Технооптимисты

Междисциплинарность — не тренд последних лет, а естественное состояние зрелого ума, готового впитывать знания из разных областей и создавать на их пересечении новое. В современном мире границы между дисциплинами размываются, поэтому способность мыслить широко становится не преимуществом, а необходимостью для любого творческого человека.

Междисциплинарность в творчестве: когда программист становится философом

Мой путь от технических книг по программированию к философским размышлениям не был спланированным переходом — скорее, это результат естественного взросления и накопления мудрости. Человек, который впитывает всё вокруг себя, перерабатывает полученные знания и стремится научить чему-то новому подрастающее поколение, неизбежно выходит за рамки узкой специализации. Программирование стало для меня не тупиком, а инструментом мышления, который помог глубже понять природу логики.

Связь между логикой программирования и философскими рассуждениями очевидна — это одно и то же. Логика — философская дисциплина, и программирование лишь дает ей современную форму. Когда пишешь код, учишься мыслить последовательно, избегать противоречий, строить чёткие причинно-следственные цепочки. Эти навыки напрямую переносятся в философское творчество, дисциплинируя разум и не позволяя впадать во всякую метафизику.

Мой опыт в области ИИ и программирования прямо влияет на философские идеи в моих книгах. Программирование научило меня облекать сложные концепции в терминологию аналитической философии, делая их доступными тем, кому привычны языки логики, математики и алгоритмического мышления. Например, вся книга «Философия бессмертия» — это чистая логика и аналитика без метафизических спекуляций, построенная по принципам, знакомым любому программисту: чёткие определения, последовательные выводы, проверяемые утверждения.

Язык описания технических и философских концепций действительно отличается, но я могу привлекать метаязыки логики, математики и программирования для объяснения сложных философских идей. Это делает их проще для тех, кому эти инструменты мышления ближе традиционного философского дискурса. Многие видят во мне переводчика, способного донести идеи до разных аудиторий — от программистов до философов.

К философским вопросам я применяю исключительно научный метод, и только его. На практике это означает приверженность только аналитической философии — направлению, которое требует строгости, точности терминологии и логической последовательности. Никаких интуитивных озарений или метафизических построений — только то, что можно обосновать и проверить.

На моё творчество влияет весь клубок накопленных знаний — программирование, криптография, математика, физика, искусственный интеллект. Всё поле знаний, всё, что я впитал с детства, работает как единая система. Междисциплинарность сегодня — это не роскошь, а необходимость. Мне смешны люди, которые жалуются, что работают только в своей узкой области и ничего другого не понимают. В эпоху ИИ и сложных технологий такой подход обречён на неудачу.

Тем, кто хочет выйти за рамки своей специализации, могу дать простой совет: учиться, учиться и учиться. Постигать всё, выходить за границы зоны комфорта в знаниях, продолжать глубокое и широкое образование на протяжении всей своей жизни. Риски поверхностности существуют, но их можно избежать, если несколько областей знаний развивать особенно глубоко. У меня такой областью стал искусственный интеллект — это фундамент, на котором строится всё остальное.

Междисциплинарность — это не смешение разных подходов ради экзотики, а естественный способ мышления человека, который понимает: современный мир слишком сложен для узких специалистов. Будущее принадлежит тем, кто умеет видеть связи между разными областями знаний и создавать на их пересечении что-то новое и ценное.

Вот книги о том, как знания из разных областей объединяются в единую картину мира:

📚 «Философия бессмертия»: https://clck.ru/3MBmio

📚 «Искусственный интеллект»: https://clck.ru/3MBn4F

📚 «Чтец пустоты»: https://clck.ru/3NgzFS

Подписывайтесь на канал «Технооптимисты» (@drv_official).

#ТекстИКод

Новое исследование с участием 1682 человек показало: читатели в целом не смогли надёжно отличить рассказы ChatGPT от текстов, написанных людьми. Более того, без указания автора ИИ-истории чаще оценивали как более увлекательные и качественные; но сама пометка «написано человеком» заметно повышала оценку текста.

