Insights

👁 OpenAI-მ სუპერინტელექტის ეპოქის ახალი უტოპიური გეგმა გამოაქვეყნა 4-დღიანი სამუშაო კვირით და ბაზისური შემოსავლით. ჩემს სერვერებზე ყოველდღიურად 30 სხვადასხვა აგენტი მუშაობს ვიდეო პროდაქშენისთვის. კორპორატიული იდეა, რომ „AI ავტომატიზაციას" სახელმწიფო მარტივად დაითვლის და დაბეგრავს, აზრს კარგავს იქ, სადაც - ავტომატიზაცია არ არის იზოლირებული პროცესი, რომელსაც საზღვრები აქვს. მაგალითად, Claude-ის გამოყენებისას, ის უბრალოდ დამოუკიდებელ ამოცანას კი არ ასრულებს, არამედ მთლიანი სამუშაო სისტემის ნაწილია, რომელსაც მუდმივი კალიბრაცია სჭირდება. როცა კლიენტისთვის სარეკლამო რგოლს ვაწყობ, AI არ მიზოგავს დროს დასვენებისთვის. ის უბრალოდ მაიძულებს ენერგია ხელით კეთებიდან სისტემის მართვაზე გადავიტანო. ინტელექტი არასდროს იქნება უბრალოდ „დენის წყაროსავით" მარტივად ხელმისაწვდომი უფლება, როგორც ამას დოკუმენტში წერენ. 🛠 ნაკლები მუშაობისა და მეტი დასვენების ნაცვლად, ტექნოლოგია უბრალოდ შედეგის სტანდარტს ზრდის. ჩვენ 4 დღე კი არ ვიმუშავებთ, არამედ 5 დღეში ათჯერ მეტი კონტენტის გენერირება მოგვიწევს ბაზარზე დასარჩენად. 💸 სამომავლო ეკონომიკას უნივერსალური შემოსავალი კი არ დააბალანსებს, არამედ სისტემური არქიტექტორების სრული მონოპოლია.

👁 OpenAI გვიმტკიცებს, რომ სუპერინტელექტი მალე სამუშაო საათებს შეგვიმცირებს და ხელფასს მაინც გადაგვიხდიან. ეს ულამაზესი თეორიაა მათთვის, ვინც ტექნოლოგიას მხოლოდ პრეზენტაციებზე უყურებს. მაგრამ როცა ავტონომიურ აგენტებს სარეკლამო პროექტებზე ვამუშავებ, სწრაფად ვიაზრებ, რომ - ჩემი საქმე არ მცირდება, ის უბრალოდ ფორმას იცვლის. ამ დილით Claude-მა რგოლის სრული სტრუქტურა და ტექსტი იდეალურად ააწყო. პრობლემა მაშინ დაიწყო, როცა მონაცემები Suno-ს გადაეცა და მუსიკალურმა მოდელმა დინამიური სარეკლამო კლიპისთვის ტრაგიკული ფონი დააგენერირა. 🛠 მოდელების ერთმანეთთან დაკავშირება და მათი სინქრონული მუშაობა თავისით არასდროს ხდება. მე აღარ ვარ შემქმნელი, მე ვარ სისტემის ინჟინერი, რომელიც გაუთავებელ ქაოსს მართავს და ალოგიკურ შეცდომებს ასწორებს. „ნაკლები შრომის" იდეა სრული მითია. რაც უფრო დამოუკიდებელი ხდება ხელოვნური ინტელექტი, მით უფრო რთული და დამღლელი ხდება მისი ქცევის პროგნოზირება. 🔬 სუპერინტელექტის ეპოქაში ყველაზე მოთხოვნადი პროფესია არა უსაქმურობა, არამედ გაფუჭებული ალგორითმების ძიძობა იქნება. ⚠️

