Нью-Йорк запретил использование искусственного интеллекта в начальных и средних школах, включая инструменты для обучения, проверки домашних заданий и коммуникации с родителями. Запрет касается всех публичных школ города и вводится из-за опасений по поводу влияния ИИ на развитие критического мышления, риска плагиата и неравного доступа к технологиям среди учащихся. Чиновники подчеркнули, что технологии должны поддерживать, а не заменять учителей и живого взаимодействия в классе.

Исключение сделано только для специализированных курсов по информатике в старших классах, где ИИ изучается как предмет, а не как инструмент обучения. Родители и педагоги выразили смешанную реакцию: некоторые applaudируют защиту детского развития, другие опасаются, что запрет отстает от реальности и готовит учеников хуже к будущему. В городе планируются альтернативные программы по цифровой грамотности без использования генеративного ИИ.

Большинство комментаторов поддерживают запрет как способ развить критическое мышление и сократить образовательное неравенство, поскольку более обеспеченные семьи уже используют ИИ дома. При этом многие согласны, что младшим ученикам нужно сначала научиться думать самостоятельно, а ИИ вводить позже как инструмент — аналогично калькуляторам. Спорные аргументы: @rps93 делится опытом использования ИИ в колледже для создания тестов и заметок, отмечая ускорение обучения и экономию на учебниках; @ytoawwhra92 ссылается на исследование 1997 года, показавшее, что калькуляторы в начальной школе не ухудшали арифметические навыки, предполагая аналогичный нейтральный эффект для ИИ; @rmason сравнивает запрет с запретом персональных компьютеров в 80-х, опасаясь отставания учеников NYC от сверстников. @pj_mukh отмечает, что личные устройства и «читающие» ИИ уже запрещены в классах, а эксперименты с новыми цифровыми инструментами проходят в частных и школах для одарённых, где родители активно вовлечены, — так что новый запрет лишь расширяет существующие ограничения. В качестве компенсации @WCSTombs указывает на планируемый курс по AI-грамотности в старших классах, а @mango7283 предлагает контролируемое внедрение по аналогии с подъёмником в спортзале — использовать для ускорения, но не заменять собственные усилия.

Тарн Адамс, создатель Dwarf Fortress, считает, что игровая индустрия находится в кризисе из-за бездумного внедрения генеративного ИИ и массовых увольнений, инициированных руководителями, которые не понимают сути творческого труда. Он отмечает, что руководители стремятся заменить людей кнопкой, генерирующей контент, но такой подход неустойчив и ведёт к коллапсу, сравнивая ситуацию с повторяющимися циклами эксплуатации труда, которые существовали ещё до ИИ. Адамс приводит личный пример: его отца уволили с очистных сооружений, потому что руководство не поняло его работу, а позже компания развалилась — история повторяется в игровой индустрии.

Он критикует иллюзию, что ИИ может воспроизвести качество человеческого труда, особенно когда руководители сами не разбираются в технологиях, но настаивают на их использовании. Адамс также шутит, что теперь вынужден говорить о «поведении гномов» вместо «ИИ гномов», так как термин «ИИ» стал токсичным из-за его искажённого применения. По его мнению, проблема не нова — это паттерн непонимания и обесценивания труда теми, кто им не занимается, но генеративный ИИ усилил самообман управленцев, которые принимают имитацию за реальную продуктивность.

