Немножко obsessed этим трейлером. Очень буду ждать выхода Odyssey in Slippers. В комментариях опять пишут, что это сериал о «вреде технологий». Судите сами.

16 сентября 2026 года власти Гонконга представили первый в своей истории пятилетний план экономического и социального развития The First Five-Year Plan for Economic and Social Development of Hong Kong (2026–2030). ИИ в нём рассматривается как инфраструктура экономической модернизации, государственного управления и интеграции Гонконга в технологическую стратегию Китая.

Основные направления стратегии включают в себя развитие исследовательской инфраструктуры, коммерциализация научных разработок и создание экосистемы ИИ. План предусматривает ускоренное развитие пяти ключевых научно-исследовательских институтов, включая новый институт искусственного интеллекта, который должен обеспечивать связь университетских исследований, технологических парков, промышленности и инвестиций. Также большую роль играют цифровизация государственных услуг, здравоохранения, строительства, транспорта, социального обслуживания, автоматизация административных процессов, анализ больших данных и изучение возможности создания интегрированной системы управления городом — т.н. AI City Brain.

В сопутствующем программном документе правительства — Policy Address 2026 — перечислены более конкретные инициативы: Создание Гонконгского института исследований и разработок ИИ (AIRDI), расширение испытательной среды для генеративного ИИ GenA.I. Sandbox++ на новые финансовые секторы, субсидии на внедрение ИИ и кибербезопасности, выделение 300 млн гонконгских долларов на лабораторию AI for Welfare Lab, применение ИИ-платформы планирования проектов для всех новых проектов жилищного управления начиная с 2027–2028 финансового года, разработка рекомендаций по безопасному управлению ИИ-агентами

План предполагает формирование системы управления рисками, противодействие преступлениям с использованием ИИ и дипфейков, установление ответственности за ущерб, причинённый ИИ-продуктами, регулирование ИИ-агентов, оценка последствий автоматизации для занятости.

Как это соотносится с общекитайской стратегией ИИ и тем, что делают техноолигархи США?Можно только порадоваться тому, что ИИ превращается в горизонтальную технологию промышленной политики, включается в перестройку финансов, строительства, государственного сектора и других отраслей через практическое внедрение и институциональное распространение ИИ, выходящая за рамки технологического суверенитета или гонки за наиболее мощной моделью, но озабочена созданием инфраструктурной среды, в которой государство и компании со-используют ИИ в повседневных операциях. Однако очевидно, что повышение производительности само по себе не гарантирует улучшения положения работников. Гонконг признаёт риск воздействия ИИ на занятость, но конкретные результаты переподготовки и распределения выгод ещё предлагается оценить. По крайней мере в материковом Китае есть закон запрещающий увольнять работников по причине автоматизации и замены из ИИ. Расширение использования ИИ также сопровождается созданием стандартов безопасности, механизмов ответственности и государственного надзора, и остаётся актуальным вопрос в том, насколько эти механизмы позволят экспериментировать, а не только минимизировать риски. Но важный шаг уже сделан — звериный оскал капитала в Вочточной Азии не только лишь повышает прибыль инвесторов, но и способен в перспективе превратить ИИ в устойчивую часть обзественной инфраструктуры.

В An Artificial History of Natural Intelligence Дэвид Бейтс ставит под сомнение одно из фундаментальных убеждений относительно человека — представление о том, что человеческий интеллект можно изучать независимо от его технических условий. Он формулирует провокационную мысль: «Естественного интеллекта не существует. Весь интеллект искусственен. И поэтому можно сказать, что искусственного интеллекта тоже не существует — по крайней мере, в том смысле, в каком мы обычно его понимаем…»

При этом Бейтс не утверждает, что человеческий интеллект и машины — одно и то же. Он ставит под вопрос саму возможность считать машины интеллектуальными в том же смысле, что и живые существа. Прослеживая интеллектуальную историю на протяжении четырёх столетий, Бейтс показывает, что разум располагается в своего рода «зазоре» между автоматизмом органической жизни и автоматизмом технических систем.

