⚖️ ИИ-увольнения стали вопросом государственной важности Губернатор Калифорнии Гэвин Ньюсом подписал указ, который поручает государственным органам подготовить меры поддержки работников, пострадавших от внедрения ИИ. Что предлагается: 🔵 изучить программы поддержки и компенсаций для уволенных сотрудников, 🔵 расширить возможности переобучения, 🔵 рассмотреть модели совместного владения бизнесом для работников, 🔵 проанализировать влияние ИИ на рынок труда Калифорнии, 🔵 изучить, как профсоюзы ведут переговоры по вопросам ИИ, 🔵 ограничить увольнения, основанные исключительно на решениях алгоритмов. Поводом стали массовые сокращения в технологическом секторе. Meta, Cisco и Block уже напрямую связывали увольнения с ИИ-трансформацией компаний. Сам факт появления подобных инициатив показывает, что дискуссия вокруг ИИ выходит за пределы технологий и бизнеса. Вопросы занятости, защиты работников и распределения выгод от автоматизации постепенно становятся предметом государственной политики. Интересно, что профсоюзы и часть экспертов всё чаще подчёркивают:

массовая потеря рабочих мест из-за ИИ не является неизбежностью.

Во многом это вопрос управленческих и политических решений. При этом подходы начинают расходиться. Если в США на федеральном уровне преобладает курс на минимальное регулирование, то отдельные штаты уже пытаются выстроить собственую систему защиты работников. ✅ Вывод Мы постепенно переходим от обсуждения возможностей ИИ к обсуждению его социальных последствий. Если раньше автоматизация была внутренним вопросом компаний, то теперь она становится предметом переговоров между бизнесом, государством и обществом. И, возможно, главный спор ближайших лет будет не о том, способен ли ИИ заменить человека, а о том, кто получит выгоду от этого перехода и кто заплатит за его последствия.