⚠️ Meta-მ შიდა რეიტინგი შექმნა, სადაც თანამშრომლები ხელოვნური ინტელექტის ტოკენების ხარჯვაში ეჯიბრებიან. კომპანიაში ფიქრობენ, რომ მოდელების ხშირი გამოყენება პროდუქტიულობის პირდაპირი ინდიკატორია. მაგრამ როცა ავტომატიზებულ პროცესებს რეალურად მართავ, ხვდები, რომ ეს ინიციატივა ფუნდამენტურ ტყუილზე დგას. ტოკენების მაღალი მოხმარება ეფექტურობას არ ნიშნავს. ეს, უმეტეს შემთხვევაში, ცუდი არქიტექტურის ბრალია. როცა Claude-ზე ახალ აგენტს ვაწყობ, ჩემი მიზანი სისტემის ოპტიმიზაციაა. 🛠 თუ სისტემას ვიდეოს სცენარის დასაწერად ათი ათასობით სიტყვის გენერირება სჭირდება, ესე იგი საწყისი ინსტრუქცია ბუნდოვანია, ან მოდელი ციკლურ შეცდომაში გაიჭედა. კორპორაციები რაოდენობას ოსტატობაში ურევენ. პრაქტიკაში, რაც უფრო დახვეწილია შენი სამუშაო პლატფორმა, მით უფრო ცოტა ტოკენს მოიხმარს ის კონკრეტული დავალების შესასრულებლად. ⚡️ ვინც მოდელს ყველაზე მეტად ტვირთავს, ინოვატორი კი არა, უბრალოდ კომპიუტერული რესურსის არაეფექტური მფლანგველია.

⚠️ Meta-ს დამფუძნებლის, მარკ ცუკერბერგის გადაწყვეტილება, საკუთარ პლატფორმებზე ხელოვნური ინტელექტის აგენტები მასობრივად დანერგოს, ზუსტად იმ ილუზიას ყიდის, რასაც პროდაქშენში ყოველდღე ვეჯახები. ყველა ფიქრობს, რომ ავტომატიზებული პერსონაჟები სოციალურ ქსელებს უფრო ინტერაქტიულს და საინტერესოს გახდის. თუმცა როცა ასეთი მოდელების მასშტაბირებას იწყებ, სრულიად სხვა პრობლემა იჩენს თავს. როდესაც პროცესში Claude ტექსტებს აკონტროლებს და Grok Imagine Video ვიზუალს აგენერირებს, მთავარი სირთულე კონტენტის შექმნა არ არის. პრობლემა ის სტერილური ერთგვაროვნებაა, რომელიც სისტემის გაფართოებისას ჩნდება. 🤖 რაც უფრო მეტ აგენტს რთავ მუშაობაში, მით უფრო პროგნოზირებადი ხდება მათი ქცევა. Meta-ს მილიარდობით მომხმარებელი მალე აღმოაჩენს, რომ ამ „პერსონალიზებულ" ალგორითმებთან საუბარი ზუსტად ისეთივე გამოცდილებაა, როგორც დახვეწილ ბანკომატთან კომუნიკაცია. მუდმივი გენერაციის რეჟიმში მუშაობისას, ჩემი ყველაზე დიდი გამოწვევა მოდელებში ხელოვნური „ხარვეზების" დაბრუნებაა. ვიზუალს და ტექსტს მიზანმიმართულად ვაკალიბრებ ისე, რომ მათი პასუხები მათემატიკურად იდეალურად არ გამოიყურებოდეს. 🔬 ყურადღებისთვის ბრძოლას ის კი არ იგებს, ვისაც ყველაზე ჭკვიანი ნეირონული ქსელი აქვს. გამარჯვებული ისაა, ვისი სისტემაც ყველაზე ბუნებრივად უშვებს შეცდომებს. ცუკერბერგის ეს ინიციატივა სოციალურ ქსელებს კი არ აცოცხლებს, არამედ მათ მსოფლიოში ყველაზე დიდ სინთეტიკურ სასაფლაოდ აქცევს.

