Искусственный интеллект

АГЕНТНАЯ ЭКОНОМИКА. Микро-дайджест недели. Интересные мысли.

Дайджест по материалам Fast Company, Venture Beat, The Atlantic, 

Как Open AI страхуется от возможного замедления интереса со стороны инвесторов к появлению AGI и ASI

OpenAI представляет собой ярчайший пример того, как компании, ориентированные на искусственный интеллект, могут эволюционировать, чтобы выжить. 

Самые мощные технологические компании добиваются успеха не только благодаря своим индивидуальным программным продуктам и гаджетам, но и за счет создания экосистем связанных сервисов.

OpenAI можно рассматривать как еще одну технологическую компанию, идущую по стопам Meta, Apple и Google, стремящуюся не просто вдохновлять пользователей новыми открытиями, но и удерживать их в линейке бесконечно обновляемых продуктов.

А это значит ровно то, что они способны убить немало стартапов своими планами развития.

С другой стороны, AGI это довольно условный термин...

Если бы показать сегодняшний Chat GPT людям в 2020 году, многие бы тогда сказали, что это AGI.

По сути Сэм Альтман в своем интервью на Snowflake Summit 2025 говорит, что кривая роста когнитивности моделей останется в том виде в котором мы ее наблюдали последние годы, по крайней мере в течение следующих 5 лет. Я давал ссылку на это интервью в прошлом дайджесте, прочитайте, там очень много интересных мыслей.

В тоже время, откуда совсем не ждали:

Даже если волна ИИ не заменит вас и вашу роль, она может заменить место вашей работы.

Бизнес может попасть под гораздо больший удар, чем сами люди. Т.е. потерять работу можно быстрее не потому что вас сократят, а потому что у компании, в которой вы работаете, какой-нибудь Айвентор (технологический предприниматель нового поколения) просто отберет долю рынка. AI isn’t coming for your job, it's coming for your company

Старый интернет был создан для людей. Новый будет создан для ИИ-агентов. 

Агенты уже пытаются работать в мире, созданном человеком. Нажимают кнопки. Перетаскивают курсоры. Заполняют формы. 

Но это как надеть на робота перчатку и сказать ему притвориться, что у него есть пальцы. Пока это работает, но это дико неэффективно!

Потому что через пять лет это будет не человек, нажимающий «купить сейчас». Это будет ваш агент на базе искусственного интеллекта, действующий от вашего имени, принимающий сотни решений в день, и не только о покупках, но и о планировании встреч, бронировании поездок, просмотре контента и обсуждении услуг во всех областях цифровой жизни. Agent-based computing is outgrowing the web as we know it

Уже писал об этом пару недель назад, и эта тема оч активно развивается в сети.

Подписывайтесь, чтобы не пропустить дайджест в ленте, если такие мысли по теме вам интересны. Я пока экспериментирую со временем публикаций.

Выбрать облачный сервис с помощью ИИ не отходя от кассы

Когда заходите на наш сайт, можете увидеть симпатичный розовый шарик, который предлагает помочь в создании готовой инфры.

Через него можно ввести запрос и получить от нейронки варианты сборки, которые мы можем предложить для бизнеса и личного пользования (кстати, такая фича есть только у нашего облака 😏).

Пример: Подобрать отказоустойчивую облачную инфраструктуру для SaaS-платформы с 50 000 активных пользователей в сутки.

ИИ-помощник сразу даст варианты сборки и ее конечную стоимость. Нужен кастом? Тогда можете написать сюда.

Лайфхак: Советуем проверить актуальные решения, даже если вы уже юзаете наши сервисы в облаке — вдруг появилось что-то покруче?

Окей, подберите мне топовую сборку →

Apple покажут обновленную iOS уже сегодня на WWDC 2025 — это может стать крупнейшим обновлением iPhone за 12 лет.
Ожидается, что в обновленной iOS появится расширенная интеграция искусственного интеллекта и машинного обучения, включая улучшенные голосовые ассистенты и новые возможности для персонализации. Возможно, Apple представит обновленные инструменты для разработки и использования AI прямо на iPhone, что откроет новые горизонты для пользователей и разработчиков.