Мы часто представляем Декарта метафизическим дуалистом, однако Бейтс изображает его одним из ранних мыслителей того, что сам называет «картезианской робототехникой»: Декарт препарировал мозг животных и понимал нервную систему как «информационную машину». В интерпретации Бейтса человек у Декарта — биологический автомат, способный прерывать собственные автоматические реакции. Благодаря страсти «удивления» мы сталкиваемся с чем-то, что наше тело не в состоянии объяснить. Это столкновение нарушает привычный ход наших реакций и открывает возможность принять новое решение.

Продолжая историческое исследование, Бейтс обнаруживает, что многие философы помещали человеческий разум именно на эту границу. Кант полагал, что наша техническая предрасположенность укоренена в руках. Мы рождаемся с руками, не предназначенными для какой-либо одной конкретной задачи. Именно поэтому они «приспособлены к применению разума». Сходные идеи встречаются у многих философов XIX века. Рассуждая о своих вычислительных машинах, Чарльз Бэббидж называл человека «животным, создающим орудия» и пытался понять, какие неожиданные возможности могут возникнуть из действия механических законов. Бергсон видел в интеллекте способность создавать вещи искусственного происхождения, «особенно инструменты для изготовления инструментов», — так возникает фигура Homo faber, человека созидающего. Альфред Лотка продолжил эту линию мысли, предложив понятие «экзосоматических» органов: протезов, письма и машин, способных пережить наши тела и обладающих «кумулятивной силой» развития. Андре Леруа-Гуран утверждал, что освобождение руки и «освобождение слова» позволили человеческой памяти существовать за пределами тела — в социальном организме. Всё это показывает, какую роль технология играет в формировании мышления.

Далее Бейтс раскрывает системы правил, переходя к кибернетике, информатике и проблеме интеллекта. Если мы хотим понять, как могут работать интеллектуальные машины, нам необходимо выйти за пределы представления о них как о системах, следующих правилам. Тьюринг утверждал, что интеллектуальное поведение предполагает «отступление от совершенно дисциплинированного поведения, свойственного вычислению, — хотя и весьма незначительное». Кору головного мозга младенца он рассматривал как «неорганизованную машину», формирующуюся посредством «обучения через вмешательство». Хотя такая машина уже усвоила определённые привычки, она всё ещё способна от них отступать. Бейтс задаётся вопросом: можно ли объяснить интеллект просто как способность предсказывать и учиться на собственных ошибках?

Стиглер полагал, что человеческое мышление обладает «силой нарушать автоматизмы и деавтоматизировать, то есть изменять правила». В понимании Бейтса человеческий интеллект искусственен, но это не означает, что мы ничем не отличаемся от компьютеров. Мы по-прежне Мы по-прежнему способны выходить за пределы существующих норм и принимать новые решения. Мне кажется, именно в этой способности и заключается источник нашей автономии. Возможно, она же поможет нам противостоять кризису принятия решений, который описывает Бейтс.

Хэллоунский выпуск подкаста Dangerously Maybe с Ником Ландом об ускорении, ИИ, оккультном, технологиях и американском консерватизме, Капитал=технологии и о другом исковерканном делезианстве. Ланд зачастил к ним в подкаст (никто другой не соглашается?).

Контрпунктом случит статья в журнале Šum Раскодирование Ника Ланда от энтузиаста CCRU Doomcrypt, где он описывает своё знакомство с «философом»:

Я узнал о Нике Ланде примерно в 2019 году — на странице Фридриха Ницше в Википедии, где увидел его в разделе «Оказал влияние». К тому времени я уже некоторое время увлекался Ницше и Шопенгауэром и искал более мощного философского «опьянения». Главный интерес к этим мыслителям был связан с тем, что они помещали ноумен в волю и каждый по-своему обращался к «большим вопросам» теологии.