Ширина диапазона 🧗‍♀️ Я занимаюсь скалолазанием уже 3 года и вчера на тренировке придумала интересную метафору. Представьте, что вы заходите в метро на эскалатор - он везет вас наверх с понятной скоростью до заранее известной высоты. Можно бежать по ступенькам, обгоняя других пассажиров, а можно просто стоять, и разница будет небольшой. Это в нашей метафоре - работа в найме, скорее всего в бигтехе. Эскалатор едет, даже если вы устали и стоите на месте, но при этом у него всегда есть потолок - уровень, выше которого эта лестница уже не идет 🤨 Про свой проект я думаю как про скалу или гору - высота, на которую вы заберетесь, ограничена в основном вами, и фиксированного этажа сверху по сути нет. Совсем без страховки лезут редко, и роль страховки тут обычно играет финансовая подушка или инвестиции. Пока они есть, срыв не фатален - вы повисаете, переводите дух и пробуете снова, но наверх вас никто не затащит. Постоянного "пола" вроде зарплаты здесь не будет, и при желании можно даже уйти в минус, набрав долгов 😳 Каждый преодоленный метр вы проходите собственными руками, тогда как на эскалаторе всю базовую работу за вас делает мотор. Идти по ступенькам и упахиваться вы, конечно, можете, но добежите вы или просто пойдете - на eta это влияет слабо. В найме то же самое: можно работать на износ, и все равно твой личный рывок почти не виден в общем результате из-за масштаба 😢 Тут, конечно, стоит оговориться, что для многих потолок найма достаточно высокий, чтобы жить прекрасно, и ничего плохого в таком выборе нет. Стабильные ~$25k в месяц - это хорошая жизнь, и пол с потолком в ней скорее плюс, чем компромисс. В найме платят за работу более или менее независимо от того, сработали твои гипотезы или нет. Получается, что ошибиться можно, а зарплата все равно будет, и чаще всего ты даже не видишь, насколько конкретно твой вклад повлиял на то, выросли акции корпорации или упали, потому что в большой компании он смешивается с сотней чужих, и организация выигрывает за счет объема. Конечно же это не значит что в найме можно не работать - там часто работают на износ, но усилие и награда связаны слабее, и вклад почти не разглядеть. В своем деле все ровно наоборот - вот прямо сейчас я думаю, что пойдет в новую маркетинговую итерацию, формулирую гипотезы, и через пару недель их качество напрямую скажется на нашей выручке 🤑 (или ее отсутствии) 😐 Вся история про безопасность против риска тут довольно поверхностна и упирается в то, можно ли измерить твою работу и есть ли так называемый рычаг. Я думаю, что чтобы человеку платили ровно за то, что он производит, нужны две вещи: результат должен быть отделим и измерим, а решения должны на что-то заметно влиять. Найм ограничивает и то и другое уже самой своей конструкцией, потому что в большой системе работа людей переплетена и ее трудно оценить по отдельности. Пусть кто-то обучил офигенную по точности модель, которая бьет все прочие по метрикам - но нужна ли она была бизнесу вообще? Стоит ли его за это премировать? А начальника наоборот - депремировать за ненужную задачу? Поэтому и бессмысленно приходить к руководителю с предложением работать в несколько раз интенсивнее за пропорционально большие деньги. Свое дело снимает оба ограничения сразу, но вместе с ними и гарантию Получается, что и сам вопрос про уход из найма вторичен и думать в первую очередь стоит о том, что именно хочется оптимизировать. Когда важнее предсказуемость и спокойствие, остаться - разумный выбор, особенно если потолок устраивает. Когда важнее измеримость, рычаг и владение результатом, разумно уходить, но желательно с накоплениями Мне лично не нравилась непрозрачность, что в бигтехе, что в стартапах на инженерных ролях - я плохо понимала, имеет ли значение то, что я делаю и как мои задачи даже на синиорных позициях влияют на результат - а разговоры с с-лвлами если и возможны, то не всегда помогают. Поэтому при прочих равных я стараюсь выбирать более широкий в обе стороны диапазон, границы которого задаю себе сама, даже если он менее предсказуем, чем гарантированная, но узкая полоса 😎 @neural_prosecco

приходите послушать в чт, вуступлю немного на секции про vc. —— ЛатАм глазами практиков: онлайн-конференция 2 июля 🌎 За последние 4 года в Латинской Америке обосновалось огромное количество русскоязычных предпринимателей, инвесторов и экспертов — регион стал по-настоящему своим для тех, кто решился его исследовать.

Организатор — ALTА Community — глобальное русскоязычное сообщество предпринимателей и экспертов с ядром в Латинской Америке. 250+ резидентов в 20+ странах.

2 июля, четверг 17:00 МСК · 11:00 БА · 7:00 СФ 20 практиков из PLATA, JET, inDrive, Yango, Pix LatAm и других компаний региона поделятся опытом про: – венчур и стартапы – как масштабируются крупные игроки – продажи в офлайн- и онлайн-бизнесе – деньги в инвестициях и недвижимости – жизнь в Мексике, Аргентине, Чили, Бразилии Если думаете про выход в LatAm, ищете возможности для инвестиций или рассматриваете релокацию — стоит послушать. Регистрация бесплатная 👇 https://latamconferences.com

Когда рынок перегрет, в любую отрасль приходят люди, которым всё равно, чем торговать Нефть, медицинские маски, айтишка — настоящий коммерс не привязан к продукту, он привязан к запаху денег. В середине десятых этот запах в ИТ стоял такой, что коммерсы ломились через любую щель: кто сразу на позицию главного продавца, кто с низов, но обгоняя менеджеров «с остановки» играючи. Программисты стали «производством» и «телами», на собраниях заговорили про реализацию и финрез, а шкала вклада сместилась до абсурда. Клиент принёс 50 млн — слава менеджеру, проект провалился — виновата команда. А потом пришёл ИИ, и коммерсы потёрли руки: вот она, новая Большая Деньга. Технология, про которую все слышали. Только вот средний завод не знает, зачем ему это нужно, и молчит как рыба об лёд.

