Роберт Глейзер провел эксперимент, используя агентный цикл «генерация-оценка-улучшение» для создания SVG-изображения пеликана на велосипеде. Модели получали доступ к Chrome DevTools для конвертации SVG в JPG и использовали зрение для самокоррекции. Тестируемые Claude Opus, Sonnet, Haiku, GPT-5 Medium, GPT-5-Codex и Gemini 2.5 Pro делали 4-6 итераций, самостоятельно решая, когда остановиться. Эксперимент основан на бенчмарке Симона Уилльсона, который используют даже лаборатории в маркетинге новых моделей.

Claude Opus добавил цепь и спицы, улучшив механическую достоверность; Sonnet делал тонкие доработки кривых и теней; Haiku за 6 итераций настойчиво исправлял пропорции. GPT-5 Medium и Codex показывали постепенное улучшение, а Gemini 2.5 Pro демонстрировал стабильные результаты. Ключевое открытие: модели способны к самооценке и самокоррекции без детальных указаний, сохраняя дух оригинального абсурдного запроса. Использование единого рендерера обеспечило объективность сравнения.

• Обсуждение показало, что модели, которые лучше всего справляются с задачей, — это те, которые могут эффективно итеративно улучшать изображение, а не просто добавлять детали.
• Участники обсуждения отметили, что большинство моделей не способны к качественной ревизии собственных работ, и это может быть связано с тем, что они не могут оценивать собственные результаты.
• Было высказано предположение, что в будущем может быть введена система, в которой одна модель генерирует изображение, а другая оценивает его и предлагает улучшения.

• OpenAI модель часто искажает лица и детали, придавая изображения оранжевый оттенок, что воспринимается как недостаток.
• Оценка качества генерируемых изображений субъективна: пользователи спорят о приоритетах (реализм vs стиль, цвета), что затрудняет объективное сравнение моделей.
• Gemini склонен возвращать изображения без изменений, Seedream поддерживает высокое разрешение, но меняет цветовую палитру, NanoBanana эффективен при условии совпадения стилей.
• Текущие ИИ-инструменты для редактирования изображений имеют ограничения и не всегда точно следуют запросам, что требует от пользователей адаптации и экспериментов.
• Появление генеративного ИИ вызывает дискуссии о будущем профессий художников и иллюстраторов, но мнения разделяются: одни видят угрозу, другие — эволюцию инструментов.

Netflix опубликовал руководство по использованию генеративного ИИ в производстве контента, рассматривая эти инструменты как ценные творческие вспомогательные средства при прозрачном и ответственном применении. Компания ожидает, что все партнеры будут сообщать о любом планируемом использовании ИИ, особенно когда вывод включает финальные материалы, сходство с актерами, персональные данные или объекты третьих лиц, требующие письменного одобрения. Большинство низкорисковых случаев, следующих основным принципам, вряд ли потребуют юридической проверки.

Netflix выделил пять ключевых принципов: выходные данные не должны воспроизводить защищенный контент, инструменты не должны хранить или обучаться на производственных данных, сгенерированный материал должен быть временным и не входить в финальную версию, а ИИ нельзя использовать для замены актерских выступлений без согласия. Компания также предупреждает о случаях, всегда требующих письменного одобрения, включая использование проприетарной информации или создание ключевых творческих элементов с помощью ИИ.

• Netflix и другие студии продолжают настаивать на том, что не используют ИИ для замены актёров, но при этом продолжают использовать ИИ для замены актёров, что вызывает вопросы о том, что они могут быть нечестны в этом вопросе.
• Использование ИИ в креативной индустрии продолжает быть спорным вопросом, особенно когда речь идет о правах интеллектуальной собственности и о том, как ИИ может быть использовано для замены людей, которые создают контент.
• В то же время, когда ИИ используется для создания контента, это может вызвать вопросы о том, кто будет владеть правами на этот контент и как это может повлиять на будущее креативной индустрии.
• Использование ИИ в креативной индустрии может быть связано с этическими вопросами, особенно когда речь идет о том, как ИИ может быть использовано для замены людей, которые создают контент, и о том, как это может повлиять на будущее креативной индустрии.
• В то же время, когда ИИ используется для создания контента, это может вызвать вопросы о том, кто будет владеть правами на этот контент и как это может повлиять на будущее креативной индустрии.

