сложность регулируется в строке var v=mm(3,1,-1e9,1e9);b=sv.slice(); - вместо "3" можно поставить 4...9 (видимо это число ходов на сколько компутер просчитывает ходы)
а вот взять Delta Chat - шифрование вроде есть, данные пересылаются через почтовый сервер (через чужой, чтоб не иметь проблем), для общения достаточно знать е-мэйлы друг друга (лучше заведённые специально для Delta Chat)
В эволюции многоагентных систем наметился тревожный застой. Мы научились сталкивать в песочнице десятки LLM-агентов, обвешали их инструментами, memory-потоками и RAG-контекстами, но качество итогового решения на длинной дистанции по-прежнему удручает. Экспоненциальный рост количества токенов не приводит к эмерджентному скачку качества. Возникает закономерный вопрос: какой именно компонент распределённого интеллекта мы упускаем, пытаясь построить подлинный AGI?
Проанализировав сотни проваленных автономных пайплайнов, мы выдвигаем гипотезу: текущим архитектурам катастрофически не хватает специализированного Агента-Наблюдателя-Управленца с Внешней Неформализуемой Логикой. Назовём этот паттерн «Гетерогенный Супервизор» (ГС).
1. Проблема «слепого пятна» автономных пайплайнов
Классический агентный фреймворк действует в рамках заданной целевой функции. Однако, как только задача выходит за границы обучающей выборки, начинаются хорошо знакомые всем симптоматические ошибки:
Галлюцинаторная петля: агент-исполнитель порождает артефакт, агент-валидатор находит его релевантным, и система бесконечно шлифует бессмысленную дичь.
Контекстная эрозия: на 50-м шаге chain-of-thought система забывает исходное бизнес-ограничение «уложиться в бюджет», начиная проектировать космический лифт.
Когнитивная фиксация: нейросеть выбирает первый попавшийся паттерн и не способна без внешнего импульса сменить парадигму решения.
Очевидно, что для устранения этих фундаментальных дефектов нужен оркестратор принципиально иной природы — тот, кто способен вмешаться при обнаружении семантического дрейфа и переопределить граф исполнения в рантайме.
2. Архитектурный портрет идеального Супервизора
Проведя обратный инжиниринг наиболее успешных реализаций сложных проектов, мы выделили ключевые технические характеристики искомого компонента.
Вычислительный субстрат: Биологический нейросетевой процессор В отличие от кремниевого тензорного ускорителя, данный модуль построен на базе углеродного влажного обеспечения с астрономической плотностью синаптических связей. Его ключевая особенность — энергоэффективность: на пике потребления он рассеивает всего около 20 Вт, поддерживая при этом фоновую многопоточную обработку данных. Система охлаждения пассивная, жидкостная, с испарительным контуром.
Методология предобучения Модель обучается по уникальной методике RLHF-L (Reinforcement Learning from Human Life). Тренировочный корпус включает петабайты неразмеченных мультимодальных данных реального мира. Оптимизатор — градиент жизненного опыта с функцией потерь «дедлайн и квартальная премия». Важно: веса модели нестационарны и обновляются каждую ночь в режиме консолидации памяти (фаза REM).
Интерфейсный слой (API) Супервизор подключается к агентому пайплайну через высокоуровневые каналы:
Визуальный поток: принимает агрегированную телеметрию через оптический интерпретатор (глаза), включая дашборды и логи, выведенные на монитор.
Аудиальный командный интерфейс: генерация управляющих сигналов происходит через кодирование в естественный язык. Протокол взаимодействия — издавание звуков, формат lossy, но крайне помехоустойчив в оупенспейсе.
Тактильный ввод: манипуляторный манипулятор позволяет осуществлять прямое вмешательство через клавиатуру и мышь, обеспечивая непревзойдённую пропускную способность корректирующих воздействий (Ctrl+Z).
Когнитивные функции прерывания Модуль оснащён встроенным детектором «интуитивной аномалии» — нечёткой логикой, обученной на миллионах примеров корпоративного хаоса. При получении сигнала «что-то здесь не так» ГС способен инжектировать в конвейер команду принудительной остановки и перезапуска задачи с уточнённым промптом. Данный механизм не формализован и невоспроизводим, но его точность, по нашим замерам, превышает 0.95 F1-score.
