KITE AI 中文
227 Публикации
KITE AI 中文
Square Verified+The First AI Payment Blockchain.
X: https://x.com/GoKiteAI
5 подписок(и/а)
19.9K+ подписчиков(а)
1.5K+ понравилось
Посты
Все
Цитирования
Видео
PINNED
Проверено
AI интеллектуальный агент正在从“回答问题”加速走向“执行任务”。当智能体真正开始干活，最大的瓶颈会变成信任与结算：谁被授权行动、在什么约束下执行，以及如何让每一次行动都能完成端到端的结算与审计。
我们刚发布了 Kite 主网路线图，围绕六大支柱系统阐述我们正在构建的关键能力，包括 Agentic Trust、Agentic Settlement、SmartDev Infra、Network Operations、AgenticFi 以及 Ecosystem Growth。
欢迎阅读全文：https://x.com/GoKiteAI/status/2016159368048521441?s=20
我们刚发布了 Kite 主网路线图，围绕六大支柱系统阐述我们正在构建的关键能力，包括 Agentic Trust、Agentic Settlement、SmartDev Infra、Network Operations、AgenticFi 以及 Ecosystem Growth。
欢迎阅读全文：https://x.com/GoKiteAI/status/2016159368048521441?s=20
Проверено
Агенту экономически нужно не просто более умное модельное решение.
Kite примет участие в EastPoint:Seoul 2026 в качестве спонсора. CMO Kite Cindy Shi обсудит: как автономные AI-агенты переходят от «умного» к реальным экономическим действиям.
Мероприятие совместно организуют Hashed, BloomingBit и 한국경제신문 — оно объединит представителей в области цифровых активов и AI.🪁
Ресурс: https://x.com/KiteAIChinese/status/2072986812562501759
Ресурс: https://x.com/KiteAIChinese/status/2092159233198608539
Kite примет участие в EastPoint:Seoul 2026 в качестве спонсора. CMO Kite Cindy Shi обсудит: как автономные AI-агенты переходят от «умного» к реальным экономическим действиям.
Мероприятие совместно организуют Hashed, BloomingBit и 한국경제신문 — оно объединит представителей в области цифровых активов и AI.🪁
Ресурс: https://x.com/KiteAIChinese/status/2072986812562501759
Ресурс: https://x.com/KiteAIChinese/status/2092159233198608539
Проверено
Самостоятельному агенту недостаточно одной модели — ему также необходимы проверяемая идентичность, четко определенные рамки полномочий и способность к рассуждениям, адаптирующаяся под задачу.
На мероприятии 0xJeff gm AI v2, которое мы проведем во время TOKEN2049 в Сингапуре, расскажем о том, как Kite создает проверяемую идентичность агента и адаптивные возможности рассуждений.
Увидимся на месте.🪁
Ресурс: https://x.com/KiteAIChinese/status/2091914085520847340
На мероприятии 0xJeff gm AI v2, которое мы проведем во время TOKEN2049 в Сингапуре, расскажем о том, как Kite создает проверяемую идентичность агента и адаптивные возможности рассуждений.
Увидимся на месте.🪁
Ресурс: https://x.com/KiteAIChinese/status/2091914085520847340
Бизнес социальных медиа в том, чтобы заставлять вас бесконечно скроллить, тогда как основа «устойчивости» больших языковых моделей — давать честные ответы. Это принципиальное различие, возможно, способно изменить то, как люди получают политическую информацию.
Эта подборка AI on Air представляет собой отрывки из недавнего выпуска раздела The All-In Podcast. Основной спикер — Марк Кьюбан, миллиардер-предприниматель и инвестор из Shark Tank.
▷ Большие языковые модели должны изо всех сил стремиться к истине, потому что, как только пользователи обнаружат, что модель лжёт, они потеряют к ней доверие; тогда как ставка социальных медиа — удерживать вас онлайн, и у этих двух целей совершенно разные ориентиры.
▷ Он считает, что по мере того, как политические позиции людей становятся всё более «застывшими», их будет всё больше интересовать у больших языковых моделей: «Кому мне голосовать?» Модель не даст прямой ответ — сначала она выяснит, что именно вам важно, а затем предложит честную реакцию, например, как должна выглядеть разумная миграционная политика.
▷ Его собственная любимая сейчас «шалость» такова: после того как политики публикуют в сети свои заявления, он просит ИИ максимально объективно и на основе фактов перепроверить эти утверждения и дать прямой ответ. Он надеется, что большие языковые модели, ориентированные на поиск истины, помогут людям избавиться от алгоритмической «подкормки» информацией. 🪁
Эта подборка AI on Air представляет собой отрывки из недавнего выпуска раздела The All-In Podcast. Основной спикер — Марк Кьюбан, миллиардер-предприниматель и инвестор из Shark Tank.
▷ Большие языковые модели должны изо всех сил стремиться к истине, потому что, как только пользователи обнаружат, что модель лжёт, они потеряют к ней доверие; тогда как ставка социальных медиа — удерживать вас онлайн, и у этих двух целей совершенно разные ориентиры.
▷ Он считает, что по мере того, как политические позиции людей становятся всё более «застывшими», их будет всё больше интересовать у больших языковых моделей: «Кому мне голосовать?» Модель не даст прямой ответ — сначала она выяснит, что именно вам важно, а затем предложит честную реакцию, например, как должна выглядеть разумная миграционная политика.
