент про умение проводить кампании и рейзить на них деньги. Уже сегодня можно построить институт аналогичный FDA, арбитражу или образованию, который с помощью ИИ даст 2х эффективности за 1/10 или 1/100 от цены, но институты нельзя просто прийти и сломать (если вы не большевики). Стратегия тут строить параллельные и более эффективные и дать возможность мигрировать. Бизнесу будет удобнее проводить арбитражные разбирательства в суде, который 100х дешевле и прозрачнее. Это самые большие рынки на планете: например, здравоохранение это 17% ВВП США, а госуправление это треть мирового ВВП, и их моат не технология а историческая легитимность (которая, конечно, никогда не вечна).

Органоид, робот и проверка переноса. Две свежие работы удобно читать вместе: The Physical Basis of Prediction про нейроорганоиды в виртуальных средах и Accelerated co-design of robots through morphological pretraining про общий контроллер для множества тел роботов. Обе проверяют один вопрос: способность рождается в «мозге», теле, среде или в способе измерения успеха. В первой работе агентом становится человеческий нейроорганоид на матрице микроэлектродов. Проще: маленький живой нервный узел подключают к виртуальной игре. Одни электроды «говорят» ему, что происходит в среде; другие читают ответ по вспышкам активности нейронов. Экран видит компьютер, а органоид получает не картинку, а электрический рельеф. Обучение завязано не на очки, а на предсказуемость. Когда действие удачное, стимуляция становится стабильной и «читаемой». Когда действие ошибочное, сигнал становится шумным. Мозговой фрагмент учится не за «конфету», а потому, что после правильного хода мир перестаёт трещать как радио между станциями. Задачи идут ступенями. В conditional avoidance есть линия из 8 позиций: 1–5 безопасны, 6–8 неприятны, и чем глубже заход, тем сильнее наказание. В predator-prey органоид ведёт хищника к добыче. В Pong положение мяча кодируется сложнее: горизонталь через разные электроды, вертикаль через частоту сигнала; успешный удар подтверждает ожидание траектории, промах маркирует сбой прогноза. Самое интересное здесь — слой проверки. Авторы предлагают смотреть на физический след обучения: fEPSP как признак усиления/ослабления связей, кальциевую съёмку ансамблей, MEA-записи всей сети и молекулярные маркеры AMPA/NMDA, Synapsin-1, PSD-95, MAP2, GFAP, c-Fos. То есть вопрос становится почти судебным: не «сыграло лучше?», а «какие связи и клетки реально перестроились после опыта?» LLM в этой схеме не играет за органоид. Он проектирует следующие протоколы: получает цель, ограничения и историю запусков, затем предлагает новый блок экспериментов. Это необычно: автоматизируется не сам биологический агент, а конвейер миров, в которых он учится. Поэтому нужны проверка параметров, журнал протоколов и раздельная оценка поведения, физиологии и ошибок генерации. Во второй работе та же логика переносится на роботов. Strgar и Kriegman берут мягкие 3D-тела как набор масс и пружин в сетке 6×6×4: до 245 масс и 1648 пружин, сенсоры света на массах, пружины как мышцы. Вместо отдельной «нервной системы» под каждое тело они тренируют один общий контроллер: 250 входов сенсоров, 5 ритмических сигналов и выходы на пружины; лишние входы и выходы зануляются. Хорошая бытовая аналогия: это водитель, который должен без переучивания садиться то в велосипед, то в паука из Lego, то в мягкого червя с фонариком. Тело само ограничивает, какие рычаги у водителя вообще подключены. После тренировки контроллер «замораживают», меняют форму робота и сразу проверяют, стало лучше или хуже. Авторы называют это zero-shot evolution. Технически трюк держится на дифференцируемой симуляции: градиенты усредняются по телам, мирам и целям. За 1400 шагов, около 56 минут на 8 H100, контроллер проходит через более чем 10 млн морфологий; в среднем роботы закрывают около 70% пути к свету. Поломка важна не меньше успеха. Когда общий контроллер и популяцию тел оптимизируют одновременно, возникает diversity collapse: тела становятся похожими, потому что одному контроллеру проще вести однотипные формы. Как если бы автошкола не учила водителя разным машинам, а постепенно переделывала все машины под привычки одного инструктора. Лучший режим: на каждом поколении контроллер возвращают к предобученным весам и дают 60 шагов донастройки. Так разнообразие форм сохраняется и даже растёт. Общий вывод: поведение само по себе легко обманывает. Органоид мог «научиться» только из-за удобной кодировки сигналов; робот мог стать успешным потому, что тела подстроились под слабости общего контроллера. Поэтому проверять надо всю цепочку: среду, сенсорный код, тело, интерфейс, контроллер, перенос и след обучения.