Ждем стеклянный интерфейс и поддержку Gemini. Начало сегодня в 20:00 мск.

Императивное, декларативное и генеративное программирование.

Создатели фреймворка SwiftUI всегда подчёркивают, что он создан на основе парадигмы декларативного программирования. В отличие от предыдущего фреймворка UIKit, который характеризуется как пример императивного программирования.

Когда речь заходит о том, чем императивное программирование отличается от декларативного, то объяснение чаще всего сводится к тому, что при декларативном программировании разработчику нужно просто сказать, что ему нужно и SwiftUI это сделает. А если используется UIKit, то здесь типа надо все сделать самому.

Честно говоря, не очень внятное объяснение, поэтому попробую описать это различие сам на одном примере.

Итак, если в UIKit нам нужно вывести на экран список элементов, то мы используем TableView или CollectionView, которые уже подписаны на 2 протокола, а затем должны реализовать 3 метода: количество секций, количество строк в секциях, и в третьем методе скомпоновать ячейку и прописать загрузку в неё данных.

Та же задача в SwiftUI решается следующим образом:

List(items) { item in
Text(item.name) }

Т.е., меньше кода, меньше времени тратится на реализацию задачи.

Можно, конечно, называть это декларативным программированием. Но можно считать это и следующим этапом развития высокоуровневого программирования. Когда-то программисты писали машинный код, потом языки программирования становились все более высокоуровневыми, все более понятными человеку. И вот теперь наступил новый этап, когда программирование стало ещё более высокоуровневым. Уже можно использовать более короткие высокоуровневые инструкции.

Наконец, самое интересное, что с этой же точки зрения можно рассматривать и программирование с помощью ИИ. Т.е., в тех же UIKit и SwiftUI, и в других языках программирования, разработчик пишет инструкции техническим языком, которые понятны в основном ему как человеку, но не очень понятны обычным людям. А теперь, в промтах, можно использовать уже и не технические инструкции.

Например, уже даже не надо писать команду List и т.д., а достаточно сказать ИИ "сделай список из таких-то элементов".

Таким образом, получается, что использование ИИ при написании кода - это следующий этап развития высокоуровневого программирования.

И поскольку ИИ везде называют генеративным, а его действия по написанию текстов, кода, созданию изображений и т.д., как генерация, то этот этап высокоуровневого программирования тоже можно назвать генеративным.

В итоге, получаем такую триаду:

• Императивное программирование

• Декларативное программирование

• Генеративное программирование

📰 Новостной дайджест из мира ИИ.

Коротко о том, чем гиганты индустрии баловали нас на этой неделе:

🟡PrettyPrompt — вышло расширение для браузера для написания идеальных промптов;
🟡Sora — видеогенератор от OpenAI добавили в Bing Video Creator, где его можно потестить бесплатно;
🟡Captions — выпустили нейронку для генерации видео с ИИ-актерами;
🟡OpenAI — раскатали для всех агента Codex для подписчиков Plus и врубили улучшенную память для всех юзеров ChatGPT;
🟡Luma — выкатили фичу для редактирования видео в Dream Machine;
🟡Altar 2.0 — бесплатный ИИ-помощник, который работает как мультиагентная система;
🟡Higgsfield — добавили создание говорящих ИИ-аватаров;
🟡ElevenLabs — представили новую модель для генерации озвучки — Eleven V3;
🟡HeyGen — прокачали свой генератор аватаров;
🟡Manus — выкатили сразу несколько обновлений: генерацию видео, поиск изображений и интеграцию с One Drive;
🟡Google — показали свой новый генератор мультфильмов.

С начала года Anthropic тестирует Claude Code — терминального агента для программирования на больших языковых моделях. Совсем недавно, 4 июня, инструмент добавили в подписки Pro и Max. Энтузиасты с удовольствием принялись тестировать продукт.

