"Когда всё быстро развивается, выигрывают те, которые способны быстро адаптироваться и не боятся ошибаться.... скорость важна. Те, кто делают быстрее, накапливают больше знаний и адаптируются быстрее." Я сделал перевод выступления Сэма Альтмана о перспективах ИИ на Snowflake Summit 2025. https://youtu.be/qhnJDDX2hhU?si=limPfyRF7Xf7Xa86

10 ключевых тезисов из текста:

1. Генеративный ИИ уже радикально изменил множество сфер — от программирования до философии, и стал доступен миллионам пользователей через foundation-модели.
2. OpenAI и ChatGPT переопределили взаимодействие с данными и интеллектом, сформировав новую модель работы и общения с ИИ.
3. Лидерам рекомендовано действовать быстро и не бояться ошибок, так как в условиях стремительных изменений выигрывают те, кто быстро пробует и адаптируется.
4. Любопытство и экспериментирование — ключевые качества, особенно учитывая низкую стоимость экспериментов с современными AI-инструментами.
5. Память и retrieval (доступ к прошлым данным и внешнему контексту) становятся всё более важными для повышения качества и надёжности генеративных моделей.
6. Агенты на базе ИИ уже сегодня могут выполнять сложные задачи, и в будущем могут превратиться в сотрудников уровня senior-инженеров.
7. Настоящий сдвиг произошёл в прошлом году — крупные компании начали применять ИИ в реальных процессах, и технологии доказали свою надёжность.
8. AGI (общий искусственный интеллект) — понятие расплывчатое, но ChatGPT с памятью уже близок к тому, что многие воспринимают как AGI.
9. Следующее поколение моделей будет способно решать задачи, недоступные людям, — например, открывать новое знание и предлагать решения сложных бизнес-проблем.
10. Контекст — ключ к эффективному использованию моделей: успех зависит от того, насколько точно вы формулируете задачу и подаёте входные данные.

Полный текст.

"Как мы смотрим вперёд, мы знаем, что AI имеет потенциал формировать будущее — и формировать его к лучшему. Генеративный AI перевернул всё — от написания кода до философии. Это путешествие началось с foundation models — моделей-основ. Они позволили миллионам пользователей получить доступ к силе данных, которые ранее были недоступны. Они изменили правила игры для всех нас. И немногие повлияли на будущее больше, чем OpenAI.

С бешеным ростом ChatGPT, которым ежедневно пользуются полмиллиона человек, они переопределили то, как мы взаимодействуем с данными, интеллектом, и как мы представляем себе будущее работы. В центре этой трансформации — один из самых влиятельных голосов в технологиях сегодня. Он привёл OpenAI от базовых исследований к продуктам, которые уже влияют на миллионы людей, и ведут к эволюции AI на по-настоящему глобальном уровне.

Пожалуйста, присоединяйтесь к нам в приветствии основателя и CEO OpenAI — Сэма Альтмана. [Аплодисменты] [Музыка]

И также — в приветствии основательницы Conviction и нашей хорошей подруги — Сары Гуо. Добро пожаловать, Сэм и Сара. [Аплодисменты]

— Ну, это невероятно — снова быть здесь. Я говорила с Средаром, что это похоже на рок-концерт… но для людей, которым интересны данные.
— Для людей с данными, да.
— Вы были здесь два года назад.
— Да, но тогда всё было не так масштабно.

Итак, чтобы начать — Сэм, Средар, что бы вы сказали лидерам, которые формируют AI-планету в 2025 году?

Сэм: Я думаю, просто делайте. Всё ещё много хаоса, модели быстро меняются, и слишком многие ждут, чтобы посмотреть, куда всё повернёт. Но в технологиях принцип таков: когда всё быстро развивается, выигрывают те компании, которые способны быстро адаптироваться и не боятся ошибаться. Мы это видим в AI-интернете: те, кто быстро делают, оказываются значительно впереди тех, кто ждёт.

