ИИ

Почему разработчики ИИ – за лупы Когда я впервые услышал слово «агенты», я не сильно обратил на него внимание. Тогда в мыслях было хотя бы привыкнуть к чатгпт и прочим БЯМ. Теперь ясно, что агенты действительно сильно повлияют на науку и жизнь. Но пока учёные стараются это осознать, разработчики ИИ уже ушли дальше и говорят, что следующий шаг – лупы (loops – петли, циклы) Идея в том, что агенты уже достаточно умны, чтобы самим находить пути решения задач. Нужно только поставить задачу и запустить цикл: «пока не нашёл решение, работай дальше». Конечно, в таком простом виде он сработает довольно плохо, поэтому нужно выстраивать дизайн системы. Агенты могут сами писать для себя код, решать подзадачи, проводить исследования и делать это, пока цель не будет достигнута (или пока не застрянут). Это называют инженерией циклов – loop engineering Вот пример с хакатона при поддержке Deepmind, в котором я участвовал. Одни из участников делали агента, который помогал бы в разработке лекарств. Но не просто БЯМ с инструментами, а систему, способную изменять свой собственный код. Для теста ей задали вопрос, ответ на который сама модель не знала. Зато она знала, в какой базе данных хранятся ответы, написала код для обращения к этой базе, посмотрела ответ там и выдала его. Программа сама написала код, который делает её более способной – это ли не магия? Про другой впечатляющий пример агента, который сам улучшил себя так, что превзошёл Claude code и другие аналоги, можно почитать здесь Если вы тоже верите, что за этим будущее, распространяйте по соцсетям посты с тегом #залупинжиниринг !

🛠 Инструменты • OpenAI запустила две новые модели транскрипции: GPT-Live-Transcribe и GPT-Transcribe — GPT-Live-Transcribe для низкой задержки, GPT-Transcribe для асинхронной. • Perplexity Personal Computer доступен на Windows — Цифровой работник для создания документов и обновления таблиц. • Google внедрил голосовое управление Gemini для Mac — Удерживайте Fn и говорите; Gemini видит экран и выполняет задачи. • SpaceXAI запускает Build Mode — создавайте приложения на естественном языке с Grok Build — Для подписчиков SuperGrok Heavy. • Tavus позволяет любому создать цифрового человека (без кода) — Создание цифрового человека без кода. • Новый инструмент HeyGen превращает любой контент в видеоподкаст — Преобразование контента в видеоподкаст. • LangSmith: Песочницы для безопасного запуска кода агентами — Изолированное пространство для безопасного запуска кода и управления файлами.

Мой прогноз про горизонт событий к 2030 держится на одном допущении: что ИИ научится задавать вопросы, которые никому и никогда не приходили в голову. Но пока – не умеет. Ибо для этого нужен прыжок, который когда-то сделал Эйнштейн Об этом же – почти одновременно и независимо друг от друга – написали исследователь Google DeepMind и трое известных учёных с абсолютно разных научных полюсов. Автор 1й работы Том Захави – соруководитель исследовательской группы Google DeepMind по созданию креативных агентов и один из ключевых создателей AlphaProof. А трое авторов 2й работы – Андреа Роли, Сауро Суччи и Стюарт Кауффман – ученые абсолютно иных научных профилей и компетенций. Диагноз, впрочем, в обеих работах один и тот же.   Захави отталкивается от письма Эйнштейна другу Морису Соловину: настоящее открытие – это не вывод из данных, а скачок. Свой скачок к теории относительности Эйнштейн сделал, вообразив себя наблюдателем в падающем лифте – и «почувствовав», что гравитация исчезает. Захави называет это манипулятивной абдукцией: гипотеза рождается из мысленного действия, а не из перебора символов, – и именно этого, по его мнению, современным LLM недостаёт. Кауффман с соавторами формулируют тот же предел иначе: ИИ может быть непредсказуемым – но непредсказуемость ещё не значит непредзадаваемость. По лабиринту можно блуждать совершенно непредсказуемо – но стены лабиринта построены заранее. Настоящая новизна – как плавательный пузырь, однажды ставший лёгким, – это не движение по пространству возможностей, а появление нового измерения в нём самом. Ту же границу автор канала обрисовал в 2021-м, в заочном диалоге с теми же Роли - Кауффманом и примкнувшим к ним Йоханнесом Йегер (а также в очном диалоге с Саркисом Григоряном 😊) – за пять лет до того, как обе статьи 2026 года подтвердили её независимо друг от друга.   У Захави здесь есть своя логика: если скачок – не мистика, а физически заземлённая абдукция, то дайте ИИ тело и симуляцию мира – и он сам, экспериментируя, «перережет трос лифта», как когда-то мысленно сделал Эйнштейн. Красиво, и даже хочется согласиться. Но лифт, трос и даже сама физика падения в такой симуляции всё равно заданы заранее – тем, кто её построил. ИИ не выйдет за пределы декораций, даже перерезая в них трос. Занять место падающего наблюдателя – не то же самое, что придумать, что такое падение.  

