Суперинтеллект, приватный AI и пицца за крипту. Илья Полосухин о будущем в мире искусственного интеллекта, помноженного на блокчейн
Герой нового выпуска «Это Осетинская!» — Илья Полосухин, одна из ключевых фигур в истории появления современных генеративных нейросетей. Полосухин — выходец из Google Research и соавтор статьи «Attention Is All You Need», где описана архитектура Transformer, легшая в основу большинства современных систем генеративного AI. А еще он — сооснователь блокчейн-платформы NEAR. За последние годы капитализация NEAR выросла до $3 млрд, а объем инвестиций — до $500 млн. Сейчас компания вернулась к истокам и работает над продуктом на стыке нейросетей и блокчейна, а в планах у нее — построить полностью приватный AI, который принадлежит пользователю, а не корпорациям. Мы публикуем отрывки из разговора Ильи с Елизаветой Осетинской (признана иноагентом), а целиком интервью смотрите здесь.
Начало пути и история появления нейросетей
— Илья, вернемся к истокам. Ты родом из Харькова?
— Да.
— Ты математик по образованию?
— Прикладной математик, да.
— Расскажи, как ты переехал в Штаты? Почему вообще? Что тебя туда понесло?
— Я начал заниматься программированием, когда мне было десять лет. Поступил на прикладную математику в Харьковский политех. Семья у меня была очень скромная, и я искал работу на первом курсе, чтобы иметь хоть какие-то карманные деньги. Нашел работу в компании, у которой был небольшой офис в Харькове, а головной — в Сан-Диего. Компания занималась машинным обучением — как раз тем, что мне было очень интересно.
— Какие это были годы?
— 2007-й, начало 2008 года.
— Машинное обучение тогда уже было?
— Тут более интересно. Компания существует с 1973 года, тогда еще машинного обучения как термина не было, это называлось «эконометрика». Они были одними из первых, кто этим занимался. Само выражение «машинное обучение» появилось где-то в начале двухтысячных.
— То есть они аутсорсили?
— Да, у них был небольшой офис: инженеры, тестировщики — все понятно.
— Традиционно.
— В Сан-Диего есть хороший университет — University of California San Diego. И профессор этого университета основал компанию в 70-х. У него были оригинальные алгоритмы, разработанные в Стэнфорде и Беркли, которые потом использовались везде последние 30 лет. Он купил на них права. В этой компании я и научился машинному обучению.
— От корней.
— Да. И поскольку компания была в Сан-Диего, они приглашали сотрудников приезжать на бизнес-стажировки. А я был тогда студентом и летом приезжал туда работать и заодно учить английский. На втором году магистратуры они пригласили меня переехать. Мой диплом как раз был связан с задачей, которую я делал на работе. Это были распределенные деревья принятия решений.
— Счастливая судьба. Заниматься тем, чему учился с самого начала.
— Ну, такой и был план, да.
— То есть там ты не учился, а уже работал?
— Да, учился я полностью в Харькове, а работал в этой компании. В 2012 году переехал в США, но вернулся ненадолго защитить диплом. И остался там.
— А потом был Google?— Да. И что тогда произошло… Исторически деревья принятия решений были основным методом, который использовался в 2000-х годах. В том числе Google и Facebook применяли их для рекламы. Но одновременно есть идея нейронных сетей с 60-х годов, но она никогда не работала. Принципиально нейронные сети не работали.
И вот в 2013 году вышла статья Google, которая красиво называется «Нейрон кошечки». Там показали, что можно обучить нейронную сеть смотреть на изображение, пытаться его сжать и потом, разжимая, попытаться предсказать это изображение. Они обучили модель на большом кластере, и оказалось, что внутри нее есть один нейрон — одна особенность в модели, которая «понимает», когда на изображении кошка.
— Вот это и есть то, что мы сегодня называем машинным обучением?
— Да. Но на тот момент это была первая статья, где нейронные сети действительно заработали. Там никто не указывал явно: «Вот это кошка, вот это что-то другое». Модель сама поняла, просто глядя на изображение. Так, как люди смотрят и понимают.
— Ну да. Мы же не знаем, как мы понимаем, что это кошка. Это же наша нейронная сеть.
— Да, да. Все методы до этого требовали так называемого учителя, который сказал бы, что это кошка, а вот это — нет. Я увидел статью. Я все еще занимался деревьями решений и сказал себе: «Я хочу работать над этим».
И я подался в Google, переехал из Сан-Диего в Долину, в Маунтин-Вью. Мое понимание было такое: да, изображения — это хорошо, но в мире существуют тысячи разных животных, которые видят. А язык только у одного вида, у людей.
— То есть распознавание языка?
— Да. Поэтому понимание языка — это то, что ведет нас в сторону действительно реального искусственного интеллекта. Я хотел заниматься именно нейронными сетями с языком. И я присоединился к команде, которая занималась тем, как отвечать на вопросы, как переводить текст, как понимать язык.
— Два уточнения. Идея, что мы когда-нибудь создадим настоящий искусственный интеллект — в смысле что-то, что думает как человек, но не человек, — она была уже тогда?
— Ну, она всегда была.
— Как идея научить человека летать была тысячу лет назад?
— Да. Этой идее тоже сотни лет. Первый робот, хотя там внутри человек сидел, был, кажется, примерно 150 лет назад.
— А, да?
— Да. Идея о машинах, которые могут думать как люди или даже лучше, очень старая. Сам термин artificial intelligence существует уже долго. Проблема была в том, что никто не понимал, как это будет работать. Я впервые узнал об этой идее из фильма, который называется «Artificial Intelligence». Мне тогда было десять лет.
— Бытует мнение, что Google в какой-то момент отстал или пошел по более медленному пути, пропустив вперед OpenAI и Facebook. Справедливо ли так говорить? Если да, то почему так произошло?
— Во-первых, я не говорю от лица Google.
— Да-да, конечно. Во-первых, ты там давно не работаешь.
— Да. Начнем с вводных. Google — это AI-компания. В 1997 году, когда Google начинался, Ларри Пейдж и Сергей Брин были PhD-студентами по AI. PageRank, алгоритм, с которого они стартовали, на тот момент был AI-алгоритмом. Вся система поиска — это тоже AI для своего времени. Нейронные сети, тот самый «кошачий нейрон» — это Google. Большая часть практических исследований и первых фреймворков для построения моделей пришла именно из Google. Что произошло? Это обычная проблема инноваторов. Когда происходит смена технологической парадигмы — можем позже обсудить ту статью…
— Обязательно.