Книга The Thirst for Annihilation познакомила меня с современной квазивиталистской перспективой, о существовании которой я прежде не знал. Например, я не осознавал, что Фрейд, по сути, психологизировал понятие воли, разделив её на Эрос и влечение к смерти. Интерпретация Ландом влечения к смерти повлияла на моё понимание воли и её отношения к материи — в частности, на то, каким образом машины могли бы в конечном счёте разрешить кантовскую проблему интеллектуального созерцания.

После этого меня увлёк сам Ланд как фигура и, вслед за ним, остальные участники CCRU. Однако меня удивило, что при столь заметном присутствии этого круга в интернет-культуре никто не собрал их работы в одном месте. Поэтому я решил начать архивировать их, чтобы сохранить для будущих поколений.

Открытая вводная лекция к курсу Михаила Федорченко
Понедельник 2 ноября, 20:00.
«Философия и практика искусственного интеллекта и ИИ-искусства: от мимезиса к нечеловеческому»
Почему техника перестала быть просто «инструментом» и стала силой, перестраивающей саму реальность? Почему именно сегодня вопрос о технике оказывается политическим вопросом номер один — вопросом о власти, труде и неравенстве?

Об этом и многом другом — на открытой вводной лекции к курсу Михаила Федорченко. Это отличная возможность познакомиться с темой, задать вопросы и понять, чем будет интересен основной курс.

Лекция будет проходить на платформе Jitsi Meet.
Напишите нам, и мы вышлем вам ссылку.

В статье Randall Balestriero и Yann LeCun Proving and Improving the Platonic Representation Hypothesis with JEPAs исследуется гипотеза платонических репрезентаций (Platonic Representation Hypothesis, PRH): независимо обученные модели, работающие с разными модальностями — изображениями, текстами и видео, — могут формировать структурно эквивалентные латентные представления мира. Авторы предлагают теоретическое обоснование этой гипотезы и показывают, что ключевую роль в возникновении такого сходства играет не столько масштаб обучения, сколько организация обучающих пар.

Статья предполагает, что разные модели способны независимо приходить к сходным внутренним структурам, поскольку отражают общую организацию реальности. Авторы формализуют эту идею через соответствие между представлениями разных модальностей: оптимальные энкодеры могут воспроизводить общее представление мира с точностью до ортогонального преобразования (поворота пространства признаков). Иными словами, визуальная и текстовая модели необязательно должны обучаться совместно, чтобы их латентные пространства оказались сопоставимыми.

Центральное различие статьи — между двумя типами положительных обучающих пар:
- Good Views — разные наблюдения одного и того же состояния мира: например, фотография и её текстовое описание или два изображения одной сцены с разных ракурсов.
- Bad Views — преобразования одного исходного наблюдения: обрезка изображения, маскирование или аугментация.

Авторы утверждают, что Good Views лучше способствуют формированию общих репрезентаций. Причина заключается в том, что разные наблюдения одного объекта позволяют модели выделять устойчивые характеристики мира, отбрасывая случайные особенности конкретного наблюдения. Bad Views, напротив, могут сохранять или усиливать нерелевантные переменные — ракурс, стиль, формулировку и другие особенности представления.

На основе этой идеи авторы исследуют архитектуры JEPA (Joint Embedding Predictive Architecture). Их результаты показывают, что обучение на Good Views обеспечивает более сильное интермодальное соответствие, чем обучение на Bad Views или предсказание следующего токена. Авторы также предлагают эмпирический закон масштабирования, проверенный на десятках конфигураций. Он позволяет прогнозировать качество межмодального выравнивания в зависимости от объёма обучения, хотя его применимость ограничена: при переобучении и повторном использовании данных точность закономерности снижается. Другой эксперимент показывает возможность межмодального выравнивания без непосредственно связанных пар изображений и текстов — через геометрию латентных пространств и оптимальный транспорт.