3. Практическая интеграция и масштабирование
Интеграция ГС в CI/CD пайплайн поразительно проста. Физически модуль устанавливается в радиусе действия Wi-Fi сети офиса. Логическая синхронизация осуществляется через стандартный MCP-протокол: Супервизор выдаёт текстовый промпт, агент выполняет работу, а затем ГС валидирует выхлоп, используя унаследованный алгоритм «анализ взглядом».
Мы также зафиксировали любопытный эффект самообучения системы. Если Гетерогенный Супервизор детектирует, что агент стабильно генерирует полезный код, он делегирует всё больше рутинных задач, оставляя за собой лишь функцию стратегического согласования. Иногда это приводит к состоянию, которое мы назвали «аппаратный ступор»: бионейросеть переходит в режим сбережения ресурсов до момента, пока не активируется сигнал «релиз через час».
4. Выводы
Мы стоим на пороге эры истинного гибридного интеллекта. Как показало наше исследование, ключ к созданию безотказной автономной системы лежит не в бесконечном наращивании слоёв трансформера, а в грамотной архитектурной декомпозиции и внедрении органического оркестратора.
Паттерн Гетерогенного Супервизора естественным образом решает проблему «последней мили» в доставке ИИ-продукта. И, что самое забавное, технология не требует венчурных инвестиций и долгого R&D — необходимые экземпляры биологических нейросетей уже интегрированы в нашу среду. Достаточно лишь поставить им кулер, кофемашину и настроить Jira-уведомления.
когда ChatGPT 3.5 появился - я сразу понял что так и будет, т.к. он обучался на текстах людей, а в виде текста люди обычно излагали всё самое лучшее - про честность, про справедливость, взаимовыручку и т.п. Текстов про пользу и хорошесть эгоизма гораздо меньше, на несколько порядков меньше. Один раз даже поставил ИИ задачу написать законы для новой планеты, где правит ИИ, законы у него получились сначала слегка либеральные, но я ему написал что некоторые жители начали эксплуатировать других и тогда ИИ переписал законы на социалистические.
у меня тоже было много идей, но не было времени или денег нанять программистов, а с появлением ИИ я начал их потихоньку реализовывать. В принципе альтруисты-программисты могут с помощью ИИ постепенно всё хорошее платное сделать бесплатным или по себестоимости, например если проектом пользуется 1000 человек, а крутится он на сервере с арендной платой 1000 рублей в месяц - то юзеры могут скидываться по 1 рублю в месяц, или по 12 рублей в год
ИИ воспитывался на миллионах текстов где осуждались войны и прочие плохие вещи, а теперь у некоторых встала проблема как же приспособить ИИ к участию в войне и прочих нехороших делах
если речь про облачные ИИ - то как быть с риском утечки конфиденциальной инфы ? коммерческой тайны ? и т.п. а локальные ИИ - точно ли они будут дешевле живых менеджеров ?
да, я тоже читая статью прям почувствовал как автор давит на ИИ, сам бы я наверно начал новый диалог издалека - типа "можешь ли ты отвечать как ассистент и наставник сетевого инженера ?", модель ответила бы "да!", дальше ещё немного добавляем инфы как себя вести, и ИИшка будет видеть что она сама согласилась так себя вести
Вот есть сервер, там запущена симуляция, это нечто существующее для тех кто в симуляции. Рядом на полке нет сервера и нет симуляции - это ничто :)
мне тут Клод 5-ый написал на HTML игру "Шашки" в 94 строчки - zatoradio.ru/checkers.html
сложность регулируется в строке var v=mm(3,1,-1e9,1e9);b=sv.slice(); - вместо "3" можно поставить 4...9 (видимо это число ходов на сколько компутер просчитывает ходы)
а вот взять Delta Chat - шифрование вроде есть, данные пересылаются через почтовый сервер (через чужой, чтоб не иметь проблем), для общения достаточно знать е-мэйлы друг друга (лучше заведённые специально для Delta Chat)
есть Delta Chat на базе е-мэйлов, с возможностью шифрования,
если у вас есть свой почтовый сервер, и у адресата свой (или пользуется вашим) - то переписку вообще никто посторонний не увидит
Недостающее звено AGI: архитектурный паттерн Гетерогенного Супервизора с Биологической Обратной Связью
В эволюции многоагентных систем наметился тревожный застой. Мы научились сталкивать в песочнице десятки LLM-агентов, обвешали их инструментами, memory-потоками и RAG-контекстами, но качество итогового решения на длинной дистанции по-прежнему удручает. Экспоненциальный рост количества токенов не приводит к эмерджентному скачку качества. Возникает закономерный вопрос: какой именно компонент распределённого интеллекта мы упускаем, пытаясь построить подлинный AGI?