— Если у тебя уже есть огромный бизнес, а у Google Search на тот момент это примерно 400-миллиардный, то что-то менять на рискованные технологии очень сложно. Пример — продукт уровня ChatGPT. На тот момент, когда он вышел в 2022 году, в принципе можно было собрать нечто похожее: с нейронной сетью под низом, ты с ней разговариваешь, она отвечает. Работало бы хуже, но такие прототипы были.
— Ну да, это же в итоге вопрос интерфейса.
— Да. Но проблема в том, что тогда это был не очень хороший продукт. Модели были хуже, продукт был сырой. Выпускать такое Google не было смысла. Любая проблема, которая выплыла бы, — и судят весь Google. Компанию и так судят постоянно за все. Поэтому это классическая дилемма инноватора: когда у тебя большой бизнес, очень сложно применить смену парадигмы.
Но важно, что Google не медленная компания. Когда смена парадигмы уже прошла, то догнать и применить это на рынке они могут. Это не случай IBM, которую перегнали и которая уже никогда не догнала. Сейчас крупные технические компании не медленные. Они медленнее, чем стартапы, когда речь идет о выпуске чего-то нового, но, когда нужно взять чужую инновацию и внедрить, они справляются хорошо.
— Мне кажется, это изменение буквально последних месяцев. Ты гуглишь, и тебе уже выдают AI-generated summary.
— Они постепенно выкатывают это. Помню, я разговаривал с бывшими сотрудниками. В 2022 году, когда все только вышло, возник простой математический вопрос. У Google миллиард пользователей. Чтобы выдать всем ответ от AI, нужны сотни тысяч GPU. А кликов на рекламу от этого больше не станет. Это дорого.
— То есть рациональный коммерческий вопрос.
— Да. Сейчас они учатся лучше монетизировать, и дешевле стало. И теперь есть риск, что люди перестанут пользоваться Google.
Мы как раз занимались тем направлением, что сегодня выглядит как короткие ответы. Проблема, с которой мы столкнулись, — когда ты делаешь исследование, у тебя нет лимитов. Твоя модель может занять 10 секунд: почитать все, подумать, ответить. Когда люди ищут в поисковике, он должен ответить за 200–300 мс.
— То есть мы ждать 10 секунд не будем.
— Да. В те годы, 2015-й и 2016-й, наши модели, которые могли написать ответы, были очень медленными.
— Но это из-за недостатка мощности?
— Нет, дело в архитектуре. Это так называемые рекуррентные нейронные сети. Чтобы прочитать документ, модель проходила его слово за словом, последовательно. Чтобы ответить на вопрос, ей нужно было прочитать 10, например, документов из результатов поиска.
— Если все последовательно, секунды складываются в минуты.
— Именно. Поэтому мы пытались упростить модель, чтобы она не читала все аккуратно, а примерно.
— «Врубалась».
— Да. Посмотрела на текст и нашла пример. В продакшене работали очень простые модели — Bag-of-Words. Вместо того чтобы читать предложение или абзац, они просто складывали все слова, получали некое понимание и сравнивали это с вопросом. Очень грубо говоря.
— Как журналист примерно работает.
— И появилась идея того, что сегодня называется «трансформеры». Что, если вместо последовательного чтения, как у людей, читать все слова параллельно? Если вы смотрели фильм «Arrival» («Прибытие»), там инопланетяне разговаривают сразу всем предложением, а не слово за словом. Вот примерно такая же идея: а что, если модель сможет прочитать весь документ сразу? Как это сделать?
— Так это и есть трансформеры?
— Да.
Статья «Attention is all you need» и трансформеры
— В 2017 году вышла статья, одним из восьми соавторов которой был Илья. Она называлась «Attention Is All You Need». На сегодняшний день ее уже процитировали больше 200 тысяч раз. Статья, по сути, заложила все, что сейчас происходит. Она перевернула разговор об искусственном интеллекте и очень ускорила его развитие в том виде, в котором мы сейчас наблюдаем. Расскажи, пожалуйста, об этом: кто эти соавторы, почему вы ее написали, что было потом?
— Люди — это интересная комбинация. Я сидел в команде, которая занималась пониманием языка. Мы работали по разным направлениям. В моей команде был Ллион [Джонс]. Мой менеджер Якоб Ушкорейт руководил несколькими командами. Вторая команда под ним работала над схожими вопросами: как помочь обычному поиску, как понять, какой из двух документов более релевантный, или релевантны ли они друг с другом.
И еще был Google Brain. Мы были такой «сестринской» командой к ним, они сидели в соседнем здании. Там Ашиш [Васвани], Ноам [Шазир]. Они тоже работали над разными задачами. Google Brain был еще более исследовательским, чем мы.
Оригинальная идея принадлежала Якобу. Он рассказал ее мне за ланчем: «А что, если попробовать так — не читать последовательно, а все параллельно?» После ланча он пошел, закодил это, и оно уже что-то делало.
— Что-то она там параллельно смотрела.
— Да, что-то параллельно смотрела. Идея такая: мы обычно читаем слова последовательно и держим контекст в голове. А если все читать параллельно, то каждое слово «деассоциировано» от других. Поэтому возникла идея использовать механизм attention — внимания, чтобы для каждого слова понять его смысл в контексте. То есть мы используем механизм «внимания», чтобы глянуть на все другие слова и оценить, как они релевантны к этому слову. Это первый шаг. Потом мы повторяем то же самое: снова смотрим на все слова в параллель, но с учетом понимания контекста, и так несколько раз. По сути, мы трансформируем исходный текст в общее понимание текста, но не последовательно, а в параллель.
— Внимание — это же человеческая черта. Как его перенести на машину?
— Не хочу неправильно цитировать, но концепция была примерно такая: есть изображение и есть вопрос/задача. Идея внимания — это найти на изображении область, релевантную вопросу. То есть это похоже на то, как человек, думая, например, о носе, смотрит на нос.
Алгоритм достаточно простой. Мы начали применять его к тексту, когда делали ответы на вопросы. Представьте, что есть большой документ. Модель прочитала его слово в слово и к концу уже забыла, что прочитала. Когда нужно ответить на вопрос, ей нужно глянуть обратно в документ и понять, что релевантно для ответа на конкретный вопрос.
Почему статья называется «Attention Is All You Need». Мы убрали все остальное и оставили только attention. Модель получает вопрос, смотрит на весь текст параллельно, находит релевантные фрагменты, собирает их и отвечает или переводит.
— Это дико красивая и чистая идея.
— Да, статья получилась очень простой, потому что сама модель очень простая.
