aimodel

Mark Twain sagte einmal, dass der beste Weg, etwas zu verstecken, darin besteht, es an den auffälligsten Ort zu stellen. Moderne technologische Riesen scheinen diese Lektion verinnerlicht zu haben: Sie verstecken künstliche Intelligenz (KI) überall, machen sie so vertraut, dass wir sie nicht mehr wahrnehmen.
Aber es geht nicht nur darum, dass künstliche Intelligenz allgegenwärtig wird. Es geschieht etwas Grundsätzliches: Sie hört auf, ein Werkzeug zu sein, das wir nutzen, und wird zur Umgebung, in der wir leben.

Google hat eine Funktion namens Personal Intelligence für seinen AI-Assistenten Gemini vorgestellt, die dem Algorithmus Zugriff auf persönliche Daten der Nutzer aus Gmail, Google Photos, YouTube und anderen Diensten des Unternehmens ermöglicht. Im Austausch für eine personalisierte Erfahrung müssen Nutzer zustimmen, ihre Daten für das Training von generativen KI-Modellen zu verwenden.

Albert Einstein sagte, dass es unmöglich sei, ein Problem auf der gleichen Denkstufe zu lösen, auf der es entstanden ist. Es scheint, dass die Menschheit genau an diesem Punkt in der Entwicklung künstlicher Intelligenz (KI) angekommen ist – wo unser eigener Verstand zum größten Hindernis für die Schaffung eines künstlichen Geistes wird.

Google hat die Funktion Guided Learning im KI-Assistenten Gemini gestartet, die gewöhnliche Chat-Bots in persönliche Lehrer verwandelt. Die Neuerung erstellt individuelle Lernkurse und hilft Benutzern, sich nicht nur auf fertige Antworten zu stützen, sondern den Stoff wirklich zu verstehen.
Wie funktioniert der persönliche Mentor

Пользователь соцсети X под ником Alex Prompter опубликовал 14 января утекшие внутренние документы OpenAI с сенсационным заявлением: Илья Суцкевер (Ilya Sutskever) — один из основателей компании и бывший главный научный сотрудник — якобы доказал физическую невозможность создания искусственного общего интеллекта.
Суцкевер считается одним из ведущих специалистов по нейронным сетям в мире. Он участвовал в создании GPT и был ключевой фигурой в развитии ChatGPT. В мае 2024 года он покинул OpenAI для создания собственной компании Safe Superintelligence, посвященной безопасной разработке ИИ.
AGI (Artificial General Intelligence) — это гипотетическая система искусственного интеллекта, способная выполнять любые интеллектуальные задачи на уровне человека или превосходить его. В отличие от современных узкоспециализированных алгоритмов вроде ChatGPT или системы распознавания изображений, AGI должен обладать универсальными когнитивными способностями.
Принцип Ландауэра: почему забывание стоит энергии
Основа спекуляций — принцип Ландауэра, открытый физиком IBM Рольфом Ландауэром в 1961 году. Этот закон связывает информацию с физикой и устанавливает минимальную энергетическую цену за стирание данных.
Представьте компьютерную память как набор переключателей, каждый из которых может находиться в положении «0» или «1». Когда мы стираем бит информации — например, принудительно устанавливаем его в «0» независимо от предыдущего состояния — мы физически уничтожаем различие между этими двумя состояниями.
Согласно второму закону термодинамики, общая энтропия (мера беспорядка) во Вселенной никогда не может уменьшаться. Стирание бита уменьшает энтропию в компьютере, поэтому для сохранения баланса энтропия окружающей среды должна увеличиться. Это увеличение происходит через выделение тепла.
Минимальная энергия стирания описывается формулой E ≥ kT ln 2, где k — постоянная Больцмана (1,38×10-23 Дж/К), T — температура в кельвинах, а ln 2 ≈ 0,693 — натуральный логарифм двойки. При комнатной температуре (300К) это составляет ничтожные 2,9×10-21 Дж на бит — в миллион миллиардов раз меньше энергии, необходимой для подъема пылинки на миллиметр.
Критически важно: принцип действует только для необратимых операций стирания информации. Логически обратимые операции, где каждому входу соответствует уникальный выход, теоретически могут выполняться без энергозатрат.
От микроватт к энергии Солнечной системы
В приложенных к публикации профессионально оформленных слайдах утверждается, что AGI потребует 1018 необратимых операций в секунду. Умножив на энергию Ландауэра, авторы получают теоретический минимум 2900 Вт — в 145 раз больше энергопотребления человеческого мозга.
Затем «расчеты» усложняются. С учетом реальных инженерных ограничений — охлаждения (увеличивает потребление в 10 раз), передачи данных между процессором и памятью (в 50 раз), коррекции ошибок (в 2 раза) — авторы фейка получают 2,9 МВт для одной системы AGI. Это энергопотребление небольшого города для имитации одного человеческого интеллекта.
Но главная «бомба» — в масштабировании. Согласно поддельным документам, для обслуживания всего человечества потребуются миллиарды систем AGI. Авторы утверждают, что это приведет к энергопотреблению 1021 Вт — в миллион раз больше всей энергии, производимой человечеством, и якобы превышает энергетические ресурсы всей Солнечной системы.
Подозрительно качественная подделка
К публикации приложены профессионально выглядящие документы: презентации с графиками, якобы внутренняя переписка совета директоров OpenAI, скриншоты из Slack с обсуждениями руководства. В «документах» утверждается, что Сэм Альтман (Sam Altman) признавал правоту расчетов Суцкевера, но называл их «технически верными, но стратегически неуместными».
Рецепт фейка: научный факт × «реалистичные» коэффициенты = абсурдный результат
Поддельные материалы включают даже детализированную хронологию якобы произошедшего в ноябре 2023 года кризиса в совете директоров OpenAI из-за термодинамических ограничений. Качество подделки выдает её искусственное происхождение: слишком много штампов «CONFIDENTIAL», профессиональный дизайн презентаций и правдоподобные, но сфабрикованные внутренние переписки.
Научная критика
Заявления Alex Prompter немедленно вызвали критику экспертов. Аналитик Roko назвал идею о невозможности AGI «самой идиотской вещью об AI, которую когда-либо читал».
Специалист TokyoL7G объяснил фундаментальную ошибку: «Человеческий мозг работает при мощности около 20 Вт. Не потому, что он нарушает термодинамику, а потому, что представляет собой чрезвычайно эффективную асинхронную систему».
Эксперт 9DATTM указал на методологические ошибки: неправомерное приравнивание предела Ландауэра к требованиям интеллекта, игнорирование алгоритмического сжатия и возможности энергоэффективных обратимых вычислений.
Реальность энергопотребления AI
Современные системы AI действительно требуют колоссальных энергозатрат, но это связано с несовершенством существующих технологий, а не с фундаментальными физическими ограничениями. Обучение GPT-3 потребовало около 1300 МВт·ч, дата-центры для AI расходуют мегаватты постоянно — это энергопотребление целых городов.
Однако человеческий мозг доказывает возможность высокоэффективных вычислений: 86 млрд нейронов, обрабатывающих сложнейшую информацию при потреблении всего 20 Вт. Принцип Ландауэра не препятствует созданию энергоэффективных архитектур — он лишь устанавливает теоретический минимум для необратимых операций стирания.
Отсутствие подтверждений
Ни Илья Суцкевер, ни OpenAI не подтверждали существование подобных исследований. Публичные высказывания Суцкевера от мая 2024 года выражают уверенность в достижимости AGI с акцентом на безопасность. Сайт его новой компании Safe Superintelligence фокусируется на создании безопасного AI без упоминаний термодинамических барьеров.
Представленные материалы — изощренная дезинформация, основанная на неточном применении физических принципов и экстраполяции сомнительных допущений до абсурда. Подделка демонстрирует растущую изощренность фальшивых утечек в эпоху AI, но научное сообщество единодушно отвергает подобные псевдонаучные спекуляции о энергетической невозможности создания эффективного искусственного интеллекта.
Мнение AI
Анализ исторических паттернов дезинформации показывает интересную закономерность: самые эффектные научные фейки всегда эксплуатируют реальные физические принципы. Холодный синтез 1989 года тоже базировался на настоящих ядерных реакциях, но с фальшивыми данными. Принцип Ландауэра здесь играет роль идеального «крючка» — он достаточно сложен, чтобы большинство не могли его проверить, но достаточно фундаментален, чтобы звучать убедительно.
Макроэкономический контекст создания подобных фейков заслуживает внимания. Индустрия AI переживает период максимальных инвестиций и ожиданий — классическую фазу пузыря, когда любые сомнения в технологической достижимости могут обвалить миллиардные вложения. Такая информационная атака потенциально способна повлиять на биржевые котировки технологических гигантов. Остается вопрос: кому выгодно подрывать веру в AGI именно сейчас?
#AI #AImodel #Write2Earn
$ETH