Обсуждение уточняет: рост поставки контента из‐за ИИ оспаривается, но согласовано, что внимание пользователей ограничено и ценность смещается к кураторству. Прибыльность индустрии неоднозначна (рост выручки не равен росту прибыли из‐за расходов и инфляции), управление и массовые увольнения воспринимаются как хронические, а текущий ИИ‐контент — низкокачественный и пока не заменяет творческих специалистов. Цифровой контент почти без предельных издержек, поэтому внимание становится дефицитом. Спор: одни (@munificent) утверждают, что поставка контента выросла в 10 раз, другие (@asdff) — что реального роста объёма нет, лишь увеличилось количество спама и низкокачественного материала. Участники с опытом 90‐х и 00‐х описывают игровую индустрию как исторически плохо управляемую, с частыми увольнениями и фокусом на интересы акционеров. Советы: перейти к модели финансирования до создания продукта; сосредоточиться на отборе и фильтрации вместо бесконечного добавления функций; разделять вакансии на специалистов по игровому ИИ и по крупным языковым моделям. ИИ‐дисрупция затронет все программные отрасли, а не только игры.

EFF призывает суды не поддаваться панике вокруг ИИ и не переписывать авторское право под давлением правообладателей. История показывает, что подобные страхи уже возникали — с видеомагнитофонами в 1980-х, пианино-автоматами в 1906 году и фотоаппаратами — но каждый раз технологии не убивали творчество, а, наоборот, расширяли его: видеомагнитофоны позволили время-сдвиг, фотоаппараты дали толчок fotожурналистике. Авторское право должно стимулировать новые идеи и рынки, а не защищать существующих монополистов от конкуренции.

Судьи уже получили аргументы от EFF в делах вроде Concord Music Group v. Anthropic и In re Mosaic LLM Litigation: требование расширить авторское право на не infringing работы, созданные другими с помощью ИИ, основано на спекулятивной теории «размытия рынка» — будто бы генеративные инструменты не могут быть fair use, потому что могут порождать конкурирующие произведения. Но это противоречит сути авторского права: оно наказывает нарушение, а не конкуренцию. Принятие такой теории дало бы правообладателям вето на любое выражение, отдалённо напоминающее их работу — стили, жанры, приёмы — и убило бы будущее творчество.

Кроме того, исследования показывают, что большие модели ИИ маловероятно производят прямое копирование: чем больше данных, тем меньше влияние любого отдельного примера. А ИИ уже используется художниками — от Nettrice Gaskins, создающей Afro-футуризм, до архитекторки MIT Ana Miljački, сделавшей документальный фильм о югославских мемориалах, и музыкантов, работающих с Bronze над неповторяющимися треками. Суды не должны заранее решать, что считать «человеческим творчеством» — как и с VTR, ИИ — универсальный инструмент, и его последствия надо оценивать фактами, а не паникой. Переписывание права под хайп только навредит прогрессу.

Обсуждение дополняет статью EFF: проблема не в ИИ, а в перекосе авторского права в пользу корпораций, чрезмерной длительности защиты и отсутствии справедливой компенсации создателям. При этом почти все согласны, что полная отмена авторского права уничтожит экономику творчества. Спор об отмене: сторонники видят в этом ускорение инноваций, противники — потерю единственного механизма дохода для художников, особенно при низкой оплате стримингом. Спор об AI-обучении: одни считают его справедливым использованием, другие — массовой эксплуатацией труда творцов без компенсации, в отличие от строгого применения fair use в прошлом. Часть участников полагает, что AI-компании должны платить за данные для обучения, поскольку это не аналог человеческого обучения — мозг не копируется массово и не используется в коммерческих целях без согласия. Другие возражают: AI не копирует, а трансформирует, хотя модели обучены на миллионах защищённых произведений без согласия. Почти все согласны, что текущий срок (жизнь автора + 70 лет) чрезмерно длинен и должен быть сокращён до 20–28 лет, как у патентов. Предлагается вернуться к системе 28 лет с возможностью продления по образцу Statute of Anne, чтобы устранить абсурды вроде ситуации с песней «Happy Birthday». Авторское право должно сохраняться в короткой форме: дать автору время на монетизацию, затем передать произведение обществу — это баланс между стимулированием творчества и культурным доступом. Копилефт зависит от авторского права — его отмена уничтожит лицензии GPL и другие системы открытого кода. Один участник утверждает, что авторское право было создано печатными гильдиями для восстановления монополии, а не для защиты авторов, ставя под сомнение его моральную основу. Другой считает, что отмена приведёт к тому, что Amazon будет публиковать книги без оплаты, что сделает писательство невозможной профессией. Подчёркивается также, что фильмы с бюджетами в миллионы долларов невозможно создать без хотя бы ограниченной защиты. Музыкант, работающий под CC0, настаивает: любые изменения должны быть добровольным выбором создателей, а не навязанными корпорациями или законодательством. Все согласны, что текущая система злоупотребляется крупными компаниями для монополизации, а не защиты творцов (примеры Disney, DMCA). Один участник утверждает, что EFF поддерживает Big-AI и отошёл от принципов свободы информации. Предложение: ограничить авторское право коммерческим использованием, разрешив свободное некоммерческое копирование при сохранении защиты от эксплуатации со стороны медиакомпаний.

