В прошлой статье мы остановились на вопросе: какой человек нужен, чтобы не сломался под тяжестью технологий, которые сам же создал? 

Чистая психология здесь буксует. Человек слишком сложен, чтобы изучать его сознание в отрыве от практики и получать применимые выводы. Но стоит приложить психологию к конкретной дисциплине — и результат становится гораздо полезнее. Мы попробуем разобраться, какой человек нужен эпохе ИИ, через экономику: проследим, как экономический уклад веками формировал определенный тип личности. Первым эту связь заметил Эрих Фромм.

В прошлом материале я опирался на Кернберга — он описывал архитектуру личности как универсальную: три этажа складываются в раннем детстве и почти не зависят от исторического периода. Фромм смотрит на ту же структуру с другого расстояния: каждый экономический уклад веками собирает под себя свой массовый портрет. Эту социальную грань личности он назвал характером.

Технологии, которые мы сейчас осваиваем, дают шанс на новый виток личностного роста — хотя рост обычно идет через кризис. Проследим, как менялась личность вслед за экономикой от рабовладения до наших дней, и увидим, чего требует от нас эпоха ИИ.

Если судить по новостям, то мы в шаге от светлого кибернетического будущего. Gartner еще в 2023 году прогнозировал, что к 2026 году генеративный ИИ будут использовать до 80% крупных компаний. Капитализация Nvidia бьет исторические рекорды, а венчурные фонды льют деньги в ИИ-стартапы.

Но если посмотреть макроэкономические отчеты Федеральной резервной системы США или OECD Data, картина будет другой. Глобальная производительность труда топчется на месте, прибавляя лишь по 1–1,5% в год. Никакого скачка или технологического прорыва в масштабах государств в цифрах реального ВВП нет.

Получается парадокс, когда, с одной стороны, есть колоссальные инвестиции и отчеты о превосходстве моделей над человеком, а с другой — статистика, показывающая, что макроэкономика этого бума не замечает.

Кому же верить? Маркетологам, раздувающим очередной пузырь, или государственным ведомствам, которые не научились еще оценивать новые метрики?

Экономические прогнозы сейчас медленно меняются от предположений в духе «ИИ заменит половину профессий» в сторону сдержанного эконометрического анализа. Взвешенную позицию можно увидеть у Национального бюро экономических исследований США (NBER), сформулировавшего идею о том, что экономика столкнулась с феноменом, который уже проходила сорок лет назад.

В этой статье мы рассмотрим свежие научные публикации, где обсуждаются слабые места, из-за которых буксует светлое ИИ-будущее.

В фэнтези-стратегиях экономику обычно задвигают на второй план и даже не пытаются ее совместить с магией. А вот создателям мода (точнее, даже мод-мода) Orbis для Civilization IV это удалось. По первому образованию я экономист, поэтому в играх мне всегда доставляет удовольствие сложная экономическая изнанка. И Orbis для меня до сих пор остается эталоном: здесь сложные процессы, завязанные на экономику, в итоге создают атмосферу мрачного, сурового дарк-фэнтези.

Один раз мне удалось создать паладинов-вампиров. Перед походами эти святые рыцари поедали своих же жителей, а потом шли воевать во имя бога правосудия. В игре огромный простор для того, чтобы рождались такие неожиданные, удивительные, но рабочие стратегии.

Автор мода, поляк Ahwaric, изменил движок Civilization IV: Beyond the Sword до неузнаваемости. Он встроил в общую экономическую стратегию магию, расовые фишки, особенности ландшафта, флоры и фауны. Все они работают на мощь ВПК твоей фэнтезийной цивилизации, чье существование все время под вопросом, в условиях жесткой и непредсказуемой магической конкурентной борьбы. Так любительский проект сумел перерасти оригинал.

Под катом — разбор этой уникальной экономической модели, история ее лора из настолок D&D и причины, почему проект так и не смог перешагнуть барьер Civilization V.