Сравнение генеративных ИИ для создания изображений показало, что Midjourney лидирует по качеству и художественной выразительности, особенно в создании фотореалистичных портретов. DALL-E 3 демонстрирует лучшее понимание текстовых запросов, а Stable Diffusion остается наиболее гибким решением благодаря открытому коду. Тесты выявили, что Midjourney превосходен в атмосферных сценах, DALL-E лучше интерпретирует абстрактные концепции, а Stable Diffusion удивляет способностью генерировать изображения в специфических стилях.

Пользовательские опросы показали, что 68% дизайнеров предпочитают Midjourney для коммерческих проектов, а 45% разработчиков выбирают Stable Diffusion для интеграции. Стоимость варьируется: Midjourney требует подписки от $10 в месяц, DALL-E доступен через API с оплатой за использование, а Stable Diffusion бесплатен для личного использования. Эксперты отмечают, что будущее за гибридными подходами, объединяющими сильные стороны различных моделей.

• Gemini 2.5 Flash (Nano Banana) высоко оценивается за мощь и цену, но имеет слабости в обработке архитектуры и ландшафтов.
• Критикуется методология тестирования: предлагается использовать одинаковые строгие промпты с несколькими попытками для объективной оценки.
• Альтернативные модели (Qwen Image Edit, Seedream 4.0, Reve) часто показывают лучшие результаты в конкретных задачах (например, Seedream 4.0 выигрывает в соответствии, Qwen — в скорости и цене).
• Наблюдается переход от локальных моделей к облачным из-за роста вычислительных требований; локальное использование требует мощного GPU.
• Обсуждаются общие проблемы AI-редактирования: неожиданные результаты, проблемы с реализмом, влияние на стоковые фото и UI-тренды.

Недавнее сравнение генеративных ИИ для создания изображений показало значительные различия в качестве и производительности. Midjourney продолжает лидировать по художественной выразительности и детализации, особенно в сложных сценах с множеством объектов. DALL-E 3 демонстрирует лучшее понимание текстовых запросов, но уступает в скорости генерации. Stable Diffusion с открытым кодом удивил своей гибкостью, требуя при этом больше технических знаний для настройки.

Тесты на различных стилях от реализма до аниме выявили неожиданные сильные и слабые стороны каждой модели. Эксперты отметили, что Midjourney v6 генерирует изображения с более естественным освещением, в то время как DALL-E 3 лучше справляется с текстом внутри изображений. Стоимость использования также существенно различается: Midjourney требует подписки от $10 в месяц, в то время как Stable Diffusion можно использовать бесплатно, но с высокими требованиями к вычислительным мощностям.

• Обсуждение касается теста на соответствие промпта и генерации изображений, а не редактирования изображений, что вызвало критику.
• Участники обсуждают, что модели не справляются с простыми задачами, такими как показ времени на часах или создание кенгуру.
• Также обсуждается, что модели не справляются с задачами, которые требуют точного соблюдения промпта.
• Участники также обсуждают, что модели не справляются с задачами, которые требуют точного соблюдения промпта, и что это может быть связано с тем, что модели не обучены на такие задачи.
• Участники также обсуждают, что модели не справляются с задачами, которые требуют точного соблюдения промпта, и что это может быть связано с тем, что модели не обучены на такие задачи.

В предоставленном фрагменте отсутствует содержательная информация о репозитории character-ai/Ovi. Это лишь навигационное меню и общие элементы интерфейса GitHub без описания самого проекта. Нет данных о функциональности, целях или особенностях Ovi.

