# Эпоха ИИ: Цивилизационный поворот, медицина и границы разума

Источник: https://www.youtube.com/watch?v=N5AQFYtqx8Q
Канал: Andrew Huberman
Опубликовано: 10.08.2026

---

Искусственный интеллект видит мир не так, как человек: за каждой плавной генерацией видео или диагнозом скрывается лишь гигантская библиотека статистических паттернов, лишённая подлинного сознания. Профессор Стэнфорда Фей-Фей Ли и нейробиолог Эндрю Губерман обсуждают, почему современная революция глубокого обучения требует не слепого восхищения, а сохранения человеческой субъектности, этики и критического мышления.

## 👁️ Зрение как колыбель интеллекта: от биологической эволюции к нейросетям
[[JUMP:04:10]]

Для понимания природы искусственного интеллекта необходимо обратиться к биологическим истокам, а именно — к эволюции зрения. Эндрю Губерман и Фей-Фей Ли сходятся во мнении, что именно способность видеть стала фундаментом как животного, так и машинного разума [4:10]. Фей-Фей Ли выделяет два параллельных пути: биологическую эволюцию восприятия и развитие компьютерного зрения [4:24].

История биологического зрения началась примерно 540 миллионов лет назад в глубинах океана, когда у первых животных, таких как трилобиты, появились светочувствительные клетки [4:53]. До этого момента организмы обладали лишь зачатками осязания, но не имели ни слуха, ни развитой нервной системы [5:08]. Появление фоторецепторов создало мощнейший эволюционный импульс: способность видеть внешнюю среду радикально изменила взаимодействие существ с миром [5:22]. Зрение позволило активно искать пищу и партнеров, а также избегать участи стать чьим-то обедом [5:50]. 

Палеонтологические данные подтверждают, что всего через 10 миллионов лет после появления первых «глаз» произошел так называемый «Кембрийский взрыв» — резкое ускорение биологического разнообразия и специализации видов [6:18]. В человеческом организме наследие этой эпохи сохраняется и по сей день: по оценкам ученых, около 50% активности коры головного мозга связано с обработкой визуальной информации [6:45]. Примечательно, что в процессе развития ребенка визуальное восприятие мира предшествует вербальному, формируя основу для будущего обучения [6:58].

### Биологическая архитектура и рождение алгоритмов
[[JUMP:07:30]]

Связь между нейробиологией и компьютерными науками уходит корнями в середину XX века. В начале 1950-х годов, когда компьютерные ученые только начинали экспериментировать с первыми нейронными сетями [7:42], нейробиологи Дэвид Хьюбел и Торстен Визел проводили свои революционные исследования [7:55]. Они записывали активность нейронов в мозге млекопитающих и обнаружили иерархическую структуру: нервные клетки организованы слоями, которые передают информацию друг другу по цепочке [8:08]. 

Процесс начинается с регистрации света сетчаткой и проходит через иерархию, пока мозг не распознает конкретную форму [8:22]. Эта биологическая архитектура стала прямым источником вдохновения для создания алгоритмов искусственных нейронных сетей [8:34]. Хотя современные модели оперируют сотнями миллиардов и даже триллионами параметров, что значительно сложнее первых записей в мозге животных, их фундаментальный принцип — иерархическая передача данных — остается общим с биологическими прототипами [8:49].

### Революция 2012 года: ImageNet и триединство успеха
[[JUMP:09:18]]

Долгое время искусственный интеллект развивался преимущественно в лабораториях как область машинного обучения, где ученые пробовали разные подходы — от байесовских методов до метода опорных векторов [9:30]. Фей-Фей Ли вспоминает, что в 2006 году, будучи молодым профессором в Принстоне, она заметила критическую проблему: алгоритмы пытались учиться на слишком малых объемах данных [10:15]. 

Обратившись к когнитивной нейробиологии, она увидела поразительный контраст: человеческий ребенок к шести годам способен распознавать десятки тысяч категорий объектов благодаря колоссальному объему визуального опыта, который он получает с рождения [10:43]. Гипотеза Ли заключалась в том, что отсутствие прогресса в ИИ связано не только с качеством алгоритмов, но и с дефицитом данных [10:58]. Это привело к созданию проекта ImageNet — беспрецедентного набора данных из 15 миллионов изображений, собранных из интернета [11:28].