AI-Agenten bereiten sich darauf vor, von großen Versprechungen zu realer Arbeit überzugehen, und für viele Unternehmen wird dieser Übergang schmerzhaft sein. Im Jahr 2026 werden autonome digitale Mitarbeiter beginnen, Entscheidungen zu treffen, Prozesse zu starten und die Arbeitsweise ganzer Organisationen zu verändern.
Das Potenzial ist riesig – von dramatischen Effizienzgewinnen bis hin zu völlig neuen Geschäftsmodellen. Doch die Risiken sind nicht weniger real. Von unbegründetem Vertrauen und schwachen Datenbanken bis hin zu ernsthaften Sicherheitsproblemen und kulturellen Konflikten – viele Unternehmen treten in die Ära der AI-Agenten katastrophal unvorbereitet ein. Im kommenden Jahr werden einige unglaubliche Möglichkeiten enthüllen, während andere Geld verschwenden, Vertrauen untergraben oder Probleme schaffen, die sie nicht vorhergesehen haben.

$AT Beobachtungen zum Wachstum von Multi-Chain, geprägt von Intention, nicht von Aufmerksamkeit ~ @APRO Oracle
Einige Protokolle kündigen sich lautstark an. Andere offenbaren sich langsam. APRO gehört zur zweiten Kategorie. Es kam nicht mit Dringlichkeit oder Spektakel. Es erschien leise im Hintergrund und machte Arbeit, die erst sichtbar wird, wenn etwas anderes davon abhängt. Das war das erste Signal. In einem Raum, in dem Aufmerksamkeit oft mit Fortschritt verwechselt wird, fühlte sich dieses Protokoll ungewöhnlich wohl, unbemerkt zu bleiben.
Die Zeit hat eine Art, die Absicht zu klären. Wenn man APRO über einen längeren Zeitraum beobachtet, wird klar, dass nichts an seiner Struktur darauf ausgelegt zu sein scheint, schnell zu reagieren. Es gab keinen Drang, Narrative zu verpacken. Keine ständige Neupositionierung, um der Stimmung des Marktes zu entsprechen. Stattdessen gab es Konsistenz. Die Art, die darauf hindeutet, dass ein System geschaffen wurde, auf das man sich verlassen kann, anstatt es zu handeln. Dieser Unterschied zählt jetzt mehr als je zuvor.