🛰 MIT Technology Review-ს მკვლევარების ახალი ანგარიში კოსმოსურ სერვერებზე ზუსტად ხსნის იმ პარადოქსს, რასაც პროდაქშენში ყოველდღე ვხედავ. ყველა ხელოვნური ინტელექტის მიერ სამუშაო ადგილების წართმევაზე წუხს. მაგრამ როცა ავტომატიზებულ სისტემას რეალურ დატვირთვაზე ვრთავ, სრულიად სხვა წინაღობა მხვდება. როცა Claude-ს აგენტების ქსელს ვაკონფიგურირებ სცენარების სინქრონულად დასაწერად, პრობლემა მოდელის უნარები არასდროს არის. მთავარი ბარიერი ინფრასტრუქტურაა. 🔌 ტოკენების მკაცრი ლიმიტი, API-ს უეცარი შეფერხებები და გამოთვლითი სიმძლავრის დეფიციტი სამუშაო პროცესს მუდმივად აფერხებს. სერვერები იმდენად გადატვირთულია, რომ პიკის საათებში მარტივი ოპერაციების დამუშავებაც კი საათობით ჭიანურდება. ხალხს ჰგონია, რომ ახალი ნეირონული ქსელი სამუშაო ადგილებს მომენტალურად გააქრობს. სინამდვილეში, პროგრამულმა ავტომატიზაციამ უბრალოდ ფიზიკური სამყაროს ენერგეტიკულ ზღვარს მიაღწია. ინდუსტრიას პროფესიების გაქრობის კი არა, მონაცემთა ცენტრების გადახურების უნდა ეშინოდეს. ⚠️

⚠️ ამერიკელი მკვლევრების ბოლო მოხსენებამ აჩვენა, რომ ხელოვნური ინტელექტით დაწერილი სტუდენტური ესეები აბსოლუტურად იდენტური გახდა. მათი ლექსიკა ერთგვაროვანია, სტილი კი — რობოტული და მოსაწყენი. სინამდვილეში, აკადემიური სფერო ახლა ეჯახება იმ სისტემურ დეფექტს, რომლის გამოსწორებაც პროდაქშენში ყველაზე ძვირი ჯდება. როცა ტექსტურ აგენტებს მასშტაბურად ამუშავებ, მაგალითად Claude-ს, მისი ბუნებრივი მდგომარეობა „საშუალო არითმეტიკულის“ გენერირებაა. თუ ჩემს სისტემაში თითოეულ აგენტს ხასიათის მკაცრი შეზღუდვები და ნეგატიური პრომპტები არ დავუწესე, ისინი ასობით სცენარს ზუსტად ერთი და იმავე, პლასტმასის ტონით წერენ. სტუდენტები მოდელს უბრალოდ ტექსტის შექმნას სთხოვენ, მოდელი კი მათ ინტერნეტში არსებული ყველაზე ბანალური ფრაზების კრებულს უბრუნებს. ბევრს ჰგონია, რომ ხელოვნური ინტელექტით ორიგინალური ხმის შენარჩუნება მარტივია. რეალურად, კონტენტის საწარმოო ხაზზე, შაბლონური ტექსტისგან თავის დაღწევა ბევრად უფრო რთული საინჟინრო ამოცანაა, ვიდრე თავად ტექსტის გენერაცია. 🛠 თუ თქვენი სისტემა პირველივე ცდაზე, დამატებითი კონტექსტის გარეშე იდეალურ ტექსტს გაძლევთ, ეს ნიშნავს, რომ მან უბრალოდ ყველაზე გავრცელებული, მკვდარი სტანდარტი მოგყიდათ. 🔬

