Перевод книг Уверен, что моим главным итогом 2026 года в сфере искусственного интеллекта будет не вайбкодинг продуктов и разного уровня автоматизации, а перевод книг. Это та сфера, которая, как мне кажется, в перспективе принесёт человечеству наибольшую пользу. Когда я начал погружаться в современную философию, я периодически фрустрировал из-за отсутствия переводов (хоть каких-нибудь) на русский язык. В 2024 году переводил скриншотами книг в ChatGPT, в 2025 году пытался настроить этот процесс через Cursor, а в 2026 году задача полностью решилась даже стандартным Codex в подписке Plus за $20 На днях вышел первый русскоязычный перевод книги Бернара Стиглера “Забота. О молодежи и связи поколений”. Я читаю Стиглера с начала этого года, за это время перевёл с AI-агентами основные его работы. Сегодня забрал бумажную “Заботу” и сравнил с моими переводами. На удивление, Codex справился просто отлично. В процессе я пересмотрел разных агентов-переводчиков, выложенных в интернете, но в итоге пришлось делать своего. Перевод философских текстов особенно сложен в том, что нужно на старте провести большое исследование и выработать словарь терминов, которые дальше нужно развивать по тексту - а, значит, нужно опираться на существующие переводы эссе, ссылки, научные работы. Мой агент с этим работает хорошо, тексты пишет довольно читабельные (у меня нет никаких претензий по ходу чтения). Мой вывод: я буду продолжать читать книгу в официальном переводе, просто потому что в бумаге приятнее. Но остальные книги читаю уже спокойнее, не переживая о том, что агент сделает что-то совсем не то. Агента опубликовал (осторожнее, он прожорливый и может потратить примерно половину Pro-подписки за перевод одной книги, переводите частями, следите за лимитами): Ссылка на гит

