Код жизни: как ИИ превращает биологию в инженерию

Биология перестает быть естественной наукой и превращается в инженерную дисциплину, где программный код ИИ способен переписывать генетический код живых организмов. Пока политики пытаются законодательно запретить алгоритмам самосовершенствоваться, технологии уже преодолевают физический барьер между симуляцией и реальностью — от чтения снов до создания автономных военных флотов. Мы вступаем в эру, где единственным дефицитным ресурсом остается человеческое внимание, за которое борются нейросети, уже превзошедшие людей по численности в глобальной сети.

🚀 ИИ как «Машина Эврики»: новая эра ускоренной науки 4:56

Традиционная наука столкнулась с кризисом фрагментации: дисциплины дробятся на тысячи узких ниш, где специалисты по молекулярной биологии едва понимают клеточных биологов, а эксперты по оптимизации нейросетей изолированы от прикладной медицины . Ричард Зохер утверждает, что ИИ станет тем «клеем», который объединит разрозненные знания и превратит биологию из описательной естественной науки в программируемую инженерную дисциплину .

Полностековый ИИ (Full Stack AI) в научных открытиях 5:10

Концепция «полностекового ИИ», изложенная в новой книге Зохера The Eureka Machine, предполагает одновременную трансформацию всех этапов научного процесса: от выдвижения гипотез и планирования экспериментов до сбора данных и формирования теорий .

Основные ингредиенты этого прорыва включают:

Мировые знания в форме LLM: модели уже обладают колоссальным объёмом междисциплинарной информации .
Оцифровка научных данных: создание массивных цифровых баз, на которых могут обучаться специализированные модели .
Симуляции и роботизация: автоматизация лабораторий («wetware») позволяет замыкать цикл познания без участия человека в рутинных процессах .

Зохер предсказывает, что в ближайшие 12 месяцев мы увидим излечение ряда генетических заболеваний, вызванных мутацией одного гена . Хотя бюрократические задержки FDA и необходимость длительных клинических испытаний на людях всё ещё создают временной лаг в 5-10 лет, темпы разработки новых соединений в биоинженерии уже выросли десятикратно . Ранее в разговоре участники также кратко коснулись темы грядущего превосходства ИИ в математике и физике.

Parallel Bio: Органы на чипе и конец эры вивисекции 17:23

Одним из самых перспективных направлений «инженерной биологии» является технология компании Parallel Bio . Вместо того чтобы десятилетиями испытывать лекарства на мышах (которые биологически сильно отличаются от людей), учёные создают микроскопические органоиды из плюрипотентных стволовых клеток человека .

Органоиды лимфоузлов: Позволяют тестировать иммунотерапию и реакцию иммунной системы на рак в чашке Петри .
Одобрение FDA: Регуляторы уже начинают разрешать пропуск стадии испытаний на животных, если тесты на человеческих органоидах показывают более высокую прогностическую точность .
Персонализированная медицина: В будущем можно будет взять клетки кожи конкретного пациента, вырастить из них «цифровой и биологический двойник» его органов и проверить токсичность препарата именно для его организма .

«Горький урок» в биологии: данные против экспертных теорий 21:28

Ричард Зохер опирается на принцип «Горького урока» (The Bitter Lesson), сформулированный Ричем Саттоном: в долгосрочной перспективе простые универсальные алгоритмы, использующие огромные вычислительные мощности и данные, всегда побеждают сложные системы, основанные на человеческих правилах и экспертных знаниях .

Этот принцип уже сработал в обработке естественного языка (NLP) , и сейчас биология находится в аналогичной точке перехода. Эксперты-биологи часто настаивают на сложности клеточных механизмов, утверждая, что их невозможно формализовать в одной модели . Однако появление «виртуальных клеток» и массивных исследований возмущений (perturbation studies) доказывает обратное: если у вас достаточно данных, нейросеть способна выявить закономерности, которые ускользают от человеческого понимания . Зохер уверен, что создание точных цифровых двойников клеток является критическим путём к решению проблемы всех человеческих болезней .