Как на личном примере показал микроблогер snwy, не обходится без курьёзов. Как утверждает программист, он попросил агента исправить баг парсера и прилёг. Когда энтузиаст вновь подошёл к компьютеру, Mac уже не загружался, выдавая ошибку об отсутствии операционной системы.

Вероятно, Claude Code дохимичился до того, что снёс содержимое системного диска. Что конкретно случилось, автор твитов не рассказывает. Указывается лишь, что на этой машине утилита для выполнения команд с полномочиями суперпользователя sudo была настроена с директивой NOPASSWD, чтобы при вызове команды пароль вводить не приходилось.

К происшествию snwy отнёсся с явным юмором. Он в шутку пообещал добраться до штаб-квартиры Anthropic и надрать Claude зад.

👍 OpenAI презентовали серьезное обновление в ChatGPT. Если кратко, то бота теперь можно заставить полноценно работать за вас

В нейронку прикрутили прямой коннект с рабочими сервисами по типу Github, Dropbox, Gmail и т.д. Какие это открывает возможности?

ИИ сам вытащит весь контекст из рабочих аккаунтов и будет в состоянии взять задачу в таск-трекере, написать код, протестировать его, прислать отчет на почту и залить изменения на Github.

Если требуется глубокое погружение в тему, то чат-бот поймет это и начнет копать по необходимости.

Завариваем чай, откидывает спинку кресла и наблюдаем за нашим цифровым сотрудником.

😱 Manus бомбит обновами, загибайте пальцы:

🟡Появилась генерация видео.
Агент по промпту создает целые истории, похожие на мини-фильм, тут есть все: продуманные сцены, логика и реалистичная анимация.

🟡Добавили поиск изображений.
Делаем запрос, а ИИ за вас прошерстит весь интернет в поисках нужной пикчи.

🟡Завезли интеграцию с One Drive.

👀 Ежедневно насыпают по 300 бесплатных кредитов.

💸 Закрой ДОЛГИ с помощью ChatGPT — есть семь топовых промтов для устранения беспорядков в финансах 💸

🔠 Грамотно ведем бюджет и при этом не экономим на каждой мелочи
Вот мой ежемесячный доход: [вставь сумму].
Составь простой бюджет, чтобы хватало на аренду, еду, накопления и немного жизни. Без жёстких ограничений.

🔠 Проверяем все подписки, которые съедают ваши деньги
Вот за что я сейчас плачу: [вставь список сервисов].
Какие из них можно спокойно отключить, глядя на пользу и приоритет?

🔠 Выясняем самые большие траты
Задай мне 5 умных вопросов, чтобы выяснить, на что я трачу больше, чем думаю, и подскажи, как это остановить.

🔠 Создаем подушку безопасности
Хочу накопить 10 000 долларов за 90 дней. Построй для меня план, чтобы это было реально и не ощущалось как голодовка.

🔠 Бюджет в игровой форме с кайфом
Преврати мой бюджет в игру: каждую неделю — челлендж и маленькая награда. Хочу, чтобы не в напряг, а в кайф.

🔠 Оценочка своего состояния
Задай мне несколько вопросов о привычках и оцени моё финансовое здоровье. Подкинь 3 простых способа быстро прокачать его.

🔠 Ревизия ваших денег и способ начать копить бабосик
Вот мои доходы и долги: [вставь данные]. Помоги выстроить схему, чтобы закрывать счета, копить и всё же жить по-человечески.

Способы создания ИИ-агентов глазами разработчика

Решил понять, как сейчас можно создавать ИИ-агентов. Вариантов так много, что голова может пойти кругом. Я попытаться увидеть в этом систему.

Принципиально есть три основных направления.

1. Засучить рукава и писать много кода самому

Нужно неплохо знать какой-нибудь язык программирования (сюрприз!).

