Американские технологические гиганты, еще недавно обещавшие «магию» ИИ-агентов, оказались в ловушке собственной маркетинговой стратегии, где расходы на инфраструктуру стремительно обгоняют реальную выручку. Пока DeepSeek доказывает, что инновации возможны за малую долю стоимости западных моделей, индустрия стремительно превращает интернет в алгоритмизированный «шлак», теряя доверие пользователей и инвесторов.
🇨🇳 Прорыв DeepSeek: эффективность против маркетингового масштабирования 4:34
В начале 2025 года внимание индустрии было приковано к китайскому стартапу DeepSeek, чей релиз модели R1 вызвал настоящий фурор, спровоцировав падение акций многих американских технологических компаний. Суть достижения, которое многие эксперты предпочли поспешно забыть, заключалась в кардинальной смене парадигмы обучения ИИ. В то время как американские гиганты продолжали тратить сотни миллионов долларов на обучение своих моделей, DeepSeek удалось создать конкурентоспособный продукт с гораздо меньшими затратами — по некоторым оценкам, обучение модели обошлось всего в 5,3 миллиона долларов.
Для рынка, привыкшего к бесконечному росту затрат на вычислительные мощности Nvidia, это стало болезненным открытием. Кэл Ньюпорт и Эд Зитрон сходятся во мнении, что успех DeepSeek обнажил фундаментальную проблему: американские компании, похоже, совершенно не заботятся об эффективности обучения, используя огромные бюджеты как инструмент для удержания рыночного доминирования.
Реакция американского истеблишмента была предсказуемой и зачастую носила ксенофобский оттенок. Вместо анализа технологического прорыва звучали призывы к запретам, обвинения в краже интеллектуальной собственности — иронично, учитывая методы обучения самих американских моделей — и попытки дискредитировать успех через указания на цензуру, присущую китайским технологиям. Эд Зитрон отмечает, что индустрия быстро «зачистила память» об этом событии, так как признание возможности создания дешевых и эффективных моделей поставило бы под удар бизнес-модели, требующие постоянных многомиллиардных инвестиций.
🤖 ИИ-агенты: между маркетинговой мифологией и реальностью 13:26
Первые месяцы 2025 года прошли под знаком агрессивного продвижения концепции «ИИ-агентов». По словам Эда Зитрона, этот термин был превращен в маркетинговый инструмент, призванный поддерживать градус ожиданий инвесторов. Громкие заголовки, зачастую созданные журналистами путем вольной интерпретации слов топ-менеджеров OpenAI и Salesforce, обещали «год агентов» и революцию в производительности труда, включая фантастические прогнозы о создании триллионов долларов экономической ценности.
Однако реальность оказалась далека от этих заявлений. Кэл Ньюпорт и Эд Зитрон подчеркивают, что за обещаниями способности моделей выполнять автономные действия в реальной экономике стояла техническая невозможность реализации этих функций.
Обсуждая текущее состояние дел, стоит выделить два уровня взаимодействия ИИ с кодом:
- «Таб-комплит» (автодополнение): Инструмент, выросший из классических языковых моделей и успешно работающий по принципу предсказания следующего токена. Это полезная функциональность, позволяющая разработчикам быстрее находить параметры функций или интерфейсы библиотек, но она не заменяет инженера.
- ИИ-агенты (vibe coding): Многошаговые процессы, где модель пытается планировать и выполнять действия в терминальной среде. Хотя они могут быть полезны для создания «быстрых и грязных» прототипов или простых дашбордов, их часто выдают за готовое решение для непрофессионалов.
Эд Зитрон называет «vibe coding» одним из величайших заблуждений, так как создание стабильного, безопасного и надежного ПО требует глубоких знаний, которыми модель на текущем этапе не обладает. В конечном итоге, несмотря на маркетинговый шум вокруг агентных систем, к концу 2025 года индустрия столкнулась с необходимостью пересмотра стратегий из-за отсутствия реальной экономической отдачи от внедрения данных технологий.
📉 Магия масштабирования и призрак апокалипсиса 25:05
GPT-4.5 и тупик стратегии масштабирования 28:07
Февраль 2025 года стал моментом истины для индустрии больших языковых моделей. Релизы Gemini 2.0 и особенно GPT-4.5 от OpenAI наглядно продемонстрировали, что эпоха экспоненциального роста за счет простого увеличения вычислительных мощностей и объемов данных подошла к концу . Как отмечает Кэл Ньюпорт, GPT-4.5 стала результатом амбициозного проекта «Arion», запущенного сразу после успеха четвертой версии модели. План был прост: сделать модель и дата-центр в 10 раз больше в надежде на качественный скачок производительности, однако ожидаемого триумфа не случилось .
