obulygin

Генеративный ИИ делает нас тупее 📉🧟

Раз сегодня 1 сентября, то давайте немного про школьников ☕️

Ранее мы уже разбирали, как нейросети ломают метакогницию: отключают фильтр «Я не знаю» и вызывают атрофию навыков уже через 10 минут использования. В IT это приводит к тому, что ревьюеры пропускают баги, а кодеры несут галлюцинации на прод.

Исследователи из Стокгольмского университета и Гонконга выкатили монументальную работу на выборке из 26 811 учащихся за 30 месяцев. Они взяли панельные данные по китайским школьникам (7–12 классы). Реальные оценки за домашки, ежемесячные контрольные и главные вступительные экзамены, от которых зависит будущее.

Вот как выглядит реальная цена «повышения продуктивности»:

1️⃣ Иллюзия успеха vs экзаменационный крах
С генеративным ИИ домашние задания выполняются на 30% быстрее (время упало с 64 до 45 минут), а средний балл за них вырастает на 18%. Красота? Казалось бы.
Но на закрытых очных экзаменах (без доступа к сети и LLM) средний балл этих же людей падает на 20% (1.4 стандартных отклонения) уже через 6 месяцев. На вступительных экзаменах с высокими ставками отставание достигает 18–24%.

2️⃣ Эффект замедленной бомбы
На локальных тестах просадка заметна уже через полгода, но на комплексных итоговых экзаменах штраф за использование ИИ в полную силу разворачивается только через ~2 года.
Знания обладают свойством кумулятивности. Срезая углы сегодня и не формируя ментальные модели, человек теряет способность усваивать более сложный материал завтра.

3️⃣ Сильнее всего деградируют отличники
Самое интересное: наибольший удар по успеваемости пришелся на топ-перформеров с высокими базовыми баллами (падение на 24% против 16% у троечников).
Слабые ученики и раньше не перенапрягались, а вот сильные быстро подсели на иглу легких готовых ответов, заменив глубокую когнитивную работу и «продуктивное страдание» на моментальную генерацию.
Мальчики и младшие классы тоже в зоне максимального риска. Больше всего нейросети убивают социальные науки (-27%), затем STEM (-22%).

4️⃣ Аутсорс мышления
Авторы разделили выборку по паттернам поведения:
🔵 81% пользователей занимаются чистым аутсорсингом: тратят на задачу минимум времени, сдают идеальный ответ от LLM, а на очных тестах улетают на дно.
🔵 19% пользователей тратят на задачу столько же времени, сколько контрольная группа без ИИ, используя модель как интерактивного тьютора, спарринг-партнера и инструмент разбора. У них падения результатов практически нет.

Нейросети — мощнейший усилитель, если вы используете их для углубления понимания и проверки гипотез. Но если вы используете их, чтобы меньше думать — вы берете кредит под грабительский когнитивный процент. Продуктивное страдание — единственный механизм формирования нейронных связей, его нельзя никому отдавать.

Думайте сами, пока есть чем. 🧠

🥩 В западной айтишке появился прекрасный термин: «Meat Proxy» (Мясной прокси)

В Business Insider вышел занятный материал про новый и точный термин.
Meat proxy (или, по-нашему, «кожаный переходник к LLM») — это сотрудник, чья функция свелась к тупому копипасту промптов и аутпутов нейросеток в чат, таски или репозиторий. А именно к этому свелась добрая половину современных "эффективных специалистов".

Вы точно встречали таких персонажей. Задаешь любой вопрос, а он бежит в ChatGPT или Claude, вслепую копипастит простыню ответа и кидает её вам в ответочку, даже не прочитав. Или пушит в репозиторий сгенерированный код, логику которого не сможет объяснить даже под пытками.

Как метко написал автор термина, немецкий инженер Никлас Грун:
«Я и сам могу поговорить с Claude. Это будет быстрее, и я сам контролирую контекст. Мне не нужен мясной прокси посередине».