🔧 Метод Параллельный драфтинг хорош тем, что он действительно параллелен, но не учитывает последовательную зависимость между токенами. А авторегрессионную модель нужно гонять каждый раз для каждого токена. Отсюда предлагают гибридное решение — такую же параллельную тушку, как в DFlash, поверх которой обучают легковесный авторегрессионный модуль. Рассматривают два варианта: * 🔹 Простая линейная марковская голова (с малоранговым боттлнеком), которая принимает на вход прошлый токен. * 🔹 Небольшая RNN. Далее, основываясь на народной мудрости и опыте, делают два важных замечания: * 📈 Acceptance length сильно разнится между областями. У кода следующие токены более предсказуемы, и она больше; в диалогах — меньше. * 📦 Чем больше размер батча, тем меньше выигрыш от использования спекдека и тем более заметно ощущается стоимость верификации. Отсюда возникает идея обучить дополнительную голову, которая будет предсказывать, будет ли токен отринут или нет. За счет этого можно не утруждать таргет проверкой того, что наверняка не примется. Так как предсказания классификатора выдают уверенность выше, чем надо (overconfidence), полученные вероятности дополнительно калибруют на некоторой выборке. Оптимальные длины драфтов подбирают при помощи некоего жадного алгоритма. На вход подаются текущий размер батча, текущие длины драфтов и предсказанные уверенности, а на выходе — оптимальные длины, достигающие максимального throughput. 🧮 Лосс-функция состоит из трех членов: * 📌 Стандартная кросс-энтропия. * 📌 Total Variation между драфтом и таргетом. * 📌 Confidence Loss (бинарная кросс-энтропия). Итоговый лосс является взвешенной суммой всего перечисленного. 📊 Эксперименты Сначала тестируют предложенный подход на Qwen3-{4B, 8B, 14B} и Gemma4-12B против DFlash и EAGLE-3 в качестве бейзлайнов. DFlash и DSpark используют один и тот же параллельный бэкбон. Все модели обучаются на одних и тех же данных. ✅ У DSpark консистентно выше acceptance length (примерно на 16–18%). Далее авторы исследуют acceptance в зависимости от позиции и замечают, что DFlash более уверенно предсказывает первые токены по сравнению с EAGLE-3 благодаря более мощной модели, но acceptance rate токена падает с глубиной. У EAGLE-3 он может даже расти, но из-за меньшей точности на первых токенах драфта итоговая acceptance length оказывается меньше. DSpark же имеет хороший acceptance в начале, который еще и практически не убывает. Уже 2 слоя DSpark якобы не хуже 5 слоев DFlash. В качестве авторегрессионной части пробуют марковскую голову и RNN. RNN дает чуть больший acceptance, но имеет больший оверхед и сложнее в реализации, поэтому останавливаются на марковской голове. 📈 Повышение порога confidence (стоит ли вообще верифицировать данный токен) увеличивает acceptance length. Потом авторы масштабируют историю на DeepSeek-V4, и DSpark выдает заметно лучшее соотношение throughput/latency по сравнению с MTP-бейзлайном. ⚙️ Из технических сложностей стоит отметить невозможность работать с CUDA-графами из-за динамических размеров входов и сложности с Zero-Overhead Scheduling. Чтобы решить вторую проблему, используют verification capacity с двух шагов назад (ZOS требует знания размера батча заранее). 💡 Выводы Результат и наблюдения, безусловно, ценные — как любят и умеют делать ребята из DeepSeek. В основе метода все еще лежит DFlash, так что не стоит утверждать, что это принципиально новая парадигма. И у DFlash не так много ручек, которые нужно крутить, чтобы выжать максимальный перф.

DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation 📄 Статья 💻 Код (DeepSpec) С начала текущего года вышел ряд работ (DFlash и follow-up research), предлагающих различные варианты параллельного драфтинга, когда драфт-модель предсказывает несколько токенов за один раз. Такие подходы позволяют использовать более сильную модель в качестве черновой и могут выдавать acceptance на уровне или даже лучше, чем SOTA AR-методы спекдека. Но будто бы потенциал для дальнейшего улучшения все еще есть. Ребята из DeepSeek проделали кропотливую инженерную работу, внесли определенные архитектурные изменения, а заодно предложили динамически подбирать длину драфта, чтобы оптимизировать производительность под разные типы запросов и текущую нагрузку.

🔧 Метод Параллельный драфтинг хорош тем, что он действительно параллелен, но не учитывает последовательную зависимость между токенами. А авторегрессионную модель нужно гонять каждый раз для каждого токена. Отсюда предлагают гибридное решение — такую же параллельную тушку, как в DFlash, поверх которой обучают легковесный авторегрессионный модуль. Рассматривают два варианта: * 🔹 Простая линейная марковская голова (с малоранговым боттлнеком), которая принимает на вход прошлый токен. * 🔹 Небольшая RNN. Далее, основываясь на народной мудрости и опыте, делают два важных замечания: * 📈 Acceptance length сильно разнится между областями. У кода следующие токены более предсказуемы, и она больше; в диалогах — меньше. * 📦 Чем больше размер батча, тем меньше выигрыш от использования спекдека и тем более заметно ощущается стоимость верификации. Отсюда возникает идея обучить дополнительную голову, которая будет предсказывать, будет ли токен отринут или нет. За счет этого можно не утруждать таргет проверкой того, что наверняка не примется. Так как предсказания классификатора выдают уверенность выше, чем надо (overconfidence), полученные вероятности дополнительно калибруют на некоторой выборке. Оптимальные длины драфтов подбирают при помощи некоего жадного алгоритма. На вход подаются текущий размер батча, текущие длины драфтов и предсказанные уверенности, а на выходе — оптимальные длины, достигающие максимального throughput. 🧮 Лосс-функция состоит из трех членов: * 📌 Стандартная кросс-энтропия. * 📌 Total Variation между драфтом и таргетом. * 📌 Confidence Loss (бинарная кросс-энтропия). Итоговый лосс является взвешенной суммой всего перечисленного. 📊 Эксперименты Сначала тестируют предложенный подход на Qwen3-{4B, 8B, 14B} и Gemma4-12B против DFlash и EAGLE-3 в качестве бейзлайнов. DFlash и DSpark используют один и тот же параллельный бэкбон. Все модели обучаются на одних и тех же данных. ✅ У DSpark консистентно выше acceptance length (примерно на 16–18% по сравнению с DFlash). Далее авторы исследуют acceptance в зависимости от позиции и замечают, что DFlash более уверенно предсказывает первые токены по сравнению с EAGLE-3 благодаря более мощной модели, но acceptance rate токена падает с глубиной. У EAGLE-3 он может даже расти, но из-за меньшей точности на первых токенах драфта итоговая acceptance length оказывается меньше. DSpark же имеет хороший acceptance в начале, который еще и практически не убывает. Уже 2 слоя DSpark якобы не хуже 5 слоев DFlash. В качестве авторегрессионной части пробуют марковскую голову и RNN. RNN дает чуть больший acceptance, но имеет больший оверхед и сложнее в реализации, поэтому останавливаются на марковской голове. 📈 Повышение порога confidence (стоит ли вообще верифицировать данный токен) увеличивает acceptance length. Потом авторы масштабируют историю на DeepSeek-V4, и DSpark выдает заметно лучшее соотношение throughput/latency по сравнению с MTP-бейзлайном. ⚙️ Из технических сложностей стоит отметить невозможность работать с CUDA-графами из-за динамических размеров входов и сложности с Zero-Overhead Scheduling. Чтобы решить вторую проблему, используют verification capacity с двух шагов назад (ZOS требует знания размера батча заранее). 💡 Выводы Результат и наблюдения, безусловно, ценные — как любят и умеют делать ребята из DeepSeek. В основе метода все еще лежит DFlash, так что не стоит утверждать, что это принципиально новая парадигма. И у DFlash не так много ручек, которые нужно крутить, чтобы выжать максимальный перф.