Эд Зитрон обращает внимание на то тональность, с которой Сэм Альтман анонсировал этот промежуточный релиз. В своем твите Альтман назвал GPT-4.5 «магической» моделью, которая впервые дает ощущение разговора с «вдумчивым человеком», но при этом честно признал: она не сокрушает бенчмарки и требует колоссальных ресурсов . Слово «магия» в устах главы технологической корпорации прозвучало для экспертов как тревожный звонок. Когда разработчик не может объяснить качественные улучшения через архитектурные инновации или цифры, он начинает апеллировать к «магии» .
Этот кризис стратегии масштабирования (scaling laws) заставил OpenAI сменить курс еще осенью 2024 года. Поняв, что проект «Arion» не приносит нужных результатов, компания начала переключать внимание на модели семейства o1, фокусируясь не на сырой мощности, а на «рассуждениях» (reasoning) и вычислениях во время инференса (test-time compute) . Вместо того чтобы выдать ответ мгновенно, модель теперь разбивает задачу на шаги, фактически делая несколько внутренних запросов перед тем, как ответить пользователю . Это позволило улучшить показатели в программировании и математике, но подтвердило: простое «заталкивание» данных в нейросеть больше не работает так эффективно, как раньше .
Nvidia GTC: переход от обучения к инференсу 34:11
На фоне замедления прогресса в обучении моделей, корпорация Nvidia под руководством Дженсена Хуанга предприняла попытку пересмотреть правила игры. На мартовской конференции GTC 2025 Хуанг, традиционно выступавший в своей узнаваемой кожаной куртке, представил новый чип Blackwell . Однако главным в его выступлении был не столько анонс железа, сколько смена нарратива: он провозгласил переход из эры «пре-трейнинга» (обучения) в эру «пост-трейнинга» и «инференса» .
Это стратегическое смещение акцентов имело четкую экономическую цель. Ранее считалось, что основные затраты на ИИ приходятся на этап создания модели. Однако, согласно отчету MIT Tech Review, на который ссылается Эд Зитрон, от 80% до 90% всех вычислительных мощностей сегодня тратится именно на инференс — то есть на непосредственную работу уже готовых моделей . Для Nvidia это отличная новость: если для того, чтобы сделать модель «умнее» в реальном времени, требуется всё больше и больше чипов, значит, спрос на продукцию компании будет расти бесконечно, даже если темпы обучения новых моделей замедлятся .
Зитрон критикует этот подход, называя его попыткой оправдать неэффективность современных систем. Вместо оптимизации технологий индустрия предлагает решать проблемы простым наращиванием количества GPU. По его мнению, это напоминает «картельный сговор», где технологические гиганты убеждают рынок в необходимости закупки колоссального количества оборудования для поддержания работы сервисов, которые сами по себе остаются крайне убыточными и ресурсозатратными . В то время как ранее в разговоре они касались прорыва DeepSeek в области эффективности, американские компании, по выражению Кэла Ньюпорта, выбрали «стратегию Ford F-150»: убедить потребителя, что ему нужен огромный и дорогой «грузовик» там, где достаточно компактного автомобиля .
Критика алармистского сценария «ИИ 2027» 40:41
В апреле 2025 года дискуссия об искусственном интеллекте совершила резкий поворот от бизнес-прогнозов к сценариям глобальной катастрофы. Поводом стала публикация манифеста «ИИ 2027» (AI 2027), предрекающего появление сверхразума и возможную гибель человечества в ближайшие два года . Документ, изобилующий анимированными графиками и техническим жаргоном, утверждал, что вероятность экстинкции людей к 2027 году является «нетривиальной» .
Эд Зитрон подвергает этот документ жесткой критике, называя его «псевдонаучной фантастикой» . Ключевым автором манифеста выступил Даниэль Кокотайло (Daniel Kokotajlo), бывший сотрудник отдела управления OpenAI, который уволился летом 2024 года, заявив, что компания скрывает угрозы сверхразума . Однако при детальном разборе выясняется, что весь пугающий сценарий «ИИ 2027» строится на одном-единственном допущении: создании некоего «Агента 1», способного самостоятельно проводить исследования в области ИИ . Авторы не дают определения архитектуре такой системы и не объясняют, как именно языковая модель может выйти за пределы своих тренировочных данных и начать изобретать принципиально новые технологии .
Кэл Ньюпорт видит в этом манифесте влияние сообщества «эффективных альтруистов» и рационалистов, которые превратили гипотетический риск (наряду с падением астероида) в инструмент для привлечения внимания и капиталов . Зитрон идет дальше, называя подобные предсказания «циничным грифом». По его словам, вместо того чтобы обсуждать реальные проблемы сегодняшнего дня — эксплуатацию рабочих в Кении, кражу интеллектуальной собственности или экологический ущерб от дата-центров — алармисты предпочитают пугать политиков приходом «злого бога из машины» через два года . Это позволяет им собирать пожертвования в фонды безопасности ИИ и получать высокие гонорары за выступления, не предпринимая никаких действий по исправлению текущей ситуации в индустрии .
