В новом выпуске подкаста Андрессен Горовиц (Andreessen Horowitz) основатели стартапа Mem Кевин Муди и Деннис Зу обсуждают трансформацию концепции «второго мозга» под влиянием генеративного ИИ. Собеседники анализируют, почему десятилетиями мы были заложниками структуры папок и как современные языковые модели позволяют перейти от пассивного хранения знаний к проактивным персональным ассистентам.
📉 Кризис продуктивности: невидимая цена поиска информации 2:35
Современный «белый воротничок» тратит колоссальное количество времени на банальную навигацию в собственных данных. По данным, которые приводит ведущая, ещё в 2016 году исследователи фиксировали, что работники умственного труда проводят в среднем 2,5 часа в день — или около 30% рабочего времени — просто пытаясь найти нужную информацию.
Кевин Муди считает, что сегодня эта цифра, скорее всего, даже выше. Он выделяет несколько причин роста этой нагрузки:
- Снижение барьера создания контента: создавать и пересылать неструктурированную информацию стало слишком легко, что приводит к заваливанию коллег данными.
- «Скрытый» поиск: сотрудники часто даже не осознают, что ищут что-то; они просто начинают работу с нуля, чтобы в конце недели обнаружить, что «изобрели колесо», которое уже существовало в чьей-то таблице или документе.
- Рутинная трансформация: после нахождения данных люди тратят еще несколько часов на их механическую переработку.
📁 Смерть папки: почему файловая система больше не работает 5:38
Основатели Mem утверждают, что проблема «второго мозга» не решалась десятилетиями из-за архитектурного наследия прошлого. Деннис Зу объясняет, что структура папок, которой мы пользуемся сегодня, — это скевоморфное (подражательное) решение, пришедшее из 1950-х и 60-х годов. Тогда разработчики просто перенесли образ реального картотечного шкафа на экран компьютера, чтобы пользователям было проще адаптироваться.
По мнению Зу, такая модель возлагает чрезмерное бремя на создателя информации:
- Автор должен не только создать контент, но и классифицировать его.
- Структура, понятная автору, часто оказывается нечитаемой для коллег или даже для самого автора спустя несколько месяцев.
- Информация обычно принадлежит не одной «папке», а множеству контекстов, которые невозможно предугадать в момент сохранения.
Муди и Зу считают, что наступает момент, когда информация больше не нуждается в предварительной организации человеком. Вместо этого ИИ должен сопоставлять данные с контекстом в тот момент, когда они становятся необходимы.
🧠 От хранилища к рассуждению: роль LLM 10:29
Главным отличием нынешнего этапа развития технологий от предыдущих 60 лет является появление у машин способности к рассуждению (reasoning). Раньше компьютеры превосходили людей в вычислениях и объеме памяти, но не понимали смысла текстов.
LLM (большие языковые модели) позволяют перевернуть модель «второго мозга» с ног на голову:
- Универсальное понимание: Модели способны воспринимать тексты из любой области — от медицины до недвижимости — без предварительной настройки.
- Произвольное количество «виртуальных папок»: Вместо того чтобы класть файл в одну папку, ИИ создает бесконечное число связей, позволяя извлекать информацию через простые запросы на естественном языке.
- Естественный интерфейс: Пользователь может общаться со своими знаниями в собственном стиле, не подстраиваясь под жесткие поисковые фильтры.
Кевин Муди приводит аналогию: когда люди просили «более быстрых лошадей», им дали автомобили. В контексте управления знаниями «быстрой лошадью» были автоматизированные папки, а «автомобилем» стал полный отказ от категорий в пользу прямого извлечения смысла.
🤖 Реинкарнация Скрепки: проактивность без раздражения 12:39
Одной из самых захватывающих возможностей нового «второго мозга» собеседники называют проактивность. ИИ не просто ждет вопроса, а сам предлагает помощь: «Я вижу, ты работаешь над этим проектом, посмотри, что уже сделал твой коллега».
Деннис Зу иронично замечает, что знаменитый помощник Clippy (Скрепка) от Microsoft просто опередил своё время. Однако, чтобы проактивность не была назойливой, системе требуется глубокое понимание жизни пользователя и его текущих мыслей.
Переход от инструкций к автономности:
- Прошлое: Кодирование инструкций.
- Настоящее: Вербальные инструкции на английском языке (промпты).
- Будущее: Модель «сделай и подтверди», когда ИИ выполняет задачу, зная контекст, и лишь уведомляет пользователя о результате.
💰 Демократизация интеллекта: экономика персонального ИИ 15:31
Развертывание таких мощных систем требует огромных вычислительных ресурсов, но основатели Mem настроены оптимистично. Кевин Муди отмечает, что стоимость вычислений падает на порядок (в 10 раз) каждые несколько месяцев. Это позволяет строить бизнес-модель, в которой персональный ИИ становится доступным каждому.
Вместо того чтобы сравнивать стоимость подписки на Mem с другими приложениями для заметок, Муди предлагает рассматривать её как альтернативу найму персонального ассистента или бизнес-помощника. Ценность системы теперь заключается не в выдаче списка документов, а в совместном решении проблем и «думании» об эти проблемы вместе с пользователем.
🎯 Адаптивный ИИ и «детектор лжи» 18:33
В финале дискуссии участники затронули тему глубокой персонализации. Ведущая высказала пожелание иметь ИИ, который мог бы «ловить её на вранье самой себе» — например, напоминать о невыполненных обещаниях по тренировкам или режиму сна.
Деннис Зу подтвердил, что в Mem рассматривают возможность добавления такой функции (регулируемой «ручки» настройки), которая позволяла бы ИИ быть более прямолинейным.
По мнению Зу, истинная персонализация («адаптивный ИИ») — это не просто доступ к личным данным, а способность системы:
- Меняться в процессе взаимодействия с пользователем.
- Учиться на основе каждой реплики.
- Применять полученный опыт в будущих диалогах так, как это делал бы человек.