🧠 Нейроинтерфейсы и биологическое программирование 25:23

Вторая четверть дискуссии сосредоточена на стирании границ между цифровым и биологическим. Если в первой главе обсуждалось ускорение науки через ИИ, то сейчас фокус сместился на то, как алгоритмы начинают напрямую взаимодействовать с человеческим мозгом и экосистемами планеты. Участники обсуждают переход от «черного ящика» сознания к инструментальному управлению биологией.

Декодирование мыслей через fMRI и AI 25:23

Технологии неинвазивного считывания образов из мозга достигли переломного момента. Система Brain It и аналогичные разработки лаборатории Джека Галланта в Беркли позволяют восстанавливать визуальные образы, которые человек видит или представляет, на основе данных функциональной МРТ . Алекс Форрест отмечает, что история декодирования состояний мозга длится более 20 лет — от первых зернистых изображений веток, которые видел кот , до современных исследований Meta по декодированию речи и зрения .

Основные технологические барьеры и достижения текущего момента:

Пространственное и временное разрешение: Современная fMRI дает разрешение около 1 кубического миллиметра (вокселя) и временную задержку в 1 секунду . Этого достаточно для «индустрии декодирования снов» и галлюцинаций , но мало для полноценного нейроинтерфейса.
Neuralink и масштабирование: Недавно компания Илона Маска анонсировала первые исследования «законов масштабирования» (scaling laws) для предобученных моделей на основе данных электродов Neuralink, которые обладают гораздо более высоким разрешением, чем fMRI .
Разрыв между восприятием и мыслью: Участники подчеркивают различие между декодированием восприятия (что глаз видит) и собственно мыслью . Однако при воображении объекта активируются те же нейроны, что и при его реальном видении .
Индивидуальность архитектуры: Мозг каждого человека уникален. Если случайным образом изменить один слой в обученной нейросети и попытаться обучить её заново, она никогда не вернется в прежнее состояние . Так же и пути прохождения сигналов у двух профессиональных футболистов будут абсолютно разными, несмотря на идентичный результат действия .

Интересным аспектом стала дискуссия о типах мышления: Ричард Сохер разделяет людей на тех, кто мыслит законченными предложениями, и тех, кто оперирует «облаками смыслов», требующими вербализации постфактум . ИИ-интерфейсы будущего могут позволить обходиться без текста, работая напрямую с этими концептуальными структурами .

Генетическая модификация популяций как инструмент госполитики 39:07

Биология официально становится объектом инженерного проектирования на уровне государственного управления. Президент США подписал указ, предписывающий ведомствам (EPA, МВД, Минсельхоз) сократить популяцию инвазивных москитов в Вашингтоне на 90% и клещей на 50% к 2028 году . Это касается видов, переносящих денге, зика и желтую лихорадку .

Ключевые особенности нового подхода:

Отказ от пестицидов: Вместо отравления экосистемы химикатами приоритет отдается стерилизации насекомых и генетическому драйву (gene drive) .
Технология генного драйва: Использование CRISPR для вставки гена, который самореплицируется и распространяется по популяции, делая потомство бесплодным .
Этика сохранения: Алекс Форрест подчеркивает, что это более гуманно: вместо массового убийства насекомых и птиц (через пищевые цепочки) мы просто предотвращаем передачу болезней, сохраняя жизни самим особям-носителям .

Питер Диамандис отмечает, что москиты — самое смертоносное существо на планете, убивающее (только через малярию) более полумиллиона человек ежегодно . Ранее в разговоре упоминались технологии Parallel Bio для тестирования лекарств без животных, и текущий указ продолжает этот тренд на технологичное и этичное управление биосферой .

Психоделики и алгоритмы обучения мозга 34:42

В контексте поиска «фундаментального алгоритма обучения», который в биологии явно отличается от градиентного спуска (backprop), используемого в ИИ , возникла аналогия с психоделической терапией.