Как отличить AI-slope от нормального контента В последнее время я все чаще замечаю, что под видом экспертности мне всячески пытаются впихнуть контент, сгенерированный ИИ. Речь идет об авторском контенте: телеграм-посты, почтовые рассылки, различные экспертные статьи на сайтах. И проблема здесь не просто в языке или стилистике языка, а в смыслах, которые лежат внутри этих текстов. Читая автора, я прихожу за его экспертностью, опытом и какой-то четкой позицией, но вместо этого я все чаще получаю не тот контент, на который подписался, а контент “написанный по запросу, на который я подписался”, с помощью LLM. Естественно, желание читать такое не добавляет, а отношение к аудитории скорее негативно выставляет автора в моих глазах. Работая много с LLM - ты уже интуитивно видишь, где текст является сгенерированным, но для этого нужен опыт. Поэтому сегодня решил поделиться своими наблюдениями по тому, как с большей вероятностью вычислить AI-slope. Ниже - мои личные наблюдения + кое-какие исследования. Слова и эмодзи Первый и наиболее заметный маркер. ЛЛМ очень любят определенные слова, эмодзи и повторяют их из раза в раз. Если в запросе попросить экспертный стиль - вас закидает чем-то уж очень профильным, с кучей англицизмов. Если попросить добавить эмодзи - ИИ засрет ими текст. Кроме того, отличается сам язык. Чаще всего, текст получается не вполне литературным, и если вы - начитанный человек, то читая очередной ИИ-пост - вы будете замечать, что по-русски так не говорят, но если вы еще знаете и английский - то вы сразу увидите, что текст - ни что иное, как буквальный перевод на русский. Тест на выжимку ИИ любят лить воду. Прочитайте 5 предложений поста и попробуй-те выделить из них хотя бы одну главную мысль. Там, где человек просто напишет: “Рынок упал, мы решили делать маркетинг”, AI будет рассыпаться фразами в стиле “В эпоху стремительных изменений важно уметь адаптировать свои внутренние процессы для достижения максимальной синергии”. Безопасная нейтральность AI обучены так, чтобы быть полезным любым людям, с любыми ценностями, вероисповеданием и так далее. Результат этого - в AI-текстах чаще всего отсутствует сильная аргументация в какую-либо сторону. Если вы видите, что автор пытается вам донести какую-то позицию, но он не слишком категоричен в своих суждениях и будто старается никого не обидеть - скорее всего перед вами текст с ЛЛМ. Можете проверить это простым экспериментом. Попросите ИИ написать текст про то, что вам не нравится, и пусть это будет политический или религиозный текст. В своем промпте используйте больше слов, типа “говно”, “дерьмовый”, “ненавижу” и прочие сильные оценочные суждения. А потом посмотрите на результат :) Переизбыток прилагательных и исчезновение местоимений Гугл не так давно проводили лингвистическое исследование и обнаружили, что ИИ-шки любят слова типа “инновационный”, “многогранный”, “стратегический” и прочие, но категорически отказываются использовать местоимения “я”, “мы”, “мой”. А также фразы, обозначающие принадлежность текста кому-либо, например, “по нашему мнению”. Живой человек, делясь опытом, постоянно использует местоимения, а ИИ строит отчужденные, безличные конструкции, используя их намного реже. Кстати, это же исследование подтверждает и мой предыдущий тезис про безопасную нейтральность. Позитивный позитив Чем-то похожая история с безопасной нейтральностью. Но решил выделить отдельно. ИИ-текст практически никогда не будет нести смысл “мы в дерьме” или “все плохо”. Рядом с этим фактом, скорее всего, будет что-то в стиле “но кризиз - это возможность для роста”. Лингвистическая предсказуемость и эффект триколона Да, я тоже не знал этого термина, узнал из статьи, но сейчас вы поймете, о чем речь. Есть такой показатель - type-token ratio (разнообразие словарного запаса), так вот, у LLM он намного ниже, чем у человека, а длина предложений почти всегда фиксирована - от 10 до 20 слов. А что касается триколонов - это лингввистические конструкции, состоящие ровно из трех элементов или примеров подряд (например: “Это помогает автоматизировать процессы, повышать конверсию и масштабировать бизнес”). Люди пишут хаотичнее: то короткими отрывистыми фразами, то длинными абзацами. Отсутствие микро-деталей Больше характерно для всяких кейсов. Но тоже добавлю в список. Когда человек рассказывает о своем опыте, он использует какие-то локальные шутки, имена, факапы. Такие вещи, которые сложно выдумать на ходу. Кейс, описанный с помощью ИИ будет звучать более обобщенно. Хотел сделать список длиннее, но ограничен лимитами телеги. Поэтому в комментах делитесь: как отличаете слоп вы 😁 🚀 Влад Корнышев про AI и создание AI-продуктов

Создатель AlphaGo, экс-DeepMind говорит, что через 3 года у нас будет сверх интеллект Дэвид Сильвер - создатель AlphaGo, человек, который первым показал, что нейросети способны превзойти людей. Он ушёл из Google DeepMind в январе этого года и основал компанию Ineffable Labs вместе с Лассе Эспехольтом. Он впервые рассказывает о том, чем они занимаются, а именно создают superlerner - систему, которая добывает знание не из интернета, а из собственного опыта. Стартует с нуля, без претрейна на интернет-данных, а в итоге превосходит человеческие знания. Эту систему можно поместить в любой поток опыта, симулированный или физический, и она будет учиться. Сильвер считает, что учиться на человеческих данных - это быстрый, но тупиковый путь. Он помогает на старте, но не даёт пойти дальше человека. Чтобы вырваться вперёд, систему нужно лишить этой подсказки и дать ей учиться самой. Он говорит, что AlphaGo создавали 2 года с участием человека, а когда вывели правильную формулу AlphaZero, то обучали её вообще без человека, и та обошла AlphaGo за несколько часов. Сильвер считает, что контролировать ИИ-агентов через то, что они говорят, больше не работает, они учатся говорить одно, а делать другое. Поэтому в Ineffable думают о другом подходе: пусть суперинтеллекты следят за суперинтеллектами, а заодно выстраивают саму науку о том, как таким системам мирно уживаться друг с другом. При этом в компании хотят разгоняться в симуляции, но в реальном мире действовать осторожно: выходить из симуляции только тогда, когда есть доказательства, что это безопасно.