Долгое время разработчики жили в парадигме «закон Мура все исправит, а применительно для ИИ сделает вычисления вообще бесплатными». Серьезный сдвиг в ИТ-индустрии, произошедший на рубеже 2025–2026 годов показал нечто иное. Благодаря прошлому опыту разработчики ПО привыкли к тому, что масштабировать цифровой продукт относительно легко: вы пишете код один раз, а затраты на каждого нового пользователя падают почти до незначительных затрат. В мире генеративного ИИ все уперлось в физическую и экономическую стоимость каждого отдельного токена, а их расход по ряду причин оказался очень далек от оптимального.

В эпоху генеративных моделей токен превратился в универсальную меру вычислений, точный аналог «киловатт-часа» для энергетика или «кубометра газа» для промышленника. Это фундаментальная расчетная единица, которая связала стоимость видеокарт, гигаватты электричества, многомиллионные инвестиции и строчки текста, которые получают пользователи.

И она отличается от того, к чему мы привыкли. Если в классической SaaS-модели стоимость обслуживания каждого последующего пользователя уменьшается, то в мире LLM стоимость запроса почти не меняется, а с большими объемами начинает расти.

Чтобы понять, как устроена эта «банковская система» цифровой эпохи, почему одни «буквы» стоят дороже других и что оптимальнее — корпоративный сервер или подписка на облачный сервис или серверная стойка, нам придется спуститься на уровень базовой логики работы ИИ и разобрать анатомию ее работы применительно к затратам. 

Компании учатся создавать автономных агентов и поручать нейросетям рутинные операции. Однако на практике возникает системный вопрос: как объяснить ИИ многогранную, порой интуитивную структуру бизнеса? Как заставить его мыслить стратегическими категориями, а не просто решать локальные задачи?

Ответ на этот вопрос лежит в области системного мышления и системного же менеджмента. Книга «Цели, сценарии, роли. Системность в управлении бизнесом» — практическое руководство по структурированию бизнеса, которому сегодня приходится совмещать классическое управление с логикой нейросетей. Ее написали Марк Берколайко — специалист в области математического моделирования, доктор физико-математических наук, профессор, бизнес-аналитик — и Семен Харитон, кандидат экономических наук, управляющий партнер многопрофильной группы компаний. 

В поисках универсального подхода к внедрению ИИ в практику бизнеса я поговорил с Марком Зиновьевичем. Из этого интервью вы узнаете, почему автоматизация бессмысленна без переосмысления корпоративных ролей, как превратить повседневные сценарии компании в понятные для агентов инструкции и где проходит граница между гибкостью человека и жестким порядком цифровой системы.

Раньше инженера растили на задачах, которые сейчас называют «рутиной»: написать автотесты, собрать первичную аналитику, разметить датасет или составить документацию. Эта черновая работа была естественным тренировочным полем. Пробираясь через нее, новичок совершал контролируемые ошибки, проходил код-ревью и формировал профессиональное суждение (engineering judgment) — интуитивное понимание того, как система ведет себя в реальности. 

В классической инженерии этот этап называют «накоплением насмотренности»: нельзя спроектировать надежный мост, не изучив сотни типовых узлов и чужих ошибок. Похожий принцип десятилетиями поддерживал живучесть ядра Linux: Линус Торвальдс и команда топ-мейнтенеров годами заставляли новичков вручную переписывать патчи, чтобы те ментально «проросли» в архитектуру подсистем и переняли культуру инженерных решений.

Генериративный ИИ автоматизировал рутинные задачи — написание тестов, разметку данных, — которые раньше служили тренировочным полем для развития инженерного суждения. По мнению исследователей Microsoft, этот сдвиг к 2026 году остановил традиционный конвейер передачи опыта, создавая риск «кадрового дефолта» в IT. В исследовании Microsoft говорится, что AI Drag (эффект торможения) становится главным вызовом, требующим перестройки обучения специалистов.

Разберем, почему экономия на начинающих специалистах ведет к кадровому дефолту отрасли и как перестроить обучение, когда рутина больше не учит.

Недавно вышел очередной фильм по «Дюне». Первая же серия — открывающий облет над Арракисом: камера ныряет между дюнами, будто сама превращается в песчаную бурю, гигантский червь всплывает из-под поверхности пустыни как левиафан, а орнитоптеры складывают крылья настолько правдоподобно, что на секунду забываешь, что это графика, а не документальная съемка насекомообразной машины. Работа сделана душевно и с почтением к первоисточнику.

