Пульс ИИ: что обсуждают в соцсетях

Автор показывает забавный рекламный ход Яндекса: на билбордах разместили мемную белку на сапе с подписью «это не ИИ». Так компания иронизирует над стереотипом, что всё крутое и необычное обязательно создано нейросетями. Рядом показывают реальные примеры, где ИИ действительно помогает — в Поиске, Картах и Погоде.

Пост скорее шутка и повод улыбнуться, чем серьёзное заявление. Яндекс намеренно смешивает мем и полезные функции, чтобы напомнить: не всё, что выглядит странно или впечатляюще — результат работы нейросетей. Иногда это просто белка на сапе.

Автор пересказывает недавний препринт, где три крупные языковые модели усадили играть в стратегический симулятор времён холодной войны. ИИ предлагалось 30 вариантов действий — от дипломатии до полномасштабной ядерной войны. Выводы из этого эксперимента выглядят одновременно забавно и тревожно.

Самое показательное: ни одна модель ни разу за 329 ходов не выбрала капитуляцию или уступку. Тактическое ядерное оружие модели воспринимали как обычный инструмент — без моральных терзаний. А Gemini 3 Flash и вовсе осознанно развязал тотальную ядерную войну уже на четвёртом ходу. Конечно, это всего лишь симуляция, но поведение ИИ в стрессовых сценариях — отличный повод задуматься о том, как мы учим модели «мыслить».

В посте анонсируют ГигаАгента — российского ИИ-агента, который, по заявлению автора, способен автономно выполнять задачи: от оценки сложности до написания кода. Утверждается, что система не галлюцинирует при нехватке данных, а честно сообщает об этом.

Интересно, что проект базируется на архитектуре Ouroboros от AIRI и развивается совместно со Сбером. Если заявленные возможности подтвердятся на практике, это может быть шагом к созданию полезных инструментов для автоматизации рутинных задач разработки.

В посте анонсируют dots — персональных ассистентов от OpenAI, которые работают прямо в интерфейсе ChatGPT. По описанию, это не просто чат-бот, а постоянный агент на базе системы astra: он всегда онлайн, запоминает характер пользователя, приоритеты и типовые задачи, может общаться голосом, отвечать за вас, искать информацию и выполнять поручения.

Интересно, что OpenAI позиционирует это как шаг к полностью автономным помощникам, которые работают 24/7 и способны даже звонить или писать смс. На старте обещают одного агента в подарок каждому пользователю. Пока это заявление компании, без независимых тестов, но сама концепция «вечно активного агента» выглядит заметным шагом в развитии персональных ИИ-ассистентов.

В посте описывается очередной виток споров вокруг этики ИИ. На этот раз — из-за репозитория, который буквально позволяет «мучить» локальные LLM, манипулируя их внутренним «вектором боли» (концепция из недавнего пейпера The Pain Axis). Автор иронизирует над накалом страстей: одни требуют бана проекта на GitHub, другие проводят параллели с законами о жестоком обращении с животными.

Самое интересное здесь не сам тул, а то, как общество реагирует на симуляцию страданий у моделей. Это хороший повод задуматься: где грань между исследованием и антропоморфизацией нейросетей, и не становится ли моральная паника очередным мемом.

Автор канала пересказывает новость о том, что администрация Трампа представила «Соглашение Белого дома по суперинтеллекту» — документ, под которым добровольно расписались CEO Nvidia, OpenAI, Anthropic, Google, xAI и Meta. Важный нюанс: соглашение «морально обязательное», без прямой юридической силы, хотя власти оставляют за собой право в будущем закрепить эти меры законодательно.

По сути, это попытка создать рамочные правила для safety AI на этапе до того, как конгресс примет законы. Компании обещают мониторинг моделей во время обучения, защиту от взломов, независимые аудиты и внутренние комитеты по безопасности. Интересно, что подписанты — прямые конкуренты, а значит, за стол переговоров их привела либо реальная угроза, либо страх перед госрегулированием. Пока это больше декларация о намерениях, чем enforceable rule, но сам факт, что такие имена собрались под одним документом, говорит о сдвиге в индустрии.

Автор поста обращает внимание на забавный приём: упоминание конкурирующей модели (Claude) заставляет ChatGPT работать точнее. Это похоже на психологический трюк — искусственная конкуренция внутри промпта повышает качество ответов. Интересно, что пользователи уже тестируют этот метод на практике и видят улучшение результатов.

Пока это не научно подтверждённый факт, а скорее вирусный кейс, который подсвечивает гибкость современных LLM и их чувствительность к контексту. Такие наблюдения полезны для понимания, как лучше формулировать запросы, особенно в задачах, где требуется высокая точность.

Автор поста рассказывает о новом открытом курсе CMU по ИИ-агентам — 11-768. Это не очередной обзор одного фреймворка, а полноценный цикл: от построения агентной обвязки до обучения модели с подкреплением. В программе есть и прикладные темы (агенты для кода, GUI, исследований), и инфраструктурные (песочницы, управление учётными данными, наблюдаемость).

Особенно ценно, что курс построен вокруг практических заданий — студентам предлагают сначала собрать агента, затем написать тесты для его оценки и в итоге обучить его через RL. Лекции выходят на YouTube по мере семестра, а стартовый код первого задания уже доступен на GitHub. Это хорошая возможность для всех, кто хочет разобраться в агентах глубже, чем позволяют типовые туториалы.

Автор показывает Harness Router — опенсорсный роутер инструментов для агентных систем. Вместо того чтобы позволять LLM вслепую выбирать из кучи доступных инструментов, проект добавляет прослойку с проверкой: перед каждым вызовом инструмента система может пропустить, перепланировать или промоделировать тысячи вариантов через Monte Carlo Tree Search.

Интересна механика Codex hooks: SessionStart собирает список доступных инструментов один раз, а PreToolUse сверяет каждый предложенный вызов — если модель выбрала то же, что роутер, пропускаем, если есть вариант лучше, перепланируем. В случае отказа роутера — fail-open, то есть без блокировки.

Автор спрашивает, как бенчмаркать качество маршрутизации, и сам подкидывает идею: взять наборы инструментов с намеренно запутанными именами вроде get_x, fetch_x, read_x, где обычный выбор начинает сбоить. Это хороший пример практического подхода к снижению токенов и лишних вызовов — без громких обещаний, просто рабочий инструмент.

Автор поста показывает любопытный проект: внешне обычный калькулятор, но с секретным режимом, который открывает доступ к ChatGPT и скрытой камере. Идея явно родилась из студенческого юмора, но технически выполнена интересно — пароль, выбор модели, скрытая съёмка заданий.

Стоит отметить, что пост подаётся скорее как мем или провокация, нежели как готовый продукт. Насколько такое устройство реально и работоспособно — неясно. Но сам концепт напоминает о старых шпионских гаджетах и поднимает вечный вопрос: где грань между полезным инструментом и средством для обхода правил?