Телеграм канал «Клуб CDO»

В 1988 году робототехник Ханс Моравец в книге Mind Children сформулировал наблюдение, которое сегодня объясняет рынок труда лучше многих экономистов.

Тезис простой: дать компьютеру уровень взрослого в IQ-тесте или в шашках - сравнительно легко. Дать ему навыки годовалого ребёнка в восприятии и движении - трудно или невозможно. То, что человек делает мгновенно - узнать лицо, удержать чашку, обойти препятствие - почти не программируется. То, что делает медленно и осознанно - математика, логика, шахматы - формализуется на ура.

Марвин Минский в Society of Mind (1986) добавил важную деталь: мы хуже всего осознаём то, что наш мозг делает лучше всего. Сенсомоторика - это глубоко оптимизированный легаси из сотен миллионов лет эволюции, его не видно изнутри. Абстрактное мышление - недавняя надстройка, она ощущается как труд и поэтому хорошо формализуется.

Самое интересное случилось не с парадоксом, а с его границей. К 2026 году распознавание лиц, речи и текста - закрыто. Шахматы и Go - даже не предмет разговора. LLM пишут код, юридические заключения и медицинские саммари. А лучший гуманоидный робот до сих пор проигрывает трёхлетке в сборке конструктора и складывании белья.

Граница сместилась внутри парадокса, но сам парадокс остался. И превратился в карту того, какие профессии дешевеют первыми.

Премия за абстрактный когнитивный труд - то, что веками считалось элитным - схлопывается. Аналитика, отчёты, базовое программирование, перевод, бухгалтерия, юридический ресёрч - это и есть «лёгкая часть» по Моравцу. Профессии, которые казались привилегированными, сидят ровно на той полке, которую машины разбирают в первую очередь.

Премия за физический и сенсорный труд в неструктурированной среде - сантехник, электрик, медсестра, повар - наоборот, держится. Это и есть «трудная часть»: ловкая манипуляция в шуме реального мира, без чёткой спецификации.

Арвинд Нараянан недавно подсветил честную деталь: парадокс Моравца - не закон природы, а описание того, над чем AI-сообщество решило работать. Мы придумали формализации, чтобы упростить мир, и построили компьютеры под эти формализации. То, что они сильны в наших же абстракциях, - не парадокс, а петля обратной связи.

Для рынка труда эта петля работает одинаково: проще автоматизировать то, что и так было записано в инструкциях.

Ирония в том, что предыдущие тридцать лет родители уговаривали детей идти в офис, потому что «руками работать тяжело». Машины с этим тезисом категорически не согласны.

ИИ это конечно сила, но вот новая фича по переключению между Tabs в Dia Browser - это прям мощно и инновационно. Никто такого еще не сделал :)

Дочитал The Infinity Machine Себастиана Маллаби. ИМХО одна из лучших книг о современном ИИ, которую я держал в руках. Крайне рекомендую.
Книга не про технологии, а про людей, которые эту технологию создали - изнутри.

Про соперничество между научным и инженерным подходом. И о том, как LLM стали побочным явлением большой истории поиска AGI.

DeepMind верит в науку, публикации в Nature, нейронауку и обучение с подкреплением. OpenAI верит в инженерию, масштаб и скорость. Один говорит “не будь слишком умным, просто делай.” Другой говорит “мы не будем имитировать людей, мы будем их превосходить.” Оба оказались правы - и оба заплатили за свою правоту.

Тот продукт, который перевернул мир - ChatGPT, языковые модели, всё, чем мы пользуемся каждый день — это побочный эффект. Побочный продукт научного исследования, целью которого был общий искусственный интеллект. Хассабис годами строил системы, которые играют в Go, складывают белки и рассуждают через поиск. Сутскевер годами верил, что предсказание следующего слова приведёт к пониманию мира. Трансформер родился в Google как инструмент для перевода. GPT появился, потому что один исследователь прочитал статью и крикнул коллеге “бросай всё.”