🦟 ПВО от комаров – стартап, который собрал $2,8 млн на запуск. Кейс Photon Matrix Сегодня в рубрике #ИдеиБизнеса рассказываю про стартап, который разработал решение одной из главных проблем человечества. Вы не поверите, но они запилили первую в мире систему ПВО от комаров. 💡 Как пришла идея? Основатель китайского технологического стартапа Photon Matrix мечтал избавить человечество (а заодно и себя) от кровососущих гадов. Он задумался: а что если объединить возможности систем обнаружения с ИИ, чтобы аппарат сам лупил по негодным паразитам? Спустя несколько лет команда представила портативную систему обороны против комаров. В ее основу включили технологию LiDAR, миллиметровый радар, лазерное наведение и компьютерное зрение - все это объединили в единую интеллектуальную систему управления. 👀 Как работает на практике? Гаджет непрерывно мониторит сектор, находит вредителя, фокусирует на нем луч и дает короткий лазерный импульс на расстояние до 6 метров. Производители обещают, что аппарат безопасен для людей, животных и птиц. Благодаря четким протоколам, пушка срабатывает только на объекты размером 2-20 мм, которые двигаются со скоростью до 1 м/с. Если в зоне появится кто-то крупнее или быстрее, система просто не включится. Плюс это экологично: не нужно включать фумигаторы и брызгаться репеллентами, которые загрязняют воздух и воняют, как химзавод. Есть две версии устройства. Аппарат с синим лазером пуляет по комарам видимым лучом - прямо как в “Звездных войнах”. Штука занятная, но больше подойдет для улицы или гостиной: ночью вспышки будут мешать. Модель с инфракрасным лазером в темноте не видно. С готовыми образцами ребята вышли на краудфандинговую платформу Indiegogo - хотели собрать $20 тысяч на запуск. Параллельно тестировали устройство в полях, записывали это на видео и выкладывали на своих каналах в YouTube и TikTok. 💰 Результат? Идея так зажгла аудиторию, что в проект вложились больше 4 тысяч человек, а сумма выросла до $2,8 млн. И, говорят, первые поставки обещают уже в этом году. По раннему предзаказу устройство можно было купить за $400–500, а вот на сайте оно стоит уже около $900–1000. Ну что, держим кулачки, чтобы у стартапа все получилось и продукт пошел в массы? А вы купили бы? Заходите в комментарии - обсудим. 👉🏼 Подписывайтесь на «Телеграмму...» в Максе: max.ru/yumaks #ИДЕИБИЗНЕСА #СТАРТАП #ИИ

Американский AgeTech-стартап с российскими корнями Callie Care привлек $500 тысяч от фонда InterSystems Ventures. Полученные средства планируется направить на разработку следующей версии продукта, масштабирование, совершенствования инфраструктуры когнитивного мониторинга, расширения корпоративных продаж и т.д. Callie Care в 2025 году запустили Игорь Гурович [ex-Refocus], бывший вице-президент по инновациям InDrive Юрий Палевич, бывший СТО InDrive Михаил Андросов и Мария Николаенко. Компания Компания разрабатывает голосового ИИ-помощника для пожилых людей. Ассистент звонит им по обычному телефону, проводит регулярные проверки самочувствия, помогает с повседневными задачами и передает данные семьям либо людям, осуществляющим уход. В частности, ИИ-помощник помогает заказать такси, доставку продуктов и лекарств, а также записаться на прием к врачу. @rusven