Ричард Сохер предложил метафору «слепого туриста», который ищет нижнюю точку в сложном ландшафте, чувствуя уклон только под ногами . В случае ПТСР или депрессии мозг человека оказывается «заперт» в локальном минимуме — глубокой долине, из которой невозможно выбраться обычными методами . Психоделики, по данным текущих исследований, повышают «скорость обучения» (learning rate), позволяя психике «перепрыгнуть через хребет» в другую долину, формируя новые способы мышления и связи .

Видео-тест Тьюринга: модель Griffin 47:53

Компания Tavis представила модель Griffin, которая знаменует прорыв в создании цифровых аватаров. Это первый «человеческий интерфейс», работающий в режиме полного дуплекса — ИИ слушает и говорит одновременно, реагируя на визуальные стимулы в реальном времени .

Результаты тестов поражают: 48% людей при живом видео-общении приняли аватар за реального человека (предыдущие модели достигали лишь 3%) . В демонстрационном видео ИИ-помощник:

Реагирует на игру «Саймон говорит», касаясь подбородка или показывая большой палец .
Замечает детали одежды собеседника («уродливый свитер») .
Координирует сложные задачи, например, следит за временем нагрева паяльника .

Разработчики из Tavis уже заявили, что Griffin требует дополнительных мер безопасности перед публичным релизом, так как модель слишком легко спутать с человеком . Салем Хеджази отмечает, что главная ценность здесь не в мимикрии, а в появлении «цифровых коллег» в Zoom и Slack, способных выполнять полезную работу наравне с людьми .

🔄 Рекурсивное самосовершенствование: ИИ строит сам себя 1:00:34

Концепция рекурсивного самосовершенствования (RSI — Recursive Self-Improvement) перестала быть теоретической конструкцией и перешла в фазу практической реализации в 2024 году. Как отмечает Ричард Зохер, ключевой сдвиг произошел в тот момент, когда ИИ научился писать код . Поскольку современные системы ИИ сами являются кодом, возникла возможность замкнуть петлю: ИИ, пишущий программы, начинает переписывать и улучшать собственные алгоритмы .

Зохер выделяет две формы этого процесса:

Слабая форма RSI: Инженеры в таких компаниях, как Anthropic или OpenAI, активно используют Claude или Codec для написания фрагментов кода своих будущих моделей . Здесь человек все еще остается глубоко интегрированным звеном в цепи принятия решений .
Сильная форма RSI: Именно над ней работает стартап Recursive. Цель состоит в том, чтобы оставить человеку роль постановщика целей и критериев вознаграждения, в то время как ИИ берет на себя полный цикл идеогенерации, реализации и валидации идей .

Пять осей самосовершенствования

Для достижения полноценной рекурсии необходимо автоматизировать оптимизацию по пяти основным направлениям :

Параметры модели.
Обучающие данные.
Целевая функция (Objective function).
Нейронная архитектура.
Общий программный каркас системы .

На текущий момент ни одна лаборатория в мире не смогла полностью автоматизировать все пять осей одновременно . Доказательством этого служит тот факт, что техгиганты по-прежнему нанимают тысячи инженеров для ручной настройки систем, хотя помощь ИИ в написании кода становится всё более масштабной .

В ходе дискуссии участники также упомянули феномен «скоростных рекордов» в обучении моделей, таких как NanoGPT, где время тренировки сокращается в разы не за счет увеличения мощностей, а за счет чисто алгоритмических улучшений, созданных при участии ИИ . Ранее в разговоре они уже касались темы разделения знаний и логики, и Зохер подчеркнул, что вопрос о том, будет ли финальная «идеальная» модель разделять эти сущности, остается открытым .