Никто не планировал ChatGPT. Все планировали AGI. ChatGPT случился по дороге.​​​​​​​​​​​​​​​​

https://www.penguin.co.uk/books/461432/the-infinity-machine-by-mallaby-sebastian/9780241703564

Дискуссия в Royal Institution: что происходит в голове у растений, есть ли душа у ИИ и почему «я» — это иллюзия

На прошлой неделе в лондонском Royal Institution — одном из старейших научных учреждений мира — состоялась публичная дискуссия «A Journey into Consciousness» между нейроучёным Анилом Сетом и научным журналистом Майклом Полланом.

▶️Кто есть кто

🔵Анил Сет — профессор когнитивной и вычислительной нейронауки Университета Сассекса, директор Центра науки о сознании, лауреат премии Фарадея Королевского общества. Его TED-доклад набрал более 15 миллионов просмотров.

🔵Майкл Поллан — автор международных бестселлеров, включая «How to Change Your Mind», книги, которая существенно изменила общественное отношение к психоделическим исследованиям.

Поводом для встречи стала новая книга Поллана «A World Appears: A Journey into Consciousness». В ходе дискуссии учёные затронули сразу несколько интересных тем — вот одни из них.

▶️Определение сознания

Оба спикера опираются на формулировку философа Томаса Нагеля: если мы задаемся вопросом, каково быть, например, летучей мышью, значит, предполагаем, что летучая мышь обладает сознанием и субъективными переживаниями.

Поллан предлагает разделять чувствительность (sentience) — базовую способность организма реагировать на среду — и сознание как более сложную, видоспецифичную форму этой чувствительности.

▶️ Растения и границы сознания

Поллан привел данные исследований так называемых «нейробиологов растений»:
- мимоза способна обучаться и удерживать результат обучения до 28 дней;
- растения распознают родственников через корневую систему;
- общие анестетики подавляют их поведенческие реакции аналогично тому, как они действуют на животных.
Вопрос о наличии субъективного опыта у растений остается открытым. Однако сам факт постановки этого вопроса в научном контексте — показателен.

▶️Искусственный интеллект и сознание

Это, пожалуй, наиболее практически значимая часть дискуссии. Оба спикера отвергают вычислительный функционализм — идею о том, что сознание можно отделить от биологического субстрата подобно тому, как программное обеспечение отделяется от аппаратного.

▶️Почему мозг — не компьютер

В мозге нет четкого разделения на железо и софт: каждое воспоминание — это физическое изменение нейронной структуры.
Нейроны работают в химической среде с аналоговыми характеристиками, которые не сводятся к бинарной логике транзисторов.

Метафора «мозг как компьютер» остается именно метафорой.

Однако в индустрии ее принимают за буквальное описание реальности.

▶️Позиция Сета о сознательном ИИ

Сет высказал позицию, что целенаправленное создание сознательного ИИ — это не только нерешенная, но и потенциально опасная задача.

Если искусственная система окажется способна страдать — возникает этическая проблема принципиально нового порядка.
Если же сознание будет ошибочно приписано системе, которая им не обладает, это может привести к наделению ее правами, несовместимыми с задачами контроля и безопасности.

При этом уже сейчас наблюдаются случаи, когда пользователи формируют эмоциональную привязанность к языковым моделям и приписывают им переживания.

▶️ Природа «я»: ключевое расхождение между спикерами

Сет рассматривает ощущение собственного «я» как разновидность восприятия — не автора опыта, а его продукт.
Поллан принимает этот аргумент интеллектуально, но отмечает, что феноменологически отказаться от ощущения субъекта крайне сложно даже после психоделического опыта растворения «я».

🔥Общий вывод Поллана

Человеческое сознание — это приватное пространство, которое в условиях алгоритмической экономики внимания подвергается системному давлению. Скроллинг, чат-боты, алгоритмические ленты — все это формы вторжения в пространство сознания. И это пространство нуждается в осознанной защите.