И все же чего-то не хватает.

Пожалуй, только Дэвиду Линчу в свое время удалось хоть немного прикоснуться к настоящему масштабу замысла Герберта, но даже он при всей своей безумности замысла и психоделической смелости не смог вместить все. С тех пор прошло больше сорока лет, и никто так и не подобрался ближе к глубине гениального автора.

Бюджеты и спецэффекты здесь ни при чем. «Дюна» — это честный, местами беспощадный набор мысленных экспериментов о природе власти, свободы и человека, который моделирует нашу цивилизацию в обход собственных технологий, а не благодаря им. Но в экранизациях эта глубина обычно растворяется в красивой картинке.

Выход сериала удачно совпал по времени с глобальной дискуссией об искусственном интеллекте. Эти споры напомнили остроту поставленных романом вопросов. Страх потери контроля, требования ограничить ИИ, тревожные прогнозы от людей, которые сами его создают, — Герберт проиграл этот сценарий в уме еще полвека назад, только вместо экрана и графики у него для этого была печатная машинка. И закончил он его настолько неожиданно, что вряд ли кто-то из нынешних паникеров сумел бы предположить такой поворот. Это лишь один из возможных вариантов будущего, придуманный фантастом задолго до нынешних споров, но по пути к нему Герберт успевает задать вопросы, которые звучат сегодня даже острее, чем во времена написания романа.

Когда я разбирал в предыдущей статье гипотезы появления сознания, в центре внимания оказалась идея нейробиолога Антонио Дамасио о том, что сознание рождается не из абстрактного мышления, а из тела. Из тех базовых сигналов, которые организм подает сам себе ради выживания.

Но во что разворачивается это сознание по мере взросления человека?

Концепции возрастной психологии и психоанализа — от теории привязанности до моделей раннего эмоционального развития — показывают, что тело остается фундаментом и на следующих этапах. Только фокус смещается с механизмов восприятия на саму структуру личности.

Сегодня этот фундамент проходит проверку на прочность. Массовое внедрение искусственного интеллекта ломает привычные социальные маркеры, порождая закономерную тревогу. Возникает прагматичный вызов: какой психотип способен совладать с новыми технологиями и сдвинуть общество вперед, а не деградировать под их тяжестью?

Эти концепции складываются в единую систему, которая дотягивается до экономики и истории, объясняя не только структуру личности, но и причины, по которым разные эпохи востребуют определенные типы людей. Выводы следуют из общей логики материала, даже если некоторые из них выходят за рамки устоявшихся представлений.

Я разбирался с ИИ для работы и статей — какой промпт качественный, как западная и китайская школы генеративных моделей разошлись и снова сходятся. Заставлял модели работать лучше, для этого препарировал процесс — и собственные мысли тоже пришлось препарировать. А именно — превращать интуитивные озарения в текстовые алгоритмы. В итоге я начал искать ответы на «Что есть наше сознание, которое мы формализуем?».

В какой-то момент ИИ у меня стал ассоциироваться с Океаном из «Соляриса» Станислава Лема — безбрежным нечеловеческим разумом без соприкосновения с человеческим опытом. Океан мыслит, реагирует, воссоздает целые миры из чужой памяти, как нейронка из промпта. Но полноценный контакт с Океаном не устанавливается, поскольку не за что зацепиться — отсутствует общая система координат. С нейросетями повезло больше: их обучали на человеческих текстах, и точки соприкосновения появились.

Тем не менее ИИ крайне сложно раскрыть тему без конкретики — хотя бы кривой и неполной. На ней можно наращивать содержательные слои, а без нее модель генерирует обтекаемые образы.

Человек же создает конкретику сам для себя. Сознание превращает мир в частный опыт «я». Выдавая конкретику нейронкам, я задумался: почему в нас она возникает автоматически?

Для себя я нашел подсказку: исходная конкретика, из которой строится сознание, — тело. Оно задает специфику восприятия и его границы. Сознание начинается с них. 

Мысль очевидная, и я заподозрил, что до нее кто-то дошел более обстоятельно. Покопавшись, я нашел две работы, которые эту связь между сознанием и телом разбирают куда основательнее — причем с разных сторон.

