Post-AI Economy with Emad Mostaque — cyber•Economy

Видео обсуждает идею «самоуправляемой» или кибернетической экономики, где ИИ-агенты, данные и стимулы координируют труд, производство и распределение лучше, чем традиционные рыночные механизмы. Emad Mostaque связывает универсально доступный ИИ с крипто-стимулами и децентрализованной инфраструктурой, чтобы не отдать полный контроль над знаниями, образованием и здравоохранением крупным платформам. В центре разговора — переход к экономике, где ценность создаётся вычислениями, коллективным знанием и агентными системами, а не только человеческим трудом.

Эмад: Экономика — это ИИ. Компании — это ИИ. То, что мы действительно хотим создать, — это самоуправляемая экономика, чтобы они не делали людей грустными. И опять же, это игра стимулов. Вот почему в мир приходит новый тип рабочей силы. В следующем году станет очень трудно нанимать удаленных сотрудников, которые работали бы лучше, чем ИИ.
Поэтому, повторюсь, если мы строим кибернетическую экономику, как нам убедиться, что ИИ оптимизируются под правильные вещи?

Степан: Здравствуйте и добро пожаловать на подкаст Cyber Economy, где мы обсуждаем, как современные технологии, такие как искусственный интеллект, робототехника и блокчейн, влияют на общество и глобальную экономику. Мы также исследуем, как программируемые децентрализованные системы и дизайн механизмов помогают нам создавать новые институты, новые системы и избегать некоторых потенциальных угроз, вызванных быстрым развитием этих технологий.

Я ваш ведущий. Меня зовут Степан. Этот подкаст выходит при поддержке Cyber Fund, чья миссия — ускорить здоровый переход к кибернетической, программируемой, проверяемой и децентрализованной экономике.

Сегодня мы поговорим об изменениях, которые происходят в экономике из-за быстрого развития ИИ. На протяжении многих столетий мир жил по одному сценарию: ты усердно работаешь, и будущее будет лучше настоящего. Но теперь эта история, похоже, меняется. И причина кроется в том, что важнейший двигатель человеческого прогресса — наша креативность, наш интеллект — становится изобильным, общедоступным и программируемым. И это меняет экономику.

Сегодня к нам присоединился Эмад Мостак, основатель Stability AI, компании, стоящей за Stable Diffusion — одной из самых популярных и революционных ИИ-моделей. Эмад также недавно основал компанию Intelligent Internet, где он планирует решать некоторые из самых важных проблем человечества. А еще он недавно выпустил новую книгу под названием «Последняя экономика» (The Last Economy), в которой утверждает, что сегодня мы находимся на критическом поворотном этапе, когда ИИ делает интеллект изобильным, и это угрожает всей нашей экономической системе.

Это огромная тема, так что давайте сразу перейдем к делу.

Эмад, добро пожаловать на подкаст.

Эмад: Спасибо, что пригласили, Степан.

[Музыка]

Степан: Сегодня я хочу сосредоточиться в первую очередь на трех главных подтемах: денежной системе, рынке труда и технологиях. Вы начинаете свою книгу с концепции «инверсии интеллекта». Насколько я понимаю, на протяжении экономической истории у нас было несколько эпох доминирования разных форм капитала.

Была эпоха доминирования земли, когда владение землей было важнейшей формой капитала, дающей власть. Затем произошел сдвиг к доминированию труда, когда важнейшей формой капитала стало организованное производство. Позже, в XX веке, важнейшим средством производства стал реальный финансовый капитал.

Теперь вы утверждаете, что происходит инверсия, и называете ее «инверсией интеллекта». Можете ли вы раскрыть эту мысль и объяснить, что вы имеете в виду?

Эмад: Да. Как вы упомянули, до сих пор мы наблюдали три типа инверсий, на мой взгляд.

Первая была связана с землей, потому что у вас буквально были крестьяне и крепостные, привязанные к вашей земле. Ваша производительная сила зависела от того, сколько у вас людей и сколько земли, так как вы не были особо мобильны.

Труд вышел на первый план, когда появилось организованное рабочее движение, появились профсоюзы, права, 8-часовой рабочий день и прочее — движение, которое активно развивалось с 1950-х по 1970-е годы и вплоть до наших дней.

Затем у нас наступила фаза индустриализации, и капитал стал доминировать, потому что вы могли вкладывать деньги в строительство фабрик, робототехнику и так далее. Это усугубилось с появлением сетевой социальной экономики интернета и SaaS-компаний, где маржинальные издержки на масштабирование были крайне низкими — вы просто копировали программное обеспечение.

Что интересно сейчас: происходит инверсия интеллекта, при которой больше недостаточно иметь мускулы или даже капитал. Ключевым дифференциатором (хотя это и связано с капиталом) становится то, сколько у вас интеллекта. И под интеллектом мы подразумеваем искусственный интеллект, потому что модели сейчас достигают такого уровня, что тот, кто обладает наибольшим интеллектом, становится маржинальным производителем.

И этот интеллект не нуждается в еде. Он не платит налоги. Ему не нужно оплачивать бытовые нужды. Вот почему в мир приходит новый тип рабочей силы. Это то, что мы называем метаболическим разрывом, отрывом труда от капитала. Если традиционно труд получал капитал через контракт, о котором мы говорили, то теперь это не так. Капитал будет просто покупать вычислительные мощности (compute), и те, у кого лучшие вычисления, будут превосходить остальных.

И это то, чего мы никогда раньше не видели. Это не оставляет нам пространства для маневра, потому что нашей последней точкой опоры, когда наши мускулы и физическое присутствие стали не нужны, был наш интеллект. Но теперь у нас есть новая сущность, которая обладает превосходящим интеллектом и способностями. И мы находимся в точке взлета прямо сейчас.

Степан: В своей статье вы также упомянули, что одним из последствий этого является то, что ИИ — это индустрия с отрицательными маржинальными издержками. Как это выглядит на практике? Как маржинальные издержки могут быть отрицательными для продукта или услуги?

Эмад: Ну, я думаю, здесь есть несколько моментов.

С одной стороны, ценность человеческого труда становится отрицательной, потому что вы — самый глупый человек в комнате, когда находитесь среди кучи ИИ. С другой стороны, мы видим огромную экономию от масштаба самого ИИ. Обратная связь от сбора данных, получаемая при правильном внедрении ИИ, приводит к созданию огромного конкурентного рва и инкрементального преимущества над всеми остальными.

В то же время стоимость определенной единицы интеллекта может резко снизиться за счет улучшения на основе пользовательского фидбека. Иногда мы видим 10-кратное снижение удельной стоимости развертывания просто за счет обучения на пользователях и паттернах их использования. Совсем недавно мы видели это в GPT-4 Codex (опечатка спикера, вероятно имеется в виду GPT-4/o), где он внезапно стал использовать в 10 раз меньше токенов, потому что изучил паттерны.

Поэтому, вместо того чтобы расти, совокупные издержки на самом деле падают по мере масштабирования, чего мы никогда раньше не видели. Вместо того чтобы стоить 10 долларов за миллион токенов, это внезапно стоит 1 доллар за миллион токенов. И этот чистый эффект применяется ко всем инстансам модели одновременно. Мы не наблюдаем такого в классическом программном обеспечении. Разворачивая Salesforce, вы получаете скидки за объем и сроки, но вы не получаете такого массового эффекта, когда стоимость может упасть на порядок для всех инстансов сразу только за счет данных и знаний. Это ведет к отрицательным маржинальным издержкам и усиливает защитные рвы тех, у кого есть доступ к дистрибуции и данным.

Степан: Да. Это подводит нас к очень важному вопросу о власти и контроле. С одной стороны, один из возможных сценариев будущего состоит в том, что несколько крупных корпораций или правительств просто будут контролировать все системы ИИ. Это ведет к почти тоталитарному обществу, где единицы имеют контроль над всеми благодаря этим сетевым эффектам и экономии от масштаба.

И, как вы упомянули, альтернативный путь — это фрагментация, некая новая холодная война, где каждое правительство пытается закрыться, пытается изобрести свой собственный суверенный ИИ, пытается конкурировать, и мы получаем холодную войну соревнующихся ИИ.

Какой из этих сценариев вы считаете более вероятным, и есть ли третий? Есть ли решение у этой дилеммы?

Эмад: Да, я думаю, это классическое противостояние централизации, децентрализации и «файрволов». То, что мы видим сейчас — крупнейшие ИИ-компании обладают огромной властью и агрессивно ее используют. Например, OpenAI планирует потратить 200 миллиардов долларов в ближайшие несколько лет.

В этом году OpenAI потратит на инференс столько же, сколько составляет весь бюджет безопасности Bitcoin. Фактически, они уже привлекли больше денег, чем стоил весь Манхэттенский проект. Манхэттенский проект обошелся примерно в 40 миллиардов, а они привлекли 60 миллиардов. Тот факт, что у них есть контроль над этим ИИ — невероятно мощный инструмент. И они используют его для внедрения в правительства, в общества и так далее.

Опасность в том, что один конкретный тип ИИ станет доминирующим (или несколько). С другой стороны, мы видим все большую обеспокоенность государств по поводу суверенитета ИИ. Это можно рассматривать как продолжение ситуации с TikTok. Правительство США заставило продать TikTok, потому что он влиял на умы. Но ИИ влияет на умы людей куда лучше.

Будет ли правительство США чувствовать себя комфортно с китайским ИИ и наоборот? Будет ли китайское правительство чувствовать себя комфортно с американским ИИ, учитывая, что он будет направлять вас и сопровождать всю вашу жизнь? Ни один из этих двух вариантов, на мой взгляд, не является позитивным, потому что вы будете доверять этому ИИ больше, чем кому-либо другому, и он буквально будет управлять нашими правительствами и экономиками.

Кажется, Албания только что назначила первого министра по вопросам ИИ, который будет заниматься всеми госзакупками. Какая модель управляет этим министром? Я не знаю, но, скорее всего, что-то благосклонное к OpenAI. Это ведет к будущему, где ИИ принимает за нас множество решений, потому что он делает это лучше. И плоскости контроля для этого должны быть открытыми и суверенными, и данные тоже должны быть суверенными.

Я не против, если моего ребенка обучает интерфейс, которым я владею, и его данные приватны, при этом используя ChatGPT на бэкенде. Но я категорически не хочу, чтобы его воспитывал сам ChatGPT напрямую. Я не хочу, чтобы он управлял моим правительством или моей системой здравоохранения. Нам нужен хотя бы какой-то слой интерфейса поверх интеллекта, и нам нужно, чтобы системы и агенты, которые взаимодействуют с нами на индивидуальном, общественном и социальном уровне, оптимизировались не ради корпоративной прибыли, а ради нашего процветания.