Debian проголосовало за «ответственное использование генеративного ИИ» в разработке, поддержке и документации проекта. Решение не запрещает и не одобряет использование LLM, но подчеркивает, что все вклады должны соответствовать тем же стандартам качества, корректности, поддерживаемости и правовой соответствия, независимо от инструментов. Ответственность за результат остаётся у участника: он должен проверять, тестировать и при необходимости модифицировать вывод ИИ перед включением в Debian.

Голосование показало отказ от крайних позиций: полные запреты на ИИ (варианты 1 и 3) набрали меньше голосов, чем «Ни один из вышеперечисленных», что указывает на неприязнь к невыполнимым правилам. Участники отмечают, что строгий запрет был бы невозможен в таком большом проекте, а разрешение с акцентом на ответственность — прагматичный компромисс. Некоторые выражают опасения по поводу будущих проблем с поддержкой из-за потенциальной безответственности использования ИИ, но согласны, что текущий курс избегает разрушительных «охот на ведьм» и сохраняет гибкость мейнтейнеров.

Обсуждение добавляет к статье практический контекст: голосование интерпретируется как отказ от экстремумов, нейтральная опция победила все альтернативы попарно (Condorcet winner), а отсутствие pro-LLM вариантов указывает на разрыв между авторами предложений и избирателями.

• Суть политики — «каким бы инструментом ни был сделан вклад, ответственность несёт автор»: @chuckadams и @matheusmoreira поддерживают именно качественный фильтр, независимый от происхождения кода.

• Принцип «понимай код так, будто набрал его сам» как рабочая эвристика: @Tubelord формулирует критерий приёмки, @NietTim напоминает, что этот стандарт существовал задолго до LLM.

• Спор: @shevy-java против итога голосования, считая нейтральную опцию фактическим одобрением LLM; @lowsong называет это «голосованием за slop». @tulio_ribeiro возражает анализом — Option E победила все альтернативы попарно (даже Option 2 с перевесом 57.8% против 42.2%), с 99.9993% пост-вероятностью по Bradley-Davidson, то есть исход не размытый.

• Спор: @sheepscreek и @gentlerain настаивают на прагматичном принятии LLM и невозможности запрета, @Grimeton возражает, что без определения «responsible» политика бессодержательна и оставляет статус-кво.

• Спор: @onesandofgrain и @seizethecheese обсуждают разные формы «slop»: первый видит риск в падении компетенции ревьюеров, второй — что настоящий вред возникает не на уровне строк, а на архитектурном (Claude используется для пропуска этапа проектирования).

• Совет: @GZGavinZhao ссылается на практику self-assessed AI level для контрибуций (visidata.org) как удобный способ коммуницировать уровень LLM-ассистента ревьюерам и экономить их время.

• Совет: @new12 ищет открытую политику кодинга, которую можно скормить агентам, и стандарт ревью при agentic-инструментах; конкретного ответа в треде нет.

