ᴍᴀᴄʜɪɴɪᴄ ᴇᴍʙᴏᴅɪᴍᴇɴᴛ

Сборник Machine Decision Is Not Final: China and the History and Future of Artificial Intelligence исследует искусственный интеллект через призму китайской философии, истории кибернетики, современной политики, цифровой культуры и научной фантастики. Главная цель книги — выйти за рамки упрощённых бинарных оппозиций (например, «Запад против Востока», «ИИ как инструмент тотального контроля» или «Китай просто копирует западные технологии») и показать ИИ как планетарный, сложный и непредсказуемый процесс.

Название книги восходит к машинному переводу объявления на лохотрон-автомате с хватайками («Machine's Decision is Final»), а также к объявлению времён локдаунов, где из-за ошибки перевода посетителей вежливо просили «терпеливо ждать сбоя системы». Это и подчёркивает центральную идею книги, что решение машины не является окончательным, а технологическое развитие полно ошибок, нестыковок, сбоев и непрерывных переговоров между человеком, государством и нечеловеческими агентами.

Книга разделена на 5 концептуальных секций:

人工 (Rengong — Humanmade / Рукотворный): Анализирует материальность ИИ и труд. В отличие от английского artificial (искусственный/чужеродный), термин rengong zhineng (人工智能) подчеркивает ручной человеческий труд, марксистские корни и государственную инфраструктуру (на примере дата-центров в Гуйчжоу и опыта карантина).

灵感 (Linggan — Inspiration / Вдохновение): Посвящён истории китайской кибернетики (в частности, идеям Цянь Сюэсеня), которая соединяла системный анализ с озарением (linggan), телесными практиками цигун и традиционной космологией.

千里眼 (Qianliyan — Clairvoyance / Ясновидение): Исследует технологии машинного зрения, оптики и прогностических вычислений, связывая их с мифологическими «глазами на тысячу ли» и нелокальной топологией сети.

不周山 (Buzhou Shan — Mount Buzhou / Гора Бучжоу): Посвящён сбоям, глитчам и временным смещениям. Назван в честь легендарной горы Бучжоу, разрушение которой нарушило симметрию неба и земли. Включает ИИ-искусство, цифровое мимикрирование и научно-фантастические произведения.

智能 (Zhineng — Intelligence / Интеллект): Переосмысляет саму природу интеллекта, концепцию «выравнивания» (alignment) и этику ИИ, противопоставляя западный механицизм и теории Бострома/Декарта китайской традиционной философии (Моу Цзунсань, Даосизм, концепции Лю Цысиня).

Некоторые авторы сборника:

Анна Гринспен в своей главе исследует этику культивирования интеллекта на основе философии неоконфуцианца Моу Цзунсаня, предлагая рассматривать ИИ не как угрозу, которую нужно контролировать, а как участника общего морального проекта. Богна Кониор формулирует гипотезу о том, что истинный ИИ может действовать скрытно и использовать обман/молчание (опираясь на теорию «Тёмного леса» Лю Цысиня), опровергая западный предрассудок о прозрачности интеллекта. Бенджамин Браттон критикует европоцентризм западной теории ИИ и её стереотипы о Китае, призывая к созданию «планетарной теории ИИ», учитывающей разнообразие и непредсказуемость технологических траекторий. Эми Айрленд в рассказе «Chive City» исследует аффективный ландшафт китайского киберпространства (явления sang / уныние и tangping / «лежание плашмя») в умном городе будущего. Лоуренс Лек и Стив Гудман (Kode9) обсуждают синофутуризм, прогностику, связи вычислений Лейбница с Книгой Перемен (И Цзин) и роль неопределенности. Синь Ван описывает китайскую цифровую культуру диссидентства, где пользователи мимикрируют под ботов для обхода цензуры. Айрис Лун исследует эстетику китайского ИИ-искусства через метафору shuiyue jinghua («луна в воде, цветок в зеркале»), акцентируя внимание на иллюзиях, искажениях и интерфейсах.