Для создания содержательного пересказа требуется информация из README-файла или описания репозитория, которая отсутствует в данном фрагменте. Без этих деталей невозможно определить, представляет ли собой Ovi инструмент, библиотеку, приложение или что-то иное от character-ai.

• Обсуждение вращается вокруг быстрого прогресса в генеративном ИИ: отдельные инструменты сливаются в единое решение, и теперь можно запускать модели локально.
• Участники обсуждают, как быстро ИИ-видео может дойти до «блокбастера» и как это повлияет на индустрию.
• Поднимаются вопросы этики: deep-fake, влияние на детей, коммерческое использование и монетизация.
• Участники также обсуждают, что влияние ИИ на креативную индустрию может быть негативным для художников и сценаристов.
• И наконец, обсуждается, что если ИИ сможет создавать полнометражные фильмы, то это может привести к концу традиционного кино.

Microsoft 365 Copilot, несмотря на двухлетний агрессивный маркетинг и статус ключевого продукта Microsoft, демонстрирует катастрофически низкую коммерческую успешность. По данным из непроверяемых источников, на август 2025 года лишь 8 миллионов пользователей (1,81% от 440 миллионов подписчиков M365) оплачивают лицензии. Это соответствует примерно 2% adoption rate за два года — крайне слабому показателю для продукта, позиционируемого как революционный.

Основная причина провала — отсутствие воспринимаемой ценности: большинство пользователей не видят достаточной пользы, чтобы оправдать стоимость в $30 в месяц. Даже партнёры Microsoft, включая автора, вынуждены платить полную цену и отмечают, что Copilot уступает по эффективности более дешёвым альтернативам вроде ChatGPT Plus. Это ставит под вопрос финансовую состоятельность генеративного ИИ в корпоративном секторе.

• Низкое внедрение и критика функциональности Copilot: пользователи отмечают его бесполезность, ошибки, плохую интеграцию с данными компании (например, SharePoint) и уступающее качество по сравнению с ChatGPT/Claude.
• Проблемы с монетизацией и развертыванием: обязательная годовая подписка, сложная система биллинга и агрессивное навязывание функции (например, переименование клавиши) отпугивают пользователей и администраторов.
• Отдельные позитивные кейсы для не-технических пользователей: некоторые находят Copilot полезным для поиска документов, суммирования встреч в Teams и помощи в рутинных задачах, особенно в средах с ограниченным доступом к другим ИИ-инструментам.
• Путаница с брендом и стратегией: переименование Office в Copilot и ассоциация с продуктом для разработчиков (GitHub Copilot) вызывают неразбериху у пользователей.
• Восприятие как сырого продукта с потенциалом: мнения разделились — одни считают его провалом, другие ожидают улучшений в будущих версиях, особенно в таких приложениях, как Excel.

OpenAI активно собирает отзывы о Sora и готовится внести изменения. Правообладатели получат более детальный контроль над генерацией персонажей — смогут указывать, как их можно использовать, включая полный запрет. Многие из них видят потенциал в «интерактивной фанфикшн» и ожидают роста вовлечённости.

Также компания ищет способ монетизации генерации видео, поскольку пользователи создают контента больше ожидаемого. Часть доходов планируется делиться с правообладателями, чьи персонажи используются. OpenAI предупреждает, что возможны ошибки в процессе, но обещает быстро реагировать на фидбэк и постоянно совершенствовать систему.

• OpenAI столкнулась с юридическими угрозами от правообладателей (включая Ghibli и Nintendo) из-за генерации контента с использованием их IP, что привело к введению строгих ограничений на создание видео.
• Компания осознала необходимость монетизации генерации видео из-за высоких вычислительных затрат и планирует внедрить плату за использование, а также рассмотреть возможность распределения доходов с правообладателями.
• Пользователи выражают разочарование из-за резкого ужесточения ограничений, которые теперь блокируют создание контента по мотивам даже не самых известных игр и франшиз.
• В сообществе распространено мнение, что изначальное разрешение генерации защищённого контента было осознанным PR-ходом для роста популярности, а не ошибкой.
• Подход OpenAI к решению проблемы воспринимается многими как лицемерный, неискренний и технически сложный для реализации на практике.

