🕸 "не проиграл - он вышел из гонки ИИ добровольно"(с)
С такого тезиса начинает автор статьи.
Основные тезисы:
1. OpenAI и Anthropic вышли на петлю самоулучшения (RSI). 📈
RSI-концепция – модель А создаёт модель Б, которая создаёт модель В, и так далее по экспоненте. Их подход опирается на "горький урок" Ричарда Саттона: "грубая сила вычислений и масштабирование решают всё". 🧠
2. Сегодня те, кто сможет сделать модели топ уровня 2025-2026 годов, будут быстрее убегать от конкурентов и их уже будет сложно догнать. Это и есть "скорость убегания" (escape velocity) – скорость, необходимая, чтобы вырваться из гравитационного поля планеты и не упасть обратно. 🪨 Китайцы молодцы, но что же делать любителям суверенов и нац моделей. 😩
3. Google при этом "стоит в стороне" PR компаний Anthropic и openAI с RSI, но делает экзистенциальный выбор, цена которому или всё или ничего.
Что это за выбор?
Помимо удержания лидерства в поисковых технологиях и обучении своих LMок.
1. World models и VLA. Модели позволяющие имитировать и ориентироваться в физическом мире. Пример, Genie 3 – интерактивная модель мира, которая генерирует играбельные среды с интуитивной физикой.
Это все то, что бустанет робосистемы и автопилоты на новый уровень.
2. Альтернативные архитектуры, нежели трансформер. Гуглы верят, что текущие модели предсказания следующего токена терминальная ветка.
📦 бы конечно добавил сюда диффузионки, JEPA парадигму и др, как потенциальные. Что они тогда имеют ввиду? Узнаем. ⏰
3. Упор на AI for science и DeepMind. Проекты по сервисам для исследователей Co-scientist, модели AlphaFold3, Evolve, Genome и др.
Итог. Это не соревнование моделей. Это битва двух теорий развития ИИ:
· RSI → быстрая, но рискованная экспонента.
· World Models → долгая, но фундаментальная игра.
Что победит – узнаем через пару лет. А пока следим за архитектурными релизами DeepMind, и читаем презентацию с моего выступления на Urban ML conf во вложении ниже 👍
С такого тезиса начинает автор статьи.
Основные тезисы:
1. OpenAI и Anthropic вышли на петлю самоулучшения (RSI). 📈
RSI-концепция – модель А создаёт модель Б, которая создаёт модель В, и так далее по экспоненте. Их подход опирается на "горький урок" Ричарда Саттона: "грубая сила вычислений и масштабирование решают всё". 🧠
2. Сегодня те, кто сможет сделать модели топ уровня 2025-2026 годов, будут быстрее убегать от конкурентов и их уже будет сложно догнать. Это и есть "скорость убегания" (escape velocity) – скорость, необходимая, чтобы вырваться из гравитационного поля планеты и не упасть обратно. 🪨 Китайцы молодцы, но что же делать любителям суверенов и нац моделей. 😩
3. Google при этом "стоит в стороне" PR компаний Anthropic и openAI с RSI, но делает экзистенциальный выбор, цена которому или всё или ничего.
Что это за выбор?
Помимо удержания лидерства в поисковых технологиях и обучении своих LMок.
1. World models и VLA. Модели позволяющие имитировать и ориентироваться в физическом мире. Пример, Genie 3 – интерактивная модель мира, которая генерирует играбельные среды с интуитивной физикой.
Это все то, что бустанет робосистемы и автопилоты на новый уровень.
2. Альтернативные архитектуры, нежели трансформер. Гуглы верят, что текущие модели предсказания следующего токена терминальная ветка.
📦 бы конечно добавил сюда диффузионки, JEPA парадигму и др, как потенциальные. Что они тогда имеют ввиду? Узнаем. ⏰
3. Упор на AI for science и DeepMind. Проекты по сервисам для исследователей Co-scientist, модели AlphaFold3, Evolve, Genome и др.
Итог. Это не соревнование моделей. Это битва двух теорий развития ИИ:
· RSI → быстрая, но рискованная экспонента.
· World Models → долгая, но фундаментальная игра.
Что победит – узнаем через пару лет. А пока следим за архитектурными релизами DeepMind, и читаем презентацию с моего выступления на Urban ML conf во вложении ниже 👍