Целью ImageNet было научить машины распознавать повседневные объекты: от чашек до микрофонов [11:42]. К 2012 году произошла историческая конвергенция трех ключевых факторов, определивших современную эпоху ИИ:

*   **Большие данные:** масштабная база ImageNet обеспечила «топливо» для обучения [11:28].
*   **Алгоритмы глубокого обучения:** нейронные сети достигли необходимой зрелости [13:35].
*   **Мощности GPU:** графические процессоры позволили распараллелить вычисления и достичь необходимой скорости [13:21].

В рамках ежегодного конкурса ImageNet Challenge в 2012 году нейронные сети показали резкое снижение уровня ошибок, что стало точкой перегиба для всей индустрии [16:38]. Для сравнения: человеческий уровень ошибок при классификации тысячи различных категорий объектов (включая редкие породы собак) составляет около 4% [16:51]. В 2012 году машины еще не превзошли человека, но совершили гигантский скачок, а уже к 2016 году алгоритмы стали справляться с этой задачей точнее людей [17:32].

Этот успех в области зрения открыл «шлюзы» для других направлений ИИ [21:46]. Технологии распознавания речи, звуков и естественного языка получили аналогичный импульс. Позже, с появлением архитектуры Transformer в 2017 году [22:27], акцент сместился на обработку текста, что в конечном итоге привело к созданию таких моделей, как ChatGPT [23:21]. Как отмечает Фей-Фей Ли, рецепт успеха остался прежним: еще более мощные нейросети, еще больше данных из интернета и еще более производительные GPU [22:55]. Ранее в разговоре они также кратко упоминали, что обучение ИИ на данных интернета имеет как сходства, так и серьезные отличия от того, как учится человеческий мозг.

## 🧠 Статистика против интуиции: Как обучается ИИ и где проходят границы его творчества
[[JUMP:25:03]]

### Обучение ИИ: почему ребенку нужно 10 кошек, а нейросети — миллиарды
[[JUMP:27:55]]

Переход от классического машинного обучения к современным большим моделям ознаменовал смену парадигмы: от жестко прописанных правил к обучению на колоссальных массивах данных [25:55]. Ранее ученые пытались «объяснить» компьютеру мир через логические фильтры — например, ограничивая поиск до десяти видов животных [26:34] или задавая правила контекста (если объект в помещении, это вряд ли лиса) [26:08]. Современные системы вроде GPT или Gemini работают иначе: они активируют «обученные веса» и параметры, основываясь на паттернах, извлеченных из огромного объема информации [27:28]. Именно это позволяет им распознать кошку, даже если на снимке виден только кончик хвоста, торчащий из-за полки [27:42].

Однако Фей-Фей Ли (Fei-Fei Li) подчеркивает фундаментальный разрыв между кремниевым и биологическим интеллектом [27:55]. В то время как ИИ требуются миллиарды изображений из интернета, человеческий ребенок обучается на крайне малом количестве данных [28:08].

*   Ребенку достаточно увидеть 3–10 кошек, чтобы безошибочно узнавать их в любых ракурсах [28:08].
*   Человек использует иные нейронные пути обучения, которые до сих пор остаются загадкой для науки [28:22].
*   Мозг ребенка не просто классифицирует объект, но и моментально усваивает правила его взаимодействия с миром: например, что кошка движется головой вперед, а не хвостом [29:15].

Эндрю Губерман (Andrew Huberman) отмечает, что следующая ступень интеллекта — это умение присваивать вероятности направлениям движения и взаимодействиям объектов [29:41]. И если для биологического мозга это естественный процесс развития, то для ИИ это стало возможным только с переходом к анализу динамических данных. Ранее в разговоре Фей-Фей Ли уже упоминала, что зрение является фундаментом для понимания мира, и это подтверждается тем, как ИИ начал осваивать видео [29:53].

### Видеогенерация и «правдоподобная» физика: знает ли Sora анатомию?
[[JUMP:29:53]]

Настоящий качественный скачок произошел в 2023 году, когда исследовательские группы начали массово включать видео в обучающие выборки [30:31]. Кульминацией этого процесса стал выход модели Sora в январе 2024 года, которая поразила мир способностью генерировать реалистичные клипы по текстовому описанию [30:59]. Однако Фей-Фей Ли (Fei-Fei Li) призывает не путать внешнюю правдоподобность с глубоким пониманием физики [31:42]. 