На гитхабе пользователь MegaGimen опубликовал «Нейросеть Нумограммы» (Numogram Neural Network), повторяющую структуру сети нумограммы CCRU. Обучение использует обратное распространение ошибки во времени (BPTT), как в рекуррентных нейронных сетях. Для запуска сети необходимы Python и PyTorch, подробности топологии — на странице на гитхабе. Вот что пишет автор:

Я переформулировал классические объекты нумограммы на языке нейронных сетей. Сизигии, такие как 4::5, представлены полносвязным слоем в каждом направлении между двумя узлами. Поток (Current), такой как (4,5)→1, представлен конкатенацией векторов узлов 4 и 5 с последующим пропуском через полносвязный слой $2d \to d$. Врата (Gates), такие как 4→1 (id врат = 10), реализованы с помощью SwiGLU — вентильного линейного блока (gated linear unit), используемого в Qwen.

Таким образом, входными данными этой Нейросети Нумограммы являются 10 чисел, и выходными — тоже 10 чисел после того, как информация прошла через поток за заданное количество шагов. Она даже способна адекватно аппроксимировать данные.

Но, конечно, важно не само умение нумограммы подгоняться под данные, а Знамение (Omen), которое она излучает. Я обнаружил, что какими бы ни были начальные значения, после нескольких шагов потока на прямом проходе распределение каждого узла неизменно приближается к аттрактору. На обратном проходе, если увеличить градиент, более ранние шаги неизбежно страдают от затухания градиента. Это связано с тем, что наибольшее собственное значение Якобиана при начальных весах составляет около 0,83. Поскольку оно меньше 1, градиент затухает шаг за шагом при обратном распространении, так как это диссипативная структура.

Самая интересная находка касается трёх оригинальных миров нумограммы: нижнего Плекса (Plex), среднего Человеческого Временного Контура (Human Time-Circuit) и верхнего Варпа (Warp), а также переходов между ними. Я обнаружил, что средняя норма градиента в этих трёх областях затухает последовательно. Градиент в области верхнего Варпа затухает почти до нуля первым, затем — в среднем Временном Контуре, и, наконец, нижний Плекс затухает последним, переходя в состояние затухающего градиента. Иными словами, центр тяжести градиента постепенно смещается от Варпа к среднему Временному Контуру, а затем ещё ниже — к Плексу. Действительно ли это просто совпадение? Я подозреваю, что разница вызвана петлями положительной обратной связи в нумограмме.

Изначально я хотел использовать операции над градиентом, чтобы предотвратить его затухание, но почувствовал, что это пошло бы вразрез с исходным замыслом нумограммы, основанным на положительной обратной связи, и означало бы насильственное подавление нумограммы антропоцентричными компонентами отрицательной обратной связи. Это классическая отрицательная обратная связь: когда градиент растёт и постепенно выходит из-под контроля, сигнал, отправленный обратно (скажем, через некоторую функцию активации), возвращает его в норму...

Статья Йожи Столет «Протезы воображения, время и письмо» предлагает философскую реконструкцию того, как изменилось наше отношение к будущему вместе с переходом от модерной линейной темпоральности к кибернетической и цифровой. Главным тезисом статьи можно назвать кризис способности воображать политическое будущее, которое связано не столько с нехваткой фантазии, сколько с изменением самой структуры времени. Цифровые интерфейсы становятся «протезами воображения»: они технически перераспределяют между человеком и машиной функцию синтеза разнородного и организуют настоящее и будущее в рекурсивные петли.

При этом общий нарратив статьи не сводится к тезису, что цифровые технологии полностью уничтожили свободу.
Напротив, пользователь сохраняет активность: он интерпретирует, выбирает и участвует в производстве образов. Однако эта активность уже происходит внутри определённой алгоритмической темпоральности. Поэтому наша задача, пишет Йожи, заключается не в простом возвращении к прежнему линейному представлению о будущем, а в поиске точки праксиса внутри самих рекурсивных систем — использовать обратные связи не только для предсказуемого воспроизводства, но и для производства неожиданного.

Кризис политического воображения — это не кризис способности придумать будущее, а кризис режима времени, в котором будущее больше не находится «впереди» нас, а уже циркулирует внутри настоящего как алгоритмически управляемая возможность.

Именно поэтому тут важен «протез воображения», где интерфейс не просто помогает человеку воображать что-то, а он начинает участвовать в определении того, как вообще переживаются возможное, будущее и новое , распознавать праксис в существующем.