Рынок корпоративного ИИ раскалывается: сужу по профильным конференциям и разговорам с руководителями. С одной стороны — лагерь прагматиков (часто из традиционного B2B-сектора) саботирует тему ИИ-агентов, аргументируя «и без того отлаженными процессами». С другой — жертвы вендорского маркетинга уверены, что у топ-менеджера в штате должна числиться пара десятков виртуальных сотрудников на все случаи жизни.

Между этими двумя полюсами расположились те, кто внедряет технологии методично. Впрочем, и им непросто: рынок меняется быстрее, чем успеваешь протестировать гипотезу. А конкурируют не только покупатели агентов, но и продавцы.

Вопрос «нужен ли человек ИИ-агентам» звучит перевернуто — обычно спрашивают наоборот. Однако громкие анонсы нарисовали картину будущего, где в продажах остаются только боты, а роль человека минимальна.

На самом деле людей рано списывать. По данным UserGems, каждого второго автономного AI-продажника отключают в течение года. Компании, заменившие живой отдел продаж агентами, в большинстве случаев отступали в течение полугода: снова нанимали людей и переходили на гибридную модель. План «сократить штат и снизить расходы» оборачивался обратным: сначала увольнение, потом — новый наем, плюс оплата подписки на агента никуда не делась.

Когда же агенту нужен человек, а когда нет?

Генерация изображений в последнее время заметно продвинулась и справляется даже с тонкими задачами на высоком уровне. За последние два года я с базовыми знаниями в дизайне оформлял книги, готовил иллюстрации для статей, собирал презентации и решал графические задачи в коммерческих проектах — и вынес из этого одно: универсальной модели не существует. Каждая архитектура сильна в своей нише, а выбор инструмента стал такой же частью работы, как и сам промпт.

Работая с Midjourney, DALL-E 3, FLUX, Hunyuan-DiT, Wanxiang и Seedream, я заметил: один и тот же запрос в разных системах давал принципиально разные результаты — и дело было не в стилистике. Одни модели буквально расставляли объекты по местам, как в инструкции. Другие могли проигнорировать часть описания, зато выдавали плотность деталей и сложность ракурсов, недоступную первым.

Сначала я списывал это на языковой барьер — казалось, что западные и китайские системы по-разному интерпретируют запрос. Но список причин быстро расширился: датасеты, токенизаторы, глубина текстовых энкодеров. Каждая деталь что-то объясняла, но общей картины не давала. За различиями стояло нечто большее — две инженерные школы, изначально оптимизировавшие разные ресурсы, а сейчас движущиеся к конвергенции.

Тут я вспомнил старый плакат из дизайн-студии нулевых: «Быстро. Дешево. Качественно. Выберите любые два». Раньше это звучало как шутка, теперь — как точное описание логики развития сложных систем.

Эта статья — попытка понять сложившуюся экономику моделей через их историю: разобрать ключевые развилки последних лет, заглянуть под капот графических движков и понять, в какие ниши сегодня выстраивается конвергенция технологий.

Стрелка часов выглядит самым надежным элементом физической реальности. Секунды сменяют друг друга строго вперед, прошлое закрыто, будущее неизвестно. Но стоит обратиться к уравнениям микромира, как эта уверенность рассыпается.

Базовые законы Вселенной — от механики Ньютона до квантовой теории поля — обладают T-симметрией. Математически они инвариантны относительно обращения времени. Если заменить переменную t на −t, формулы продолжат работать корректно. В микромире нет разницы между прошлым и будущим. Однако наше макроскопическое восприятие фиксирует жесткий односторонний вектор. Откуда берется эта асимметрия?

За последние годы физики предложили несколько радикальных объяснений парадокса. Мы разберем четыре любопытные концепции: модель Джулиана Барбура, работы физика Рокко, специальную теорию относительности и механизм Пейджа — Вуттерса.

Забегая вперед: к консенсусу ученые все еще не пришли а некоторые теории и вовсе предлагают исключить время из списка базовых физических величин.