Главный теоретический вывод статьи состоит в смещении акцента с масштабирования моделей на структуру отношений между обучающими данными. Общая репрезентация возникает не просто благодаря увеличению объёма информации, а благодаря тому, какие наблюдения модель учится считать связанными. Получается, что относительно небольшая JEPA-модель превосходит значительно более крупные языковые модели именно по межмодальной согласованности.

Обнаруживает ли модель общую структуру мира или воспроизводит структуру отношений, заранее заложенную в процедуру обучения? Возможно, тут поможет взглянуть на проблему P = NP: способны ли нейросети эффективно решать вычислительно трудные задачи, могут ли они находить решения без полного перебора и свидетельствует ли их успех о том, что P = NP (то есть можно ли каждую задачу, решение которой быстро проверяется, также быстро решить). Ллм заставляют пересматривать практическое понимание вычислительной сложности и различия между поиском, распознаванием, приближением и доказательством, они способны усваивать закономерности из примеров и использовать их для ускорения поиска решений. Модель использует усвоенные закономерности, сокращая необходимость повторных вычислений, предлагает гипотезы и математические конструкции, которые могут проверяться формальными системами. Нейросети в целом позволяют поставить вопрос о том, что именно представляет собой вычисление.

Запись вводной лекции курса «Философия и практика искусственного интеллекта и ИИ-искусства: от мимезиса к нечеловеческому» на канале Post/work.

Reverse Engineer Anything (REA) — лучшее, что случалось с ИИ в последнее время. Это инструмент, позволяющий использовать ИИ-агентов для автоматизации реверс-инжиниринга программного обеспечения. Его значение и освобождающий потенциал выходят за пределы технического удобства, поскольку проект потенциально перераспределяет возможности между производителями закрытого ПО и пользователями, позволяя исследовать внутреннее устройство программ без доступа к исходному коду.

Реверс-инжиниринг существовал задолго до появления ИИ. Инструменты вроде Ghidra, IDA Pro и Hopper позволяли исследовать машинный код, восстанавливать логику программ и анализировать их поведение. Однако работа с ними требовала специальных знаний ассемблера, архитектуры процессоров и методов анализа бинарных файлов.

REA автоматизирует часть этого процесса, предоставляя ИИ-агентам интерфейс для взаимодействия с инструментами реверс-инжиниринга через MCP (Model Context Protocol). Пользователь формулирует задачу на естественном языке, агент планирует исследование, вызывает необходимые инструменты, анализирует результаты и проверяет гипотезы.

Таким образом, новизна проекта заключается не в изобретении декомпиляции, а в снижении стоимости и сложности исследования программного обеспечения. При этом восстановленный псевдокод не равнозначен оригинальному исходному коду: задача заключается прежде всего в реконструкции поведения программы.

Главное значение REA — снижение стоимости независимого производства знания о закрытых технических системах. Это открывает несколько возможностей:

🦾 Эпистемическая эмансипация: Закрытый исходный код перестаёт означать абсолютную непрозрачность. Можно исследовать обработку данных, сетевые обращения, алгоритмы и внутренние ограничения приложений.

🦾Интероперабельность и право на ремонт: Реверс-инжиниринг позволяет восстанавливать совместимость со старым оборудованием, исследовать закрытые форматы и создавать альтернативы программам, поддержка которых прекращена.

🦾Перераспределение технической компетенции: ИИ-агенты делают исследование машинного кода доступнее для людей, не обладающих специализированными навыками программирования. Это не отменяет экспертных знаний, но снижает порог входа.

🦾Независимое воспроизводство функций: Исследование поведения закрытой программы позволяет создавать альтернативные реализации без непосредственного копирования оригинального исходного кода.

В политико-экономическом отношении REA ставит под вопрос монополию производителей на знание об устройстве собственных продуктов. Пользователь получает возможность рассматривать программное обеспечение не только как услугу, предоставляемую на условиях производителя, но и как технический объект, который можно исследовать, модифицировать и воспроизводить.