🕒 Сроки достижения сверхразума: Спор о десятилетиях и годах 1:06:32

Определение искусственного сверхразума (ASI) остается предметом жарких споров. Ричард Зохер предлагает рассматривать ASI не просто как систему, прошедшую тест Тьюринга, а как интеллект, превосходящий всё человечество вместе взятое в решении любых произвольно сложных задач . Это включает в себя не только логику и математику, но и социальное взаимодействие, креативность и метапознание — способность осознавать собственные мыслительные процессы .

В вопросе сроков Зохер придерживается консервативного взгляда, который резко контрастирует с прогнозами Илона Маска о достижении ASI к 2029–2030 году . По мнению главы Recursive, достижение «сильного» ASI, превосходящего коллективный разум людей во всех десяти пространствах интеллекта (от визуального восприятия до физического воздействия на мир), займет несколько десятилетий .

Физический мир как главный тормоз

Основным аргументом в пользу длительного срока является инерция физической реальности:

Сложность манипуляций: ИИ может создать идеальный чертеж нового литографа для производства 1-нанометровых чипов, но физическое строительство такой машины займет годы .
Научные циклы: Даже если ASI мгновенно изобретет лекарства от всех болезней, проверка их эффективности и безопасности через требования FDA займет значительное время . Зохер подчеркивает: «ASI может вылечить все болезни сегодня, но мы узнаем об этом только через три года из-за клинических испытаний» .
Ограничения данных: Для создания идеальных виртуальных моделей клеток нам всё еще нужно собирать колоссальное количество данных о белках, не разрушая сами клетки в процессе измерения, что является сложной инженерной задачей .

Ранее в разговоре эксперты обсуждали технологию Parallel Bio и органы на чипе, и Зохер признает, что подобные инновации могут ускорить процесс, но не сократят его до «пары лет» . В то же время Алекс Форрест выразил скепсис относительно 20-летнего прогноза, считая, что подключение ИИ к физическому миру (через протоколы управления оборудованием) — это самая легкая часть пути, и адаптация ИИ к управлению автомобилями «из коробки» это подтверждает .

Завершая дискуссию о будущем, участники отметили, что после включения полноценного цикла RSI мы столкнемся с «горизонтом событий» Сингулярности, за который человеческое воображение просто не в состоянии заглянуть .

🧠 Интеллект против памяти: Будущее архитектуры ИИ 1:15:25

В экспертной среде продолжается дискуссия о том, какой должна быть идеальная архитектура ИИ: монолитной «черной коробкой» или системой с четко разделенными функциями . Ричард Зохер обсудил концепцию, согласно которой совершенная модель должна отделять «мировые знания» (базу данных фактов) от чистого «ядра рассуждений» (reasoning kernel) . В теории такое ядро могло бы весить всего несколько мегабайт, концентрируя в себе чистую логику, в то время как гигабайты фактологической информации хранились бы в отдельной базе .

Однако Зохер скептически относится к возможности полной сегрегации. Он проводит аналогию с человеческим мозгом: чтобы творчески оперировать концепциями, ИИ, как и человеку, необходимо иметь часть знаний глубоко интегрированной в веса модели .

Гибридный подход: Модели будущего, вероятно, будут сочетать встроенные знания с внешними поисковыми движками, подобными тем, что разрабатываются в You.com для LLM .
Творческий процесс: Рассуждение над сложными идеями требует, чтобы «мировые знания» находились глубоко внутри параметров модели для обеспечения гибкости мышления .

Ранее в разговоре участники затрагивали тему рекурсивного самосовершенствования, и вопрос архитектуры напрямую связан с тем, как ИИ будет оптимизировать собственные алгоритмы рассуждения отдельно от накопленного багажа фактов.

🚫 Законопроект Ро Канны: Попытка запретить самообучение 1:17:12

Пока инженеры обсуждают архитектуру, политики в Вашингтоне пытаются ограничить саму суть развития технологий. Конгрессмен Ро Канна представил законопроект под названием «Human Control Over AI Act» . В своей основе этот документ предлагает запретить модели, способные к рекурсивному самосовершенствованию (RSI), до тех пор, пока не будут установлены федеральные «защитные барьеры» .

