# Стивен Синофски: «Мы находимся в эре 64-килобайтных компьютеров для ИИ»

Источник: https://www.youtube.com/watch?v=speAFaUTRXU
Канал: a16z (Andreessen Horowitz)
Опубликовано: 27.06.2025

---

Эволюция генеративного ИИ напоминает ранние этапы развития персональных компьютеров: индустрия находится в фазе активного поиска форм-фактора и обучения пользователей работе с новыми инструментами. В рамках подкаста a16z **Аниш Ачарья** и **Стивен Синофски** обсуждают текущий цикл развития технологий, концепцию «вайб-райтинга» и почему эпоха автономных агентов может растянуться на десятилетие.

## 💾 Эпоха 64 КБ: где мы находимся в цикле ИИ
[[JUMP:00:53]]

Стивен Синофски сравнивает современное состояние ИИ с эрой IBM PC с 64 КБ оперативной памяти [01:19]. По его мнению, сейчас индустрия решает фундаментальные технические проблемы, напоминающие ограничения компьютеров 1980-х годов: тогда программам не хватало памяти, а сейчас ИИ-модели допускают ошибки в элементарных вычислениях и галлюцинируют [01:45].

Основные тезисы Стивен Синофски о текущем этапе:

*   **Технические ограничения:** ИИ позиционируется как замена поиску, Excel и другим инструментам, но пока он не может стабильно выполнять базовые задачи без ошибок [01:57].
*   **Переобучение пользователя:** Мы пытаемся использовать LLM так же, как старые вычислительные инструменты, но, по словам Аниша Ачарьи, нам придется заново учиться взаимодействию с этим типом инструментов, прежде чем мы станем продуктивными [02:24].
*   **«Рваный» интеллект (Jagged Intelligence):** Аниш Ачарья, ссылаясь на Андрея Карпатого, отмечает, что интеллект моделей неоднороден — они могут блестяще справляться со сложными концепциями, но проваливаться на простых вещах [02:37].

## ✍️ От «вайб-кодинга» к «вайб-райтингу»
[[JUMP:03:05]]

Участники дискуссии подробно обсуждают феномен «вайб-кодинга» (vibe coding) — термина, популяризированного Андреем Карпатым, — и вводят новое понятие «вайб-райтинг» (vibe writing).

По мнению Стивена Синофски, вайб-райтинг уже стал реальностью:

*   **Сфера применения:** Студенты и бизнес уже активно используют ИИ для генерации текстов [03:45].
*   **Аналогия с калькулятором:** Синофски сравнивает это с появлением калькуляторов. Люди боялись, что дети разучатся считать, но на самом деле мир просто «поднялся выше по стеку» навыков [04:10].
*   **Проблема ответственности:** Если зарплата или оценка зависят от текста, пользователь не может просто «выдать вайб». Он обязан проверить факты [05:28].

Аниш Ачарья считает, что вайб-райтинг позволяет достичь полной автономии уже сегодня, в то время как вайб-кодинг ограничен жесткими рамками того, что модель может сделать на практике [04:36]. В письме человек переходит из роли автора в роль редактора [06:24].

## 🤖 Десятилетие агентов: сложности автоматизации
[[JUMP:06:37]]

Обсуждая будущее ИИ-агентов, Стивен Синофски предостерегает от излишнего оптимизма по поводу сроков. Пока консультанты говорят о «годе агентов», Синофски утверждает, что мы находимся в «десятилетии агентов» [07:20]. Автоматизация задач, требующих человеческого суждения, исторически оказывается крайне сложной.

Аниш Ачарья предлагает фреймворк для оценки задач, подходящих для автоматизации:

1.  **Высокое трение, низкая потребность в суждении (High friction, low judgment):** Например, рефинансирование кредита. Процесс муторный, но выбор зависит только от процентной ставки. Это идеальная сфера для агентов [07:45].
2.  **Высокое трение, высокая потребность в суждении (High friction, high judgment):** Например, налоги. Здесь велики риски и требуется много личных решений (что декларировать, на какие вычеты претендовать). Такую задачу делегировать агенту крайне сложно [08:11].

