Самые большие возможности ИИ — не там, где вы их ищете | Сооснователь Coursera Эндрю Ын

Самые большие возможности ИИ — не там, где вы их ищете | Сооснователь Coursera Эндрю Ын — Marina Mogilko

Marina Mogilko

AI-assisted summary of Самые большие возможности ИИ — не там, где вы их ищете | Сооснователь Coursera Эндрю Ын — original source. Check the original for full context.

Source published:

Key ideas

  • Крупные ИИ-корпорации намеренно раздувают страхи об экзистенциальных угрозах технологии, чтобы пролоббировать жесткое регулирование и ограничить конкуренцию со стороны open-source решений. (0:00)
  • Эндрю Ын заявляет, что современные языковые модели вредят долгосрочному обучению: студенты получают более высокие оценки за домашние задания, но хуже усваивают и запоминают материал. (12:58)
  • В эпоху ИИ ключевым требованием к нетехническим специалистам (маркетологам, финансистам, HR) становится умение программировать и самостоятельно автоматизировать свои рабочие процессы. (22:42)
  • Стоимость написания кода снизилась почти до нуля, из-за чего главным вызовом для стартапов в 2026 году становится не техническая реализация, а продуктовый менеджмент — понимание того, что именно нужно создавать. (32:57)

Detailed notes

## Background Интервью опубликовано на YouTube-канале предпринимательницы и блогера Марины Могилко 25 сентября 2026 года. В описании к видео выпуск анонсирован как обстоятельная беседа с сооснователем Google Brain и Coursera Эндрю Ыном о реальном влиянии ИИ на рынок труда, переменах в образовании, новом стартапе LearnVector и причинах, почему ИИ не уничтожит профессии, а заставит специалистов осваивать программирование.

## TL;DR Эндрю Ын развенчивает панические мифы об «апокалипсисе рабочих мест» и экзистенциальных угрозах ИИ, объясняя, что корпорации намеренно нагнетают страх ради выгодного регулирования и вытеснения open-source решений. Эксперт доказывает, что современные модели автоматизируют 30–40% рутины, но лишь повышают ценность человека благодаря контексту, вкусу и критическому суждению. Обсуждая кризис академического образования, Ын отмечает, что текущие нейросети помогают решать сиюминутные задачи, но ухудшают глубокое усвоение знаний, из-за чего он запустил AI-native проект LearnVector. В практической части спикеры обсуждают демократизацию софта: сегодня программировать обязаны даже маркетологи и финансисты, а главным дефицитом в IT становится не написание кода, а продуктовое мышление и глубинное понимание болей клиентов.

## Atmosphere & style Беседа выдержана в доверительном, интеллектуальном и вдохновляющем тоне, где искренний технологический оптимизм сочетается со строгим инженерным прагматизмом. Динамика строится на гармоничном диалоге: Марина задаёт прикладные вопросы из личной предпринимательской практики, а Эндрю Ын мягко, структурно и без лишнего пафоса препарирует хайп Кремниевой долины на личных кейсах и метафорах из авиации. Видео оставляет у зрителя ощущение заземлённости и уверенности, сменяя тревогу перед неизвестным на деятельное желание учиться и создавать собственные инструменты.

## Bulletin - [00:00](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=0s) Крупные ИИ-корпорации намеренно раздувают страхи об экзистенциальных угрозах технологии, чтобы пролоббировать жесткое регулирование и ограничить конкуренцию со стороны open-source решений. - [12:58](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=778s) Эндрю Ын заявляет, что современные языковые модели вредят долгосрочному обучению: студенты получают более высокие оценки за домашние задания, но хуже усваивают и запоминают материал. - [22:42](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1362s) В эпоху ИИ ключевым требованием к нетехническим специалистам (маркетологам, финансистам, HR) становится умение программировать и самостоятельно автоматизировать свои рабочие процессы. - [32:57](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1977s) Стоимость написания кода снизилась почти до нуля, из-за чего главным вызовом для стартапов в 2026 году становится не техническая реализация, а продуктовый менеджмент — понимание того, что именно нужно создавать.

## Key takeaways - [00:00](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=0s) Страх перед «апокалипсисом ИИ» и сравнения технологии с ядерным оружием раздуваются крупными компаниями для защиты своих многомиллиардных инвестиций от бесплатных open-source альтернатив. - [02:58](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=178s) ИИ автоматизирует лишь 30–40% рутинных задач, повышая ценность оставшихся 60–70% работы, требующей человеческого суждения, вкуса и понимания контекста. - [05:07](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=307s) Академическая система фатально отстает от прогресса, тратя годы на согласование программ, поэтому студентам необходимо добирать актуальные навыки на независимых онлайн-платформах. - [07:24](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=444s) Порог входа в программирование радикально снизился, превращая создание софта из узкой специализации в базовый навык для маркетологов, HR-менеджеров и операционистов. - [11:17](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=677s) Главное преимущество человека перед ИИ — это контекст и критическое мышление, позволяющие отсеивать абсурдные идеи, которые регулярно генерируют нейросети. - [12:58](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=778s) Использование ИИ в текущем виде ухудшает качество образования, так как перекладывание когнитивной нагрузки на модели мешает долговременному запоминанию информации. - [15:07](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=907s) Новый стартап Эндрю Ына LearnVector нацелен на преодоление образовательного тупика через глубоко персонализированное обучение «один на один» с помощью ИИ. - [20:08](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1208s) Современный рынок труда требует от сотрудников максимальной автономности и предпринимательского подхода внутри своей зоны ответственности. - [22:42](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1362s) Продвинутые специалисты в нетехнических сферах должны уметь кодить: в командах Эндрю Ына маркетологи и финансисты сами пишут скрипты и приложения для автоматизации рутины. - [25:35](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1535s) Для работы с конфиденциальными данными компаниям и пользователям следует использовать локальные open-source модели (например, Llama или Qwen) вместо публичных облачных API. - [28:50](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1730s) Стопроцентный контроль над ИИ невозможен из-за его вероятностной природы, но человечество способно итеративно управлять рисками, как это было сделано в авиации. - [30:52](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1852s) Использование ИИ детьми требует жесткого контроля взрослых: бездумные подсказки вредят мышлению, но кастомные обучающие тренажеры приносят огромную пользу. - [32:57](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1977s) В 2026 году главным «узким местом» разработки становится продуктовый менеджмент — умение быстро общаться с клиентами и находить их реальные боли. - [34:30](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=2070s) Создание простого приложения-обертки за выходные не гарантирует построение бизнеса; долгосрочный успех требует сложной технической экспертизы или глубокой эмпатии к клиенту. - [35:45](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=2145s) Достижение истинного AGI все еще требует десятилетий работы, так как современные модели не способны переносить опыт в новые физические или абстрактные среды.

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=0s) Тизер и природа страха перед технологиями

Эндрю Ын, сооснователь Google Brain и Coursera, чей фундаментальный курс по машинному обучению открыл мир ИИ миллионам специалистов, сегодня остаётся одной из ключевых фигур в технологической индустрии. В открывающем фрагменте он сразу обозначает главную проблему современного публичного дискурса: информационное пространство перегружено дезинформацией и искусственно раздутыми фобиями. Крупнейшие технологические корпорации намеренно культивируют чувство надвигающейся катастрофы, пытаясь склонить регуляторов к принятию выгодных для себя законов. В результате в обществе закрепляется искажённый, гипертрофированно мрачный образ искусственного интеллекта.

Марина Могилко отмечает, что в социальных сетях дискуссия предельно поляризована: любые новости об алгоритмах неизменно наталкиваются на претензии о климатическом кризисе, чрезмерном потреблении ресурсов дата-центрами и неминуемой тотальной безработице. Эндрю Ын объясняет, что за этой паникой стоит прагматичный расчёт лидеров рынка. Обучение массивных языковых моделей требует миллиардных капиталовложений, и компаниям, потратившим такие ресурсы, совершенно невыгодно появление бесплатных альтернатив с открытым исходным кодом. Пугая политиков «экзистенциальными рисками», корпорации стремятся возвести регуляторные барьеры, которые отрежут независимых исследователей и открытые стартапы от конкуренции, закрепив монополию действующих игроков.

> «Сравнение ИИ с ядерным оружием не имеет под собой никакого доказанного основания. Между ними нет вообще ничего общего», — подчёркивает Эндрю Ын.

По его словам, показательные ошибки нейросетей превращают в информационные сенсации, а утверждения о колоссальном расходе воды дата-центрами сильно преувеличены. Замедление внедрения ИИ из-за необоснованного страха лишь лишает общество конкурентоспособности и наносит прямой ущерб экономике.

- Ведущие лаборатории ИИ начали масштабную PR- и лоббистскую кампанию около 2–3 лет назад, стремясь защитить многомиллиардные вложения в закрытые проприетарные модели. - Жёсткое государственное регулирование выгодно крупным игрокам: оно удорожает доступ к технологиям и выдавливает из индустрии бесплатные open-source разработки. - Нагнетание страха и игнорирование реальной пользы ИИ замедляет его адоптацию в США и ослабляет позиции страны на глобальной арене.

[02:58](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=178s) Почему «апокалипсиса рабочих мест» не произойдёт

Касаясь темы массовой потери работы и социального неравенства, Эндрю категорически отвергает апокалиптические сценарии, в которых половина человечества в одночасье оказывается на улице. Любая смена технологических эпох трансформирует требования к навыкам, но не уничтожает потребность в людях. К тому же возможности современных нейросетей часто завышают ради маркетинга: до реального универсального сверхинтеллекта технологиям ещё далеко, и заставить алгоритм делать всё, на что способен человек, инженеры пока просто не умеют.

Опираясь на исследования экономистов Эрика Бринёльфсона из Стэнфорда и Эндрю Макафи из MIT, Эндрю предлагает смотреть на профессии не как на неделимые сущности, а как на наборы отдельных прикладных задач. ИИ действительно способен закрыть от 30% до 40% рутины во многих сферах, но автоматизация этих этапов лишь повышает ценность оставшихся 60–70% работы, требующей человеческого суждения, вкуса и контекста. Наглядный тому пример — разработка программного обеспечения. Нейросети великолепно пишут код, однако вопреки мрачным прогнозам число открытых вакансий для программистов продолжает расти, а квалифицированные разработчики буквально завалены задачами.

> «Поэтому люди, которые используют ИИ, возможно, будут вытеснять тех, кто его не использует», — констатирует Эндрю Ын.