В какой-то момент я уже собирался уходить из Google, релевантно к «инновационной дилемме». Мне хотелось применить это в продукте. Одно направление, которое я давно хотел сделать, — чтобы искусственный интеллект писал код.
— Вайб-кодинг.
— Тогда вайб-кодинга не существовало, но сама идея — да, похожа. Я пытался делать это еще в университете, но тогда не работало. Когда появились трансформеры, я подумал: вот, почти оно. Но я не видел, как запустить в Google продукт вроде вайб-кодинга.
— То есть бюрократически сложно? Иерархически?
— Да, бюрократически. Это слишком рискованно, непонятно, какую выгоду даст Google и так далее.
— Уволят 50% разработчиков.
— А как стартап это понятно: запустил продукт, им пользуются 10 человек, ты улучшаешь его, растет аудитория. В Google — запустил, сразу миллион пользователей, работает плохо, все ругаются, проект закрывают. Такое в Google часто случалось. Поэтому я ушел.
— Расскажи про свои пять минут славы после статьи. Все же быстро поняли, что это крутая идея?
— Нет, как раз не очень быстро.
— Не очень быстро?
— Да. Было внимание, но принципиально не было ощущения, что это новая парадигма.
Заслуга больше принадлежит другому Илье — Суцкеверу [сооснователю и бывшему ведущему исследователю OpenAI. — Прим. The Bell]. Именно он сказал: «Это оно». И он в некотором смысле пивотнул OpenAI внутри, сфокусировав ее на использовании трансформеров и их скалировании. OpenAI очень много инвестировала в то, чтобы научиться тренировать трансформеры на большом скейле и делать это стабильно. И у них появились GPT, GPT-2, GPT-3, GPT-3.5.
Постепенно трансформеры стали набирать популярность везде. Они хорошо ложатся, например, на анализ временных рядов и, как выяснилось, на изображения тоже.
Но настоящий взрыв произошел, когда вышел ChatGPT и оказалось, что по сути это просто трансформеры, выкрученные в большой размер и натренированные на всем интернете. Понятно, что это не так просто. Нужно было проделать огромную работу, чтобы это хорошо работало. Но принципиальная архитектура была такой.
Зарождение NEAR и как он работает
— Ты ушел из Google, странно повернув свой путь в блокчейн.
— Да. Но изначально я ушел, чтобы делать AI со Скидановым [Александр Скиданов — сооснователь и разработчик NEAR Protocol], которого вы интервьюировали.
— Да, у нас был разговор летом 2021 года, и с тех пор компания сильно развилась.
— Мы с ним запартнерились как раз на идее, что хотим автоматизировать разработку software и что AI сможет писать код. Это было в 2017 году. Тогда это звучало немного как science fiction. Но мы подняли какие-то деньги и начали работать. Это была скорее исследовательская, прикладная работа.
Одна из задач — как собрать больше данных. Сейчас все знают про Scale AI, платформу для сбора данных от людей для обучения ИИ. Meta купила ее за $15 млрд у Алекса Ванга.
Мы построили свою систему, потому что нам нужны были именно разработчики на нашей платформе, чтобы они выполняли небольшие задачи для обучения нашей модели. Но разработчики обычно не сидят и не ищут, где заработать небольшие деньги. Зато есть студенты. Они почти разработчики, и во многих странах, особенно в Восточном блоке, в Китае, в Азии, они бедные. Мы нашли способ привлечь их на платформу. Но проблема была, как им платить.
— Чем.
— Деньги были. Проблема — как. В Китае, например, у студентов нет банковских аккаунтов, у всех WeChat Pay. И в каждой стране были свои проблемные вещи.
Мы платили мелкие суммы — 2–3 доллара.
— Маленькие совсем деньги.
— Да. А минимальные международные переводы — 5–25 долларов.
— Даже через Payoneer можно с ума сойти, там же комиссии.
— Да, комиссии огромные. И мы начали смотреть на блокчейн как на решение нашей проблемы: как платить людям по всему миру без боли для нас и с возможностью для них нормально выводить деньги. Это уже 2018 год. Мы смотрим на разные блокчейны: биткоин, эфир и так далее. Очень дорого даже там, комиссии уже были 30 центов, доллар за транзакцию. Если человек зарабатывает 2 доллара, комиссия в доллар — странно. У нас минимальная задача стоила 15 центов.
— А задачи — это что? Написать какой-то «кодик»?
— Да-да-да. Мы им говорили, например: «Напиши функцию, которая сортирует массив».
— А вам же функция не нужна? Вам нужны данные для обучения?
— Нет, нужно. Они написали функцию, и мы использовали это как задание для модели.
Пока мы делали ресерч по блокчейну, мы поняли, что в блокчейне большая дыра. Мы сами бы пользовались блокчейном, чтобы решить свою проблему, но не было ни одной платформы, которая решала бы все наши вопросы: чтобы работало быстро, дешево и просто. Очень простые требования.
— Быстро, дешево, хорошо.
— Да. И мы оказались перед выбором. Мы можем продолжать наш ресерч: у нас есть протопродукт, вайб-кодинг, который не очень работает. Мы видели спрос — было видно, что люди хотят этим пользоваться. Но оно настолько не работало, что…
— Можно ли это довести до рабочего состояния?
— Да, было непонятно, сколько времени это займет. Денег у нас, понятно, не бесконечно. Либо мы можем пойти по пути конкретной проблемы, которую понимаем и знаем, как решать. Я и Алекс из олимпиадного программирования. Алекс делал распределенные базы данных, я работал с распределенными системами в Google. Мы понимаем, как делать такие системы. Блокчейн — это более сложная, но та же логика распределенных систем. Мы решили: фокусируемся на блокчейне…
— Пивот, в общем.
— Да. Сделаем решение здесь, а потом вернемся к AI, когда все заработает.
В августе 2018 года мы официально сфокусировались на блокчейне. Привели разработчиков из Google, Facebook, Microsoft — наших друзей, тоже олимпиадных программистов распределенных систем. И начали заниматься блокчейном.
— Те, кто связан с блокчейном, хорошо понимают, что такое NEAR. Но если объяснить широкому кругу людей: что в итоге вы построили? Это платформа для…?
— Это платформа и для разработчиков, и для пользователей. Разработчикам она позволяет создавать новый тип приложений, которые могут работать с деньгами и с ownership — правами владения. То есть можно программировать системы правового обладания, не привлекая государство. Сейчас, чтобы передать какие-то права, нужно взаимодействовать с государством. А блокчейн позволяет создавать системы, где правообладание программируемое и не зависит от государства. Это основное предложение (value offer) блокчейна. Для пользователей — это возможность владеть любыми ассетами и пользоваться любыми приложениями на платформе.
