ИИ-сингулярность пришла, просто это ещё не все заметили
Я не шучу, Илон Маск прав — мы действительно уже существуем в эпоху ИИ-сингулярности.
Что такое сингулярность? По сути — это то, что компьютеры принимают какие-то решения, но мы не можем проверить, почему они это делают, и можем только довериться решению.
Фантастическая литература приучила нас к тому, что это будет выглядеть как что-то вроде ответов на «самый главный вопрос Вселенной и всего такого», прыжков гиперреальности и вообще бога-из-машины.
Но это вовсе не обязательно. Для ИИ-сингулярности достаточен средний или ниже среднего интеллект, чтобы у ИИ было непреодолимое преимущество перед человеком. Поясню, что это значит.
Человек в целом сфокусирован крайне узко. К примеру, технари зачастую знают, как настроить CI/CD-конвейер, но не только не могут отличить Мане от Моне, но даже вообще не знают, что такая отрасль знания существует. И наоборот — пример более практический: хороший маркетолог может не знать ничего о технических сложностях. Основная сложность в бизнесе — это коммуникации. Вообще суть многих видов бизнеса — это соединение ранее несоединимого. Например, дизайн и ЭВМ — и застолбить в своё время неочевидный рынок графических платформ.
И вот тут преимущество LLM проявляется во всей красе. Да, в большинстве сфер его уровень не выше, чем у расторопного и туповатого новичка. Но при этом этих новичков миллионы и миллиарды — во всех возможных сферах, и в роли коммуникатора выступают сами языковые модели. На этом построен принцип thinking-моделей. Помните, как ещё года 2 назад насмехались над тем, что, дескать, тупой ИИ не способен перемножить 2 числа и невпопад угадывает? Стоило под капотом связать его с Python, и для его эффективности оказалось достаточным просто переформулировать запрос и передать его дальше системе. Поэтому как бы небольшие улучшения в модели делают рывок не на 20%, а сразу экспоненциально.
Часто слышу о том, что, дескать, такая-то и такая-то версия GPT оказалась разочарованием — он по-прежнему пишет несмешные анекдоты, скучные рассказы и т. д. Но в бизнесе скачок гигантский. В 2024 я восторгался тем, что LLM сама создала простенький компонент с палитрой на 100–200 строк. Уже через год буквально с 1–2 запросов он создал уже такой компонент, как TreeMap, на 2000+ строк с довольно сложной и нетривиальной логикой. Всего 1,5 года назад я был в восторге от того, как он генерировал Angular-сервисы из Swagger, а в конце 2025 я в течение дня сделал следующее:
Попросил в своём биржевом сервисе сделать рефакторинг и сделать его расширяемым. Разработать архитектуру.
Портировать текущие индикаторы под новую архитектуру.
Вначале хотел сделать опрос пользователей… потом подумал и решил, что это уже и не надо. Просто попросил прошерстить интернет и выдать 20+ самых популярных свечных индикаторов.
Попросил написать спецификации под каждый.
Попросил реализовать каждый из них и написать тесты.
На выходе оказалось десятки тысяч строк кода, которые я даже не смотрел. Да, там может быть не оптимально, говнокод и прочее. Но всё это обошлось мне в 1 день жизни и примерно в $5 за недельную подписку на Codex. Задача — просто оценить реакцию пользователей. Рынок софта пресыщен и диктует новые правила, и у меня нет ресурсов тратить недели и месяцы жизни, чтобы решать такую задачу.
Главный вывод для меня — что LLM всё больше берёт на себя перемычки и слепые зоны, которые бизнес просто не способен на себя брать в силу того, что рентабельность становится исчезающим животным.
Мир двигается стремительными темпами. Ещё год-полтора назад я спокойно делал входные тестовые для рекрутеров (и да, я не считаю это мошенничеством, потому что если компания экономит свои ресурсы для отсева кандидатов, я имею право экономить свои — а основное собеседование никто не отменял) и особо не беспокоился о том, что меня поймают, сейчас вайб-хайринг стал практически индустриальным стандартом. И то, что делает частник для своих небольших, с горем-пополам кормящих его проектов, сделает и большая корпорация. Корпорации против вайб-кодинга только при условии, что прибыль идёт мимо её кармана, но в обратном случае вайб-менеджмент, вайб-маркетинг, вайб-дизайн и вайб-системный анализ неизбежно сложатся в единую машину — просто потому, что это уже возможно.
По сути, это и есть та ИИ-сингулярность, которая уже настала, просто ещё не везде материализовалась. Бизнес будет стремиться к тому, чтобы зарабатывать деньги, особо не вникая, как и почему они к нему приходят.
1. Чтобы связать что то с чем то и получить новый продукт нужно иметь опыты или представления о том, что с чем сравнивать. У ИИ такой возможности нет! Условно он не может понять почему котопёс это смешно, а слонособака нет или осложираф. Таким образом попытки его скрещивания на выходе давали бы гавнопродукт, как собственно и происходит, об этом расскажу в п.2. Чтобы скрещенное внедрилось в жизнь нужно быть уверенным что это должно быть и продвигать это усилием воли и финансами и верить что это должно существовать! Условно ИИ мог бы продвигать микроволновку телефон или телефон с функцией молотка, это были бы поделки в стиле японского чиндогу, абсурдные вещи, которыми не возможно пользоваться!
2. Он написал Вам код, молодец, но судя по тому, что вы тут продолжаете писать ничего полезного или материального с этого не вышло, то есть чтобы что то полезное делать нужна полезная идея на входе, гавно на входе = гавно на выходе! К тому же, наверно не стоит быть
и казалось бы что там сложного. он сделает.
но попробовав применить, увидите ограничения.
1. это будет не та модель. зависимости будут не те.
2. формат данных не тот. и начинает путать
3. вермишелевый код. когда к примеру надо прибавить к переменной +1. программа прибавит 10. и отнимет 11. и так раз 10 с разными переменными.
Хорошо работает, если понимаешь что делаешь. А так игрушка