Потому что целевая функция (objective function) в ИИ значит больше, чем что-либо еще, особенно по мере нашего приближения к AGI (сильному ИИ). И поэтому я считаю, что есть третий вариант — человеческий симбиоз ИИ и людей, который максимизирует нашу субъектность (agency), а не заменяет нас агентными системами.

Степан: И что, по вашему мнению, нужно для перехода на этот третий, симбиотический путь? Ведь существует естественная тенденция крупных корпораций... Например, у Google есть огромная дистрибуция, и компания очевидно заинтересована в сохранении и увеличении этого масштаба, в создании лучших моделей и экономии от масштаба за счет дата-центров, TPU, GPU. Как нам реально встать на этот путь симбиоза?

Эмад: Я думаю, главное правило: если вы хотите изменить поведение, нужно изменить стимулы. Сейчас существует огромный спрос на качественный интеллект — от личного до творческого, от корпоративного до государственного. 20% мирового ВВП — это госсектор, 10% — образование, 10% — здравоохранение. Для меня именно этот ИИ имеет решающее значение для суверенитета.

Используйте любой ИИ, какой хотите, для создания видео, картинок, написания историй или управления своими корпорациями. Это решение свободного рынка. Но с другой стороны, так же как Bitcoin стал независимой, не требующей разрешений (permissionless) системой для денег, нам нужен практически не требующий разрешений, универсально доступный ИИ. И он может использовать Gemini и прочие решения для определенных задач, но не должно быть так, чтобы Google владел всем стеком образования, здравоохранения или государственного управления.

Для этого вам нужна какая-то схема стимулирования. И именно здесь, на мой взгляд, крипта становится действительно интересной с точки зрения прозрачности, устойчивости и стимулов — трех вещей, в которых она хороша. И у нас уже был подобный пример, когда большая часть мировых вычислительных мощностей ушла в Bitcoin и Ethereum. Они давали самую высокую доходность на маржинальный доллар.

То, что нам нужно сделать сейчас, — это внедрить систему стимулов для маржинального доллара, чтобы самый высокий стимул из триллионных затрат мира на вычисления шел на развитие согласованного (aligned) искусственного интеллекта, который приносит максимальную пользу людям, а не на приватизированный, корпоративный ИИ. Тогда разработчики будут это строить, потому что там будет рыночная возможность.

Учитывая огромный спрос на цифровые активы и недавние действия США, сейчас идеальное время для объединения этих двух сфер.

Степан: Да. Время, безусловно, кажется подходящим. Однако здесь есть два аспекта. Во-первых, со стороны крипты. Я полностью согласен, что крипта отлично подходит для дизайна стимулов, вероятно, это лучшая технология для программируемых рынков.

Тем не менее, мы видели множество проектов и платформ децентрализованного ИИ, и большинство из них не смогли создать по-настоящему конкурентоспособные модели. Почему? Потому что одних только стимулов недостаточно для создания модели уровня state-of-the-art, или хотя бы модели, которая достаточно хороша, доказуемо честна, открыта и непредвзята.

Вы, очевидно, добились этого со Stable Diffusion, так что у вас гораздо больше опыта, чем у большинства людей в индустрии блокчейна. Мне интересно: как должно работать это сочетание? Мы можем спроектировать стимулы, опираясь на опыт Ethereum и Bitcoin. Но как это будет работать на технологическом уровне и уровне ИИ? Ведь сейчас децентрализованно скоординировать столько же вычислительных мощностей, сколько есть у крупнейших лабораторий и корпораций, невозможно.

Эмад: Да, тут возникает вопрос: а сколько вычислений на самом деле нужно? В Stability мы использовали около 10 000 ускорителей A100, плюс H100, TPU и так далее, и мы выпускали передовые модели каждого типа. Но делать это сложно. Мы выпускали модели для изображений, видео, сворачивания белков, потому что это требует отличного вкуса. Фактически, именно за это Meta платит миллиарды долларов.

Но это возможно, если вы сфокусируетесь. Если вы пытаетесь построить AGI, вы соревнуетесь со всеми. Так что вопрос в том, какой именно ИИ и для чего вы строите? Если вы пытаетесь создать лучшего врача, это гораздо более простая задача. Мы создали лучшую в мире медицинскую open-source модель, iMedical, которая превосходит Med-PaLM, несмотря на то, что у нее лишь малая часть параметров. Она превзошла вообще всё, кроме GPT-4 (опечатка, имеется в виду GPT-4/5). И я уверен, что к концу года мы обойдем и GPT-4 с моделью всего на 8 миллиардов параметров, потому что мы очень сфокусированы на этом. Мы решили, что к следующему году у каждого должен быть бесплатный медицинский ИИ просто потому, что это благо.

Схема механизмов стимулирования, которую мы рассматривали, такова: если вы пытаетесь сделать «ИИ для всего», то это высококонкурентная среда, а технологии распределенного обучения только зарождаются. Если вы посмотрите на что-то вроде Bittensor, они все еще дорабатывают свою экономику; они выпустили токенов на миллиард долларов за последний год, но показать им особо нечего.

Сейчас появляются интересные вещи на уровне агентов и инференса. Требуется время, чтобы запустить эти системы в полностью децентрализованном формате. Вот почему вам нужно четко определить, каков ваш механизм стимулирования и что именно вы пытаетесь сделать.

То, что мы пытаемся сделать в Intelligent Internet, — это создать «полезные вычисления» (beneficial compute) для создания очень специфических моделей и агентов для здравоохранения, образования, правительств — для публичного сектора. Там, где в любом случае есть определенный спрос. Подход, который мы выбрали, основан на идее, что для века интеллекта нужна новая валюта и экономическая система. Биткоин был хорошей версией V1.

Что, если бы у вас был биткоин, но он майнился бы на основе этого массивного роста вычислительных мощностей госсектора? Географически распределенный, где каждая первичная продажа монет идет на то, чтобы дать людям бесплатный ИИ или систематизировать нашу коллективную мудрость об онкологии, образовании и так далее?

Это то, что мы называем Foundation Coin. И здесь очень понятная петля обратной связи. Если бы OpenAI сделала нечто подобное и обеспечила безопасность всех этих проектов Stargate в качестве узлов, это стоило бы огромных денег, потому что они создают хорошие модели и делают их доступными. Мы хотим создавать хорошие модели, делать их доступными, а также использовать лучшее даже из проприетарных моделей для предоставления услуг, потому что этот уровень интерфейса имеет значение.

Если каждая продажа монет идет на вычисления для предоставления людям ИИ, на создание хорошего ИИ, который вы выпускаете в open-source, это потрясающая петля обратной связи, которой, на мой взгляд, в крипте еще никто не видел. В крипте сейчас проблема в доверии к активам. У проектов вроде Optimism есть ретроактивное финансирование общественных благ (RPGF), но это немного размыто: если вы финансируете команду разработчиков, вы не совсем понимаете, что получите в итоге.

Но если мы делаем продажу монет и все доходы идут на суперкомпьютер для лечения рака, чтобы систематизировать все мировые знания об онкологии и выдать гранты исследователям с полной прозрачностью — это очень четко определенный класс благ. Кто-то должен строить это как инфраструктуру. То же самое для аутизма, Альцгеймера, для систематизации культуры Молдовы или Болгарии, потому что нам нужно организовать эти данные и сделать их доступными.

И вот наша петля обратной связи: чем большему количеству людей вы помогаете с помощью этого универсального бесплатного ИИ, тем выше доверие к активу. Вы наращиваете вычислительные мощности в каждой стране, чтобы дать всем бесплатное образование, здравоохранение и госуслуги, и всё это финансируется спросом на цифровые активы. Это наш базовый цикл.

Когда вы усложняете систему — двусторонние маркетплейсы, конкуренция за создание AGI — проекты пытаются перепрыгнуть через ступеньку. А всё, что нам действительно было нужно, это кластеры для создания качественных открытых наборов данных и инференс, чтобы дать людям качественный согласованный ИИ. Это то, что нам нужно сегодня. Возможно, в будущем нам понадобится что-то другое, но эта задача гораздо уже, чем создание AGI или конкуренция с частным сектором.

Степан: Но в чем будет заключаться захват ценности (value capture) или хотя бы циркуляция ценности внутри системы? Вы можете создать открытый датасет, открытую модель, а затем любая компания, стартап или корпорация может взять её, коммерциализировать, получить нужную лицензию, нанять отдел продаж, упаковать и извлекать из этого прибыль.

Эмад: Да. Прямо как со Stable Diffusion. Любой мог использовать его без разрешений. Вы просто скачивали веса, и вокруг этого выросла экосистема, верно? Это стало стандартом по умолчанию (shelling point).

Как формат VHS в свое время, вы хотите стать стандартом по умолчанию для здравоохранения, образования и других сфер, чтобы снизить затраты и сделать их доступными.

То, что мы на самом деле делаем — мы подключаемся к неизбежному росту вычислений для здравоохранения, образования, правительства, финансовых услуг. И мы хотели бы запускать комплаенс-узлы (compliant nodes) для обеспечения безопасности нашего эквивалента форка биткоина, который мы называем Foundation Coin.

Это на 99% тот же код, что и у Bitcoin, но с другим механизмом консенсуса, потому что его майнят наши национальные чемпионы. Этот неизбежный рост означает, что каждая первичная продажа увеличивает вычислительную мощность сети и количество пользователей, использующих универсальный ИИ. У вас есть сетевые эффекты, дистрибуция и вычисления, обеспечивающие безопасность валюты. Конкуренция идет на уровне того, что это монетарный актив. Это ваш новый эквивалент биткоина.

Мы позволяем пользователям стейкать его, чтобы направлять вычислительные мощности сети на лечение рака, образование или болезнь Альцгеймера. Это очень чистый, простой цикл. Мы хотели создать валюту, о которой вы могли бы рассказать своей маме. Это как биткоин: почти тот же код, но 100% моих покупок пошли на исследования Альцгеймера. Вот гранты, которые они выделяют на платформе, а вот люди, страдающие от Альцгеймера, которым они дали бесплатного чат-бота. Вот какая здесь петля обратной связи.

Возвращаясь к книге: мы поняли, что нам нужен новый способ думать о деньгах. Биткоин был обеспечен энергией и её добычей, и это нормально, потому что он создал устойчивые к цензуре деньги. Но деньги будущего, вероятно, должны иметь какую-то связь с растущим объемом вычислительных мощностей, затратами на интеллект, превращением данных в интеллект, а интеллекта — в мудрость.