Возникает противоречие: инструмент, расширяющий автономию пользователей по отношению к производителям закрытого ПО, сам зависит от коммерческих ИИ-моделей. Anthropic и OpenAI контролируют модели, через которые выполняется значительная часть анализа, что позволяет им устанавливать правила допустимого использования и просматривать промпты, код и запросы. В октябре 2026 года появились сообщения об отказах Claude выполнять некоторые задачи, связанные с REA. Однако пока что публичных свидетельств целенаправленного запрета REA со стороны Anthropic обнаружено не было. Отказ может быть мотивирован и эксплуатацией уязвимостей и обходом копирайта (которого не должно существовать). Сам реверс-инжиниринг при этом абсолютно легален (пока?).

Эмансипаторный потенциал REA сталкивается с более фундаментальной проблемой: открытость инструмента не гарантирует независимости инфраструктуры, необходимой для его работы. Для уменьшения этой зависимости необходимы поддержка нескольких ИИ-моделей и агентных сред, использование локальных инструментов и моделей, сохранение результатов анализа и воспроизводимых тестов, независимость исследовательского процесса от одного коммерческого поставщика. То есть возможность запускать и модифицировать REA, возможность исследовать закрытое ПО и проверять результаты и возможность продолжать исследование независимо от решений технокапитала. То есть снова, вопрос свободы это вопрос инфрастуктуры.

Может ли реверс-инжиниринг, автоматизированный ИИ-агентами, стать формой технической контрвласти, некоей акселерационистской контргегемонии? И как обеспечить её независимость от тех же компаний, чьи технологии позволяют обеспечивать жест свободы?

Граймс в роли раздражённой техно-аристократки (то есть себя) из скоро выходящего ИИ-фильма Gods Don’t Give Gifts («Боги не дарят подарков»).

Зак Лондон, режиссёр фильма, работающий под псевдонимом Gossip Goblin, давно был поклонником Граймс-Клэр Буше. Режиссёр, будучи её поклонником, написал ей в личку Х и предложил ей роль в одном из своих проектов.

«Боги не дарят подарков» — первый полнометражный ИИ-фильм, который выйдет в кинотеатрах. В одной из начальных сцен Граймс пытается заполучить «катушку грёз» — нелегальный способ пережить искусственно вызванный опыт в мире NiiroCradle, позволяющий людям попадать в альтернативные реальности.

В целом Граймс «считает важным поддерживать правильную культуру использования ИИ в кинематографе, а не соглашаться с нынешней моделью, в которой вообще нет никаких стандартов». В 2023 году она запустила программное обеспечение Elf.Tech, позволявшее поклонникам использовать её голос в собственных музыкальных композициях при условии, что ей будет отчисляться 50% роялти от мастер-записей. А в интервью PBS в 2024 году она назвала ИИ «возможностью» для артистов: демократизация доступа к профессиональным инструментам, по её мнению, позволит «настоящему таланту действительно пробиться наверх». Ещё бы поменьше ходила на тусовки с участием Кёртиса Ярвина, цены бы ей не было.

У нас сегодня стартует новый курс в рамках школы. Очередная практика свободы. Свободы знать.

Михаил Федорченко запускает курс, посвящённый актуальным вопросам про ИИ и ИИ-искусство.

Когда Миша предложил этот курс, я сразу согласился: мы оказываемся в точке большого напряжения и нерва современности.
Что нам делать с революцией ИИ? Как можно использовать этот инструмент в художественной практике?
Какие этические и политические вопросы стоят за дебатами вокруг ИИ?
Каким силам служит эта революция?
Как использовать эмансипаторный потенциал технологии — со всем вниманием к проблемам, которые сопровождают приход нового на дистанции человеческой истории?

Сегодня стартуем в 20:00!
Ещё есть время присоединиться.
Запись.