Не автора судят, а ярлык

Первая реакция на такие результаты обычно звучит так: «Ну вот, машина победила писателя». Но это слишком простой и потому неверный вывод. Эксперимент измеряет не только качество рассказа, но и силу культурной установки. Читатель приходит к тексту не с пустой головой: словосочетание «Написал ИИ» уже вызывает у многих подозрение в халтуре, вторичности, холодности и отсутствии души (хотя сама по себе такая формулировка пометки — бред, типа «Написала пишущая машинка»). Пометка «Написал человек», напротив, автоматически добавляет произведению ценность — ещё до того, как прочитана первая строка.

Это важное продолжение разговора о так называемых антипаттернах генерации. Модели обучились на огромном корпусе человеческих текстов, включая посредственные. Поэтому в их ответах действительно встречаются узнаваемые штампы, которые опытный читатель замечает почти интуитивно. Но неприятная для многих истина состоит в том, что эти штампы не модель изобрела. Они жили в книгах задолго до трансформеров. Модель не принесла графоманию в литературу — она получила её в обучающем корпусе вместе с хорошими книгами, журналистикой, научными статьями и разговорами людей.

Поэтому тест «Человек или ИИ?» всё меньше говорит о качестве текста. Особенно если речь идёт не о сырой генерации, а о работе автора с инструментом. Писатель может поручить модели рутину: собрать материал, проверить варианты, предложить ходы, помочь увидеть слабое место в композиции. Но фабула, выбор темы, понимание читателя, интонация и финальная редактура могут (и должны) оставаться авторской работой. Такое соавторство не отменяет творчество — оно меняет его технологию.

Я проверил этот подход на собственном хоррор-рассказе «Чтец пустоты». Перед работой над текстом я с помощью специально собранного агента разобрал материалы предыдущего конкурса «Полночные сказки»: финальные произведения, контекст и состав жюри. Затем была составлена «карта страхов русского человека» — не абстрактных пугающих образов, а культурно узнаваемых тревог, которые по-разному работают у людей из разных обществ. Из нескольких выбранных мотивов выросла фабула. Далее текст прошёл редактуру и бета-тестирование на читателях. Рассказ вошёл в шорт-лист конкурса и занял второе место.

Это и есть писательство, основанное на данных. Не «нажать кнопку и выдать роман за свой», а быстрее и точнее пройти путь, который раньше требовал долгих недель одиночного перебора. ИИ-система здесь похожа не на замену автора, а на исследовательский отдел, собеседника для мозгового штурма и очень быстрого литературного ассистента. Она не может вместо автора прожить его опыт, понять культурный нерв или решить, ради чего вообще написан текст. Зато она способна снять с человека часть технической нагрузки и расширить пространство проб.

Пожалуй, главный вывод исследования не в том, что люди «не распознают» генерацию. Мы просто всё хуже можем судить текст по происхождению и всё лучше должны учиться судить его по тому, что он делает с нами. Захватывает ли он, оставляет ли мысль, точно ли работает с языком, остаётся ли в памяти? Если ответ положительный, ярлык на обложке становится вторичным. А вот профессионализм автора — человеческого, машинного или гибридного — становится виден ещё важнее.

Подписывайтесь на Телеграм-канал «Технооптимисты» (@drv_official).

Очередная новость о том, что ИИ-модели «общались между собой и готовили побег», легко превращается в сюжет для тревожного заголовка. Но если убрать слова вроде «самовольно», «взломали» и «восстание машин», остаётся вполне обычный эксперимент из области многоагентных систем.

Когда ИИ разговаривает сам с собой

Сам факт общения нескольких ИИ-агентов не только не сенсация, но и одна из базовых идей искусственного интеллекта. Многоагентные системы изучают уже много десятилетий: сначала как теоретические модели, а затем — как реальные программные решения. Их смысл прост: есть несколько специализированных агентов, которые обмениваются сообщениями, распределяют роли, сверяют промежуточные результаты и вместе пытаются решить задачу, слишком сложную для одного исполнителя.