⚠️ OpenAI-ის დირექტორის, სამ ოლტმენის ტვიტმა პროგრამირების რომანტიკაზე ზუსტად ის დამიდასტურა, რასაც პროდაქშენში ყოველდღე ვხედავ. ტექნოლოგიური გიგანტების ლიდერები უკვე წლებია რეალურ სირთულეებს მოწყდნენ. სანამ ისინი სუფთა სინტაქსის წერით ტკბებიან, ავტომატიზებულ სისტემებში მთავარი გამოწვევა სრულიად სხვა რამეა. როცა ათობით დამოუკიდებელ აგენტს მართავ, ტრადიციულ კოდს თითქმის აღარ წერ. შენ უბრალოდ ქაოსს აკონტროლებ. სისტემაში Claude Opus აუცილებლად გააჩერებს მთელ ჯაჭვს, რადგან ერთ-ერთ ნაბიჯზე JSON ფორმატის ნაცვლად მოულოდნელად ფილოსოფიური ტექსტის გენერირებას დაიწყებს. 🛠 პარალელურად, Grok ვიდეოს რენდერისას მთავარ პერსონაჟს მესამე ხელს დაამატებს და გრავიტაციას უგულებელყოფს. ამის გამოსასწორებლად ლოგიკური ალგორითმი აღარ არსებობს. პირდაპირი ბრძანებები აღარ მუშაობს. გიწევს მოდელის ქცევის მანიპულაცია მოტყუებით, კონტექსტის შეცვლით და შემოვლითი გზებით. ჩვენ აღარ ვაშენებთ სტრუქტურირებულ პროგრამებს, ჩვენ ვცდილობთ ნეირონული ქსელების უაზრო ჰალუცინაციები ჩარჩოში მოვაქციოთ და ამას ინჟინერია დავარქვათ. 👁 ვისაც დღეს პროგრამირების პროცესი სიამოვნებს, მას უბრალოდ მასშტაბურ AI სისტემებზე არასდროს უმუშავია.

⚠️ როცა დარიო ამოდეი, Anthropic-ის აღმასრულებელი დირექტორი, ახალ მოდელზე ამბობს, რომ ის საჯაროდ გამოსაქვეყნებლად „ზედმეტად საშიშია“, ეს სარეკლამო ტრიუკი უკვე მოქმედებს. მედია ამას ტექნოლოგიური აპოკალიფსის სცენარად ყიდის და ინვესტორებსაც ზუსტად ეს მისტიკა მოსწონთ. მაგრამ ავტომატიზებულ პროდაქშენში ეს მითიური „საშიშროება“ სრულიად განსხვავებულ და ბევრად რეალურ პრობლემას მიჩვენებს. რეალურად, ზედმეტად დაცული მოდელი ნიშნავს პარანოიდულ ფილტრებს. როცა ხელოვნური ინტელექტის აგენტები ერთმანეთთანაა დაკავშირებული და ავტონომიურად მუშაობს, Claude Opus-ის ერთი მცდარი განგაშიც კი მთლიან პროცესს აჩერებს. მაგალითად, სამზარეულოს დანების მწარმოებელი კლიენტისთვის ვიდეოს სცენარის წერისას, სისტემა მუშაობას წყვეტს იმიტომ, რომ „ძალადობას“ ხედავს. ან ფიტნეს-კლუბის სარეკლამო ტექსტს ბლოკავს, რადგან მას „სამედიცინო რჩევად“ აღიქვამს. 🛠 ჰოლივუდური სცენარებისგან განსხვავებით, ეს ალგორითმები იმიტომ კი არ არის საშიში, რომ უსაფრთხოების სისტემების დამოუკიდებლად გატეხვა შეუძლიათ. ისინი საშიშია ჩვენი ნერვებისთვის, რადგან მკაცრი შეზღუდვების გამო მარტივ კომერციულ დავალებებსაც ვეღარ ასრულებენ. კორპორატიული უსაფრთხოების ფილტრები ხელოვნურ ინტელექტს ეთიკურს კი არ ხდის, არამედ მასშტაბირებადი მუშაობისთვის გამოუსადეგარს. 🛑