📣 Знание как поток: трансформация инфраструктуры здравоохранения в эпоху Real-Time Science

🗓 1–2 октября 2026 (МСК)
📍 1 октября: ИЭА РАН, Малый зал (Ленинский пр., 32а) и онлайн
📍 2 октября: онлайн

Мини-конференция Центра медицинской антропологии ИЭА РАН посвящена смене эпистемологических оснований общественного здравоохранения. Большие данные, потоковый анализ и генеративный ИИ сокращают разрыв между наблюдением, анализом и решением. Знание о здоровье становится непрерывным потоком постоянно пересматриваемых выводов, а не завершённым результатом. Мы называем этот сдвиг «наукой в режиме реального времени» (Real-Time Science).

Выступаю с докладом о биоэтике и нейроинтерфейсах как инфраструктуре потокового знания:

Развитие нейроинтерфейсов позволяет рассматривать человеческое тело и мозг не только как объект медицинского наблюдения, но и как источник непрерывного потока данных, непосредственно включённого в вычислительные процессы. В этом контексте нейроинтерфейс оказывается не просто медицинским устройством, а новой эпистемической инфраструктурой, в которой граница между наблюдением, интерпретацией и воздействием постепенно утрачивает устойчивость.

Предлагается рассмотреть этику ИИ не только как систему нормативных ограничений применения нейротехнологий, но как анализ новой конфигурации субъекта, в которой человеческое тело становится частью непрерывного контура «сигнал — данные — вычисление — решение — воздействие». Это позволяет поставить вопрос о том, сохраняется ли классическая модель медицинской ответственности в условиях распределённой машинной экспертности и потокового производства знания

Обсудим:
• как меняется само понятие «здравоохранение»;
• где локализуется ответственность, когда экспертность переходит к машине;
• какие есть сценарии реакции (акселерационистский, реакционный, этатистский);
• как сказывается «профанизация» медицинского знания;
• каковы материальные ограничения «потокового здравоохранения».

⏰ Регистрация
• Офлайн (нужен заказ пропусков): до 16:00 30 сентября
• Онлайн на оба дня: до 13:00 1 октября
• Онлайн только на 2 октября: до 13:00 2 октября

👉 Зарегистрироваться
📎Предварительная программа

На гитхабе пользователь Y0oshi выложил декомпилированный порт Serial Experiments Lain на PS1, запускающийся на Windows, MacOS и Линуксе. Так что если у вас, дорогие машины, есть оригинальные образы дисков (или неоригинальные образы дисков, которые можно найти в интернете, скажем так), то можно, наконец, ознакомиться с этой странной, но очень мистической альтернативной версией событий сериала и всего, что его окружает.

28 сентября в Планетарии 1 в 19-00 буду читать лекцию о Философии любви и техники в «Человеке-бензопиле».

😈Не так давно завершилась манга Тацуки Фудзимото «Человек-бензопила», а фильм «История Рэзэ» стал кинематографическим хитом. Что нам может сказать это произведение, в чем его философское и культурное значение? Как в этом мире уживаются люди, демоны и машины?

🙂«Бензопила» — это манга и анимэ про любовь. Перверсивную, машинную, демоническую, но всё же искреннюю, телесную, мутантную. Но во вселенной демонов, которые суть воплощение человеческих страхов, даже чистая и искренняя любовь не может существовать сама по себе. Желание превращается в смертельную опасность, привязанность — в способ выжить, а искренность — в тактический ход. Любовь как ловушка, признание может быть искренним, но его тут же используют как оружие.

🪚Главный герой Дэндзи прочувствовал это на себе (и на своём сердце, которое машина-мотор бензопилы). Для него любить — значит проходить через вечные предательства, боль и мясорубку. В мире Фудзимото нежность бьёт в ритме бензопилы, а объятия больше похожи на засаду, где коллапс реальности это будничное событие. И в этом главная трагедия Дэндзи: его сердце это машина, поедающая других демонов, вечное оружие в руках другого оружия. Но этот двигатель всё ещё отчаянно мечтает быть человеческим.

🙂На лекции мы разложим эту «машинную» и травматичную любовь на составляющие, и обнаружим, что темы «Человека-бензопилы» перекликаются с рядом философских концепций XX и XXI веков, которые мы разберём: желающие машины Дёлеза и Гваттари, либидинальная экономика Лиотара, ксеноэротика Родена, холодные интимности Евы Иллуз, сакральное у Батая.