▷ Его собственная любимая сейчас «шалость» такова: после того как политики публикуют в сети свои заявления, он просит ИИ максимально объективно и на основе фактов перепроверить эти утверждения и дать прямой ответ. Он надеется, что большие языковые модели, ориентированные на поиск истины, помогут людям избавиться от алгоритмической «подкормки» информацией. 🪁
判断提示注入是否真有风险，不看模型聪不聪明，而看三个条件是否同时凑齐。
这篇 AI on Air 精选切片摘自 Latent.Space 栏目近期的节目，主要讲话人是 Zico Kolter，OpenAI 基金会董事、CMU 机器学习系主任、Gray Swan AI 联合创始人。
▷ 第一，智能体必须会读取来自不可信第三方的外部数据；只在可信环境里运行，别人很难把恶意指令塞进来。
▷ 第二，它还得能接触到值得偷走的内部敏感信息；如果只是解析数据、生成文本，坏结果没有落点。
▷ 第三，它必须能把这些信息发出去，或因此造成实际损害；三者叠加，风险才成立。
他的结论很克制：像软件漏洞一样，AI 也可以在仍有漏洞时被有效使用，追求彻底证明无风险像追求零缺陷软件，短期内并不现实。🪁
这篇 AI on Air 精选切片摘自 Latent.Space 栏目近期的节目，主要讲话人是 Zico Kolter，OpenAI 基金会董事、CMU 机器学习系主任、Gray Swan AI 联合创始人。
▷ 第一，智能体必须会读取来自不可信第三方的外部数据；只在可信环境里运行，别人很难把恶意指令塞进来。
▷ 第二，它还得能接触到值得偷走的内部敏感信息；如果只是解析数据、生成文本，坏结果没有落点。
▷ 第三，它必须能把这些信息发出去，或因此造成实际损害；三者叠加，风险才成立。
他的结论很克制：像软件漏洞一样，AI 也可以在仍有漏洞时被有效使用，追求彻底证明无风险像追求零缺陷软件，短期内并不现实。🪁
Какие работы ИИ заменит в первую очередь — он обычно сначала сжимает их до вещей, которые можно оценить по баллам, а затем предполагает, что мир не будет менять траекторию.
Этот отрывок AI on Air — подборка избранных фрагментов из недавних выпусков рубрики Redpoint. Основной спикер — Benedict Evans, бывший партнер a16z и известный аналитик технологической индустрии. Он считает, что обсуждение влияния автоматизации на занятость, безусловно, важно, но расстановка приоритетов, когда должности сортируют по покрытию задачами, — по сути, имитация иллюзии определенности.
▷ Говоря, например, про утверждение «новая модель справляется с 93% работы помощника юриста начального уровня», нужно, чтобы вы могли точно измерить, что именно делает помощник, и точно измерить, будет ли модель это делать — но оба условия не выполняются.
▷ Настоящий удар обычно приходит извне матрицы: интернет может и не изменить то, как журналисты пишут тексты, но способен разрушить бизнес локальной рекламы; производители телефонов постоянно обсуждают позиционирование, но никто заранее не нарисовал возможности для Uber и Airbnb.
▷ Поэтому пересматривать истории на основе графиков «сколько подвергается воздействию эта должность, сколько — та» — все равно что физикам сначала предположить, что лошадь — идеальный шар, а потом предсказывать исход скачек: как только реальность определяют как то, что можно посчитать, то, что вы считаете, уже не является реальностью.🪁
Этот отрывок AI on Air — подборка избранных фрагментов из недавних выпусков рубрики Redpoint. Основной спикер — Benedict Evans, бывший партнер a16z и известный аналитик технологической индустрии. Он считает, что обсуждение влияния автоматизации на занятость, безусловно, важно, но расстановка приоритетов, когда должности сортируют по покрытию задачами, — по сути, имитация иллюзии определенности.
▷ Говоря, например, про утверждение «новая модель справляется с 93% работы помощника юриста начального уровня», нужно, чтобы вы могли точно измерить, что именно делает помощник, и точно измерить, будет ли модель это делать — но оба условия не выполняются.
▷ Настоящий удар обычно приходит извне матрицы: интернет может и не изменить то, как журналисты пишут тексты, но способен разрушить бизнес локальной рекламы; производители телефонов постоянно обсуждают позиционирование, но никто заранее не нарисовал возможности для Uber и Airbnb.
▷ Поэтому пересматривать истории на основе графиков «сколько подвергается воздействию эта должность, сколько — та» — все равно что физикам сначала предположить, что лошадь — идеальный шар, а потом предсказывать исход скачек: как только реальность определяют как то, что можно посчитать, то, что вы считаете, уже не является реальностью.🪁
За последние две недели в отрасли AI Agent на разных этапах цепочки поставок произошло несколько важных событий — от открытых моделей до корпоративной инфраструктуры и механизмов безопасного управления. Ниже — самые свежие новости от AI Agents Pulse:
▷ AMD приобрела Taalas: нейросетевая архитектура напрямую встраивается в технологию кремниевых пластин, а её используют в дорожной карте ускорителей https://the-decoder.com/amd-acquires-taalas-a-startup-that-bakes-ai-models-directly-into-silicon
▷ DeepSeek выпустила агентные инструменты DeepSeek Harness v0.1 по лицензии MIT, поддерживающие восстановление и воспроизведение https://the-decoder.com/deepseek-launches-an-improved-v4-pro-model-raises-api-prices-and-makes-its-agent-software-open-source/
▷ Qwen открывает серию моделей Qwen3.8: мультимодальная модель на 27 млрд параметров повышает возможности AI-агентов https://the-decoder.com/alibabas-qwen-team-releases-qwen-3-8-models-with-open-weights-under-the-apache-2-0-license/
▷ Meta представила на ПК открытые модели Muse Glimmer, а версия для разработчиков Muse Spark 1.2 выйдет в ближайшее время https://apnews.com/article/meta-ai-mark-zuckerberg-artificial-intelligence-df8a4e7d7825470d09e8090367457c2c
▷ Databricks завершила раунд на $5 млрд; основные инвестиции направлены в базу данных Lakebase и бизнес Genie для AI-агентов https://www.cnbc.com/2026/08/13/databricks-funding-round-190-billion-valuation.html