OpenAI превратилась в хаотичный конгломерат без чёткой стратегии, пытаясь казаться всем сразу: соцсетью с генеративным видео, конкурентом Microsoft в продуктивности, платформой для найма, рекламным бизнесом, поставщиком вычислений, разработчиком чипов и даже производителем потребительского железа. Эти утечки в СМИ служат одной цели — раздуть оценку компании перед новыми раундами финансирования, ведь ей нужно $1 трлн в ближайшие годы.

На деле это скучный и убыточный софтверный бизнес: 20 млн платных подписчиков ChatGPT и 5 млн корпоративных (полмиллиона из них — скидочные места для университета) генерируют основную выручку, но траты колоссальны. GPT-5 оказался провалом — дороже в эксплуатации без реального улучшения возможностей. Компания теряет фокус, а её агенты и «новые продукты» остаются лишь проекциями на 2027 год.

• Критика финансовой модели OpenAI: обсуждение методов амортизации затрат на модели (3-12 месяцев против 3 лет) и высокой стоимости инференса, что ставит под вопрос реальную прибыльность.
• Признание масштаба и влияния OpenAI: 800 млн активных пользователей и быстрое распространение передового ИИ, сравнимое с появлением интернета и мобильных технологий.
• Дебаты о конкурентных преимуществах (moat): отсутствие технологического рва, давление со стороны открытых моделей (DeepSeek) и крупных игроков (Google), зависимость от государственной поддержки и финансирования.
• Оценка продуктов и дороги к AGI: полярные мнения о GPT-5 и Sora 2 (от "разочарования" до "впечатляющих"), скептицизм насчет скорого перехода к AGI и смещение фокуса на коммерциализацию.
• Обвинения автора исходного поста (Ed Zitron) в предвзятости, сенсационности и использовании "яростного байта" для продвижения собственного бизнеса на подписках.

Фонд Викимедиа опубликовал оценку влияния ИИ и машинного обучения на права человека в рамках проектов Викимедиа. Исследование подчёркивает, что доступ к знаниям — это право человека, а технологии должны усиливать, а не заменять человеческий вклад. С 2010 года сообщество уже использует инструменты на базе ИИ для борьбы с вандализмом и проверки цитирований, но с появлением генеративного ИИ возникли новые вызовы.

Ключевые вопросы включают роль ИИ в создании контента, защиту точности информации, сохранение культурного контекста при переводе и адаптацию правил сообщества. Оценка призвана помочь Фонду и волонтёрам ориентироваться в быстро меняющемся ландшафте, обеспечивая, чтобы технологии служили людям, а знания оставались человекоцентричными.

• Обсуждается возможная свясть анонса с запуском Grokipedia Илона Маска и конкуренция с Википедией.
• Высказывается критика в адрес Википедии: предвзятость в спорных темах, бюрократия и недооценка авторов контента.
• Участники сомневаются, что новая платформа сможет избежать проблем с модерацией и влиянием политических/бизнес-интересов.
• Отмечается, что альтернативные вики-проекты часто создаются из-за воспринимаемой предвзятости, но сами не свободны от крайних взглядов.
• Поднимается вопрос, является ли замена предвзятости редакторов на предвзятость штатных сотрудников улучшением.

Suno Studio — это веб-платформа для создания музыки с помощью искусственного интеллекта, позволяющая пользователям генерировать треки по текстовым описаниям. Она предлагает интуитивный интерфейс, где можно указать жанр, настроение, инструменты и даже добавить вокал, получая готовые композиции за секунды.

Сервис демократизирует музыкальное производство, делая его доступным даже для новичков без специальных навыков. Пользователи отмечают высокое качество звука и креативные возможности, хотя иногда AI может выдавать неожиданные результаты. Это инструмент для быстрого прототипирования, вдохновения или просто развлечения, расширяющий границы творчества.