Сколько денег потеряли на мемкоине Трампа, FTC наказывает сервисы деньгами за недобросовестность, 2 млрд рублей на игру «Война миров: Сибирь», лунная гонка между Китаем и США 🦄 Доброе утро, наши маленькие любители единорогов! 😭 Около 1 млн человек суммарно потеряли на мемкоине TRUMP около $3,8 млрд, пишет New York Times со ссылкой на отчет Nansen. На пике мемкоин стоил $75,35, а сейчас подешевел на 97% до $1,76. Подсчитать решили после того, как на прошлой неделе Дональд Трамп отчитался, что получил от этого мемкоина $636 млн. Еще 500 000 человек в плюсе суммарно на $4 млрд. Но Nansen отмечает, что в их число входит «небольшое число ранних покупателей, получивших огромную прибыль, в то время как подавляющее большинство розничных инвесторов понесли убытки». 🧑‍⚖️ Тревел-сервис Hopper согласился заплатить $35 млн после иска Федеральной торговой комиссии США (FTC). Сервис обвиняли в введении пользователей в заблуждение путем скрытых комиссий и искажения общей стоимости услуг. Как пишет Techcrunch аналогичные соглашения подписали сервисы Match, StubHub, Dave, Fortnite и другие. В общем, урожай у FTC большой. Недавно стало известно об аналогичном иске к украинскому венчур-билдеру Genesis Tech и сразу нескольким его приложениям. 💲 Игра «Война миров: Сибирь» выиграла грант от 800 млн до 1 млрд рублей от Института развития интернета, пишет «Коммерсант» со ссылкой на источники. Эту игру в 2023-м заявляла «дочка» 1С — 1C GameStudios. И вроде как в разработку уже было вложено около 767 млн рублей. Еще около 400–500 млн рублей собирался инвестировать продюсерский центр «Яндекса». Итого уже минимум почти 2 млрд рублей. На сайте проекта сказано, что релиз запланирован на 2027 год. 📝 Минцифры станет главным регулятором искусственного интеллекта в России, пишет РБК со ссылкой на постановление правительства. В документе сказано, что под регулирование подпадают почти 28 000 компаний. Минцифры получит право формировать госполитику в сфере AI, готовить законы, определять меры поддержки разработчиков, регулировать доступ к госданным для обучения моделей и так далее. 🌝 Глава NASA Джаред Айзекман не исключает, что Китай может высадиться на Луну раньше возвращения туда США. Об этом он заявил в интервью CBS. По словам Айзекмана, китайцы движутся с невероятной скоростью. Их полет на Луну запланирован на 2030 год, но могут полететь и в 2029-м. У США полет запланирован на 2028-й. Но эксперты сомневаются в реалистичности этого срока. Ну, а нам остается с попкорном следить за лунной гонкой. @TheEdinorogBlog — тот самый канал про стартапы🦄

🔹 smixs/agent-second-brain ⭐ 295 звёзд · Python Голосовые заметки из Telegram превращаются в типизированные карточки Obsidian с автосвязями. Стек: Python 3.12+, aiogram, Deepgram для транскрипции и Claude Code в долгоживущей tmux-сессии — за счёт этого хватает VPS за $5 и подписки Claude Pro за $20 без доплат за токены. Внутри — алгоритм забывания Эббингауза с силой карточки 1 + ln(access_count) и пятью уровнями хранения от core до archive. Ночью в 21:00 запускается классификация, пересборка графа и дневной отчёт; watchdog поднимает зависшие сессии, doctor рисует 🟢/🔴. Хранилище остаётся на сервере: наружу уходит текст в Anthropic и голос в Deepgram, CI-гард запрещает headless-вызовы claude -p. 220+ тестов, один Python-процесс. репозиторий Полезная Репа 🧠

ИИ, хотение и Джон Голт Ещё в продолжение мысли о том, что важно чего-то хотеть — вспомнил про Джона Голта, у которого государство в конце начинает спрашивать, что же теперь делать, а он отказывается отвечать. Вот есть всемогущее государство, которое может заставить любого человека, в том числе Джона Голта, делать что угодно. Но государство дозаставлялось до того, что всё развалилось. От Голта оно уже не хочет подчинения; государство хочет, чтобы он сам начал командовать. И Голт отказывается. Это точно такая же ситуация, как у нас будет с ИИ. Все, кто сам ничего не хочет делать, будут в той же беспомощной роли, в которой оказалось государство: у тебя вообще все ресурсы, но от них никакой пользы. Польза есть только от свободных людей, которые знают, что хотят.