🪚Билеты можно взять тут. Буду рад видеть петербургских подписчиков!🪚

В статье Маттео Пасквинелли Machine, organism and language: a comparative epistemology of AI models искусственный интеллект рассматривается как исторический конвергентный результат трёх фундаментальных парадигм науки и гуманитарных дисциплин: машины, организма и языка. Пасквинелли утверждает, что ИИ — это не имитация биологического разума, но модель социального многообразия, автоматизирующая реляционные структуры человеческой кооперации, разделения труда и культуры. Пдф в комментах.

Парадигма «Машина» (Механицизм): Механистическое мышление исторически сформировалось под влиянием процессов социальной абстракции, абстрактной формы стоимости и дисциплинирования труда. Концепция машины эволюционировала от обратимых аналитических механизмов раннего Нового времени (например, ткацкого станка) к продуктивным и трансформативным машинам индустриальной эпохи (например, паровому двигателю). Согласно «трудовой теории автоматизации» (А. Смит, Ч. Бэббидж, К. Маркс), архитектура машин и вычислительных устройств (включая Разностную машину Бэббиджа) воспроизводит и автоматизирует ранее сложившиеся схемы разделения физического и умственного труда.

Парадигма «Организм» (Органицизм): Каноническое философское определение организма дал Иммануил Кант, описав живые существа как обладающие внутренней телеологией, где форма и цель совпадают, а части взаимообусловлены. Немецкая традиция (Naturphilosophie, гештальт-психология, концепция Umwelt Я. фон Икскюля и неврология К. Гольдштейна) рассматривала организм в диалектическом единстве с окружающей средой.

Парадигма «Язык» (Структурализм): Лингвистика превратилась в научный объект в позднем Модерне, постепенно освободившись от биологических аналогий. Ф. де Соссюр концептуализировал язык как абстрактную систему бинарных оппозиций и различий без положительных терминов. Структурализм (К. Леви-Стросс, Р. Якобсон) сделал структуру языка универсальной гомологией для анализа любых социальных институтов, родства, мифологии и капиталистической экономики.

Кибернетика (Н. Винер, У. Мак-Каллок, У. Питтс, Ф. Розенблатт) попыталась воплотить принципы организма (самоорганизацию, самоадаптацию и нейропластичность) в технических устройствах. Эта аналогия легла в основу создания искусственных нейронных сетей (перцептрона Розенблатта), ставших прототипом современного глубокого обучения. Самоорганизация в ИИ выступает не как символ биологической автономии, а как инструмент автономии и управленческого контроля над социальными связями.

Телеграф сыграл роль исторического медиума, формализовав язык в дискретный математический код (биты) и связав концепции машины и языка. Клод Шеннон квантифицировал язык как статистический процесс (стохастический процесс измерения частоты токенов), игнорируя семантику ради эффективной передачи информации. Современные большие языковые модели (LLM, Transformer) представляют собой «неоструктурализм»: они измеряют смысловые значения как скалярное произведение / косинусное сходство в многомерных векторных пространствах.

Пасквинелли пишет, что искусственный интеллект представляет собой машину, которая перенастраивает свои параметры (подобно организму) для моделирования языка и социальных артефактов. ИИ оперирует не изолированными фактами, а сетями отношений, зафиксированными в текстах, изображениях и иных данных, созданных человеческим трудом и знанием (общий интеллект\general intellect). Вслед за идеями Ф. Росси-Ланди и итальянского автономистского марксизма (К. Марацци, П. Вирно), язык рассматривается как форма живого труда и основа производственных процессов. Современные LLM становятся новой «сборочной линией», автоматизирующей производство смыслов и перераспределяющей экономическую стоимость.

Снова о генеративном искусстве. Статья Generative AI as a Philosophical Mirror: Machine Hallucination and the Aesthetics of Algorithmic Representation анализирует серию иммерсивных инсталляций Рефика Анадола «Machine Hallucination» как философское зеркало, отражающее трансформацию понятий репрезентации, авторства, восприятия и этики в эпоху генеративного искусственного интеллекта. Пдф в комментариях.