Лучше всего — Python, потому что он используется для LLM и это как бы "родной" язык для работы с ИИ. Но и другие языки тоже вполне подойдут. У меня есть некоторый опыт с Node.js, поэтому я, например, использую его.

С точки зрения сложности проекта средний ИИ-агент — это довольно простая программа.

У вас может быть веб-сервер на базе Express или просто скрипт. Триггером (тем, что запускает агента) может выступать любой планировщик или внешняя система, которая вызывает агента через веб-хук.

Например, написал пользователь на сайте сообщение. Ваш сайт посылает запрос вашему серверу и там уже агент начинает свою работу.

Во варианте с написанием кода у вас максимум гибкости, возможностей и... кайфа от процесса, если вы любите кодить. Можно реализовать любую сложную логику.

Писать агентов реально интересно, потому что это не просто примитивный CRUD. Нужно продумывать воркфлоу и порой взаимодействие между агентами. Я уж не говорю про механизмы самообучения.

2. Писать меньше кода за счет использования фреймворков

Пожалуй, это самый оптимальный и адекватный подход, если вы планируете создавать сложные агенты.

Под "сложными" я имею ввиду автономные агенты и команды агентов.

Автономный агент может сам принимать решения, что дальше делать в зависимости от ситуации. То есть это не фиксированная if-else логика.

Например, в аутриче важно фокусироваться на ценных лидах. Чем лучше подобраны лиды, тем больше эффективность кампаний.

У вас может быть главный агент ("мозг") и команда вспомогательных агентов, отвечающих за определенные задачи, такие как обогащение данных о лиде, скоринг и категоризация, написание писем, личных сообщений.

Главный агент может использовать вспомогательные агенты в зависимости от ценности лида. Особо ценный лид может быть передан в обработку нескольким аутрич-агентам (e-mail, личные сообщения), а менее ценный — только e-mail-аутрич-агенту. E-mail-агент может поменять текст следующего письма, если в личных сообщениях лид что-то написал другому агенту и контекст поменялся.

Суть тут в том, что решение принимается динамично за счет LLM. И еще нужен общий контекст между агентами, чтобы все это работало в унисон.

Фреймворки тут могут быть очень полезны, потому что в них реализованы инструменты для всего этого, и вам не придется изобретать необходимую логику с нуля. Также фреймворки поддерживают интеграции со многими сервисами, поэтому опять же надо меньше кода писать самому.

Примеры подобных фреймворков: AutoGen (Python), CrewAI (Python), LangChain (Python, Node.js).

3. Писать минимум кода и создавать ИИ-агентов в конструкторах.

Сейчас есть много, так называемых, "no-code" решений для создания ИИ-агентов. Тут большой набор вариантов, начиная от тех, что попроще (Zapier, make.com) и заканчивая более продвинутыми (n8n, pipedream).

Все эти платформы — это что-то вроде Scratch для взрослых.

Суть сводится к тому, что вы создаете нужный вам воркфлоу и настраиваете интеграции через интерфейс приложения.

Простые агенты можно создавать вообще без единой строчки кода. Сложные агенты скорее всего не получится реализовать из-за ограничений.

Тут максимум хайпа, потому что люди, не умеющие писать код, получили возможность ✨ творить ✨ .

---
Некая матрица принятия решения, как я это вижу

💡 Хочу построить простого агента или не умею кодить (тогда сложного агента создать не получится).
➡️ Использовать конструкторы.

💡 Хочу сложного агента и умею кодить на Python.
➡️ Юзать фреймворк или писать с нуля. Скорее всего юзать фреймворк более оправдано, потому что есть из чего выбрать.

💡 Хочу сложного агента и умею кодить на др. языках (например, Node.js)
➡️ Писать с нуля.

Исследование показало, что искусственный интеллект может создавать смешные интернет-мемы, но самые остроумные шутки по-прежнему придумывают люди. Учёные сравнили мемы, созданные людьми, искусственным интеллектом и в сотрудничестве человека с ИИ. Результаты показали, что у машин есть потенциал, но человеческая интуиция в юморе пока незаменима.