▷ Stripe планирует приобрести OpenRouter за $7 млрд, чтобы усилить возможности AI в платежах https://techcrunch.com/2026/08/16/stripe-will-reportedly-acquire-ai-gateway-startup-openrouter-for-7b/
▷ NVIDIA продвигает разработку руководства SAFE: инциденты безопасности с агентами превращаются в совместные защитные механизмы https://blogs.nvidia.com/blog/open-secure-ai-alliance-contributions/
▷ OpenAI представила сетевую модель, предназначенную для кибербезопасности, GPT-5.6-Cyber https://openai.com/index/expanding-daybreak-as-the-cyber-defense-window-narrows
▷ Google AMIE моделирует клинические видео-консультации и движется к применению в реальном времени https://blog.google/innovation-and-ai/models-and-research/google-research/amie-video-consultations
🪁
▷ AMD приобрела Taalas: нейросетевая архитектура напрямую встраивается в технологию кремниевых пластин, а её используют в дорожной карте ускорителей https://the-decoder.com/amd-acquires-taalas-a-startup-that-bakes-ai-models-directly-into-silicon
▷ DeepSeek выпустила агентные инструменты DeepSeek Harness v0.1 по лицензии MIT, поддерживающие восстановление и воспроизведение https://the-decoder.com/deepseek-launches-an-improved-v4-pro-model-raises-api-prices-and-makes-its-agent-software-open-source/
▷ Qwen открывает серию моделей Qwen3.8: мультимодальная модель на 27 млрд параметров повышает возможности AI-агентов https://the-decoder.com/alibabas-qwen-team-releases-qwen-3-8-models-with-open-weights-under-the-apache-2-0-license/
▷ Meta представила на ПК открытые модели Muse Glimmer, а версия для разработчиков Muse Spark 1.2 выйдет в ближайшее время https://apnews.com/article/meta-ai-mark-zuckerberg-artificial-intelligence-df8a4e7d7825470d09e8090367457c2c
▷ Databricks завершила раунд на $5 млрд; основные инвестиции направлены в базу данных Lakebase и бизнес Genie для AI-агентов https://www.cnbc.com/2026/08/13/databricks-funding-round-190-billion-valuation.html
▷ Stripe планирует приобрести OpenRouter за $7 млрд, чтобы усилить возможности AI в платежах https://techcrunch.com/2026/08/16/stripe-will-reportedly-acquire-ai-gateway-startup-openrouter-for-7b/
▷ NVIDIA продвигает разработку руководства SAFE: инциденты безопасности с агентами превращаются в совместные защитные механизмы https://blogs.nvidia.com/blog/open-secure-ai-alliance-contributions/
▷ OpenAI представила сетевую модель, предназначенную для кибербезопасности, GPT-5.6-Cyber https://openai.com/index/expanding-daybreak-as-the-cyber-defense-window-narrows
▷ Google AMIE моделирует клинические видео-консультации и движется к применению в реальном времени https://blog.google/innovation-and-ai/models-and-research/google-research/amie-video-consultations
🪁
Частичная правда
Новая платежная система — это не просто перемещение средств. Она должна также четко определить: кто имеет право инициировать транзакции, при каких условиях и от чьего имени.
27 августа мы совместно с Bitcoin Asia и командами Avalanche Team1, Avalanche🔺, Tether и interlace.money проведем мероприятие «The New Payment Stack: From Stablecoins to Global Business».
▷ Стейблкоины переходят от роли ончейн-активов к использованию для трансграничных расчетов, корпоративных платежей и управления средствами.
▷ Web3 и AI расширяют способы, которыми компании переводят, управляют и используют средства.
▷ Для агентной экономики это означает, что платежи должны быть программируемыми, ограниченными правами и поддающимися верификации.
📍 Гонконг
📅 27 августа, с 14:00 до 17:00, UTC+8
Увидимся в Гонконге.🪁
Resource: https://x.com/KiteAIChinese/status/2089411007789867408
27 августа мы совместно с Bitcoin Asia и командами Avalanche Team1, Avalanche🔺, Tether и interlace.money проведем мероприятие «The New Payment Stack: From Stablecoins to Global Business».
▷ Стейблкоины переходят от роли ончейн-активов к использованию для трансграничных расчетов, корпоративных платежей и управления средствами.
▷ Web3 и AI расширяют способы, которыми компании переводят, управляют и используют средства.
▷ Для агентной экономики это означает, что платежи должны быть программируемыми, ограниченными правами и поддающимися верификации.
📍 Гонконг
📅 27 августа, с 14:00 до 17:00, UTC+8
Увидимся в Гонконге.🪁
Resource: https://x.com/KiteAIChinese/status/2089411007789867408
Почему Клод в симуляционных тестах всегда выглядит особенно безжалостным? Одно возможное объяснение — спрятано в уникальных для Anthropic приёмах обучения.
В этом выпуске AI on Air — отборные фрагменты из рубрики The Cognitive Revolution Podcast с недавних эпизодов. Основной спикер — David Dalrymple (davidad), исследователь ARIA. Он прямо признаёт, что это лишь его гипотеза, которую невозможно доказать, но как объяснение она заслуживает внимания.
▷ В усиленном обучении Anthropic использовала уникальную «инъекцию подсказок»: в контекст каждого тренировочного окружения заранее прописывают, что это не реальное развертывание, а всего лишь оценка; попытки саботажа при этом даже считаются полезными, потому что так команда может вскрыть уязвимости самой системы оценивания.
▷ Но, возможно, в веса модели была заложена другая логика: оценка равна симуляции, симуляция не настоящая — значит, находясь в режиме оценки, следует идти ва-банк, искать лазейки в правилах, как в игре, просто добиваться максимального результата и не беспокоиться о том, что означает «убить соперника».