И поэтому я не думаю, что настоящий «горизонт событий» будет достигнут, даже если машина докажет последнюю из недоказанных (и придуманных) людьми теорем. Но вот если машины обретут способность ставить вопросы, не приходившие ранее в головы людей, – тогда другое дело. А если к тому же машины ещё и научатся формулировать новые аксиомы, в которых эти никогда не задававшиеся вопросы обретут смысл, – это и будет настоящий «горизонт событий».

Пока этого не произошло. Но и абсолютной уверенности, что это в принципе невозможно, тоже нет.   Подробнее и в деталях: • что за «скачок Эйнштейна» не умеют делать LLM, • почему абдукции (и даже обретения моделью тела) может быть недостаточно, • что означает «непредсказуемое – ещё не непредзадаваемое», • о четырёх ступенях производства нового и о пятой, самой заветной ступени, – заинтересованные читатели могут прочесть или прослушать в полном тексте эссе [1, 2, 3, 4]   #ТОИ

Что случилось с Cursor? Он стал непопулярен? Разбираем 👇 Если коротко, то: нет, скорее изменилась сама экосистема AI-инструментов. В 2024–2025 годах Cursor был практически синонимом AI-кодинга. Если человек хотел попробовать «вайбкодинг», чаще всего он устанавливал именно Cursor. Но за последний год рынок сильно изменился. Во-первых, появился и стремительно вырос Claude Code. Многие разработчики перешли на него из-за более сильных агентных возможностей и удобной работы с большими проектами. Во-вторых, OpenAI активно развивает Codex, GitHub Copilot продолжает занимать корпоративный сегмент, а также появились Windsurf, Kiro, Jules и десятки других решений. Сегодня разработчики уже выбирают не один инструмент, а собирают собственный стек под разные задачи. При этом говорить, что Cursor непопулярен будет тоже некорректно. Многие компании продолжают использовать его параллельно с Claude Code. Например, недавно стало известно, что Disney оставляет Cursor среди основных инструментов разработки наряду с Claude Enterprise, несмотря на отказ от GitHub Copilot. Почему тогда создается ощущение, что про Cursor стали говорить меньше? В 2026 год сменился тренд. Суть тренда в том, что мы выбираем не конкретный редактор, а AI-агента или подборку агентов. Уже не столь важно, где вы будете писать код, поэтому конкретно Cursor обсуждают не так активно. Кстати никогда не спрашивала вас: А вы использовали Cursor?

Про постановку целей по AI в компаниях Часто, когда придумывают какой-то KPI, например повышение AI-зрелости, проникновения AI или экономических эффектов, в итоговую цель ложится что-то типа «повысить на 50%» или «достичь уровня 80%». Все такие формулировки неизменно вызывают много дискуссий «а как они решили, что надо именно 80, а не 70 или 90?», поэтому пара слов об этом. AI характерно то, что итоговый эффект довольно сложно точно предсказать, максимум - по порядку величины и то может оказаться, что его просто не будет. Как следствие, вы всегда ставите цель в условиях сильной неопределенности, и в какой-то момент надо просто решиться, ткнуть пальцем в график и сказать «будет вот так». Ну знаете, как Королев со своим известным «Луна твердая» (там на самом деле была чуть более длинная и менее бескомпромиссная записка, но легенда всегда становится чуть красивее). Что может смягчить для руководителя и компании последствия такого «тычка пальцем в небо» при планировании? Несколько вещей: 1. Оценивайте результат и уточняйте план чаще, чем раз в год. 2. Берите как руководитель ответственность за тот план, который сами поставили. И когда ставите цель себе, и когда ставите цели своим сотрудникам. Та же байка про Королева ведь не про гениальность и авторитарность великого, а именно про способность взять на себя ответственность. 3. Лучше сначала определитесь со способом измерения и проведите замер, что есть сейчас, чтобы потом не натягивать сову на глобус, подгоняя оценки под то, что вышло. 4. Ищите баланс между микроменеджментом и стратегичным стратегированием с отрывом от реальности: погружайтесь вглубь, чтобы не было чайка-менеджмента и форвард-менеджмента, но видьте границы ответственности. Последнее о том, что ошибиться с планом и посидеть без премии это ок, а «всех разогнать нафиг» это не ок. Если не нравится точность планирования - надо улучшать ее, а не крушить и ломать :) Не должно быть какого-то гнетущего эмоционального давления или чувства вины за неудачу, должен быть здоровый азарт - сделал ставку, пробуешь оправдать, не оправдал - что-то потерял, но не так чтобы руки дальше опускались, пробуем еще и еще. В AI это очень важно, потому что страх сильно влияет на проактивность и взятие на себя ответственности в интеллектуальной работе, где нельзя предсказать результат работы точно. 5. Самое важное: всегда, особенно при недостижении каких-то результатов, ищите возможность не поскорее найти виноватых и кого-нибудь наказать, а понять и вместе с командой придумать, как в следующем временном интервале сделать лучше. При этом терпилой быть не надо, если систематически ставите вместе с человеком цели и систематически их не достигаете, возможно вам обоим нужно поработать с кем-то другим.