Почитал это [ https://t.me/ventureStuff/2292 ] и подумал себе (не в первый раз), что в России терм-шиты писать вообще смысла не имеет, потому что не имеет смысла инвестировать в России в стартапы. Дело даже не в деловой культуре и состоянии экономики, и даже не в фактической ликвидации ограниченной ответственности (судебная практика последних лет уже не то что миноритариев, и публичный оборот щадить перестала, одни трудовые права еще держатся иногда). Дело в фундаментальном корпоративном и гражданском праве. В котором нет нормального разделения собственности и управления. Почему? Да потому что у нас нет структуры, эквивалентной C-Corp. Есть OOO - это схема для семейного бизнеса по юридической сути. Там "акций" нет, есть "доли". Для прокладок внутри холдинга тоже годятся. Но запускать в ООО совладельца, который не участвует в бизнесе - такая роль не предусматривается. А АО в наших условиях - тяжеловесная схема, которая даже и членам Форбс-500 не всегда комфортна. Была еще когда-то ЗАО, у которой были некоторые преимущества (но далеко не С-Corp) - но ее давно ликвидировали. Оттого все, кто что-то куда-то инвестируют, до сих пор, даже после всех еврофинреформ, на Кипр перебираются. Гадость, но ничего лучше нет.

Rodin 3D флексят новыми фичами Any guesses what we’re building next? Интересно наблюдать, что пока взрослые 3Д-софты медленно поднимают веки , шустрые 3Д-генераторы обрастают фичами из 3Д-софтов. Этакое движение навстречу друг другу. Но разрыв между стартаперскими веб-интерфейсами и вековыми традициями 3Д-мамонтов с сотнями пунктов меню и фич столь велик, что они никогда не встретятся посередине. Думаю, что Блендор быстрее всех обрастет интеграцией с генераторами всех цветов и размеров. Хотя освоить интерфейс Блендора дано не каждому. А вот в толковый риг (с покраской скининга, констрейнами и HumanIK) в веб-интерфейсе я не очень верю. Хотя.. Покойный Фабле на раз писал симуляторы ткани, частиц, волос для веба. Может и Миксамо напишет. Когда воскреснет. @cgevent

Год назад я говорил: «Никогда не доверю ИИ подключать платежную систему в моем проекте» Тем временем Opus 4.8 в Claude Code подключает Юкассу в один промпт уже во второй проект. Я перепроверял его несколько раз в новых сессиях, гонял разные секьюрити скиллы, чтобы убедится что мне никто не выкрутит баланс, и ничего, отличное рабочее решение. Да, в Lovarus теперь официально можно пополнять баланс российской картой и без VPN. Официальный релиз планируется 6 июля. В честь запуска будет стрим, на котором создам в Lovarus приложение для проведения розыгрышей, и с помощью этого приложения подарю 3 Telegram Premium, тем кто будет на эфире. Следите за анонсами.