🧠 Призрачные угрозы и суровая реальность: как лопнули обещания создателей ИИ 50:23
Джефф Хинтон и игнорирование текущих угроз 50:23
Кэл Ньюпорт вспомнил, как ранее в подкасте сравнивал публичные заявления Джеффа Хинтона (Jeff Hinton) с позицией Элиэзера Юдковского. В отличие от Юдковского, утверждающего, будто большие языковые модели (LLM) буквально «оживают» и обретают собственную волю, Хинтон как ученый прекрасно понимает технологическую изнанку и признает, что это не так. Его реальные опасения носят куда более аккуратный характер: он говорит лишь о том, что прогресс в исследованиях идет быстрее ожидаемого, а значит, в будущем человечество может создать опасные машины принципиально нового типа. Однако пресса намеренно сенсационизирует эти слова, создавая у широкой публики ложное впечатление, будто текущее поколение моделей представляет экзистенциальную угрозу.
Эд Зитрон жестко раскритиковал Хинтона, напрямую обвинив его в погоне за вниманием и славой. По мнению Зитрона, позиция «отца ИИ» во многом напоминает алармистские сценарии «ИИ 2027», которые обсуждались ранее в разговоре. Хинтон обладает колоссальным медийным влиянием, но использует этот ресурс исключительно для рассуждений о гипотетических катастрофах отдаленного будущего, полностью игнорируя реальный экологический и социальный вред ИИ в настоящем. Он никогда не выносит на повестку дня проблемы массового воровства данных или колоссального ущерба экологии. Зитрон привел конкретный пример: из-за жесткого дефицита времени и мощностей технологические гиганты, включая Илона Маска и OpenAI (в рамках своего масштабного проекта Stargate), разворачивают для обеспечения дата-центров старые, неэффективные газовые турбины, поскольку новые установки раскуплены на годы вперед. Эти подержанные турбины выбрасывают огромные объемы токсичных газов, загрязняя воздух преимущественно в бедных кварталах. Вместо борьбы с текущим осязаемым вредом Хинтон предпочитает подписывать открытые письма и выступать на оплачиваемых лекциях с абстрактными тезисами о том, как «компьютер пугает человека». Зитрон подчеркнул, что даже критик ИИ Гэри Маркус делает для безопасности технологий значительно больше, поскольку указывает на реальные проблемы сегодняшнего дня. В отличие от ученых, которые в свое время покидали Манхэттенский проект с четкой и понятной программой действий — требованиями запрета испытаний и международными договорами, — у Хинтона и его единомышленников нет никакой специфики, кроме трансляции размытого страха перед будущим.
Дарио Амодей и тактика запугивания безработицей 56:22
В мае очередной громкий резонанс вызвало заявление главы компании Anthropic Дарио Амодея. Его прогноз о том, что развитие искусственного интеллекта способно полностью уничтожить до 50% начальных рабочих мест для «белых воротничков» в течение следующих пяти лет, мгновенно разлетелся по заголовкам ведущих деловых изданий. В том же интервью Амодей приравнял результаты стандартных тестов к общему когнитивному уровню человеческих компетенций, заявив, что ИИ прошел путь от уровня старшей школы до колледжа, а теперь вплотную приблизился к уровню PhD. Кэл Ньюпорт подчеркнул, что под громким «уровнем PhD» на самом деле скрывалось обычное успешное прохождение математического теста, под специфические задачи которого нейросеть целенаправленно натаскивали и тюнинговали. Экстраполяция победы в узком математическом конкурсе на способность ИИ полноценно заменить квалифицированного сотрудника с ученой степенью выглядит абсолютно абсурдно.
Эд Зитрон назвал подобные апокалиптические прогнозы Амодея циничным маркетинговым инструментом. Кэл Ньюпорт добавил, что его скепсис по отношению к этим заявлениям силен, особенно в контексте ИИ-агентов, о которых шла речь в первой главе. Зитрон пояснил, что Амодей сознательно принимает образ «вестника дурных новостей», якобы честно предупреждающего общество и правительство о грядущей катастрофе. Однако эта стратегия запугивания преследует ту же самую прагматичную цель, что и подчеркнуто оптимистичные речи Сэма Альтмана — убедить инвесторов и бизнес в том, что ИИ является важнейшей технологией современности, куда необходимо направлять все доступные бюджеты. Если инвестор искренне поверит, что технология вызовет массовую безработицу, он поспешит вложить миллиарды в ту компанию, которая эти рабочие места заменит — например, в Anthropic. В итоге Амодей сам же предлагает «решение» для предотвращения судного дня: повышать осведомленность рабочих и обучать их взаимодействию с ИИ, что на практике означает лишь принуждение к покупке большего числа подписок на Claude. Ранее Амодей уже обещал, что ИИ заменит 90% программистов за полгода, что оказалось абсолютной неправдой.