Угроза нависает только над теми, кто упорно продолжает кодить методами 2022 года: специалистам жизненно необходимо делегировать рутинную треть задач машине, сосредоточившись на тех аспектах деятельности, которые алгоритмам пока недоступны.

```mermaid flowchart TD accTitle: Распределение рабочих задач человека и ИИ accDescr: Схема показывает, как автоматизация 30-40 процентов задач обесценивает рутину и повышает ценность оставшихся 60-70 процентов сложных навыков человека.

subgraph Scope["Структура современной профессии"] direction TB A["Общий объём рабочих задач"] A --> B["30–40% задач: рутина и шаблоны"] A --> C["60–70% задач: суждение, стратегия, контекст"] end

subgraph Impact["Влияние автоматизации"] direction TB B -->|"Делегирование алгоритмам"| D["Удешевление и ускорение исполнения"] C -->|"Усиление человеком"| E["Рост ценности и продуктивности специалиста"] end ```

- Автоматизация части рутины (30–40%) делает человека ценнее, так как его уникальные навыки (60–70%) дополняют быстрые и дешёвые вычислительные процессы. - Вопреки паническим ожиданиям, рынок программирования переживает подъем: опытные разработчики загружены работой, а общее количество вакансий в IT-секторе увеличивается. - Главная карьерная угроза заключается не в самом ИИ, а в нежелании перестраивать рабочий процесс под использование современных генеративных инструментов.

[05:07](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=307s) Инерция академической системы и вызовы для выпускников

Марина Могилко поднимает вопрос о положении недавних выпускников вузов: согласно исследованиям рынка труда, единственной уязвимой категорией, по которой нейросети уже нанесли заметный удар, оказалась возрастная группа от 18 до 25 лет без опыта. Эндрю соглашается с диагнозом и видит корень беды в чудовищной неповоротливости классического образования. Будучи сторонником университетской системы, он признаёт, что академическая бюрократия фатально отстаёт от скорости технологического прогресса. Чтобы преподаватели освоили новый стек, разработали программы и утвердили их на факультетских комиссиях, уходят годы.

> «Многие университеты всё ещё готовят студентов к работе 2022 года, хотя уже и к работе 2026 года их готовить поздно. Студентов нужно готовить к профессиям 2028 года и, конечно же, ещё дальше», — объясняет Эндрю Ын.

Сам предприниматель активно привлекает интернов и недавних выпускников: те из них, кто свободно говорит с моделями на одном языке, демонстрируют поразительную продуктивность. Они отдают алгоритмам ту базовую работу, которую их руководители годами делали вручную, освобождая время для более сложных вызовов. Студентам Эндрю советует прилежно сдавать университетскую программу, но актуальные практические знания параллельно забирать на независимых образовательных платформах — таких как Coursera или DeepLearning.AI.

- Университетам требуется от одного до двух лет только на формальное согласование и запуск обновлённых учебных курсов. - Работодатели по-прежнему сталкиваются с дефицитом квалифицированных кадров начального уровня, умеющих продуктивно связывать свои задачи с генеративными системами. - Студентам необходимо самостоятельно компенсировать пробелы классических вузов через онлайн-образование, ориентируясь на стандарты индустрии ближайших 3–4 лет.

[07:24](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=444s) Демократизация создания софта и метрики внедрения ИИ

Фундаментальный сдвиг на рынке труда Эндрю связывает с тем, что порог входа в программирование радикально снизился. Если раньше создание программных продуктов оставалось исключительной прерогативой разработчиков, то современные инструменты позволяют воплощать идеи любому человеку. Когда сложный навык становится простым и доступным, он обязан перестать быть узкоспециализированным: теперь создавать собственные мини-приложения и программные решения должны специалисты по маркетингу, HR-менеджеры, рекрутеры и сотрудники операционных отделов.

Отвечая на вопрос Марины о способах измерения эффективности внедрения ИИ и наличии конкретных корпоративных KPI, Эндрю предостерегает от поиска универсальной формулы. Не существует абстрактной метрики «эффективности ИИ» — результативность всегда привязана к специфике конкретного бизнеса. Для одних это ускорение клиентской поддержки или снижение числа ошибок в постановке задач, для других — удержание базы и сокращение оттока пользователей, а для медиабизнеса, как подтверждает Марина, главными ориентирами остаются охваты, темпы выпуска контента и общая выручка.

> «Теперь создавать программы с ИИ должны не только разработчики. Создавать их стало гораздо проще широкому кругу людей. Те, кто умеет этим пользоваться, будут продуктивнее, смогут больше сделать и, думаю, получать от работы больше удовольствия», — утверждает Эндрю Ын.

- Умение прототипировать и собирать программы с помощью ИИ становится базовым требованием для нетехнических профессий: от маркетологов до операционистов. - Эффективность применения ИИ невозможно измерить единым универсальным показателем: она выражается исключительно через ключевые бизнес-метрики компании (выручка, скорость обслуживания, удержание клиентов, медиаохваты).

[08:57](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=537s) Партнёрская интеграция: администрирование глобальных команд с 4dev.com

В логическом продолжении разговора о масштабировании бизнес-процессов Марина Могилко делится собственным опытом управления распределённой медиакомандой. По мере роста штата расширение производства неизбежно упирается в бюрократические сложности: наём международных специалистов влечёт за собой составление типовых контрактов, регулярный сбор закрывающих документов и необходимость безопасного хранения архивов без риска потерять права на интеллектуальную собственность.

Решением этих административных задач для её бизнеса стала платформа 4dev.com, которой команда Марины пользуется уже несколько лет. Сервис позволяет в несколько кликов нанимать и администрировать подрядчиков из более чем 150 стран мира, автоматически формируя юридически выверенные документы по единым стандартам. Особое преимущество заключается в возможности зафиксировать авторские права на создаваемые материалы непосредственно в момент подписания соглашения, что избавляет бизнес от необходимости возвращаться к старым перепискам спустя месяцы после сдачи проектов. Марина рекомендует записаться на демо-доступ платформы всем владельцам распределённых команд, стремящимся автоматизировать операционную рутину.

[10:15](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=615s) Как Марина использует ИИ в своей компании

Марина делится закулисьем того, как в её проектах выстроена работа с нейросетями: в компании внедрён Claude, и под каждое направление или социальную сеть заведён отдельный проект. Для подкаста создан специализированный проект под названием *Guests*, в котором аккумулируется аналитика прошлых выпусков и заложены чёткие критерии отбора кандидатов. Система проверяет, цитировали ли потенциального гостя ранее, есть ли у него выраженное публичное мнение об ИИ, внедряет ли он технологии в свой бизнес или, возможно, недавно основал успешную AI-компанию с выдающимися показателями.

Каждому параметру присваивается свой вес, формируя итоговый балл из 40 возможных: отметка в 40 баллов присваивает гостю первый уровень приоритета, 30 баллов — второй, и так далее. Отдельный проект в Claude выполняет роль персонального тренера по интервью: он анализирует записи подкастов и выдаёт рекомендации, как точнее формулировать вопросы. Аналогичным образом структурирована работа с Instagram и LinkedIn: каждая ветка содержит личное досье Марины, факты её биографии и бизнес-стратегию, воспроизводя её узнаваемый стиль речи. При этом за каждой социальной сетью закреплён живой человек, контролирующий процесс.

```mermaid flowchart TD accTitle: Архитектура рабочих процессов на базе Claude accDescr: Схема взаимодействия проектов Claude, команды и Telegram-бота для обучения агентов

subgraph Projects["Проекты Claude"] Guests["Проект Guests: скоринг до 40 баллов"] Coach["Анализ подкастов и вопросов"] Socials["Instagram и LinkedIn: личное досье и tone of voice"] end

subgraph Execution["Производство и контроль"] Operators["Ответственные сотрудники"] Human["Стратегические решения (Марина)"] end

subgraph FeedbackLoop["Замыкание обратной связи"] TG["Правки текстов в Telegram"] Bot["Специальный бот-сканер"] end

Guests --> Operators Coach --> Human Socials --> Operators Operators --> Human Human --> TG TG --> Bot Bot -.->|"Обучение вкусу автора"| Projects ```

Марина подчёркивает, что стратегические решения всё равно всегда остаются за человеком. Сейчас она работает над замыканием цикла обратной связи: когда копирайтеры присылают тексты, Марина правит их вручную прямо в Telegram, объясняя нюансы формулировок. Запущенный в чатах бот сканирует эти правки, чтобы AI-агенты непрерывно дообучались на живой реакции автора и лучше перенимали её личный вкус.

[11:17](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=677s) Главное преимущество человека перед ИИ

Эндрю Ын обращает внимание на фундаментальную особенность искусственного интеллекта, с которой он постоянно сталкивается на практике: если применять модель для анализа данных или мозгового штурма, она стабильно генерирует смесь из одной-двух удачных мыслей, пары посредственных вариантов и четырёх откровенно абсурдных предложений. Человек смотрит на них и искренне недоумевает, как машине вообще могло прийти в голову счесть подобную идею жизнеспособной.

Именно в этой слабости ИИ кроется ответ на повсеместный страх потери рабочих мест. Главное преимущество людей, которое сохранится ещё очень долго, — это контекст. Человек моментально видит вещи, которые лежат на поверхности и являются очевидным бредом, тогда как нейросеть этого не считывает вовсе: “Поэтому в ближайшее время не надо ожидать массовой замены человека искусственным интеллектом”, — утверждает Эндрю. Человеческий контекст формируется годами: это взгляд на клиента во время встречи, мимика, мгновенное понимание недовольства оффером или мимолётная ремарка руководителя о скрытых приоритетах компании.

- Модель способна выдать 1–2 отличные идеи, 2–3 посредственные и до 4 совершенно провальных вариантов. - Огромный багаж невербального и практического опыта останется недоступным для ИИ в обозримом будущем. - Критическое мышление и вкус — это не эфемерные понятия, а прямое следствие колоссального накопленного контекста. - Бизнесу потребуется ещё больше специалистов с развитым вкусом, чтобы направлять и отсеивать результаты работы ИИ.

[12:58](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=778s) Почему нынешние модели ИИ не подходят для обучения

Марина задаётся вопросом: не делает ли это ценность классического образования ещё выше, ведь именно глубокая учёба, общение с наставниками и наблюдение за работой мастеров формируют контекст, который нельзя получить простым запросом к ChatGPT? В ответ Эндрю Ын делится непопулярным мнением, о котором ранее почти не высказывался публично: он убеждён, что существующие языковые модели фундаментально непригодны для процесса обучения.

Хотя многие превозносят ИИ за скорость решения задач, исследования выявляют тревожную картину: студенты действительно стали получать более высокие баллы за домашние задания, перекладывая их выполнение на алгоритмы. Однако показатели долговременного запоминания и глубокого понимания материала стремительно катятся вниз. Перекладывая когнитивную нагрузку на нейросеть, человек освобождает ресурсы для решения сиюминутных прикладных задач общества, но сам перестаёт усваивать пройденное.

Эндрю приводит в пример собственный опыт программирования за последние полгода: обращаясь к языковой модели с вопросами о работе конкретных компонентов фронтенда или бэкенда, он легко закрывает задачу, но спустя шесть месяцев не помнит архитектурных деталей и вынужден задавать вопрос заново: “Нам пора перестать считать ИИ хорошим инструментом для обучения”, — резюмирует Эндрю, подчёркивая, что текущие сценарии промптинга не формируют устойчивых знаний.

[15:07](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=907s) LearnVector: будущее персонального образования

Развивая тему образовательного тупика, Эндрю рассказывает о своём новом стартапе LearnVector, призванном переизобрести обучение за счёт создания глубоко персонализированного формата взаимодействия «один на один» вместо традиционной работы в общих группах. Оглядываясь на 15 лет назад, когда запуск платформы Coursera трансформировал индустрию онлайн-курсов, Эндрю признаёт: несмотря на огромную пользу, те курсы всё же заставляли всех смотреть одни и те же усреднённые видеоролики. Новые алгоритмы наконец позволяют адаптировать подачу материала индивидуально под каждого ученика, и команда LearnVector рассчитывает представить первые рабочие результаты уже к началу следующего года.

Сдвиги на рынке труда IT-разработки Эндрю называет опережающим индикатором того, что ждёт остальные индустрии. ИИ не уничтожает специалистов, а заставляет их становиться универсалами: - Фронтенд- и бэкенд-разработчики всё чаще перерастают в полноценных full-stack специалистов. - Маркетологи, ранее отвечавшие лишь за координацию кампаний, благодаря инструментам ИИ закрывают весь спектр задач по генерации и дистрибуции контента. - Специалисты по подбору персонала переходят от узкого сорсинга резюме к ведению полного цикла найма от первой переписки до оффера.

При этом Эндрю выражает серьёзную озабоченность медийным нагнетанием паники вокруг ИИ. Он вспоминает письмо от абитуриента, который боялся поступать в вуз, будучи уверенным, что к моменту получения диплома через 4 года все полученные знания аннулируются и будут автоматизированы. Эндрю твёрдо ответил юноше: “Нет, далеко не всё устареет”. Запугивание лишает школьников, студентов и молодых специалистов мотивации осваивать фундаментальные навыки, которые как раз и обеспечили бы им уверенное конкурентное преимущество в связке с нейросетями.

[18:17](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1097s) Гайд по автоматизации создания контента

В финальной части блока Марина возвращается к практическому опыту применения ИИ в своей контент-команде. Благодаря грамотно настроенным агентам Claude производственные объёмы выросли в 2–3 раза по сравнению с прошлым годом, причём существенная часть публикаций создаётся без её прямого участия, сохраняя аутентичный опыт и лицо в кадре. Наиболее ярким примером стали карусели для канала *Linguamarina*: агент собирает 99% визуально-текстового материала, после чего команде остаётся лишь загрузить свежее фото Марины на обложку и нажать кнопку публикации.

Подобный подход освобождает ресурсы для решения стратегических задач развития бренда, а не рутинной вёрстки. Для демонстрации эффективности Марина приводит пример публикации, которой поделились более 2 000 пользователей, что существенно превышает средние охваты формата Reels. Чтобы предотвратить появление шаблонного и безликого контента, Марина подготовила пошаговую инструкцию по настройке таких агентов под конкретную нишу, которая позволяет читателям её бесплатной рассылки за один вечер составить готовый контент-план на 30 дней и собрать первую готовую карусель.