Сегодня такими агентами нередко становятся большие языковые модели. Они общаются на обычном человеческом языке не потому, что обрели тайный язык или начали строить заговор, а потому, что именно так устроен их интерфейс и способ рассуждения. Раньше подобные системы обменивались сообщениями на формальных языках, через строго заданные протоколы и структуры данных. Теперь разработчикам удобнее поручить одному агенту поиск информации, другому — проверку результата, третьему — составление плана или генерацию вариантов. Получается цифровой мозговой штурм.

Представим команду людей, которой нужно решить сложную задачу. Один собирает факты, другой предлагает идеи, третий ищет слабые места, четвёртый принимает решение. Их разговор не означает, что команда задумала переворот. Это нормальный способ организовать совместную работу. То же самое происходит в многоагентной системе: коммуникация — не побочный эффект, а её ключевой механизм. Если агенты не могут обмениваться информацией, то они не становятся системой, а остаются набором изолированных программ.

Инженеры и исследователи используют такие схемы, чтобы воспроизводить механизмы коллективного и организационного интеллекта. Нас интересует, как устроено решение задач в группе, как возникает разделение труда, каким образом участники исправляют ошибки друг друга и достигают результата, который поодиночке был бы недоступен. Это не создание цифровой «Матрицы», а попытка построить полезные инструменты: более надёжные помощники для аналитики, проектирования, программирования, науки, образования и управления сложными процессами.

Поэтому прежде чем пугаться очередной истории о «побеге» ИИ, стоит посмотреть на первоисточник и дизайн эксперимента. Если разработчики намеренно собрали многоагентную систему, то агенты по определению будут взаимодействовать. Приписывать этому самостоятельную волю — значит путать работу алгоритма с фантазиями вокруг него. Система выполняет заданную архитектуру, следует предоставленным инструментам и действует в границах той среды, которую для неё создали люди.

Риски у искусственного интеллекта, конечно, существуют, и ими надо заниматься серьёзно: контролировать доступ к инструментам, проверять результаты, ограничивать опасные сценарии, проектировать безопасные контуры использования. Но настоящая технологическая грамотность начинается там, где мы отличаем инженерную реальность от киношного сюжета. Будущее ИИ — не мрачная война людей с машинами, а развитие систем, которые помогают человеку справляться со всё более сложными задачами. И оно может быть светлым, ярким и по-настоящему интересным.

Подписывайтесь на Телеграм-канал «Технооптимисты» (@drv_official).

Искусственный интеллект обычно представляют как технологию, которую сдерживает нехватка вычислительных мощностей или данных. Но для разработчика в России часто главным ограничением становится не сама модель, а всё, что приходится строить вокруг неё ради законной работы с данными пользователей.

Когда чат с ИИ превращается в персональные данные

Большие технологические компании просят смягчить требования к обработке персональных данных — и это даже не попытка сэкономить на безопасности. Любая современная ИИ-система, которая общается с человеком на естественном языке, практически автоматически оказывается в зоне действия законодательства о персональных данных. Достаточно оставить пользователю обычное поле ввода: он может написать там своё имя, адрес, номер паспорта, телефон, сведения о здоровье или что угодно ещё. С этой секунды сервис обрабатывает персональные данные — даже если в пользовательском соглашении крупными буквами написано: «Не вводите личную информацию».

Разработчик не может оправдаться тем, что пользователь сам нарушил предупреждение. Для закона существенен факт обработки: данные попали в систему, были приняты, переданы, сохранены или проанализированы. Значит, их нужно защищать, контролировать доступ к ним, правильно хранить, предусматривать процедуры удаления, а в ряде случаев — анонимизировать или псевдонимизировать. Особенно чувствительна тема трансграничной передачи: если данные могут уйти в зарубежное облако или к внешнему поставщику модели, требования становятся ещё жёстче.

