Цифровой геноцид

Неравномерное распределении ИИ
https://stratechery.com/2025/ais-uneven-arrival/
AI’s Uneven Arrival

Stratechery — один из самых популярных технологических бюллетеней:рн понимает мета-тенденции и то, как думают руководители технологий, как мало кто другой. В «Неравномерном прибытии ИИ» он подчеркивает, что большинство организаций даже отдаленно не готовы передать задачи от людей ИИ, даже если ИИ мог бы их выполнять — слишком много неявных знаний. А затем следует неудачная аналогия из старого выступления Кейта Рабуа в Стэнфорде: «большинство людей — это боеприпасы, а не стволы» — то есть небольшое количество незаменимых людей задают направление (стволы), но люди, которых, скорее всего, заменит ИИ, просто выполняют работу (боеприпасы). В этом есть некоторый здравый смысл: нанимая больше людей, мы не ускоряем работу, а чаще, наоборот, уменьшаем скорость работы. Аналогия: "стволы и боеприпасы" — небольшое количество ключевых сотрудников ("стволы") задают направление, а большинство выполняет рутинную работу ("боеприпасы"). Давайте последим за его логикой.

Силиконовая долина - это конвейер SaaS-компаний, которые позиционировали себя как стартапы, меняющие мир, но которые на самом деле были пестрыми цифровыми сбоями в бизнес-моделях, реализованными благодаря облачным вычислениям и резко расширенной экосистеме венчурного капитала, которая все чаще принимала относительно низкую доходность в обмен на значительно сниженные профили риска.

Последние два десятилетия ознаменовались ростом цифровой рекламы, определяющей характеристикой которой является знание того, на кого она нацелена, и конвертируются ли они. Специфика того, как это работает, со временем изменилась, особенно с ужесточением правил использования файлов cookie которая сделала цифровую рекламу менее детерминированной и более вероятностной; однако вероятности в игре гораздо ближе к 100%, чем к подбрасыванию монетки. Интересно, что этот подход к рекламе не всегда работал для всего, особенно для некоторых из самых ориентированных на рекламу компаний в мире. Еще в 2016 году Procter & Gamble объявила о сокращении целевой рекламы в Facebook;

Слишком таргетированная аудитория для Procter & Gamble оказалась не так уж и нужна, большой охват оказался предпочтительнее.
Также была отдача от масштаба: производство — это большой вопрос; чем больше рекламы вы покупали, тем меньше платили за рекламу; что еще важнее, чем больше у вас было места на полке, тем больше у вас было возможностей для расширения линеек продуктов и вытеснения конкурентов.

Причем тут ИИ и LLM?

Было много разговоров о важности масштаба с точки зрения производительности LLM; для авторегрессионных LLM это означало масштаб обучения. Чем больше у вас параметров, тем больше вам нужна инфраструктура, но выигрыш — это большая точность, поскольку модель включает в себя гораздо больше информации.

o1 становится точнее, чем больше времени он тратит на вычисления во время вывода. То, на что указывают o3 и масштабирование времени вывода, — это нечто иное: ИИ, которым можно давать задания и доверять их выполнение. Это, в более широком смысле, больше похоже на независимого работника, чем на помощника — боеприпасы, а не винтовки

Когда вы нанимаете больше инженеров, вы не делаете намного больше. Иногда вы на самом деле делаете меньше. Вы нанимаете больше дизайнеров, вы определенно не делаете больше, вы делаете меньше за день. Причина в том, что большинство людей на самом деле являются боеприпасами. Но то, что вам нужно в вашей компании, — это стволы. И вы можете стрелять только через то количество уникальных стволов, которое у вас есть. Вот как скорость вашей компании улучшается — это добавление стволов. .

www.group-telegram.com/us/gulagdigital.com/3110

798 viewsedited  Jan 24 at 15:03

Неравномерное распределении ИИ
https://stratechery.com/2025/ais-uneven-arrival/
AI’s Uneven Arrival

Stratechery — один из самых популярных технологических бюллетеней:рн понимает мета-тенденции и то, как думают руководители технологий, как мало кто другой. В «Неравномерном прибытии ИИ» он подчеркивает, что большинство организаций даже отдаленно не готовы передать задачи от людей ИИ, даже если ИИ мог бы их выполнять — слишком много неявных знаний. А затем следует неудачная аналогия из старого выступления Кейта Рабуа в Стэнфорде: «большинство людей — это боеприпасы, а не стволы» — то есть небольшое количество незаменимых людей задают направление (стволы), но люди, которых, скорее всего, заменит ИИ, просто выполняют работу (боеприпасы). В этом есть некоторый здравый смысл: нанимая больше людей, мы не ускоряем работу, а чаще, наоборот, уменьшаем скорость работы. Аналогия: "стволы и боеприпасы" — небольшое количество ключевых сотрудников ("стволы") задают направление, а большинство выполняет рутинную работу ("боеприпасы"). Давайте последим за его логикой.

Силиконовая долина - это конвейер SaaS-компаний, которые позиционировали себя как стартапы, меняющие мир, но которые на самом деле были пестрыми цифровыми сбоями в бизнес-моделях, реализованными благодаря облачным вычислениям и резко расширенной экосистеме венчурного капитала, которая все чаще принимала относительно низкую доходность в обмен на значительно сниженные профили риска.

Последние два десятилетия ознаменовались ростом цифровой рекламы, определяющей характеристикой которой является знание того, на кого она нацелена, и конвертируются ли они. Специфика того, как это работает, со временем изменилась, особенно с ужесточением правил использования файлов cookie которая сделала цифровую рекламу менее детерминированной и более вероятностной; однако вероятности в игре гораздо ближе к 100%, чем к подбрасыванию монетки. Интересно, что этот подход к рекламе не всегда работал для всего, особенно для некоторых из самых ориентированных на рекламу компаний в мире. Еще в 2016 году Procter & Gamble объявила о сокращении целевой рекламы в Facebook;

Слишком таргетированная аудитория для Procter & Gamble оказалась не так уж и нужна, большой охват оказался предпочтительнее.
Также была отдача от масштаба: производство — это большой вопрос; чем больше рекламы вы покупали, тем меньше платили за рекламу; что еще важнее, чем больше у вас было места на полке, тем больше у вас было возможностей для расширения линеек продуктов и вытеснения конкурентов.

Причем тут ИИ и LLM?

Было много разговоров о важности масштаба с точки зрения производительности LLM; для авторегрессионных LLM это означало масштаб обучения. Чем больше у вас параметров, тем больше вам нужна инфраструктура, но выигрыш — это большая точность, поскольку модель включает в себя гораздо больше информации.

o1 становится точнее, чем больше времени он тратит на вычисления во время вывода. То, на что указывают o3 и масштабирование времени вывода, — это нечто иное: ИИ, которым можно давать задания и доверять их выполнение. Это, в более широком смысле, больше похоже на независимого работника, чем на помощника — боеприпасы, а не винтовки

Когда вы нанимаете больше инженеров, вы не делаете намного больше. Иногда вы на самом деле делаете меньше. Вы нанимаете больше дизайнеров, вы определенно не делаете больше, вы делаете меньше за день. Причина в том, что большинство людей на самом деле являются боеприпасами. Но то, что вам нужно в вашей компании, — это стволы. И вы можете стрелять только через то количество уникальных стволов, которое у вас есть. Вот как скорость вашей компании улучшается — это добавление стволов. .

BY Цифровой геноцид