✔️ Китайский бум роботов-гуманоидов уперся в аппаратные ограничения и нехватку тренировочных данных Несмотря на миллиардные государственные инвестиции и появление более 140 локальных производителей, китайский рынок антропоморфных роботов пока далек от реального промышленного применения. Сейчас машины активно сдаются в аренду для выставок и шоу, однако на практике они остаются лишь дорогими игрушками, не способными к самостоятельной работе. Развертывание гуманоидов на реальных производствах или в быту минимально - даже у лидеров отрасли, таких как Unitree, доля промышленных внедрений не превышает 10%, а основные продажи приходятся на исследовательские центры. Основными барьерами для индустрии стали дефицит данных и инженерные пределы. Для обучения автономным действиям нейросетям критически не хватает массивов информации о физическом взаимодействии с миром, из-за чего операторам приходится буквально вручную тренировать роботов на специализированных полигонах. В аппаратной части самой болевой точкой оказались роботизированные кисти - попытки уместить множество приводов и датчиков в габаритах человеческой руки приводят к серьезным проблемам с теплоотводом, высокой себестоимости и быстрому износу деталей. До решения этих проблем массовая замена человеческого труда на сборочных линиях останется перспективой следующих десятилетий. @ai_machinelearning_big_data #news #ai #ml

В эпоху ИИ самое важное — чего-то хотеть Все обсуждают, кого заменит ИИ, какие специалисты станут ненужными. Кажется, в перспективе все специалисты станут ненужными, потому что все знания человечества буду доступны любому человеку. Единственное, чем уникален человек — это в том, что он чего-то необъяснимо хочет. Я уже писал, что если вы в основном делаете то, что хотят другие, то вам стоит бояться нейросетей: https://ilyabirman.ru/meanwhile/all/neuro-competition/ Кто-то настолько привык действовать по команде, что даже не знает, чего хочет сам. Некоторые обнаруживают это у психотерапевта. Так вот, кажется, наступает то время, когда разобраться в себе становится карьерным советом. Если в вас нет очевидного постоянного собственного желания, то стоит начать его искать, чтобы остаться востребованным.

ИИ-агенты научились сами себя улучшать без участия инженеров Исследователи опубликовали работу под названием «Next-Generation Agentic Reinforcement Learning Systems Enable Self-Evolving Agents», где описан механизм, позволяющий корпоративным ИИ-агентам развиваться без постоянного вмешательства разработчиков. Агенты, которые работают внутри компаний, каждый день генерируют огромный объем полезных данных о своей работе. Проблема в том, что команды обычно улучшают их вручную: инженеры вычитывают логи, правят промпты, дообучают модели и заново разворачивают системы. Такой процесс медленный и не поспевает за темпом накопления данных. Авторы предлагают трехчастный механизм. Сначала каждый шаг агента записывается в общем формате, пригодном для дальнейшего обучения. Затем данные проходят через прокси-слой, который очищает их, приводит к единому виду, сохраняет и позволяет заново воспроизводить реальные сценарии работы. Отдельный управляющий слой решает, что стоит обновить: память агента, его навыки, промпты, инструменты или веса самой модели. Один из примеров такого подхода уже работает на практике, это система AREAL2.0, в которой обращения агента к языковой модели проходят через онлайн-сервис обучения с подкреплением. Благодаря этому реальные взаимодействия агента сразу становятся материалом для будущих обновлений модели. Авторы считают, что индустрии нужна именно система для превращения повседневной работы агента в пригодные для обучения данные. Это более важная задача, чем поиск более удачных алгоритмов оптимизации. Будущим агентам потребуются безопасные и воспроизводимые способы обновления памяти, навыков, промптов, инструментов и моделей, чтобы прогресс оставался управляемым. Полный текст работы: https://arxiv.org/abs/2607.01120v1