Когда мы видим на экране кошку, грациозно бегущую за мышью, мы подсознательно приписываем алгоритму знание биологии [31:13]. На самом деле ситуация иная:

1.  Алгоритм не имеет представления о структуре мышц, суставах или скелете кошки [32:39].
2.  ИИ лишь воспроизводит статистическую закономерность того, как кадры сменяют друг друга в миллионах видео из интернета [33:22].
3.  Модель генерирует «правдоподобные» последовательности пикселей, основываясь на математической вероятности, а не на понимании законов гравитации или анатомии [32:10].

Фей-Фей Ли (Fei-Fei Li) проводит интересную параллель: большинство людей тоже не знают в деталях, как работают мышцы кошки (если они не медики или биологи) [33:07]. Мы просто привыкли видеть эти движения и считаем их естественными [33:22]. В этом смысле ИИ похож на нас — он является «машиной предсказания», которая выстраивает мир на основе накопленного визуального опыта [33:34].

### Пределы ИИ: субъективный опыт и «нецифруемые» чувства
[[JUMP:34:41]]

Несмотря на успехи ИИ в шахматах или генерации изображений, Эндрю Губерман (Andrew Huberman) задается вопросом: есть ли аспекты человеческого познания, которые навсегда останутся недоступными для машин? [34:41]. Фей-Фей Ли (Fei-Fei Li) подтверждает, что интернет, на котором обучается ИИ, — это лишь «цифровой слепок» человеческого поведения, а не полное отражение нашей психики [38:14]. 

Существуют области, где ИИ сталкивается с непреодолимым барьером:

*   **Уникальный творческий процесс:** ИИ может имитировать стиль Пабло Пикассо, но он никогда не сможет запечатлеть ту самую мимолетную и глубокую мысль, которая была в голове художника в момент создания портрета [40:31]. Эти мысли никогда не были оцифрованы и загружены в сеть [41:12].
*   **Субъективные ассоциации:** Фей-Фей Ли (Fei-Fei Li) приводит пример с обычной серой чашкой [44:50]. Для ИИ это просто объект с определенными параметрами, но для конкретного человека она может вызвать острый приступ ностальгии по детству или общению с другом [45:06]. Эта информация недоступна для нейросети, как бы мощна она ни была [45:20].
*   **Математическая vs. Человеческая креативность:** Знаменитый «Ход 37» в партии AlphaGo против Ли Седоля часто называют проявлением творчества ИИ [41:53]. Однако это креативность в рамках жестких математических правил игры [42:36]. Истинное творчество в науке часто требует создания методов, которых еще не существует в истории человечества, и здесь ИИ пока может выступать лишь в роли гибридного помощника [44:36].

Эндрю Губерман (Andrew Huberman) предполагает, что в будущем неинвазивные нейроинтерфейсы смогут считывать нашу внутреннюю активность [46:02], позволяя ИИ «понимать» наши неосознанные состояния и помогать нам лучше узнавать самих себя [47:10]. Однако Фей-Фей Ли (Fei-Fei Li) подчеркивает, что ключевая задача — использовать ИИ для расширения человеческих возможностей и сохранения нашей субъектности (agency), а не для замены человека [48:30]. В дальнейшем разговоре эксперты коснутся того, как эти технологии могут трансформировать медицину и повседневный труд, сохраняя при этом человеческое достоинство [49:11].

## 🧬 ИИ в авангарде науки: от расшифровки биомаркеров до хирургических инноваций
[[JUMP:1:00:22]]

Переход от чисто теоретических моделей ИИ к их практическому применению в медицине знаменует собой начало новой эры в истории человечества. Как отмечает Фей-Фей Ли, мы стоим на пороге полной трансформации того, как совершаются научные открытия [1:00:47]. На протяжении веков наука полагалась на «умных людей, сохраняющих знания других умных людей» и работающих со скоростью человеческих мышц и мозга [1:01:00]. Сегодня ИИ выступает как инструмент, способный синтезировать колоссальные объемы информации и, что более важно, преодолевать барьеры между дисциплинами [1:01:40]. Например, ученый, специализирующийся на нейробиологии зрения, может ничего не знать об ольфакторной системе (обонянии), но ИИ способен мгновенно объединять знания из этих разрозненных областей [1:01:53].

### ИИ как инструмент диагностики и «умный» помощник врача
[[JUMP:1:00:22]]

Эндрю Губерман приводит личный пример того, как ИИ уже сегодня меняет клиническую практику. Столкнувшись с симптомами головокружения, он использовал ИИ для анализа своего состояния [1:03:16]. В то время как опытный врач-отоларинголог не смог сразу определить причину, ИИ сумел дифференцировать вертиго (истинное головокружение) от последствий низкого кровяного давления, вызванного побочным эффектом лекарства [1:03:29]. 