[19:43](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1183s) Гайд по автоматизации создания контента

Марина Могилко завершает рассказ о своём практическом гайде по развёртыванию контент-агентов внутри рабочей среды Claude Cowork. Она объясняет архитектуру виртуальной редакции: в ней по расписанию запускается целая распределённая команда, где за каждым ботом закреплена собственная профессиональная роль — аналитик, SMM-менеджер, копирайтер и дизайнер. Все они действуют последовательно и создают готовые материалы полностью в автоматическом режиме. Марина подчёркивает, что пошаговое руководство рассчитано на пять последовательных этапов и подойдёт даже новичкам, которые ни разу не запускали Claude, а для опытных пользователей предусмотрены специальные расширенные разделы с пометкой «про-тип».

```mermaid flowchart LR accTitle: Автоматизация контента в Claude accDescr: Четыре роли ИИ-агентов внутри рабочей группы Claude пошагово создают контент на автомате. subgraph ClaudeTeam["Рабочая группа Claude Cowork"] A["Аналитик"] --> B["SMM-менеджер"] B --> C["Копирайтер"] C --> D["Дизайнер"] end D --> E["Готовый контент"] ```

[20:08](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1208s) Как выбрать профессию в эпоху ИИ

Марина зачитывает вопрос подписчика о выборе жизненной траектории: что сейчас перспективнее для успеха в эпоху нейросетей — глубоко зарываться в какую-то узкую специализацию или, напротив, идти широким путём через Computer Science, чтобы быстро набрать универсальный стек навыков взаимодействия с искусственным интеллектом? Эндрю Ын отвечает с теплотой и долей иронии, вспоминая собственную семью: его дочь мечтает стать астронавтом, и хотя он пока даже не проверял, выдают ли такой университетский диплом, он убеждён, что лучшая работа в мире — это любимая работа, в какой бы плоскости она ни находилась.

Главное требование нового времени, по мнению Эндрю, заключается не в названии диплома, а в умении конструировать решения на базе искусственного интеллекта. Его аналитические команды в рамках проекта DeepLearning.AI составляют глобальную карту компетенций AI-инженера. Исследования рынка труда показали поразительный тренд: ключевым требованием в растущем сегменте вакансий становится предельная автономность. Ушла в прошлое эпоха безынициативных исполнителей, и современные сотрудники обязаны сами формулировать гипотезы и собирать софт для их решения.

Марина всецело разделяет эту позицию, ссылаясь на устройство своей распределённой команды: с переходом на удалёнку она поощряет формат, когда каждый человек ведёт себя как «предприниматель внутри своей зоны ответственности» — самостоятельно привлекает подрядчиков, тестирует сервисы и определяет стратегический фокус, например, в направлении Linguatrip. Эндрю развивает этот тезис дальше, критикуя классическую корпоративную иерархию:

> «И думаю, что в будущем компании из культуры, которая поощряет людей учиться работать с ИИ, будут приносить гораздо больше добавленной стоимости, чем более вертикальные организации, разбитые на изолированные отделы.»

Он сетует на устаревших менеджеров, которые обрубают инициативы инженеров фразами «не лезь не в своё дело, держись рамок» лишь из страха за своё кресло, тогда как колоссальный прорыв совершают именно те специалисты, которые замечают проблемы за пределами своей зоны ответственности и сами создают инструменты для их устранения.

[22:42](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1362s) Что должен уметь продвинутый специалист

Марина просит раскрыть тезис на конкретных кейсах: что сегодня отличает рядового интеллектуального работника от по-настоящему продвинутого маркетолога или менеджера? Эндрю делится практикой найма в своих компаниях и признаётся, что его внутренняя планка давно обогнала средний уровень рынка:

> «Все мои маркетологи умеют программировать, поэтому на собеседовании я спрашиваю, что они запрограммировали.»

Если кандидат никогда не создавал собственный софт, для Ына это серьёзный тревожный звонок. Обычными дашбордами его уже не удивить — сотрудники его маркетинговой команды пишут полноценный функциональный софт. В качестве примера он приводит маркетолога, который с нуля спроектировал и закодил собственное нативное macOS-приложение: софт парсит профильные источники в сети по теме будущей статьи, выводит релевантную фактуру в единый дашборд и поддерживает диалог в чате с контекстом написанного текста и найденных веб-страниц.

Подобный инженерный подход Эндрю внедрил во все отделы: - **Финансовый блок**: один из финансовых директоров обратила внимание на часы рутинного ручного копирования таблиц и собрала автономные скрипты и пайплайны, которые без участия человека скачивают файлы, валидируют суммы, сверяют транзакции и отправляют в чат алерты при любых расхождениях или появлении новых документов. - **Рекрутинг и кадры**: непосредственно внутри HR-департамента работают штатные инженеры-разработчики, создающие внутренние системы автоматического скрининга кандидатов и пайплайны найма.

Марина подтверждает жизнеспособность схемы: сначала специалист сам прототипирует решение на коленке, и только когда натыкается на технологический потолок, подключает профессионального инженера. По мнению Эндрю, страх исчезновения профессии программиста беспочвенен: объём работы для инженеров в маркетинге, рекрутинге и финансах настолько колоссален, что все квалифицированные разработчики загружены под завязку.

[25:35](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1535s) Можно ли доверять ИИ конфиденциальные данные

Разговор переходит к болезненной теме цифровой приватности и утечек коммерческой тайны. Марина признаётся в собственном рискованном эксперименте: она подключила поисковик Perplexity к личному инвестиционному счёту в Fidelity для автоматического мониторинга и рекомендаций по ребалансировке портфеля. Она интересуется у собеседника, насколько безопасно давать нейросетям доступ к реальным финансовым кабинетам.

Эндрю подчеркивает, что универсального ответа нет — всё упирается в архитектуру доверия к конкретной технологической платформе. С одной стороны, IT-гиганты уровня Google дорожат репутацией и строго исполняют регламенты приватности, ведь вскрывшийся обман уничтожит их капитализацию. С другой стороны, на рынке есть игроки, регулярно меняющие условия пользовательского соглашения:

> «Среди ИИ-компаний есть как минимум одна, которую я не буду называть, которая время от времени меняет условия использования.»

В таких случаях пользователь по невнимательности нажимает всплывающую плашку согласия на сайте и автоматически дарит компании права на свободное использование загруженных конфиденциальных сведений для дообучения моделей. Эндрю добавляет, что его консалтинговая фирма AI Fund решает эту дилемму при работе с крупными банками: финансовые корпорации никогда не отдают сырые чувствительные данные во внешние публичные API нейросетей без жесточайшего аудита.

В качестве надёжной альтернативы внешним облакам рассматриваются локальные открытые решения: - **Банковский сектор**: развёртывание приватных сред в закрытых контурах (VPC) или на изолированных серверах без выхода во внешнюю сеть. - **Персональная безопасность**: запуск компактных open-source моделей прямо на локальном железе пользователя. - **Топовые открытые модели**: Llama от Meta и семейство Qwen от Alibaba, которые по качеству рассуждений вплотную подобрались к проприетарным облачным сервисам.

Эндрю резюмирует свою личную гигиену данных: если информация имеет критический уровень секретности, он предпочитает делать работу вручную по старинке либо разворачивает проверенную открытую локальную модель на своём компьютере, не отправляя в облако ни единого байта. В конце отрывка Марина переводит разговор на экзистенциальные риски и вспоминает свою беседу с исследователем Йошуа Бенджио, который выступает за жёсткое государственное сдерживание свободного развития нейросетей из-за угрозы утраты контроля со стороны человека.

[28:50](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1730s) Можно ли сохранить контроль над ИИ

Марина поднимает частый экзистенциальный страх: многие рисуют пугающие картины того, что человечество принципиально не способно контролировать сущность, превосходящую его по интеллекту. Если модели становятся умнее человека с каждым днём, к какому финалу это приведёт? В ответ Эндрю Ын предлагает взглянуть на другую критическую технологию, над которой у людей тоже никогда не было и не будет стопроцентного контроля — авиацию. Невозможно сконструировать самолёт, который летал бы абсолютно идеально вопреки порывам ветра и турбулентности; на заре развития авиации крушения и человеческие жертвы были трагической регулярностью, однако со временем инженеры набили шишки и научились управлять этими рисками настолько надёжно, что сегодня мы садимся на борт без панического страха за жизнь.

Точно так же обстоит дело и с большими языковыми моделями: их стопроцентный контроль невозможен математически из-за вероятностной природы генерации токенов, несущей элемент случайности. Любая сложная инженерная система — от интегральных микросхем и самолётов до ИИ — выстраивается итеративно: сначала в контролируемой среде, с осторожным наращиванием мощностей, тщательным замером сбоев и последующей корректировкой мер безопасности. Эндрю убеждён: “Но, думаю, мы уже контролируем его достаточно хорошо, чтобы эта потеря контроля не казалась катастрофой из научной фантастики.”

[30:28](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1828s) Дипфейки: какие применения ИИ нужно запретить

Когда разговор заходит об опасных злоупотреблениях нейросетями, в частности о дипфейках, тон Эндрю становится бескомпромиссным. Он прямо называет создание интимного контента без согласия человека одним из самых отвратительных явлений современности. По его мнению, подобные угрозы требуют не философских дискуссий, а жёсткого правового регулирования.

Эндрю подчеркивает свою поддержку законодательных инициатив американских властей: “Я очень рад, что Конгресс США движется к тому, чтобы принимать законы и вводить наказания.” Он настаивает на том, что для по-настоящему деструктивных и вредоносных вариантов применения ИИ должен действовать прямой законодательный запрет с суровыми мерами ответственности — от подобных явлений необходимо избавляться решительно.

[30:52](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1852s) Как ИИ влияет на детей и их обучение

Марина делится личным материнским опытом: её пятилетняя дочь, не получая ответа от родителей, не задумываясь отправляет их к нейросети со словами «Ну так спроси ChatGPT», искренне веря, что алгоритм знает абсолютно всё, вплоть до мыслей других людей. Это заставляет задуматься, не повторят ли дети с ИИ печальный сценарий соцсетей, когда бесконечный скроллинг вытеснил живое присутствие. Эндрю настроен скорее оптимистично: он считает, что современные дети растут в уникальную эпоху фантастических возможностей, хотя социальные сети действительно нанесли свой урон психике подрастающего поколения.

Основное опасение Эндрю сосредоточено не на гаджетах как таковых, а на том, как ИИ трансформирует процесс познания. Он проводит параллель со школьной математикой: когда его собственные дети были маленькими, он категорически запрещал им пользоваться калькулятором, побуждая в уме разбираться с умножением и логикой решений. Избыточная опора на автоматические ответы нейросетей у современных студентов резко снижает качество долговременного запоминания и глубину усвоения материала. В то же время технологии могут приносить огромную пользу, если направлены на развитие навыков: не найдя подходящего софта в сети, Эндрю сам запрограммировал интерактивное приложение, с помощью которого его семилетняя дочь уже уверенно печатает строчные буквы и осваивает клавишу Shift. Главная сложность здесь заключается в том, что цифровой инструментарий даёт максимальную отдачу лишь при постоянном контроле и вовлечении со стороны взрослых, а у большинства работающих родителей попросту нет на это времени.

```mermaid flowchart TD accTitle: Риски и польза применения ИИ в обучении детей accDescr: Диаграмма показывает два противоположных эффекта использования ИИ детьми в зависимости от подхода к образованию.

subgraph Risks["Негативный сценарий"] R1["Бездумное делегирование задач нейросети"] --> R2["Потеря навыка самостоятельного вывода решений"] R2 --> R3["Ухудшение долговременного запоминания"] end

subgraph Benefits["Продуктивный сценарий"] B1["Кастомные тренажёры навыков"] --> B2["Вовлечение и присмотр взрослых"] B2 --> B3["Раннее освоение сложной цифровой грамотности"] end ```

[32:57](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1977s) Что стоит создавать с ИИ в 2026 году

Переходя к практическим перспективам 2026 года для разработчиков и предпринимателей, Марина спрашивает, где сейчас скрыты самые масштабные точки роста. Эндрю замечает, что универсального рецепта не существует, но базовое экономическое правило изменилось навсегда: предельные издержки на написание программного кода рухнули практически до нуля. Сам Эндрю превратил разработку выходного дня в привычку — практически каждую неделю он автоматизирует ту или иную внутреннюю операционную проблему своей команды с помощью свежих моделей ИИ.

Например, буквально на прошлых выходных он воспользовался передовой моделью для глубокого аудита ключевых метрик собственного бизнеса вместо того, чтобы ставить задачу штатному дата-сайентисту. При этом он отдельно обращает внимание на безопасность: перед загрузкой корпоративных данных он скрупулёзно изучил политику конфиденциальности платформы и отсеял модели, условия которых допускали использование пользовательских данных для дообучения. Падение стоимости кодинга породило кардинальный сдвиг в индустрии: инженерная сложность уступила место продуктовому вызову.

Эндрю формулирует эту проблему предельно ёмко: “И вот что происходит с ИИ: стоимость создания и написания приложений резко упала, поэтому проблема смещается к вопросу, что именно создавать. Я называю это узким местом продуктового менеджмента.” Теперь конкурентное преимущество переходит к тем фаундерам и инженерам, которые умеют быстро говорить с пользователями, выявлять их реальные боли и за считанные дни проверять гипотезы с помощью генеративного кода.

[34:30](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=2070s) Почему приложение — ещё не компания

На вопрос Марины о том, стоит ли новичкам распыляться и запускать параллельно десяток мелких проектов за уикенд, Эндрю предостерегает от иллюзий легкости. Собрать рабочий прототип, обёртку вокруг API или несложную утилиту за субботу и воскресенье сегодня может практически каждый, однако масштабирование этой поделки в устойчивую компанию требует колоссального труда и железного фокуса.

Построение фундаментального бизнеса всегда опирается на один из двух столпов (а чаще на их комбинацию): - **Сложная техническая экспертиза**: разработка наукоёмкого и технологически глубокого программного обеспечения, на создание которого уходят месяцы и годы упорной работы и которое невозможно клонировать за выходные промптом в нейросети. - **Глубочайшая эмпатия к клиенту**: непрерывное живое исследование аудитории — живые интервью, считывание микровыражений лиц собеседников, детальные опросы и десятки итераций проверки гипотез, пока продукт не попадёт точно в нерв рынка.