• @jhack и @baggy_trough считают, что «истеричные» возражения проиграли; @dooglius добавляет наблюдение: корреляция голосования с pro-LLM позицией была почти линейной, но pro-LLM варианта в списке не было, что показывает разрыв между авторами предложений и избирателями.

• @kurthr ставит вопрос о правовой устойчивости: суды США сужают copyright на AI-вывод, open source традиционно полагается на авторское право для enforcement, а требование «mental conception» для копипаста не переносится на генерацию.

• Совет: @firefax описывает личный кейс применения LLM: для короткого shell-скрипта с визуальной проверкой ИИ полезен, чтобы не тянуть «теневой бинарь с UI».

• @TZubiri отмечает специфику Debian: проект не пишет код, основная нагрузка — review, упаковка, доки и поддержка, поэтому дебаты об AI касаются Debian иначе, чем кодопроизводящих проектов.

Qwen‑Image‑3.0 представляет третье поколение базовой модели генерации изображений, где ключевое слово — «Real» (实). Модель сочетает три возможности: богатый контент — поддержка до 4,5 к токенов ввода, позволяющая создавать сложные раскладки газет, сценариев и экзаменационных листов; аутентичные детали — точное воспроизведение мелкого текста размером 10 пкс и микроскопических деталей вроде пор и волос; глубокие знания — нативная работа с 12 языками и имитация веб‑страниц, игр и стримов, опирающаяся на обширные знания мира. Например, за один запрос модель нарисовала 3×3‑ячейковый набор сложных инфографик, а описание всех ячеек заняло 3,7 к токенов, но изображение получилось целостным.

Цель проекта — перевести генерацию картинок от «приятного» к «полезному», сделав её продуктивным инструментом в реальных задачах. Благодаря поддержке длинных инструкций, точности мелких деталей и широким знаниям, Qwen‑Image‑3.0 уже применяется для создания газет‑PDF, стрит‑драмы‑сторибордов и сложных интерфейсов, а также в дизайне, контент‑создании, образовании и электронной торговле. Как подчёркивают разработчики, модель «не просто красиво выглядит, а реально работает», открывая путь к массовому использованию в профессиональных потоках.

Обсуждение ставит под сомнение заявленную точность модели и критикует отсутствие открытых весов, бенчмарков и прозрачности. В примерах с корейским текстом находят системные ошибки — смешение символов, искажённые слова и глаголы, — опровергающие обещанную точность генерации текста; тесты на chat.qwen.ai выявляют анатомические артефакты (третья нога, светящиеся глаза), а простой график роста ВВП Польши выходит мусорным. Жёлтый оттенок, идентичный GPT-Image-1, наводит на мысль об обучении на его выходах, бракованное арабское заглавное изображение подрывает доверие к демонстрациям, а механизм связывания текста с картинками без миллионов аннотированных пар остаётся неясным. Сообщество разочаровано отсутствием сроков публикации весов и «пластиковой» эстетикой одинаковых идеализированных лиц, из-за чего заявления об «аутентичности» выглядят парадоксально. Из практики отмечают, что в OCR по-прежнему лидирует Gemini и платные решения всё ещё нужны, спрашивают, требуются ли модели установленные шрифты, и рассуждают, как реалистичные продукт-фото изменят поведение потребителей.

Apple has just filed a lawsuit in a California federal court, accusing former Apple engineers of pilfering the company’s closely guarded trade secrets and handing them to OpenAI. The complaint alleges that these ex‑employees transferred confidential details about Apple’s neural‑network architecture, data‑handling pipelines and proprietary training methodologies to the AI startup, giving it a shortcut that would normally require years of independent research. Apple contends that the stolen knowledge was used to accelerate OpenAI’s large‑language‑model capabilities, effectively letting the rival leapfrog ahead in the race for generative AI.