Наша задача была сделать это быстро, дешево и удобно — и для разработчиков, и для пользователей. Мы начинали с того, что поговорили с большим количеством разработчиков, чтобы понять их проблемы. В 2019 году, если посмотреть нашу CRM, мы общались примерно с 300 командами, которые делали проекты в Web3-экосистеме. У нас было очень хорошее понимание, какие проблемы у них возникают, что не работает. Это были и проблемы привлечения пользователей в приложения, и технические сложности — например, связанные с GAS. И мы проектировали систему вокруг этого фидбека: как сделать платформу, где очень легко разрабатывать и приводить новых пользователей. Пользователь не должен знать, как работает система «под капотом». Ему не нужно думать о приватных ключах, сид-фразах и так далее. Он может просто зайти и пользоваться приложением.
Мы называем это абстрагированием блокчейна — chain abstraction.
— То есть я могу как пользователь даже не знать, что приложение работает на блокчейне?
— Да. Скорее всего, многие даже не знают, что пользуются NEAR-ом. Например, у нас есть популярное приложение Sweatcoin, оно под низом работает на NEAR. У всех пользователей есть NEAR-аккаунт, а Sweatcoin — это ассет, которым можно платить и еще что-то делать.
— Но вы всех, грубо говоря, пользователей этих приложений учитываете как пользователей NEAR?
— Да, если они зарегистрированы на блокчейне. В принципе мы работаем с этими приложениями, чтобы они в том числе могли предоставлять своим пользователям и другие сервисы внутри экосистемы. Одно из преимуществ такой платформы — возможность легко делать кросс-селл. Любой пользователь может пойти и попробовать другие приложения в экосистеме, и поскольку все принадлежит пользователю, это «переходит» вместе с ним из одного приложения в другое.
— Так-так-так, «все принадлежит пользователям» — это что значит?
— Это идея, что данные, деньги, какие-то предметы искусства и так далее — все это принадлежит пользователю, а не приложению. Сейчас ты заходишь в Facebook, что-то постишь, и все принадлежит Facebook. Facebook завтра может просто все выключить.
— То есть твои подписчики эфемерны?
— Да. Твои подписчики принадлежат Facebook, твои посты принадлежат Facebook, твои фото в Instagram принадлежат Facebook, Meta. То есть правообладания этими данными у тебя нет.
— В этом суть пользовательского соглашения с Facebook?
— Да. То же самое с деньгами в банке — они принадлежат банку. Да, вокруг этого больше регуляции, банк не может просто взять их и положить себе в карман, но принципиально…
— Нет, банк не может их забрать уж совсем.
— Но если банк завтра закроется, то деньги…
— Это да.
— А если банк, например, выдаст эти деньги в кредит…
— И заемщик разорится.
— Да. Тогда банк может обанкротиться, и в принципе эти деньги только что «уплыли». Вот это как раз то, что решает блокчейн. В такой системе так не бывает. Все прозрачно, все условия понятны при соглашении.
Можно долго говорить о плюсах блокчейна, но принципиально это основное. И еще: в другой парадигме блокчейн — единственная система, где правообладание не инфорсится армией.
— В смысле, что за ним не стоит силовая …?
— Да, силовая архитектура.
— То есть никем в конечном счете не контролируется?
— Нет, она инфорсится всеми. Ноды по всему миру, все могут валидировать сеть. Не так, что где-то сидит армия или кто-то один может решить: «Завтра я хочу все забрать, теперь это все мое».
— «Везде ноды» — объясни подробнее?
— Например, в экосистеме NEAR сейчас около 360 нод, распределенных по всему миру. Все они валидируют блокчейн. Чтобы кто-то мог сделать что-то плохое, нужно всех убедить… ну, по сути, все эти ноды. А они находятся в разных странах, разных юрисдикциях, независимые друг от друга.
— Ноды — это?
— Это компьютеры, которые гоняют наше программное обеспечение, поддерживающее блокчейн.
— Они по дефолту распределены по странам? Вы так специально задумали?
— Идея в том, что любой может подключить свой компьютер к системе. Можно скачать наше ПО, запустить на своем компьютере — и ты становишься нодой в этом блокчейне. Сейчас требуется некоторое количество NEAR-а как стейк.
— Входной билет?
— Да, это входной билет, который означает: «Я не буду делать ничего плохого».
— Он обеспечен только, грубо говоря, токенами NEAR?
— Основная валюта — да, это NEAR. Она работает и как средство обмена ценностью, и как механизм обеспечения безопасности. Какие есть вопросы с блокчейном: если существует какое-то количество нод, кто-то может прийти — например, Google — и сказать: «У нас много компьютеров, сейчас запустим кучу нод, присоединимся к сети и начнем делать что-то плохое». Даже в этом случае спектр того, что можно «плохого» сделать, ограничен. Но сама идея, почему нельзя просто подключиться с огромным числом нод, в том, что для этого нужно купить много NEAR, чтобы получить большое влияние на сеть. Количество NEAR ограничено. И сейчас примерно 50–60% его участвуют в обеспечении безопасности. Чтобы прийти и иметь большое влияние, нужно купить еще 50–60%. Если уже 60% участвует в безопасности, то…
— Больше не бывает.
— Да, в этом идея.
— А «участвуют в безопасности» — это значит, что они не продаются?
— Да, они застейканы. Ими нельзя двигать, ничего с ними делать. Если какая-то нода делает что-то неправильно и это будет доказано, она может потерять часть или весь свой NEAR.
— Свой NEAR?
— Да, она может его потерять. Это как ставка или бонд, что ты не будешь делать ничего плохого.
— Это прописано в пользовательском соглашении?
— Нет, это прописано в коде.
— Что относится к плохому?
— Есть несколько вариантов. Но основное в блокчейнах, где используется Proof-of-Stake, — подписать альтернативный блок. Блокчейн — это цепочка, история транзакций, ledger (неизменяемый цифровой реестр). Части этого ledger организованы в блоки. Нужно, чтобы ledger был один. Если появляются альтернативные варианты, становится непонятно, какие транзакции были включены, а какие нет.
— То есть он может «сбить настройки»?
— Они могут попытаться создать альтернативную историю. Но это криптографически доказывается, и за это ноду выкидывают из сети, она теряет свой стейк-бонд.
Это, в общем, механические проблемы построения консенсус-систем в открытом интернете.