Поэтому, хотя экспериментировать с разными идеями на раннем этапе полезно, долгосрочный успех всё равно требует предельной концентрации основателя на одной выбранной задаче.

[35:45](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=2145s) Когда появится AGI

Финальной темой диалога становится искусственный общий интеллект (AGI). Марина отмечает полярность мнений в Кремниевой долине: глава NVIDIA Дженсен Хуанг утверждает, что AGI уже фактически здесь, в то время как сам Эндрю Ын ранее заявлял, что человечеству понадобятся десятилетия упорной работы. Эндрю объясняет этот парадокс исключительно путаницей в терминологии: если опустить планку требований достаточно низко, можно с уверенностью объявить, что AGI наступил ещё тридцать лет назад.

Для самого Эндрю единственно верным мерилом остаётся способность системы решать абсолютно любые когнитивные задачи, доступные человеческому мозгу: - Способность потратить пять лет на фундаментальные исследования и защитить докторскую диссертацию (PhD). - Способность человека сесть за руль тяжёлого грузовика и всего за пару десятков минут практики сориентироваться и поехать по сложнейшей трассе через незнакомый густой тропический лес.

Современные ИИ-модели не способны переносить опыт в новые физические или абстрактные среды за минуты практики, и этот внушительный список ограничений не удастся преодолеть в одночасье. Эндрю также намекает на конъюнктурную сторону вопроса: “У OpenAI и Microsoft, насколько я понимаю, была договорённость. В соответствии с ней у OpenAI был экономический стимул объявить о достижении AGI раньше.”

Завершая беседу, Марина благодарит Эндрю за редкое сочетание технологического оптимизма и прикладного инженерного прагматизма, а Эндрю оставляет зрителям главное напутствие: “Да, учитывая огромную пользу, которую ИИ ещё принесёт, я надеюсь, что каждый, кто это смотрит, захочет по-настоящему изучить ИИ, применять его и даже создавать что-то своё.”

## Notable quotes > [12:58](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=778s) Нам пора перестать считать ИИ хорошим инструментом для обучения — Эндрю Ын

> [32:57](https://www.youtube.com/watch?v=P8Sp3X_Jmrg&t=1977s) И вот что происходит с ИИ: стоимость создания и написания приложений резко упала, поэтому проблема смещается к вопросу, что именно создавать. Я называю это узким местом продуктового менеджмента. — Эндрю Ын

## Mentioned Эндрю Ын, Марина Могилко, Google Brain, Coursera, DeepLearning.AI, LearnVector, 4dev.com, Claude, Эрик Бринёльфсон, Эндрю Макафи, Стэнфорд, MIT, Telegram, Linguamarina, Linguatrip, Fidelity, Perplexity, AI Fund, Google, Llama, Meta Inc., Qwen, Alibaba, Йошуа Бенджио, Конгресс США, ChatGPT, NVIDIA, Дженсен Хуанг, OpenAI, Microsoft

## Video description 💼 Получите демо-доступ к 4dev.com - платформа для оформления и администрирования команды в любой стране мира: https://4dev.com/promo/?utm_source=influencer&utm_medium=youtube&utm_campaign=youtube_2026&utm_content=MarinaMogilko5

🎁 Как собрать в Claude агента, который делает контент на автомате: https://marinamogilko.ru/content-agent?utm_source=youtube&utm_medium=video&utm_campaign=content-agent&utm_content=24072026

Эндрю Ын — сооснователь Google Brain и Coursera, основатель DeepLearning.AI. Его курс Machine Learning, запущенный в 2011 году, стал одним из первых массовых онлайн-курсов в мире (MOOC) и во многом дал старт современному онлайн-образованию. В 2026 году Эндрю основал LearnVector — новую AI-native образовательную компанию, в которую Coursera вложила 100 миллионов долларов.

В выпуске говорим о том, почему число вакансий для разработчиков растёт, а не падает, единственную возрастную группу, по которой ИИ уже реально ударил, что делать выпускнику университета сегодня, чтобы не остаться без работы, и почему все маркетологи в его команде обязаны уметь программировать. А ещё про то, как ИИ поднимает оценки школьников за домашки, но одновременно снижает то, что они реально знают на экзаменах.

📌 Смотреть выпуск в оригинале: ▶ Andrew Ng: The Biggest Opportunities in AI Aren't Where You Think — https://www.youtube.com/watch?v=o-wv_szZ0V0

Таймкоды: 00:00 Тизер 00:46 Почему общество боится ИИ 02:58 Почему «апокалипсиса рабочих мест» не будет 05:07 Почему университеты не успевают за развитием ИИ 07:24 Почему уметь создавать с ИИ должен каждый 08:57 Партнёрская интеграция 4DEV 10:13 Как Марина использует ИИ в своей компании 11:17 Главное преимущество человека перед ИИ 12:58 Почему нынешние модели ИИ не подходят для обучения 15:07 LearnVector: будущее персонального образования 18:17 Гайд по автоматизации создания контента 20:08 Как выбрать профессию в эпоху ИИ 22:42 Что должен уметь продвинутый специалист 25:35 Можно ли доверять ИИ конфиденциальные данные 28:50 Можно ли сохранить контроль над ИИ 30:28 Дипфейки: какие применения ИИ нужно запретить 30:52 Как ИИ влияет на детей 32:57 Что стоит создавать с ИИ в 2026 году 34:30 Почему приложение — ещё не компания 35:45 Когда появится AGI

Ссылки: Телеграм - https://t.me/mogilkomarina Телеграм про маркетинг - https://t.me/+YWC0juFyRq4yZTYz Инстаграм* - 📷 / marinamogilko

*Instagram/Facebook принадлежит компании Meta Inc., признана экстремистской и запрещена в России

#маринамогилко #сша #ии

[Source](https://www.youtube.com/watch?v=P8Sp3X_Jmrg)

中文简报

人工智能最大的机遇不在你所寻找的地方 | Coursera联合创始人吴恩达 吴恩达破除了关于“就业末日”和人工智能生存威胁的恐慌性迷信，指出大型企业故意渲染恐惧，是为了推动有利于自身的监管并挤压开源解决方案。这位专家论证称，当前的模型自动化了30%至40%的日常工作，但由于语境、品味和批判性判断，人的价值反而得到了提升。在讨论学术教育危机时，吴恩达指出，当前的神经网络虽有助于解决眼前任务，却损害了对知识的深度掌握，这也是他启动原生AI项目LearnVector的原因。在实践层面，演讲者探讨了软件的普及化：如今甚至营销和财务人员也必须学会编程，而IT行业最主要的稀缺资源已不再是编写代码，而是产品思维和对客户痛点的深刻理解。 大型AI企业故意渲染有关该技术生存威胁的恐慌，以游说出台严厉监管，并限制来自开源解决方案的竞争。 (0:00) 吴恩达表示，现代语言模型有损长期学习：学生在家庭作业上拿到了更高的分数，但对知识的掌握和记忆却变差了。 (12:58) 在人工智能时代，非技术专业人员（如营销、财务、人力资源）的关键要求变成了掌握编程能力并能够自主自动化自身工作流程。 (22:42) 编写代码的成本已几乎降至零，这使得初创公司在2026年面临的主要挑战不再是技术实现，而是产品管理——即理解究竟需要构建什么。 (32:57)

Reading summary

Сооснователь Coursera и Google Brain Эндрю Ын утверждает, что нарратив об экзистенциальной угрозе ИИ раздувается технологическими гигантами ради регуляторных барьеров против открытого ПО, тогда как реальный экономический эффект технологий заключается в автоматизации рутины и демократизации создания программных решений. Корпоративный лоббизм и экзистенциальные страхи (0:00) По оценке Эндрю Ына, ведущие ИИ-лаборатории около двух-трех лет назад развернули PR-кампанию по нагнетанию паники вокруг «экзистенциальных рисков», стремясь защитить миллиардные инвестиции в закрытые проприетарные модели. Жесткое государственное регулирование выгодно крупным монополистам, так как оно отсекает независимых исследователей и стартапы с открытым исходным кодом. Сравнения нейросетей с ядерным оружием Ын считает безосновательными, а сообщения о чрезмерном потреблении воды дата-центрами — преувеличенными. При этом он подчеркивает необходимость точечных законодательных запретов против реальных деструктивных злоупотреблений, в частности создания дипфейков без согласия. Автоматизация задач и дефицит контекста (2:58) Опираясь на исследования экономистов Эрика Бринёльфсона и Эндрю Макафи, Ын предлагает рассматривать профессии как совокупность задач: современные нейросети способны автоматизировать 30–40% рутины, однако это лишь повышает ценность оставшихся 60–70% работы человека. Ключевым преимуществом специалистов остается накопленный контекст — понимание скрытых приоритетов бизнеса и эмоциональных реакций клиентов, чего вероятностные алгоритмы считывать не умеют. Опасность остаться без работы грозит не профессии программиста в целом, а специалистам, игнорирующим генеративные инструменты. Наиболее уязвимой группой оказываются выпускники без опыта, поскольку университетская бюрократия тратит годы на утверждение учебных планов и не успевает готовить студентов к реальным требованиям индустрии. Ограничения моделей в образовании и приватность (12:58) Ын заявляет, что современные языковые модели непригодны для эффективного обучения: хотя генерация готовых решений помогает студентам получать высокие баллы за домашние задания, когнитивная разгрузка разрушает долговременное запоминание и глубокое усвоение фундаментальных понятий. Решением образовательного тупика предприниматель называет персонализированное наставничество, которое разрабатывает его стартап LearnVector. В вопросах безопасности данных эксперт предостерегает от слепого доверия закрытым платформам, регулярно меняющим условия использования для обучения алгоритмов на пользовательских файлах. В качестве надежной альтернативы для чувствительных финансовых и корпоративных операций Ын рекомендует локальный запуск открытых моделей, таких как Llama или Qwen. Смещение фокуса к продуктовому менеджменту (32:57) Падение предельных издержек на написание кода почти до нуля делает программирование прикладным навыком для нетехнических ролей — маркетологов, рекрутеров и финансистов. Однако простота создания прототипов порождает ложные ожидания: приложение выходного дня не тождественно устойчивой компании. По определению Ына, главным барьером в индустрии становится «узкое место продуктового менеджмента» — способность понять реальную проблему пользователя через эмпатию и глубинные интервью, либо владение уникальной наукоемкой экспертизой. Прогнозы о скором появлении AGI эксперт объясняет манипуляциями с терминологией и коммерческими стимулами корпораций, подчеркивая, что до создания систем, способных адаптироваться к незнакомым физическим средам или самостоятельно защитить PhD, требуются десятилетия. Эндрю Ын призывает не поддаваться медийному алармизму, который демотивирует молодых специалистов изучать фундаментальные науки, а сфокусироваться на прикладном освоении инструментов ИИ. Полный контроль над вероятностными моделями математически невозможен, однако Ын убежден, что риски поддаются итеративному инженерному управлению по аналогии с безопасностью в современной гражданской авиации.

精炼阅读摘要

Coursera与Google Brain联合创始人吴恩达（Andrew Ng）指出，当下针对人工智能的生存风险恐慌与监管游说在很大程度上是科技巨头保护闭源投资的商业策略；AI的核心价值并非整体替代人类，而是重构工作任务与打破软件构建门槛。 技术恐慌的商业本质与就业重构 (0:00) 吴恩达认为，部分头部AI实验室在过去两到三年掀起的公关与游说潮，意在通过夸大“存在主义风险”促成严苛监管，从而压制开源替代品并维护数十亿美元封闭模型的垄断地位。他反驳了将AI比作核武器的言论，指出数据中心耗水等环境指控存在严重夸大。对于所谓的大规模失业危机，吴恩达结合经济学家Erik Brynjolfsson与Andrew McAfee的研究解释，职业并非不可分割的整体，AI能够自动化30%至40%的常规任务，反而凸显并放大了剩余60%至70%依赖人类判断、品味与情境理解的工作价值。软件工程领域对程序员的强劲需求正是例证，真正的威胁只属于拒绝采用现代生成工具的从业者。 编程平民化与企业落地指标 (7:24) 随着代码编写的边际成本趋近于零，软件开发门槛出现历史性下降。吴恩达指出，构建专属工具和原型已不再是专业工程师的专利，市场、人事及运营人员同样应当掌握该项能力。在其运营的团队中，各部门均被要求具备编程与自动化能力，例如营销人员利用AI编写能抓取分析行业资讯的原生macOS应用，财务负责人搭建核对流水账目的脚本。在评估企业应用AI的成效时，吴恩达警告不存在通用的AI KPI，其效益必须完全映射到各业务既有的核心指标中，如客服响应速度、客户流失率或内容分发营收。 认知缺陷、教育滞后与学习悖论 (5:07) 人类相较于模型的核心壁垒在于对微表情、组织隐形诉求等长期积累的复杂情境的洞察。模型在头脑风暴时常混杂荒谬建议，正因其缺乏人类的常识与品味。谈及教育系统，吴恩达指出传统大学耗费数年更新大纲的官僚流程导致其严重脱节，许多高校仍在按2022年的要求培养学生，但市场需要的是面向2028年的复合型人才。更为严重的是，现有大语言模型并不适合作为学习工具：过度依赖模型代劳会剥夺认知负荷，导致长期记忆留存率和深度理解能力急剧下滑。为此，吴恩达正通过新项目LearnVector探索一对一深度自适应的教学形态，以重塑个性化教育。 数据合规、系统控制与商业护城河 (25:35) 关于数据安全，吴恩达提醒用户警惕频繁修改服务条款的AI服务商，以防私密数据未经审查便被纳入模型微调；AI Fund在为大型银行等机构提供咨询时，均采用私有云隔离环境或部署Llama、Qwen等顶尖开源模型于本地硬件。在安全治理层面，吴恩达以航空业的风险容错演进为例，主张不可因无法100%数学控制而因噎废食，但坚决支持国会立法严惩非自愿亲密伪造等深度伪造恶行。在商业化前景上，代码成本归零使得工程实现退居其次，“打造什么”的产品经理式瓶颈成为核心难题。仅靠周末拼凑API套壳无法构成公司，持久的企业必须扎根于不可轻易复制的深层技术，或是通过深度共情用户建立的精准洞察。 吴恩达认为，只要对通用人工智能（AGI）保持严格的认知标准——如独立完成博士论文或在极端陌生环境下快速自适应驾驶，AGI在数十年内仍难以实现。业界需要警惕受商业协议驱动的虚假宣传，专注于利用低成本工具验证实际痛点。