Apple frames the dispute as a clear case of intellectual‑property theft, quoting the lawsuit: “This case is about Apple’s former employees stealing Apple’s trade secrets for the benefit of OpenAI. Apple brings this suit to put a stop to it.” The company seeks an injunction to halt further misuse, monetary damages, and a court order forcing OpenAI to return or destroy the stolen material. By acting, Apple wants to safeguard the proprietary technology behind its own AI efforts and deter future breaches of confidentiality.

• Apple подала иск против OpenAI, обвиняя компанию в краже коммерческих секретов и приманке сотрудников Apple, обещая им работу в OpenAI при условии передачи конфиденциальной информации.
• В иске упоминаются практики OpenAI, при которых новые сотрудники тайно копируют данные Apple, включая внутренние отчёты и контакты с поставщиками, чтобы использовать их в обучении моделей.
• Юристы отмечают, что у Apple есть ресурсы и опыт для судебных битв, что может привести к серьёзным последствиям для OpenAI и её будущим проектам.
• Дискуссия поднимает вопросы этики и законности использования чужих данных в генеративном ИИ, что может повлиять на восприятие отрасли в целом.

Каждую минуту на сайте AI World Clocks отображаются новые часы, сгенерированные девятью разными AI-моделями. Каждая модель получает 2000 токенов для создания уникального дизайна аналоговых часов с анимированной секундной стрелкой, адаптивным дизайном и белым фоном. Проект представляет собой постоянную демонстрацию творческих возможностей ИИ в создании простых, но визуально разнообразных объектов.

Идея проекта принадлежит Брайану Муру, который вдохновился работой Мэтью Рейфилда. Каждые 60 секунд пользователь видит совершенно новый набор часов, демонстрирующий, как разные ИИ-модели интерпретируют одну и ту же задачу по-разному. Это интересный пример творческого применения генеративного ИИ для создания повседневных объектов, где функциональность сочетается с уникальным визуальным стилем.

• Kimi K2 демонстрирует наибольшую точность и стабильность при генерации циферблатов, включая корректное отображение секундной стрелки.
• Qwen 2.2 и 2.5 выделяются креативными, но часто абсурдными решениями, напоминающими сюрреализм (например, искажённое расположение цифр).
• Большинство моделей испытывают трудности с базовыми задачами: правильным размещением цифр, отображением 13 часов или точным временем.
• Отсутствие визуальной обратной связи у ИИ приводит к непредсказуемым результатам и "когнитивной перегрузке" при решении логических задач.
• Проект сравнивают с тестом на деменцию ("нарисуй часы") и рассматривают как новый "тест Тьюринга" для оценки качества LLM.

Netflix опубликовал руководство по использованию генеративного ИИ в производстве контента, рассматривая эти инструменты как ценные творческие вспомогательные средства при прозрачном и ответственном применении. Компания ожидает, что все партнеры будут сообщать о любом планируемом использовании ИИ, особенно когда вывод включает финальные материалы, сходство с актерами, персональные данные или объекты третьих лиц, требующие письменного одобрения. Большинство низкорисковых случаев, следующих основным принципам, вряд ли потребуют юридической проверки.

Netflix выделил пять ключевых принципов: выходные данные не должны воспроизводить защищенный контент, инструменты не должны хранить или обучаться на производственных данных, сгенерированный материал должен быть временным и не входить в финальную версию, а ИИ нельзя использовать для замены актерских выступлений без согласия. Компания также предупреждает о случаях, всегда требующих письменного одобрения, включая использование проприетарной информации или создание ключевых творческих элементов с помощью ИИ.