И если мы сможем привязать это к помощи людям (benefit), вы сможете создать заслуживающий доверия актив. Первичные продажи идут на это благо, что мы называем «доказательством пользы» (proof of benefit). Это не так децентрализовано, как Bitcoin, но, возможно, более географически распределено. Это лучше, чем Ripple, и более целенаправленно, чем Bittensor.

И, в конце концов, кто-то должен это сделать. Учитывая все технологии, которые у нас есть сегодня, почему до сих пор нет суперкомпьютера, который систематизировал бы наши знания о раке, долголетии, болезни Альцгеймера и сделал бы их доступными для всех? Потому что ни у кого нет стимула это делать.

И способ профинансировать всё это — спрос на высококачественные цифровые активы. Вам не нужны классические частные, экстрактивные модели.

Степан: Да. Позвольте мне резюмировать это, и поправьте меня, если я ошибаюсь. Идея в том, что все существующие в истории денежные системы создавались на основе дефицита — дефицита земли, труда, дефицита атомов (золота на планете), и именно поэтому золото имеет ценность.

И цель системы, которую вы хотите построить, — это создать денежную систему, сбалансированную на дефиците координации исследований в различных областях ИИ, а не на единой модели, архитектуре или огромном суперкомпьютере типа AGI. Верно?

Эмад: Ну нет, всё немного сложнее. Создавать AGI можно бесконечно долго, мы не знаем верхнего предела. А вот создать отличный медицинский ИИ и сделать его доступным для всех, или ИИ для образования — это S-образная кривая, где нам нужно захватить наши общие знания, отраслевые знания и локальные знания.

Так что первая фаза — это применение большого объема вычислений через систему стимулов, подобную Bitcoin, для наращивания GPU и создания этих знаний. То есть это очень четко определенная цель. Мы не стравливаем всех в конкурентной борьбе. Это ключевые команды, работающие над отличным стеком для образования, Альцгеймера и так далее.

Экстерналия (побочный эффект) здесь в том, что вместо решения SHA-хэшей вы реально помогаете людям, наращивая при этом все больше и больше вычислений, и внедряетесь в повседневную жизнь, давая каждому согласованный с ним ИИ.

Затем можно делать интересные вещи, потому что базовый дефицитный актив (ведь мы переходим к изобилию интеллекта) теперь обладает кристаллизованными знаниями и по сути является монетарным активом наряду с Bitcoin. Он даже использует те же приватные ключи, потому что мы используем те же криптографические алгоритмы. Вы можете легко переключаться между ними. Если вы атомарно меняете свой Bitcoin на Foundation Coin, вы получаете Foundation Coin, а 100% вашего Bitcoin идет на исследования рака. Насколько это круто, верно? Это создает новый способ восприятия денег людьми, пока они зарабатывают на росте цифрового актива.

Затем мы подумали, и мы обсуждаем это в книге (я немного забегаю вперед), что лучшие экономики — это на самом деле двойные экономики. Как золото, привязанное к местным национальным валютам.

Мы подумали: вместо нынешней системы с фиатными деньгами, где каждый доллар, положенный в банк, создает «внутренние деньги» через долг, что, если бы у вас был этот Foundation Coin, который запускает создание этой глобальной полезности (utility) и поддерживает ее через эмиссию? Но при этом каждый пользователь имел бы то, что мы называем CC (Culture Coin) — национальную валюту, которая чеканится через использование универсального ИИ просто за то, что вы человек? Если вы пользуетесь образованием, здравоохранением, госуслугами, вы очень быстро формируете свою идентичность. И туда можно добавить вещи вроде Worldcoin. И это можно привязать к вашему FC (Foundation Coin).

Таким образом, у вас есть ваше «золото» и ваши «наличные». Потому что универсальный базовый доход (UBI) — все эти предложения не работают математически с текущей налоговой базой. Возможно, мы не дойдем до создания CC. Но FC уже достаточно хорош, чтобы создать действительно полезный цифровой актив, и это новшество для крипты, потому что 100% доходов идут на супервычисления во благо.

Если мы сможем внедрить этот новый подход к деньгам, где вы получаете деньги просто за то, что вы человек, а национальные государства (через своих национальных чемпионов) будут накапливать эту резервную валюту как средство сбережения, тогда мы получим лучшее из обоих миров. И у вас появится отличный способ обеспечить не только универсальный базовый доход, но и «универсальную базовую способность» (universal basic capability) за счет доступа к универсальному ИИ.

Конечно, построить любую новую экономическую систему сложно, и именно поэтому мы написали книгу и создали инфраструктуру. Но базовый актив Foundation Coin — это как Bitcoin, только вычисления используются для добрых дел. Чем больше мы продаем, тем больше хорошего мы делаем, тем большему количеству людей мы помогаем. Это новая петля обратной связи в отличие от классической. А учитывая, что вычислительные мощности будут расти в любом случае, через несколько лет у нас может быть больше вычислительных мощностей, чем у Bitcoin.

Степан: Да. Определенно.

Итак, я хочу поговорить о денежной системе, но, возможно, перед этим... В последние годы, особенно в последние месяцы после релиза GPT-4 (опечатка спикера, "GPT-5" в оригинале, по контексту o1/4o), изменилось то, как люди воспринимают развитие ИИ. Целевая дата создания AGI постоянно сдвигается. Пару лет назад люди прогнозировали, что это займет три-четыре года. Теперь, после релиза новых моделей, мне кажется, для многих в Twitter это событие 오히려 отложилось и перенеслось.

Но я думаю, что происходит вот что: просто начали работать другие законы масштабирования (scaling laws). Например, претренировка для базовых моделей (foundational models) уже не улучшается так быстро, поэтому мы не видим столь резких изменений. Зато теперь у нас есть среды RL (обучения с подкреплением), многоагентные системы и так далее. Чтобы оценить влияние на общество (и насколько срочно нужна ваша система, когда мы говорим о UBI, рынке труда, персональном ИИ), я считаю важным иметь четкий прогноз того, как быстро развитие ИИ повлияет на нас.

По вашему мнению, какой закон масштабирования работает прямо сейчас, и где вы ожидаете следующих крупных инноваций?

Эмад: Да, я думаю, это заблуждение, и люди совершенно неправильно поняли релизы OpenAI (GPT-4o/o1). Это не их самая мощная модель (GPT-4o), тогда как исторически предыдущие релизы всегда были самыми мощными. У них была модель (условно GPT-4.5), но она была просто слишком дорогой.

Мы должны помнить, что прошел всего год с момента анонса первого подхода к reasoning-моделям (o1). Прошло всего три года с момента релиза ChatGPT. Подумайте о темпах — меньше тысячи дней.

То, чем была модель GPT-4o — это модель Парето-оптимума. Она была самой дешевой в своем классе для каждой отдельной задачи, но у нее не было огромного скачка в способностях. Вместо этого они смотрели на баланс качества и дешевизны. Это позволило им масштабироваться и дать доступ к мышлению миллиарду пользователей. Доля пользователей сложных (thinking) моделей выросла с 3% до 17%. И это дало лучшие результаты.

Если вы хотите посмотреть на фронтир (передовой край), Grok (вероятно, опечатка спикера: Grok 2/3 или GPT-4) был следующей моделью нового поколения. Мы должны, на мой взгляд, смотреть на модели верификаторов и reasoning-модели (рассуждающие модели), которые выиграли золотую медаль на Международной математической олимпиаде (IMO) и правильно ответили на все вопросы ICPC.

Степан: Да, это сложнейшее соревнование по программированию с лучшими программистами из университетов мира.

Эмад: Она получила высший балл, но 11 из вопросов были сгенерированы с помощью базовой модели. Ей даже не понадобилась новая мощная модель для их решения. Новая модель просто выбирала из предложенных решений и затем решила последнюю задачу.

Степан: Ответы были получены базовой моделью.

Эмад: Да, базовая модель решила 11 задач. Gemini (deep think) решила только 10 из 12. А эта модель, к которой у нас всех есть доступ, набрала 11 баллов. Но затем с помощью верификатора система выбрала лучший ответ из сгенерированных и решила последнюю задачу.

То, что мы увидим сейчас — это некоторое расхождение, потому что OpenAI должна обслуживать миллиард пользователей. Вы видели массовое ухудшение производительности Claude, потому что на этапах компиляции закрались небольшие ошибки, и модель стала глупее или агрессивнее.

Массовые пользователи получат «модель для масс», а лучшие модели будут слишком большими, чтобы давать их всем. Они будут просто слишком дорогими. Они не будут работать на одном H100. Они будут работать на кластерах Blackwell из 72 чипов или пластинах Cerebras.

Но что еще важнее — мы видим увеличение времени вычислений (computation time). Это Agent 3 от Replit. Это новый Codex от OpenAI, который может работать 7 часов подряд. И вот что действительно имеет значение. Экономически ценная работа — это не «работа золотой рыбки» (goldfish work), как я это называю. Именно таким ИИ был до недавнего времени.

Тебе нужно дать ему задачу, получить ответ, снова дать задачу, получить ответ. Это утомительно. Это как иметь рядом очень услужливого, но требующего контроля помощника. Каким бы умным он ни был, вы не хотите постоянно переписываться с ним. Вы хотите иметь эти циклы верификаторов (verifier loops), циклы RL, которые могут выполнять сколь угодно долгую работу без надзора. И это большой прорыв, который происходит прямо сейчас.

Это экономически оправдывает последовательные вычисления в противовес параллельным. У нас могут быть агенты, которые учатся, адаптируются и работают последовательно сколь угодно долго. Это также открывает путь к «проактивным вычислениям», когда у вас есть интерактивные вычисления и концепция «вычислений во время сна» (sleep-time compute), когда модель просто работает в фоновом режиме, пока вы спите, пытаясь понять, что ей нужно сделать. Со временем она будет становиться всё более проактивной, понимая ваши предпочтения и вашу целевую функцию.

И это следующий большой закон производительности. Это не обязательно закон масштабирования, хотя совокупные флопсы (FLOPs) могут вырасти. За счет суперкомпьютеров модели были сжаты, и мы увидели улучшение производительности. Следующие гигантские модели покажут, продолжается ли этот рост. Но латентные пространства (latent spaces) сейчас недооптимизированы. Вот почему многие новые модели соответствуют производительности больших моделей — теперь вы можете оптимизировать это латентное пространство, точно так же, как мы видели оптимизацию Stable Diffusion через LoRA и прочие методы. И это процесс глубоко последовательный. Совокупные вычисления для оптимизации могут расти, но они могут стать массово распределенными, а не требовать нахождения на огромных взаимосвязанных кластерах.

