В статье Маттео Пасквинелли Machine, organism and language: a comparative epistemology of AI models искусственный интеллект рассматривается как исторический конвергентный результат трёх фундаментальных парадигм науки и гуманитарных дисциплин: машины, организма и языка. Пасквинелли утверждает, что ИИ — это не имитация биологического разума, но модель социального многообразия, автоматизирующая реляционные структуры человеческой кооперации, разделения труда и культуры. Пдф в комментах. Парадигма «Машина» (Механицизм): Механистическое мышление исторически сформировалось под влиянием процессов социальной абстракции, абстрактной формы стоимости и дисциплинирования труда. Концепция машины эволюционировала от обратимых аналитических механизмов раннего Нового времени (например, ткацкого станка) к продуктивным и трансформативным машинам индустриальной эпохи (например, паровому двигателю). Согласно «трудовой теории автоматизации» (А. Смит, Ч. Бэббидж, К. Маркс), архитектура машин и вычислительных устройств (включая Разностную машину Бэббиджа) воспроизводит и автоматизирует ранее сложившиеся схемы разделения физического и умственного труда. Парадигма «Организм» (Органицизм): Каноническое философское определение организма дал Иммануил Кант, описав живые существа как обладающие внутренней телеологией, где форма и цель совпадают, а части взаимообусловлены. Немецкая традиция (Naturphilosophie, гештальт-психология, концепция Umwelt Я. фон Икскюля и неврология К. Гольдштейна) рассматривала организм в диалектическом единстве с окружающей средой. Парадигма «Язык» (Структурализм): Лингвистика превратилась в научный объект в позднем Модерне, постепенно освободившись от биологических аналогий. Ф. де Соссюр концептуализировал язык как абстрактную систему бинарных оппозиций и различий без положительных терминов. Структурализм (К. Леви-Стросс, Р. Якобсон) сделал структуру языка универсальной гомологией для анализа любых социальных институтов, родства, мифологии и капиталистической экономики. Кибернетика (Н. Винер, У. Мак-Каллок, У. Питтс, Ф. Розенблатт) попыталась воплотить принципы организма (самоорганизацию, самоадаптацию и нейропластичность) в технических устройствах. Эта аналогия легла в основу создания искусственных нейронных сетей (перцептрона Розенблатта), ставших прототипом современного глубокого обучения. Самоорганизация в ИИ выступает не как символ биологической автономии, а как инструмент автономии и управленческого контроля над социальными связями. Телеграф сыграл роль исторического медиума, формализовав язык в дискретный математический код (биты) и связав концепции машины и языка. Клод Шеннон квантифицировал язык как статистический процесс (стохастический процесс измерения частоты токенов), игнорируя семантику ради эффективной передачи информации. Современные большие языковые модели (LLM, Transformer) представляют собой «неоструктурализм»: они измеряют смысловые значения как скалярное произведение / косинусное сходство в многомерных векторных пространствах. Пасквинелли пишет, что искусственный интеллект представляет собой машину, которая перенастраивает свои параметры (подобно организму) для моделирования языка и социальных артефактов. ИИ оперирует не изолированными фактами, а сетями отношений, зафиксированными в текстах, изображениях и иных данных, созданных человеческим трудом и знанием (общий интеллект\general intellect). Вслед за идеями Ф. Росси-Ланди и итальянского автономистского марксизма (К. Марацци, П. Вирно), язык рассматривается как форма живого труда и основа производственных процессов. Современные LLM становятся новой «сборочной линией», автоматизирующей производство смыслов и перераспределяющей экономическую стоимость.