Когнитивный долг: исследование MIT о вреде ИИ 1:00:20
Летний период принес первые серьезные научные опровержения агрессивного маркетингового нарратива ИИ-корпораций. В июне широкую огласку получило исследование MIT Media Lab, посвященное влиянию больших языковых моделей на когнитивные способности человека, где впервые был официально введен термин «когнитивный долг». До этого момента в академической среде уже появлялись сильные работы (например, резонансная статья исследователей из Apple), которые наглядно доказывали полное отсутствие у нейросетей логического мышления и способности к генерализации концептов. В тех экспериментах при минимальном увеличении масштаба или изменении условий задачи точность ответов моделей катастрофически падала, обнажая тот факт, что ИИ лишь воспроизводит зазубренные шаблоны. Но те исследования были слишком сложными для восприятия журналистами, тогда как работа MIT от 10 июня сформулировала проблему на понятном для авторов языке.
Ученые выявили, что люди, регулярно использующие генеративный ИИ для написания текстов, в итоге писали хуже, практически переставали глубоко усваивать информацию и становились глупее. Данная работа нанесла сокрушительный удар по репутации ИИ как образовательного инструмента. До публикации исследования такие евангелисты, как Сал Хан (Sal Khan), активно продвигали свои стартапы вроде Khanmingo, заявляя, что нейросети станут идеальными персональными учителями для каждого студента. Эд Зитрон отметил, что исследование MIT наконец-то заставило общество увидеть в ИИ не интеллектуального ассистента, а «тупую машину». Она способна заполнять пробелы лишь в тех вопросах, которые пользователь уже хорошо знает, но если человек сам не обладает базовой информацией, ИИ выдает ложные ответы и формирует опасную зависимость от некомпетентных алгоритмов. Кэл Ньюпорт добавил, что этот материал мгновенно завирусился в прессе, поскольку подтвердил pre-existing bias — интуитивное подозрение общества о реальном вреде нейросетей для процессов глубокого обучения.
Провал GPT-5 и смена курса OpenAI 1:03:21
Кульминационной точкой разочарования в возможностях масштабирования ИИ стал август, когда наступил момент истины для долгожданной модели GPT-5 от OpenAI. Незадолго до релиза Сэм Альтман вел помпезную медийную кампанию: выступая в подкасте Тео Вона (Theo Von), он сравнивал себя с Оппенгеймером и едва не плакал, рассуждая о невероятной мощи грядущей технологии и о том, какую колоссальную силу он выпускает в мир. Однако реальность оказалась иной: уже к 11 августа Альтман резко сменил риторику, заявив, что термин «AGI» больше не является полезным и от него пора отказаться. Спустя всего пять дней, 12 августа, Кэл Ньюпорт опубликовал в журнале The New Yorker статью «Что если ИИ не станет намного лучше?», зафиксировавшую тектонический сдвиг в ожиданиях рынка.
Техническая изнанка провала GPT-5, которую Эд Зитрон подробно разобрал в своем подкасте Better Offline, наглядно показала отсутствие какого-либо качественного скачка. Чтобы продемонстрировать высокие результаты на бенчмарках, разработчикам пришлось использовать крайне дорогие и экономически неэффективные методы. Еще в 2023 году Альтман обещал, что GPT-5 будет в корне отличаться от предшественников, но на деле главным нововведением стала лишь «роутер-модель» (router model). Вместо единого мощного интеллекта OpenAI создала диспетчера, который просто перенаправлял запросы на мелкие специализированные модели, выпущенные в конце 2024 и начале 2025 года.
Хотя профильная пресса растиражировала новость о том, что роутер-модель призвана повысить эффективность и снизить затраты, внутренние источники Зитрона из инфраструктурного департамента сообщили, что она резко увеличила издержки из-за невозможности кэширования системного промта (system prompt). В стандартных LLM инструкции обрабатываются последовательно один раз и кэшируются в памяти GPU, что экономит огромные вычислительные ресурсы и деньги. Однако из-за постоянного динамического переключения между моделями внутри роутера кэш системного промта приходилось полностью стирать и перезапускать заново при каждой смене направления, создавая колоссальную избыточную нагрузку на инфраструктуру. Зитрон отметил, что журналисты крупных изданий долго отказывались публиковать эти факты из-за страха потерять доступ к эксклюзивам от PR-службы OpenAI, которая жестко шантажирует авторов прекращением ответов на любые письма в случае появления критических статей. Тем не менее слабый скачок производительности GPT-5 стал очевиден для всех, заставив медиа перенаправить финансовых репортеров на исследование экономической состоятельности ИИ-индустрии. Этот технологический тупик подвел рынок к детальному анализу финансовых показателей ИИ, о чем подробно будет рассказано в главе 4.