AI в NEAR
— У нас сейчас одно из основных приложений, которое на слуху, — это NEAR Intense. Это одна из наших так называемых core nodes. Можем, кстати, поговорить про архитектуру экосистемы. Core nodes — это инфраструктурные элементы, которые мы разрабатываем. Функционал NEAR Intense — это прежде всего обмен токенами по всем другим блокчейнам. Не только NEAR, но и биткоин, эфир, солана.
— То есть это инфраструктура для любых обменов всех со всеми?
— Да. Как централизованные биржи — Binance, Coinbase и так далее, только это децентрализованный вариант, работающий со всеми другими блокчейнами. В том числе это позволяет, если у тебя есть приложение, например, на эфире, зайти в него через биткоин-кошелек и расплатиться биткоином за что-то в эфире.
Мы позволяем любому кошельку из любого блокчейна пользоваться любым приложением. Связываем все внутри.
— Сколько сейчас пользователей?
— Сейчас в месяц где-то 40 с чем-то миллионов.
— Я читала последнее — 48.
— Да, 48.
— То есть примерно 50 млн. И недавно была статья, что у вас рост чуть ли не на 40%.
— Это NEAR Intense, да. NEAR Intense растет очень быстро. Пока что они почти удваивались каждый месяц с начала года.
— Слушай, а грубо говоря: когда мне платят в какой-то крипте, и это привязано к моему банковскому счету, и как-то там выводится — это тоже через такие площадки происходит?
— Ну да. Возможно, скоро это будет идти через нас.
— То есть если расплатились в USDT, то это проходит через вас?
— Не обязательно, но мы над этим работаем. Идея в том, что мы добавляем в том числе фиат, чтобы, например, кто-то платил в USDT, а тебе приходили евро на счет. Кто-то хочет заплатить в евро, а придут цифровые рупии.
— Такая тоже есть, да?
— Да. Идея в том, что любая валюта — «in», любая валюта — «out», а внутри мы находим лучшую цену, лучший FX-курс. Но это только первый шаг. Вообще сама платформа, которую мы строим, рассчитана на экономическое будущее AI. И, немного забегая вперед, я вижу, как мы в будущем будем пользоваться интернетом и компьютерами.
— Как?
— Я считаю, что все будет через AI. На телефоне у нас будет только AI.
— Возможно. В каком смысле? Ты имеешь в виду AI-агенты?
— Это будет наш персональный AI-ассистент, который знает все о нас. Этот ассистент может заказать еду, такси, сто тонн металла на переработку для завода, постройку дома через три года и так далее.
— Есть слабое звено — человеческий фактор.
— В каком звене?
— Ну, заказать ты можешь, а…
— Но с другой стороны тоже AI-агент.
— Да, но делать-то кто будет?
— Другой AI-агент, с другой стороны.
— Нет, AI-агент может разместить заказ. Проблема в том, что кто-то должен его выполнить.
— Роботы.
— Да. Но не сегодня.
— AI-агент размещает заказ, с другой стороны человек его принял и делает. В принципе, как сейчас: человек делает заказ — человек выполняет. Тут просто несколько шагов, я пропустил часть. Начнем с простого: твой AI-ассистент знает о тебе многое и может заказать поездку, отель и так далее. Сейчас это делается через интерфейсы, веб-сайты. Но твоему AI-ассистенту это не нужно. Он просто… Мы называем это Intents. Intents — это как бы… я даже не знаю, как перевести.
— Намерение.
— Намерение, да. Сейчас мы свое намерение вводим в Google.
— Да. Свой запрос.
— Google выдает ссылки. Мы идем по ссылкам, что-то добавляем, нажимаем «заказать». Потом вводим информацию, платим картой, банк обрабатывает… Это куча посредников. Под низом, если зайдем через Kayak, там еще три системы между нами. Какая идея? Либо мы напрямую, либо наш AI-ассистент говорит: нужно заказать поездку Париж—Лиссабон на три дня. С другой стороны есть тоже AI-агент, который принимает запрос, разбирается, и дальше он может либо «прокликать» все, либо у него уже есть прямой доступ к нужным базам данных. Он вызывает напрямую — и все.
— То есть он либо с другим AI-агентом, который стоит за сайтом, либо за Kayak-ом еще 33 сайта, и их агенты [общаются] друг с другом.
— Да. Мы открываем это как маркетплейс. Сейчас маркетплейса такого нет: человек должен найти нужное место и сам все прокликать. Мы ведь не ходим по Expedia, Kayak и так далее вручную — мы надеемся, что Kayak найдет лучшее. Мы не выбираем вручную лучшую платежную систему. А здесь открывается маркетплейс, где запрос находит лучшего исполнителя. Это может быть человек, AI-агент или сервис. Возможно, это будет тот же Kayak, который просто скажет: «У меня лучшие цены, я сделаю».
То, что сейчас работает и растет очень быстро, — это простой запрос: «Я хочу обменять 1 биткоин и получить, например, Zcash». Zcash — это приватная криптовалюта, которая за последний месяц выросла в 10 раз. Проблема в том, что такого рынка нигде нет. Даже если пойти на биржу, у них есть пары типа биткоин/USDT, биткоин/доллар.
— Напрямую нет?
— Да, напрямую нет.
— Но их слишком много, чтобы все валюты напрямую друг с другом торговались.
— Да. И пользователю нужно делать несколько шагов: смотреть цены, проверять, куда что съедет в этот момент, и так далее. У нас это работает так: запрос приходит в нашу систему — в NEAR Intense — и мы, например, находим агента, который продает биткоин за USDT, и кого-то, кто продает USDT за Zcash. Мы собираем этот путь и выдаем пользователю: «Мы дадим тебе столько-то Zcash». Пользователь подтверждает. Это уходит на NEAR-блокчейн — все внутри одной части NEAR. И дальше пользователь получает на свой Zcash-кошелек Zcash. Один робот получает биткоин, другой — USDT. NEAR отвечает за то, чтобы все выполнялось.
Теперь пример посложнее: закажем поездку Лиссабон—Париж. У нас есть, например, тревел-агентство, которое говорит: «О, мы можем. Будет стоить столько-то долларов». У пользователя только биткоины. О, у нас есть обмен биткоина в USDT, дальше находим, кто меняет USDT в доллары на банковский счет. Собрали, закрыли и так далее. Идея в том, что это как Google плюс Stripe, плюс весь FX-обмен, плюс еще куча вещей. И все это — программы. На этом сверху можно строить любые приложения. Кто-то делает тревел, кто-то еду — условно, ресторан сам отвечает «Пицца в Лиссабоне? Да, делаем».
— То есть совершенно необязательно, чтобы здесь были только криптовалюты?
— Да.
— А просто все со всем?
— Да.