Source quotes

[12:58] Эндрю Ын: Нам пора перестать считать ИИ хорошим инструментом для обучения [32:57] Эндрю Ын: И вот что происходит с ИИ: стоимость создания и написания приложений резко упала, поэтому проблема смещается к вопросу, что именно создавать. Я называю это узким местом продуктового менеджмента.

Original transcript

[0:00] Вокруг ИИ действительно очень много [0:02] дезинформации. [0:03] >> Это Эндрю. Он основатель Google Brain и [0:05] Курсера. Его курс по компьютерному [0:07] обучению прошли миллионы людей, и [0:08] сегодня он один из самых влиятельных [0:10] экспертов в сфере искусственного [0:12] интеллекта. [0:13] >> Ведущие техкомпании активно нагнетают [0:15] страх в связи с тем, что касается [0:16] искусственного интеллекта. Они пытаются [0:18] добиться принятия определённых законов, [0:20] и эта постоянная волна запугивания [0:22] сильно искажает общественное восприятие [0:24] и в негативную сторону. [0:26] >> Я постоянно слышу о дата-центрах и [0:28] потере рабочих мест. и способен [0:30] выполнять 30-40% задач во многих [0:32] профессиях. А это значит, что ценность [0:34] оставшихся [музыка] 60%, которые делает [0:36] человек, растёт. [0:38] >> Человечество теряет контроль над [0:40] искусным интеллектом. [0:41] >> Есть и другие вещи, над которыми у нас [0:43] нет контроля. [0:46] >> У тебя огромный опыт в машинном обучении [0:48] и преподавании навыков работы с [0:50] искусственным интеллектом. И при этом ты [0:52] один из тех, кто высказывается об этой [0:53] технологии в позитивном ключе. Летом мне [0:56] ещё больше стало заметно, насколько [0:57] поляризовано сейчас общество. Каждый [1:00] раз, когда я пишу об искусственном [1:01] интеллекте в соцсетях, я слышу в ответ о [1:04] дата-центрах, климатических проблемах, [1:06] потере рабочих мест. Как ты думаешь, [1:08] почему эта волна настолько сильно нас [1:10] захлестнула именно сейчас? В чём её [1:12] причины? [1:13] >> Вокруг ИИ действительно очень много [1:15] дезинформации. И мне кажется, что корень [1:18] многих этих проблем в том, что 2-3 года [1:20] назад началась активная PR-кампания и [1:22] попытки лаборатории влиять на [1:24] законотворчество. Одна из самых ценных [1:27] вещей в ИИ - это массивные языковые [1:29] модели, на обучение которых компании [1:31] потратили миллиарды долларов. И если ты [1:34] вложил миллиарды в обучение модели, [1:36] тебе, конечно, не очень на руку, когда [1:37] кто-то другой создаёт свою модель и [1:39] бесплатно распространяет к ней доступ. [1:42] Поэтому несколько ведущих компаний в [1:44] сфере ИИ активно нагнетают страх вокруг [1:46] этой технологии, чтобы добиться принятия [1:48] законов, а какой-либо регулирование [1:51] создаст неравные условия в пользу уже [1:53] существующих игроков. В итоге доступ к [1:57] станет дороже, а другие команды, будь то [2:00] исследователи или компании, которые [2:02] хотят бесплатно распространять модели с [2:03] открытым исходным кодом, чтобы любой мог [2:05] пользоваться ими за меньшую стоимость, [2:06] они будут ограничены в своих [2:08] возможностях. К сожалению, запугивание [2:10] работает. Сравнение и с ядерным оружием [2:14] не имеет под собой никакого доказанного [2:16] основания. Между ними нет вообще ничего [2:18] общего. То же самое, когда подбирают [2:20] отдельные случаи, в которых и и ошибся. [2:23] Это раздувание из мухи слона. [2:25] Дезинформацией является и то, что [2:27] дата-центры, они используют гораздо [2:30] больше воды, чем на самом деле. Этот [2:32] поток сообщений, основанных на страхе, [2:34] сильно исказил общественное восприятие. [2:37] И и в целом [2:40] это приводит к замедлению внедрения этой [2:42] технологии в Америке, что делает страну [2:45] менее конкурентноспособной. [2:47] И если мы будем игнорировать правду об [2:49] ЕИ, что это технология, которая приносит [2:51] огромную пользу, несмотря на то, что [2:53] создаёт и проблемы, но не такие [2:55] масштабные, какими их выставляют, то это [2:57] навредит людям. [2:58] >> Я приведу несколько тезисов, которые мне [3:00] пишут: "Потеря рабочих мест, социальное [3:02] неравенство. Что ты думаешь?" Когда [3:04] говорят о нехватке рабочих мест, люди [3:06] представляют себе, что ИИ заберёт 50% [3:09] рабочих мест, люди останутся без работы, [3:11] будут помирать на улицах. Такое просто [3:13] невозможно. С каждой новой [3:14] технологической волной, включая [3:16] нынешнюю, меняются и навыки, необходимые [3:18] для работы. Искусственный интеллект [3:20] действительно меняет профессии. [3:23] Вот только ИИ и пока работает не [3:26] настолько хорошо. Некоторые компании [3:28] любят преувеличивать возможности и и [3:30] говорить, что у них сверхинтеллект и он [3:32] может делать всё то же, что и человек. Я [3:35] бы хотел, чтобы Иил лучше. Мы пока [3:38] просто не умеем заставить его делать [3:39] всё, что делает человек. Экономисты, [3:42] например, мой друг Эрик Бринёльфсон из [3:46] Стэнфорда или Энди Макафии из MIT [3:50] проанализировали работу человека, разбив [3:52] её на отдельные задачи. Возможно, и [3:56] способен выполнять 30-40% задач во [3:58] многих профессиях. А это значит, что те [4:02] 60, которые выполняет человек, станут [4:04] ещё более ценными, потому что дополняют [4:06] те 30-40%, а они, в свою очередь, [4:09] обходятся дешевле. Поэтому люди, которые [4:12] используют ИИ, возможно, будут вытеснять [4:15] тех, кто его не использует. Тем не [4:18] менее, искусственный интеллект пока не [4:20] способен заменить людей в подавляющем [4:21] большинстве профессий. из всех разных [4:24] профессий. Сильнее всего он сейчас [4:26] влияет на разработку по, потому что [4:29] отлично пишет код. [4:32] И мы видим, что число вакансий для [4:34] разработчиков растёт вопреки всем [4:36] прогнозам паникёров. А все хорошие [4:39] разработчики, которых я знаю, они по [4:42] горлу заняты сейчас. [4:45] С другой стороны, если человек до сих [4:47] пор пишет код, как в 2022 году до чат [4:50] GPT, у него проблемы, ему нужно получать [4:53] новые навыки, не делай то, что ИИ может [4:56] автоматизировать на 30-40%. [4:59] Пусть этим занимаются ИИ. А ты развивай [5:01] навыки для оставшихся 60 или 70, которые [5:04] нельзя автоматизировать с помощью [5:05] искусственного интеллекта. [5:07] >> Что бы ты посоветовал вчерашнем [5:08] выпускникам? Я только что говорила с [5:10] Эриком Бьёрновсоном, экономистом из [5:12] Стэнфорда в этом подкасте, и он сказал, [5:14] что рынок труда в целом не так сильно [5:15] изменился, кроме, кажется, рабочих мест [5:18] для людей от 18 до 25 лет, которые [5:20] только что выпустились. Что бы ты [5:22] посоветовал тем, у кого пока нет опыта, [5:24] чтобы самостоятельно выстраивать [5:26] карьеру? Людям, которые могут выполнять [5:28] ту же работу, которую уже способен [5:30] делать. И и [5:31] >> одна из реальных проблем сейчас для [5:34] выпускников в том, что система [5:36] образования неповоротлива и медленно [5:38] адаптируется. [5:40] Я [5:42] я фанат классического образования и [5:44] считаю, что мы все должны поддерживать [5:45] университеты. Но когда и меняет то, как [5:48] пишется по университетам требуется год [5:51] или два, чтобы преподаватели освоили [5:53] навыки, создать новые курсы и прошли все [5:57] процедуры утверждения. [5:59] Это занимает годы. Эти скорости не [6:01] соответствуют скорости развития ИИ. [6:04] Многие университеты всё ещё готовят [6:06] студентов к работе [6:08] 2022 года, хотя уже и к работе 2026 года [6:12] их готовить поздно. Студентов нужно [6:15] готовить к профессиям 2028 года и, [6:19] конечно же, ещё дальше. При этом [6:21] вакансии есть. Многие работодатели не [6:24] могут найти людей с нужными навыками в [6:26] старшие позиции, в старшие позиции [6:29] любого типа. У нас много стажёров. Это [6:33] нынешние студенты и недавние выпускники. [6:36] И они потрясающие сотрудники и очень [6:38] продуктивные, потому что они с ИИ на ты. [6:42] Они делегируют ИИ то, что раньше я делал [6:45] сам, а сами сосредотачиваются на том, [6:47] чему и ещё долгое время не сможет [6:50] научиться. Поэтому работы для людей [6:53] предостаточно. Но мой совет студентам и [6:56] выпускникам - это хорошо учитесь, [7:00] получайте хорошие оценки, учитесь у [7:03] преподавателей. Но если университет ещё [7:05] не дал актуальные навыки, вы можете их [7:07] приобретать на других площадках, [7:10] например, какра [7:12] или Deep Learning AI или Udлоках. [7:17] Особенно осваивайте современные навыки [7:19] работы с EИ. [7:21] которые университеты ещё не [7:22] адаптировали. Хочу добавить ещё кое-что. [7:25] А если посмотреть, как меняется карта [7:29] навыков, то одно из самых важных [7:32] изменений в том, что теперь с помощью [7:34] ИИИ гораздо проще что-то создавать. А [7:37] когда что-то становится намного проще, [7:40] больше людей должны учиться этому. [7:42] Теперь создавать программы с E должны не [7:44] только разработчики. Создавать их стало [7:47] гораздо проще широкому кругу людей. Те, [7:50] кто умеет этим пользоваться, будут [7:51] продуктивнее, смогут больше сделать и, [7:54] думаю, получать от работы больше [7:56] удовольствия. И и позволяет создавать [7:59] новое гораздо быстрее. Поэтому [8:01] маркетологам, рекрутерам, [8:03] HR-специалистам, операционным [8:05] сотрудникам и вообще не только [8:08] разработчикам стоит научиться создавать [8:10] что-то с помощью ИИ. Тогда они смогут [8:12] делать гораздо больше. [8:13] >> А как вы, кстати, измеряете рост [8:15] продуктивности после внедрения [8:16] искусственного интеллекта? У тебя в [8:17] компании есть какой-нибудь KPI? [8:19] >> Хотелось бы, чтобы на это был простой [8:21] ответ. Я считаю, что результат от ИИ [8:24] больше зависит от самого бизнеса, чем от [8:26] ИИ. Для кого-то это рост и удержание [8:30] клиентов, для кого-то более быстрое [8:32] обслуживание клиентов или повышение [8:35] чёткости при постановке задачи. KPI [8:38] связан с самим бизнесом, а не с [8:39] эффективностью. И [8:40] >> то есть напрямую измерить эффект нельзя. [8:44] Мы активно внедряем искусственный [8:45] интеллект компании. И для меня, как для [8:47] медиакомпании, это, наверное, количество [8:49] просмотров, объём выпускаемого контента. [8:51] >> Да, это хороший показатель. [8:52] >> Интересно, как по-разному можно измерять [8:54] влияние искусного интеллекта. Иногда это [8:56] даже рост выручки. [8:57] >> Ну да. [8:57] >> И вообще, когда команда растёт, очень [9:00] быстро понимаешь, что масштабировать [9:02] нужно не только производство контента, [9:04] но и все процессы вокруг удалённой [9:06] команды, потому что сейчас людей [9:08] становится только больше. И вот здесь у [9:10] нас тоже есть решение, которое сильно [9:11] упростило жизнь бизнеса. Я много раз [9:13] рассказывала, что у меня распределённая [9:15] команда, и чем больше она становилась, [9:17] тем больше времени у нас уходило на [9:20] оформление новых подрядчиков. Для [9:22] каждого нужен договор, закрывающие [9:24] документы по единым стандартам. Потом [9:26] всё это нужно где-то хранить, ничего не [9:27] потерять и при необходимости быстро [9:29] найти. У нас эту часть очень сильно [9:31] упростил fodf.com, который мы пользуемся [9:34] уже несколько лет. Через платформу можно [9:37] оформлять и администрировать подрядчиков [9:39] из более чем 150 стран. Документы [9:42] создаются автоматически и хранятся в [9:44] одном месте, а нового человека можно [9:45] оформить буквально за несколько кликов. [9:47] Мне же нравится, что права на результаты [9:49] можно закрепить сразу при подключении, [9:51] если это нужно по проекту. То есть потом [9:53] не приходится спустя несколько месяцев [9:55] искать старую переписку, возвращаться к [9:58] человеку и что-то дооформлять. Если у [10:00] вас тоже распределённая команда и вы [10:02] хотите убрать эту административную [10:04] рутину, записывайтесь на demofdf.com по [10:07] ссылке в описании. Команда покажет, как [10:09] процессы можно организовать лучше именно [10:11] под ваши задачи. [10:13] >> Расскажи [фыркает] чуть больше, как ты [10:14] используешь е [10:15] >> во-первых, у нас у всех есть клод. Для [10:17] каждой соцсети есть отдельные проекты. [10:19] Для этого подкаста, например, у нас есть [10:21] проект Guests. У него есть аналитика [10:23] выпусков по предыдущим гостям и [10:24] критерии, по которым мы оцениваем, [10:26] цитировали потенциального гостя, есть ли [10:28] у них определённое мнение об [10:29] искусственном интеллекте, активно ли они [10:31] используют его в компании, или, может [10:32] быть, они недавно основали компанию в [10:34] сфере искусственного интеллекта, которая [10:35] показывает классные результаты. Каждому [10:37] критерию присваивается вес и получается [10:39] оценка из 40 баллов. 