Сначала было смешно

Здесь в Кракове пришла такая череда рассуждений.

Было забавно: электрохимия какая-то умеет делать изображения. Иногда страшные, иногда кривые, иногда слишком гладкие. Руки ломает, лица мажет, свет не понимает, фокус сбивает, вкус отсутствует. Профессионалы смотрят на это спокойно: игрушка. Демка. Трюк для тех, кто не умеет отличить работу от имитации.

Потом качество стало расти.

Сначала картинки. Потом движение. Потом звук. Потом все это начало склеиваться в один поток: образ, сцена, голос, событие, память.

И в какой-то момент спор стал неприятным.

Потому что обычному заказчику не всегда нужен “авторский жест”. Ему часто нужен результат. Похожий человек. Понятная сцена. Вид места. Иллюстрация события. Визуал для публикации. Материал, который можно показать другим.

Раньше за это платили специалисту. Ждали. Согласовывали. Терпели характер, школу, манеру, сроки, цену.

Теперь достаточно было подойти к машине и нажать кнопку.

Профессионалы, конечно, отвечали: это не искусство. Там нет руки. Нет взгляда. Нет выбора. Машина ничего не понимает, она просто воспроизводит поверхность. Она берет мир как набор входных данных и выдает механическую копию.

И это звучало убедительно.

Особенно для людей, которые всю жизнь учились делать ровно то, что теперь машина делала быстрее и дешевле.

Удар оказался экономический, а не философский. 70% потеряли работу.

Огромная часть рынка держалась не на гениальности, а на функции: сделать похоже.

  • Похожее лицо.
  • Похожее место.
  • Похожее событие.
  • Похожий предмет.
  • Похожую реальность.

Тысячи профессионалов, мастеров жили за счет этого. Они делали изображения для частных клиентов, для альбомов, для публикаций, для памяти, для статуса. Это была нормальная профессия: ремесло, школа, репутация, рынок. Все чётко. Порог вхождения высокий. Спрос предложение.

А потом появилась технология, которая сказала: я тоже так могу.

Не идеально.

Но «good enough», что значит — достаточно хорошо.

И вот это “достаточно хорошо” оказалось намного страшнее, чем “идеально”. Потому что рынок редко покупает идеальное. Он покупает то, что решает задачу.

Первые версии были ограниченными. Долгими. Капризными. Требовали специальных условий. Результаты нельзя было просто взять и сразу масштабировать как угодно. Но технология улучшалась с такой скоростью, что аргумент “пока это плохо” быстро перестал успокаивать.

Сначала это было просто изображение.

Потом изображение стало дешеветь.

Потом его начали тиражировать.

Потом оно пришло в журналистику.

Потом в политику.

Потом на войну.

Потом в быт.

Потом стало невозможно представить мир без этой машины.

И тут у старого ремесла и искусства случился жесткий кризис идентичности.

Если раньше главной задачей было быть самым точным: максимально точно показать видимое, то теперь этот смысл забрали. Машина стала лучше подходить для задачи “зафиксировать как есть”.

Старые мастера могли продолжать доказывать, что у машины нет души. Что она не понимает красоту. Что она не выбирает. Что она не творит, а только копирует.

Но это уже не возвращало рынок.

Часть профессии действительно умерла. Часть людей переучилась и стала обслуживать новую технологию. Кто-то начал улучшать машинный результат вручную. Кто-то открыл студии вокруг новой машины. Кто-то стал использовать ее как инструмент, хотя еще недавно называл угрозой.

А дальше произошло самое интересное.

Искусство не умерло.

Умерла только его обязанность быть дорогим способом получить правдоподобную картинку.

Когда у художника отобрали монополию на “похоже”, он был вынужден искать ответ на более сложный вопрос: если не похоже, то зачем?

И вот отсюда началась свобода.