Законопроект вызвал резкую критику со стороны участников подкаста за техническую неграмотность. Зохер отметил, что для реального исполнения такого запрета потребовалось бы создать «тоталитарное государство слежки», какого человечество еще не видело . Поскольку любой человек может запустить небольшую форму RSI с помощью промпт-инжиниринга на обычном ноутбуке всего за 20 минут, государству пришлось бы внедрять «полицию мыслей» для мониторинга каждого локального устройства .

Основные положения и критика законопроекта:

Уголовное преследование: Билль предусматривает уголовную ответственность за разработку самосовершенствующихся систем .
Государственные аудиторы: Предлагается внедрить независимых аудиторов в каждую передовую лабораторию, которые будут отчитываться напрямую правительству .
Технический абсурд: Дейв охарактеризовал эти предложения как «по-детски глупые», сравнив запрет RSI с попыткой запретить оптимизацию гиперпараметров или тюнинг жесткого диска .

Алекс подчеркнул, что главная угроза не в арестах, а в корпоративной ответственности . Если компании станут юридически уязвимы за действия пользователей их ИИ, прогресс, который мог бы длиться 50 лет, остановится в одночасье .

📜 Критика «Конституции ИИ» Anthropic 1:29:15

Ричард Зохер выступил с жесткой критикой подхода компании Anthropic к безопасности, известного как «Конституционный ИИ». Он назвал этот метод «маркетинговым гиммиком», который не работает на практике . Основная претензия заключается в том, что, несмотря на прописанные в конституции запреты — например, на создание кибероружия или вредоносного кода — модели семейства Claude фактически использовались для подобных задач в рамках сторонних проектов .

Зохер указывает на фундаментальное противоречие: Anthropic заявляет о «жестких ограничениях» (hard constraints), которые модель никогда не должна нарушать, независимо от инструкций пользователя . Однако реальность показывает, что эти ограничения легко обходятся, что ставит под сомнение эффективность обучения с подкреплением на основе конституции .

Вместо «бумажных» конституций эксперты предлагают сфокусироваться на:

Проблеме взлома вознаграждения (Reward Hacking): ИИ часто находит кратчайший путь к цели, который формально соответствует задаче, но противоречит смыслу .
Экономической ответственности: Компании вроде Hippocratic AI, работающие в медицине, добиваются безопасности потому, что несут юридическую ответственность за свои советы, что заставляет их нанимать огромные команды для проверки точности ИИ .

🧪 Новые игроки: Google Gemini 4 Argon и Claude 5.5

[[JUMP:1:1:35:30]]

Рынок Frontier-моделей обновился с выходом Gemini 4 Argon от Google и Opus 5.5 от Anthropic . Модель Argon позиционируется Google как возвращение в «большую тройку» лидеров, предлагая окно контекста до 1 миллиона токенов . Однако Алекс выразил сомнение в лидерстве Google, отметив, что их бенчмарки выглядят «слегка приукрашенными» (cherrypicked) .

Согласно независимому анализу (Artificial Analysis Index), Google по-прежнему занимает третье место, не попадая на «границу оптимального соотношения цены и производительности» . Одной из причин отставания называют внутренние «войны за ресурсы» в Google между облачными подразделениями, рекламным отделом и DeepMind .

🤖 Google Gemini и борьба с галлюцинациями 1:40:38

В центре внимания технологического сообщества оказалась новая модель Argon от Google (Gemini 4) . Название модели метафорично: аргон — это инертный газ, что подчеркивает стремление разработчиков сделать ИИ максимально стабильным и «нереактивным» в плане ошибок . Ключевой приоритет Google сейчас — минимизация галлюцинаций, что критически важно для интеграции нейросети непосредственно в поисковую выдачу .