Где проходит граница? Посмотрите какая любопытная статья. Посвящённая одному из ключевых вопросов техно-трудовой повестки: на чём должна строиться методология определения границ между автоматическим и человеческим? Авторы предлагают три фактора, почему человек всё ещё важен и нужен в рабочем процессе, даже при таком интенсивном масштабировании возможностей AI: 1. Technical Человек приносит то, чего пока нет у AI: опыт, контекст, физическое восприятие и сложное движение, специфические способы мышления. Но мы также видим, что этот фактор очень подвижный. И напрямую зависит от развития технологии. Если AI научится воспроизводить нужную способность или получать тот же результат другим способом, человеческое участие можно убрать. 2. Normative Деятельность, где участие человека определяется нормативными атрибутами: ответственностью, отношениями, авторством, оценками. То есть здесь важно не то, может ли AI сделать работу, а какой социальный контекст и обязательства вокруг этой работы возникают. Соответственно, для полного цикла подобных задач у технологий должен быть социальный и этический статус. 3. Emergence Есть особый тип работы и задач, где невозможно заранее определить образ результата и критерии оценки. Они раскрываются в процессе, когда человек взаимодействует с промежуточными вариантами, прототипами и альтернативами. Это ключевая концепция статьи — идея Target Emergence. Где у человека ведущая роль. И её пока никак не автоматизировать. Target Emergence состоит из Revelation (определение цели), Refinement (уточнение и операционализация) и Constitution (переформулирование цели и критериев успеха). Вывод такой: машине можно доверить экзекьюшен, но создавать видение и цель — это прерогатива человека. В комментариях аудио-саммари и оригинал статьи. → https://arxiv.org/abs/2607.21547

В Китае набирают популярность детские лагеря трудового воспитания, где участники занимаются сельскохозяйственными работами и живут по строгим правилам, сообщает South China Morning Post. Такие программы преимущественно проходят в провинциях Сычуань, Гуйчжоу и Юньнань. Детям предлагают выполнять работу фермеров — копать и продавать картофель, снимать кору с деревьев и кормить свиней. За участие родители платят тысячи юаней. Десятидневная программа в одном из лагерей стоит более 4 тыс. юаней (около $600), а пребывание продолжительностью до месяца — более 10 тыс. юаней (около $1500). В лагерях действуют строгие правила: у детей забирают телефоны, а объем выдаваемых вещей зависит от выполненной работы. Так, за невыполнение задания ребенка могут оставить питаться только картофелем. Организаторы заявляют, что хотят показать детям сложности физического труда и заработка, при этом подчеркивая, что задания не должны быть чрезмерно тяжелыми. Издание отмечает, что в соцсетях распространяются видео, на которых дети плачут и просят забрать их домой. Некоторые из них говорят: «Я могу делать что угодно, только не работать на ферме». Родители по-разному оценивают такой опыт. Один из пользователей написал комментарии под видео: «Возможно, детям необходимо столкнуться с трудностями, чтобы ценить комфортную жизнь». Другая мать, отправившая семилетнюю дочь в лагерь на десять дней, осталась довольна тем, что ребенок «вышел из зоны комфорта и познакомился с другим образом жизни». (РБК)

🖐Оцифровка моторики: как корпорации бесплатно скачивают навыки рабочих 🔍Бигтех нашел способ оцифровать физический труд. На индийских фабриках на головы рабочих начали вешать экшен-камеры. Задача - собрать датасеты от первого лица для будущих промышленных роботов. Машинам мало текста и картинок из интернета. Им нужна реальная моторика:

движения рук, тайминги, хват, исправление ошибок у станка.

Технологические компании не договариваются с персоналом. Они покупают доступ напрямую у руководства фабрик. Рабочие не получают ни цента за свои данные, не подписывают согласия и не понимают конечной цели съемок. Индийская фирма EgoLab, которая собирает сырые видео с швейных производств и складов, называет одним из своих главных клиентов Tesla. 🟪Из видео вытаскивают метрики производительности: считают секунды простоя, фиксируют разговоры с коллегами и лишние перемещения. Под постоянным видеотрекингом люди замолкают и сами начинают работать как алгоритмы. Низкооплачиваемые сотрудники генерируют премиальный массив данных для обучения промышленных роботов. Когда нейронные сети полностью скопируют их мышечную память, роботы встанут на конвейер, а людей уволят. Чистое извлечение выгоды. 🦔 CyberYozh