Это подчеркивает мощь ИИ в поиске паттернов в огромных базах медицинских данных [1:07:08]:

*   **Доступность:** ИИ обеспечивает мгновенную консультацию практически с нулевой стоимостью [1:04:10].
*   **Объективность:** Алгоритмы анализируют субъективный опыт пациента без предвзятости, опираясь на задокументированные случаи [1:03:20].
*   **Снятие неопределенности:** Для пациента возможность быстро получить вероятный диагноз является огромным психологическим облегчением [1:04:23].

Однако Фей-Фей Ли предостерегает от чрезмерного упрощения: ИИ силен там, где паттерны изобилуют [1:06:00]. В медицине, как и в фундаментальной науке, правила постоянно дополняются. Губерман напоминает, что даже классические догмы нейробиологии — например, о том, что потенциал действия нейрона всегда имеет одинаковую форму — пересматриваются [59:18]. Там, где человеческий мозг пасует перед сложностью (например, если у сигнала может быть сто разных форм), ИИ способен справляться лучше любого студента Стэнфорда или MIT [59:56].

### Роботизированная хирургия и синергия человека с машиной
[[JUMP:1:04:36]]

Одним из наиболее впечатляющих примеров сотрудничества человека и ИИ является высокотехнологичная хирургия. Фей-Фей Ли делится личной историей своего отца, который перенес сложную операцию на печени в Стэнфорде [1:04:50]. Операция проводилась с использованием роботизированной системы DaVinci, где опытнейший хирург буквально «управлял» роботом [1:05:00].

Ключевые выводы из этого опыта:

1.  **Снижение инвазивности:** Благодаря лапароскопическим возможностям робота потеря крови была в 10 раз меньше, чем при традиционной открытой операции [1:07:22].
2.  **Проблема данных:** Несмотря на технологичность, полностью доверить такую операцию автономному ИИ пока невозможно. Печень — крайне сложный орган с индивидуальной сосудистой сеткой [1:05:40]. Даже если собрать данные всех операций на печени в мире, их может не хватить для обучения надежного алгоритма из-за уникальности каждого случая [1:05:47].
3.  **Модель сотрудничества:** На данном этапе развития технологий наиболее эффективна связка «человек + машина». Человек привносит глубокую экспертизу и способность принимать решения в нестандартных ситуациях, а робот — точность манипуляций и минимизацию физического ущерба [1:06:27].

### Природа интуиции и границы машинного обучения
[[JUMP:1:08:01]]

Рассуждая о будущем, Эндрю Губерман задается вопросом: может ли ИИ обрести некое подобие «человеческой интуиции»? [1:08:01]. Он предполагает, что интуиция — это не мистика, а накопленный опыт, сопряженный с телесными ощущениями и предсказательными сигналами мозга [1:08:14]. Фей-Фей Ли предлагает разделять интуицию на два типа. Первый — это «контекстуальная» интуиция, которую ИИ уже демонстрирует: если вы дадите чат-боту контекст (например, что вы профессор или подросток), он выдаст совершенно разные, адаптированные ответы [1:10:39].

Второй тип — «глубинная» интуиция, основанная на трудноуловимых биологических сигналах (гормоны, запах, микро-движения), к которым у машин пока просто нет доступа [1:12:03]. Фей-Фей Ли объясняет это с научной точки зрения: если информация недоступна для сенсоров, она не может быть оцифрована и использована алгоритмом [1:13:37]. Однако по мере развития технологий сбора данных (датчики проводимости кожи, мозговые волны), даже эти «мистические» аспекты человеческого опыта могут стать частью обучающей выборки для ИИ [1:13:12]. 

Ранее в разговоре Фей-Фей Ли и Эндрю Губерман затрагивали тему того, что обучение ИИ в корне отличается от того, как учится человеческий мозг, и эта разница особенно заметна в контексте формирования подобной «глубинной» интуиции. Тем не менее, уже сегодня ИИ помогает ученым видеть закономерности там, где раньше требовались десятилетия тренировки глаза — например, при идентификации типов клеток сетчатки, которую опытные физиологи раньше проводили буквально «на ощупь» [1:14:57].