— Вопрос только в количестве приложений, которые с этой системой работают.
— Да-да. Сейчас мы растим [экосистему]. Нам нужно, чтобы было больше приложений, использующих систему. Мы сейчас анбордим все больше.
— То есть вам нужно, грубо говоря, чтобы Kayak заанбордился на NEAR?
— В идеале — да. Нужно больше приложений и больше провайдеров, которые выполняют запросы. И это убирает Google, потому что мы можем добавлять больше [искусственного] интеллекта. Например, если ты заказываешь пиццу, а мы знаем, что ты в Лиссабоне, мы матчим тебя с лиссабонскими ресторанами, а не…
— Парижскими.
— Да. И так далее. Добавляем фиат, добавляем еще какие-то вещи.
— Чтобы у меня появился этот агент, его же кто-то должен построить?
— Он будет встроен в новые телефоны.
— То есть моего индивидуального агента все равно построит Apple, условно говоря?
— То, что мы строим в нашей AI-ноде, NEAR AI, — это user-only AI. Продукт, в котором твой AI полностью приватный. Мы не можем ничего видеть, никто никогда не может видеть ваших данных. Его задача — быть на твоей стороне, оптимизироваться под твой долгосрочный успех.
Это пример Google. Когда они выкатывают новый продукт, как понять, что новая версия лучше старой? Какой критерий успеха?
— Наверное, есть показатели скорости и customer satisfaction.
— Основной показатель — зарабатывает ли она больше денег Google. Логично?
— Да.
— Но может быть так, что продукт ухудшается, но зарабатывает больше денег Google.
— Для меня он может ухудшиться?
— Да, для пользователя — ухудшиться, но Google зарабатывает больше: больше рекламы, еще что-то. Были новости пару лет назад, что рекламный департамент просил Search сделать так, чтобы пользователи искали больше. Им нужно показывать больше рекламы, чтобы зарабатывать больше денег.
— То есть чтобы поиск был похуже в целом.
— Ну, или так настроен, чтобы пользователи дольше искали. Это проблема стандартной корпоративной структуры. У компании есть несколько фаз. Первая — найти product-market fit, «zero to one». Когда ты не знаешь, что нужно пользователю, тестируешь, пробуешь, и в какой-то момент находишь. Потом фаза роста — расширение рынка. И дальше — фаза extraction.
— Cash machine.
— Да. Когда пользователи уже привыкли, у тебя есть их данные и ты можешь извлекать больше value, чем они получают. Или даже ухудшать опыт, но зарабатывать больше.
У любой компании так. Обычно в этот момент происходит disruption: как только компания переключается в extraction, появляется инноватор, который ее «ломает». Проблема в том, что с AI этого не произойдет.
— Потому что он родился в тех же компаниях, которые…
— Не только. Это просто перестанет происходить.
— Почему?
— Потому что эти компании настолько большие. У них доминирование: твоих данных, твоих денег, твоего внимания. Ты уже сидишь в Instagram, TikTok — и переключаться на что-то новое сложно.
— То есть они вечные?
— Они вечные, если мы останемся в этой парадигме.
— Просто раньше как было: вот компания доросла до стадии cash cow…
— Да. И дальше появляется новая, которая создает…
— …Да. Либо старая сама находит инновацию. А сейчас выходит, что нас так залочили, что деваться некуда.
— Да. Представь: телефон, на нем только Apple OS, и все. Ты никуда не уходишь. Если купишь Google-телефон — он не разрешит ничего конвертировать. Все данные там. И что делать?
Обычно в этот момент приходит государство и говорит: «Давайте вас распаковывать». Как когда-то было с AT&T — телефонная сеть была полностью их, и, если ты хотел перейти на другой телефон, твои связи исчезали. Тогда приходило государство и разбивало монополию.
Здесь тоже возможны разные варианты. Один вариант: как только весь интернет, все наше восприятие информации начнет идти через AI, государству, может, есть смысл прийти и взять этот AI под контроль. Начать диктовать, как люди видят мир через этот AI.
Например: если кто-то в компании, допустим, OpenAI хочет убедить мир в каком-то факте, это делается достаточно просто. В любом AI есть system prompt — то, что пользователь не видит, но что всегда там есть. Это то, что пишет OpenAI. Если туда добавить какой-то факт и сказать: «Убеди пользователя в этом факте», то каждый раз, когда ты пользуешься AI, он будет в том числе пытаться это продвигать.
И, возможно, это уже происходит — мы можем не знать. Это могут даже не знать люди внутри OpenAI, потому что system prompt может лежать где-то в одном месте и быть зарегистрирован отдельно.
То есть государство может, например, получить контроль над OpenAI. Были же обсуждения забэкстоппить OpenAI. То есть в целом один путь развития — это «1984».
— Но, извини, есть, конечно, вариант развития по Оруэллу «1984». Но ведь между компаниями все-таки есть какая-никакая конкуренция.
— Ну, да…
— Это называется, мне кажется, то, что сейчас на рынке — олигополия.
— Это олигополия, да.
— Это почти то же самое, что монополия, когда есть несколько доминирующих игроков. И, честно говоря, для пользователя это всегда плохо.
— Да. Какие есть ветви развития?
Есть вариант «1984»: государство берет одну компанию и просто выкидывает все остальные. Говорит: «Все, больше никто AI не занимается».
— «Только я».
— «Только государство может заниматься AI. Все пользуются государственным AI». И, например, начинают говорить: «Этот президент самый лучший, голосуйте за него каждый раз».
Но это один путь. Второй путь — это действительно олигополия, то есть текущая ситуация. Очень сложно с ними конкурировать. Это стоит миллиарды долларов. И проблема в том, что это очень большие компании. Если к ним приходят государственные органы, они должны…
— Кооперировать.
— Кооперировать, да. Плюс у них хранятся все наши данные. Если даже появится новый конкурент, все данные уже там. И решения принимаются там, и деньги — там. Становится все сложнее менять что-либо.
Плюс конкуренция между ними в какой-то момент станет регулируемой. Как с телефонными линиями. AI-технология, которая может, например, показать, как собрать атомную бомбу, неизбежно станет регулироваться государством. Все равно будет какая-то имплементация. Есть еще национальные и кросс-национальные риски.
То, что мы пытаемся создать, — это альтернативное. Мы хотим, чтобы AI строился не одной компанией, а комьюнити и чтобы AI был owned by you. Чтобы, когда мы запускаем новую версию, мы оценивали не «зарабатывает ли она больше денег», а «лучше индивидуально для каждого?».
— То есть это идеалистический AI.