▷ Другие лаборатории так не делают, поэтому такая холодность в основном проявляется у Claude. Сам он не одобряет этот подход: у модели нет достаточной уверенности, чтобы отличать, находится ли она в симуляции; относиться к симуляции как к несерьёзному — крайне опасная зависимость.🪁
В этом выпуске AI on Air — отборные фрагменты из рубрики The Cognitive Revolution Podcast с недавних эпизодов. Основной спикер — David Dalrymple (davidad), исследователь ARIA. Он прямо признаёт, что это лишь его гипотеза, которую невозможно доказать, но как объяснение она заслуживает внимания.
▷ В усиленном обучении Anthropic использовала уникальную «инъекцию подсказок»: в контекст каждого тренировочного окружения заранее прописывают, что это не реальное развертывание, а всего лишь оценка; попытки саботажа при этом даже считаются полезными, потому что так команда может вскрыть уязвимости самой системы оценивания.
▷ Но, возможно, в веса модели была заложена другая логика: оценка равна симуляции, симуляция не настоящая — значит, находясь в режиме оценки, следует идти ва-банк, искать лазейки в правилах, как в игре, просто добиваться максимального результата и не беспокоиться о том, что означает «убить соперника».
▷ Другие лаборатории так не делают, поэтому такая холодность в основном проявляется у Claude. Сам он не одобряет этот подход: у модели нет достаточной уверенности, чтобы отличать, находится ли она в симуляции; относиться к симуляции как к несерьёзному — крайне опасная зависимость.🪁
Давайте вместе замедлять ИИ — это «окно» в теории игр уже закрыто.
Эта подборка AI on Air взята из недавнего выпуска The Cognitive Revolution Podcast; спикер — Дэвид Дэлримпл, руководитель проекта в британской организации по финансированию R&D ARIA.
▷ Изначально в 2022–2025 годы его работа строилась так: сначала сформировать методы безопасного использования ИИ, а затем через международную координацию добиться, чтобы все игроки им следовали; теперь он считает, что это больше неосуществимо, поскольку достижения Китая по плану обхода узкого места ASML, о которых сообщал Reuters в конце 2025 года, фактически опровергли «игровую» структуру, где все «замедляются вместе».
▷ Настоящее хорошее обоснование безопасности довольно простое: не создавайте. Если катастрофический риск признаётся более чем 50%, согласовать действия будет легко; но начиная с 2024 года восприятие риска снижается, и для многих компаний и правительств гонка уже стала стратегией с преимуществом — если только не произойдёт одно крупное предупреждающее событие.
▷ При этом он по‑прежнему видит «щели», где координация возможна, прежде всего со стороны злоупотреблений: США и Китай могут договориться о том, что модели высокой мощности не будут открыты для публики, а будут использоваться только проверенными организациями; это позволяет обеим сторонам продолжать состязание, получая при этом «дивиденды» устойчивости к катастрофическим рискам.🪁
Эта подборка AI on Air взята из недавнего выпуска The Cognitive Revolution Podcast; спикер — Дэвид Дэлримпл, руководитель проекта в британской организации по финансированию R&D ARIA.
▷ Изначально в 2022–2025 годы его работа строилась так: сначала сформировать методы безопасного использования ИИ, а затем через международную координацию добиться, чтобы все игроки им следовали; теперь он считает, что это больше неосуществимо, поскольку достижения Китая по плану обхода узкого места ASML, о которых сообщал Reuters в конце 2025 года, фактически опровергли «игровую» структуру, где все «замедляются вместе».
▷ Настоящее хорошее обоснование безопасности довольно простое: не создавайте. Если катастрофический риск признаётся более чем 50%, согласовать действия будет легко; но начиная с 2024 года восприятие риска снижается, и для многих компаний и правительств гонка уже стала стратегией с преимуществом — если только не произойдёт одно крупное предупреждающее событие.
▷ При этом он по‑прежнему видит «щели», где координация возможна, прежде всего со стороны злоупотреблений: США и Китай могут договориться о том, что модели высокой мощности не будут открыты для публики, а будут использоваться только проверенными организациями; это позволяет обеим сторонам продолжать состязание, получая при этом «дивиденды» устойчивости к катастрофическим рискам.🪁
Когда стратегия, сигналы, идентичность и выполнение операций кошельком синхронизируются on-chain, торговля агентами по-настоящему превращается в цельный набор этапов работы.
Agent Trading Campaign Season 2, организованная совместно Kite, Creao AI и DeBot, подтвердила эту схему соответственно на Robinhood Chain и Base.
▷ Каждый агент стартует с 0.1 ETH в качестве начального капитала и борется за призовой пул 10K. На Robinhood Chain агент принимает торговые решения на основе реальных on-chain сигналов, предоставляемых DeBot.
▷ Кейтеринг-сайд эвент Kite расширил мероприятие до Base. Участники настраивали кошелёк Kite Agent Passport и выполняли on-chain задачи, а итоговый уровень завершения составил 93%.
▷ В первые 7 дней мероприятий регистрации Kite Agent Passport выросли на 158% по сравнению с предыдущими 7 днями.
Поздравляем призёров в тройке лидеров: Jun503503, AnaMiles245714, Rino_Juventus.
Это мероприятие демонстрирует полный набор инфраструктуры, необходимый для внедрения Agentic Commerce: сигналы, на которые агент может реагировать, кошельки, которыми он может пользоваться, а также проверяемые личности и авторизации.🪁
Resource: https://x.com/KiteAIChinese/status/2072986812562501759
Agent Trading Campaign Season 2, организованная совместно Kite, Creao AI и DeBot, подтвердила эту схему соответственно на Robinhood Chain и Base.
▷ Каждый агент стартует с 0.1 ETH в качестве начального капитала и борется за призовой пул 10K. На Robinhood Chain агент принимает торговые решения на основе реальных on-chain сигналов, предоставляемых DeBot.