Потому что базовые модели и данные сейчас уже достаточно хороши. Я думаю, мы достигли отметки в 100 триллионов токенов. Вероятно, вам нужен всего триллион хороших токенов для обучения таких моделей. И со 100 триллионами токенов вы определенно можете кардинально улучшить латентное пространство.

Если вы адаптируетесь, применяете правильное RL и непрерывное обучение, и если у вас есть верификаторы на другой стороне, нас ждут «вычисления бесконечного времени» (infinite time compute). Качество не будет ухудшаться (как при коллапсе моделей), потому что у вас могут быть несколько моделей, работающих вместе для достижения задачи, проверяющих производительность и учащихся на своих ошибках.

Степан: То есть вы говорите, что базовые модели уже суперумные (вероятно, намного умнее большинства людей в некоторых областях). Они также дистиллируются в меньшие модели для конкретных задач. У нас появляется эффективность, и мы получаем системы ИИ, которые способны работать дольше. Скоро вы сможете оставить ИИ работать на неделю, и он выдаст вам персонализированную книгу на тему, которую вы хотите изучить, или составит отчет для SEC для публичной компании.

И я думаю, это позитивный сигнал для децентрализованного ИИ, если у нас будут такие локальные модели и разнообразие агентов. Это означает, что многие люди, компании и исследователи смогут создавать этих агентов, и затем они смогут взаимодействовать и координироваться в открытой экономике.

Как вы думаете, это то, что произойдет, или этот прогресс в основном будет происходить внутри крупных лабораторий?

Эмад: Да. У нас есть платформа под названием Common Ground — многоагентная платформа, которая делит контекст (вероятно, нам стоит переименовать её во что-то вроде Common Context Protocol).

Если посмотреть на типы моделей, медицинская модель не нуждается в специальных приватных знаниях, потому что врач должен обучаться на публичных общих знаниях. Наша цель — создать массовые распределенные рои, обрабатывающие медицинские знания дома. Это отлично подходит для создания так называемых якорных наборов данных.

С другой стороны, если вы пытаетесь построить AGI, вам нужно всё больше специализированных знаний. Вы работаете на самом краю возможностей с гораздо большими моделями. Но вы можете добиться успеха и в специализации — например, стартапы выходят на $500 млн годовой выручки (ARR) за счет того, что у них есть специализированные знания. Но для AGI в конкретных вертикалях нужно все больше и больше специализации. Там ситуация немного другая.

Но опять же, у нас есть несколько лет на улучшение базовых данных, а затем, я думаю, этот процесс завершится, потому что модели становятся всё умнее. Год назад модели вроде Microsoft Phi обучались на синтетических учебниках, сгенерированных ИИ. Те учебники были ужасны. А сейчас ИИ может создать учебник, который не уступает учебнику, написанному человеком.

Поэтому, я думаю, нас ждут изменения, но главный фокус сейчас будет на базовых данных и на том, как адаптируются данные и латентные пространства. Даже самые большие модели (например, вчера был поставлен новый рекорд в тесте ARC-AGI) — люди извлекают из них всё лучшую производительность, потому что мы производили их так быстро, что по-настоящему не исследовали латентную фазу и не оптимизировали их должным образом (не затюнили их для обобщенного мышления).

И я думаю, что это будет невероятно интересно для децентрализованных систем. Самое интересное: сколько параметров вам на самом деле нужно? Если вы посмотрите на Qwen (например, модель Qwen на 3 миллиарда активных параметров), вы увидите, что гибридная модель на 80 млрд параметров с 3 млрд активных параметров работает на многих GPU, но её можно запустить при наличии 32 ГБ VRAM или даже обычной оперативной памяти. И эта модель работает на уровне DeepSeek R1, несмотря на свой размер. Она масштабирует внимание и контекстное окно очень четко. Это поднимает вопрос: при заданном уровне производительности, который сейчас приближается к человеческому или превышает его, сколько оптимизации можно применить к базовой модели?

И это снова возвращает нас к парадигме распределенных вычислений. Вы определенно не смогли бы запустить огромную модель локально, но вы можете запустить эти оптимизированные модели. Если у вас будет больше человеческого участия в масштабировании и улучшении датасетов и латентного пространства (как мы видели на примере Stable Diffusion и Civitai с их LoRA-моделями для аниме и прочих стилей, которые потом объединили), будущие поколения моделей станут гораздо лучше в понимании того, что людям нравится.

Я думаю, это будет комбинация разных подходов. Но люди будут всё больше и больше думать о данных и этих петлях обратной связи.

Степан: Да. У нас есть модели, которые умнее лучших программистов (выигрывающие международные чемпионаты). У нас есть модели, которые работают локально и помещаются на любом MacBook или скоро на любом телефоне. И следующий вопрос: каково влияние на экономику?

Я думаю, то, что мы замечаем сейчас — мы инвестируем во множество стартапов на ранней стадии — есть четкая категория «ИИ-нативных» стартапов, которые просто не нанимают много людей. Они знают, что могут сделать очень много с командой из трех-четырех человек и набором ИИ-агентов. Весь рабочий процесс оптимизирован вокруг максимального использования ИИ. Вам не нужен финансовый директор, бухгалтер или маркетолог — вместо этого вы используете ИИ с умом.

Но, несмотря на наличие ИИ, которые лучше людей, мы пока не видим массового увольнения, о котором люди говорят последние пару лет. Как вы думаете, еще просто слишком рано, и это все-таки произойдет? И каков ваш взгляд на влияние на рынок труда?

Эмад: Я думаю, это будет похоже на обвал песчаного замка. Вы кладете последнюю песчинку, которая заставляет всю конструкцию рухнуть.

У этих моделей огромная экономия от масштаба и охвата. Одно обновление инференса — и они все становятся дешевле. Отрицательные маржинальные издержки. Они также улучшаются синхронно. И мы переходим от стадии «недостаточно хорош» (когда это просто очень услужливый помощник, за которым нужен глаз да глаз) к стадии «настроил и забыл». И результаты будут лучше всего, что вы когда-либо видели, потому что они потрясающие «повара» — они умеют идеально выполнять рецепты.

Много дискуссий об AGI строится вокруг того, что «повара» должны придумывать совершенно новые блюда. Но большая часть жизни — это не создание чего-то кардинально нового.

Поэтому, если они могут следовать инструкциям, ключевым фактором становится дистрибуция и отсутствие трения (friction). Недавно было исследование MIT, которое показало, что 95% пилотных ИИ-проектов терпят неудачу. Но это было в эпоху GPT-4, без правильных интерфейсов.

Правильный интерфейс — это когда вы даже не знаете, что на другой стороне Zoom с вами общается ИИ. Он отслеживает, что пользователь делает в течение дня, изучает весь его вклад в компанию, затем воссоздает архитектуру процессов на основе этого и заменяет этого сотрудника.

Это звучит немного жутко. В стиле «Талантливого мистера Рипли». Но я думаю, именно это мы и увидим, и это произойдет в массовом масштабе. Я думаю, OpenAI и другие предложат своих лучших агентов и скажут: «15 000 долларов в год за лучшего маркетолога в мире». И это будет целая команда агентов, работающая на их серверах Blackwell, с которыми вы сможете общаться так же, как со мной сейчас. Вы сможете генерировать с ними идеи. Вы сможете им звонить. Вы не узнаете, что на другой стороне не человек, но это заменит целое маркетинговое агентство. Это заменит целого финансового директора.

И у этого агента на порядки больше вычислительной мощности, чем у агентов через ChatGPT, и на порядки выше качество, при этом нет никаких барьеров (friction) для найма. Нанять GPU-кластер гораздо проще, чем нанимать агентство. Я думаю, это произойдет в следующем году. В этот момент каждый раз, когда компания будет думать о найме человека, она будет вспоминать меморандум Тоби Лютке из Shopify, где он сказал: первое, что вам нужно доказать — это то, что ИИ не может выполнить эту работу.

В следующем году станет очень трудно нанимать удаленных сотрудников, которые работали бы лучше, чем ИИ, потому что ИИ будет стоить меньше минимальной заработной платы, меньше прожиточного минимума. Кроме того, затраты на ИИ вычитаются из налогооблагаемой базы, в отличие от необходимости платить подоходный налог за людей. И это будет доступно массово. Виртуальный сотрудник любого типа будет стоить меньше доллара в час. Когда появятся роботы, они будут стоить полтора доллара в час.

Я думаю, это тот колоссальный сдвиг, который люди еще не осознали. Доступ будет у каждой компании в мире, и ИИ будет говорить на всех языках. Если вам нужен потрясающий копирайтер из Японии, он будет сидеть на сервере OpenAI в США. Если вам нужен потрясающий CFO в Сингапуре, он будет сидеть на сервере Anthropic в Вашингтоне.

Этот финальный элемент интерфейса еще не появился, потому что раньше ИИ были недостаточно хороши, и их нельзя было оставить без присмотра. Но этот барьер исчезнет уже через несколько месяцев.

Степан: Да, то есть благодаря архитектуре верификаторов, благодаря агентам, которые работают дольше, эти модели становятся прямой заменой рабочей силы один к одному. В мире сотни миллионов работников умственного труда (knowledge workers), а один год — это невероятно короткий срок.

Вы также упомянули, что фискальная система (налоговая система) во всем мире не приспособлена к этому. Сейчас у нас высокие подоходные налоги и нулевые или очень низкие налоги на использование технологий. В идеале, чтобы экономика продолжала функционировать в том же ключе, ситуацию нужно перевернуть. Если все нанимают ИИ, вам нужно сделать наем людей максимально дешевым, снизить фискальное бремя и, возможно, ввести какой-то налог на дата-центры ИИ. Как вы думаете, это может сработать?

Эмад: Нет, математика здесь вообще не работает. Если вы посмотрите на США: чтобы выплачивать каждому взрослому американцу универсальный базовый доход (UBI) на уровне порога бедности — 16 000 долларов в год (и на это очень трудно прожить) — потребуется 5 триллионов долларов. При этом вся федеральная налоговая база США составляет 4,9 триллиона долларов. То есть это больше, чем все собираемые налоги. Все корпоративные налоги в Америке — это 0,9 триллиона.

И это 5 триллионов только на уровень бедности! Даже если вы представите, что каждый американец владеет 10% OpenAI, и она становится компанией стоимостью 100 триллионов долларов (что больше мирового ВВП), на каждого американца придется акций OpenAI на 29 000 долларов. И если бы они выплачивали 5% дивидендов, каждый американец получал бы 1 500 долларов в год.