• Музыканты и энтузиасты разделились во мнениях: одни видят в Suno мощный инструмент для творчества и исследования звука, другие считают его лишённым души и чувства достижения.
• Ключевые обсуждаемые особенности Suno: переход к браузерной DAW, генерация качественного контента, включая MIDI и stems, а также вопросы авторских прав и коммерческого использования.
• Поднимаются вопросы этики использования ИИ: заимствование чужих работ для обучения моделей и потенциальная девальвация человеческого труда в музыке и искусстве.
• Отмечается стремительный прогресс качества генерации (Suno v5), что делает музыку неотличимой от профессиональной для большинства слушателей, но эксперты могут определить искусственное происхождение.
• Высказываются опасения о насыщении рынка однообразным контентом и влиянии ИИ-инструментов на будущее профессии музыканта и процесс обучения.

Массовое внедрение генеративного ИИ привело к парадоксу: компании активно внедряют ИИ-процессы, но 95% организаций не видят измеримой отдачи от инвестиций. Количество полностью автоматизированных процессов удвоилось за год, использование ИИ на работе также выросло вдвое с 2023 года, однако реальная продуктивность не увеличивается.

Вместо эффективности ИИ генерирует «ворк-слэп» — бессмысленные задачи, такие как автоматизированные отчеты, переписывание текстов и бесконечные правки. Это создает иллюзию занятости, но отвлекает от ценной работы, усиливая выгорание и снижая креативность. Ключевая проблема — слепое доверие к ИИ без критической оценки его output, что превращает технологии в инструмент бюрократии, а не прогресса.

• Руководство предписывает обязательное использование ИИ в работе и требует отчётов о повышении продуктивности, не учитывая возможное негативное влияние.
• Участники критикуют слепую веру руководства в возможности ИИ, сравнивая это с маркетинговой шумихой и отмечая отсутствие у менеджеров технических знаний.
• Генерируемый ИИ контент (тексты, код) часто описывается как низкокачественный, многословный и неточный, что увеличивает нагрузку на сотрудников, вынужденных его проверять и исправлять.
• Обсуждается парадокс: внедрение ИИ, призванное повысить эффективность, может привести к её снижению из-за роста бюрократии и производства бесполезного контента.
• Некоторые предлагают саботировать требование отчётов, используя для их генерации тот же ИИ или просто выдумывая результаты.

LinkedIn планирует начать использовать данные пользователей из Европы для обучения своих AI-моделей с 3 ноября 2025 года. Компания опирается на юридическое основание «законных интересов» и исключает из обработки личные сообщения. Пользователям предоставят возможность отказаться от участия в программе через опцию opt-out.

Изменения затронут страны ЕС/ЕЭЗ, Великобританию и Швейцарию. Это решение подчёркивает растущую потребность tech-гигантов в данных для развития генеративного ИИ, но также вызывает вопросы о балансе между инновациями и приватностью в условиях жёсткого европейского регулирования.

• Критика использования данных LinkedIn для обучения ИИ без явного согласия пользователей, особенно в контексте GDPR
• Опасения по поводу низкого качества и искусственности контента на платформе (AI-generated slop, корпоративный жаргон)
• Скептицизм относительно полезности ИИ, обученного на подобных данных, и потенциального вреда (усиление "hustle culture", бред)
• Возмущение моделью opt-out вместо opt-in и её несоответствием принципам защиты приватности
• Ирония и сарказм по поводу абсурдности корпоративной культуры LinkedIn и её влияния на ИИ

Изучай по-своему: Переосмысление учебников с помощью генеративного ИИ

Исследования Google

Кто мы

Создаем технологии сегодняшнего и завтрашнего дня. Стремимся к созданию среды для разнообразных исследований с разными временными масштабами и уровнями риска.