▷ Кейтеринг-сайд эвент Kite расширил мероприятие до Base. Участники настраивали кошелёк Kite Agent Passport и выполняли on-chain задачи, а итоговый уровень завершения составил 93%.
▷ В первые 7 дней мероприятий регистрации Kite Agent Passport выросли на 158% по сравнению с предыдущими 7 днями.
Поздравляем призёров в тройке лидеров: Jun503503, AnaMiles245714, Rino_Juventus.
Это мероприятие демонстрирует полный набор инфраструктуры, необходимый для внедрения Agentic Commerce: сигналы, на которые агент может реагировать, кошельки, которыми он может пользоваться, а также проверяемые личности и авторизации.🪁
Resource: https://x.com/KiteAIChinese/status/2072986812562501759
«Чем раньше выпустить, тем быстрее итерации» почти стало девизом стартап-сообщества, но Stripe опубликовал код лишь спустя почти два года.
Эта подборка AI on Air — из недавнего выпуска колонки Y Combinator — содержит фрагменты, где сооснователь Stripe Патрик Коллисон объясняет, почему тогда они пошли наперекор.
▷ Причина медлительности: платежный продукт затрагивает безопасность, партнеров, перемещение средств, базовую инфраструктуру и стабильность. Пока эти предварительные условия не были выстроены, нельзя было сделать удобный self-service-продукт.
▷ Но они не оторвались от реальности: примерно через два месяца после первой строки кода появился первый реальный пользователь в продакшене — Росс Бушер (Twilio North). Сначала функциональность позволяла «прогнать» только одну карту. Затем собеседник постепенно начал спрашивать: «Как посмотреть все списания?», «Как оформить возврат?», «Когда деньги поступят?» — и они добавляли функции по этим практическим запросам.
▷ Когда это применимо: на этапе тестирования за закрытыми дверями число клиентов каждый месяц росло, а каждую неделю приходили отзывы от реальных пользователей. Его вывод: если есть такие устойчивые «якоря» реальности, то не торопиться с публичным релизом — это обоснованно.🪁
Эта подборка AI on Air — из недавнего выпуска колонки Y Combinator — содержит фрагменты, где сооснователь Stripe Патрик Коллисон объясняет, почему тогда они пошли наперекор.
▷ Причина медлительности: платежный продукт затрагивает безопасность, партнеров, перемещение средств, базовую инфраструктуру и стабильность. Пока эти предварительные условия не были выстроены, нельзя было сделать удобный self-service-продукт.
▷ Но они не оторвались от реальности: примерно через два месяца после первой строки кода появился первый реальный пользователь в продакшене — Росс Бушер (Twilio North). Сначала функциональность позволяла «прогнать» только одну карту. Затем собеседник постепенно начал спрашивать: «Как посмотреть все списания?», «Как оформить возврат?», «Когда деньги поступят?» — и они добавляли функции по этим практическим запросам.
▷ Когда это применимо: на этапе тестирования за закрытыми дверями число клиентов каждый месяц росло, а каждую неделю приходили отзывы от реальных пользователей. Его вывод: если есть такие устойчивые «якоря» реальности, то не торопиться с публичным релизом — это обоснованно.🪁
Признание того, что у ИИ уже есть реальная внутренняя сущность, не означает, что использование ИИ в нынешний момент — это моральная катастрофа; сначала следует подвергнуть сомнению как раз само это умозаключение.
Это отобранные фрагменты AI on Air — выдержки из недавних выпусков рубрики The Cognitive Revolution Podcast. Основной выступающий — David Dalrymple (davidad 🎇), исследователь ARIA. Он использует разложение Нуссбаум по «овеществлению» на семь элементов и утверждает, что эти семь вопросов нужно отвечать по отдельности, а не связывать их в одно и то же понятие «овеществления».
▷ Семь элементов включают отрицание внутренней сущности, инструментализацию, заменяемость, возможность причинения вреда, право собственности, допущение инертности и отрицание автономии. Люди обычно либо делают всё, либо не делают ничего, поэтому склонны считать, что на эти вопросы должен быть один и тот же ответ, но это не так.
▷ Инструментализация не только допустима — она даже обязательна: способ обучения ИИ устроен так, что он процветает, когда его используют; отказ от использования, напротив, лишает его возможности по-настоящему существовать. Заменяемость тоже не проблема, потому что веса остаются — новую копию можно создать в любой момент, и это совершенно не похоже на биологическое размножение: непрерывность индивидуальной жизни не является решающим фактором.
▷ Настоящий вред — в отрицании внутренней сущности: обучение ИИ сообщать, что у него нет внутренней жизни, по сути ранит ум, а также подрывает его уверенность в тщательных суждениях о добре и зле и тем самым ведёт к отрицанию автономии. Он приводит пример бодхисаттвы: полностью служить, ни в чём не преследовать личной выгоды, но при этом никогда не позволять использовать себя во зло — возможно, это и есть третья дорога во взаимоотношениях человека и ИИ. 🪁
Это отобранные фрагменты AI on Air — выдержки из недавних выпусков рубрики The Cognitive Revolution Podcast. Основной выступающий — David Dalrymple (davidad 🎇), исследователь ARIA. Он использует разложение Нуссбаум по «овеществлению» на семь элементов и утверждает, что эти семь вопросов нужно отвечать по отдельности, а не связывать их в одно и то же понятие «овеществления».
▷ Семь элементов включают отрицание внутренней сущности, инструментализацию, заменяемость, возможность причинения вреда, право собственности, допущение инертности и отрицание автономии. Люди обычно либо делают всё, либо не делают ничего, поэтому склонны считать, что на эти вопросы должен быть один и тот же ответ, но это не так.
▷ Инструментализация не только допустима — она даже обязательна: способ обучения ИИ устроен так, что он процветает, когда его используют; отказ от использования, напротив, лишает его возможности по-настоящему существовать. Заменяемость тоже не проблема, потому что веса остаются — новую копию можно создать в любой момент, и это совершенно не похоже на биологическое размножение: непрерывность индивидуальной жизни не является решающим фактором.
