Второй эпизод

Исследование влияния онлайн-встреч описывает состояние после плотного календаря как похмелье: человек теряет способность сосредоточиться на содержательной работе, особенно когда у созвона нет повестки, его вклад не нужен и встреча не заканчивается решением. Практический ответ начинается с дисциплины организатора: заранее дать цель и материалы, после разговора зафиксировать действия, а передачу информации вынести в письмо или записанное видео. Участнику полезно уточнять собственную роль, отказываться от бесполезных приглашений и читать AI-конспект там, где присутствие не меняет результата.

Сюжет об умных пылесосах показывает похожую зависимость, только уже не от календаря, а от поставщика. Физически исправное устройство превращается в пластик с микросхемами, если компания закрывается и облачный сервис исчезает. Так же электронная игра, фильм или музыка могут стать недоступны после отзыва лицензии: пользователь приобрёл право доступа, а не устойчивое владение. Открытый протокол и обратная разработка иногда возвращают контроль, но чаще лишь для массовых устройств и ценой больших усилий. Поэтому долговечность цифровой части и право на ремонт должны входить в решение о покупке.

В интервью Dario Amodei безопасность представлена не лозунгом, а набором решений Anthropic. Компания не выпустила готового чат-бота примерно за полгода до ChatGPT, потому что не понимала последствий; сохранила выделенную команду и публикует результаты исследований. Ведущие предлагают судить и по движению людей: многие участники раннего OpenAI ушли строить альтернативные компании и подходы. Смысл не в том, что один игрок автоматически прав, а в проверке соответствия между заявленными принципами, распределением ресурсов и реальным поведением.

Прогноз Amodei о том, что ассистенты вскоре будут генерировать почти весь код, опирается на наблюдаемое масштабирование самообучения на тексте и вычислительных мощностей. При этом он не объявляет инженеров ненужными: их внимание должно перейти к архитектуре, ограничениям и нефункциональным требованиям. Премия Тьюринга за многолетнюю работу Эндрю Барто и Ричарда Саттона над обучением с подкреплением напоминает, что современные результаты выросли из десятилетий исследований. Модель учится через действие и обратную связь, а сочетание подходов даёт новые возможности; быстрый продуктовый цикл всё равно стоит на долгой научной основе.

По данным обсуждаемого отчёта Crunchbase, число новых единорогов после ковидного падения снова растёт, а AI в 2024 году вышел вперёд с 21 компанией. Первая волна оценок отражала капиталоёмкость базовых моделей: дорогое обучение требует другого масштаба финансирования. Вторая волна строит вертикальные продукты для конкретного домена или горизонтальные инструменты для многих отраслей. Их качество растёт вместе с базовыми моделями, но преимущество не гарантировано: компании с клиентами и данными могут собрать решение внутри, а массовое применение превратит AI из отличительного признака в обязательный уровень рынка.

Финальная новость о китайском экспериментальном чипе на основе висмута возвращает разговор от программных обещаний к производству. В публикации заявлялись более высокая скорость и меньшая энергозатратность относительно сравниваемого ускорителя, но ведущие подчёркивают разницу между лабораторным образцом, проектированием и серийным выпуском. Новая фабрика требует огромных вложений, поэтому геополитические ограничения могут подтолкнуть Китай не повторять весь кремниевый путь, а инвестировать в альтернативные материалы. Висмут или алмазная подложка могут выиграть в отдельных характеристиках, а AI-моделирование — удешевить проверку гипотез, но производственный контур остаётся главным испытанием идеи.