• Netflix и другие студии продолжают настаивать на том, что не используют ИИ для замены актёров, но при этом продолжают использовать ИИ для замены актёров, что вызывает вопросы о том, что они могут быть нечестны в этом вопросе.
• Использование ИИ в креативной индустрии продолжает быть спорным вопросом, особенно когда речь идет о правах интеллектуальной собственности и о том, как ИИ может быть использовано для замены людей, которые создают контент.
• В то же время, когда ИИ используется для создания контента, это может вызвать вопросы о том, кто будет владеть правами на этот контент и как это может повлиять на будущее креативной индустрии.
• Использование ИИ в креативной индустрии может быть связано с этическими вопросами, особенно когда речь идет о том, как ИИ может быть использовано для замены людей, которые создают контент, и о том, как это может повлиять на будущее креативной индустрии.
• В то же время, когда ИИ используется для создания контента, это может вызвать вопросы о том, кто будет владеть правами на этот контент и как это может повлиять на будущее креативной индустрии.

В предоставленном фрагменте отсутствует содержательная информация о репозитории character-ai/Ovi. Это лишь навигационное меню и общие элементы интерфейса GitHub без описания самого проекта. Нет данных о функциональности, целях или особенностях Ovi.

Для создания содержательного пересказа требуется информация из README-файла или описания репозитория, которая отсутствует в данном фрагменте. Без этих деталей невозможно определить, представляет ли собой Ovi инструмент, библиотеку, приложение или что-то иное от character-ai.

• Обсуждение вращается вокруг быстрого прогресса в генеративном ИИ: отдельные инструменты сливаются в единое решение, и теперь можно запускать модели локально.
• Участники обсуждают, как быстро ИИ-видео может дойти до «блокбастера» и как это повлияет на индустрию.
• Поднимаются вопросы этики: deep-fake, влияние на детей, коммерческое использование и монетизация.
• Участники также обсуждают, что влияние ИИ на креативную индустрию может быть негативным для художников и сценаристов.
• И наконец, обсуждается, что если ИИ сможет создавать полнометражные фильмы, то это может привести к концу традиционного кино.

OpenAI активно собирает отзывы о Sora и готовится внести изменения. Правообладатели получат более детальный контроль над генерацией персонажей — смогут указывать, как их можно использовать, включая полный запрет. Многие из них видят потенциал в «интерактивной фанфикшн» и ожидают роста вовлечённости.

Также компания ищет способ монетизации генерации видео, поскольку пользователи создают контента больше ожидаемого. Часть доходов планируется делиться с правообладателями, чьи персонажи используются. OpenAI предупреждает, что возможны ошибки в процессе, но обещает быстро реагировать на фидбэк и постоянно совершенствовать систему.

• OpenAI столкнулась с юридическими угрозами от правообладателей (включая Ghibli и Nintendo) из-за генерации контента с использованием их IP, что привело к введению строгих ограничений на создание видео.
• Компания осознала необходимость монетизации генерации видео из-за высоких вычислительных затрат и планирует внедрить плату за использование, а также рассмотреть возможность распределения доходов с правообладателями.
• Пользователи выражают разочарование из-за резкого ужесточения ограничений, которые теперь блокируют создание контента по мотивам даже не самых известных игр и франшиз.
• В сообществе распространено мнение, что изначальное разрешение генерации защищённого контента было осознанным PR-ходом для роста популярности, а не ошибкой.
• Подход OpenAI к решению проблемы воспринимается многими как лицемерный, неискренний и технически сложный для реализации на практике.

OpenAI превратилась в хаотичный конгломерат без чёткой стратегии, пытаясь казаться всем сразу: соцсетью с генеративным видео, конкурентом Microsoft в продуктивности, платформой для найма, рекламным бизнесом, поставщиком вычислений, разработчиком чипов и даже производителем потребительского железа. Эти утечки в СМИ служат одной цели — раздуть оценку компании перед новыми раундами финансирования, ведь ей нужно $1 трлн в ближайшие годы.

На деле это скучный и убыточный софтверный бизнес: 20 млн платных подписчиков ChatGPT и 5 млн корпоративных (полмиллиона из них — скидочные места для университета) генерируют основную выручку, но траты колоссальны. GPT-5 оказался провалом — дороже в эксплуатации без реального улучшения возможностей. Компания теряет фокус, а её агенты и «новые продукты» остаются лишь проекциями на 2027 год.