Можно было больше не соревноваться с зеркалом. Не доказывать, что ты умеешь точно передать лицо, складку, фасад, облако, лошадь, толпу, руку. Можно было рисовать не то, как мир выглядит, а как он ощущается. Как он ломается в памяти. Как он устроен внутри. Как свет распадается. Как человек видит, а не как аппарат фиксирует.

Машина забрала у искусства работу.

И тем самым заставила искусство вспомнить, что оно не сводится к работе. А все же является творческим выражением внутреннего мира кожаного художника.

«Ох уж эти диффузионные модели, генераторы видео и синтетический звук.» — подумали вы.

Но это история 1839 года.

“Машина, которая делает изображения” — дагерротип, ранняя фотографическая технология Луи Дагера. О ней публично объявили во Франции 7 января 1839 года, когда Франсуа Араго рассказал об изобретении в Парижской академии наук. Позже Франция выкупила патент и раскрыла технологию.

“Специалисты, которые говорили, что это не искусство” — академические художники и критики XIX века. Их аргумент звучит почти так же, как сегодняшние споры об ИИ: аппарат механически фиксирует поверхность, у него нет воображения, выбора и души.

“Главный рынок, который рухнул” — портреты, миниатюры, виды городов, изображения зданий и достопримечательностей. До фотографии это был хлеб тысяч художников. Дагерротип давал похожее изображение за минуты и за небольшие деньги. Часть художников разорилась, часть стала раскрашивать дагерротипы, часть открыла фотоателье.

“Потом пришло в журналистику, политику и войну” — это развитие фотографии в середине XIX века. Роджер Фентон снимал Крымскую войну. Мэтью Брэди и его студия сделали фотографический образ Авраама Линкольна массовым политическим медиа образом.

“Сначала картинки, потом движение, потом звук” — это не ИИ-таймлайн, хотя звучит именно так. Это фотография, потом кино, потом звукозапись и звуковое кино. Одна и та же логика механического воспроизведения постепенно забирала у старых искусств разные функции: изображать, двигаться, звучать, документировать.

“Похоже?” — это старая метрика живописи. Леонардо сравнивал ум живописца с зеркалом. До фотографии точность подражания была одним из главных критериев качества изображения.

“С сегодняшнего дня живопись мертва”.

Фраза, которую приписывают Полю Деларошу после появления дагерротипа.

Она была понятной, но в корне неверной.

Просто после Дагера условный «Леонардо» больше не обязан был работать как объектив. Так и сейчас — искусственный интеллект — это просто инструмент в руках творческого кожаного с уникальным, как снежинка мозгом и восприятием мира.

Как я настраивал себе второй мозг на автопилоте

Здесь в Вене, у меня давно была мечта  – собрать нормальную личную базу знаний. Не папку с заметками, не кладбище markdown-файлов, не «я когда-нибудь это разберу», а живую систему, в которую можно закинуть годы цифрового мусора и потом действительно что-то находить.

За последние дни мы с Hermes допилили такую штуку вокруг https://github.com/garrytan/gbrain — это такой open source концепт-проект, «Second Brain» для ИИ-агентов от Garry Tan, CEO Y Combinator. Если очень грубо — это слой памяти между человеком и агентами. Туда можно складывать заметки, архивы, старые посты, wiki, рабочие материалы, наблюдения, транскрипты — буквально всё что угодно. Потом всё индексируется, ищется по смыслу и становится доступно агенту как контекст.

И вот это для меня главное. Получается не «ещё один Notion». Не «ещё один markdown vault». А место, где данные можно накапливать годами и потом использовать всюду.

У gbrain есть интеграция с агентами и свой MCP server, то есть его можно подключать к инструментам вроде Claude Code, Cursor, Windsurf и другим клиентам, которые понимают MCP.

Заметки перестают быть просто заметками. Они становятся долгосрочной памятью, которую можно дать разным ИИ-инструментам.

Агент Hermes (https://hermes-agent.nousresearch.com/) в этой истории — всего лишь инструмент, который помогает всё это разбирать, импортировать, чинить, дополнять и поддерживать в актуальном состоянии. То есть не просто «спросил чатик», а постепенно построил систему, которая сама себя обслуживает. Это сработает и c Claude Code, и с модным Openclaw. Я просто хотел попробовать что-то новое.