Средар: Полностью согласен. Добавлю — любопытство. Мы часто забываем, как всё работало раньше, что больше не работает, и перестаём экспериментировать. А стоимость эксперимента сейчас очень низкая — благодаря OpenAI, Snowflake и другим. Можно делать множество попыток, извлекать ценность и строить силу на базе этих проб. Повторю, что сказал Сэм: скорость важна. Те, кто делают быстрее, накапливают больше знаний и адаптируются быстрее.

Сара: Как бы твой совет отличался от того, что ты сказал год назад?

Сэм: Думаю, я сказал бы то же самое. Любопытство — ключевое. Ошибаться нормально. Главное — понимать, где ошибки недорогие. Таких ситуаций много. А технологии развиваются молниеносно. Сейчас ты можешь использовать ChatGPT, чтобы получить информацию о текущих событиях, потому что он умеет подключаться к интернету, когда это нужно.

Всё больше приложений, включая чат-боты, становятся возможными, независимо от их структуры. И технология уже готова для массового применения. В прошлом году я бы не сказал этого про крупные компании. Тогда можно было экспериментировать понемногу, но это ещё не было готово к реальному применению. А теперь — да, крупные бизнесы действительно используют нас всерьёз. Это работает гораздо надёжнее и делает то, что раньше казалось невозможным. Похоже, в прошлом году мы пересекли критическую точку.

Интересно, что мы скажем через год. Думаю, мы придём к моменту, когда AI будет не просто автоматизировать бизнес-процессы или помогать создавать продукты и сервисы, а решать серьёзные задачи бизнеса. Проблемы, которые раньше были не под силу даже команде людей.

Сара: Как ты видишь роль памяти и retrieval (поиска/отрывков) в этом новом этапе?

Сэм: Retrieval всегда играл важную роль, особенно в генеративных технологиях — нужно, чтобы модель давала точные ответы. В начале 2023 года мы построили веб-сервисы поверх GPT-3, чтобы он мог отвечать на вопросы вроде “breaking news”, используя актуальный контекст.

Также память — знание, как ты решал задачи раньше, — улучшает систему. Это будет всё важнее, особенно для агентных и интерактивных моделей. Чем больше контекста, тем лучше результат.

Сара: Есть ли какой-то фреймворк, который ты можешь предложить лидерам, чтобы они подумали, что агенты могут делать уже сейчас или в следующем году?

Сэм: Кодекс — один из таких агентов. Это был мой “ощущение AGI” момент. Он работает в фоне, довольно умён, может выполнять длинные задачи, подключаться к GitHub, читать ваши документы, Slack, встречи. Сейчас он как интерн, работающий несколько часов, но в будущем — как опытный инженер на полную ставку.

Многие компании строят агентов, чтобы автоматизировать поддержку, анализ данных, работу с клиентами. Сейчас задача — дать агенту работать, следить за качеством, корректировать. Похоже на работу с младшими членами команды. И это уже происходит. В следующем году появятся агенты, которые смогут открывать новое знание и решать нетривиальные задачи бизнеса.

Сейчас это в основном повторяющаяся когнитивная работа. Но это расширится и до более сложных задач. Агент-инженер, открывающий новое знание — это будет важнейшая веха.

Сара: Ты сказал, что именно Кодекс стал моментом “ощущения AGI”. Что сегодня для тебя AGI? Насколько мы близки?

Сэм: Если вернуться лет на пять, в 2020, всё ещё было “в темноте” по поводу AGI. Тогда даже просто увидеть хорошую языковую модель было бы поразительно. Если бы тогда показать кому-то ChatGPT сегодня, большинство сказали бы: “Вот это AGI”. Но мы быстро адаптируемся, и уже не удивляемся. Определение AGI у всех своё. Главное — это скорость прогресса. Она впечатляет.

Некоторые скажут, AGI — это модель, которая может сама открыть новую научную теорию. Другие — что она должна быть способна к самообучению. Некоторые считают, что ChatGPT с памятью уже близок к этому.

Для меня момент “Ага” был, когда мы пытались сделать абстрактивную суммаризацию. Взять 1500 слов и свести к трём. Людям это трудно. Но модель сделала это. Тогда я понял, что это реально мощно — и если бы это работало на масштабе веба, ты мог бы найти нужные 10 страниц, на которые стоит обратить внимание.