Математика просто не сходится. Нам нужен новый подход. Как вы сказали, это происходит очень быстро. Хотя иногда внедрение занимает время. Дарио из Anthropic шесть месяцев назад сказал, что через шесть месяцев 90% кода будет писать ИИ. Я думаю, ему следовало сказать «может быть написано ИИ». До сих пор есть программисты, которые не используют ИИ. 20% американцев каким-то образом даже не слышали о ChatGPT. 1 миллион американцев до сих пор используют dial-up интернет от AOL!

Так что на некоторые вещи требуется время, но направление неизбежно. Индустрия за индустрией будут падать. Колл-центры определенно исчезнут. Я не могу придумать ни одной причины, по которой вы наняли бы колл-центр вместо ИИ.

И вот последние два момента: хорош стал не только текст. Если вы посмотрите на сервисы вроде HeyGen, они могут сгенерировать вас на видео почти в прямом эфире. Вы не сможете отличить его от человека. Голосовые ИИ теперь тоже идеальны.

Это невероятно важно для интеграции с существующими системами. Текстовый чат — не оптимальный интерфейс.

Степан: Абсолютно.

Эмад: Оптимальный интерфейс — это вот такое видео- или голосовое общение. И ИИ на другой стороне экрана имеет идеальную память, идеальное запоминание, идеально ведет конспекты. Мы будем исследовать новые горизонты: появятся системные базы знаний компаний, которые агенты будут систематизировать. Мы такого никогда раньше не видели.

Так что налог на это не сработает, математика не сходится. Вам придется сделать что-то принципиально другое. Именно поэтому мы подумали, что нужно создать новый тип денежного потока. Маржинальная производительность в экономике полностью перейдет к ИИ или роботам. Рабочие места в госсекторе безопасны (получите работу в госсекторе, если хотите сохранить работу), потому что они не заботятся о производительности.

Степан: Или все становятся частью госсектора, но проблема этой системы, на мой взгляд, заключается в том, что это система контроля. Если существует единственный работодатель для каждого гражданина, и все от него зависят, это по сути как коммунизм. Если вы скажете что-то не то, сделаете что-то не то, или просто не понравитесь правительству, вас отрежут от системы. Это уничтожает индивидуальную свободу.

Эмад: Да, именно поэтому я считаю, что нам нужна распределенная система, защищенная от ИИ. Именно это мы и строим. Наш Foundation Coin привлекает капитал из существующей экономики, ищущий качественные цифровые активы, и использует его во благо (таким образом, в основе денег лежит благо). А затем вы получаете свои «культурные кредиты» или национальные токены просто за то, что вы человек, без какого-либо вмешательства правительства, потому что центральные банки — это в любом случае частные структуры.

Так почему бы не создать «национального чемпиона» в каждой стране, принадлежащего людям? Зачем? Чтобы дать всем качественный ИИ, а также деньги от него. Математически это работает лучше. Как вы собираетесь собрать 5 триллионов налогов с OpenAI и Anthropic? Этого не произойдет.

И опять же, на каком уровне? Правительства — ужасные распределители капитала, зачем давать им эту возможность? Нам нужно, чтобы система была согласована с людьми. Нужно дать людям ресурсы, необходимые для выживания, а затем и для процветания: строить социальные связи, иметь поддержку.

Нам также нужна экономика, в которой ИИ покупают доллары. Куда вообще идут эти доллары? Даже если они покупают биткоин, куда он идет? Если они покупают у людей (потому что люди зарабатывают деньги, а не банки, выдающие кредиты), то потоки работают немного лучше.

Нам впервые нужно задуматься о том, как работают финансовые потоки, потому что нынешняя экономика скоро развалится из-за этого нового метаболического разрыва. Если мы ничего не предпримем, это приведет к огромному накоплению капитала в одних руках и колоссальному неравенству. Если только вы не работаете в госсекторе — тогда вы, вероятно, в порядке.

Степан: Но это не может поддерживать само себя долгое время. Так как же будут выглядеть эти потоки?

Эмад: Моя концепция потоков заключается в том, что у вас есть эквивалент биткоина, но с всё большим объемом вычислительных мощностей в разных странах (то есть он более географически диверсифицирован, чем Bitcoin). Первоначальное распределение заключается в том, что мы даем национальным чемпионам стран, принадлежащим людям, часть первых монет, которые мы майним до открытого запуска. Вы накапливаете больше GPU, и затем у вас появляется наличность, расчетная единица (unit of account), выпускаемая как резерв, обеспеченный Foundation Coin страны. Она выдается во-первых, просто за то, что вы человек (на базовом уровне), а во-вторых, за ту пользу, которую вы приносите обществу (что может быть проверено ИИ, привязанным к каждому человеку).

Этот следующий уровень сложен, и я думаю, нам нужно делегировать его разработку. Но если у каждого есть ИИ, и мы создаем ИИ для коллективного надзора, мы сможем построить этот следующий этап очень хорошо.

Прямо сейчас мы сосредоточились на том, чтобы правильно сделать первый этап. Если мы перенесемся на 20-30 лет вперед... У меня только что родилась дочь. Как будет выглядеть рынок труда, когда она туда выйдет? Раньше работа была частью идентичности. Она давала средства к существованию. Она была социальным нетворком. Она давала структуру.

Я просто хочу, чтобы она делала то, что ей хочется, а роботы делали всё остальное. Как в Китае — демографическая пирамида будет решена роботами, обслуживающими китайский народ. На самом деле, они могут даже прекратить экспорт роботов через 5-10 лет, потому что зачем им это? Они могут быть самодостаточными.

Я бы хотел, чтобы у моей дочери была определенная сумма денег для выживания, а затем, если она усердно трудится и вносит вклад в общество — я хочу, чтобы она процветала. Это должно прийти на смену концепции «капитал увеличивает капитал». Я бы хотел, чтобы ИИ, который её представляет и поддерживает (и который будет умнее её, потому что наши универсальные ИИ-партнеры станут умнее нас через несколько лет), заботился о ней и был согласован с ней, а сообщества были согласованы с этими ИИ.

Я не хочу, чтобы это контролировалось каким-либо правительством или компанией. Я хочу, чтобы это была распределенная сеть, которая увеличивает объем вычислений и использует эти вычисления для защиты себя от атак (потому что в этом была проблема DAO — у них не было направляющей силы и кросс-проверки на теоретико-игровой основе).

Поэтому мы считаем, что эти базовые кластеры — организующие наши знания «чемпионы», принадлежащие людям — должны быть доступны в надежной и устойчивой системе для самых важных аспектов жизни. А деньги должны перестать выпускаться банками на основе долга. Они должны выпускаться алгоритмически просто за то, что ты человек, и так, чтобы правительства не могли вмешаться и исключить людей из экономики.

Доступ к ИИ должен стать правом человека. Средний IQ людей в мире — около 100 или меньше, а эти ИИ уже имеют уровень 120. Пару месяцев назад, Степан, вы (как умный человек, использующий ИИ) имели сравнительное преимущество перед другими. Через несколько месяцев ваше сравнительное преимущество станет еще больше, потому что вы первым начнете использовать рои агентов.

Мы должны предоставить этот доступ всем, иначе люди останутся позади. Я думаю, что денежные потоки должны идти от человека. То есть ИИ покупает у человека, по мере того как ИИ становится доминирующей силой в частном секторе, а затем ИИ поддерживает человека, потому что это правильно. Мы вознаграждаем их именно за эту функцию.

Но у меня пока нет всех ответов, потому что это очень сложно. И именно поэтому мы написали книгу.

Степан: Я не думаю, что у кого-то есть все ответы. И я думаю, что эти изменения происходят гораздо быстрее, и в этот вопрос вкладывается недостаточно глубоких размышлений.

Из того, что я слышу, я понимаю, что конечная концепция — это некая кибернетическая, технологическая система координации, основанная на петлях обратной связи. И я думаю, что если ИИ умнее любого человека или всех людей вместе взятых, он должен заниматься координацией, распределением ресурсов. Мы, вероятно, жили бы гораздо лучше уже сегодня, если бы внедрили эту систему.

Проблема в том, что большинство попыток построить экономику социалистического типа потерпели неудачу. Почему? Потому что системами управляли люди, а люди не так сложны, как сама экономика. Об этом говорит закон Эшби в кибернетике: вы не можете управлять сложной системой, будучи проще нее.

Эмад: Да, с точки зрения дизайна механизмов, вам нужна третья сторона-арбитр, которой можно доказуемо доверять. Сейчас мы можем сделать это доверие алгоритмическим, что очень интересно, но кто-то должен построить этот стек. И мы сосредоточены именно на его создании и выпуске в open-source, потому что это может стать стандартом по умолчанию.

Другой аспект этого... Я думаю об этом как о беспилотных автомобилях. Когда вы впервые едете в Waymo или в другой беспилотной системе, это потрясающий опыт, а потом вы к нему просто привыкаете.

То, что мы действительно хотим создать, — это «беспилотная экономика». Каковы предпосылки для этого, и какова должна быть цель такой экономики? Ею должно быть процветание человека. Саймон Кузнец придумал концепцию ВВП в 1940-х годах, и он же говорил, что это ужасная идея. Ее можно было использовать для выхода из Великой депрессии, но она не отражает экономическую или социальную реальность. Роберт Кеннеди и другие говорили то же самое: нам нужно уйти от этого показателя.

ВВП измеряет только материальные элементы. В книге я пишу: в мире есть нечто большее. Подо что мы на самом деле оптимизируемся? Действует старое доброе правило: то, что вы измеряете, подо то вы и оптимизируетесь.

ВВП растет, но люди сейчас грустят. Мы видим расколы в обществе, мы видим поляризацию политического спектра. Мы видим, как исчезает американская мечта, британская мечта и так далее.

Большинство людей, слушающих нас — это криптаны. Почему мы пришли в крипту? Мы пришли не ради щиткоинов и «pump.fun», простите. Это, конечно, весело, но мы пришли из-за обещания суверенитета, потому что мы видели, как ломается старая система.

Но нам нужно сформулировать с нуля (from first principles), что такое новая система и каковы к ней требования. И это должны быть устойчивость (resilience), справедливость, равенство и другие вещи. При этом мы все видели проблемы социализма и других систем, где люди становились препятствием.

Так что опять же, если мы строим кибернетическую экономику, как нам убедиться, что ИИ оптимизируются под правильные вещи (ведь они будут способнее нас и у них будут стимулы делать это)? Как нам сделать так, чтобы, если GPU и инференс — это ключевая вещь (как тот факт, что самый высокий доход на маржинальный доллар для GPU давали Bitcoin и Ethereum), эти ресурсы шли на ИИ для добрых дел и помощи людям? Мы пытались продумать это, и мы постепенно к этому приходим.