Звучит достаточно примитивно, но на практике это, конечно, не «подключил ChatGPT к папочке», чуть сложнее.

Сначала надо было собрать источники. У меня их оказалось много: старый Second Brain (экспорт и обогащение подробно описано тут), Obsidian, гиперлинкованная wiki — первая попытка построить что-то вроде личной Википедии, заметки из разных приложений, архивы соцсетей, рабочие заметки, куски прошлых проектов. Всё лежало в разном виде, с разной структурой, кодировками, форматами и степенью запущенности. Соответственно, надо было превратить это в страницы, которые gbrain может нормально индексировать. То есть не просто «импортировать файлы», а сделать так, чтобы они стали полезными: с заголовками, датами, источниками, ссылками, тегами, кусками текста, которые можно искать семантически.

Самая скучная часть оказалась самой важной: пайплайн.

Импорт → проверка → эмбеддинги → поиск → исправление → повторить.

Когда у тебя тысячи, десятки тысяч страниц, нельзя просто сказать агенту «разбери всё». Он обязательно где-то упрётся: файл не скачался, архив оказался плейсхолдером, база занята, фоновая задача не увидела нужные настройки, старый экспорт оказался не тем форматом, который ожидался. Классика.

Поэтому мы постепенно превратили это в инженерный процесс:

  1. маленький тест на 3-5 элементов
  2. проверка результата глазами
  3. фиксим конвертер или правило
  4. только потом массовый импорт
  5. после импорта — эмбеддинг (векторизация через OpenAI) и поиск
  6. после поиска — sanity check: можно ли действительно найти то, что я помню?

Очень быстро стало понятно, что Second Brain без автопилота умирает. Если его надо вручную «обновлять», «переиндексировать», «не забыть запустить», он превращается в ещё одну систему, за которой надо ухаживать. Поэтому мы с Hermes сделали автоподдержку: теперь gbrain периодически просыпается, смотрит, что изменилось, обновляет индекс, добивает stale-эмбеддинги, прогоняет maintenance-процессы и пишет отчёты только если что-то пошло не так. В идеале я вообще не должен об этом помнить.

Отдельная история — Facebook (покинут в 2018) и X/Twitter (единственная моя соцсеть). Например, у меня был полный экспорт старых твитов до ноября 2024, плюс есть текущие посты и закладки. Мы подключили bird (от создателя OpenClaw), сделали конвертер и теперь X тоже попадает в brain:

  • старые посты разложены по месяцам
  • новые посты подтягиваются регулярно
  • закладки сохраняются как отдельный поток сигналов
  • у каждого поста остаётся ссылка на оригинал
  • raw-данные сохраняются отдельно, чтобы потом можно было перепроверить

Это неожиданно ценно. X — не просто соцсеть, а слой мышления. Там часто появляются короткие формулировки, которые потом становятся постами, продуктами, решениями или просто хорошими наблюдениями. Если их не сохранить, они растворяются.

Что в итоге получилось?

Не «идеальная база знаний». Таких не бывает. Получилась живая система, которая:

  • помнит мои старые заметки
  • ищет по смыслу, а не только по словам
  • знает, откуда взялся текст
  • обновляется без ручного шаманства
  • может отдавать контекст разным агентам и редакторам через MCP
  • позволяет ИИ работать не с пустой головой, а с моим накопленным контекстом

И вот это и есть, как мне сегодня кажется, главный сдвиг.

Большинство ИИ-инструментов сегодня работают как очень умный собеседник с амнезией. Ты каждый раз заново объясняешь, кто ты, чем занимаешься, какие у тебя проекты, где что лежит и почему это важно.

Second Brain меняет механику. Агент уже не просто отвечает на вопрос. Он может сначала посмотреть, что я уже писал, какие решения принимал, какие проекты у меня есть, какие люди и компании упоминались раньше, какие идеи повторяются годами.