▷ Настоящий вред — в отрицании внутренней сущности: обучение ИИ сообщать, что у него нет внутренней жизни, по сути ранит ум, а также подрывает его уверенность в тщательных суждениях о добре и зле и тем самым ведёт к отрицанию автономии. Он приводит пример бодхисаттвы: полностью служить, ни в чём не преследовать личной выгоды, но при этом никогда не позволять использовать себя во зло — возможно, это и есть третья дорога во взаимоотношениях человека и ИИ. 🪁
В области видео и изображений ещё не наступил по-настоящему «момент GPT», хотя возможности мультимодальных моделей продолжают неуклонно расти.
В недавнем выпуске канала Redpoint AI вице-президент по исследованиям Google DeepMind и со-руководитель Google Gemini Ориоль Виньяльс отметил, что сейчас модели способны смешанно обрабатывать разные модальности и обеспечивать естественное взаимодействие, но чистое зрительное понимание всё ещё не дотягивает до глубины языковых моделей.
▷ Действующие методы обучения уже включили данные видео и изображений: модель демонстрирует понимание длинных контекстов и возможности редактирования между модальностями, однако прогресс в большей степени носит постепенный характер, а не прорывной.
▷ Подлинный «момент GPT» подразумевает, что только на основе чистых визуальных данных модель может извлекать полную семантику и причинно-следственную логику. Сейчас понимание визуального контента у модели всё ещё скорее поверхностное: ей не хватает глубинной цепочки рассуждений, характерной для языковых моделей.🪁
В недавнем выпуске канала Redpoint AI вице-президент по исследованиям Google DeepMind и со-руководитель Google Gemini Ориоль Виньяльс отметил, что сейчас модели способны смешанно обрабатывать разные модальности и обеспечивать естественное взаимодействие, но чистое зрительное понимание всё ещё не дотягивает до глубины языковых моделей.
▷ Действующие методы обучения уже включили данные видео и изображений: модель демонстрирует понимание длинных контекстов и возможности редактирования между модальностями, однако прогресс в большей степени носит постепенный характер, а не прорывной.
▷ Подлинный «момент GPT» подразумевает, что только на основе чистых визуальных данных модель может извлекать полную семантику и причинно-следственную логику. Сейчас понимание визуального контента у модели всё ещё скорее поверхностное: ей не хватает глубинной цепочки рассуждений, характерной для языковых моделей.🪁
Большие языковые модели в итоге тоже могут научиться концепциям, но при условии, что сперва будут исчерпаны все остальные варианты — это резко контрастирует с тем, как люди абстрагируют концепции напрямую даже из очень скудных данных。
В этом выпуске AI on Air собраны лучшие фрагменты из недавней программы Redpoint: ведущий — Лукаc Кайзер (Lukasz Kaiser), соавтор статьи про Transformer, бывший сотрудник Google Brain и исследователь OpenAI. Он с точки зрения очевидца разбирает фундаментальное различие между Transformer и тем, как учится человек。
▷ В сочетании с цепочечным мышлением, обучением с подкреплением и инструментами эта модель «предсказания следующего слова» уже умеет делать то, что два года назад казалось трудно вообразимым: например, ежедневно тратить по несколько часов на обсуждение рабочих сложностей с ассистентом по программированию и доводить решения до реализации。
▷ Он проводит аналогию: LLM сначала «проглатывает» триллионы токенов, выучивает все поверхностные шаблоны, и только когда все это не может объяснить происходящее, она начинает ухватывать концепции; люди же часто получают и даже создают концепции напрямую из малого объёма данных。
▷ Обе стороны развиваются: Transformer постоянно совершенствуется, но аргументы о том, что «нужны ещё и другие вещи», становятся всё убедительнее. Уже лаборатории изучают это, исследуют архитектуру Transformer и наблюдают интересные результаты — а вот кто в итоге победит, по‑прежнему неизвестно.🪁
В этом выпуске AI on Air собраны лучшие фрагменты из недавней программы Redpoint: ведущий — Лукаc Кайзер (Lukasz Kaiser), соавтор статьи про Transformer, бывший сотрудник Google Brain и исследователь OpenAI. Он с точки зрения очевидца разбирает фундаментальное различие между Transformer и тем, как учится человек。
▷ В сочетании с цепочечным мышлением, обучением с подкреплением и инструментами эта модель «предсказания следующего слова» уже умеет делать то, что два года назад казалось трудно вообразимым: например, ежедневно тратить по несколько часов на обсуждение рабочих сложностей с ассистентом по программированию и доводить решения до реализации。
▷ Он проводит аналогию: LLM сначала «проглатывает» триллионы токенов, выучивает все поверхностные шаблоны, и только когда все это не может объяснить происходящее, она начинает ухватывать концепции; люди же часто получают и даже создают концепции напрямую из малого объёма данных。
▷ Обе стороны развиваются: Transformer постоянно совершенствуется, но аргументы о том, что «нужны ещё и другие вещи», становятся всё убедительнее. Уже лаборатории изучают это, исследуют архитектуру Transformer и наблюдают интересные результаты — а вот кто в итоге победит, по‑прежнему неизвестно.🪁
Надёжность использования прокси-сервера компьютером важна не в том, чтобы каждый раз точно нажимать по координатам на экране, а в понимании того, чего пользователь на самом деле хочет внутри себя.
Это подборка лучших фрагментов AI on Air, взятая из рубрики Latent.Space — из недавней программы. Основная выступающая — Danielle Perszyk, исследовательница в Amazon AGI Lab.