Сара: Средар, как у тебя было? Когда ты почувствовал, что ты теперь не просто CEO Snowflake, а тоже AI-предприниматель?

Средар: Когда ты начинаешь взаимодействовать с этими моделями, хочешь найти способ, как задать нужный контекст, как сформулировать проблему, как заставить модель сосредоточиться. Это стало универсальной техникой. Установка контекста — это основа взаимодействия. Это не просто инструмент, это способ мыслить.

Сара: Ты согласен с Сэмом, что важнее кривая способностей, чем конкретное определение AGI?

Средар: Да. Я думаю, что вопрос AGI — часто философский. Но когда смотришь на способности моделей, становится понятно, что для человека в 2030 это точно будет AGI. Как с шахматами — компьютер побеждает, но люди продолжают играть. Это будет также и с AI.

Сара: А что дальше? Вы тренируете новые модели. Какие шаги кажутся самыми важными для следующего поколения?

Сэм: Прогресс в следующие 1-2 года будет значительным. Как GPT-4 открыл бизнес-возможности, которые раньше были невозможны — так будет и дальше. Дайте модели самую трудную задачу. Она поймёт контекст, подключит инструменты, подумает и даст результат. Возможно, мы ближе к этому, чем я думал.

Сара: У тебя есть представление о том, что значит “знание”? Ведь у нас нет симулятора физического мира в голове — так как знать, что возможно?

Сэм: Мне нравится думать о модели как о платонической идее — миниатюрной системе с суперспособностями разума, триллионом токенов контекста, доступом ко всем инструментам. И тогда уже не важно, знает ли она что-то заранее. Мы можем использовать её как гибкий механизм решения задач.

Сара: А если бы у тебя было в 1000 раз больше вычислений, что бы ты сделал?

Сэм: Попросил бы систему придумать лучшее устройство и спросил бы, что нам делать. Но даже сейчас, с текущими мощностями, если вы дадите модели достаточно свободы “говорить”, она может выдать потрясающие результаты.

Операторам колл центров посвящается.

Phonely, Maitai и Groq решили проблему задержек голосовом ИИ.

Компании совместно добились успеха, сократив задержку на 70% и повысив комплексную точность (ASR+генерация ответа) с 81,5% до 99,2%. Проблема «неловких пауз» в разговорах с роботами, которая выдавала их, устранена благодаря технологии Groq - «горячей замене» легких моделей LoRA без потерь в скорости.

Система работает так: Maitai выбирает оптимальную модель для каждого запроса, Groq обрабатывает ее на специализированных чипах LPU, а данные о слабых местах моделей собираются и используются для их доработки. В итоге время первого ответа снизилось с 661 до 176 мс, а синтез диалога стал в 4 раза быстрее.

Один из клиентов Phonely уже заменит 350 операторов колл-центра на ИИ, а количество качественных лидов выросло на 32%.

Сегодня завезли ElevenLabs v3. Ребята... вам обязательно нужно послушать этот клип. Я не могу переоценить его крутость — это переломный момент для голоса ИИ.И тот факт, что теперь мы можем сделать это из текстовой подсказки, просто сводит с ума.

Генерацию голоса на основе текста теперь можно режиссировать. Просто послушайте.

Вот еще подарок. Вчера elevenlabs потрясла иниернет, выпустив Eleven v3, которая дает вам полный режиссерский контроль над тем, что, а главное КАК ИИ говорит за вас на любом языке. Примеры я уже постил, они потрясаю, а сегодня с сделал бесплатный открытый микро учебник "Режиссура голоса в озвучке
с помощью Eleven v3. Полный практический гайд и демонстрация возможностей голосовой режиссуры".