Суть проблемы заключается в понимании границ креативности ИИ. Может ли машина по-настоящему понять культурный контекст, иронию и нюансы, необходимые для качественного юмора? Исследователи из Технологического института KTH, Мюнхенского университета Людвига‑Максимилиана и Дармштадтского технического университета провели масштабный эксперимент для ответа на этот вопрос.

В ходе исследования три группы участников создавали мемы. Первая группа состояла только из людей, вторая использовала языковую модель для генерации мемов, а третья совмещала работу человека и ИИ. Затем почти 100 человек оценивали созданные мемы по креативности, юмору и желанию поделиться. В среднем мемы, полностью созданные ИИ, получили более высокие оценки.

Однако самые смешные и запоминающиеся отдельные мемы были созданы людьми. В то же время, совместная работа человека и ИИ привела к появлению наиболее креативных и виральных мемов. Это говорит о том, что ИИ отлично справляется с генерацией большого количества идей, но человеческое участие необходимо для отбора и доработки лучшего контента.

У ChatGPT появилась память

Сегодня ChatGPT встречает своих пользователей сообщением о том, что у него теперь есть память. Т.е., он теперь помнит содержание чатов.

И в качестве демонстрации своих нынешних способностей он выдал мне характеристику на основе наших с ним чатов.

Надо сказать, довольно занимательное чтение увидеть себя с его стороны.

Google обновила Gemini 2.5 Pro (Preview)

На бенчмарках модель заметно подросла и «поумнела» на задачах кода, логики и точных наук.

– 82.2% на задачах по программированию (Aider Polyglot)
– 86.4% на вопросах по естественным наукам (GPQA) – 21.6% на Humanity’s Last Exam (тест на мышление и знания)

Цены в API:
— до 200K токенов: $1.25 input / $10 output
— больше 200K: $2.50 / $15 (за 1M токенов)

Доступ: AI Studio, Vertex, Gemini App.

Представлен ультимативный бесплатный гайд по вайб-кодингу, в котором есть всё. Автор — ведущий инженер Google. Внутри проекта описаны лучшие техники промптинга, готовые шаблоны, фреймворки, сценарии — всё продумано до мелочей. Там нет устаревших советов, всё подогнано под новейшие модели и ИИ-сервисы.

🧐 Мастхэв для любых исследований: у Perplexity появился режим Labs — это буквально прокачанная версия Deep Research.

Теперь не нужно рыться в интернете часами — ИИ сделает всю нудную работу за вас: найдёт информацию, оформит отчёты, создаст таблицы, гайды, презентации. В итоге получается целая интерактивная книга по вашей теме: внутри находятся графики, иллюстрации и дашборды.

Бонус: на базе собранных данных можно даже создавать целые приложения.
Пробуем и экономим время!

Привет, меня зовут Александр, я аналитик в Альфа-Банке. Однажды я устал, что на Feature Store, на платформе для дата-инженеров (DE) и дата-саентистов (DS), невозможно ничего найти.

Поиск по контексту отсутствует. Приходится руками шерстить огромное количество ETL-проектов в поисках той самой полезной информации, полагаясь сначала на удачу, а после — на опыт и помощь коллег. 

Feature Store сама по себе — платформа, которая должна упрощать работу коллег с большими данными, упрощает бюрократию жизненного цикла создания ETL, ввода моделей в промышленную эксплуатацию. Но какой же поиск там...В общем, хотелось бы улучшить процесс по поиску данных в ней.

И я сделал MVP с GPT-2: весит около ~400 МБ и, самое главное, не требует регистрации. В статье пошагово описал, как всё прикрутить. Заходите почитать.

Примечание. Для прома MVP, конечно, не прокатит, но после показа решения начали реализовывать решение на OpenSearch.