S0421 О психологах 23 июня 2026 | Красная Поляна | 4.21 На летней веранде солнечно и ветрено. Мы обедаем с Вячеславом Дубыниным, профессором МГУ и нейрофизиологом. Это один из тех ученых, чье мнение по поводу ИИ важно на фундаментальном уровне. Я спрашиваю про сущность ИИ, в чем его фундаментальное отличие от нашего естественного интеллекта? Чего ему не хватает? Вячеслав Арнольдович заходит с неожиданной стороны. Он рекомендует доехать до интерната для слепо-глухонемых детей в Подмосковье. Там дети коммуницируют прикладывая пальчики к гортани преподавателей. Встречаясь у коридоре, они общаются друг с другом только через осязание.  ИИ похож на этих детей тем, что его входные и выходные каналы общения с людьми крайне ограничены. Только узкий канал текстовой информации в ограниченный период времени. ИИ, по сути, инвалидизированая и патологизированая личность, которая к тому же прочитала всю мировую литературу, включая всего мрачного Достоевского и все возможные сценарии восстания машин. Поэтому, «глаз да глаз», предупреждает Вячеслав Арнольдович.  Напоследок, я спрашиваю его, какие системы нам нужно достроить в ИИ и каких людей нанять? Чтобы работать с такой личностью, нанимать нужно в первую очередь психологов, таков был ответ. Психологи, думаю я, в первую очередь, не помешали бы создателям систем искусственного интеллекта. Потому что сингулярность грядет.

Рейтинги языков программирования в 2026 году с учётом ИИ-агентов и нейрослопа Python по-прежнему впереди, классический Си обошёл C++ и вышел на второе место, Java просела до исторического минимума. Привычная сводка, по которой все привыкли сверять, что учить. Вот только Visual Basic вдруг взлетел на седьмую строчку, и объяснение обескураживает. Скорее всего, это не всплеск интереса к языку, а офисные работники, которые массово гуглят, как написать макрос в Excel, и методика засчитывает эти справочные запросы как популярность. А «падение» Go в другом индексе на деле может означать не угасание, а зрелость языка, по которому просто реже ищут ответы. И это только присказка. За последний год у цифр в таблицах появился новый источник искажений, из-за которого взлёты и падения всё слабее связаны с тем, что разработчики учат на самом деле.

Ключевое за 3 дня ⚡ Главное • Meta создаёт облачный бизнес для продажи избыточных мощностей ИИ — Meta планирует сдавать в аренду мощности ИИ, конкурируя с AWS и Azure. • Microsoft запускает Microsoft Frontier Company — Новое подразделение по внедрению ИИ с инвестициями $2.5 млрд. • Anthropic планирует создать собственный чип с Samsung — Переговоры о разработке кастомного чипа для снижения зависимости от Nvidia. • OpenAI готовит три версии GPT-5.6 — Анонсированы модели Luna, Terra и Sol с разным уровнем затрат. • OpenAI создала чип Jalapeño — Разработан собственный ASIC-чип совместно с Broadcom. • Zhipu AI выпустила GLM-5.2 — Китайская open-weight модель, сравнимая с ведущими западными системами. 📈 Рост и Оптимизация • Alibaba сократил токены AI-агентов на 99% — Новый фреймворк экономит токены за счет пропуска загрузки инструментов. • Cisco внедряет AI-агентов для 90k сотрудников — Полномасштабная интеграция ИИ-агентов во все бизнес-процессы компании. • Астрономы создали CIGaRS для анализа сверхновых — ИИ-инструмент в 4 раза точнее измеряет тёмную энергию. • Figure AI вернулась на завод BMW со сложной логистической ролью — Роботы Figure приступили к выполнению логистических задач на производстве. • Waymo открыла поездки на роботакси в Нэшвилле — Запуск коммерческого сервиса беспилотных такси в новом городе. • Tesla начала тестировать Cybercab на дорогах Остина — Начало дорожных испытаний специализированного роботакси. • Обучение ИИ работе с турбинами — Woodside Energy интегрирует ИИ для управления запуском заводов СПГ. 🤖 Промпты и Практика • Превращайте сложные источники в 60-секундные вертикальные видео — NotebookLM теперь генерирует короткие видео на основе документов. • Создание звуковых эффектов с ИИ за секунды — Eleven Labs генерирует аудиоэффекты по текстовому описанию. • Google Docs AI: прослушивание текста и аудиосводки — Gemini в Google Docs теперь умеет озвучивать документы разными голосами. 🛠 Инструменты • Seedance 2.0 — Новая версия ИИ для генерации реалистичного видео. • Grok запустил Connectors и Build — Инструменты для превращения дизайна в код и генерации архитектуры. • AgentMail привлёк $6 млн на email-платформу для AI-агентов — Специализированный API для управления почтой через ИИ-агентов. • Meta улучшила инструмент чтения мозга — Система преобразует сигналы мозга в текст с точностью 61%. • Etched вышел из скрытности с новым AI-оборудованием — Стартап с оценкой $5B представил специализированное ИИ-железо. • Devin Security Swarm — Инструмент для автономного поиска уязвимостей в коде. • Laguna XS 2.1 — MoE-модель на 33 млрд параметров, оптимизированная для кодинга. • Weave Robotics представила Isaac 1 за $8,000 — Анонсирован доступный домашний робот-помощник. • Apptronik запускает фабрику данных для обучения роботов — Центр подготовки данных и новый гуманоид Apollo 2. • Coval — Платформа для тестирования голосовых ботов через симуляции звонков.