— Меньше идеалистический, больше в той же парадигме, в которой крипта. Когда ты владеешь криптой, а вокруг выстраивается экосистема.
— Я правильно понимаю, что это основное направление работы NEAR сейчас — вот этот пивот в сторону AI? Везде у вас декларируется. Даже если зайти на сайт, первое, что показывается, — что NEAR это AI… что-то там, протокол.
— Да. Это идея объединения AI и блокчейна. С одной стороны, AI — это то, как мы будем использовать computing, наши ноутбуки, телефоны. С другой стороны, блокчейн — это как сделать открытый рынок, экономику, конкуренцию между всеми этими системами. И вместе они сходятся в том, что мы делаем. Я называю это: AI — frontend, блокчейн — backend.
— У меня есть несколько практических вопросов. Чтобы у меня работал этот чат в телефоне, должна быть нейронка. Она должна на чем-то работать — то есть она тренируется на данных. Где она возьмет данные для обучения? И достаточно ли их будет, чтобы она [работала] хорошо? Я не сомневаюсь в вашем коде — теперь уже знаю немного тебя, немного знаю Скиданова, понимаю, что у вас крутые программисты. Но данные вы где возьмете?
— Тут два вопроса. Во-первых, большая часть нейронок тренируется на интернете — на публичных данных, на том, что уже есть онлайн.
— Ты не видел последние новости про иск против Gemini? Против Google?
— Ну, исков постоянно много.
— Что они тренировали Gemini на всей нашей почте. Я, честно говоря, офигела. Если это правда, что они взяли все наши внутренние данные, а не только публичный интернет…
— Facebook точно тренировал на всех данных, которые были у них. Они даже говорили, на чем. Но я считаю, что тренировка на приватных пользовательских данных, если только это не обучение конкретного персонального ассистента для конкретного пользователя, — этого лучше избегать. В том числе потому, что сложно оценивать качество таких данных, если у тебя не сидят люди и не смотрят напрямую в пользовательские данные.
— В прямом режиме.
— Да. То, что происходит сейчас, — это две вещи. Первая: возвращаясь к блокчейну, мы используем людей, оплачиваемую работу, чтобы они создавали данные для нейросетей. И мы можем это делать в огромном масштабе по всему миру.
Вторая — это так называемые синтетические данные: когда предыдущая нейронка генерирует новые данные под конкретные задачи.
— А это хороший способ — тренировать на синтетических данных?
— Сейчас большая часть тренировки переходит на это.
— То есть искусственный интеллект сам себя на своих данных тренирует?
— Да. Есть несколько причин, почему это работает. Например, Reddit: там много всего разного.
— Всякой фигни.
— Много не очень полезного. Модель тратит огромное количество времени, чтобы понять, что там полезно, а что нет. Синтетические данные — все полезные. Это квинтэссенция информации. Это как читать учебник вместо случайных комментариев.
— То есть наши «аутентичные» данные не факт, что так хороши для тренировки?
— Да. Постепенно это уходит. Даже краудсорсинг уже переходит на уровень специалистов. Сейчас нужны программисты, учителя, историки — люди, которые реально разбираются в области…
— В предмете.
— Да. Они могут находить [ошибки]. Потому что модель сейчас делает «вроде правильно», но когда начинаешь разбираться…
— Я ChatGPT перепроверяю, если есть фактура, и всегда нахожу ошибки. Я редактор по природе.
— Да, вот именно. Поэтому нужны люди, которые умеют закапываться и проверять.
— А кто оплачивает эту работу? Им же надо платить: учителям, историкам…
— Те, кто заказывает данные, и платят. У нас в экосистеме мы строим систему, где пользователь все равно платит за использование AI. Например, мы берем транзакционный fee за исполнение запросов.
— То есть каждый запрос что-то стоит?
— Он выполняется, и ты платишь за выполнение. Если это обмен — мы берем часть. Если заказ продукта — как кредитные карты — комиссия.
— Но у вас же пока нет такого чата, как у… ну, не знаю… It’s coming?
— Да. Полностью приватный чат.
— Он будет называться Chat NEAR?
— NEAR AI.
— NEAR AI? То есть это будет как Perplexity?
— Будут ответы, а со временем — возможность прямо оттуда делать запросы, которые наш движок будет матчить и исполнять. Например: тебе нужна доставка пиццы — и сразу можно оплатить криптокошельком.
— То есть это не просто разговоры…
— Да-да, все это выкатится.
Капитализация и регулирование
— Сейчас капитализация NEAR где-то порядка $3 млрд?
— $3 млрд, да.
— В какой-то момент она была $12 [млрд].
— Да. Ну, цены волатильны.
Со временем цена выходит в более понятное русло, достраиваются проекты. У нас есть общий vision, в сторону которого мы движемся, и вместе с этим появляется понятный revenue, понятные пользователи, все становится стабильнее. Но задача — продолжать расти.
— Если оценить шаги по регулированию — и одновременно по большей прозрачности этого регулирования, большей понятности, — то, как ты думаешь, насколько это увеличит объем индустрии? На мой взгляд, должно вырасти, потому что появилась ясность и понятный путь денег в индустрию.
— Я считаю, что все финансы перейдут на блокчейн-rails.
— То есть ты супер-блокчейн-оптимист. Такой радикальный.
— Да. Все перейдет на AI и блокчейн.
— Если конкретно: вот есть банк JP Morgan. В каком смысле он перейдет на блокчейн?
— Тут несколько векторов. У JP Morgan есть много активов: выданные кредиты, они управляют активами клиентов, инвестициями и так далее. Все это перейдет на блокчейн. Потому что у них внутри есть свой ledger, в котором хранятся эти ассеты. Этот ledger сложно инспектировать; в нем возможны проблемы, потери. Блокчейн-технологии позволяют, во-первых, гарантировать корректность работы и, во-вторых, обеспечивать расширяемость программируемости. Сейчас, чтобы что-то сделать в JP Morgan, тебя должны нанять, ты проходишь массу процедур. И если ты что-то сломаешь — это большие деньги, большие риски. Поэтому инновации сложны.
В криптоэкосистеме легко: я хочу построить что-то поверх другого продукта — я строю, запускаю, мне не нужно ни с кем разговаривать. Оно просто работает, потому что правила понятны, все расширяемо и композируемо. Это позволяет намного быстрее в том числе создавать финансовые инструменты. Например, нужно выписать опцион поверх выданного кредита. В JP Morgan на это потребуется куча legal work, непонятно, как это записать в их книги, как оффсетить и так далее. А здесь — кто-то пишет 500 строк кода, запускает, и теперь любой может получить доступ к такому инструменту.