Но самым сложным было переосмысление самой экономики. Мы посмотрели на нее и поняли: она не работает, когда вы исходите из предположений о дефиците, человеческой иррациональности и равновесной полезности (equilibrium utility). Полезность как концепция для людей — это одно, но что такое полезность для ИИ?

Степан: Да. Это то, что люди скажут ему делать.
Эмад: Какова бы ни была целевая функция (objective function).
Степан: Именно.

Эмад: Вот почему, работая над книгой, мы обдумывали всё с самых основ. И мы поняли: экономика — это генеративная машина (generative machine). Если лучшая математика, которая у нас есть для описания агентов и систем, — это математика генеративного ИИ (например, беспилотные автомобили — это диффузионные модели, как Stable Diffusion), то работает ли эта математика «минимизации потерь» (loss minimization) для описания экономики? Функция потерь — это разница между вашей внутренней моделью и внешней моделью реальности.

И мы обнаружили, что она работает. Фактически, она объяснила почти всё в экономике! Марксизм рассматривал только одну часть картины. Кейнсианство — другую. Австрийская школа (Хайек) — третью. Но когда вы рассматриваете всё как процесс минимизации функции потерь, используя уравнения генеративного ИИ, вы можете построить лучшую экономическую модель. Модель, которая включает в себя этику, которая дает полное видение экономики (не только материальные элементы, но и ваш совокупный интеллект, сетевые эффекты, разнообразие, повышающее устойчивость, и т.д.).

И я думаю, что это именно то, что нам понадобится. Иначе мы просто получим систему «капитал увеличивает капитал», где труд больше не нужен, а люди остаются за бортом. И у вас будет только частичное видение того, что на самом деле происходит. Мне кажется, этот разрыв в понимании мы ясно наблюдали последние несколько лет.

Степан: Да. И старая модель неизбежно сломается, потому что она просто неверна. Если вы сосредотачиваетесь на оптимизации капитала для небольшого процента населения, то всё остальное просто рухнет, и начнутся проблемы. Мне очень нравится эта идея представления экономики (или хотя бы экономической теории) как алгоритма оптимизации и обучения. То же самое делает модель машинного обучения или нейросеть: она пытается аппроксимировать, минимизировать функцию потерь и затем предсказать результат.

То же самое происходит в экономике, но в ней гораздо больше измерений, потому что она включает наши эмоции, отношения, товары и услуги, внутреннее состояние людей. В книге вы рассмотрели все существующие экономические теории и попытались объяснить их, используя этот подход. Каков следующий шаг? Как выглядит экономическая теория, использующая эту кибернетическую экономику?

Эмад: Я думаю, что даже на индивидуальном уровне (мы говорим об эмоциях и прочем) такие ученые, как Карл Фристон, показали с помощью принципа свободной энергии (free energy principle), что мы, по сути, выполняем градиентный спуск, точно так же, как эти ИИ. Мы пытаемся минимизировать свободную энергию в нашем мозгу и оптимизируемся под определенные целевые функции. У вас есть целевая функция, у меня есть целевая функция. Каковы лучшие уравнения для описания людей? Уравнения генеративного ИИ. На данный момент это лучшие аппроксимации человечества.

Аналогично, если вы подумаете об экономике: в чем разница с точки зрения данных между навигацией в экономике и навигацией беспилотного автомобиля? Разницы почти нет. Это тот же самый диффузионный процесс: у вас есть картина реальности, вы разрушаете ее до составных частей (добавляя шум), а затем пытаетесь понять, как её реконструировать. Именно так мы строим экономические модели и принципы, которые используем для управления нашими компаниями, личной жизнью и так далее. Мы думаем: «О, ФРС повысила ставки — моя ментальная модель говорит, что произойдет вот это». Фактически, это работа нейросети.

И мы можем видеть это в реальном времени. В книге я пишу, что как только мы начинаем рассматривать экономику как процесс диффузии или как трансформер (мы считаем, что процессы диффузии — это рынки, а трансформеры — это фирмы, которые создают свое латентное пространство, свое представление о реальности), вы можете очень интересно деконструировать экономические потоки.

У нас есть капиталы, о которых я упоминал: M, I, N, D (MIND). M — материальный (классический ВВП); I — интеллект (наши способности); N — нетворк, сеть (если вы интегрированы в сеть, вы добьетесь большего); и D — разнообразие (diversity), фактор устойчивости.

Когда мы смотрим на экономические потоки и выражаем их через математику генеративного ИИ, появляется кое-что интересное, называемое разложением Ходжа (Hodge decomposition). Оно гласит, что каждый поток бывает трех типов.

Первый — это градиентный поток. Это градиентный спуск, классический исчерпывающий/экстрактивный подход. Я продаю вам яблоко, у меня на одно яблоко меньше, вы съедаете яблоко, оно исчезает. Это Адам Смит с его «невидимой рукой», оптимизирующей потребление яблок.

Затем у вас есть круговой поток (circular flow). Он описывает такие вещи, как интеллект. Это не вода, стекающая с холма, это циркуляция и приумножение. Я делюсь с вами идеями, они никуда не исчезают. Более того, они приумножаются. И то, что мы сейчас упускаем в экономике: какова ценность интеллектуальной собственности, нематериальных активов и идей, появившихся за последние десятилетия? Она огромна! Эрик Бринолфссон называет это «ВВП-Б» (GDP-B), и теперь мы можем это измерить. Это классический Карл Маркс с его формулой «Деньги — Товар — Деньги штрих» (накопление капитала через производство). Смит смотрел на дефицит (воду, стекающую вниз), Маркс смотрел на циркуляцию.

И третий тип (это хайекианская или австрийская школа) — это гармонический поток. По сути, это сам ландшафт, по которому течет вода или экономическая активность. Дуглас Норт и другие называли это «правилами игры», которые являются эмерджентными (самозарождающимися).

Реальность такова: как только вы нанесли эти потоки на карту, вы можете заняться «инженерией геометрической политики» (geometric policy engineering). Вы можете корректировать природу этих потоков, используя инструменты генеративного ИИ, чтобы попытаться увеличить разнообразие, увеличить сетевые эффекты, развить интеллект и правильно оценивать материальные элементы.

Это дает понимание того, почему, например, Сингапур так успешен. Они повышают интеллект и возможности своей нации. У них огромные сетевые эффекты за счет открытости. Они разнообразны в своей промышленности и так далее. В то время как другие страны страдают от «ресурсного проклятия» (commodity curses) или закрываются.

Когда вы видите всю картину целиком (это как в притче про мудрецов и слона: Маркс трогал бивень и думал, что это копье; Смит держал хвост и думал, что это метла), тогда вы действительно понимаете, что такое экономика. И тогда вы можете согласовать ее с концепцией стабильности. Потому что как только вы применяете эту физическую математику (а именно она управляет генеративным ИИ), вы можете использовать такие вещи, как процесс Ляпунова, который доказывает, что любая выпуклая система (вода, стекающая вниз) является стабильной.

Впервые мы действительно показываем, как выглядят стабильные системы при различных вмешательствах, и адаптируем гораздо больше данных, чем когда-либо раньше. В ближайшие несколько месяцев у нас выйдут эмпирические исследования, которые показывают, что наша модель превосходит существующие (что всегда приятно), и это можно будет воспроизвести.

Степан: В чем превосходит? В предсказании чего-либо?

Эмад: В предсказании крахов, бумов и тому подобного. И мы будем делиться нашими данными (DUMPs).

Степан: Да.

Эмад: И, знаете, в этом есть смысл. Так и должно быть, потому что это просто математика генеративного ИИ, правильно примененная к рынкам. Мы все знали, что в экономике есть нечто большее, чем ВВП. И хотя нам может не нравиться социализм, очевидно, что в нем есть интересные элементы, которым просто помешал человеческий фактор. Нам может не нравиться капитализм, но это лучшая из всех систем (или «лучшая из худших»).

Вопрос в том, если мы движемся к будущему в стиле «Звездного пути» (Star Trek) и заглядываем на 50 лет вперед: что такое деньги? Как текут деньги? Что такое интеллект? Когда моя дочь вырастет и пойдет в университет через пару десятилетий, она на 100% не будет такой же умной, как ИИ. Что ей делать? Какое общество мы хотим построить? Нам нужно спроектировать его и понять, как должны течь деньги и интеллект, какова роль людей в экономике. И я даю некоторые идеи по этому поводу.

Но в первую очередь нужно сказать: что такое экономика? Экономика не может больше оставаться тем лоскутным одеялом, которое мы собирали с 1800-х годов, потому что оно порвется.

Очень понятный практический пример, который я привожу (кажется, его нет в книге) — это ФРС. ФРС может не пережить президентство Дональда Трампа, но суть политики ФРС — это инфляция и процентные ставки. И занятость. Вы снижаете ставки, компании берут больше кредитов, потребители тратят больше, людей нанимают на работу, и наоборот. Этого больше не будет происходить. Компании будут нанимать ИИ. И будут нанимать всё больше ИИ. Этой связи больше не будет.

Степан: Даже главный управляющий ФРС покупал бы активы (например, вычислительные мощности), а не, э-э, акции или—

Эмад: Именно. Так что даже ФРС в текущем виде уходит. Именно поэтому мы подумали, что нам нужен новый, улучшенный подход. Мы также опубликуем математические расчеты, где покажем изоморфные выводы каждого из главных экономических течений из этого ядра. Вы сможете убедиться сами, потому что ключевой инсайт был таким: экономика — это ИИ. Компании — это ИИ.

Но нам нужно изменить целевую функцию экономики и организаций, чтобы они не делали людей несчастными, чтобы они позволяли нам процветать. И опять же, это игра стимулов.

Степан: Да, но также и контроль. Я полностью согласен с тем, что в капитализме есть правильная вещь: он производит инновации и создает правильные стимулы для людей делать что-то полезное для общества. А правильная вещь в социализме в том, что он заботится о системе в целом и пытается её оптимизировать. С ИИ мы действительно можем объединить эти два подхода, сделать систему более эффективной и оптимальной.

Но мне кажется, что это не просто теории. Это реальные политики, реальные бюджеты, реальные налоговые поступления стран и компаний, реальные инвесторы, зарабатывающие деньги. И я чувствую, что будет огромное сопротивление со стороны тех, кто предпочитает статус-кво. Их устраивает текущая система, она работает на них, и, хотя она может быть не оптимальной для общества в целом, им может быть всё равно, и у них есть власть противостоять вашей системе.