Недавно коллега рассказал о тренинге по осознанности, который проводили у них в компании. Переговорная, коуч с сертификатом MBSR, все расселись по кругу. Двадцать минут дыхательных упражнений, короткая лекция о нейропластичности… Все отвлеклись, немного похихикали — и снова разошлись по рабочим местам. До следующего дедлайна, до следующего квартального отчета или завала.

Казалось, Headspace и Calm в начале 2010-х нашли простое решение для сложной проблемы выгорания. То, что они продавали (практику присутствия в моменте без оценочного отношения к собственным мыслям, более известную сегодня как осознанность, а медитацию — как инструмент, через который к этому присутствию приходят), психологи действительно используют (не через приложение, конечно), и довольно успешно: как вспомогательный прием в работе с тревожностью, навязчивыми мыслями, хронической болью. Сочетание сработало настолько, что эта эффективность сегодня многими воспринимается почти как данность, не требующая обсуждения. 

Но именно в этой данности и кроется коварный момент: практику вырвали из контекста, где рядом с ней существовал целый ряд других вещей, без которых она изначально не имела самостоятельного смысла. Вырвали не случайно и не по недосмотру — иначе результат нельзя было упаковать в подписку. Что именно осталось в этом вырванном контексте, как без этого инструмент работает и можно ли доверять тому, что именно он производит, когда сам контекст давно забыт, — разбираем дальше. 

ИТ-индустрия тридцать лет последовательно теряла один конкретный навык — умение формулировать намерение, а не алгоритм (т. е. умение говорить «что нужно получить», а не «как это вычислить»). Зачем он был нужен, если компилятор не обижается на формулировку? База данных не читает между строк — она возвращает именно то, что у нее спросили. API ведет себя так же: никакого контекста, никакой интерпретации, только буква документации. Машина не нуждалась в том, чтобы ее понимали, — достаточно было правильно ее инструктировать. Исследования фиксировали этот сдвиг, но до поры индустрию это не особо беспокоило.

А потом те же люди создали сущность с собственной логикой, скрытыми мотивами и агентным поведением — и обнаружили, что с ней нужно договариваться словами. Причем буквально: удерживать намерение, считывать, где модель соскользнула, и поправлять курс формулировкой, а не традиционным программированием.

Правильный подход к такому диалогу обнаружился не в технической документации — и, похоже, искать стоило вообще не там. В литературе и гуманитарных науках этот подход давно описан людьми, которые профессионально работали с непредсказуемыми агентами задолго до LLM. В прошлой статье мы разбирали фольклорные паттерны — те самые структуры волшебной сказки, которые неожиданно точно описывают эффективное общение с моделями. Сегодня идем дальше: смотрим, что еще сказки знают о жизни с непредсказуемым помощником. 

Пока готовил предыдущий материал о постковидном эндотелиите, понял, что хочу разобрать один из механизмов работы нашего тела. Подтолкнула меня к этому и моя собственная практика: я занимаюсь массажем уже много лет, за это время через руки прошло немало людей с хронической болью, и разговоры на массажном столе бывают более искренние, чем на приеме у терапевта. Расскажу об одном случае — с позитивным финалом, что, увы, бывает далеко не всегда.

Ко мне пришел пожилой мужчина — главный инженер на режимном объекте, человек с многолетней привычкой держать все под контролем. Два года он ходил по неврологам: стандартные протоколы не помогали, и все в итоге предлагали одно — оперировать грыжу в поясничном отделе. Когда он появился у меня, этот серьезный человек говорил плаксивым, почти писклявым голосом — так устал за два года боли.

Разговор шел о хроническом воспалении седалищного нерва. Но когда начал работать, обнаружил кое-что неожиданное: сильнейший спазм широкой фасции бедра (она идет «по лампасу»). В норме фасция под руками почти не ощущается — ткань мягкая, податливая, без опыта и не почувствуешь, где она. У него она была жесткой, как ремень. Классический случай вторичного вовлечения, на который стандартные протоколы просто не рассчитаны. Проработали в комплексе — и постепенно боль ушла.

Я ожидал, что он будет появляться часто — для поддержки и профилактики. Но приходил раз в пару лет, не чаще: зафиксировали состояние, и дальше он поддерживал себя сам, катаясь на велосипеде по своему режимному объекту и проверяя обслуживание резервуаров. Грыжа никуда не делась — скорее всего, она и сейчас на своем месте. А про операцию он даже думать забыл.