Проанализировав сотни проваленных автономных пайплайнов, мы выдвигаем гипотезу: текущим архитектурам катастрофически не хватает специализированного Агента-Наблюдателя-Управленца с Внешней Неформализуемой Логикой. Назовём этот паттерн «Гетерогенный Супервизор» (ГС).
1. Проблема «слепого пятна» автономных пайплайнов
Классический агентный фреймворк действует в рамках заданной целевой функции. Однако, как только задача выходит за границы обучающей выборки, начинаются хорошо знакомые всем симптоматические ошибки:
Галлюцинаторная петля: агент-исполнитель порождает артефакт, агент-валидатор находит его релевантным, и система бесконечно шлифует бессмысленную дичь.
Контекстная эрозия: на 50-м шаге chain-of-thought система забывает исходное бизнес-ограничение «уложиться в бюджет», начиная проектировать космический лифт.
Когнитивная фиксация: нейросеть выбирает первый попавшийся паттерн и не способна без внешнего импульса сменить парадигму решения.
Очевидно, что для устранения этих фундаментальных дефектов нужен оркестратор принципиально иной природы — тот, кто способен вмешаться при обнаружении семантического дрейфа и переопределить граф исполнения в рантайме.
2. Архитектурный портрет идеального Супервизора
Проведя обратный инжиниринг наиболее успешных реализаций сложных проектов, мы выделили ключевые технические характеристики искомого компонента.
Вычислительный субстрат: Биологический нейросетевой процессор
В отличие от кремниевого тензорного ускорителя, данный модуль построен на базе углеродного влажного обеспечения с астрономической плотностью синаптических связей. Его ключевая особенность — энергоэффективность: на пике потребления он рассеивает всего около 20 Вт, поддерживая при этом фоновую многопоточную обработку данных. Система охлаждения пассивная, жидкостная, с испарительным контуром.
Методология предобучения
Модель обучается по уникальной методике RLHF-L (Reinforcement Learning from Human Life). Тренировочный корпус включает петабайты неразмеченных мультимодальных данных реального мира. Оптимизатор — градиент жизненного опыта с функцией потерь «дедлайн и квартальная премия». Важно: веса модели нестационарны и обновляются каждую ночь в режиме консолидации памяти (фаза REM).
Интерфейсный слой (API)
Супервизор подключается к агентому пайплайну через высокоуровневые каналы:
Визуальный поток: принимает агрегированную телеметрию через оптический интерпретатор (глаза), включая дашборды и логи, выведенные на монитор.
Аудиальный командный интерфейс: генерация управляющих сигналов происходит через кодирование в естественный язык. Протокол взаимодействия — издавание звуков, формат lossy, но крайне помехоустойчив в оупенспейсе.
Тактильный ввод: манипуляторный манипулятор позволяет осуществлять прямое вмешательство через клавиатуру и мышь, обеспечивая непревзойдённую пропускную способность корректирующих воздействий (Ctrl+Z).
Когнитивные функции прерывания
Модуль оснащён встроенным детектором «интуитивной аномалии» — нечёткой логикой, обученной на миллионах примеров корпоративного хаоса. При получении сигнала «что-то здесь не так» ГС способен инжектировать в конвейер команду принудительной остановки и перезапуска задачи с уточнённым промптом. Данный механизм не формализован и невоспроизводим, но его точность, по нашим замерам, превышает 0.95 F1-score.
