Mourning Espresso

Между прочим, гражданин Огурец занят. Занят гражданин огурец важным делом: у него садик, свое маленькое хозяйство. Маленькое, да свое. Гражданин Огурец человек несомненно прогрессивный, по четвергам даже передовой: хозяйство у него полный диджитал.

Вот красивая CLI-утилита, вот прекрасная грядка с очередным новаторским рест-фреймворком, вот редкий уже слегка пыльный микросервис на чем-то экзотическом. Вот большой международный проект, где гражданин помог побороть пару злобных недугов и исправил запятую. Очень любит гражданин Огурец этот проект: вот он жмет кнопку в проссанном лифте, вот он через пару минут – гражданин мира, на равных обсуждающий как бы получше раскидать ифчики по бестпрактисес. Еще у него в хозяйстве есть репозиторий с дипломом в Латехе, вот PoC из позапрошлой работы, вот кормушка для рыбок на Ардуино. Прекрасное хозяйство у гражданина Огурца. Молодец, гражданин Огурец!

Живет гражданин Огурец в прекрасном доме, в необычном доме. Дом гражданина Огурца, кажется, из кирпичей, а кирпичи – из дизайнерской слоновой кости. Кирпич – он на века. Гражданин Огурец – приличный гражданин, примерный. В пример его приводят: смотрите, например, – какой образцовый примерный гражданин, примерно идеальный. Скрывать гражданину Огурцу нечего, поэтому у него и дом в ипотеку, и машина в кредит, и телефон, и кошка. Ничего нет, так нечего скрывать – все просто!

Гражданин Огурец смотрит на происходящее с недоумением. Ему кажется, что у всех вокруг единомоментно отлетела крышечка, сограждане предались коллективному безумию. Кто-то обматывается флагами, кто-то зачем-то штурмует погранпункт горной Сильдавии, кто-то внезапно проезжает Золотое Кольцо в один день. Огурец – добрый. Смотрит на этих припизднутых порой насмешливо, порой с доброй улыбкой усталого психиатра. Были граждане – ебанулись, ну бывает. Может, пройдет.

Дело надо делать, считает гражданин. Код надо писать. Все пройдет, и это пройдет, говорит. Большую часть дня гражданин Огурец предпочитает сидеть в доме из слоновьего кирпича и возделывать садик, покашливая и без разбору поругивая всех болельщиков, все команды: политические, спортивные, макрамэ. Не любит спорт наш гражданин.

Дом у гражданина Огурца замечательный. Еще граф Вишня благословил в свое время. Дуют ветры, воют люди, а дом стоит крепко. Наоборот, как пристроил гражданин Огурец богатства, брошенные ебанутыми беглецами, так жизнь еще богаче началась.

Есть и проблемки. Раньше-то как-то пугало, что вокруг шатаются подручные синьора Помидора, но гражданин Огурец научился вовремя делать ку и строить бедняцкую гримасу, что те, брезгливо морщась, проходили мимо. Однажды соседа гражданина Огурца, кума Тыкву, забрали в тюрьму за незаконную постройку. Гражданин молча проводил его взглядом, не сказав ни слова.

Еще землятрясения мучают, но дом-то стоит, чего переживать. Тряхнуло – посыпалась штукатурка. Подмети просто, и делай свое дело – так считает Огурец. Окошко как-то выбило, ну так землетрясения они такие. Раз стену разворотило, ну а чего ты хотел от землетрясений: у нас тут суровые граждане живут, суровый край.

Однажды история случилась: землетрясением разъебло дом гражданина Огурца. Нахуй – и в щепки. Проломило крышу, кирпичами из дизайнерской слоновьей кости засыпало садик. Стоит озадаченный гражданин и думает: да что не так-то, дом был отличный, стоял-стоял, – и разъебло… Всю жизнь дом этот строил, на века, как везде по миру строят.

Что такое, ведь гражданин все делал правильно: и делом все должны быть заняты, и коллективному безумию следовать не стоит, и дом из слоновьей кости – прекрасный и прочный, и синьоров Помидоров тоже пережить можно. Все верно, кто спорит.

Не учел гражданин Огурец вот чего: дом из кирпичей из слоновьей кости прочен покуда стоит на надежном устойчивом фундаменте. Какой смысл в толстых стенах, когда Земля икает каждый другой день? В те секунды ты такая же песчинка, что тот дурашливый кум Тыква со своими 3 кирпичами. Ищи надежную поверхность, а не можешь, так укрепляй фундамент, не поливай цветочки.

Всем нам крепкой земли под ногами в 2026. С Новым годом, гражданин Огурец.

Алгорейв. Нет, не про собеседования
YouTube | Подкаст | Слушать

Вечеринка как вечеринка. Душный клуб, смесь запахов пота, алкоголя и туалетной воды. На сцене — диджей, позади — визуальная подложка. Очень громко играет техно. Не самое сложное, довольно обычное, даже скорее заурядное. Классика: брейкдаун, билдап, дроп, бридж, брейкдаун, билдап, дроп. Визуальный ряд какой-то странный: бешеная мешанина разноцветных глитчей в духе лейбла Warp, а на фоне какие-то странные наборы букв и знаков препинания.