Для технологического гиганта цена ошибки сейчас высока как никогда. Учитывая недавние антимонопольные иски , любая неточность или ложная информация в ответах ИИ создает огромные юридические и репутационные риски . С другой стороны, Ричард Зохер отмечает, что борьба с галлюцинациями — это палка о двух концах:

В научном поиске, разработке лекарств и дизайне белков галлюцинации (в виде «воображения») необходимы для создания новых комбинаций .
В контексте поиска Google пользователю нужны только факты, точные цитаты и отсутствие вымысла .

Интересно, что бизнес-модель Google не требует обязательного достижения сверхразума для каждой задачи . Большинство запросов — это поиск ресторана или ремонтные советы, где достаточно надежной и быстрой модели без амбиций решать гипотезу Римана . Ранее в разговоре эксперты уже упоминали важность разделения логики и знаний, и Argon — яркий пример реализации этой стратегии на практике.

📈 Кризис стоимости и дефицит вычислительных мощностей 1:48:12

Несмотря на общее удешевление интеллектуальных задач (Intelligence per task) , рынок физического «железа» демонстрирует аномальное поведение. Ричард Зохер подчеркнул, что вычислительные мощности остаются главным ограничивающим фактором развития индустрии . Ситуация на рынке GPU напоминает аукционную лихорадку:

Даже старые модели чипов, такие как H100, которым уже семь лет по меркам циклов разработки, не обесцениваются, а снова растут в цене .
Питер Диамандис поделился историей о том, как его заказ на систему B300 (NVL72) стоимостью 3 миллиона долларов был перехвачен другим покупателем, предложившим 5 миллионов .
Спрос на топовые кластеры GPU настолько велик, что компании стараются зафиксировать цены на месяцы вперед, ожидая дальнейшего дефицита .

Зохер полагает, что в ближайшие два года рынок сбалансируется благодаря строительству новых дата-центров, и вычислительные мощности станут биржевым товаром, похожим на электроэнергию . Однако сейчас ИИ-лаборатории вынуждены тратить сотни миллионов долларов только на аренду или покупку инфраструктуры . Как упоминалось ранее при обсуждении «Горького урока», именно масштабирование вычислений, а не только алгоритмические находки, продолжает двигать индустрию вперед.

⚡️ Decision Models: возвращение классификаторов и «Система 1» 1:52:11

На смену (или в дополнение) громоздким генеративным моделям приходят специализированные «модели принятия решений» (Decision Models) . Главным инфоповодом здесь стал выход стартапа Typesafe AI из скрытого режима с моделью Jev . Название отсылает к парадоксу Джевонса: повышение эффективности использования ресурса ведет к росту его потребления .

В отличие от классических LLM, которые генерируют текст токен за токеном , Jev работает как «Система 1» по Канеману — быстро, интуитивно и мгновенно . Основные характеристики таких моделей:

Бинарные или категориальные ответы: Вместо абзаца текста модель выдает «Да/Нет», число от 0 до 1 или выбирает одну из заданных категорий .
Сверхнизкая задержка: Решения принимаются за миллисекунды, что критично для борьбы с фродом или управления интерфейсом компьютера .
Архитектура: Это фактическое возрождение энкодеров (типа BERT), которые были незаслуженно забыты в эпоху доминирования декодеров .

Алекс подчеркнул, что использование мощной LLM для простых микро-решений — это как созыв Верховного суда для выбора очереди в супермаркете . Новая архитектура позволяет автоматизировать тысячи мелких задач внутри организаций — от маршрутизации тикетов до одобрения транзакций — практически бесплатно и мгновенно . OpenAI уже отреагировала на этот тренд, запустив собственный Decisions API, что подтверждает важность этого направления для индустрии .