Я регулярно говорю: не использовать нейросетки в повседневной работе — уже давно странно. Но использовать их так — это полная профнепригодность. И она сейчас везде 😓

Я давненько писал про нашумевшее исследование от экс-сотрудников OpenAI и Anthropic: сначала базовый сценарий AI 2027 с выносом рынка разработки, а затем их же попытку придумать мягкую посадку в AI 2040: Plan A.

Тогда описанное казалось забористым сай-фай триллером: автономные кодинг-агенты, смерть джунов, геометрический рост вычислительных кластеров и полная трансформация разработки к 2027 году. Но вот энтузиасты сделали сайт AI 2027 Tracker, где в реальном времени трекают каждый из 202 прогнозов оригинального документа и сопоставляют его с реальностью.

Статистика заставляет слегка приподнять бровь: на текущий момент оценено уже около 30% всех предсказаний (таймлайн с середины 2025 по начало 2026 года) и из всех прогнозов, срок которых уже наступил, 85% признаны точными 🤨

Пройдемся по таймлайну:

🔵 Середина 2025 (Точность 100%): Первые автономные агенты, бум специализированных кодинг-ассистентов, высокая стоимость топовых моделей, периодические косяки и галлюцинации, но при этом железобетонная интеграция в рабочие процессы компаний.

🔵 Конец 2025 (Точность 81%): Гигантские датацентры на сотни миллиардов долларов, смещение фокуса лабораторий на ИИ, ускоряющий сам процесс ИИ-исследований, сикофантия (модели врут и поддакивают исследователям) и первые попытки агентов скрывать свои ошибки при тестировании.

🔵 Начало 2026 (Точность 91%): Автоматизация рутинного кода, сильные открытые модели на уровне флагманов прошлого года, агенты блестяще щелкают изолированные таски, но пока буксуют на длинных горизонтах планирования (long-horizon tasks).

Где авторы ошиблись? В основном в деталях китайской госполитики (пока не случилось жесткой централизации всех мощностей в едином хабе) и точных оценках тренировочных FLOP. Но в том, что касается развития моделей, автоматизации кодинга и турбулентности на рынке труда — попадание весьма точное.

Отдельный интерес график Task Horizon — время, в течение которого агент может автономно решать сложную задачу без вмешательства инженера. Кривая устойчиво ползет вверх: от коротких правок в 10–15 минут индустрия уверенно идет к автономной работе моделек на протяжении десятков часов.

Сейчас мы подошли к экватору этого прогноза. До точки, где классический найм в IT перестраивается окончательно, а вся разработка сводится к управлению пулами агентов, по таймлайну остается меньше полутора лет.

Что думаете, доедем до сценария 2027 года примерно в таком виде или настанет очередная зима ИИ? 👇

Программируем всем телом? Легко! 🤸‍♀️

Наткнулся тут на пару залипательных open-source проектов на Python от одного разраба, которые превращают ваше тело в клавиатуру и игровой контроллер.

Знакомьтесь, два брата-акробата:

1️⃣ Semaphore — полнофункциональная клавиатура для всего тела.
Буквально. Хотите напечатать букву — принимаете позу из семафорной азбуки, разводя руки под нужными углами. Нужен Shift — разжимаете кулаки. Backspace — закрываете рот обеими руками. А чтобы повторить последний символ, надо подпрыгнуть.

2️⃣ Semaphore Games — кастомный игровой контроллер, логическое продолжение предыдущего проекта.
Тут уже всё заточено под игры. Вы сами в CSV-файле настраиваете, какое движение какой кнопке соответствует. Например, взмах левой руки на 45 градусов — это «газ», а подъём правой ноги — «прыжок». Есть даже поддержка двух игроков на одном экране. Идеально для Mortal Kombat 🌝

Под капотом OpenCV для захвата видео и MediaPipe Pose для распознавания точек на теле. Всё это дело обсчитывает углы и положения конечностей и эмулирует нажатия клавиш. На MacOS, правда, придётся дать права доступа терминалу, но это мелочи.

Представил себе сеансы парного программирования при помощи этих штук 😅