Так почему же боль была, а структурной причины для нее (в том виде, в котором ее искали), по сути, не было? Почему два года стандартного лечения не давали результата, а работа с совсем другой областью тела — дала? Это следствие того, как устроена система восприятия боли, и того, как она может сломаться.

Привет, Хабр! За время написания нескольких книг я превратил искусственный интеллект в своего постоянного напарника. Он работает моим редактором, критиком и иллюстратором. Но в процессе поиска общего языка с LLM меня не покидало стойкое ощущение дежавю.

Когда модель в сотый раз проигнорировала контекст, поняла запрос слишком буквально и начала откровенно хитрить с токенами, я наконец догадался, где уже видел точно такие же паттерны поведения — в народных сказках. Я осознал, что прочитав дюжину сказок вдумчиво, вы освоите как минимум половину курса по промптингу. Ведь фольклор — готовый сборник правил по безопасности для современного промпт-инжиниринга.

Одна моя знакомая любила говорить: если после тридцати проснулся и ничего не болит — значит, ты умер. Раньше это казалось шуткой.

Последние пару лет что-то изменилось. Хроническую усталость мы привычно списываем на дедлайны, а рассеянность — на многозадачность. Да и голова по утрам соображает все тяжелее. Я и сам долго не обращал на это внимания, находя простые оправдания: маленький ребенок, сбитый режим, постоянный стресс. Но потом появилась метеочувствительность, которой раньше не было, и кровотечения по утрам при чистке зубов. И начал замечать, что похожее слышу от знакомых: давление стало скакать гораздо чаще — даже у тех, кто на него раньше особо не жаловался.

Когда начал разбираться в теме, оказалось, что это не случайный кластер жалоб. Уже накопились сотни исследований, которые подводят к неприятному итогу: около трети переболевших ковидом сообщают о стойких симптомах спустя месяцы после выздоровления. Среди тех, у кого постковидный синдром диагностирован формально, усталость отмечают 95%, туман в голове и непереносимость нагрузок — более 90%. Похоже, за привычными жалобами стоит кое-что конкретное.

Острая фаза ковида осталась в прошлом, но сам он никуда не делся. Новые штаммы продолжают циркулировать, протекают легче, и именно поэтому их часто не воспринимают всерьез. Однако SARS-CoV-2 умеет оставлять след в сосудистой системе. Проявляется это не сразу и неявно — в виде симптомов, которые мы привычно списываем на работу, погоду или «возраст уже не тот».

Я прошел этот путь для себя — и оказалось, что материала набралось на статью.

Привет, Хабр!

Недавно на Reddit я наткнулся на драматичный пост: парень рассказал, как в сложный период жизни создал в нейросети виртуального собеседника. Ежедневное общение с ИИ-персоной стало для него на тот момент психологической опорой. И вот однажды контекстное окно LLM заполнилось, мигнула надпись: «Лимит чата исчерпан». Продолжить диалог в той же ветке стало технически невозможно.

В комментариях развернулась бурная дискуссия. Одни советовали платить за enterprise-тарифы с большим контекстом. Другие предлагали хардкорный путь: вручную парсить историю переписки, вычленять системный промпт и пересобирать «личность» в новом диалоге.

Эта история выявила интересную инженерную и гуманитарную проблему: как формализовать описание ИИ-персонажа так, чтобы оно оставалось читаемым для человека и эффективным для языковой модели? Чтобы персону можно было переносить, редактировать, понимать ее суть — и чтобы сам промпт был работоспособным.

«Любая достаточно развитая технология неотличима от магии». (с). 

Привет, Хабр! Меня зовут Зенин Роман и я уже больше 20 лет занимаюсь практиками медитации. В прошлом году у меня получилось провести эксперимент: пока с моего мозга датчики энцефалографа снимали обширные данные об его работе, я пробовал разные известные мне техники дыхания и медитации. Это послужило базой для ряда интригующих выводов касательно практики медитаций и того, что они могут дать. В этой статье приводятся итоги этого исследования, и на их основе можно сделать некоторые выводы, как медитация влияет на когнитивные способности и какие плюсы это несет.