• Критика финансовой модели OpenAI: обсуждение методов амортизации затрат на модели (3-12 месяцев против 3 лет) и высокой стоимости инференса, что ставит под вопрос реальную прибыльность.
• Признание масштаба и влияния OpenAI: 800 млн активных пользователей и быстрое распространение передового ИИ, сравнимое с появлением интернета и мобильных технологий.
• Дебаты о конкурентных преимуществах (moat): отсутствие технологического рва, давление со стороны открытых моделей (DeepSeek) и крупных игроков (Google), зависимость от государственной поддержки и финансирования.
• Оценка продуктов и дороги к AGI: полярные мнения о GPT-5 и Sora 2 (от "разочарования" до "впечатляющих"), скептицизм насчет скорого перехода к AGI и смещение фокуса на коммерциализацию.
• Обвинения автора исходного поста (Ed Zitron) в предвзятости, сенсационности и использовании "яростного байта" для продвижения собственного бизнеса на подписках.

Suno Studio — это веб-платформа для создания музыки с помощью искусственного интеллекта, позволяющая пользователям генерировать треки по текстовым описаниям. Она предлагает интуитивный интерфейс, где можно указать жанр, настроение, инструменты и даже добавить вокал, получая готовые композиции за секунды.

Сервис демократизирует музыкальное производство, делая его доступным даже для новичков без специальных навыков. Пользователи отмечают высокое качество звука и креативные возможности, хотя иногда AI может выдавать неожиданные результаты. Это инструмент для быстрого прототипирования, вдохновения или просто развлечения, расширяющий границы творчества.

• Музыканты и энтузиасты разделились во мнениях: одни видят в Suno мощный инструмент для творчества и исследования звука, другие считают его лишённым души и чувства достижения.
• Ключевые обсуждаемые особенности Suno: переход к браузерной DAW, генерация качественного контента, включая MIDI и stems, а также вопросы авторских прав и коммерческого использования.
• Поднимаются вопросы этики использования ИИ: заимствование чужих работ для обучения моделей и потенциальная девальвация человеческого труда в музыке и искусстве.
• Отмечается стремительный прогресс качества генерации (Suno v5), что делает музыку неотличимой от профессиональной для большинства слушателей, но эксперты могут определить искусственное происхождение.
• Высказываются опасения о насыщении рынка однообразным контентом и влиянии ИИ-инструментов на будущее профессии музыканта и процесс обучения.

Массовое внедрение генеративного ИИ привело к парадоксу: компании активно внедряют ИИ-процессы, но 95% организаций не видят измеримой отдачи от инвестиций. Количество полностью автоматизированных процессов удвоилось за год, использование ИИ на работе также выросло вдвое с 2023 года, однако реальная продуктивность не увеличивается.

Вместо эффективности ИИ генерирует «ворк-слэп» — бессмысленные задачи, такие как автоматизированные отчеты, переписывание текстов и бесконечные правки. Это создает иллюзию занятости, но отвлекает от ценной работы, усиливая выгорание и снижая креативность. Ключевая проблема — слепое доверие к ИИ без критической оценки его output, что превращает технологии в инструмент бюрократии, а не прогресса.

• Руководство предписывает обязательное использование ИИ в работе и требует отчётов о повышении продуктивности, не учитывая возможное негативное влияние.
• Участники критикуют слепую веру руководства в возможности ИИ, сравнивая это с маркетинговой шумихой и отмечая отсутствие у менеджеров технических знаний.
• Генерируемый ИИ контент (тексты, код) часто описывается как низкокачественный, многословный и неточный, что увеличивает нагрузку на сотрудников, вынужденных его проверять и исправлять.
• Обсуждается парадокс: внедрение ИИ, призванное повысить эффективность, может привести к её снижению из-за роста бюрократии и производства бесполезного контента.
• Некоторые предлагают саботировать требование отчётов, используя для их генерации тот же ИИ или просто выдумывая результаты.

