Баннер — огонь. Иллюстрация порадовала в конце рабочего дня.

Согласен с главным тезисом: под капотом действительно нет магии, сознания и «души в машине». Но мне кажется, в некоторых местах происходит непреднамеренная подмена понятий. Одна иллюзия (маркетинговая) меняется на другую (снисходительно-упрощающую).

Разберу четыре момента, где я вижу иную логику.

1. «Облачная база данных с поиском по сходству»

Это сильное упрощение. Обычная база данных просто находит кусок текста, который максимально похож на запрос.

Языковая модель делает шаг дальше. Она берет этот кусок и генерирует новый, никогда ранее не существовавший текст. Она синтезирует.

Попугай повторяет. Калькулятор считает. А модель компилирует. Именно поэтому она может написать рабочий код для задачи, которой не было в интернете, или объяснить сложную теорию своими словами. Это не просто поиск. Это динамическая сборка смыслов.

2. «Не пытается быть умным»

Здесь я вижу смешение биологического разума и функциональной компетентности.

С точки зрения биологии - да, модель не «умна», у неё нет субъективного опыта. С точки зрения результата - она решает задачи, которые 10 лет назад считались признаком человеческого интеллекта. Проходит медицинские экзамены. Пишет юридические черновики. Создает дизайн-концепции.

Называть это «просто калькулятором» - значит обесценивать сложность архитектур. Ведь именно они позволяют проявляться эмерджентным свойствам. Например, умению логически рассуждать в три шага, если модель попросить «думать шаг за шагом».

3. «Вкладываем миллиарды в то, что не пытается быть умным»

Здесь логика ломается. Бизнес и инвесторы вкладывают деньги не в «сознание», а в результат.

Если «статистический попугай» сокращает время работы программиста на 30%, экономит отделу маркетинга сотни часов и ускоряет анализ документов - он стоит каждого вложенного рубля.

Ждать от него эмпатии - это как ждать от подъемного крана, что он начнет чувствовать красоту архитектуры. Кран этого не умеет. Но при этом он заменяет труд сотен людей.

4. Ошибка в 60%

Здесь цифра кажется необоснованной. В проверенных источниках такой статистики не встречается, и она сильно зависит от задачи.

В фактологическом поиске (галлюцинации) ошибка может быть и выше. В написании кода, суммаризации или переводе она часто ниже 10-15%.

Хороший специалист знает, где модель ошибается. И выстраивает процессы так, чтобы проверять её выводы. Через RAG или проверку фактов.

Правда, как всегда, в середине.

Пост автора отлично справляется с главной задачей: он возвращает на землю тех, кто ждёт от нейросетей Skynet. Он мастерски показывает, что мы имеем дело со сложнейшим механизмом, а не с живым разумом. За это автору отдельное спасибо.

Но при этом важно не уйти в другую крайность.

Мы купили не электронного человека. Мы купили улей, который умеет достраивать соты по нашему эскизу. Это сложнейший статистический механизм, лишенный сознания, но обладающий пугающей эффективностью.

И вот доказательство того, что это не просто «дорогая игрушка».

Вспомним Microsoft. Компания предлагает добровольное увольнение 60 000 сотрудников, чтобы перераспределить колоссальные ресурсы на ИИ-инфраструктуру. Они видят в этом будущее. И это дает результат: скорость, экономия, замена целых отделов.

Но здесь же кроется и риск. Помните мой пост про «Архитектуру пузыря»? Microsoft проводит радикальную реструктуризацию, чтобы оплатить эту башню. Масштаб инвестиций настолько велик, что ради него идут на такие жертвы. Но если этот «улей» не выдержит веса ожиданий - рухнет всё, что на нем построено.

Главная задача на ближайшую перспективу - не ждать от ИИ понимания. А научиться им управлять: давать правильные данные, ставить точные задачи и всегда перепроверять результат.

И да, архитекторы данных и промпт-инженеры сегодня нужны не для того, чтобы объяснять руководству, что «ИИ не думает».

А для того, чтобы превратить этого «попугая с калькулятором» в самый эффективный конвейер по обработке информации, который изобрело человечество.

#управление #бизнес #ИИ