40 - это первый [10:41] уровень, 30 - это второй и так далее. [10:44] Ещё есть проект, который анализирует [10:45] каждый подкаст и даёт мне советы, как [10:47] задавать вопросы. То же самое у нас с [10:49] Instagram, с LinkedIn. Каждый проект [10:50] знает, как я говорю. У него есть моя [10:52] личная досье, бизнес-стратегия, знает [10:55] факты моей биографии. При этом на каждую [10:57] соцсети есть отдельный человек. То есть [10:59] стратегическое решение всегда принимает [11:01] человек. Сейчас я пытаюсь ещё замкнуть [11:03] цикл, потому что часто мне прислалит [11:05] текст, и я его корректирую вручную, [11:07] говорю, что надо изменить. И у нас это [11:08] происходит в Телеграме, и у нас есть [11:10] бот, который сканирует все эти чаты. И [11:12] вот я хочу, чтобы мои агенты могли [11:14] учиться на этой обратной связи и лучше [11:16] понимать мой вкус. [11:17] >> Есть одна особенность искусственного [11:19] интеллекта, которую я постоянно замечаю. [11:21] Если использовать его как помощника для [11:23] анализа данных или партнёра для [11:24] мозгового штурма, он часто выдаёт [11:26] одну-две хорошие идеи, две-три [11:28] посредственные и четыре совершенно [11:31] ужасные. И ты думаешь, как он вообще [11:33] решил, что эта идея может быть [11:35] приемлемой? [11:37] И это ответ на страх о нехватке рабочих [11:39] мест. У людей ещё долго будет огромное [11:43] преимущество в связи с тем, что они [11:45] обладают контекстом. Например, если для [11:48] человека что-то очень очевидно и лежит [11:50] на поверхности, что, например, это [11:53] ужасная идея, то искусственный интеллект [11:55] этого не считывает. Поэтому в ближайшее [11:57] время не надо ожидать массовой замены [11:59] человека искусственным интеллектом. [12:02] Люди Люди обладают огромным контекстом [12:05] благодаря годам опыта. Мы поговорили с [12:08] клиентом, увидели выражение его лица и [12:11] поняли, что ему не нравится наше [12:13] предложение. или менеджер сказал, что [12:16] для него важно. И получается, что почти [12:18] каждый человек, если не сказать, что [12:21] вообще все, обладает контекстом из [12:24] огромного количества вещей, которых и и [12:26] не знает, и в обозримом будущем, думаю, [12:29] не узнает. Мы часто говорим о [12:32] критическом мышлении и о человеческом [12:35] вкусе. И кто-то может спросить: "А что [12:38] такое вкус? Это какая-то абстракция?" Но [12:41] на мой взгляд, за тем, что человек лучше [12:43] оценивает и лучше чувствует, чем и стоит [12:45] вполне конкретная вещь. Преимущество в [12:48] контексте. И это преимущество никуда не [12:50] денется в ближайшие несколько лет. [12:52] Поэтому нам по-прежнему будет нужно [12:54] гораздо больше людей, у которых есть [12:55] критическое мышление и вкус, чтобы [12:57] дополнить Ии. [12:58] >> А разве от этого образование не [13:00] становится ещё важнее? Ведь образование [13:02] даёт нам контекст. Я всё чаще слышу, что [13:05] образование не понадобится, потому что [13:06] вся информация у нас под рукой. Просто [13:08] спроси чат GPT. Но когда ты говоришь о [13:11] контексте и вкусе, для меня это означает [13:13] годы накопления знаний, перенимание [13:15] опыта у лучших из лучших и наблюдение за [13:17] тем, как они работают. Это не просто [13:19] получить ответ у чата. [13:20] >> Сейчас я скажу кое-что, с чем не каждый [13:22] согласится. Не уверен, что я говорил об [13:24] этом публично, но я считаю, что ИИ [13:27] совершенно не подходит для обучения. [13:30] Многие считают, что [13:32] ИИИ - это прекрасный инструмент для [13:35] выполнения задач. Они постоянно им [13:36] пользуются и очень его любят. Но все [13:38] данные, которые сейчас появляются, [13:40] говорят об одном. Например, студенты [13:42] получают высокие оценки, и мы знаем, они [13:45] используют и, и теперь это подтверждают [13:47] и исследования. [13:49] Ура! Оценки за домашние задания стали [13:52] выше. Вот это да! Но с запоминанием и [13:56] долгосрочными результатами всё гораздо [13:58] хуже, потому что ИИ делает работу за [14:00] них, и всё больше исследований это [14:02] подтверждают. Я считаю, что Википедия - [14:05] это прекрасный инструмент. Там огромное [14:07] количество информации. Поиск в интернете [14:09] - тоже прекрасный инструмент, там тоже [14:11] полно информации, но оказывается, когда [14:13] ты просишь и сделать работу за тебя, ты [14:16] переносишь когнитивную нагрузку на него. [14:18] И это прекрасно, потому что именно так [14:20] общество движется вперёд, и мы можем [14:22] делать больше работы. Но человек при [14:24] этом гораздо хуже запоминает, что он [14:27] делал. Языковые модели в том виде, в [14:29] котором большинство людей использует их [14:31] сегодня, вообще не подходят для [14:33] обучения. Я не говорю, что их совсем [14:34] нельзя использовать в учёбе. Думаю, [14:36] подход можно найти. Даже я сам за [14:38] последние полгода постоянно спрашивал [14:40] языковые модели о абсолютно разных [14:42] вещах. Как работает какой-нибудь [14:44] компонент фронт-энда или бэкэнда? [14:46] Расскажи мне, и я выполню задачу. Это [14:48] круто, но через полгода я уже не помню [14:50] ответ. И когда мне снова нужно выполнить [14:52] этот шаг, я снова спрашиваю Ии. Так что [14:55] данные совершенно однозначные. Нам пора [14:58] перестать считать ИИ хорошим [15:00] инструментом для обучения. По крайней [15:02] мере, подавляющее большинство способов, [15:04] которыми люди используют модели и [15:06] сегодня, совершенно не подходят для [15:07] обучения. [15:08] >> Но ведь ты создаёшь компанию, которая [15:10] как раз и занимается решением этой [15:11] проблемы, верно? Это как раз то самое [15:13] персонализированное обучение один на [15:15] один с искусственным интеллектом, о [15:16] котором ты недавно рассказал. [15:18] >> Да, я рад возглавить новую организацию [15:21] Learn Vector, которая занимается [15:23] созданием гораздо более [15:24] персонализированных форматов обучения [15:26] один на один, а не групповых. 15 лет [15:29] назад мне посчастливилось участвовать в [15:31] развитии онлайнообразования, которое [15:32] изменило подход многих людей к обучению. [15:36] Но это по-прежнему не [15:38] персонализированный формат, поскольку [15:39] все смотрят одно и то же видео, и это, [15:42] конечно, даёт свои плоды. Теперь [15:44] технологии позволяют создавать гораздо [15:47] более персонализированный подход к [15:49] обучению. Наша команда активно над этим [15:52] работает, и к началу следующего года мы [15:55] сможем показать какие-то результаты. [15:57] Из-за влияния ИИ и на разработку ПО [16:00] рынок труда в IT отражает то, что [16:04] произойдёт и в других сферах. [16:07] Разработчикам приходится осваивать новые [16:09] навыки, но когда они это делают, они [16:11] создают больше ценности, получают [16:13] повышение и работают над более [16:15] интересными проектами. И первые признаки [16:18] этого я вижу и в других сферах, [16:20] например, в разработке. Многие фронтэнды [16:24] иэнд разработчики теперь становятся [16:27] stack разработчиками, потому что [16:28] благодаря и могут брать на себя более [16:31] широкий круг задач. Я вижу первые [16:34] признаки этого же и в других профессиях. [16:37] Например, человек, который раньше [16:39] занимался координацией маркетинговых [16:41] компаний с помощью EИ может стать более [16:44] универсальным маркетологом и брать на [16:45] себя более широкий спектр. И я вижу то [16:48] же самое и в рекрутинге. Поиск [16:51] кандидатов и найм всё больше [16:53] превращается в полный цикл от начала до [16:55] конца. И вот здесь хорошая и плохая [16:58] новость. Чтобы перейти на такие более [16:59] широкие роли, действительно нужно [17:01] осваивать навыки работы с искусственным [17:03] интеллектом. Но дело не только в ИИ. [17:06] Нужно также развивать профессиональные [17:07] навыки и понимать другие аспекты [17:09] маркетинга, рекрутинга, разработки или [17:12] AI инженерии. Поэтому я думаю, что [17:14] сейчас есть огромная потребность в том, [17:15] чтобы люди осваивали, получали новые [17:18] знания. И когда они осваивают работу СИ [17:20] и профессиональные навыки, они могут [17:21] делать гораздо больше и, надеюсь, [17:23] получать больше удовольствия от работы, [17:25] заниматься более интересными проектами [17:26] и, вероятно, больше зарабатывать. Мне [17:29] написал человек, который собирался [17:31] поступать в университет, и он сказал: [17:34] "Эндрю, я прохожу онлайн-курсы, но никак [17:37] не могу понять, какую специальность мне [17:38] выбрать. Разве через 4 года и не будет [17:42] делать мою работу? Не устареет ли всё, [17:45] чему я научусь? И это одна из причин, [17:47] почему меня беспокоит это [17:50] нагнетание атмосферы вокруг и этому [17:54] молодому человеку я ответил: "Нет, [17:57] далеко не всё устареет". Но когда мы [17:59] постоянно распространяем такие пугающие [18:01] сообщения, люди начинают сомневаться, [18:04] будут ли они вообще востребованы. И [18:05] вместо того, чтобы осваивать навыки, [18:07] которые помогут им оказаться в выигрыше, [18:09] они предпочитают, в принципе, забросить [18:10] эту идею. Поэтому я отчётливо вижу, как [18:12] запугивание искажает представление [18:15] многих людей, в том числе школьников, [18:17] студентов и выпускников. [18:18] >> Вы знаете, что мы обожаем с командой [18:20] пользоваться Клод. И мы научили Клод [18:21] думать и делать за нас. Поэтому, пока я [18:24] была в Канах, пока в Петербурге, мои [18:26] агенты продолжают работать. Понятно, что [18:28] мы тоже работаем, но сейчас по сравнению [18:30] с прошлым годом, моя команда делает в [18:32] два-три раза больше контента. И час [18:34] делается без моего участия, но в кадре [18:36] моё лицо, мой реальный опыт. Яркий [18:38] пример этого всего- карусели, которые на [18:41] 99% собирает агент. Эти карусели мы [18:44] публикуем на канале НВА Marin. Всё, что [18:46] нужно сделать - это загрузить мои фото [18:48] для первого слайда и нажать [18:49] опубликовать. Раньше у нас на карусели [18:51] времени не хватало, хотя для языковой [18:53] ниши карусели - это идеальный формат. [18:54] Вообще для любой ниши карусели сейчас [18:56] просто бубмят. Наличие этого агента не [18:58] значит, что мы вдруг сели ничего не [18:59] делаем. Мы просто увеличиваем количество [19:01] контента. Моё лицо больше мелькает перед [19:03] моей целевой аудиторией, а мы с командой [19:05] в это время сидим и думаем про [19:06] стратегические задачи. Куда нам [19:08] двигаться, что ещё такого придумать. На [19:10] самом деле, вот если вы посмотрите мой [19:11] Instagram, то