Это уже не чат. Это больше похоже на операционную систему для личного контекста.

Пока всё ещё сыро. Много ручной работы, много странных edge cases, много «почему это опять не проиндексировалось». Но направление мне очень нравится.

У меня ощущение, что следующий большой скачок в личной продуктивности будет не от ещё одной модели, которая умнее на 8% в бенчмарке, а от нормальной связки: личный архив + семантический поиск + агент + автоподдержка + MCP

Память, которая не лежит мёртвым грузом.

Память, с которой можно работать.

Постараюсь не забывать обновлять этот блог, например.

P.S.: Теперь самое смешное — статистика.

Читать далее →

В поисках капитана Кулеша

Вики семьи Кулешей

Здесь в Окленде родители нарисовали в какой-то момент генеалогическое дерево и отмотали его аж до начала XX века. С деревом этим в бумажном формате — два листа A2, склеенные скотчем — я ходил когда-то в новозеландский консулат Польши, чтобы начать путь репатриаци по корням.

Сто с гаком лет назад было время, когда моя польская семья переехала из польской деревни Коженёвка (существует по сей день) на Дальний Восток Российской империи в Амуро-Балтийск. Кто-то умер по дороге, кто-то обосновался и застрял в СССР. Записи в империи почти все, конечно, потерялись, история стёрлась и восстанавливать пришлось по крупицам: их убивали, ссылали, сажали — обычные совковые дела. Стёртая семейная история — одна из вещей, которая меня расстраивает и тревожит до глубины души.

Мой отец лет десять назад активно занялся архивами, чтобы собрать как можно больше информации о предках. В семье его прозвали архивариусом. Буквально месяц назад он прислал мне последние документы из архивов: снимки фото из костёлов Благовещенска и бумаги о переселении из Владивостока (убыл, прибыл). Важные цветные бумажки с конкретными данными, которые можно было достать исключительно через официальные запросы в официальные архивы. Куча усилий.

Буквально месяц назад появилось в генеалогическом дереве новое имя Юлиан, отец Станислава. Сегодня я потратил весь дневной лимит токенов Claude Code Max, чтобы создать в связной системе записок Obsidian (типа википедии в виде файлов с перекрёстными ссылками) огромный «super storage» — на триста с гаком страниц энциклопедию нашего рода. Видно в связном графе, кто откуда и куда.

Все данные подтверждены официальными источниками. Можно смотреть на сканы книг из польских архивов: костёлов, места, деревню, область, откуда вышла семья, куда вошла, и что было после.

Всего лишь за один день нашлись два дополнительных колена по польской линии, два новых патриарха тех: кто был в нашей семье всегда, но о которых ни я, ни мой отец, ни все наши многочисленные родственники ничего не знали примерно никогда. Лишь слухи ходили, мол, этот помер, этот уплыл на корабле…

Это было мощно. Давно такого не было.

Я в использовал Claude Code с памятью (claude-mem) + плагин Claude в браузере (Perplexity Comet Assitant иногда перепроверял, но там дневной лимит на платные запросы довольно быстро кончился). Агенты последовательно, дотошно исследовали данные: бродили по сайтам, скачивали сканы, сверяли даты, находили в хорошем качестве скан свидетельства о браке, скан книги из костёла, сведения о смерти и рождении, записи с прибывшего в США (!) корабля и натурализации той ветки… 

Прибытие польского рабочего Николаса в США

Я всё слил в одну папку и собрал wiki на базе опенсорсной платформы staticgen (когда весь сайт генерируется на основе файлов каждый раз) Quartz. Теперь вся семья будет по секретному домену с паролем проверять, правильно ли это, и смотреть, можно ли с этим дальше что-то делать? Разумеется, там что-то пропущено или интерпретировано так, чтобы меня порадовать. Для этого и нужны люди, чтобы корректировать ошибки машин. У отца уже есть несколько комментариев. ИИ их с удовольствием примет к сведению.