Дискуссия показала, что вопрос о природе сознания перестает быть исключительно философским. Он становится инженерным, этическим и регуляторным — и напрямую касается тех, кто проектирует и внедряет интеллектуальные системы.

#Tech_Inside
Подписывайтесь на AI Inside в Max | ВКонтакте

Cursor ждет слияние с X 🙂

https://www.bloomberg.com/news/articles/2026-04-21/spacex-says-has-agreement-to-acquire-cursor-for-60-billion

29 апреля, в среду, проведем офлайн-митап. Обсудим непростые отношения между CDO и бизнесом

В фокусе — проблема, с которой сталкиваются многие CDO: качество данных важно всем, но отвечать за него никто не хочет.

Вместе с экспертами из ИТ и бизнеса разберем:
— где и почему возникает конфликт между CDO и бизнесом,
— кто должен отвечать за качество данных на разных этапах,
— как не тормозить бизнес-процессы и не терять Data Quality,
— что можно изменить быстро, без долгих согласований.

А еще на митапе коротко расскажем о нашем офлайн-тренинге для CDO. Он пройдет в мае, места пока есть.

Формат дискуссии — честный откровенный разговор без записи. Модератор — Тарас Сорока, экс-CIO, эксперт по ИТ и цифровой трансформации. Спикеров вот-вот объявим.

Приглашаем на митап:
— CDO и руководителей data-направлений,
— тех, кто готовится к роли CDO,
— руководителей бизнеса и ИТ, работающих с данными.

📍 29 апреля, среда, офис HFLabs (5 минут от метро «Парк культуры»). Сбор гостей и фуршет — 19:00, начало дискуссии — 19:30.

✍️ Участие в митапе бесплатное, по предварительной регистрации. Присоединиться

HFLabs — о клиентских данных

Uber опять выкатил отличный пост.

У них 16 000 датасетов и 10 петабайт в одном монолитном Hive-хранилище на Delivery. Классика: начинали с одного большого бакета, потому что так проще. Закончили - shared-fate outages, noisy neighbors, централизованная команда как единая точка отказа для всех DDL-операций и ACL-апдейтов, и ACL настолько широкие, что least privilege там даже не ночевал.

Решение - федерация: разбить монолит на доменные и командные базы. Но не "давайте перепишем всё с нуля", а инженерно элегантный ход: pointer manipulation. Hive-датасеты - это по сути указатели на HDFS-локации. Uber это использует: копирует данные в новую локацию, верифицирует чексуммами через распределённый Spark-джоб, а потом просто переключает указатель в Metastore. Операция переключения - доли секунды. Zero downtime в буквальном смысле.

Что отличает этот пост от типичного "мы сделали миграцию" - уровень операционной честности. Они описывают не только happy path, а всё остальное: backup-датасеты как точки отката, real-time синхронизатор на Flink + пул из 10 Piper-пайплайнов в standby для HMS-синхронизации, batch-синхронизатор каждые 2 часа как fallback, bidirectional sync который берёт последнее обновление с любой стороны и применяет к другой. Они явно говорят: eventual consistency — это design choice, а не баг.

Отдельно - подход к data quality. Не "запустили и надеемся". Полный прогон всех партиций на идентичность source и target, и явное описание сценариев, когда проверка падает: TTL удалил партиции, кто-то сделал backfill, ETL добавил новые данные во время миграции. Решение — просто перезапустить мигратор. Система идемпотентна по дизайну.

Результат: тысячи мигрированных датасетов, 7 миллионов операций синхронизации метаданных, и попутно освободили петабайт на HDFS за счёт очистки мёртвых данных.

Вот это - реальный data engineering. Не манифесты и фреймворки на конференциях, а конкретные архитектурные решения с конкретными trade-off'ами, описанные людьми, которые это реально строили и эксплуатировали. Uber продолжает быть одним из лучших источников практического инженерного знания в индустрии.

https://www.uber.com/us/en/blog/database-federation/