Области исследований

• Фундаментальное ML и алгоритмы: теория алгоритмов, управление данными, машинное восприятие, NLP
• Вычислительные системы и квантовый ИИ: распределенные системы, квантовые вычисления, робототехника, безопасность
• Наука, ИИ и общество: климат и устойчивость, инновации в образовании, здравоохранение, взаимодействие человека и компьютера

• Пользователи обсуждают потенциал ИИ-инструментов для персонализированного обучения, отмечая как преимущества (бесконечное терпение, возможность углубляться в темы), так и серьёзные недостатки (фактические ошибки, выдумывание информации, высокая стоимость инфраструктуры).
• Критики выражают сомнения в эффективности и целесообразности замены учителей ИИ, указывая на риск снижения качества образования, антиинтеллектуализм и отсутствие подотчётности за вредоносные или ложные выводы модели.
• Многие комментаторы проводят параллели с концепцией «Иллюстрированного букваря для юной леди» из романа «Алмазный век» Нила Стивенсона, видя в проекте шаг к подобному будущему.
• Поднимается вопрос о методологии исследования Google: отсутствие контроля в виде печатного учебника и сравнения с не-ИИ интерактивными форматами, что ставит под сомнение заявленные преимущества.
• Обсуждается фундаментальная проблема школьного образования — необходимость заинтересовать и заставить учиться всех детей, а не только мотивированных, и сомнения, что ИИ способен решить эту задачу.

Anycrap – магазин бесконечных товаров
Доставка по всему миру, горячие скидки.

Поиск: назови желаемое – найдём в параллельных мирах.

Популярно:

• Дикий технохлам
• Космические снеки
• WTF-товары

100 % уникальные концепции
Идея → картинка на экране за секунды.

Товар ещё не придуман?
Назови – мы изобретём.

Письма о несуществующих новинках – подпишись.

contact@anycrap.shop
© 2025 – товары завтрашнего дня (но не настоящие).

• Проект anycrap.shop — генератор абсурдных «товаров» с картинками и описаниями; автор в шоке от 15 000 созданий и исчерпанных токенов.
• Пользователи смеются над безумными идеями, «покупают» несуществующее, просят добавить фейковые трекинги, избранное и продажу реальных мерча.
• Обсуждают деньги: кто-то видит маркетплейс для мелких производств, кто-то боится счёта за инференс.
• Отмечают слабость ИИ к отрицанию («no lace» → кеды с шнурками) и повторяющийся визуальный стиль картинок.
• Просят раскрыть стек, промпты, модель генерации; просят «мерчант-акки» и экспорт коллажей.

Мир внутри ИИ
Полвека назад «модели мира» были фундаментом ИИ: система хранила внутреннюю копию окружения и планировала действия, прогоняя возможные будущие. С приходом больших данных и LLM идея ушла в тень, но теперь возвращается как ключ к AGI.

Почему снова актуально

• Проблема LLM: они предсказывают слова, а не последствия; не умеют планировать и обобщать.
• Плюс модели мира: позволяет «воображать» сцены, тестировать действия безопасно, переносить знания в новые задачи.
• Сдвиг в масштабе: современные нейросети могут обучать модели с миллионами параметров на видео и симуляциях, чего раньше не хватало.

Как строят сегодня

1. Видеопредсказание: нейросети, обученные на YouTube, генерируют следующие кадры и учатся физике столкновений, трения, гравитации.
2. Игра в уме: агенты Dreamer и MuZero учатся в «галлюцинациях» без внешнего мира, экономя время и энергию.
3. Композиция знаний: новые архитектуры объединяют языковые модели с пространственными представлениями, позволяя отвечать «что будет, если…».

Где уже работает

• Роботы-манипуляторы от Google DeepMind учатся складывать блоки, «прокручивая» будущее в голове.
• Дроны и автономные машины используют модели мира для планирования траекторий в сложной местности.
• Генеративные видео-системы (Sora, Veo) не просто рисуют картинки, а моделируют физику сцены.

