Мне повезло застать несколько совершенно разных технологических эпох.
Первая: мир почти без связи. Домашний телефон был далеко не у всех, и если человек ушёл из дома, он исчезал до тех пор, пока не вернётся.
Потом появились приставки. Dendy, Sega, PlayStation - каждая казалась настоящей революцией и была поводом собраться всем двором у одного лампового телека "Горизонт", пока кинескоп не сгорит.
Сейчас вокруг AI‑разработки игр происходит странная вещь. С одной стороны, появились инструменты, с которыми один человек действительно может делать то, для чего раньше требовалась небольшая команда. Код, графика, анимация, исследования, прототипирование — всё это стало в разы доступнее.
С другой стороны, интернет постепенно заполняется проектами, которые выглядят примерно так: «Я написал два промпта — и нейросеть сделала мне игру». После этого появляется вполне предсказуемая реакция: кому вообще нужна игра, которую никто толком не придумал?
В далеком 2012 году Дженнифер Дудна и Эммануэль Шарпантье описали способ редактирования ДНК с помощью системы CRISPR-Cas9 и спустя восемь лет получили за эту работу Нобелевскую премию.
Меня зовут Ричард Кэмпбелл. Я из Ванкувера из канадской провинции Британская Колумбия. В Копенгагене я не впервые и, как уже говорил, выступал на множестве конференций NDC1.
Есть такая старая программистская байка, что нельзя платить программистам за строки кода, так как тогда они будут писать длинный бестолковый код и любить метод copy-paste. Будущее наступило. Только теперь этими “программистами” является генеративный ИИ (GenAI), которому как раз платят за строки кода. Иронично.
Иногда самое опасное в исследовании — получить слишком красивый результат.
Мы собрали training-free детектор галлюцинаций для RAG, получили хорошие метрики и наткнулись на группу примеров, где все шесть LLM единогласно спорили с эталонной разметкой. Сначала мы решили, что нашли общую слепую зону LLM-as-a-Judge — переносимый, заголовочный результат. Потом открыли первоисточник. И оказалось, что ошибались вовсе не модели.
Дальше — история о том, почему несущим здесь оказалась не находка и не детектор, а процедура проверки, которая поймала нас самих.
Привет!
Меня зовут Дарья Сарычева, эту статью мы подготовили вместе с моим коллегой Андреем Саниным, с которым вместе работаем в агентстве «Альтера» в Санкт‑Петербурге.
Когда компании начали внедрять ИИ в рабочие процессы, ожидания были понятны: сотрудники станут работать быстрее, а вслед за этим вырастет и прибыль. Но реальность оказалась сложнее. ИИ действительно меняет то, как люди справляются с задачами, — однако между личной эффективностью сотрудника и финансовыми результатами компании пролегает пропасть, которую легко не заметить. Чтобы разобраться, почему так происходит, нужно взглянуть не только на экономику, но и на психологию человека, работающего бок о бок с ИИ.
Нейросети действительно помогают делать больше теми же руками. Раньше команда неделю собирала черновик, а теперь один человек за вечер рисует базу, проверяет и отдает. В коде та же история: меньше рутины, быстрее черновики, проще прототипы.
Но есть скучная часть, которую обычно не принято упоминать:
Расходы не уменьшаются. Они переезжают.
Раньше компания платила людям. Теперь она платит за модели, токены, безопасность, проверку результата и обучение команды. Звучит менее празднично. Зато ближе к жизни.
Свежая оценка Bridgewater, Читать полностью »
