В новом эпизоде подкаста Уэс Рот (Wes Roth) вместе с бывшими сотрудниками Google обсуждает тектонические сдвиги в индустрии ИИ. В центре внимания — сделка Meta по инвестированию 14 миллиардов долларов в Scale AI, новые стратегии поглощения компаний в обход регуляторов и последние научные работы, описывающие «рекурсивное самосовершенствование» нейросетей. Инсайдеры Кремниевой долины делятся своим видением того, почему Apple пытается дискредитировать возможности ИИ и как скоро автоматизация работы исследователей машинного обучения приведет к технологической сингулярности.
💰 Сделка Meta и Scale AI: игра на 14 миллиардов долларов 2:50
Meta находится на финальной стадии сделки по инвестированию 14 млрд долларов в Scale AI в обмен на долю в капитале . По словам собеседников Уэса Рота, это второе по величине приобретение Марка Цукерберга после WhatsApp. Несмотря на внушительную сумму, это составляет менее 1% рыночной капитализации Meta, что делает риск минимальным при огромном потенциале роста .
Ключевые факты о сделке:
- Александр Ванг, основатель Scale AI, возглавит новую команду «суперинтеллекта» внутри Meta .
- Цукерберг лично участвует в найме инженеров, предлагая зарплаты в 8–9 знаков (десятки и сотни миллионов долларов) .
- Цель сделки — реабилитироваться после проблем с Llama 4 (по мнению гостей, модель подверглась критике за манипуляции с бенчмарками) .
Собеседники Уэса Рота отмечают, что Scale AI испытывает давление: компания не достигла цели по выручке в 1 млрд долларов в прошлом году, остановившись на отметке 870 млн . Причиной может быть «удлинение» циклов корпоративных продаж и рост популярности синтетических данных, которые снижают ценность ручной разметки — основного бизнеса Scale AI .
🛡️ Новая эра M&A: как обойти надзор FTC 5:55
В условиях жесткого давления со стороны Федеральной торговой комиссии (FTC) и Лины Хан, крупные техгиганты перешли от полных покупок к стратегиям «лицензирования и освобождения» (License and Release) .
Гости выделяют три типа сделок в Долине:
- Aqua-hire (Аква-найм): покупка команды без интереса к самому бизнесу или IP. По словам гостей, Google часто практиковал это, чтобы дать сотрудникам «золотые наручники» .
- License and Release (Лицензирование): покупка лицензии на IP и наем ключевых лиц. Компания остается формально независимой, что позволяет избежать антимонопольных проверок .
- Full Stock Purchase: полная покупка акций (например, Salesforce купил Slack), при которой инвесторы получают огромную прибыль .
Примеры «хитрых» лицензионных сделок:
- Microsoft и Inflection AI: 650 млн долларов за лицензию и переход команды .
- Google и Character AI: 2,7 млрд долларов за Ноама Шазира и группу исследователей .
- Amazon и Adept: сделка на 330 млн долларов .
Такие форматы позволяют корпорациям не брать на себя юридические риски и обязательства приобретаемых стартапов .
🍏 Почему Apple критикует возможности рассуждения ИИ? 35:18
Недавняя научная работа Apple, утверждающая, что LLM не способны к истинному рассуждению, вызвала скепсис у Уэса Рота и его гостей . По мнению собеседников, Apple намеренно подсвечивает ограничения моделей, чтобы оправдать собственное отставание в гонке вооружений ИИ .
Аргументы против позиции Apple:
- Критика строится на задачах, выходящих за рамки контекстного окна, или на математических головоломках, которые и люди решают с трудом .
- Если модель использует Python для решения логической задачи — это и есть форма рассуждения через инструмент .
- Мнение участников: Apple «травмирована» провалом собственных карт в 2012 году, поэтому теперь боится выпускать несовершенные продукты и предпочитает критиковать чужие .
Гости сравнили текущую ситуацию с цитатой Макса Планка: научная истина торжествует не потому, что оппоненты меняют мнение, а потому, что они со временем умирают, а новое поколение принимает новые технологии как данность .
🧬 Рекурсивное обучение: модели, которые тренируют сами себя 46:24
Обсуждение коснулось двух прорывных работ от Беркли и MIT, которые меняют представление об обучении моделей.
- Обучение без внешних наград (Беркли): Исследователи обнаружили, что использование «внутренней уверенности» модели в качестве сигнала для RL-обучения повышает точность ответов . Модель как бы «прислушивается к себе» и усиливает правильные сигналы .
- Самоадаптирующиеся модели (MIT): Нейросеть обучается менять собственные веса в реальном времени под конкретную задачу .
По словам гостей, это приближает нас к «автоматизированному исследователю машинного обучения» . Если ИИ сможет самостоятельно проводить эксперименты и улучшать код других нейросетей, наступит фаза взрывного роста .
🌌 «Мягкая сингулярность» Сэма Альтмана 1:04:42
В завершение Уэс Рот упомянул концепцию «нежной» или «мягкой сингулярности» Сэма Альтмана . Спикеры сошлись во мнении, что мы находимся на «личиночной стадии» рекурсивного самосовершенствования ИИ .
Ключевые прогнозы участников:
- Даже если рост ИИ пойдет по S-образной кривой (с замедлением), потенциал текущего плато все еще огромен .
- Главным индикатором успеха станет не рост бенчмарков, а момент, когда лаборатории ИИ перестанут нанимать новых исследователей за миллионы долларов, заменив их собственными моделями .
- Автоматизация кодинга приведет к тому, что инженеры будут тратить время не на написание строк, а на архитектурное проектирование и решение сложных технических противоречий .