В ООН начали говорить об опасностях общего искусственного интеллекта (AGI)

Встретил рекомендательный отчет (28 мая 2025) от консультативной группы высокого уровня о том, что надо бы что-то делать с этими рисками на международном уровне.

Это правильный шаг, вот только как и с изменением климата, на мировом законодательном уровне мы критически отстаем от развивающихся событий. Авторы говорят о вероятном появлении AGI в ближайшие 10 лет.

Вот краткий пересказ документа с моими комментами:

AGI - ИИ, который будет способен выполнять большой спектр когнитивных задач на или сверх уровня человека. Речь не об уровне среднего человека, а об уровне самого крутого человека в этой области. Дальше проходной кусок текста про огромное количество плюшек человечеству, который такой ИИ может дать, это не интересно.

Риски:

🔸Джин из бутылки. Если ИИ станет автономным и способным к самоулучшению, то вряд ли удастся снова взять его под контроль.

🔸Вооружение. Так ИИ может создать новые куда более мощные виды убийств людей. Авторы отдельно подчеркивают рои (swarms) автономных систем вооружения.

🔸Уязвимости киберсистем и инфраструктуры. Энергетика, медицина, транспорт, экономика … все может накрыться, если атаками на них займется AGI.

🔸Концентрации власти и увеличение неравенства. Кто обладает AGI, тот и пожинает плоды. Весь мир может стать банановыми республиками одной или двух конкретных стран, да и внутри этих стран неравенство возрастет значительно, так как эти плоды будут в руках корпораций и/или правительства.

🔸Экзистенциальные риски. AGI может преследовать свои цели, несогласованные с нашими, что может привести к тому, что мы потеряем контроль над происходящим.

Авторы настаивают на создании международного регулирования AGI на базе ООН. Потом там раздел об идеях практических механизмов, и подчеркивается, что это прям срочно срочно надо делать.

Тут, конечно, есть большая проблема, что если регулирование будет принято, то без подписания его США и Китаем никакого в нем смысла не будет. Смогут ли будущие “банановые республики” надавить на них достаточно, чтобы это случилось, причем быстро, это открытый вопрос.

Google AI Edge Gallery

Экспериментальное приложение Гугла для локального запуска ИИ-моделей на смартфоне

Основные возможности:

• Генерация изображений

• ИИ-чат без интернета

• Написание и редактирование кода

• Анализ изображений ("Ask Image")

• Prompt Lab с готовыми шаблонами для различных задач

• Поддержка моделей Google Gemma 3n и других

• AI Chat: участвуйте в многопользовательских беседах.

• Анализ производительности: тесты в реальном времени (TTFT, скорость декодирования, задержка).

• Загрузите свою собственную модель: протестируйте местные .taskмодели LiteRT.

• Ресурсы для разработчиков: быстрые ссылки на карточки моделей и исходный код.

Android
iOS ждем...

Недавно задумался, а все-таки что такое ИИ-агент.

Сейчас вокруг ИИ-агентов много хайпа. Но что именно скрывается за этим термином? До конца непонятно.

Люди понимают его по-разному. Кто-то называет агентом вообще всё, что выходит за рамки простого диалога с ChatGPT, а кто-то считает, что агент — это исключительно полностью автономная самообучающаяся система, движущаяся к цели.

Мне кажется, истина где-то посередине.

Ключевым фактором здесь является степень автономности системы. Под автономностью я имею в виду способность системы самостоятельно принимать решения.

Например, если у нас есть жёстко заданная логика if-else, основанная на выводе модели, — это не автономность. Потому что решение в таком случае принимает код, а не LLM.

А вот если LLM сам решает, что делать дальше, — это уже и есть автономность!

Я бы грубо разделил системы на следующие уровни автономности:

0️⃣ Скрипт с фиксированной логикой, выполняющий один или несколько шагов и делающий один или более запросов к LLM.
1️⃣ + ИИ предоставлены инструменты, которые он может использовать при необходимости (например, поиск или калькулятор).
2️⃣ + Порядок шагов определяет сам ИИ (например, получает сообщение от пользователя и решает — ответить на основе базы знаний или эскалировать человеку).
3️⃣ + Система самообучается и со временем повышает качество своей работы (ориентирована на достижение цели).
4️⃣ + Система может менять свою структуру во время работы (например, агент-папа может создавать или удалять других агентов).