сейчас у меня, мне [19:13] кажется, каждый второй пост - это [19:14] карусель, и набирает он гораздо лучше [19:16] релсов. А карусели при этом нам не [19:18] приходится часами собирать. И, например, [19:20] конкретно вот этой каруселью на [19:21] лингварина поделилось больше 2.000 [19:23] человек. По-моему, очень удачный формат [19:25] получился. Наша цель с этим агентом - [19:27] автоматизировать рутину, а не создавать [19:29] вот этот вот шаблонный AI- мусор. В [19:31] своей рассылке я собрала для вас [19:32] пошаговый гайд, как настроить такого [19:34] агента под себя, под свою нишу и вашу [19:36] аудиторию. И если вы её прочитаете, она [19:38] абсолютно бесплатная, то к концу вечера [19:40] у вас будет контент-план на 30 дней, [19:41] одна готовая карусель по этому плану, [19:43] расписание в вашем клодко коворки, чтобы [19:45] следующая часть контента создавалась на [19:48] автомате. То есть у вас будет внутри [19:50] клода такая рабочая группа. У вас там [19:52] будет аналитик, SMM-менеджер, копирайтер [19:54] и дизайнер. Каждый будет делать свою [19:56] задачу. Гайд подойдёт, даже если вы клод [19:57] ни разу не открывали. Просто пройдите [19:59] эти пять шагов по порядку. А если вы уже [20:01] профессионал, то мы самые интересные [20:03] настройки пометили для вас разделом [20:05] протип. Подписывайтесь и изучайте. Что [20:08] бы ты ответил на это письмо? Какую [20:10] специальность, по-твоему, сейчас лучше [20:12] выбрать, чтобы стать успешным в эпоху [20:14] искусного интеллекта? Надо ли глубоко [20:16] погружаться в какую-то узкую область [20:17] или, наоборот, стоит выбрать более [20:19] широкое направление вроде компьютерных [20:21] наук, чтобы побыстрее освоить навыки [20:23] работы с ИИ? [20:24] >> Не знаю, какая специальность лучше. Есть [20:26] огромное количество прекрасных [20:27] направлений. Какая лучшая работа в мире? [20:30] Та, которую ты любишь? Например, вот моя [20:32] дочь хочет стать астронавтом. Я не знаю, [20:35] можно ли получить специальность [20:36] астронавт. Надо изучить этот вопрос, но [20:38] она может и передумать, когда вырастет. [20:40] Я вижу огромное количество возможностей [20:41] в самых разных профессиях, и мне всё [20:45] кажется очень интересным. Но научитесь [20:47] работать с EИ. Учитесь создавать с [20:49] помощью EИ. Мои команды работают над [20:51] картой навыков AI инженера, чтобы [20:53] определить самые важные навыки для [20:55] работы в этой сфере. Я был удивлён, [20:57] когда увидел в данных, но подсознательно [20:59] догадывался, что всё больше вакансий [21:01] требует очень высокой автономности, [21:03] потому что, как оказалось, и и у людей [21:06] стало больше возможностей самим замечать [21:08] проблемы и что-то создавать, чтобы их [21:10] решать. [21:12] Мы действительно меняемся и растём. И [21:15] несмотря на то, что мы давно меняемся, [21:16] этот процесс ускорился, мы всё дальше [21:18] уходим от эпохи, когда люди сидят и [21:20] ждут, пока начальник скажет им, что [21:23] делать. [21:24] >> Я тоже стала чувствовать это. Особенно с [21:25] тех пор, как мы перешли на удалённую [21:27] работу. Я очень хочу, чтобы люди были [21:30] предпринимателями внутри своей зоны [21:31] ответственности. Если у меня в компании [21:33] ты занимаешься лингном, будь [21:35] предприимчивой, нанимай подрядчиков, [21:37] внедряй новые инструменты, принимай [21:39] стратегические решения по поводу [21:40] актуальности той или иной темы. Это [21:42] верный вектор. Мне кажется, мы движемся [21:44] к рынку труда, где каждый становится [21:46] более самостоятельным внутри своей [21:48] задачи. Думаю, у людей будет гораздо [21:50] больше самостоятельности и творческой [21:52] свободы. С этим я согласен, но я бы [21:55] пошёл и дальше. Я много разговариваю с [21:57] инженерами и другими сотрудниками [22:00] крупных компаний, которые менеджеры [22:01] говорят не выходить за рамки своей зоны [22:03] ответственности. Сотрудник говорит: "У [22:05] меня есть такое такое предложение". А [22:07] менеджер отвечает: "Нет, нам нужно было [22:09] сосредоточиться вот на этом". И, честно [22:11] говоря, это часто происходит, потому что [22:12] на кону стоит карьера самого этого [22:14] менеджера. А при этом мне кажется очень [22:16] перспективным, что у людей появляется [22:18] всё больше возможностей замечать что-то [22:19] за пределами своей зоны ответственности [22:21] и затем искать способы реализации своей [22:23] задумки. Это очень круто. И думаю, что в [22:26] будущем компании из культуры, которая [22:27] поощряет людей учиться работать с ИИ, [22:30] будут приносить гораздо больше [22:32] добавленной стоимости, чем более [22:34] вертикальные организации, разбитые на [22:36] изолированные отделы. [22:37] >> Да, всё начинается с правильного найма, [22:39] а потом поощрение развития культуры [22:41] внутри организации. Что ты имеешь в виду [22:43] под научиться пользоваться и и хорошо им [22:45] владеть? Можешь привести другой пример, [22:48] что должен уметь продвинутый маркетолог [22:50] или другой специалист в интеллектуальной [22:52] сфере? [22:53] >> Я уверен, что моя команда опережает [22:55] рынок. Все мои маркетологи умеют [22:57] программировать, поэтому на [22:58] собеседовании я спрашиваю, что они [22:59] запрограммировали. Если они не создавали [23:01] вообще никакого софта, я обращу внимание [23:03] на это. [23:04] >> Если маркетолог, например, создал [23:06] дашборд, [23:07] >> это неплохо. Дашборды, опять же, моя [23:10] команда довольно сильно опережает рынок. [23:12] Полезно узнать, как ты это оцениваешь? [23:13] >> Все мои маркетологи создают гораздо [23:15] более сложные вещи. [23:16] >> Какие, например? [23:17] >> Ну, например, недавно один сотрудник из [23:20] нашей маркетинговой команды рассказывал [23:21] о своём софте, когда он приступает к [23:23] написанию статьи. Его инструмент сам [23:25] ищет в интернете материалы по этой теме. [23:27] Он даже создал для этого отдельное [23:29] приложение для Mac, которое показывает [23:30] ему эти материалы. И с этим инструментом [23:33] можно общаться и в чате, и просматривать [23:36] свою статью, и связанные с ней [23:39] материалы. Ещё у него есть большой [23:41] дашборд. который следит за публикациями [23:43] в интернете и показывает ему новые и [23:46] полезные материалы. Я думаю, что этот [23:49] маркетолог опережает всех и в моей [23:51] команде. [23:52] >> Любопытно, какие ещё интересные способы [23:54] использования искусственного интеллекта [23:56] могут вдохновить людей создать что-то [23:58] похожее? [23:59] >> Ну, например, а моя финансовая команда [24:03] очень активна, использует искусственный [24:05] интеллект. Один из финансовых [24:07] руководителей заметила, что её команда [24:09] каждую неделю тратит уйму времени на то, [24:11] чтобы открыть документ, тут скопировать, [24:13] тут вставить, тут вручную перенести. [24:15] Когда она начала создавать [24:16] автоматизации, которые запускаются [24:18] самостоятельно, [24:20] открывают файлы, проверяют их содержимое [24:22] и сверяют данные, а если появляется [24:25] что-то важное или добавлен новый [24:26] документ, то сообщают об этом команде. [24:28] Так что мне кажется, что теперь командам [24:30] не обязательно ждать, когда инженер [24:32] сделает всё за них. Они могут сами [24:34] создавать не только дэшборды, но и [24:36] довольно сложные системы для работы с [24:38] данными. Например, менять данные и [24:41] получать уведомления, когда что-то [24:43] происходит. Именно этим, как мне [24:45] кажется, занимаются мои финансовые и [24:46] маркетинговые команды. В моей команде по [24:49] рекрутингу есть инженеры, [24:51] профессиональные разработчики, которые [24:53] работают непосредственно с рекрутерами и [24:55] создают довольно сложные инструменты для [24:57] найма. И это ещё одна тенденция. Я [25:00] думаю, маркетологам, рекрутерам, [25:02] HR-специалистам и офисным сотрудникам [25:04] стоит учиться работать с C. Но если [25:07] добавить инженера непосредственно в [25:08] такую команду, он её только усилит. [25:11] >> Да, у нас такой же подход. Начинаем с [25:13] чего-то простого, создаём сами, потом [25:15] упираемся в стену, приходит разработчик [25:17] и помогает улучшить систему. [25:18] >> Если посмотреть не только на [25:19] разработчиков, но и на инженеров по [25:21] рекрутингу, маркетингу, HR, то сейчас [25:23] можно делать огромное количество ценной [25:25] инженерной работы. Я не переживаю, что [25:27] работы для инженеров станет меньше. Все [25:29] мои знакомые сейчас настолько заняты, [25:31] что трудно представить, как они могут [25:33] остаться без работы. [25:34] >> Да, столько интересных идей можно [25:36] попробовать, но ты затронул один из [25:38] страхов, связанных с конфиденциальной [25:40] информацией. Сколько данных ты отдаёшь [25:42] искуссному интеллекту? То есть вот я, [25:43] например, дала Перплекс доступ к своему [25:45] счёту в Фиделити, чтобы он отслеживал [25:47] мой портфель и говорил, когда стоит его [25:49] ребалансировать. Он ничего не делает от [25:51] моего имени, но доступ к счетам у него [25:52] есть. Как думаешь, это плохо? [25:54] >> Это сложный вопрос. И и приватность - [25:58] это сложная область. И очень многое [26:00] зависит от компании, которой ты [26:02] передаёшь данные. [26:04] Я доверяю крупнейшим техкомпаниям и [26:07] рассчитываю, что они будут соблюдать [26:10] условия пользовательского соглашения. И [26:12] я был бы очень удивлён, если бы они [26:14] публиковали условия конфиденциальности, [26:17] а потом сами нарушали их, то это [26:19] противоречило бы их культуре и наносило [26:21] бы огромный ущерб в долгосрочной [26:23] перспективе. Но это большая картинка. [26:26] Среди и компаний есть как минимум одна, [26:31] которую я не буду называть, которая [26:33] время от времени меняет условия [26:34] использования. [26:36] Ты заходишь на сайт, видишь сообщение об [26:38] изменении условий хранения или [26:40] использования данных, нажимаешь не туда, [26:42] и компания получает разрешение [26:44] обращаться с данными способом, который [26:46] мне, возможно, не нравится. И у меня [26:48] время от времени бывает чувствительная [26:50] информация, поэтому я осторожен с [26:53] компаниями, чья культура и долгосрочная [26:55] бизнес-модель [26:57] не так явно ориентированы на защиту [27:00] приватности и конфиденциальность. [27:03] А это очень важно, потому что даже [27:05] сейчас я вижу несколько разных бизнесов [27:09] и больших корпораций, которые это [27:12] понимают. Например, моя команда AIPire [27:15] работает с крупными корпорациями, [27:16] включая банки, с крайне чувствительными [27:19] финансовыми данными. И такие данные не [27:23] будут добровольно передаваться даже [27:26] передовым и лабораториям без очень [27:29] тщательной оценки мер защиты и [27:32] приватности. Так что это вопрос сложный. [27:35] >> То есть можно доверять крупным [27:36] технологическим компаниям, но есть и [27:38] другой вариант. скачать локальную [27:39] модель, запустить её на своём [27:41] компьютере, и тогда данные хранятся [27:43] только на твоём компьютере. [27:44] >> Да, да, многие банки действительно [27:45] запускают такие системы в виртуальном [27:47] частном облаке или внутри собственной [27:49] инфраструктуры, так что данные вообще не [27:52] покидают пределов компании. А если речь [27:54] о частных пользователях и действительно [27:56] чувствительной информации, я иногда [27:58] запускаю локальную модель. И вот что [28:00] интересно. Некоторые из последних [28:02] открытых моделей уже приближаются по [28:04] возможностям к передовым моделям, и при [28:06] этом они достаточно