## 🤖 Сохранение человеческой субъектности и достоинства
[[JUMP:1:15:22]]

В дискуссии о будущем искусственного интеллекта **Фей-Фей Ли** подчеркивает критическую разницу между математическими процессами и человеческой природой. Когда мы видим, как чат-бот проявляет «настойчивость» или «эмпатию», мы склонны антропоморфизировать технологию [1:16:59]. Однако то, что Эндрю Губерман называет мотивацией или состоянием срочности, в мире машинного обучения является лишь «целевой функцией» (objective function) [1:16:18]. 

Машина может выдавать быстрые или глубокие ответы, потому что в её алгоритм заложен лимит токенов или времени, а не потому, что она «хочет» помочь [1:17:12]. Профессор Ли призывает четко разграничивать имитацию и подлинные чувства: когда ИИ говорит «мне жаль, что вы больны», это результат статистического паттерна, а не сопереживания [1:18:20]. В отличие от человека, у машины нет памяти о боли или физического опыта страданий [1:18:45].

Особую тревогу у экспертов вызывает влияние технологий на подрастающее поколение. **Фей-Фей Ли** выделяет два экстремальных сценария, которых следует избегать:

*   **Утрата субъектности (agency):** Самый мрачный исход — это когда пассивное потребление контента (думскроллинг) лишает молодежь внутренней мотивации к обучению [1:30:08]. Развитие мозга — это «трудозатратный и иногда болезненный процесс», который требует усилий [1:30:21]. Если ИИ будет делать всё за ученика, биологическое «железо» мозга не пройдет необходимые этапы формирования [1:30:48].
*   **Отказ от инструментов:** Не менее опасным Ли считает запрет ИИ в образовании из страха перед списыванием [1:31:28]. При правильном подходе ИИ-компаньон может стать персональным репетитором, доступным 24/7, который поможет преодолеть трудности в сложных дисциплинах, таких как органическая химия [1:32:21].

Цель «гуманистического ИИ» — не заменить человека, а расширить его возможности, сохраняя за личностью право выбора и достоинство [1:24:38]. Ранее в разговоре они касались того, как зрение формирует интеллект, и Ли подчеркивает: биологическая основа нашего познания уникальна, и её развитие нельзя делегировать коду [1:19:11].

### Этика и социальное регулирование: почему нельзя «отключать тормоза»
[[JUMP:1:21:41]]

Развитие ИИ — это не только технологическая гонка, но и вопрос социальных договоренностей. **Фей-Фей Ли** проводит аналогию с автомобильной промышленностью: технически любой производитель мог бы запрограммировать тормоза так, чтобы они отключались каждую пятницу, но мы этого не делаем из-за законов, морали и социальных норм [1:22:12]. 

**Эндрю Губерман** дополняет эту мысль примером из биологии: ученые могут испытывать азарт, создавая опасные вирусные векторы для экспериментов на мухах-дрозофилах, но комитеты по этике блокируют такие исследования, чтобы предотвратить катастрофу [1:23:45]. Технологии ИИ достигли уровня, когда их обсуждение должно выйти за пределы «чистого кода» в плоскость социального регулирования [1:22:25].

Основные принципы безопасного развития ИИ по мнению Ли:

1.  **Многосторонний подход:** Решения не должны диктоваться только лидерами индустрии, так как рыночные силы часто противоречат общественным интересам [1:27:14]. Участие государства, академического сообщества и гражданского общества обязательно [1:25:17].
2.  **Профессиональная этика:** Программистам необходима подготовка, аналогичная этическому обучению врачей или биологов [1:25:30]. В Стэнфорде уже внедряются курсы этики в учебный план для компьютерных наук [1:26:20].
3.  **Институциональный контроль:** Подобно тому, как IRB (институциональные наблюдательные советы) контролируют эксперименты на людях в медицине, аналогичные структуры должны оценивать влияние алгоритмов ИИ [1:25:42].

Ли подчеркивает, что регулирование не должно тормозить прогресс, но обязано создавать «защитные ограждения» [1:26:47]. Это особенно важно в контексте нехватки медицинского персонала: ИИ может облегчить физический труд санитаров и медсестер, которые сегодня работают на грани истощения [1:40:09].

### Промпт-инжиниринг как современный метод Сократа
[[JUMP:1:34:23]]

Взаимодействие с ИИ меняет саму культуру мышления. **Фей-Фей Ли** признается, что появление больших языковых моделей заставило её пересмотреть отношение к «ленивым вопросам» [1:33:56]. Если раньше можно было просто спросить совета у коллеги, то теперь наличие мощного инструмента заставляет сначала самостоятельно сформулировать запрос и проверить базовую информацию [1:34:09].