Ограничения и риски

• Пока модели мира хрупки: ошибаются в редких событиях и плохо переносятся между доменами.
• Требуют огромных данных и вычислений.
• Открыты вопросы безопасности: если ИИ «воображает» опасные сценарии, кто контролирует, что он не начнёт их реализовывать?

Вывод
Модели мира — не серебряная пуля, но без них путь к универсальному ИИ выглядит тупиковым. Следующий прорыв может случиться, когда языковые модели научатся не только говорить, но и «видеть» последствия своих слов.

• Современные шахматные движки всё ещё опираются на полную реализацию логики игры и глубокий перебор, но уже используют нейросети для оценки позиций.
• Попытки заменить это «чистыми» нейромоделями приводят к невалидным ходам и глупым ошибкам, если нет явной проверки правил.
• Участники подчёркивают, что мир «в голове» ИИ должен быть неполным и постоянно корректироваться по новым данным, иначе возникает фрейм-проблема.
• Обсуждаются альтернативы: гауссовы сплэттинги, пользовательские грамматики, солипсистические модели, но все они либо узки, либо требуют ручной настройки.
• Итог: пока нет универсального способа построить надёжную world-model; нужен гибрид символики, нейросетей и постоянной адаптации.

• Исследование Стэнфорда: с 2022 г. занятость американцев 22–25 лет в профессиях, наиболее подверженных ИИ, упала на 13 %.
• Под ударом — кол-центры, бухгалтеры, разработчики ПО.
• Данные ADP показывают: молодёжь теряет места, тогда как общая занятость растёт.

• Участники сомневаются, что AI уже массово «забирает» работу: в бухгалтерии и других «уязвимых» сферах его практически не используют, а при попытке применения он «галлюцинирует».
• Многие считают, что заявления о сокращениях из-за AI маскируют реальные причины: офшоринг в Индию/Филиппины, экономический спад, высокие ставки и реорганизацию работы.
• Отмечается исчезновение начальных позиций: компании не увольняют, а просто перестают нанимать молодых, лишая их пути входа в профессию.
• Ряд комментаторов подчеркивает, что руководство предпочитает сокращать штат, а не усиливать сотрудников AI, чтобы сохранять контроль и снижать расходы.
• Сторонники «техно-оптимизма» напоминают: автоматизация шла десятилетиями, и в долгосроке она делает товары и услуги дешевле, но краткосрочные потери рабочих мест требуют адаптации.

95 % компаний не получают отдачи от $30 млрд, потраченных на генеративный ИИ, — MIT

• Исследование MIT: только 5 % проектов приносят измеримую пользу.
• Причины: нечёткие KPI, отсутствие данных, недостаток навыков персонала.
• Вывод: без стратегии и качественных данных ИИ превращается в дорогую игрушку.

• 5 % проектов приносят деньги, 95 % — нет: основная причина — отсутствие чёткого плана и метрик.
• Реальные экономии уже есть: автоматизация пост-обработки звонков в кол-центрах экономит миллионы.
• Рынок перегрет: многие запускают «AI-инициативы» ради хайпа и финансирования, не ради пользы.
• Компании тратят деньги на консультантов и маркетинг вместо решения конкретных задач.
• Наблюдается спад доверия («Trough of disillusionment»), но технология остаётся ценной как встроенная функция, а не как отдельный продукт.

• 95 % компаний не получают реальной пользы от генеративного ИИ: отсутствуют данные, экспертиза, процессы и культура.
• Пилоты застревают на стадии демо; ROI не измеряется, бюджеты выгорают.
• Ключевые барьеры: «грязные» данные, отсутствие стратегии, нехватка специалистов, правовые риски.
• Выигрывают лидеры: 5 %, кто инвестировал в инфраструктуру, обучение и управление жизненным циклом моделей.
• Совет аналитиков: начинать с узких, хорошо оплачиваемых сценариев (например, генерация отчётов), постепенно масштабировать.