Undergrounded / Monopoly: Star Wars Heroes vs. Villains / Календарь релизов — 29 июня – 5 июля 🖥️ YouTube 📺 VK 🎥 Дзен 📽️ Rutube На стыке июня и июля громких релизов немного, зато хватает интересных обновлений и переизданий. Легендарные Дальнобойщики 2 добрались до Steam, Sonic Frontiers получил Definitive Edition, а Diablo IV запускает уже 14-й сезон. Кроме того, игроков ждут новое издание Monopoly: Star Wars, крупный патч для Slay the Spire 2 и глобальные обновления сразу для нескольких известных проектов. Если пропустили новости недели — собрали всё самое важное в одном ролике. ⏱ Список игр: 00:00 — Вангеры — глобальное обновление 00:43 — King's Bounty: The Legend — обновление 01:18 — Sonic Frontiers Definitive Edition 01:32 — Дальнобойщики 2 02:00 — Slay the Spire 2 — патч 0.107.1 02:27 — Monopoly: Star Wars Heroes vs. Villains 02:58 — Diablo IV — 14-й сезон «Сезон пробуждения Смерти» 03:37 — Undergrounded 04:15 — 🎶 в Spotify и Я.Музыке #3dnews #gamesblender #игры #календарь 🔖 Подпишись на 3DNews в TG | MAX | VK | RT | ДЗ

Интересное в мире хай-тек 29 июня 2026 Кратко о событиях за прошедший день 💻 Microsoft отказалась от ИИ-поиска по истории в Edge. Функция, позволявшая искать посещённые сайты запросами на естественном языке, начала внедряться с версии 138, но теперь её развитие прекращено. Причины не раскрываются. Пользователи критиковали нововведение из-за опасений по поводу приватности и сомнительной пользы. 😃 Nintendo продолжает повышать цены на Switch 2. С 1 сентября в Южной Корее консоль подорожает с $460 до $540 — почти на 17 %. Компания объяснила решение изменением рыночной ситуации и пересмотром глобальной бизнес-стратегии. Ранее аналогичное повышение цен анонсировали и для США — с $450 до $500. 🙃 На фоне новой волны сокращений в Microsoft сотрудники Xbox объединились для защиты рабочих мест. Профсоюз CWA, представляющий более 3500 работников Microsoft и Xbox, потребовал заранее предупреждать об увольнениях, приостанавливать внешний найм и давать сотрудникам возможность перейти на открытые вакансии внутри компании. ❗️ Российские сервисы начали предупреждать об отключении входа через Apple ID и Google с 6 июля. Причина — новые требования закона №149-ФЗ: сервисы должны перейти на российские способы авторизации (номер телефона, «Госуслуги» и др.). Штрафы для компаний достигают 700 тыс. руб. Пользователей просят заранее привязать альтернативные методы входа. #хайтекзадень

Я посмотрел полнометражный ИИ-фильм в кинотеатре. Ниже мои впечатления.

Дисклеймер. 90-минутный фильм называется Hell Grind, сделали его мастера дерзкого маркетинга Higgsfield, между прочим первый казахстанский единорог (оценка >$1,3 млрд). Режиссер и сценарист: Айторе Жолдаскали и Адильхан Ержанов (двукратный участник основной программы Каннского фестиваля так-то). Весь продакшн занял 14 дней, бюджет 500K долларов.