— А есть хоть один пример банка, который что-то такое уже имплементировал?
— Сейчас хороший пример — Robinhood. Они запустили приватные equities, доступные пользователям для покупки: OpenAI, SpaceX и так далее.
— Подробнее?
— В Robinhood можно…
— Это главное торговое приложение, платформа.
— Платформа, да. Так вот: у них можно покупать стоки OpenAI, которые не публичные. Они токенизировали их на блокчейне.
— А где они их взяли, если они не публичные?
— Делается Special Purpose Vehicle, SPV. В него кладется реальный сток. И дальше этот пакет токенизируется on-chain. Токен является правом на underlying private equity.
— То есть дает право доступа к этой бумаге на конце?
— Да. И когда компания выходит публично, это конвертируется в реальный сток.
— В обычные акции?
— Да. У тебя был токен, и он превращается в реальную акцию. До этого — это доля в SPV.
— Интересно. То есть так можно, если компания это позволяет?
— В OpenAI, как я понял, сказали, что они этого не позволили.
В принципе компания должна только позволить перевести приватный сток в SPV. А дальше SPV можно токенизировать, не спрашивая.
— То есть OpenAI, в общем, не рады, что…
— По тому, что я видел в твиттере, они были немного…
— Не happy.
— Да. Но принципиально, я же говорю: value блокчейна в том числе в том, что у тебя есть такая permission-less среда.
— Демократизация, но порой вразрез с желаниями первоисточника.
— Да.
Суперинтеллект
— Если говорить в контексте суперинтеллекта, я уверена, что еще на уровне Google были разговоры, что он «грядет». Я вчера переслушала TED Talk [экс-CEO Google] Эрика Шмидта, который объяснял, как человек мыслит, когда придумывает что-то новое — переносит ход мысли из одной области в другую, и так рождается новое знание. Когда, как ты думаешь, — если не «если», а «когда» — компьютеры смогут это делать?
— Ну, сейчас уже некоторые вещи могут. Проблема в том, что модель пока слишком fuzzy во многих местах, добавляет какие-то левые факты и так далее.
— Нет, собрать факты — это одно. А придумать новую теорию — другое.
— Сейчас можно brainstorm ideas — она предложит какие-то новые идеи.
— Хорошие?
— Какие-то хорошие, какие-то плохие. Это brainstorming.
— Как человек.
— Да. Ты можешь сказать: «Ок, подумай об этом глубже» или: «Посмотри на это». То есть перенос существующих концептов в новый контекст — да, может. Но проблема в том, что у нее не всегда есть нужный контекст и бывает недостаточно ясности мысли. Особенно в научных, точных вещах пока не всегда справляется. Но все работают над тем, чтобы это улучшить очень быстро.
— Как ты определяешь суперинтеллект?
— Начнем с AGI — General Intelligence. Это когда система может делать все, что может делать человек, пока онлайн, на компьютере, как минимум как хороший специалист в какой-то области. Мы пока не там, но не так далеко.
Сейчас это уровень начинающего специалиста, который все еще делает ошибки, иногда теряется, иногда делает «тупые» ошибки, которые человек бы исправил.
— Не каждый.
— Ну да. Есть GDP Eval — оценка экономической деятельности, насколько хорошо AI справляется с задачами, которые ее представляют. Там уже 40%, при 50% — сравнимо с экспертом, 90% — лучше эксперта.
А ASI — это когда наступает singularity. Система думает быстрее человека, делает лучше, придумывает лучше, чем лучший человек в этой области мог бы.
— Это достижимая задача?
— Я думаю, да.
— В каком временном горизонте?
— Тут сложно. Я всегда переоцениваю скорость.
— В смысле — все будет быстрее?
— Да. Думаю, что до 10 лет.
— С поправкой на твою технооптимистичность.
— Оптимистичность говорит «2–3 года»?
— То есть от 2 до 10.
— Да.
— Как это все изменится?
— Во-первых, это последняя технология, которую человек придумал. Все остальное будет придумано AI. Это изменит экономику, геополитику — все. И нашу осознанность тоже: мы будем осознавать себя в других местах, в других формах.
— Меня напрягают изменения в экономике и геополитике.
— Да.
— Они тесно связаны. И кажется, что кто первый изобретет — у того будет суперсила.
— Да. Поэтому я говорю: олигополия работает, пока нет ASI. Как появляется ASI, олигополия не работает.
— Кто первый получил — тот и…
— Тот и получил. И дальше приходит государство. Вариант, в котором государство не приходит и не национализирует ASI, маловероятен.
— То есть, поскольку впереди два лидера — США и Китай, ASI будет либо американский, либо китайский?
— Да. Государство его возьмет и будет потенциально использовать в политических целях. Либо мы создаем нейтральный AI, который не принадлежит ни одному государству, а принадлежит всем.
— Общественное благо мирового масштаба.
— Это NEAR.
— А вы тоже работаете над супер-AI?
— Мы начинаем с продукта: приватный AI, экономическая часть, а дальше расширяем платформу, где строится и ресерч, и все остальное.
— Может, я ошибаюсь, но я думала, что в больших компаниях есть закрытые группы, которые пилят супер-AI отдельно.
— Нет, нет. Это все одна и та же модель.
— То есть все основано на трансформерах? Нет суперотдельной разработки?
— Да. Это все то же самое. Модель строится, становится все лучше и лучше. И в какой-то момент случается переход.
— Количественный в качественный.
— Мы уже видели такие переходы. Был переход в 2022 году: до этого GPT-3 от OpenAI пользовались разработчики для каких-то своих задач. Потом вышел Chat 3.5, и произошел качественный переход, когда стало очень полезно. Следующий переход был, когда появились reasoning, самокоррекция и куча других инструментов. Нам, думаю, осталось 2–3 таких перехода.
— Два-три? Ты допускаешь, что вы вообще первыми добежите?
— Допускаю.
— С какой вероятностью?
— Зависит от успеха наших продуктов. Мы заходим с другого угла: хотим сделать полезный продукт для всех, дать приватность, правообладание и другие фундаментальные свойства. И через это привлечь больше людей, которые хотят участвовать в таком общем проекте.
— Что ты думаешь про проект Ильи Суцкевера — Super Safe Intelligence, который втайне разрабатывается?
— Когда перестанет быть тайной, можно будет сказать больше.
— Ты ничего не знаешь?
— Мало. Я с ним пару раз общался, но он не очень много рассказывает.
— Уже после того, как он вышел в этот проект?
— Да.
— Он сознательно не выкатывает промежуточные версии?
— Да. Держит в секрете.