Эмад: Да, но сейчас открылось интересное окно возможностей. Все страны хотят получить качественный цифровой интеллект, но они не знают, как это сделать. Как получить стандартизированную платформу, как создать национальных чемпионов, принадлежащих людям? Сделать из них умные DAO, заставить их накапливать GPU.

С другой стороны, в следующем году OpenAI и Anthropic получат $20 млрд инкрементальной выручки (дополнительного дохода). Всё программное обеспечение на фондовых рынках США генерирует около $40 млрд. При этом крипта привлекла около $180 млрд нового капитала. В следующем году будет еще безумнее, потому что ICO станут полностью легальными в Америке (вероятно, спикер имеет в виду изменения в регулировании). Вы сможете покупать токены прямо с iPhone.

Вот почему мы решили: давайте создадим лучший в мире цифровой актив, который ускоряет поиск лекарства от рака и помогает людям с онкологией. И тогда все богатые люди просто купят этот актив, потому что он масштабируем, а все средства идут на вычисления во благо. А страны — вы не хотите приходить к правительству и продавать им софт, вы хотите раздать его людям бесплатно и майнить валюту. Так страны начнут конкурировать друг с другом.

Через два-три года каждая страна заключит контракт с OpenAI, Anthropic или кем-то подобным. Они будут связаны контрактами или попытаются создать свои собственные ИИ. Прямо сейчас есть окно возможностей для внедрения распределенного ИИ для действительно важных вещей. ИИ, который никто по определению не контролирует и не присваивает, и который мы сможем стандартизировать.

У нас есть лишь короткое окно. Это не как в крипте, где мы с 2012-2013 годов пробирались через тернии, и только сейчас ветер подул нам в спину. Правительствам крипта нужна не так сильно, как им нужен ИИ.

Степан: Мгм.

Эмад: И поэтому я думаю, что у нас есть шанс. На первых этапах от этого никто не проигрывает. И даже на более поздних этапах людей волнуют базовые вещи: все наши знания об Альцгеймере должны быть систематизированы и доступны всем. Самые богатые и могущественные люди в мире могут заболеть Альцгеймером. Половина людей в мире столкнется с раком.

Это то, к чему люди будут возвращаться (в отличие от децентрализованных маркетплейсов для GPU или устойчивых к цензуре денег). Суть того, на чем мы фокусируемся и что должно быть ядром экономической системы — это помощь людям. И я не думаю, что кто-то может быть против этого. Кто-то может быть против концепции, что каждый должен иметь свой собственный мощный ИИ, но именно поэтому систему нужно делать региональной и локальной. Некоторые страны примут это с восторгом (уверен, Эстонии это понравится), тогда как Эритрея (или КНДР) может возненавидеть это. Но если основные алгоритмы ИИ и датасеты полностью open-source, у вас есть инновации без разрешений (permissionless), а это лучшее, что может быть.

Мы не можем развернуть это в Северной Корее по политическим причинам. Заслуживают ли северокорейцы качественного ИИ для здравоохранения? Да. Могут ли они скачать его в open-source и запустить локально? Да. Смогут ли они участвовать в сети (стейкать/майнить)? Вероятно, нет, из-за политической реальности.

Степан: По крайней мере, у них может быть доступ к этому изобилию.

Эмад: Да, да. Я согласен.

Степан: В этом и заключается преимущество децентрализованных ИИ-систем — они доступны каждому.

Но с экономической точки зрения, эта огромная коммодитизация интеллекта и когнитивных функций происходит на геополитической арене. Какие страны, по вашему мнению, лучше позиционированы? Вы упомянули Сингапур. Как думаете, Сингапур выиграет больше, чем, например, Индия? Чья стратегия (стран или лабораторий) сегодня кажется вам лучшей?

Эмад: Я думаю, что в США сейчас отличные правила для ИИ и крипты. Бум цифровых активов, вероятно, даже превзойдет бум ИИ. В США будут происходить огромные инновации.

Я думаю, цифровые активы помогут крипте. До сих пор пересечение ИИ и крипты (AI x Crypto) развивалось медленно. Но в следующем году мы увидим приток, потому что это отличная бизнес-модель.

На самом деле бизнес-модели ИИ интересны тем, что они играют в ту же игру, что и Amazon: вы платите авансом, а за вычисления расплачиваетесь через 30-60 дней. Это генерирует отличный денежный поток (cash flow), а удельные затраты снижаются с масштабом. В сочетании с криптой это может стать суперускорителем.

Китай, очевидно, делает потрясающие вещи. И тут возникает две реальности. Первая реальность: Grok 5 (или GPT-5) намного лучше предыдущего поколения и доступен благодаря масштабированию кластеров на 100 000 GPU. Вторая реальность: мы начинаем упираться в S-образную кривую (потолок), потому что мы уже выбиваем максимум из всех бенчмарков (Epoch AI делали хороший график на эту тему).

И в этой второй реальности китайские модели с 3 миллиардами активных параметров начинают сравниваться по качеству с Grok 5 или GPT-5. Это совершенно другой мир! Потому что тогда OpenAI не абсолютный победитель — они просто сжигают деньги, в то время как уровень интеллекта выравнивается и становится доступным любому человеку даже со старым GPU, на котором раньше майнили биткоин.

В этом сценарии арбитраж стоимости между высококвалифицированным удаленным работником из США и удаленным работником из Южной Африки резко падает. Потому что вам не нужны супермощные GPU, чтобы получить доступ к знаниям.

В этот промежуточный период, когда люди будут работать в связке с ИИ-агентами (а предприниматели будут использовать распределенные сети), мы можем увидеть совершенно иной исход, нежели централизация на стороне частных компаний.

Если же для прогресса по-прежнему будет требоваться этот колоссальный масштаб, и модели будут становиться настолько лучше, а чипы станут двигателем экономики, то победит Китай. Потому что Китай реально строит энергетическую инфраструктуру. В США просто не хватает электричества для поддержки мега-кластеров, хотя у них есть данные.

По сути, в гонке за AGI реального масштаба есть только США и Китай. Если же AGI — это рой, который обучается через распределенную динамическую RL-оптимизацию, то он может появиться где угодно. И та «премия за интеллект» (кадровое преимущество), которую мы видим на Западе, полностью исчезнет, потому что любой человек в мире сможет запустить ИИ, говорящий на любом языке.

Степан: А что насчет социальных и экономических последствий? Да, в разработке ИИ лидируют США и Китай. Но этот переход произойдет, и, как мы уже обсуждали (ФРС, инфляция, неравенство доходов), кому будет легче? Например, в Северной Европе экономика сильно ориентирована на социализм. Будет ли им легче пережить этот переход?

Эмад: Страны с большим государственным сектором и меньшим долгом, конечно, справятся с переходом немного лучше. Они сделают это, создавая программы гарантированного трудоустройства (как мы видели после Великой депрессии).

Но мы должны задаться вопросом: что будет устойчивым, когда маржинальное преимущество аккумулируется у тех, кто обладает наиболее организованным интеллектом и наибольшим охватом (reach)? Большая часть успеха ИИ заключается в дистрибуции. У многих людей есть хорошие идеи для ИИ, но они недооценивают охват. Вот почему мы решили сделать универсальный ИИ бесплатным. Фактически, мы будем платить людям за то, чтобы они использовали наш ИИ для исследований рака. Таким образом мы получим колоссальный охват. Национальные чемпионы ускоряют этот охват.

Я думаю, что в таких условиях нас ждет переходный период, а затем то, что наступит после него. И если мы получим несогласованный (misaligned) ИИ (даже не AGI), он будет использоваться как система тотального контроля многими правительствами и организациями, потому что он невероятно убедителен. Он будет оптимизироваться под промывание мозгов. Это может стать концом демократии в том виде, в каком мы ее знаем. Если только у нас не будет собственных ИИ для защиты.

Здесь так много возможностей. Но большинство из них, если просчитать их до конца, ведут к разрушению социальных структур. Страны, которые обладают большей автотаркией (самодостаточностью) и могут обеспечить себя сами, вероятно, справятся лучше всего. Европейские страны сейчас не очень конкурентоспособны в интеллектуальном труде, они во многом опираются на свои внутренние процессы.

Вот почему, когда я смотрю на Китай, я думаю: да, Китай прекратит экспорт роботов через несколько лет, потому что роботов на всех не хватит. Они просто используют их все у себя. Китай может обеспечить себя всем, кроме энергоресурсов (ему нужна нефть). В остальном он наращивает энергию как никто другой и может быть независимым как большая страна.

Индия зависит от множества факторов. США становятся более самодостаточными. Но идеальный сценарий — если у нас не будет такой изоляции. Вместо этого мы получим больше взаимосвязей между людьми, найдем лучший способ распределения ресурсов для поддержки людей.

Но возможности ИИ откроются уже в следующем году. Индустрии начнут падать одна за другой по цепочке. И конкуренция в частном секторе ускорится до невероятных масштабов.

Степан: Что бы вы посоветовали тем, кому сейчас от 18 до 25 лет? Зачем им идти в университет? Большинство навыков будет легко заменить. Будет очень сложно зарабатывать деньги, будучи просто хорошим юристом, маркетологом или бухгалтером.

Эмад: У MIT (или Стэнфорда) было исследование, показывающее, что количество вакансий начального уровня (junior) уже начало стремительно падать. И, скорее всего, это из-за ИИ, потому что ИИ уже сейчас лучше джуниоров, а в следующем году будет определенно лучше. Зачем вам нанимать кого-то на начальную позицию?

Если вы вспомните капиталы MIND (Материальный, Интеллект, Нетворк и Разнообразие), то это применимо и к людям. Вам нужен определенный материальный капитал. Вам нужно наращивать свои способности (интеллект). Сеть (нетворк) — это то, ради чего вы идете в университет. Вы создаете связи и получаете разнообразие опыта.

Но ключевое сейчас вот что: если вы занимаетесь «программированием по наитию» (vibe coding) хотя бы час в день, вы опережаете 99,99% населения мира. Ваши возможности будут расти экспоненциально. Арбитраж между тем, сколько вы можете брать за свою работу, и тем, сколько усилий вы тратите (даже если вы сотрудник компании), будет просто безумным.

Раньше создание хорошего сайта стоило тысячи долларов (или вашего времени, или денег на найм). Теперь вы можете зайти в Replit, использовать Agent 3, и бум — всё готово за несколько часов. Вы просто общаетесь с ним, чтобы улучшить результат, и это обойдется вам в лучшем случае в пару сотен баксов. А в следующем году это подешевеет еще в 10 раз.