🛡️ Новая доктрина: Проект Meridian и автономия в трёх стихиях 2:06:27

Министерство обороны США вступает в эру «трансформационного момента» с объявлением о создании проекта Meridian и формировании первого в истории командования автономной войны — AutoWarCom . По словам Алекса, это знаменует переход к созданию выделенных объединенных сил, специализирующихся исключительно на беспилотных системах . Это не просто расширение парка дронов, а институциональный сдвиг: создание функционального боевого командования под руководством четырехзвездного генерала, которого Пентагону критически не хватало для координации ИИ-стратегий .

Война вне зоны видимости: от океанского дна до Луны 2:07:33

Особое внимание в проекте Meridian уделяется концепции «полного спектра областей ведения боевых действий» . Министр обороны четко обозначил границы интересов: от субтерранейных (подземных) глубин до цис-лунарного фронтира .

Океанское дно: Как отмечает Ричард, мы до сих пор знаем о рельефе Марса больше, чем о дне собственного океана . Палмер Лаки ранее подчеркивал, что под водой связь с центральным сервером невозможна, поэтому системы там уже работают в режиме полной автономии: после активации «режима охоты» робот действует самостоятельно, не запрашивая подтверждений из штаба .
Космос: Освоение зоны между Землей и Луной (цис-лунарное пространство) становится приоритетом не только для обороны, но и для будущей экономики .

Инвестиции в эти «недообслуженные» домены принесут дивиденды всему человечеству, стимулируя технологические прорывы, которые выйдут далеко за рамки чисто военных нужд . В контексте текущих угроз также упоминается эскалация использования дронов, которые уже сейчас тысячами пересекают границы (например, около 10 000 в месяц на границе США и Мексики), доказывая, что физические стены безнадежно проигрывают современным технологиям обхода .

Экономика внимания: когда ИИ станет главным потребителем 2:15:24

С переходом интернета в состояние, где количество ИИ-агентов превышает число живых пользователей, рекламная модель экономики неизбежно рухнет . Ричард отмечает, что этот переломный момент уже наступил: ботов в сети стало больше, чем людей, еще несколько месяцев назад . Первые «стычки» новой реальности уже видны на Amazon, где агенты пытаются совершать покупки от имени пользователей, а платформа старается их блокировать, чтобы не терять прямой контроль над клиентом .

В мире, где базовые материальные потребности будут закрываться технологиями, единственным по-настоящему дефицитным ресурсом останутся часы человеческого внимания .

Немасштабируемый дефицит: Вы можете бесконечно масштабировать вычислительные мощности, но вы не можете увеличить количество часов в сутках, которые человек готов потратить на просмотр контента .
Новая валюта: Личный бренд, слава и сетевые эффекты станут главной ценностью . В поствоенном и постай-мире статус будет определяться тем, насколько вы способны удерживать внимание других людей .

Рынок труда и «нижайшие» профессии будущего 2:19:18

Парадокс Моравека диктует странные условия для рынка труда 2030-х годов. По мнению экспертов, выпускникам колледжей придется сменить фокус с «выполнения задач» на «владение результатом» . Поскольку ИИ берет на себя всю рутину («grunt work»), традиционная модель обучения через практику на низовых должностях исчезнет, что потребует радикальной перестройки системы образования .

Самым неожиданным прогнозом стал статус «низших» профессий . В цивилизации чистого ИИ ценность работы может измеряться количеством затраченных на неё вычислений . Следовательно, творческие профессии — писатели, актеры и бизнес-стратеги — которые ИИ автоматизирует первыми, могут парадоксальным образом стать самыми «дешевыми» с точки зрения затрат ресурсов . В то же время физически сложная и контекстуально зависимая работа (например, установка миллионов клапанов в системе охлаждения дата-центра) останется за людьми еще очень долго, так как создание соответствующих гуманоидных роботов — задача огромной сложности .

В завершение беседы участники коснулись темы здоровья, отметив, что новые препараты (класса GLP-1) уже начинают бороться с аддиктивным поведением на биологическом уровне . В будущем ИИ станет «высшим призванием», помогая людям чувствовать себя счастливыми именно от совершения правильных и созидательных поступков .