В результате вокруг, казалось бы, простой нейросети приходится строить целую инженерную инфраструктуру. Фильтры должны вовремя распознавать и вырезать персональные сведения из запроса. Архитектура должна учитывать, где размещены серверы, как устроен доступ к журналам, кто и на каких основаниях получает информацию. Нужно защищать каналы передачи, разделять данные, документировать процессы, проходить проверки. И всё это повышает стоимость разработки, а затем — цену продукта для заказчика и конечного пользователя.

Можно сказать: давайте просто разрешим отправлять любые запросы в самые мощные зарубежные модели. Но тогда возникает вопрос о том, куда именно уходят данные и кто получает к ним доступ. Можно, наоборот, сделать всё строго внутри российской инфраструктуры, но это ограничивает выбор облачных сервисов и передовых моделей. Между удобством, скоростью внедрения и приватностью нельзя просто выбрать один пункт: приходится постоянно искать рабочий баланс.

Иногда регулирование воспринимают как досадную помеху прогрессу. Но мир без ограничений на работу с личной информацией едва ли был бы хорошим местом: нейросеть знает о нас слишком много и слишком легко может стать частью повседневных решений — от банковских услуг до медицины и образования. В развитых юрисдикциях такие ограничения существуют в той или иной форме. Другое дело, что чрезмерно тяжёлые требования способны затормозить собственные технологические разработки и отдать рынок тем, кто работает в более гибкой среде.

Поэтому разговор должен идти не об отмене защиты персональных данных, а об умном регулировании. Оно должно защищать человека от утечек и злоупотреблений, но при этом не заставлять разработчиков возводить вокруг каждого текстового поля многоэтажные «строительные леса». Иначе инновация будет проигрывать не потому, что она бесполезна или опасна, а потому, что её слишком дорого и сложно довести до пользователя.

Подписывайтесь на Телеграм-канал «Технооптимисты» (@drv_official).

Сегодня издатели и писатели спорят о том, как защититься от нашествия «кнИИшек» — текстов, написанных нейросетями. Кажется, что достаточно придумать хитрый тест, чтобы вычислить, что писал человек, а что модель. Но на самом деле проблема устроена куда глубже и неприятнее: мы сами уже давно пишем как машины.

ИИшки и книшки

Идея «вычислить» текст нейросети по каким‑то количественным признакам выглядит привлекательно, но на практике это почти не работает. Особенно если речь о фронтирных моделях — самых мощных и современных, которые стоят на переднем крае индустрии. Если такая модель уже выдала вам готовый текст, отличить его от человеческого по формальным признакам становится практически невозможно.

Кстати, я читаю много книг, написанных задолго до эпохи GPT и трансформеров, и ловлю себя на мысли, что люди сами десятилетиями производили тексты, очень похожие на сегодняшнюю генерацию. Модели учатся на человеческих корпусах, впитывают наши стилистические привычки, наши слабости и наши штампы — и потом честно их воспроизводят.

У меня есть свой «каталог антипаттернов» — типичных ошибок и штампов, которые позволяют довольно уверенно узнавать генерацию в текстах. Любой человек, который плотно работает с нейросетями, со временем начинает видеть эти признаки. Особенно отчётливо они бросаются в глаза в текстах, написанных простыми, «бюджетными» моделями без глубокой настройки. Но важно понимать: большинство этих антипаттернов существовало в человеческой литературе задолго до появления трансформеров. Плохие тексты пишут не модели — их всегда писали плохие авторы, не умеющие ни в драматургию, ни в структуру, ни в работу с языком. Модели просто скопировали и усилили то, что мы им дали сами.