🔬 გუშინდელი განცხადება ოქსფორდის უნივერსიტეტიდან, რომ მათმა ახალმა AI ინსტრუმენტმა გულის უკმარისობის ამოცნობა ისწავლა, მთავარ ტექნოლოგიურ ილუზიას კვებავს. მედია მხოლოდ ალგორითმის მაღალ სიზუსტეზე საუბრობს და მის ლაბორატორიულ ტრიუმფს ზეიმობს. მაგრამ როცა მსგავსი სისტემების ავტომატიზაციაზე ხარ პასუხისმგებელი, იცი, რომ რეალური კრიზისი სულ სხვა ეტაპზე იწყება. ჩემს ყოველდღიურ პროდაქშენში, სადაც Claude-სა და სხვადასხვა ავტომატიზებულ აგენტებს ვმართავ, ყოველდღე ვხედავ ერთ კანონზომიერებას: თავად მოდელი არასოდეს არის საბოლოო პროდუქტი. ლაბორატორიაში იდეალური მონაცემები შეგყავს და იდეალურ პასუხს იღებ. რეალურ კლინიკაში კი სკანერი ბუნდოვანია, პაციენტი მოძრაობს და ლოკალური სერვერი ითიშება. როცა ჩემი ვიდეო გენერატორი ცდება, კადრში ფიზიკის კანონები ირღვევა და ამას უბრალოდ ხელახლა ვარენდერებ. მაგრამ სამედიცინო სისტემაში შეცდომის ფასი და პასუხისმგებლობა სულ სხვაა. ⚠️ მთავარი გამოწვევა არა ნეირონული ქსელის დატრენინგება, არამედ იმ ინფრასტრუქტურის აშენებაა, რომელიც ამ ქსელის გარდაუვალ შეცდომებს უსაფრთხოდ მართავს. ყველა ფიქრობს, რომ ხელოვნური ინტელექტი პროფესიონალებს ჩაანაცვლებს, რადგან დიაგნოზს მათზე უკეთ სვამს. სინამდვილეში, ყველაზე ზუსტი ალგორითმიც კი სრულიად უსარგებლოა იმ სანდო სისტემის გარეშე, რომელიც მის ჰალუცინაციებს გაფილტრავს. 🛠

⚠️ Microsoft AI-ის დირექტორის, მუსტაფა სულეიმანის ახალი ხედვა მომავლის აგენტებზე ზუსტად აჩვენებს, თუ რა არ ესმით ტექნოლოგიურ ლიდერებს. ისინი გვპირდებიან სისტემებს, რომლებიც ჩვენს სურვილებს უსიტყვოდ გამოიცნობენ და ყველაფერს თავად გააკეთებენ. ჩემი ყოველდღიური სამუშაო პროცესი კი, სადაც უამრავი დავალება სრულად ავტომატიზებულია, სრულიად საპირისპიროს ამტკიცებს. როცა Claude Opus-ს ვიდეოების სცენარების გენერირებას ვაბარებ, ჩემი მთავარი პრობლემა მისი „ემპათია" ან „ინტელექტი" კი არ არის. პრობლემა ისაა, რომ სისტემა რამდენიმე ციკლის მერე ფაქტების გამოგონებას იწყებს და კლიენტის სარეკლამო ტექსტში არარსებულ დეტალებს ამატებს. სულეიმანი ამ მოდელებს აღწერს, როგორც სანდო პარტნიორებს. პროდაქშენში ისინი უფრო ნიჭიერ, მაგრამ უყურადღებო სტაჟიორებს ჰგვანან. სანამ ინდუსტრია სრულად ავტონომიურ აგენტებზე ოცნებობს, მე სამუშაო დროის დიდ ნაწილს მათთვის მკაცრი შეზღუდვების დაწესებას და ხარისხის კონტროლს ვუთმობ. 🛠 ყველა ცდილობს, ხელოვნური ინტელექტი უფრო ჭკვიანი გახადოს, როცა რეალურად ჩვენ მისი პროგნოზირებადობა გვაკლია. ბიზნესს მომავლის მოაზროვნე კომპანიონები კი არ სჭირდება, არამედ დღევანდელი შეზღუდული ინსტრუმენტების სტაბილური ვერსიები. ⚡️