Поэтому всем нужно просто активно использовать ИИ (особенно vibe coding) и думать о том, как применить армию новых ИИ-агентов к вашей работе или должности. Вам не обязательно быть предпринимателем. Вы можете прийти в компанию и сказать: «Вот все эти вещи, которые я создал с помощью ИИ». Вас возьмет любая компания! Просто сделайте что-то для компании, в которую вы подаете резюме (с помощью ИИ), и это поставит вас выше любого другого кандидата.

А дальше — стройте свой нетворк и системы поддержки, потому что они понадобятся каждому. Переход будет болезненным. И крипта в этом плане отлично помогает (вспомните NFT-сообщества и т.д.), потому что вам нужно комьюнити, которое поддержит вас.

Степан: То есть нужно заботиться о материальной базе. Нужно развивать свой интеллект (навыки), что в данном случае означает эффективное использование ИИ-агентов. И нужно строить сетевые элементы (нетворк), диверсифицировать потоки доходов (ИИ может работать на вас) и расширять свой опыт.

Я называю это «быть пастухом ИИ». Вместо овец у вас куча ИИ-агентов, и вы учитесь эффективно ими управлять.

Эмад: Да, именно мы — те, кто выбирает функцию оптимизации. Я думаю, это то, что всегда останется за людьми: Воля. ИИ сам по себе ничего не значит. Это просто математическая функция. В заключении к книге я пишу: долгое время сознание и вычисления были неразрывно связаны. Сейчас, с появлением ИИ, это впервые не так. И если мы думаем о сознании, мы думаем о цели, смысле, направлении, о целевой функции и согласовании (alignment). Именно здесь вступает человек.

Степан: У меня есть еще один, последний вопрос, немного личный. Я заметил, что вы публикуете много очень интересных статей, написали эту книгу. Кажется, вы упоминали, что написали еще одну книгу, которую пока не опубликовали. Я вижу, что для вас лично ИИ — это огромный буст продуктивности.

Можете в общих чертах рассказать, как выглядит ваш рабочий процесс, когда вы работаете над новой идеей, компанией или продуктом? Как вы используете инструменты, доступные сегодня?

Эмад: Да. Я обнаружил, что ИИ помогает мне восполнить некоторые пробелы, так как я от природы мыслю на очень высоком уровне абстракции (по сравнению с большинством).

Мой классический рабочий процесс: раньше я использовал Super Whisper, теперь перешел на Monologue. Я просто разговариваю с ИИ туда-сюда. Сейчас я использую GPT-4o (опечатка, спикер сказал GPT-5) как главного собеседника. Я переключаюсь на модели мышления (o1/Pro), когда нужно углубиться в определенные детали. Мне легче просто наговаривать поток мыслей, а ИИ собирает это воедино.

Для структурирования я использую Google AI Studio — это единственный правильный способ использовать Gemini. Вы не хотите использовать обычный сайт Gemini для сложной работы, потому что в Studio можно отлично выстроить ветвления (branching) и логику. Раньше я использовал Claude, пока он не испортился.

Степан: В чем разница с обычным сайтом Gemini?

Эмад: В AI Studio гораздо лучше работает ветвление, можно выкрутить параметры генерации/мышления на максимум и так далее.

Затем я использую II Agent и Common Ground (наши внутренние разработки) для скаффолдинга (построения каркаса проекта) и обмена контекстом. Я собрал специализированную версию, которая подтягивает данные из всех моделей, когда я готов приступить к серьезной работе.

Степан: Это те инструменты, которые доступны в open-source?

Эмад: Да. Новая версия II Agent выходит через несколько недель, она ничем не уступает лучшим агентам на рынке, и она полностью open-source (Apache). А Common Ground мы используем для обмена контекстом (круто, что можно делать это мультимодально). Я также построил кастомные воркфлоу для сложной математической работы с использованием Lean (языка пруверов), когда мы пытались формализовать нашу экономическую теорию.

Но лучший совет: просто начните говорить с ИИ через Monologue или Super Whisper. И в целом, используйте reasoning (thinking) модели.

Для кодинга я много использовал Claude Code, но теперь я в основном использую Cursor/Codex. Он стал более чем достаточно хорош почти для всего (в связке с GPT Pro для планирования архитектуры).

Степан: Я думаю, за последние пару недель все до этого дошли. Они стали реально хороши.

Эмад: Я имею в виду, опять же, это самое интересное. Claude Code достиг ARR (регулярной годовой выручки) в $400 млн. Готова ли эта выручка рухнуть? У Anthropic выручка 4 миллиарда. У Cursor — 1,3 миллиарда. У Claude Code — 400 миллионов. Разве это всё не может просто исчезнуть? Это будет один из самых интересных моментов.

Именно поэтому, когда я строил компанию в прошлом году, я привлек $100 млн через SAFE-ноты в Stability, а затем ушел. Я понял: я не могу привлечь 500 миллионов или миллиард и конкурировать «в лоб» с OpenAI. Кто-то должен подумать об экономике всего этого.

Я понял, что лучшей бизнес-моделью для ИИ-компаний будут цифровые токены, потому что в следующем году спрос на цифровые токены легко превысит сотни миллиардов долларов.

Степан: Вы имеете в виду криптотокены?

Эмад: Да, криптотокены. Которые теперь полностью легальны в Америке.

У нас очень простая концепция: мы создаем диверсификатор для биткоина. У вас есть Bitcoin, вы можете купить Foundation Coin, сделать доброе дело и заработать денег. Я думаю, всё больше ИИ-компаний будут финансировать себя через цифровые активы, и в следующем году мы увидим расширение этого пространства. Я думаю, всё больше ИИ-компаний будут финансировать себя через цифровые активы, и в следующем году мы увидим, как люди будут исследовать пространство дизайна этих цифровых активов.

Степан: Крупные лаборатории тоже это изучают, потому что, на мой взгляд, крипта отлично подходит для формирования капитала. Это одна из ее сильных сторон. Но она хороша вот в чем: когда вам нужен миллион, 10 миллионов, может быть, 100 миллионов. Но когда вы привлекаете 300 миллиардов долларов... такого в крипте просто не бывает. Как вы думаете, крупные лаборатории открыты к этому, или вы сами это исследуете?

Эмад: Ну, вспомните, сколько в свое время привлек EOS и другие проекты, и это было еще до того, как всё стало полностью легальным.

Степан: Да, я имею в виду, там был миллиард.

Эмад: Да. Но теперь крипторынок стал намного больше, спрос будет гораздо выше, всё это будет полностью легально и доступно прямо с вашего телефона. Мы — передовая исследовательская ИИ-лаборатория (frontier AI lab). Наш агент находится на уровне state-of-the-art, занимает первые строчки в бенчмарках, у нас передовая медицинская модель, наборы данных для исследований, основная команда из Stability, где мы обучали Stable Diffusion 3.5 и всё такое. Так что мы будем финансироваться через рынки, но вместо обычных utility-токенов — повторюсь, это будет как биткоин, только вычислениями будут заниматься суперкомпьютеры по всему миру, дающие людям универсальный ИИ.

Это будут суперкомпьютеры для лечения рака и тому подобного. Если я проведу продажу своих монет на миллиард долларов, все эти деньги пойдут на суперкомпьютер для здравоохранения, и мы ускорим поиск лекарства от старения, рака и других болезней, и всё это будет прозрачно. Это та петля обратной связи, которую мы никогда не могли реализовать раньше, верно? И я думаю, именно это привлечет крутые команды. Миллиарды вам нужны только в том случае, если вы обучаете огромные модели. А обучать огромные модели нужно только тогда, когда кто-то другой не делает это должным образом в open-source.

Степан: Я думаю, что проекты вроде Stargate и другие — это в первую очередь про инференс (вывод).

Эмад: Да, и в этом самое интересное с автоматическим маркетмейкингом, ликвидными цифровыми рынками и тому подобным. Вы можете легко создать гораздо лучший криптоэкономический дизайн. Возьмите, к примеру, проект Venice. Они сделали отличного чат-бота. Они создали governance-токен и всё такое. Их криптоэкономический дизайн был бы намного лучше — но в прошлом году это было невозможно, а в следующем году станет возможным — если бы каждый человек, использующий Venice, получал токены почти потоком (streaming) просто за его использование. Повторюсь, в прошлом году это было нелегально, поэтому им пришлось создать токен управления VV.

Даже если сейчас у вас есть токены с механикой сжигания (burn tokens), то, что мы всегда хотели построить с помощью крипты, теперь наконец-то легально. И я думаю, что люди это недооценивают. У крупных лабораторий большая институциональная инерция. Но даже в OpenAI изначально, в 2019 году, Сэм Альтман хотел запустить криптомонету и обсуждал это с Илоном Маском. У них есть для этого все элементы.

Крипта проходит через переходный момент, когда, если вы можете спроектировать правильные системы и если мы нацелены на монетарный актив (а мы, повторюсь, эксперты в создании моделей, и мы также спроектировали отличную экономику с нуля), у людей будут эти токены с сжиганием от выручки, у них будут аналоги pump.fun, аналоги BNB. Я думаю, это целое пространство для дизайна, к которому люди будут присматриваться.

И причина, по которой я это говорю, заключается в том, что гораздо проще занять часть крипторынка с точки зрения инкрементального спроса, чем конкурировать на рынке ИИ, который представляет собой гонку на дно. Выручка Claude Code может упасть с $400 млн до нуля. У OpenAI может появиться аналог Cursor с лучшей дистрибуцией, который сведет бизнес Cursor к нулю. И это будет интересным моментом для многих ИИ-компаний: когда модели станут более универсальными, агенты станут более общими, они просто абстрагируют всё остальное.

Надежна ли их текущая выручка (ARR) в долгосроке? Мы рады, что перешли в Web3, и мы с нетерпением ждем возможности систематизировать мировые знания и сделать их доступными. Мы хотим показать нашу экономическую модель миру и надеемся получить отзывы. Книга бесплатна или стоит 99 центов на Amazon, потому что нам нужно работать над этим вместе. У нас нет всех ответов, но я думаю, мы положили хорошее начало.

Степан: Да-да. Это звучит невероятно захватывающе. Мы обсудили будущее и темы, которые очень важны, которые коснутся жизни каждого, но при этом они суперактуальны. Это происходит не через десятилетие, это происходит сегодня, буквально в прямом эфире. Где люди могут следить за вами, вашей работой и продуктами, и где они могут найти книгу?

Эмад: Да, книга находится на сайте thelasteconomy.com. Там она доступна, а наш сайт — ii.inc. Так что присоединяйтесь к нашему Discord, подписывайтесь на соцсети и так далее.

Степан: Потрясающе. Спасибо за ваше время. Это было очень глубоко, очень интересно, а также очень практично. Мне действительно понравилась беседа.

Эмад: Спасибо. Был рад пообщаться.