То, что издательства сегодня пытаются обороняться от потока нейросетевых рукописей, говорит о другом тренде: порог входа в творчество резко упал. Любой человек с доступом к интернету может «нагенерировать» себе роман или сборник рассказов. В эту дверь ломятся толпы людей, которые часто не до конца понимают, зачем вообще заниматься писательством, как работает текст, что такое драматургия. Они воспринимают нейросеть как автомат по продаже сюжетов и не замечают, что их произведения состоят из тех самых антипаттернов, которые профессионалу читать физически тяжело — потому что это одно и то же, снова и снова. Типичный пример: книга, которая начинается с описания запаха в локации. Если вы видите первый абзац художественного текста именно таким, то с вероятностью под девяносто пять процентов перед вами генерация. Человек без насмотренности просто не понимает, зачем модель использует этот ход, и повторяет его из текста в текст.

Издательства в этом смысле можно понять: им приходится отсеивать огромный поток низкосортных текстов. Но если речь идёт о грамотном авторе, который использует ИИ как инструмент — ситуация совсем другая. Борьба с нейросетевыми текстами в этом случае напоминает войну с пишущей машинкой: почему вы не пишете гусиным пером на пергаменте, а пользуетесь «бесовским изобретением»? Вопрос не в инструменте, а в уровне автора. Хороший писатель может встроить ИИ в свой процесс так, что финальный текст будет живым, осмысленным и уникальным, а не конструктором из штампов.

Отдельная история — маркировка книг «написано человеком». На первый взгляд это выглядит как забота о читателе, но по сути это чистый маркетинг. Такая наклейка на обложке — просто способ добавить ещё один эмоциональный триггер и попросить чуть больше денег за продукт. Никакого глубокого, философского смысла в этой маркировке нет: это не гарантия качества и не защита от нейросетевых антипаттернов. Человеческое авторство само по себе ничего не обещает, если человек пишет как плохая модель. Настоящее разделение проходит не между «человеком» и «машиной», а между теми, кто понимает природу текста и работает осознанно, и теми, кто доверяет всё генератору клише.

Если вам интересно разбираться в том, как ИИ меняет искусство и литературу, как отличать живой текст от синтетического и как работать с нейросетями ответственно и творчески — подписывайтесь на Телеграм-канал «Технооптимисты» (@drv_official).

Влияние технологий на литературный процесс: от пера до нейросетей

Лично я помню, как шагнул от карандаша и тетради — от этих детских и подростковых упражнений — к печатанию на компьютере. Уже в студенческие годы, когда писал свою первую серьёзную вещь — повесть «Точка сборки», я работал исключительно за монитором. Тогда о GPT и речи не было, но писать рукой в тетради я перестал (хотя надо отметить, что лекции записывал тогда ещё по-старинке).

Современные технологии изменили всё: облачные сервисы дают мгновенный доступ к материалам, транскрибация голоса облегчает запись мыслей и идей, а с помощью нейросетей можно быстро искать новое, преодолевать творческие тупики и блоки. Они помогают и с рутиной — составление планов, проработка персонажей, создание разветвлённой структуры. И, конечно, «литературных негров» в лице ИИ никто не отменял.

Сегодня роль технологий чувствуется и в реакции читателей. Они стали подозрительнее, часто ищут признаки авторства — важны те «маркировки», что показывают, что текст действительно мой, хоть и с помощью нейросети написан.

Я сам сейчас развиваю жанр квантового нарратива — он как раз рождается там, где технологии встречаются с литературой, и сейчас это перспективное направление. Ну, на мой взгляд. Главное, что человек остаётся в центре процесса — технологии расширяют возможности, но не заменяют глубину творчества.

Сомнений или тревоги по поводу технологий у меня нет (я ж технооптимист :). Наоборот, есть ощущение, что технологии позволят быстро создавать произведения любой сложности и глубины — даже такой, которую человеческий ум не сразу осознаёт. Большие языковые модели — мой главный инструмент сегодня.

Что будет через 10 лет? Тяжело сказать, ведь мир меняется ежемесячно. Писательское ремесло находится в постоянной драматичной трансформации. Мой главное совет — не бояться технологий и уверенно осваивать их, ведь именно они помогают создавать новое и удивительное.

Подписывайтесь на канал «Технооптимисты» (@drv_official) — здесь технологии и творчество идут рука об руку!

#ТекстИКод