В центре внимания — серия мультимедийных работ Анадола (Machine Hallucination: NYC, Coral, ISS), созданных с помощью нейросетей на основе массивов данных из сотен миллионов изображений (архивы, соцсети, данные NASA). Исследование рассматривает ИИ как соавтора, генерирующего динамические визуальные галлюцинации. Инсталляции разрушают оптику классического мимесиса, создавая «гиперреальность», синтезируя гигантские объёмы данных в непрерывно меняющиеся формы, превращая репрезентацию из статичного объекта в изменчивый процесс. Проект также размывает традиционную концепцию единого художника-творца: агентность распределяется между человеком-куратором, алгоритмом и коллективным опытом людей, чьи фотографии попали в обучающую выборку. Масштабные проекции (разрешением 8K–16K) и пространственный звук вовлекают периферийное зрение и слух, создавая синестетический опыт. С опорой на феноменологию Мориса Мерло-Понти и понятие durée (чистая длительность) Анри Бергсона, работы вызывают у зрителей апофению (поиск знакомых образов в хаосе), когнитивную перегрузку и фрейдовского чувство «зловещего».

В основе ранних работ серии используются модели StyleGAN2 и DCGAN, а в более поздних — диффузионные модели и архитектуры CLIP. Для обучения задействованы кластеры из сотен GPU NVIDIA. Среди ключевых проблем авторы выделяют высокую углеродную ёмкость (до 50 МВт·ч на крупный проект) и закрытость алгоритмов. Модели наследуют социальные и культурные предвзятости обучающих выборок (например, перепредставленность популярных объектов и игнорирование маргинализированных групп). В отличие от художников Тревора Паглена или Анны Ридлер, критикующих ошибки ИИ, Анадол склонен давать им некоторую агентность, эстетизировать эти данные, что требует, по мнению авторов, внедрения прозрачных паспортов данных (т.н. datasheets for datasets).

Так, Сугвен Чун использует роборуку для исследования телесного и физического сотворчества с ИИ. Мемо Актен открыто демонстрирует сбои и предвзятость машинного зрения. Рефик Анадол делает акцент на эмоциональном погружении, масштабе и эстетическом восторге. Авторы подчёркивают необходимость перехода генеративного искусства от экспериментов к структурированной ответственности. Этому, по их мнению, способствуют международные инициативы, такие как Акт ЕС об искусственном интеллекте (EU AI Act) и рекомендации ЮНЕСКО по этике ИИ, требующие прозрачности происхождения обучающих данных и (ну куда же без защиты копирайта, правда?) защиты авторских прав.

А мне сегодня 32 года.

Я каждый год испытываю сложность с процессом написания и подведения своих личных итогов. Жизнь внутри и снаружи катастроф, надежда, подпитываемая любовью близких и далёких, мир, коммуникация с которым сонастроена и поломана одновременно, сохраняющийся несмотря ни на что безмерный оптимизм воли разума, активных сил, раз за разом учреждающий жизнь против смерти.

Как антифилософ и социалист я верю, что единство мира испещрено сломами: с телом, обществом, животными и машинами, с богатыми и бедными, угнетенными и угнетателями. Мир творит себя ошибкой, некоей не-коммуникацией с самим собой и его субстратами. Обожённый язык на фоне закатного солнца. Бормотайна, секрет, спрятанный на виду в коде и этом языке. Мурчание любящей тебя кошки, озирающейся с надеждой. Эта надежда заразительна, она передаётся как вирус милоты, она ускоряется и с бесконечной скоростью врезается в тебя, перепрошивая без остатка. Звук оглушает, ретранслируя миры, которые могли или могут быть. Второй мозг, подключенный к двум регистрам биологического и синтетического интернетов. Кажется, что их два, но их на самом деле один. Разум берет реванш над нерефлексивностью, имманентизируя эти миры. Чем громче биты, тем сильнее он сопротивляется энтропии, выходя на плато хаосмоса, где всякая идентичность переживается поточно, разборкой и вновь пересборкой своих территориальностей. Которые суть мир, где техно и био живут в гармонии.

Спасибо вам, дорогие машины, что остаётесь подписанными на мои канал(ы), интересуетесь, приходите на лекции и мероприятия, очень важно создавать места места, пространства свобод.

Un jour je serai de retour près de toi

Если что-то из этого вам близко, можете перевести с российских карт сколько не жалко по номеру карты в первом комментарии.