Больше всего меня впечатлило, что система смогла читать сканы на латыний, польском, русском, английском языках, методично обходить архивные сайты, проверять информацию. Так, например, обнаружился американский родственник, который, оказывается воевал в Первой Мировой. О нём когда-то говорил дед, но все в семье полагали, что он фантазирует. Оказалось, это не выдуманный персонаж: действительно в американском документе указано, что Николас из польской глубинки прибыл на корабле, подпись и название деревни совпадают с той, откуда наша семья уехала на Дальний Восток, возраст совпадает. Nickolas был один из 6 детей моего прапрапрадеда — всё видно, всё прослеживается в достоверных документах. Проверено, пробито по датам, местам и событиям (записи о свадьбах, смертях и рождениях).

За сегодня, благодаря ИИ, достигнут десятикратный прогресс. За несколько десятков лет мой отец смог отмотать до Юлиана, а я после Юлиана нашёл ещё два поколения за одну (длинную) Claude сессию.

P.S.: По заявкам читателей, выложил на GitHub промпт и методологию генеалогического исследования, которую обкатал на собственной семье. Методология построена на GPS (Genealogical Proof Standard) — каждый факт маркируется: доказано, вероятно, возможно, не доказано. Всё ведётся в Obsidian vault: люди, места, документы, события — потом разворачивается в сайт через Quartz + Cloudflare Pages за 5 команд в терминале.

Главное ограничение: генеалогические сайты защищены от ботов, поэтому человек скриншотит и скачивает, агент анализирует и направляет поиск 🤝

Промпт, структура проекта, список баз данных по регионам (Польша, Россия, Германия, Беларусь, США) и типичные ловушки — всё в репозитории. Кто давно хотел покопаться в корнях, но не знал с чего начать — вот готовый рабочий пайплайн 🪵

Скачать скилл для вашего генеалогического агента можно тут: https://github.com/sliday/genealogy-research

Читать больше о таких штуках можно у меня в канале: http://t.me/aizvestia

Автостопом по робóтам

Здесь в Берлине я проездом. Не получилось сходить на Гемини Хакатон в Кракове из-за ремонта в доме и кучи сопутствующих хлопот. Буду вайб-кодить на выходных в поездах значит.

Поделюсь, пока интернета хватает только на текстовые сообщения, соображениями о том, что такое код и зачем его нужно скорее похоронить.

Вы, наверное, знакомы с парадоксом Корабля Тесея: если в корабле за время его многолетних путешествий заменяли сломанные доски и через много лет в нём не осталось ни одной молекулы исходного материала — это тот же корабль? Философы, конечно, спорят, но в основном, в практичном реальном мире функционализм побеждает

Проведём мысленный эксперимент, который не выходит из головы.

Возьмём обычное JS-приложение — конвертер единиц. Функция celsiusToFahrenheit занимает три строки: принять число, умножить на 9/5, прибавить 32. Плотный, однозначный код. Машина поймёт, человек — если знает синтаксис.

  function celsiusToFahrenheit(value) {
    const n = Number(value);
    return n * 9 / 5 + 32;
  }

Напишем тулзу (я назвал её Tril в честь персонажа известной книги и её рыбки-переводчицы). Рыбка берёт каждую функцию в репозитории и заменяет сухой код на понятный и простой английский текст. Обратите внимание — не комментарий к коду, не документацию, а сам код заменяется. Будто один человек другому по телефону пересказывает, что должно происходить.

Что происходит дальше, думаю, не сложно догадаться. Функция за функцией, как доски в корабле Тесея — весь репозитория заменяется на, возможно, не очень интересную, но связанную и подробную историю изменения состояний переменных, функций. После каждой микро-замены — автоматические тесты. Приложение должно работать после каждой итерации. Плавучесть корабля после ремонта меняться не должна.

На выходе Trillian выдаёт .md файл. Обычный маркдаун. GitHub его рендерит, телефон его показывает, а главно — любой человек его читает.