Уровень 0 я бы не стал называть ИИ-агентом. Это скорее просто воркфлоу с использованием ИИ.

А вот начиная с уровня 1, уже можно говорить об ИИ-агенте, потому что в процесс включаются элементы автономности.

Это, в целом, соответствует подходу Anthropic: статья

Привет, друзья! За последние несколько дней в интернете активно распространяется исследование фонда Bond (частный фонд, возглавляемый ветеранами аналитики, SaaS-менеджмента и венчурного рынка) о трендах в области искусственного интеллекта (https://www.bondcap.com/report/pdf/Trends_Artificial_Intelligence.pdf).

Это довольно объемный документ — 340 страниц, и в нем демонстрируется экспоненциальный рост ключевых показателей. Исследование подробно показывает, как менялся и развивался ландшафт продуктов, технологий и сервисов, связанных с AI за последние годы.

Для тех, кто хочет ознакомиться подробнее, вот основные интересные моменты, которые я выделил после внимательного изучения:

1. Компания xAI построила суперкомпьютер Colossus площадью 70 000 м² с 200 000 GPU всего за 122 дня. Это яркий пример того, как политика, деньги и настойчивость Илона Маска позволяют достигать невероятных результатов. Интересно, что для строительства использовали старый завод «Электролюкс».

2. Новая архитектура GPU Blackwell от NVIDIA потребляет в 105 000 раз меньше энергии на один токен по сравнению с GPU Kepler 2014 года! Можно представить это так: автомобиль, который раньше расходовал 10 литров на 100 км, стал бы потреблять всего 0.000095 литра — поразительный скачок эффективности.

3. В 2025 году китайская компания DeepSeek обучила модель уровня GPT-4 за примерно 5млнпротив40 млн у OpenAI. При этом стоимость использования DeepSeek V3 составляет всего около 0.2% от стоимости GPT-4.5 — очевидно, что в будущем цена за токен будет стремиться к нулю.

4. В тесте Turing Test 2025 года около 73% участников приняли ответы GPT-4.5 за человеческие. В области программирования DeepSeek показывает результат 98 из 100 — даже превосходя OpenAI (97/100).

5. Около 2.6 миллиарда человек (примерно 32% населения), которые никогда не пользовались интернетом, пропустят эру браузеров и поисковиков и сразу перейдут к использованию AI-ассистентов на родном языке. Это колоссальный скачок через технологическую эпоху: аналогичная ситуация произошла в Китае, где часть пользователей сразу перешла с отсутствия ПК к использованию смартфонов.

6. Несмотря на то что стоимость инференса снизилась на 99.7% за последние годы, общие расходы на AI продолжают расти экспоненциально. Это говорит о том, что чем дешевле становится использование AI, тем шире его внедрение во все сферы жизни.

7. Новые AI-агенты вроде Claude или Operator теперь могут напрямую управлять компьютером: кликать мышкой, заполнять формы или делать покупки за вас. Это кардинальный сдвиг от роли «ассистента» к роли «исполнителя», который развивается очень быстро и мощно. В будущем многие из них станут самостоятельными «организмами», работающими на блокчейне и использующими доходы от своей деятельности для оплаты своих расходов и выплат роялти создателям (здесь можно вставить ваше имя).

8. «Скорость скорости» — интернету понадобилось более 20 лет для массового принятия технологий; AI достигает такого же уровня за всего лишь 2–3 года. Каждая следующая волна технологий приходит вдвое быстрее предыдущей. Мы сейчас находимся в точке, когда изменения происходят так быстро, что общество едва успевает их осмыслить — скоро может наступить сингулярность!