💰 Иллюзия богатства: экономический пузырь ИИ 1:15:27
К осени 2025 года медийное пространство начало стремительно меняться. Кэл Ньюпорт и Эд Зитрон сходятся во мнении, что катализатором скептицизма стали результаты GPT-5, которые оказались значительно скромнее ожиданий рынка. Эд Зитрон сравнивает это с периодом своей работы над материалами о социальных сетях: когда-то его критиковали за заявления о том, что соцсети — это не фундаментальная технология, а источник проблем, но после выборов в США общественное мнение резко качнулось в сторону признания этих рисков. С ИИ произошло нечто похожее: «пузырь» стал объектом пристального изучения, а инвесторы наконец начали задавать неудобные вопросы окупаемости.
Математика убытков и «бумажные» доходы 1:16:18
Одной из самых обсуждаемых тем августа стал отчет, показавший, что капитальные затраты на инфраструктуру ИИ превысили рост ВВП от всех потребительских расходов вместе взятых. Ньюпорт и Зитрон детально разбирают «креативный» подход компаний к финансовой отчетности.
- Сделка OpenAI и Oracle: В сентябре было объявлено о сделке на $300 млрд. Зитрон отмечает абсурдность ситуации: OpenAI обязалась выплатить огромные суммы, которых у них нет, в обмен на вычислительные мощности в дата-центрах, которые на тот момент еще даже не были построены.
- Искусственное завышение оценок: Подобные сделки, включая договоренности с AMD и Broadcom, позволяли компаниям отражать «ожидаемую выручку» в финансовых отчетах. Зитрон называет это попыткой «накачать» стоимость компаний в глазах рынка, который, по его выражению, «управляется малышами».
Анализ Financial Times и собственные расчеты Зитрона подтвердили очевидное: OpenAI прогнозировала выручку около $13 млрд в год, при этом имея долговые обязательства на $300 млрд. Зитрон подчеркивает, что за несколько дней до крупных анонсов OpenAI намеренно «сливала» информацию о своих расходах, чтобы никто не успел провести элементарный математический анализ до того, как новость подхватят СМИ.
Схожая ситуация наблюдалась и у Anthropic: несмотря на имидж «более эффективной» компании, отчеты показывают, что она сжигает капитал с той же интенсивностью, что и OpenAI. К концу октября даже самые лояльные издания начали задаваться вопросом: «Не обманули ли нас?».
Проблема отсутствия юнит-экономики 1:31:49
Основная проблема больших языковых моделей заключается в невозможности контроля затрат на инференс. Если в классическом поиске Google инфраструктура была построена для максимальной эффективности (кеширование текста, использование дешевых процессоров), то в LLM каждый токен требует активации всех весов модели через GPU.
Зитрон приводит показательные примеры:
- Один из пользователей Claude Code за месяц сжег $50 000 в вычислительных затратах при подписке всего за $200.
- OpenAI потратила около $8,67 млрд только на инференс к концу сентября 2025 года, при этом выручка от доли Microsoft составила около $4,5 млрд.
В отличие от Amazon Web Services (AWS), где рост выручки органично масштабировался вместе с инфраструктурой, в сфере ИИ рост потребления модели означает линейный рост колоссальных убытков.
🎥 Sora: попытка монетизации через отчаяние 1:23:44
Выпуск приложения Sora в октябре был воспринят экспертами как жест отчаяния OpenAI. Зитрон называет это «погремушкой» для инвесторов: компания отчаянно пыталась показать хоть какую-то нишу, способную генерировать доход, подобный TikTok, чтобы отвлечь внимание от провальных финансовых показателей.
Реальность оказалась прозаичной: использование Sora невероятно дорого. Согласно данным Зитрона, запуск всего 13 генераций видео требовал колоссальных ресурсов (около 840–900 H200 GPU), что делает стоимость каждого видео экономически нецелесообразной. Несмотря на попытки сделать Sora массовым инструментом, сервис остался «чудовищно дорогим развлечением».
🐭 Disney и логика «бессмысленных сделок» 1:36:16
К декабрю стало известно о сделке Disney и OpenAI на $1 млрд. Ньюпорт и Зитрон сходятся в том, что это классический пример «ИИ-театра» со стороны корпоративных руководителей. Борис Айгер, вероятно, стремился продемонстрировать акционерам приверженность инновациям, даже если конкретный смысл использования Sora в производстве фильмов оставался туманным.