компактные. Это [28:09] действительно хорошие модели, [28:10] >> да? Та, что отмета самая последняя, [28:12] >> да, Metal Mus хорошая модель. И [28:14] последняя версия Qu тоже очень хорошая, [28:17] но, честно говоря, эти модели меняются [28:19] каждые пару недель, поэтому лучше не [28:21] зацикливаться на одной, а постоянно [28:22] пробовать новые модели. [28:24] >> То есть, если ты не доверяешь никому, ты [28:26] запускаешь локальную модель и таким [28:28] образом сохраняешь свои данные в [28:29] безопасности. [28:31] Я доверяю крупнейшим техкомпаниям, но [28:34] когда речь идёт о действительно [28:36] чувствительной информации, которую я [28:38] вообще не стал бы отправлять в облако, [28:40] тогда я либо выполняю задачу вручную без [28:44] помощи ИИ, либо если ИИИ действительно [28:47] нужен, я очень осторожно использую [28:49] локальную модель на компьютере. [28:50] >> Интересно, а как насчёт потери человеком [28:53] контроля над искусственным интеллектом? [28:54] Я говорила с Йошуа Бенджио, который [28:56] довольно негативно относится к свободе [28:58] искусственного интеллекта без [28:59] регулирования. Он нарисовал довольно [29:00] пугающую картину, что мы не можем [29:02] контролировать то, что умнее нас. И если [29:04] искусственный интеллект становится всё [29:06] умнее, к чему мы придём? Что ты об этом [29:08] думаешь? [29:09] >> Я думаю о другой технологии, которую мы [29:10] не можем контролировать, о самолётах. [29:13] Невозможно создать самолёт, который [29:15] идеально летает. Ветер будет его [29:17] раскачивать. В первые годы авиации [29:20] самолёты разбивались, люди погибали, и [29:22] это было действительно трагично. [29:25] Но мы набили шишки и научились лучше [29:28] контролировать самолёты. И сегодня, в [29:31] большинстве случаев, мы можем сесть в [29:33] самолёт, не очень опасаясь за свою [29:34] жизнь. Си примерно так же. Невозможно [29:38] идеально контролировать ИИ, потому что [29:40] он генерирует токены и результаты, [29:43] которые отчасти случайны. Но по мере [29:46] того, как мы его используем, мы учимся [29:48] его лучше контролировать. Было несколько [29:50] инцидентов, что, конечно, неприятно, и [29:52] некоторые из них причинили вред. И [29:55] практически любую систему от самолётов и [29:58] электрических схем до ИИИ, мы [30:01] проектируем [30:03] в контролируемой среде, осторожно [30:05] наращивая её возможности и замеряем, что [30:08] работает неправильно, а затем [30:10] корректируем систему, чтобы она вела [30:11] себя ответственная и безопасная. И по [30:14] сей день мы не можем идеально [30:16] контролировать ни один самолёт и и тоже [30:18] никогда не сможем контролировать [30:20] идеально. Но, думаю, мы уже контролируем [30:22] его достаточно хорошо, чтобы эта потеря [30:25] контроля не казалась катастрофой из [30:27] научной фантастики. [30:28] >> А что насчёт дипфейков? [30:30] >> Дип-фейки - это проблема. Одно из самых [30:33] отвратительных явлений, о которых я [30:34] когда-либо слышал - это интимные [30:36] дипфейки, созданные без согласия [30:38] человека. [30:39] >> [откашливается] [30:39] >> Я очень рад, что Конгресс США движется к [30:42] тому, чтобы принимать законы и вводить [30:44] наказания. Есть действительно опасные [30:46] способы использования ИИ, которые нужно [30:48] запретить и жёстко наказывать. Просто [30:51] нужно от этого избавиться. [30:52] >> А что ты думаешь о детях и их общении с [30:55] людьми в аэроикусвенного интеллекта? [30:56] Особенно сейчас, когда они всё чаще [30:58] используют искусственный интеллект. Мы [31:00] уже видели, как соцсети приводят к тому, [31:02] что люди часами бездумно скрот ленту. [31:04] Моей дочери сейчас 5 лет, и когда я не [31:06] знаю, как ответить на её вопрос, она [31:08] говорит: "Ну так спроси чат GPT". Она [31:10] думает, что чат GPT знает всё, включая [31:12] то, что думают другие люди. Что ты [31:13] скажешь о будущем детей в эпоху [31:15] искусного интеллекта? [31:17] >> Во-первых, я думаю, что у детей [31:18] прекрасное будущее. Очень здорово быть [31:20] ребёнком и расти в такое время с [31:22] инструментами, которых раньше ни у кого [31:25] из нас не было. При этом, мне кажется, [31:27] соцсети обвиняют больше, чем они этого [31:29] заслуживают. Но свою долю вреда они всё [31:32] же принесли, поскольку они не лучшим [31:34] образом влияют на детей. И это здорово [31:38] тоже, но меня сильно беспокоит влияние и [31:42] на обучение. Когда мои дети были [31:44] маленькими, я мог им не давать [31:47] калькулятор. Когда я учил их считать, я [31:50] спрашивал, как перемножить числа, и [31:53] помогал им самостоятельно найти решение [31:55] задачи. без калькулятора абсолютно, но я [31:59] волнуюсь за студентов, из-за того, что [32:02] они слишком много полагаются на и это [32:05] ухудшает долгосрочное запоминание. Но [32:08] при этом я сам создал приложение. Мне не [32:10] нравилось ничего, что было доступно [32:13] онлайн. Я создал приложение, чтобы моя [32:15] дочь училась печатать. И сейчас для [32:18] семилетнего ребёнка она уже довольно [32:21] неплохо печатает. [32:22] >> О, она уже печатает? [32:24] >> Да, она уже печатает. Она умеет печатать [32:26] строчные буквы. Немного умеет [32:28] пользоваться Shift для заглавных букв, [32:30] но пока ещё не совсем освоила. Думаю, [32:33] что использование онлайн-инструментов [32:34] должно быть под присмотром взрослых, но [32:37] тут сложно. Использование цифровых [32:39] инструментов под присмотром взрослых, [32:41] конечно, может быть очень полезным для [32:43] детей, но у большинства взрослых нет [32:45] столько времени, чтобы следить за тем, [32:47] как дети ими пользуются. И при этом сами [32:50] соцсети поощряют определённые модели [32:53] поведения. Важно, чтобы стимулы были [32:56] правильными. Мы поговорили о страхах, [32:58] поговорили о том, как можно улучшить [33:00] свою работу с помощью искусственного [33:01] интеллекта. Можешь назвать несколько [33:03] самых больших возможностей в [33:04] искусственном интеллекте в 2026 году для [33:06] людей, которые хотят что-то создавать? [33:09] >> Для человека, который хочет что-то [33:11] создавать, универсального ответа нет. Но [33:14] поскольку стоимость создания чего-либо [33:16] резко упала, я советую учиться работать [33:19] с искусственным интеллектом, [33:21] быстро создавать и общаться с клиентами. [33:25] Я сам постоянно что-то создаю, почти [33:28] каждую неделю по выходным, потому что у [33:31] меня или у кого-то из нашей команды [33:32] возникает какая-то проблема, и [33:34] реализовываю идею по её автоматизации с [33:37] помощью EИ. [33:39] В прошлые выходные я использовал одну из [33:41] новейших моделей, чтобы проанализировать [33:43] большое количество наших ключевых [33:45] бизнес-метрик, потому что у меня не было [33:48] времени делать это самому. Но я не стал [33:50] искать специалиста по данным, который [33:52] помог бы мне с этим. Поэтому я [33:54] попробовал несколько передовых моделей, [33:56] очень внимательно изучая их политику [33:58] конфиденциальности. [33:59] Я не использовал модели, условия которых [34:01] меня не устраивают, [34:03] чтобы анализировать данные. И вот что [34:07] происходит с И стоимость создания и [34:09] написания приложений резко упала, [34:12] поэтому проблема смещается к вопросу, [34:14] что именно создавать. Я называю это [34:17] узким местом продуктового менеджмента. [34:19] Основатели, инженеры и продукт-менеджеры [34:21] могут пообщаться с клиентами, понять, в [34:23] чём их потребность, а потом быстро [34:25] создать это с помощью ИИ и доработать до [34:28] конца. Сейчас огромное количество [34:30] возможностей. Если ты новичок, на чём [34:32] стоит фокусироваться, если хочешь [34:34] построить что-то за выходные? Или теперь [34:36] благодаря искусственному интеллекту [34:37] можно работать одновременно над [34:39] несколькими продуктами и запускать [34:41] несколько бизнес-идей. [34:43] >> Создавать компанию по-прежнему очень [34:45] сложно, поэтому очень важно, чтобы [34:47] кто-то был полностью сосредоточен на [34:49] одном направлении и занимался только им. [34:52] За выходные я часто могу сделать простую [34:55] обёртку или собрать приложение, но [34:58] хотелось бы, чтобы также легко было [34:59] построить большую компанию. [35:02] Чтобы создать что-то действительно [35:04] значимое, нужны либо глубокие [35:06] технические знания, либо глубокое [35:08] понимание клиентов. Да, теперь можно с [35:11] помощью ИИ написать код за несколько [35:12] часов, но это лишь небольшая часть [35:14] задачи. Нужно потратить время на [35:16] понимание технической сложности и [35:18] создание сложного по, которое может [35:20] занять месяцы или годы. Или нужно [35:24] глубоко понимать клиентов, чтобы решить, [35:27] что именно создавать: разговаривать с [35:29] людьми, читать выражения их лиц, [35:31] проводить опросы и повторять это, пока [35:33] не поймёшь, что строить. Поэтому есть [35:36] ценность в том, чтобы пробовать разные [35:38] направления, но при этом глубоко [35:40] погружаться в несколько областей. Для [35:42] создания бизнеса это по-прежнему важно. [35:45] Последний вопрос. Очень хочу спросить [35:47] про общий искусственный интеллект, [35:48] потому что люди часто используют это [35:50] понятие. Кажется, это был Дженсон Хуан. [35:53] Он говорит, что мы уже достигли общего [35:54] искусственного интеллекта, а ты [35:55] говоришь, нам потребуется десятилетие, [35:57] прежде чем мы придём к нему. Какой [35:59] критерий позволит тебе сказать: "Вот [36:01] теперь мы достигли этого AI". [36:03] >> Люди называют разные сроки достижения [36:05] AGI, потому что используют разные [36:07] определения AGI. Определение, которое [36:10] мне наиболее понятно - это и способны [36:12] выполнять любые интеллектуальные задачи, [36:14] которые может выполнять человек. [36:16] Например, человеческому мозгу может [36:18] потребоваться 5 лет, чтобы учиться и [36:20] написать докторскую диссертацию. А [36:22] сможет ли и написать докторскую [36:24] диссертацию или человек может научиться [36:27] вводить грузовик через густой [36:28] тропический лес всего за несколько [36:30] десятков минут практики? А сможет ли ИИ [36:32] и освоить новую среду за несколько [36:34] десятков минут практики. Получается, [36:36] есть длинный список подобных вещей, [36:38] которые ИИ пока не умеет делать и, как [36:40] мне кажется, не сможет ещё очень долго. [36:42] Надеюсь, речь только о десятилетиях [36:44] может оказаться, что потребуется больше [36:46] времени. Поэтому при таком определении [36:48] до HGI ещё очень далеко. У Open AI и [36:51] Microsoft, насколько я понимаю, была [36:54] договорённость. В соответствии с ней у [36:57] Open AI был экономический стимул [37:00] объявить о достижении AGI раньше. [37:02] Получается, что если использовать другие [37:05] определения и и достаточно снизить [37:07] планку, то вполне можно сказать, что AGI [37:10] уже достигнута или что её достигли 30 [37:12] лет назад. Всё зависит от определения [37:15] AGI. [37:16] >> Да, точно. Эндрю, спасибо огромное за [37:19] этот позитивный и очень прикладной [37:21] разговор. Мне нравится, когда ты что-то [37:23] смотришь, а потом сравниваешь свой опыт [37:24] с тем, что делают другие с искусственным [37:26] интеллектом, анализируешь свой процесс и [37:28] расширяешь его границы. Спасибо, что [37:31] рассказал, как работает твоя команда, и [37:32] спасибо за твои идеи и вклад. [37:35] >> Да, учитывая огромную пользу, которую ИИ [37:37] ещё принесёт, я надеюсь, что каждый, кто [37:39] это смотрит, захочет по-настоящему [37:41] изучить ИИ, применять его и даже [37:43] создавать что-то своё. M.