Навык формулирования промптов (подсказок для ИИ) становится фундаментальным в современную эпоху [1:34:23]. Ли называет Сократа «лучшим промпт-инженером в истории человечества» [1:34:51]. Его метод — поиск истины через последовательные, глубокие вопросы — идеально ложится в канву работы с современным ИИ [1:34:51]. 

*   Правильный промпт требует специфичности и понимания контекста [1:34:23].
*   Процесс «вопрос-ответ» с машиной может стать формой интеллектуального партнерства, а не просто потребления информации [1:33:42].
*   Школам следует обучать детей именно искусству задавать вопросы, превращая их из пассивных пользователей в активных исследователей [1:34:36].

**Эндрю Губерман** отмечает, что такая работа с ИИ задействует префронтальную кору мозга, ответственную за правила обучения и их обновление [1:28:21]. Это позволяет человеку не просто получать готовые данные, а использовать ИИ как «зеркало» для оттачивания собственной логики и критического мышления.

## 🤖 Будущее воплощенного ИИ: от роботов-помощников до пространственного интеллекта
[[JUMP:1:40:09]]

### Воплощенный ИИ и роботы-помощники
[[JUMP:1:40:23]]

Следующим масштабным этапом развития технологий Фей-Фей Ли (Fei-Fei Li) называет «воплощенный ИИ» — переход алгоритмов из цифровой среды в физическую [1:40:23]. Она приводит в пример работу медсестер: за одну смену они проходят многие мили, чтобы принести лекарства или необходимые вещи пациентам [1:40:36]. Роботы, способные выполнять такие задачи, могли бы радикально снизить нагрузку на персонал [1:40:49]. Эндрю Губерман (Andrew Huberman) добавляет, что подобные помощники могут стать спасением для пожилых или больных людей, помогая им перемещаться по магазинам и выбирать товары с полок, что возвращает им чувство автономии [1:41:02].

Однако физическое присутствие роботов в нашей жизни вызывает у многих инстинктивное опасение из-за их «жесткости» и металлического облика [1:41:15]. Эндрю Губерман упоминает концепцию «мультиморфных» роботов, приводя в пример Бэймакса из мультфильма Disney — мягкого, губчатого медицинского помощника, который не пугает своим видом [1:42:33]. Фей-Фей Ли подчеркивает, что ключевым словом в этой трансформации должна быть «субъектность» (agency) [1:43:12]. Именно человечество должно решать, каким будет этот физический мир будущего, а не только инвесторы или корпорации [1:43:25].

Потенциал воплощенного ИИ огромен:

*   **Безопасность детей:** роботы-охранники могли бы сопровождать детей в школу, подавая сигнал тревоги в случае опасности или физически защищая их [1:44:17].
*   **Цифровая защита:** создание аватаров-адвокатов, которые могут распознавать действия интернет-хищников и защищать ребенка в онлайн-пространстве [1:44:42].
*   **Бытовая помощь:** выполнение рутинных задач, таких как складывание одежды, полив растений или уборка, что освобождает время для более глубокого человеческого взаимодействия [1:41:27].

Фей-Фей Ли вспоминает Стива Джобса, который понимал, что компьютерным устройствам нужны «закругленные углы» и человеческое лицо, чтобы стать частью нашей жизни [1:45:06]. Сегодняшним технологам, по её мнению, часто не хватает такого посредника, который помог бы широкой публике увидеть в ИИ не угрозу, а инструмент для благожелательного сотрудничества [1:46:11].

### Стартап World Labs: пространственный интеллект
[[JUMP:1:50:20]]

В начале 2024 года Фей-Фей Ли стала сооснователем стартапа World Labs, который она называет делом всей своей жизни [1:50:32]. Ранее в беседе обсуждалась роль зрения, и теперь Ли развивает эту идею: она убеждена, что ИИ-фронтир лежит за пределами только лишь языковых моделей [1:50:46]. Новая цель — разблокировать пространственный и физический интеллект машин [1:51:00].

World Labs занимается созданием «фундаментальных моделей мира», способных генерировать полноценные 3D и 4D-пространства [1:51:14]. В отличие от простых генераторов видео, эти модели понимают физику и геометрию мира. Фей-Фей Ли объясняет, что это позволит любому человеку превратить описание в голове в интерактивную среду: достаточно ввести предложение, показать картинку или набросать эскиз, чтобы алгоритм выстроил вокруг пользователя целый мир [1:53:40].