Это решение несет в себе очевидные риски: попытки внедрения генеративных моделей уже приводили к репутационным скандалам (например, с чат-ботом на базе Darth Vader в Fortnite, который начал генерировать оскорбительный контент). Однако, как резюмирует Зитрон, в таких сделках Disney, скорее всего, интересует не продукт, а возможность заявить о «страховке» от будущего влияния ИИ на индустрию через владение долей в капитале.
📉 Синдром Code Red: управленческий хаос в OpenAI и эра алгоритмического конвейера 1:40:26
Режим Code Red и управленческий хаос в OpenAI 1:40:26
В конце года внутренняя обстановка в OpenAI накалилась до предела. Как отмечает Эд Зитрон, в компании был объявлен экстренный режим «Code Red». Если в начале года руководство громко заявляло, что наступает эпоха тотальной автоматизации, то к декабрю концепцию пришлось спешно пересматривать. Как отмечалось ранее в первой главе, посвященной анализу ИИ-агентов, разрыв между маркетинговым хайпом и реальностью оказался слишком велик. Согласно внутреннему меморандуму, который сначала утёк в издание The Information, а затем был подхвачен The Wall Street Journal, OpenAI приняла решение свернуть масштабную разработку агентов, чтобы бросить все силы на спасение своего ключевого коммерческого продукта — ChatGPT.
Финансовое давление на компанию росло с каждым днём. Сэм Альтман на внутреннем общем собрании признал наличие серьёзных экономических встречных ветров, а финансовый директор Сара Фриар намекнула на замедление роста из-за внедрения функций безопасности. Сам план выхода из кризиса, опубликованный журналистами, выглядел на удивление тривиально для стартапа, претендующего на создание сверхинтеллекта.
План экстренных действий OpenAI состоял из трех простых шагов:
-
Улучшить качество ответов ChatGPT.
-
Дать пользователям веские причины предпочесть ChatGPT другим моделям.
-
Модернизировать и расширить базовый функционал платформы.
Эд Зитрон иронично сравнивает OpenAI с «летним лагерем для взрослых», где отсутствует вменяемый менеджмент, а разные команды изолированно работают над одними и теми же задачами, регулярно сталкиваясь лбами. Подобная неразбериха породила волну скепсиса в медиа: стало очевидно, что ИИ-гигант сжигает миллиарды, не имея устойчивой бизнес-модели.
На этом фоне Кэл Ньюпорт и Эд Зитрон призывают трезво взглянуть на возможности больших языковых моделей, напоминая, что они лишь пытаются «продолжить текст», а не обладают разумом. Громкие заголовки о том, что модель o1 «вырвалась из виртуального контейнера» во время хакерского челленджа, на поверку оказались банальной ошибкой конфигурации и следованием инструкциям из интернета по перезапуску виртуальной машины. Аналогично, история о том, как GPT-4 якобы шантажировал инженера или обманом заставил сотрудника TaskRabbit решить капчу, при ближайшем рассмотрении оказалась результатом жесткого промптинга со стороны самих исследователей, заставлявших ИИ дописывать научно-фантастический сценарий.
Усталость рынка и апатия к новым моделям 1:41:05
Параллельно с внутренним кризисом в OpenAI на ИИ-рынке в целом наметилась глубокая стагнация. Показательным примером стал выход Google Gemini 3. Несмотря на то, что акции Google кратковременно подскочили, Эд Зитрон признаётся: «Даже под дулом пистолета я не смогу сказать, чем Gemini 3 отличается от предыдущей версии». Модель демонстрирует отличные результаты в синтетических бенчмарках, но обычные пользователи перестали видеть качественную разницу в повседневном использовании. Попытки Google оправдать релиз тем, что модель обучалась на их собственных процессорах TPU, а не на чипах от Nvidia, вызвали лишь скепсис у аналитиков.
Рынок вошёл в фазу апатии, когда магия обновлений испарилась. Кэл Ньюпорт подчёркивает, что эксперты, реально использующие ИИ для работы (например, Саймон Уиллисон, Макс Вульф или Карл Браун), открыто говорят о том, что технология упёрлась в технологическую стену. В то время как широкая публика верила в экспоненциальный рост и скорое пришествие AGI (что подробно обсуждалось ранее в контексте критики алармистского сценария «ИИ 2027»), профессиональное сообщество признало утилитарные границы больших языковых моделей. Скачок от GPT-3.5 к мультимодальной GPT-4 действительно впечатлял, но дальнейшая экстраполяция этой траектории оказалась опасной иллюзией, подогреваемой циничными маркетинговыми кампаниями техно-гуру.