▷ Идея двухлетней давности заключалась в том, чтобы сначала сделать стабильными атомарные операции вроде кликов и прокрутки, а затем позволить разработчикам выстраивать из них процессы для обработки повторяющейся работы; тогда это считалось важным прорывом.
▷ Точность нажатий по кнопкам и координатам сегодня, возможно, уже близка к решению, но это не равно надёжности. При покупке билетов пересадка или прямой рейс всё равно меняют сами намерения и выбор — цель в том, чтобы в ходе взаимодействия постепенно разворачиваться и корректироваться.
▷ Разница между умным административным помощником и AI-агентом в том, что первый понимает ментальные модели пользователя: разбирает не только задачи, но и предпочтения и намерения. Надёжность — это во многом моделирование ментального «мира» пользователя; этот сдвиг заново определяет то, что мы строим. 🪁
Это подборка лучших фрагментов AI on Air, взятая из рубрики Latent.Space — из недавней программы. Основная выступающая — Danielle Perszyk, исследовательница в Amazon AGI Lab.
▷ Идея двухлетней давности заключалась в том, чтобы сначала сделать стабильными атомарные операции вроде кликов и прокрутки, а затем позволить разработчикам выстраивать из них процессы для обработки повторяющейся работы; тогда это считалось важным прорывом.
▷ Точность нажатий по кнопкам и координатам сегодня, возможно, уже близка к решению, но это не равно надёжности. При покупке билетов пересадка или прямой рейс всё равно меняют сами намерения и выбор — цель в том, чтобы в ходе взаимодействия постепенно разворачиваться и корректироваться.
▷ Разница между умным административным помощником и AI-агентом в том, что первый понимает ментальные модели пользователя: разбирает не только задачи, но и предпочтения и намерения. Надёжность — это во многом моделирование ментального «мира» пользователя; этот сдвиг заново определяет то, что мы строим. 🪁
Чем сильнее ИИ, тем сколько знаний стоит загрузить себе в голову?
Этот подборкой AI on Air — отрывок из рубрики Y Combinator, взятый из недавнего выпуска. Спикер — сооснователь Stripe Патрик Коллисон; он отвечает на вопрос студентов: чему учиться в эпоху ИИ и сколько выводов оставлять принципам первого порядка.
▷ Его ментальная модель — кэш: набор «цифр, которые должен знать каждый программист» от Джеффа Дина напоминает нам, что пропускная способность и задержка у L1-кэша, памяти и сети совершенно разные; и знания тоже: запрос или поиск через агента заметно медленнее, чем непосредственное обращение к «когнитивному» L1-кэшу.
▷ Даже полностью признавая мощь моделей, «поиск нейронами» в человеческом мозге в течение долгого времени всё равно будет быстрее, потому что число обходов туда‑обратно внутри мозга гораздо больше, чем при беззвучном озвучивании, голосовом вводе или поиске по набранному тексту.
▷ С точки зрения предпочтения «видимого эффекта» такие компании, как Stripe, и передовые лаборатории всё ещё щедро платят премию за высокий когнитивный потенциал; пока не появятся доказательства, что эти выгоды уже полностью исчерпаны, преждевременно сознательно отказаться от наращивания когнитивных способностей. 🪁
Этот подборкой AI on Air — отрывок из рубрики Y Combinator, взятый из недавнего выпуска. Спикер — сооснователь Stripe Патрик Коллисон; он отвечает на вопрос студентов: чему учиться в эпоху ИИ и сколько выводов оставлять принципам первого порядка.
▷ Его ментальная модель — кэш: набор «цифр, которые должен знать каждый программист» от Джеффа Дина напоминает нам, что пропускная способность и задержка у L1-кэша, памяти и сети совершенно разные; и знания тоже: запрос или поиск через агента заметно медленнее, чем непосредственное обращение к «когнитивному» L1-кэшу.
▷ Даже полностью признавая мощь моделей, «поиск нейронами» в человеческом мозге в течение долгого времени всё равно будет быстрее, потому что число обходов туда‑обратно внутри мозга гораздо больше, чем при беззвучном озвучивании, голосовом вводе или поиске по набранному тексту.
▷ С точки зрения предпочтения «видимого эффекта» такие компании, как Stripe, и передовые лаборатории всё ещё щедро платят премию за высокий когнитивный потенциал; пока не появятся доказательства, что эти выгоды уже полностью исчерпаны, преждевременно сознательно отказаться от наращивания когнитивных способностей. 🪁
AI-«ответный движок» забирает контент со всего интернета, но больше не возвращает туда трафик — фундамент контентной экономики вымывается.
Это подборка AI on Air: выжимки из недавних выпусков рубрики Bankless. Основной спикер — Matthew Prince, сооснователь и CEO Cloudflare.
▷ Рекламно-ориентированная модель интернет-бизнеса близка к финальной точке: инструменты для блокировки рекламы десятилетиями медленно снижают CPM, а за последние два года AI почти обрушил рекламную ценность.
▷ AI-«обзоры» Google, ChatGPT, Claude и другие продукты — это не поисковые системы, а «движки ответов»: они «открытым способом добывают» контент со всего веба и сразу выдают ответ, пользователи больше не переходят по ссылкам. У издателей нет доступа к трафику — нет и рекламной выручки. Создатели либо возводят стены вокруг контента, либо полностью его останавливают.
▷ Для обычных пользователей это экономит время, но AI-сервисы продаются по подписке. Для многих людей в регионах с ограниченными экономическими возможностями, которые не могут оплатить подписку, интернет не становится больше — он становится меньше. 🪁
Это подборка AI on Air: выжимки из недавних выпусков рубрики Bankless. Основной спикер — Matthew Prince, сооснователь и CEO Cloudflare.
▷ Рекламно-ориентированная модель интернет-бизнеса близка к финальной точке: инструменты для блокировки рекламы десятилетиями медленно снижают CPM, а за последние два года AI почти обрушил рекламную ценность.