Изучай по-своему: Переосмысление учебников с помощью генеративного ИИ

Исследования Google

Кто мы

Создаем технологии сегодняшнего и завтрашнего дня. Стремимся к созданию среды для разнообразных исследований с разными временными масштабами и уровнями риска.

Области исследований

• Фундаментальное ML и алгоритмы: теория алгоритмов, управление данными, машинное восприятие, NLP
• Вычислительные системы и квантовый ИИ: распределенные системы, квантовые вычисления, робототехника, безопасность
• Наука, ИИ и общество: климат и устойчивость, инновации в образовании, здравоохранение, взаимодействие человека и компьютера

• Пользователи обсуждают потенциал ИИ-инструментов для персонализированного обучения, отмечая как преимущества (бесконечное терпение, возможность углубляться в темы), так и серьёзные недостатки (фактические ошибки, выдумывание информации, высокая стоимость инфраструктуры).
• Критики выражают сомнения в эффективности и целесообразности замены учителей ИИ, указывая на риск снижения качества образования, антиинтеллектуализм и отсутствие подотчётности за вредоносные или ложные выводы модели.
• Многие комментаторы проводят параллели с концепцией «Иллюстрированного букваря для юной леди» из романа «Алмазный век» Нила Стивенсона, видя в проекте шаг к подобному будущему.
• Поднимается вопрос о методологии исследования Google: отсутствие контроля в виде печатного учебника и сравнения с не-ИИ интерактивными форматами, что ставит под сомнение заявленные преимущества.
• Обсуждается фундаментальная проблема школьного образования — необходимость заинтересовать и заставить учиться всех детей, а не только мотивированных, и сомнения, что ИИ способен решить эту задачу.

Anycrap – магазин бесконечных товаров
Доставка по всему миру, горячие скидки.

Поиск: назови желаемое – найдём в параллельных мирах.

Популярно:

• Дикий технохлам
• Космические снеки
• WTF-товары

100 % уникальные концепции
Идея → картинка на экране за секунды.

Товар ещё не придуман?
Назови – мы изобретём.

Письма о несуществующих новинках – подпишись.

contact@anycrap.shop
© 2025 – товары завтрашнего дня (но не настоящие).

• Проект anycrap.shop — генератор абсурдных «товаров» с картинками и описаниями; автор в шоке от 15 000 созданий и исчерпанных токенов.
• Пользователи смеются над безумными идеями, «покупают» несуществующее, просят добавить фейковые трекинги, избранное и продажу реальных мерча.
• Обсуждают деньги: кто-то видит маркетплейс для мелких производств, кто-то боится счёта за инференс.
• Отмечают слабость ИИ к отрицанию («no lace» → кеды с шнурками) и повторяющийся визуальный стиль картинок.
• Просят раскрыть стек, промпты, модель генерации; просят «мерчант-акки» и экспорт коллажей.

95 % компаний не получают отдачи от $30 млрд, потраченных на генеративный ИИ, — MIT

• Исследование MIT: только 5 % проектов приносят измеримую пользу.
• Причины: нечёткие KPI, отсутствие данных, недостаток навыков персонала.
• Вывод: без стратегии и качественных данных ИИ превращается в дорогую игрушку.

• 5 % проектов приносят деньги, 95 % — нет: основная причина — отсутствие чёткого плана и метрик.
• Реальные экономии уже есть: автоматизация пост-обработки звонков в кол-центрах экономит миллионы.
• Рынок перегрет: многие запускают «AI-инициативы» ради хайпа и финансирования, не ради пользы.
• Компании тратят деньги на консультантов и маркетинг вместо решения конкретных задач.
• Наблюдается спад доверия («Trough of disillusionment»), но технология остаётся ценной как встроенная функция, а не как отдельный продукт.