Это критически важно для нескольких индустрий:

1.  **Робототехника:** создание реалистичных сред для обучения роботов перед их выходом в реальный мир [1:53:53].
2.  **Архитектура и дизайн:** возможность мгновенно визуализировать и «обжить» проектируемые пространства [1:51:28].
3.  **Здравоохранение и образование:** создание иммерсивных симуляций для обучения специалистов и реабилитации пациентов [1:51:40].

Фей-Фей Ли подчеркивает, что её команда состоит из блестящих молодых ученых, которые могли бы работать в любой компании мира, но выбрали World Labs ради идеи расширения человеческих возможностей [1:48:05].

### ИИ в кино и сторителлинге
[[JUMP:1:54:21]]

Поскольку беседа проходит в Лос-Анджелесе, Губерман и Ли не могли обойти тему Голливуда [1:54:21]. Технологии уже позволяют генерировать качественные видеокадры на основе сценариев, и мы видим появление первых короткометражных фильмов, созданных с помощью ИИ [1:55:12]. Однако Фей-Фей Ли настаивает на разделении технологического прогресса и человеческой сути творчества [1:55:00].

В сторителлинге остаются аспекты, которые глубоко человечны: эмоции, уникальный жизненный опыт, техника движения камеры и характер персонажей [1:55:52]. Фей-Фей Ли рассказывает о своей встрече с Беном Аффлеком, который активно изучает использование ИИ-инструментов в кинопроизводстве [1:57:27]. Она видит ИИ как «суперсилу» для творцов, а не как их замену [1:58:44].

Индустрия визуальных эффектов (VFX) уже начинает интегрировать эти инструменты для ускорения работы [1:58:32]. Ли приводит аналогию с магазинами фототехники прошлого: когда-то мы сдавали пленку в проявку, теперь всё стало цифровым, но искусство фотографии не исчезло, оно трансформировалось [1:59:09]. Главная задача сейчас — помочь профессионалам индустрии «апскиллиться» (повысить квалификацию) и адаптироваться к новым методам работы [1:59:36].

### Поддержка учителей и родителей в эпоху ИИ
[[JUMP:2:00:43]]

Особое внимание Фей-Фей Ли уделяет тем, кого она называет «забытой популяцией» — учителям, родителям и студентам [2:00:56]. Политики, инвесторы и технологи часто игнорируют их нужды в своих дискуссиях [2:01:09]. Как педагог, Ли сохраняет оптимизм относительно детей, чье любопытство помогает им быстро осваивать новое, но она всерьез обеспокоена положением учителей [2:01:47].

По её мнению, Кремниевая долина часто «читает лекции» учителям или смотрит на них свысока вместо того, чтобы предоставлять ресурсы [2:02:13]. Ли вспоминает, что сразу после выхода ChatGPT в ноябре 2022 года она первым первым делом написала директору начальной школы своего ребенка и предложила провести лекцию для учителей и учеников [2:02:55]. Она считает крайне важным, чтобы педагоги понимали технологию в реальном времени, а не боялись её [2:03:08].

Фей-Фей Ли призывает общество отойти от крайностей:

*   **Избыточный алармизм (doomerism):** пугание людей тем, что ИИ всё разрушит, парализует волю к действию [2:04:27].
*   **Слепой утопизм:** утверждения, что технология не может причинить вреда, звучат неискренне [1:48:33].

Вместо этого нужно сосредоточиться на поддержке учителей, чтобы они могли научить детей созидательному использованию ИИ, сохраняя при этом фундаментальные навыки [2:03:49]. Эндрю Губерман завершает беседу, отмечая, что именно человеческий фактор и такие лидеры, как Ли, дают надежду на то, что симбиоз человека и машины будет служить на благо общества [2:05:07].

## 🎓 Ресурсы для углубленного изучения и завершение дискуссии
[[JUMP:2:05:32]]

### «Цивилизационный момент» и поддержка научного просвещения
[[JUMP:2:05:32]]

В завершение масштабного диалога о будущем искусственного интеллекта и его влиянии на человечество, Фей-Фей Ли (Fei-Fei Li) охарактеризовала текущий период развития технологий как «цивилизационный момент» [2:05:32]. Это определение подчеркивает глубину обсуждавшихся ранее тем: от основ биологического зрения до создания пространственного интеллекта в её новом стартапе World Labs. Эндрю Губерман (Andrew Huberman) выразил признательность гостье за детальный разбор этических и технических аспектoв ИИ, отметив важность открытого обсуждения подобных трансформаций для широкой аудитории [2:05:40].