Стивен Синофски добавляет контраргумент: потребители часто хотят иметь больше выбора, чем им кажется [10:05]. Полная автоматизация через «безликие API» (например, поиск самого дешевого авиабилета) может не сработать, так как бизнес-модели компаний строятся на дифференциации бренда и рекламе, а не только на цене [09:14].

## ⚖️ Формальная корректность против неопределенности
[[JUMP:11:36]]

Почему ИИ легко победил человека в шахматах и го, но буксует в медицине или праве? Аниш Ачарья объясняет это наличием формального определения корректности [11:48]. В шахматах есть четкие правила победы. В большинстве же человеческих профессий всё «серое» и неопределенное.

Примеры из дискуссии:

*   **Радиология:** Прогнозы о смерти профессии радиолога оказались преждевременными [13:10]. Врачи этой специальности приняли ИИ как очередной инструмент (подобно новому МРТ-сканеру), но сохранили за собой функцию принятия решений и обработки исключений [13:39].
*   **Налоги:** Налоговый кодекс — это каскад исключений. Если пользователь сам объясняет ИИ все свои исключения, он фактически делает работу вручную [14:18].
*   **Управление продуктом (PM):** Ачарья отмечает, что PM-менеджеры нужны для работы с двусмысленностью (ambiguity), которая мешает прогрессу. Сложные адаптивные системы компаний всегда будут требовать человеческого суждения [15:50].

## 📜 История повторяется: от C++ до Low-code
[[JUMP:17:38]]

Стивен Синофски, опираясь на свой опыт работы над компилятором C++ в 1990-х годах, проводит параллели между хайпом вокруг ИИ и прошлыми технологическими волнами [21:06].

*   **Объектно-ориентированное программирование (ООП):** В 1980-х оно обещало революцию, но достигло пика хайпа только через 10 лет [20:26].
*   **Low-code:** Термин, который почти перестал употребляться, так как инструменты этого класса подходили только для создания типовых приложений и не могли поддерживать работу целой компании [18:29].
*   **Завышенные ожидания:** В 1990-х считалось, что скоро все станут программистами, а теперь — что программисты больше не понадобятся. Синофски считает обе крайности ошибочными [18:03].

## 🎨 Феномен «ИИ-шлака» (AI Slop) и доступность
[[JUMP:23:15]]

Собеседники обсуждают появление огромного количества посредственного контента, созданного ИИ, который часто называют «слопом» (slop — помои/шлак).

Позиции участников:

*   **Стивен Синофски:** Считает, что миру нужно больше «шлака» в хорошем смысле слова [26:42]. Он приводит пример корпоративных кейсов (enterprise case studies), которые GPT пишет лучше и быстрее типичного маркетолога [25:11].
*   **Аниш Ачарья:** Отмечает, что ИИ-модели — это «машины усреднения». Для великого искусства нужно быть «на краю» культуры, а не в центре распределения [23:42].
*   **Демократизация доступа:** Главный аргумент Синофски — доступность. У 80% населения планеты нет доступа к качественной медицинской диагностике или юридическим услугам [25:51]. Для них средний (average) совет от ИИ — это колоссальный шаг вперед по сравнению с отсутствием помощи [27:06].

## 🏢 Будущее Google и «шок и трепет» корпораций
[[JUMP:28:30]]

В завершение встречи Аниш и Стивен обсуждают положение Google. Синофски называет разговоры о «смерти Google» абсурдными [28:30].

Ключевые моменты оценки Google:

*   **Активы:** У гигантов вроде Google есть ресурс «шока и трепета» — способность развернуть всю махину компании вокруг новой технологии и выпустить мощные продукты по всему стеку [29:10].
*   **Главная угроза:** Проблема не в технологиях, а в контексте создания продуктов и бизнес-моделях (Go-To-Market). Disruption (подрыв) происходит тогда, когда компания не может изменить свой способ мышления, а не когда у неё заканчиваются инженеры [29:54].