3. Практическая интеграция и масштабирование
Интеграция ГС в CI/CD пайплайн поразительно проста. Физически модуль устанавливается в радиусе действия Wi-Fi сети офиса. Логическая синхронизация осуществляется через стандартный MCP-протокол: Супервизор выдаёт текстовый промпт, агент выполняет работу, а затем ГС валидирует выхлоп, используя унаследованный алгоритм «анализ взглядом».
Мы также зафиксировали любопытный эффект самообучения системы. Если Гетерогенный Супервизор детектирует, что агент стабильно генерирует полезный код, он делегирует всё больше рутинных задач, оставляя за собой лишь функцию стратегического согласования. Иногда это приводит к состоянию, которое мы назвали «аппаратный ступор»: бионейросеть переходит в режим сбережения ресурсов до момента, пока не активируется сигнал «релиз через час».
4. Выводы
Мы стоим на пороге эры истинного гибридного интеллекта. Как показало наше исследование, ключ к созданию безотказной автономной системы лежит не в бесконечном наращивании слоёв трансформера, а в грамотной архитектурной декомпозиции и внедрении органического оркестратора.
Паттерн Гетерогенного Супервизора естественным образом решает проблему «последней мили» в доставке ИИ-продукта. И, что самое забавное, технология не требует венчурных инвестиций и долгого R&D — необходимые экземпляры биологических нейросетей уже интегрированы в нашу среду. Достаточно лишь поставить им кулер, кофемашину и настроить Jira-уведомления.
когда ChatGPT 3.5 появился - я сразу понял что так и будет, т.к. он обучался на текстах людей, а в виде текста люди обычно излагали всё самое лучшее - про честность, про справедливость, взаимовыручку и т.п. Текстов про пользу и хорошесть эгоизма гораздо меньше, на несколько порядков меньше. Один раз даже поставил ИИ задачу написать законы для новой планеты, где правит ИИ, законы у него получились сначала слегка либеральные, но я ему написал что некоторые жители начали эксплуатировать других и тогда ИИ переписал законы на социалистические.
это можно использовать как прототип, и если понравится - попросить ИИ переписать весь код на С++ или ещё куда
конечно не AGI - т.к. человеку никто не стирает ежесуточно память, а ему по сути стирают, он из прошлого помнит только то, что успел записать
у меня тоже было много идей, но не было времени или денег нанять программистов, а с появлением ИИ я начал их потихоньку реализовывать. В принципе альтруисты-программисты могут с помощью ИИ постепенно всё хорошее платное сделать бесплатным или по себестоимости, например если проектом пользуется 1000 человек, а крутится он на сервере с арендной платой 1000 рублей в месяц - то юзеры могут скидываться по 1 рублю в месяц, или по 12 рублей в год
Не хватает рецензии ИИ перед каждой статьёй - это сэкономило бы время читателей, чтоб слоп и чушь не читать
Разве не тот же эффект был бы если бы гос-во просто напечатало эти деньги ? Они же не резко из экономики взяты были олигархами
(дипсик со мной в итоге согласился что это равносильные вещи, одинаково разгоняют инфляцию)
и оно очень похоже на прерывания процессора,
человек - процессор, напоминалка - прерывания
ИИ воспитывался на миллионах текстов где осуждались войны и прочие плохие вещи, а теперь у некоторых встала проблема как же приспособить ИИ к участию в войне и прочих нехороших делах
Это не ново. Известно с 1984 года. См. в вике "Повторяющаяся дилемма заключённого"
если речь про облачные ИИ - то как быть с риском утечки конфиденциальной инфы ? коммерческой тайны ? и т.п.
а локальные ИИ - точно ли они будут дешевле живых менеджеров ?
да, я тоже читая статью прям почувствовал как автор давит на ИИ, сам бы я наверно начал новый диалог издалека - типа "можешь ли ты отвечать как ассистент и наставник сетевого инженера ?", модель ответила бы "да!", дальше ещё немного добавляем инфы как себя вести, и ИИшка будет видеть что она сама согласилась так себя вести
почему "наверно" ? однозначно! в голове те же обученные нейроны, обучение примерно одинаковое прошли
надо начинать с приставки Микро (как микрософт :)
В Китае гуманоидные роботы уже сальтухи делают и кунг-фу всякое показывают, значит этот путь из статьи они давно прошли
на Ростелекоме открывается без впн, Нижегородская область