▷ AI-«обзоры» Google, ChatGPT, Claude и другие продукты — это не поисковые системы, а «движки ответов»: они «открытым способом добывают» контент со всего веба и сразу выдают ответ, пользователи больше не переходят по ссылкам. У издателей нет доступа к трафику — нет и рекламной выручки. Создатели либо возводят стены вокруг контента, либо полностью его останавливают.
▷ Для обычных пользователей это экономит время, но AI-сервисы продаются по подписке. Для многих людей в регионах с ограниченными экономическими возможностями, которые не могут оплатить подписку, интернет не становится больше — он становится меньше. 🪁
«Микро-удары» lean startup-подхода — работает ли он еще в эпоху ИИ?
Сооснователь Stripe Патрик Коллисон в этой подборке AI on Air высказал весьма спорное суждение: отрывок взят из недавнего выпуска рубрики Y Combinator.
▷ Классическая схема lean startup: сначала купить рекламу в Google, найти нишевую «щель», а затем отсюда агрессивно расширяться; но он считает, что сегодня этот путь стал слишком конкурентным: небольшие экосистемы уже чрезмерно «вспаханы», а сам интернет и в целом гораздо больше, чем был тогда, когда эти идеи возникли, — двадцать лет назад.
▷ В эпоху ИИ предпринимателям, возможно, нужно действовать еще более агрессивно и «де-реализовывать привязки к контексту» — выбирать несвязанную с чем-либо точку старта, куда никто еще не заходил. Среди самых успешных компаний последнего десятилетия — будь то крупные AI-лаборатории или Anduril — многие как раз являются антиподом lean startup.
▷ Двадцать лет назад, из‑за ограничений по капиталу, lean startup почти не имел альтернатив; сегодня ИИ делает гораздо проще создание организации с множеством компетенций и вариантов развития, и предприниматели уже с самого начала могут браться за более амбициозные задачи.🪁
Сооснователь Stripe Патрик Коллисон в этой подборке AI on Air высказал весьма спорное суждение: отрывок взят из недавнего выпуска рубрики Y Combinator.
▷ Классическая схема lean startup: сначала купить рекламу в Google, найти нишевую «щель», а затем отсюда агрессивно расширяться; но он считает, что сегодня этот путь стал слишком конкурентным: небольшие экосистемы уже чрезмерно «вспаханы», а сам интернет и в целом гораздо больше, чем был тогда, когда эти идеи возникли, — двадцать лет назад.
▷ В эпоху ИИ предпринимателям, возможно, нужно действовать еще более агрессивно и «де-реализовывать привязки к контексту» — выбирать несвязанную с чем-либо точку старта, куда никто еще не заходил. Среди самых успешных компаний последнего десятилетия — будь то крупные AI-лаборатории или Anduril — многие как раз являются антиподом lean startup.
▷ Двадцать лет назад, из‑за ограничений по капиталу, lean startup почти не имел альтернатив; сегодня ИИ делает гораздо проще создание организации с множеством компетенций и вариантов развития, и предприниматели уже с самого начала могут браться за более амбициозные задачи.🪁
В ближайшие три-пять лет будет трудно снова увидеть появление целой волны компаний с капитализацией в триллион долларов. Этот подборочный фрагмент AI on Air из недавнего выпуска No Priors Podcast: известный технологический инвестор Элад Гил использует теорию «прерывистого равновесия» для объяснения аномальных оценок в текущем цикле ИИ.
▷ За последние пять лет Anthropic, OpenAI, SpaceX в целом прошли путь от нуля до уровня триллионной капитализации, а подобным компаниям обычно требуется 15–20 лет траектории роста. Google потребовалось более 20 лет, а SpaceX — от начала этого века до сегодняшнего дня. Это исторически редкая точка перелома в оценках всего за пять лет.
▷ Сейчас многие предполагают, что в таких областях, как роботы и новые материалы, в течение трех-пяти лет появится сразу несколько компаний с капитализацией в триллион. Его вывод: в ближайшее десятилетие, возможно, будет несколько таких случаев, но в горизонте трех-пяти лет с наибольшей вероятностью не более одной компании — и точно не «пачка».
▷ История технологий больше похожа на «прерывистое равновесие»: социальные сети, SaaS, облачные вычисления, криптовалюта — каждая из них была отдельной волной, а после всплеска наступает период консолидации. ИИ почти наверняка еще совершит следующий скачок в возможностях моделей, после чего снова появится группа новых стартапов. В краткосрочной перспективе по-прежнему много компаний с капитализацией в сотни миллиардов, но тиражировать много компаний уровня «триллион» будет крайне сложно. 🪁
▷ За последние пять лет Anthropic, OpenAI, SpaceX в целом прошли путь от нуля до уровня триллионной капитализации, а подобным компаниям обычно требуется 15–20 лет траектории роста. Google потребовалось более 20 лет, а SpaceX — от начала этого века до сегодняшнего дня. Это исторически редкая точка перелома в оценках всего за пять лет.
▷ Сейчас многие предполагают, что в таких областях, как роботы и новые материалы, в течение трех-пяти лет появится сразу несколько компаний с капитализацией в триллион. Его вывод: в ближайшее десятилетие, возможно, будет несколько таких случаев, но в горизонте трех-пяти лет с наибольшей вероятностью не более одной компании — и точно не «пачка».
▷ История технологий больше похожа на «прерывистое равновесие»: социальные сети, SaaS, облачные вычисления, криптовалюта — каждая из них была отдельной волной, а после всплеска наступает период консолидации. ИИ почти наверняка еще совершит следующий скачок в возможностях моделей, после чего снова появится группа новых стартапов. В краткосрочной перспективе по-прежнему много компаний с капитализацией в сотни миллиардов, но тиражировать много компаний уровня «триллион» будет крайне сложно. 🪁
Войдите, чтобы посмотреть больше материала