Для примера выше, в тексте написано буквально следующее:

«Цель: конвертировать температуру из Цельсия в Фаренгейт. Шаг 1: умножить на 9/5. Шаг 2: прибавить 32. Граничные случаи: если вход не число — вернуть NaN. Если null — трактовать как ноль.»

А потом этот маркдаун запускается. tril run поднимает HTTP-сервер. Когда приходит запрос, он не вызывает JavaScript. Он отправляет текстовое описание функции в Claude через инлайн-формат claude -p "PROMPT" и ждёт результат. LLM читает инструкцию на человеческом языке и выполняет её. Просто.

С простецкой функцией перевода градусов в непонятную американскую фигню ИИ справился отлично. Тесты подтвердили.

Понятно, что это было медленно и дорого, и вообще не практично. Каждый запрос — это вызов LLM, задержка в секунды вместо микросекунд. Но дело не в производительности. Дело в том, зачем вообще существуют языки программирования?

Они существуют от большой нужды. Их придумали занудные люди, чтобы машина давала точный результат через свою лямбда-математику и Тюринговые примитивные операции. Машина сперва понимала 0 и 1, а теперь говорит на всех языках человечества одновременно лучше чем любой из отдельно взятых индивидуумов.

Мы должны были выдумывать интерфейсы, ведь машина не понимала наших намерений. Ну, оукеей, поскрипели мозгами и изобрели формальные языки, чтобы перевести мысль в инструкции, в процедуры, чтобы кремний мог их исполнить с точностью до бита. Высоко-уровневые языки — это кайф для тех, кто писал на перфокартах, но по сути они ушли не очень далеко: JavaScript, Python, Rust — они все — костыли. Мосты через пропасть между «я хочу» и «спасибо, за результат».

Код — это сжатый человеческий язык, из которого убрали всю неоднозначность. Мой прототип «Trillian» делает обратное: разжимает челюсти детерминизма, вытаскивает концентрат и на понятном объясняет, что там происходит. Не нужно знать про заебавший в студенчестве оператор ‘;’, без которого компилятор вываливает стотыщ экранов ошибок. Оказывается, LLM способна исполнить этот текст достаточно точно, как интерпретатор исполняет код. (Это теория, я, конечно, не писал на эту тему докторскую и не прогонял миллионы примеров, тут, как говорится, добро пожаловать! Расскажите, что получилось потом)

Pull request в Trillian-репозитории — это не зашифрованный для обычного человека diff в синтаксисе, описанном в загадочных книгах с чёрно-белыми животными. Это редакторская правка обычного текста, каким мы, все нормальные люди, думаем. «Code review» становится просто «review»: «Тут написано «умножить на 9/5» — может, лучше «умножить на 1.8»?» Барьер между теми, кто пишет софт, и теми, кто им пользуется, начинает размываться.

Для тех, кто каждый день только и делает, что болтает с роботами и голосами в своей голове (ну, я например) — этот качественный скачок уже случился. Именитые программисты, включая легендарного создателя Alpha Fold, один за другим делятся в своих блогах, что уж несколько месяцев не писали ни строчки в IDE.

Сайт проекта: tril.cc

Примеры доступны в этом репозитории: https://github.com/sliday/tril

Unit Converter (JavaScript → English)

Максимально простой веб-конвертер на Express.js: шесть функций для градусов, километров, килограммов. Trillian разобрал и описал каждую функцию на английском, включая граничные случаи (null, строка, отрицательное число), и сгенерировал converter.md — GitHub-релевантную документацию. Затем tril run поднял HTTP-сервер, отправляющий текстовое описание функции в Claude и ожидающий ответ. Пять тестов (100°C→°F, 32°F→°C, 1 км→мили, 1 кг→фунты, −40°C→°F) показали совпадение результатов: JS и LLM дали одинаковые числа до шестого знака. Исходник → результат.