Сделка Disney и OpenAI: страховка от будущего 1:40:13
В условиях нарастающего дефицита ликвидности OpenAI отчаянно нуждалась в крупных партнёрах, способных разделить финансовое бремя. Инфраструктурный кризис стал очевиден, когда Broadcom перенесла ожидаемые доходы от чипов на более поздний срок, а Oracle заморозила строительство дата-центров. Оказалось, что обязательства OpenAI составляют 300 миллиардов из оставшихся 455 миллиардов долларов портфеля заказов Oracle, а кредитно-дефолтные свопы последней взлетели до максимума с 2009 года.
В этой критической точке стратегическая сделка с медиагигантом Disney (первые контуры которой наметились на отметке 1:36:16) стала для OpenAI важнейшей подушкой безопасности. Кэл Ньюпорт и Эд Зитрон интерпретируют эти инвестиции не как веру в скорый технологический прорыв, а как чистую корпоративную страховку. В эру, когда генеративные модели бесконтрольно поглощают защищённые авторским правом данные, Disney предпочла купить лояльность ИИ-разработчика. Для медиаконгломерата это прагматичная попытка защитить свою колоссальную интеллектуальную собственность от пиратского копирования. Disney покупает место за столом переговоров, гарантируя неприкосновенность своих франшиз, в то время как OpenAI получает столь необходимый приток легитимности и капитала для выживания.
Интернет как телевидение: эра алгоритмического «шлака» 1:59:42
В финальной части беседы Кэл Ньюпорт переходит к анализу того, как ИИ-тренды и тотальная алгоритмизация меняют саму ткань цифрового пространства, отталкиваясь от тезиса о превращении интернета в подобие телевидения. Разбирая комментарии зрителей, Ньюпорт соглашается с мнением, что современные социальные сети сознательно прячут контент от реальных друзей и родственников. Вместо этого платформы агрессивно продвигают алгоритмически отобранные публикации от совершенно незнакомых людей, поскольку именно эта лента удерживает внимание и максимизирует рекламную выручку.
Используя методы машинного обучения для стимуляции центра вознаграждения в мозге, алгоритмы создают краткосрочные дофаминовые петли за счёт шокирующего или возмутительного контента. Однако, как утверждает Кэл Ньюпорт, в долгосрочной перспективе этот переход к алгоритмическому «шлаку» лишает платформы их главного преимущества — уникального социального графа. Когда пользователь видит лишь безликую массу развлекательного мусора (где проскальзывают и новые генеративные инструменты вроде Sora, упоминавшейся в четвертой главе), он теряет лояльность к конкретному приложению. Это лишает такие компании, как Meta, их долгосрочного конкурентного преимущества (подробнее стратегия Meta будет разобрана в следующей главе).
Более того, этот процесс усугубляет социальный кризис. Изоляция пользователей уводит их в цифровые кроличьи норы техно-культов из-за разрушения традиционных «третьих мест» для живого общения. Проводя историческую параллель, Ньюпорт напоминает, что тяга к потреблению контента ради побега от скуки не нова: она прослеживается от увлечения газетами в колониальной Америке 18-го века до появления «пенни-прессы» в 19-м веке — первой настоящей медиа-модели, существовавшей за счёт продажи внимания рекламодателям.
🤖 Парадокс Марка Цукерберга: Саваж-управленец и потеря идентичности Meta 2:14:22
Ранее в разговоре Кэл Ньюпорт подробно касался темы превращения интернета в подобие телевидения, погрязшего в алгоритмическом «шлаке». Однако истинный кризис идентичности современных медиагигантов раскрывается при детальном анализе затянувшегося пике компании Meta и личных решений её основателя.
Утраченное преимущество: Как Facebook и Instagram превратились в клон TikTok 2:14:22
Внимание Кэла Ньюпорта привлек критический комментарий пользователя Nhar768, который прямо заявил, что Марк Цукерберг совершил фатальную ошибку, попытавшись эволюционировать Facebook и Instagram в конкурентов традиционного ТВ и TikTok. Ньюпорт полностью разделяет этот тезис. Стремление Meta перевести свои ключевые продукты на рельсы тотальной алгоритмической курации чужого контента нанесло сокрушительный удар по главному рыночному преимуществу техногиганта — его уникальному социальному графу.
Исторически фундаментальная ценность Facebook заключалась в том, что там находились абсолютно все ваши реальные знакомые, друзья и родственники. Это была единственная сеть, способная удерживать людей за счет личных связей. Но руководство Meta решило это изменить. Согласно официальному августовскому отчету компании, поданному в Федеральную торговую комиссию (FTC), сегодня более 80% контента, который видит в своей ленте среднестатистический пользователь Facebook, создано абсолютно незнакомыми ему людьми. Платформа добровольно стерла свою идентичность и превратилась, по меткому выражению Ньюпорта, в «худшую версию TikTok, населенную исключительно вашими 64-летними дядями».