В субботу в московском кинотеатре Октябрь Higgsfield AI собрали студентов и выпускников киношкол, различных ИИ-спецов, чтобы буквально захантить их на работу в новый ИИ-Голливуд. И показали им (нам), как тот будет выглядеть. Теперь к впечатлениям в коротких заметках. Впечатления: 1️⃣. Фильм повествует о лучших друзьях-грабителях, выросших в одном детском доме. Чуть Arcane вайбы. 2️⃣. Сразу бросается в глаза, что женские персонажи более дженериковые и искусственные. Главная босиха мутантов — скучная версия Шарлиз Терон, хотя две родинки над губой, это прекрасная деталь. 3️⃣. Лучшая сцена, как ни удивительно, это комедийный экшн в Тибете, где герои получают люлей от малышей-монахов; взрывают статую Будды, перед этим извинившись перед ней; сражаются с огромным каменным титаном: в эти моменты забываешь, что это нейронка — будто бы смотришь Uncharted или любой другой легкий стриминговый блокбастер. 4️⃣. Боевая сцена на минут 15 в конце — тоже супер, главный герой (спрятавшись в красные доспехи) отбивается от армии зомби. Увлекательно, даже боевая хореография имеется. 5️⃣. Сценарий, конечно, полная шляпа. Но, при этом, после просмотра эссе Патрика Виллемса Why Is Every Streaming Blockbuster So Bad?, у меня нет ощущения, что это шляпа из-за ИИ. Ощущение, что это буквально фильм формата Electric State, Bright, Fountain of Youth, Red Notice — то есть запредельно дорогих максимально продюсерских приключенческих фильмов от Netflix. 6️⃣. Только вот задача у Hell Grind другая — кроме того, что, как и в Netflix-экшнах, тут надо постоянно развлекать зрителя, у нейрокино от Higgsfield задача показать полный спектр — за 90 минут мы видим фэнтези, драму с мелодрамой, киберпанк в Гонконге, хоррор в японском лесу, эпический экшн в заснеженном поле. Короче, это буквально — смотрите, что мы умеем. Сценарий — это промо стартапа. 7️⃣. Интересно, как одновременно это нейрокино похоже на Netflix своей дженериковостью — идеальными персонажами, комфортным ритмом, универсальным приключено-боевиковым жанром, и в то же время на японское и корейское кино — демоны, жестокость, преувеличенные эмоции. 8️⃣. Главный вопрос: работают ли эмоции? На уровне — грустные дети-сироты или воспоминания главного героя — вообще, да. Абсолютно никаких вопросов. На уровне — главный герой убивает своих друзей — вообще никак. Но, что становится ясно, дело — в сценарии. 9️⃣. А какие тут шикарные финальные титры. Вывод. Я увидел средний Netflix-блокбастер. И это, если честно, меня абсолютно убедило в том, что ИИ-кино на подходе. Вообще никаких сомнений. Вопросы у меня были не к картинке, не к эмоциям персонажей, а конкретно и только к сценарию. Нет абсолютно никаких проблем сделать качественное кино с помощью нейросетей и оно точно будет. Это возможно. Да, конечно, я и так это понимал, но сейчас увидел своими глазами. Я выходил из кинозала и ощущал будущее кинематографа. Так что ждем. 2027 — будет годом не одного и не двух нейроблокбастеров (и нескольких инди-проектов или драм тоже). И, скорее всего, стриминги, как только смогут, подхватят эту возможность. Потратить 300 миллионов долларов или 5 миллионов, из которых на продакшн уйдет 500к? Ответ очевиден. P.S. А в воскресенье мы с женой Сашей посмотрели «Танцующие под дождем» 1952 года — мюзикл о появлении звукового кино: страхах индустрии, падении актеров немого кино, большой революции в Голливуде. Не планировали, так совпало. P.P.S. Higgsfield также выложили 20-минутный перемонтированный кусочек фильма, посмотреть можно тут, но мои пиратские экранки передают то самое ощущение из кинозала (жаль, тибетскую сцену со статуей Будды не снял).

Исследователи из запрещенной Meta опубликовали подчеркнуто академическую работу в которой экспериментально показали возможность ИИ-расшифровки магнитоэнцефалограмм людей, набирающих текст в уме. Хотя это пока чисто исследовательская работа, даже не упоминающая возможности практического применения или сроки воплощения, она служит очень веским доказательством важного тезиса: перевод мозговой активности в текст со вполне приемлемым уровнем точности возможен без использования каких-либо инвазивных технологий типа Neuralink (или многочисленных аналогов, каждый из которых требует нейрохирургического вмешательства в той или иной степени). Хочется верить, что полученные результаты приближают появление (пусть и далеко не завтра) потенциально массовых интерфейсов мозг-компьютер — потому что в массовое согласие здоровых людей на нейрохирургию ради улучшения связи с цифровым миром я не верю совсем. https://www.nature.com/articles/s41593-026-02303-2