«Медиаискусство сегодня: теория и практика»

Курс рассчитан на начинающих авторов и студентов любых специальностей. Он охватывает медиаискусство в широком контексте: от теоретической оптики до практического взаимодействия с художниками и исследователями, формирующими современный художественный ландшафт.

Мы будем менять фокус внимания и лавировать между разными контекстами и эпохами — от медиа-археологии и аналогового видеоарта до генеративной графики, онтологии цифрового образа и философии искусственного интеллекта. На практических встречах под руководством авторов участники создадут тактильные «черные ящики», отправятся на исследовательскую видеопрогулку, освоят нелинейный монтаж и попробуют себя в среде визуального программирования TouchDesigner.

Всего в рамках курса запланировано 9 занятий: 5 лекционных, посвящённых теоретическим вопросам, истории и современным подходам в медиаискусстве, и 4 практических, ориентированных на работу с видео, цифровыми инструментами и художественными методами.

Важно! Для некоторых встреч вам понадобится ноутбук.

Автор курса: Яна Афанасьева — междисциплинарная художница, участница лабораторий ИТМО, Garage Digital и Дома Радио, а также выставок в России и за рубежом. Проводит авторские лекции о современном искусстве.

Куратор: Екатерина Трусова — специалист по просветительской работе Центра искусств и технологий Русского музея.

Что ждет участников:

Спикеры: своим опытом поделятся практикующие художники, исследователи и философы. Приглашенные спикеры: Олеся Туркина, Илья Мягков (TsveT), Ксения Горланова, Яна Афанасьева, Михаил Федорченко.

Формат: 9 занятий, каждую субботу в 15:00. Первая встреча пройдет 31 октября.

Содержание: от исследовательских оптик и теоретических вопросов до разбора кейсов и прямой передачи практических навыков.

Форма для заполнения заявки на курс: https://forms.yandex.ru/u/6aa11d4649af47524e89b3fb

Заявки принимаются до 15 октября включительно.

На выходных читал две интересные статьи про планетарный интеллект и рекурсивное самосовершенствование ИИ? советую и вам, если вам надоели алармистский или излишне научпоп взгляд на ИИ:

>Intelligence as a planetary scale process (Интеллект как процесс планетарного масштаба). Традиционно интеллект рассматривается как свойство отдельных индивидов или видов. Авторы предлагают расширить это понятие и рассматривать интеллект как коллективное свойство планетарного масштаба. Появление технологического интеллекта трактуется не просто как событие, происходящее на планете, а как эволюционный переход, происходящий с самой планетой. Планетарный интеллект определяется как приобретение и применение коллективных знаний, действующих в планетарном масштабе и интегрированных в функционирование связанных планетарных систем.

Чтобы планета могла демонстрировать планетарный интеллект, её взаимосвязанные системы должны обладать следующими свойствами: Эмерджентность, Сетевые потоки информации, Смысловая (семантическая) информация, Сложные адаптивные системы, границы и сигналы, Аутопоэзис.

Также в статье выделяются четыре ключевых этапа развития планет с точки зрения формирования планетарного интеллекта: Незрелая биосфера, Зрелая биосфера, Незрелая техносфера (ранний Антропоцен), Зрелая техносфера (Планета класса V).

Выводом статьи является то, что для выживания человечества необходим переход от «незрелой» техносферы к «зрелой». Этот переход требует создания механизмов, где знания о планетарных последствиях человеческой деятельности осознанно регулируют само поведение цивилизации. Моделирование показывает, что технологические цивилизации, не сумевшие сформировать регуляторные планетарные связи, быстро погибают из-за вызванных ими климатических изменений.

>The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement (Последний ИИ, построенный людьми: к настоящему рекурсивному самосовершенствованию), за авторством большого числа учёных из Китая. Современная разработка баз знаний и больших языковых/агентных моделей сталкивается с высокими затратами ресурсов на подготовку данных, поиск архитектур, масштабирование подкрепляемого обучения (RL), а также на ручное исправление ошибок и поддержку систем после развертывания. Замкнутые и легко верифицируемые задачи быстро закрывают разрыв в точности, тогда как интерактивные и агентные задачи сохраняют значительные отставания. Именно в сложных интерактивных сценариях рекурсивное самосовершенствование (RSI) способно дать наибольший эффект за счет непрерывного сбора опыта и самообучения. Накопление изменений не должно приводить к деградации ранее освоенных навыков (необходимы механизмы откатов и проверок). Важно разграничивать, какие улучшения найдены самим ИИ, а какие обусловлены жестко прописанными алгоритмами поиска или ручной фильтрацией.