📦 Что внутри:

✅ Переведённая и адаптированная инструкция ElevenLabs — включает все ключевые принципы работы с v3-моделью:
• выбор подходящего голоса по цели (нейтральный, нишевой, эмоциональный)
• использование audio tags для управления эмоциями ([whispers], [laughs], [crying] и др.)
• работа с punctuation, capitalization, timing
• настройка параметра Stability: от естественности до полной креативности
• добавление звуковых эффектов ([clapping], [explosion], [fart])
• использование экспериментальных тегов и акцентов ([strong French accent], [sings])

🎙️ 10 монологов на русском языке, каждый оформлен:
• с английскими аудиотегами (как код для ElevenLabs)
• с выразительной пунктуацией и заглавными акцентами
• с полным режиссёрским комментарием: что делает сцену живой, как работает дыхание, интонация, ритм

📚 Темы монологов:
• мотивация
• самоирония
• паника ребёнка
• философия времени
• продажа на шоу
• внутренний кризис
• стендап
• технологическая сатира
• женский конфликт
• экстаз писателя

🎭 10 диалогов — динамичные, сценические, идеально подходят для озвучки:
с конфликтами, сменой темпа, паузами, шёпотом, криком и подлинным ритмом.

📚 Темы диалогов:
• встреча старых друзей
• психотерапия
• конфликт в лифте
• любовное расставание
• AI и человек
• продавец и клиент
• спор отца и подростка
• философская дуэль
• подростки в парке
• такси в полночь

Ты получаешь готовые голосовые сцены, полностью адаптированные под ElevenLabs. Используй как тренировку, шаблон, вдохновение — или для создания настоящей голосовой драмы.

🛠 Подходит для:
• актёров озвучки
• режиссёров и сценаристов
• создателей аудиоконтента
• разработчиков голосовых ИИ

Голос — это не просто звук. Это сюжет, драма и ритм. И теперь он у тебя в руках.

Если бы 12 лет назад мне кто-то сказал, что я могу создавать такие миры сам, без огромной команды и тонны денег, я бы... наверное очень сильно поверил бы ему... Мы все время отстаем от новых возможностей. Они рядом, только бери.

Прогресс на 2 недели просто чудовищный. Tatiana Tkr реализовала липсинг. Ниже объясню - какие это дает возможности. Здесь пока использован "старый стек" текст->NotebookLM->Kling 2.1->CapCut. Генерацию делали только для героев и интерьера студии, остальное - Storyblocks, так получается быстро и недорого. Крайняя версия:

Кто главный: человек или ИИ? Машина размышляет о своём будущем. https://www.youtube.com/watch?v=Pfl5vyk6s3A

Все герои синтезированные, пока под аудиотрек от NotebookLM, и в прошлой версии делали без липсинга, просто дублирование. см - Игры вместо школы? Модель воспитания XXI века. https://www.youtube.com/watch?v=-8k6JhfQigU

После чумового релиза ElevenLab 3.0, будем тестировать полноценную режиссуру голоса и озвучки, т.е. убираем посредника в виде NotebookLM, т.е. мы теперь можем 100% управлять текстом и режиссурой озвучки - можно тестировать как режим монолога, так и диалога - даже несколько человек в кадре + строить полностью сцену, т.е. это уже полноценное кино - любые разговорные сцены.

Для коротких форматов, где доля генерации ИИ не больше 1 минуты это более или менее еще приемлемо по деньгам, но, конечно, пока это идеально для коротких анонсов в формате 11 и 30 секунд - это под превью. Остальное покрывать стоками - для тематических видео подкастов это норм.

А вот для аудио подкастов это уже совсем интересно, так как мы получаем 100 min всего за 22$, или 1000 мин за 99$, это 12-18 полноценных 60-минутных выпусков или по сути ЕЖЕДНЕВНО 30-минутный выпуск.

Сейчас ПОКА можно 100% автоматизировать 2-ую версию EL, но, думаю в течении нескольких месяцев API раскатают и на версию 3.

Итого, при наличии написанного текста сценария для монолога/ диалога, 60 минутный аудио трек стоит примерно 6$ генерации на почти 70 языках.

При том, что если кого-то нанимать на такой же объем, это стоило бы с учетом актеров, студии, звукорежиссера и затрат времени, думаю в районе от 500 до 700$. Т.е. разница - огромная.

Для кого это супер полезно? Для авторов, которые умеют писать, у кого есть тексты, кто хочет выйти на разные языковые аудитории. Разумеется, режиссер, маркетологи, писатели, блоггеры.

Совершенно очевидно, качество, управляемость будет расти, а цена генерации падать. Разумеется, под серьезные проекты можно создавать свой ЛОР.