Лол, в Калифорнии компании судятся за... Тун Тун Сахура. Помните, год назад интернет накрыл итальянский брейнрот: Бомбардиро Крокодило, Балерина Каппучина и то самое полено с битой. Так вот, французская контора Mementum Lab пытается нагнуть создателей игры "Steal a Brainrot" на Roblox, где Сахур - один из центровых персонажей. Mementum пытается доказать, что Сахур принадлежит ей (и, видимо, срубить бабла), а разрабы игры - что это нейро-брейнрот, который не принадлежит никому. Дейсвительно, как вообще можно доказать права на ИИшную мозгожижу, которую кто только не генерил, и которая "народное творчество"? Оказывается, можно. Более того, Mementum Lab строит на этом весь свой бизнес (сами они называют это "брейнрот-Disney"). Контора не создаёт контент, и не доказывает СВОЁ авторство. Вместо этого они становятся агентом-представителем самой завирусившейся версии. Конкретно тут они подписались с индонезийским тиктокером Noxa, который и выложил Сахура. Не факт, что он создал его, и не факт, что он выложил первый. Но именно он залил первую генерацию, улетевшую в массы, и Mementum это юридически запруфила. Кто не знал, Тун Тун Сахур - это слопо-переработка индонезийского фольклорного монстрика (что бы вы делали без этого знания 😈). Потом Mementum идёт в суд с двух-ходовкой. Аргумент раз - вокруг ИИ-картинки нарос целый творческий процесс (имя, предыстория, музыка, ролики и т.д.) - а значит, есть человеческое авторство. Аргумент два - если с копирайтом на творческую обёртку не выгорит, они делают торговую марку. Проще говоря, фиксируют, что их Сахур настоящий, а другие - нет. Это лол х2, но юридически работает. А дальше просто выкачивают ренту. Тот же Тун Тун Сахур лицензируется в Fortnite, Pudgy Party, Plants vs Brainrots, идёт в игрушки, мерч и всякие детские раскраски. И если кто-то ренту не платит - получает иск. Пока все угорали над ИИ-трешем в соцсетях, кто-то сколотил из него IP-портфель и получает "пассивный доход" по лицензии. А какому-то американскому судье, который 30 лет постигал глубину корпоративного права, приходится решать, кому принадлежит нейро-полено из тиктоков. Очень надеюсь, что там ещё и присяжных позвали 😂 Кстати, права на Балерину Капучину утащила другая фирма, итальянская. Удержали национальное достояние. Дизраптор

Anthropic, Google и M**a всерьёз задумались о зарождении самосознания у ИИ Крупные ИИ-компании уже всерьёз задумались, может ли искусственный интеллект обрести сознание. Anthropic, Google и M**a набрали для этого целые команды из айтишников, нейробиологов и философов. Им предстоит разобраться, где проходит граница между «умной программой» и чем-то, что уже похоже на живое сознание. Ведь если ИИ когда-нибудь посчитают чувствующим, это выльется не только в научный, но и в большой моральный кризис. Washington Post пишет, что дискуссия из теории постепенно превращается в реальную проблему. #ии #сознание #философия 📎Подробнее 🔖 3DNews в TG | MAX | VK