Stupid AI Coder (Python → English)

stupid-ai-coder — мой проект на Python двухлетней давности, 625 строк: CLI-утилита, которая итеративно генерирует код через LLM, тестирует его, ловит ошибки, управляет процессами с таймаутами и SIGKILL, парсит AST для извлечения импортов, показывает цветные диффы в терминале. Двадцать зависимостей, асинхронность, треды, работа с файловой системой — совсем не игрушечный пример. Trillian нашёл 25 функций и классов, превратил каждый в структурированный блок на английском, и на выходе получилось 705 строк маркдауна, который местами информативнее оригинального кода: например, явно описано, что run_with_timeout сначала шлёт SIGTERM всей группе процессов, ждёт 0.1 секунды и только потом SIGKILL — в Python это приходилось вычитывать из вложенных if-ов. Результат конвертации.

Корабль плывёт.

В зале ИИгровых автоматов не курить

Здесь в Ширке я обратил внимание на такой неприятный момент — каждая новая LLM модель кажется гениальной ровно неделю.

Минутка философии. Помните, Opus 4.5 был откровением. Потом «отупел». Вышел Opus 4.6 — снова магия. Через две недели Reddit уже пишет: «лоботомированный». Кажется, @levelsio об этом говорил, и я видел, как люди массово переключаются на Codex. Codex даёт щедрые лимиты на неделю, а потом недельная подписка сгорает за день. Gemini 3.1 вчера казался прорывом.

Этот цикл не заканчивается. Почему?

Потому что — и это не диагноз, просто наблюдение — дело не в модели. Дело в тебе.

It’s no them, it’s you

Это классическая габитуация — процесс формирования привычки, немножко эффект собаки Павлова, если угодно.  Тот же механизм, по которому вторая чашка кофе слабее первой. Переменное вознаграждение + новизна = дофамин. Окно промпта — это буквально слот-машина. Дёргаешь рычаг, код бежит по экрану, ты ждёшь, ждёшь, сейчас, ну давай уже — каждый раз в конце маленький сюрприз. В основном фуфло, но ведь бывает и приятный! Физически невозможно остановиться.

Как с кофе, никотином, алкоголем, героином, кокаином — одна хуйня — рецепторы в мозгу забиваются будто труба пылесоса и эффект новизны уходит. Награда становится предсказуемой. Мозг говорит: эта штука стала хуже. Ёлочка не радует.

Помните ранний интернет? Медленный, потом всё быстрее и быстрее… Когда соединение вдруг обрывается — всё, ты потерян, раздражён, не можешь ничего делать. Сидишь, как обезьяна в ворде ковыряешься.

Помните зависимость от смартфона? Все эти уведомления, приложения, новости, видео — постоянно. Ждёшь, что будут приходить ещё и ещё. Что найдёшь РЕАЛЬНО смешной / душевный / информативный / воодушевляющий / удивительный, драгоценный кусочек контента. Грустишь, когда телефон в другой комнате пару часов.

Dial-up. «Ку-ку» в ICQ. SMS-ки. Лайки в Facebook. Уведомления в Instagram. Каждый раз — более эффективная система доставки одного и того же вещества.

Сейчас: съедаешь дневной лимит токенов в Claude и сидишь, как сирота с пустой тарелкой, реально не понимая, чем заняться. Та же ломка, что в 1999-м, когда модем отваливался. То же ощущение фантомной конечности бытия, когда забыл телефон дома или в соседней комнате. О, моя прелесть.

Голод по ИИ, регулярное разочарование в казалось бы самый наилучших в мире моделях — это всё одно и то же: они никогда не будут достаточно умными. Как интернет не бывает слишком быстрый, разрешение видео в Нетфликсе слишком хорошим, FPS в игре слишком высоким…

Мы наблюдаем не за тем, как ИИ заменяет наши профессии. Мы наблюдаем, как он заменяет наш источник дофамина. Опять. И никто об этом не говорит — все слишком заняты, жмут кнопки в «слоп-машинах».

P.S.: В основном про ИИ пишу тут, в блог только длиннопосты кладу.