Как сделать пивот, чтобы не заняться очередной хренью? Меняя идею, стартаперы периодически попадают в ад бесконечных пивотов (pivot hell). Это когда ты меняешь всё каждую неделю, переключаешься с одной идеи на другую, начитавшись соцсетей. Просто гонка за хайпом и тем, что пишут в Твиттере. Вот на что опереться, чтобы не влезть в фигню: • Попробуй найти идею, в которой ты хоть что-то понимаешь. • Или попробуй найти идею, для которой ты можешь привлечь первых клиентов. • И не тяготей к тому, что на хайпе. Когда мы смотрим на успешные стартапы, почти всегда можно проследить эту глубокую связь с тем, чем увлекался фаундер. Майкл сам прошёл через это в Twitch. Сначала они пытались «создавать» знаменитостей — Джастин (один из основателей) был первым, кто хотел стать знаменитостью. Они решали его проблему. А потом наступил этап, когда всё наконец по-настоящему заработало. Это был период, когда Эмметт, ещё один кофаундер, увлёкся видеоиграми (и они сделали стриминг для геймеров, а потом продались Amazon почти за $1B — прим.ред.). Задавая вопрос YC-фаундерам: «Почему вы всё-таки занимаетесь именно этим?», мы часто слышим что-то вроде: «Ну, мой отец был фармацевтом» или «Я вырос в семье, у которой был ресторан». Если конкурируют два человека — один, просто наугад перебирающий «перспективные» идеи, и второй, занимающий делом всей жизни, то… кто победит? Твоя лучшая «ставка» будет в игре, в которую ты умеешь играть. То есть лучший шанс — идея, где ты уже что-то понимаешь ещё до того, как сел обдумывать идеи для стартапа. Даже если это сейчас не в моде. Хороший пивот ощущается как возвращение домой. Нам, консультантам, гораздо интереснее работать с фаундером, который действительно разбирается в том, что делает. Это приносит гораздо больше удовлетворения. Когда основатель может научить тебя чему-то новому, у тебя появляется больше энергии и желания ему помогать. А когда ты работаешь с фаундером и чувствуешь, что сам лучше понимаешь проблему, которую он пытается решить, — это выматывает. Нам бы очень хотелось, чтобы люди начинали с собственной экспертизы, а не с того, что сейчас в тренде. Это было бы просто шикарно. Пересказ кусочка видео Should You Pivot Your Startup? от Майкла и Далтона. Рекомендую посмотреть видео целиком, если вы думаете о пивоте (ссылка в первом комментарии). @y_everyday — рефлексируем об акселератор, создавший 100+ стартапов-единорогов

Чуть с запозданием принимаю эстафету от Саши по генерации видео для своих скиллов/продуктов. В качестве "рекламируемого" взял свой мини-проект Video Analyzer, которым я сам регулярно пользуюсь. Попробовал два варианта генерации. Сперва взял расширенный промпт, чтобы агент не только github проанализировал, но и изучил мои посты про Video Analyzer. Получился большой промпт, адаптированный под мою задачу, который не несёт пользы никому, кроме меня. Далее попробовал сделать попроще и без связки с историями в канале. Использовал такую инструкцию:

Make a dynamic motion graphics video that shows what an incredible motion designer you are, like it's your showreel for a resume. A video about my project: https://github.com/kdoronin/video_analyzer Go all out. Make sound effects, use Remotion and impressive sound design. Russian voiceover and Russian titles. Tell an interesting story in motion.

На старте получились вполне сносные видео. Роботизированная озвучка, правда, сильно резала слух. Поэтому я взял API-ключ от 11labs и попросил того же Opus5.5 переозвучить видео через недавно вышедший Eleven v4. С ней получилось гораздо интереснее. Далее передаю эстафету Алексею и Андрею (кстати, Андрей – автор того самого видео "Жги токены" и в его канале можно подсмотреть много интересных стилей для Opus-генерации).