• Обсуждение крутится вокруг идеи, что текущий бум GenAI — это пузырь, сравнимый с dot-com 1999–2000 годов: массовые вливания денег без понимания, как извлечь ценность.
• Участники спорят о реальной пользе: кто-то считает, что даже 5–20 % экономии на BPO-задачах уже $15–60 млрд, другие видят лишь «костры денег» ради страха отстать.
• Отмечается, что большинство проектов дают лишь инкрементальные улучшения, плохой ROI и вынуждают компании возвращать уволенных сотрудников (пример Klarna).
• Сравнения с блокчейн-хайпом: технология полезна, но спекулятивное применение и непонимание приводят к разочарованию.
• Подчеркивается, что основные деньги сейчас идут не на модели, а на их «потребление» в корпорациях; если даже на пике хайпа ценности не видно, пузырь может лопнуть очень громко.

Reality Defender API
Два вызова кода — и ваша система получает признанные наградами модели для обнаружения дипфейков. Бесплатный тариф: 50 проверок аудио/изображений в месяц.

Почему Reality Defender API

• Простота — загрузка файла и получение результата.
• Гибкость — SDK на Python, TypeScript, Java, Go, Rust.
• Прозрачность — исходники открыты.
• Доступность — 50 сканов/мес без карты.

Тарифы

План	Цена	Включено
Free	$0	50 сканов/мес, аудио+изображение, 1 пользователь
Growth	от $399/мес	50+ сканов, аудио+изображение+видео, чат
Enterprise	по запросу	неограниченный объём, мультисид, видео+текст, стриминг, интеграции Zoom/Teams/Webex, расширение Chrome, персональная поддержка

Где применять

• Верификация личности (KYC, безопасный доступ)
• Мошенничество (имперсонация, соц-инженерия)
• Модерация контента
• Анализ СМИ и факт-чекинг
• Исследования и тесты

Поддерживаемые форматы

Аудио (до 100 МБ, 12 с – 5 мин): wav, flac, mp3, m4a, aac, ogg, opus; 8 языков.
Изображения (до 10 МБ): jpg, jpeg, png, gif, webp.
Видео (до 250 МБ): mp4, mov; аудио как выше.

Начать бесплатно | Документация SDK

• Участники сомневаются в надёжности «детекторов ИИ» и предсказывают бесконечную «кошку-мышь» между генераторами и детекторами.
• Предлагают альтернативу: криптографическую подпись контента, но признают, что добровольные стандарты легко обходятся.
• Основатели Reality Defender отвечают: ансамбль моделей выдаёт лишь вероятность 1-99 %, API закрыт, таргетинг по паттернам и лимит 50 бесплатных сканов мешают злоупотреблениям.
• Уже используется крупными банками и корпорациями для проверки подлинности медиа и документов.

YuE — генеративная модель для создания песен в разных жанрах. Название означает «музыка» и «радость» по-китайски, произносится как «yeah».

Жанры и примеры

• Metal: агрессивный металкор, гитарные риффы, вокал fry.
• Jazz: женский блюз, фортепиано, романтичная гитара.
• Rap: хип-хоп с синтезатором, уличное звучание.
• Pop: вдохновляющий женский вокал, электроника.

Лирика генерируется GPT; планируется добавить мировую музыку, включая Пекинскую оперу.

• Пользователи заметили, что первые секунды «AI death-growl» почти дословно повторяют фрагмент Behemoth «Ov Fire and the Void».
• Основной запрос — не полные треки, а практичные инструменты: стилевой transfer, восстановление плохих записей, генерация отдельных партий/loop-ов, «бесконечный Splice».
• Упомянуты нишевые, но живые идеи: AI-драммер в Logic, live-джем с виртуальным гитаристом, VST-плагины для DAW.
• Сценарии использования делятся на три группы: фон для видео/подкастов, «музыкальные подарки» и мемы, быстрый прототип для настоящих музыкантов; критика — поток «бесплатных музыкантов» и засорение стримингов AI-шлаком.