Для поддержания работы проекта и обеспечения свободного доступа к научно-обоснованной информации, ведущий предложил слушателям несколько способов взаимодействия с подкастом:

*   Подписка на официальный YouTube-канал Huberman Lab, что является наиболее эффективным бесплатным способом поддержки [2:05:45];
*   Подписка на платформы Spotify и Apple Podcasts, где пользователи могут нажать кнопку «Follow» [2:05:51];
*   Возможность оставить пятизвездочный отзыв и написать комментарии на обеих аудиоплатформах [2:05:57].

Эндрю подчеркнул, что внимательно читает все отзывы и комментарии в разделе YouTube [2:06:10]. Это помогает формировать будущую повестку подкаста, выбирать новых гостей и уточнять темы, которые требуют более глубокого научного освещения в контексте нейробиологии или смежных дисциплин [2:06:14]. Также он напомнил о важности взаимодействия со спонсорами выпуска, так как их поддержка напрямую позволяет команде Huberman Lab продолжать производство контента высокого качества [2:06:05].

### Книга «Protocols»: инструкция по эксплуатации человеческого тела
[[JUMP:2:06:24]]

Важным этапом в многолетней работе Эндрю Губермана по популяризации науки стал анонс его первой книги [2:06:21]. Труд получил название «Protocols: An Operating Manual for the Human Body» (Протоколы: Руководство по эксплуатации человеческого тела) [2:06:24]. По словам автора, работа над текстом заняла более пяти лет [2:06:28], а в его основу лег колоссальный пласт знаний, накопленный за 30 лет активной исследовательской деятельности в области нейробиологии и клинической практики [2:06:31].

Книга не просто перечисляет рекомендации, а представляет собой систематизированный сборник протоколов, подкрепленных строгой научной базой [2:06:44]. Основные направления, охваченные в издании, включают:

*   Методики оптимизации сна и механизмы восстановления организма [2:06:38];
*   Научный подход к физическим упражнениям и тренировочному процессу [2:06:40];
*   Техники контроля стресса и управления эмоциональным состоянием [2:06:41];
*   Протоколы для повышения концентрации внимания и усиления мотивации [2:06:42].

Издание уже доступно для предварительного заказа на специализированном ресурсе protocolsbook.com [2:06:48]. Губерман отметил, что на сайте представлены ссылки на различных вендоров, что позволяет читателям выбрать наиболее удобный способ приобретения книги в зависимости от их региона [2:06:51].

### Экосистема Huberman Lab: социальные сети и рассылка Neural Network
[[JUMP:2:07:04]]

Помимо основного формата подкаста, Эндрю Губерман активно развивает присутствие на различных цифровых платформах под общим названием «Huberman Lab» [2:07:04]. Он представлен в таких сетях, как Instagram, X (ранее Twitter), Threads, Facebook и LinkedIn [2:07:06]. Контент в социальных сетях часто отличается от того, что звучит в длинных интервью: там публикуются короткие научные инструменты и выжимки из исследований, которые могут лишь частично пересекаться с эпизодами подкаста, но чаще являются уникальными дополнениями к ним [2:07:14].

Особое внимание в образовательной экосистеме уделяется ежемесячной рассылке «Neural Network» [2:07:18]. Это полностью бесплатный ресурс, который служит инструментом для закрепления полученных знаний. Рассылка включает в себя:

*   Краткие резюме эпизодов подкаста для быстрого ознакомления с ключевыми выводами [2:07:27];
*   Специальные PDF-протоколы объемом от одной до трех страниц, содержащие пошаговые инструкции [2:07:30];
*   Руководства по оптимизации уровня дофамина и использованию холодового воздействия (deliberate cold exposure) [2:07:35];
*   Фундаментальный протокол фитнеса, объединяющий силовые тренировки и развитие сердечно-сосудистой системы [2:07:41].

Подписаться на рассылку можно на официальном сайте hubermanlab.com в разделе меню [2:07:46]. Ведущий отдельно акцентировал внимание на политике конфиденциальности, заявив, что адреса электронной почты подписчиков никогда не передаются сторонним организациям [2:07:51]. В финале встречи Эндрю еще раз поблагодарил Фей-Фей Ли (Fei-Fei Li) за её вклад в науку об ИИ и выразил признательность аудитории за неизменный интерес к научному познанию мира [2:07:57].