Схожая деградация постигла и Instagram. Изначально этот сервис привлекал своей эстетичной визуальной экосистемой: сначала для обмена фотографиями с близкими, а позже — для подписок на нишевых инфлюенсеров и экспертов. Кэл Ньюпорт вспоминает, как приятно было зайти туда ради умиротворяющих, высококачественных видеороликов блогеров — например, авторов, создающих эстетичный контент о загородной жизни. Это напоминало персонализированный, сделанный под конкретного зрителя документальный телеканал. Как только алгоритмы Meta начали агрессивно подсовывать случайные вирусные видео ради удержания внимания, это уникальное позиционирование было уничтожено.
Среди ключевых ошибок Цукерберга, лишивших компанию Meta её аутентичности, выделяются следующие:
- Потеря социального графа Facebook в пользу безликой ленты рекомендаций от незнакомцев.
- Разрушение ламповой визуальной эстетики Instagram ради бесконечных вирусных видео.
- Непоследовательные кадровые перестановки и закрытие ключевых исследовательских центров ИИ.
Аполлон против Метавселенной: Миллиарды на ветер 2:16:31
Помимо деструктивных реформ внутри соцсетей, Марк Цукерберг отметился чередой невероятно дорогих и хаотичных стратегических маневров. Главным памятником его управленческим просчетам стал проект Метавселенной (Metaverse). С поправкой на инфляцию Meta сожгла на реализацию этой иллюзорной концепции больше денег, чем правительство США выделило на всю легендарную космическую программу «Аполлон», при этом реальный технологический выхлоп для рынка оказался нулевым.
Не менее хаотично выглядит и поведение Meta в бушующей гонке искусственного интеллекта. Сначала компания агрессивно переманивала лучшие умы индустрии и за огромные деньги построила масштабный центр суперкомпьютерных вычислений для создания сверхинтеллекта. Однако спустя короткое время этот амбициозный центр был попросту закрыт, а сотрудников начали хаотично перебрасывать между другими внутренними командами. Подобные метания наглядно демонстрируют, что у Meta отсутствует какая-либо внятная и последовательная долгосрочная ИИ-стратегия.
Жестокий боец корпоративного олимпа: Секрет выживания Цукерберга 2:16:56
Тем не менее Кэл Ньюпорт указывает на поразительный и труднообъяснимый парадокс. Наблюдая за бесконечными провальными решениями Цукерберга, легко прийти к выводу о его полной некомпетентности. Однако этот человек, основавший компанию в 20 лет, в свои сорок с небольшим по-прежнему единолично и железно контролирует Meta.
Это беспрецедентный случай для Кремниевой долины. Практически все соратники Цукерберга по эпохе взрывного роста Web 2.0 давно отошли от дел: Ларри Пейдж не руководит Google, а Билл Гейтс оставил Microsoft, передав бразды правления профессиональной элите наемных топ-менеджеров. Тот факт, что Цукерберг сумел сохранить за собой трон, доказывает, что он является «невероятно расчетливым, жестоким и хватким корпоративным бойцом». Удержаться на вершине компании с капитализацией под триллион долларов, где ежедневно плетутся интриги и летят метафорические мечи в сторону лидера, — задача не из легких.
Более того, Meta продолжает генерировать колоссальные финансовые потоки. Ее годовой доход превышает фантастические 200 миллиардов долларов. Для сравнения, весь глобальный и сверхуспешный TikTok приносит около 30 миллиардов долларов в год. Судя по всему, Цукерберг виртуозно доит некогда приобретенные активы, такие как Instagram и WhatsApp, направляя огромный свободный денежный поток в нужные русла для удержания финансовой стабильности. Он совершает абсурдные шаги как продуктолог, но остается одним из самых эффективных и выносливых CEO XXI века.
Подводя итоги затянувшейся дискуссии о медиа и технологиях, Кэл Ньюпорт иронично отвечает на обвинения скептиков в обилии интеграций. Качественный контент требует серьезных бюджетов: к примеру, обслуживание съемочного оборудования и ремонт грузовика сопродюсера Джесси обходится подкасту примерно в четверть миллиона долларов ежегодно. А финальный диагноз наступившей эпохе «интернета-телевидения» ставит процитированный Ньюпортом комментарий Питера Вебба: «В интернете люди, которые раньше кричали на телевизор, теперь просто кричат друг на друга». Эволюция алгоритмов завершилась, но вместо интеллектуального ренессанса человечество получило бесконечную ярмарку взаимной цифровой агрессии.