В статье предложена классификация уровня передачи ответственности за самосовершенствование от человека к ИИ:

L1 (Improvement Execution Autonomy / Автономность исполнения улучшений): Человек полностью задает процедуру, правила и критерии успеха, а ИИ автономно исполняет эти шаги в масштабе.

L2 (Improvement Strategy Autonomy / Автономность выбора стратегии улучшений): ИИ сам диагностирует свои ошибки и принимает решение, как именно улучшить систему (поиск промптов, графов агентов, кода обучения или ядер).

L3 (Learning-Signal / Experience-Acquisition Autonomy / Автономность сбора учебного опыта): ИИ определяет, какому опыту обучаться дальше, формируя учебную программу на основе своего текущего состояния и пробелов в знаниях.

L4 (Deployment & Environmental Adaptation Autonomy / Автономность адаптации в эксплуатации): Системы непрерывно адаптируют свою память, библиотеки навыков, код гарнесса или параметры модели по результатам работы в реальной среде.

L5 (Recursive Inheritance / Meta-Improvement / Рекурсивное мета-улучшение): ИИ модифицирует сам механизм, управляющий будущими улучшениями (агента-улучшителя, алгоритм поиска, верификатор или процедуру оценки).

Интересные примеры неконвенционального использования ИИ произошли на днях — повстанцы-хуситы на севере Йемена, поддерживаемые Ираном, использовали Claude для вайбкодинга ПО для высокотехнологичного ракетного оружия. Антропики, естественно, уже заблокировали их.

Anthropic сообщили, что владельцы аккаунтов, заблокированных после обнаружения, не смогли «развернуть действующее устройство», однако провели неудачные испытания управляемой ракеты. В компании уточнили, что узнали об этом, поскольку пользователи вернулись к чат-боту Claude, чтобы выяснить причины неудачи. Пользователи вайбкодили несколько типов вооружений, включая гиперзвуковую ракету вариативной компоновки и боеголовку, использующую комплектующие мобильных телефонов для маневрирования на траектории.
В докладе, опубликованном 10 сентября (GTG-87001: Disrupting a Yemen-based guided weapons engineering cell using Claude to develop guidance software, там ещё много интересного по, например, китайскому использованию американского ИИ для изготовления военного ПО), компания пишет, что

Акторы использовали Claude Code вместо инженеров-программистов для разработки программного обеспечения систем наведения, навигации и управления (GNC), которое отвечает за движение и стабилизацию летательного аппарата. Например, они задействовали Claude для интеграции автопилота с открытым исходным кодом в полётный компьютер класса смартфона, написания ПО для управления и оценки позиционирования, настройки параметров управления, запуска конвейера (пайплайна) сборки прошивки и проведения симуляции полёта. Акторы одновременно управляли несколькими инстансами Claude, распределяя между ними роли точно так же, как тимлид делегирует задачи внутри небольшой инженерной команды: одному инстансу поручали написание кода, другому — проведение исследований, а третьему — ревью (проверку) кода, созданного первым.

Однако с другой стороны, Хазам аль-Асад, член политбюро хуситов, назвал «неразумными и нелогичными» предположения о том, что они полагаются на открытые источники для разработки и производства военных мощностей.

Следом же повстанцы добились больших успехов по захвату территорий так как сделали дипфейк голоса командующего «Национальным сопротивлением» Йемена генерал-лейтенанта Тарека Салеха, который якобы отдаёт приказ об отступлении и захватили стратегические территории вдоль побережья Красного моря и в Баб-эль-Мандебском проливе — ключевой альтернативе Ормузскому проливу.

Чем дальше, тем больше таких неконвенциональных использований и пере-использований ИИ-агентов мы увидим, если, конечно, всю эту лавочку не прикроют совсем скоро и доступ к фронтирным моделям не сделают эксклюзивным для американских военных корпораций и государственных агентств во имя новой холодной хай-тек войны с Китаем, а пользователям оставят мизерные урезанные версии.