Если присмотреться, не сразу, но бросается в глаза, что диджей делает что-то необычное. Он почти не крутит ручки реверберации на пульте, зато постоянно что-то явно печатает в своем макбуке. Что характерно, кажется, будто он обновляет не только визуальный ряд, но и звук. Как только вы это понимаете, то все происходящее резко из двухмерного становится трехмерным: вы не просто не техно-вечеринке, вы наблюдаете аудиовизуальное представление, где диджей — не диджей, а программист, который вживую синтезирует музыку, меняя ее на ходу, подстраивая под настроения в зале. Публика мертва — давайте перепишем с техно на транс. Публика скучает — давай добавим дроп. Звучит все бледненько, так давай сюда накинем лоупасс фильтр, да чуток подсвингуем ритм.

Это алгорейв. А музыкант еще зовется лайв-кодером, потому что он буквально в прямом эфире пишет музыку под текущую ситуацию в зале на некотором особенном языке программирования.

Как выглядит этот язык? Например, вот так:

const drums = s("bd sd bd sd").bank("RolandTR909")  
const hats = s("hh*8").gain(0.3).bank("RolandTR909")  
const bass = note("c2 ~ c2 ~ e2 ~ g1 ~")  
  .sound("square")  
  .lpf(500)  
  .lpq(3)  
  .delay(0.5)  
  .delaytime("0.25 0.5")  
stack(drums, hats, bass)

Попробуйте. Не забудьте нажать на Play. Попробуйте прямо во время игры изменить ноты или параметры LP-фильтра или дилея, нажмите Update.

Среда, в который вы все это делаете, называется Strudel. Язык называется Tidal, но в диалекте Strudel. Tidal похож на Haskell, Strudel — на JavaScript. Есть еще масса реализаций на разных языках, вроде Python. Языки программирования всех этих сред называются Uzu, все как один — диалекты Tidal.

Принципы очень просты: мы описываем некую сущность (изображение или звук), а дальше в виде паттерна билдер (или монад, если оно вам так хочется) изменяем его: например, в случае музыки, меняем ритм, банки звуков, длительности, добавляем эффекты, меняем ноты. После этого полученные паттерны складываем определенным образом. В примере выше — просто играем одновременно. Благодаря своей структуре, все Uzu-языки по умолчанию сделаны с FRP, что дает эту визуальную привлекательность и наглядность.

Сам Tidal вышел из докторской диссертации Алекса МакЛина, который описывал подходы к занятиям искусством через программирование. Не программирование как область искусства, но искусство, создаваемое через программирование. Референсной реализацией его идеи и был Tidal — некоторый язык на базе Haskell. В сущности, Tidal не ограничен предметной областью (музыка, изображение, видео), это общий язык для описания некоторых паттернов во времени + ряд способов это рабочее пространство искажать.

За процессом создания музыки в Strudel (наверное, основной инструмент алгорейвов) бесконечно залипательно наблюдать. В чем-то он схож с битбоксингом, когда музыканты используют семплеры, чтобы нанизывать небольшие бусины на украшение, пока оно наконец-то органически не сложится: вспомним добрым словом великого DubFX. Особенно впечатляют примеры составления треков с нуля, когда за пару минут можно буквально написать сносный трек.

Strudel вовсе не ограничен электронной музыкой, с его помощью можно написать любую другу музыку. Хоть Radiohead, хоть Шостаковича.

Мы как-то привыкли, что программирование — это про языки разработку приложений, хоть под веб, хоть под мобилки, хоть под десктоп. Но на самом деле — это просто метод адаптации среды под наши нужды. И можно программировать без циклов и ветвлений, собирая при этом целые залы людей, которые идут туда вовсе не ради своей бесконечной любви к JSON.

Проект Stargate: бизнес как прыжок веры
YouTube | Подкаст | Слушать

Этот выпуск несколько необычный хотя бы тем, что у меня не получилось уложить все мысли в один стандартный телеграм-пост. Поэтому сам текст можно почитать по ссылке ниже. Кроме того, раз все такое необычное, то я отдельно постарался, чтобы видео было поинтереснее: со ссылками и цитатами. Думаю, смотреть такое несколько приятнее.

Этот выпуск — про проект Stargate, как он выглядит с изнанки, с черного хода: откуда берутся деньги, и каковы, на мой взгляд, перспективы всего этого мероприятия. Почему нам всем пора бы перестать обращать внимание на ИИ как на продукт, и пора бы обратить внимание на ИИ как бизнес, где все, в общем-то, не слава богу.

https://telegra.ph/Proekt-Stargate-biznes-kak-pryzhok-very-08-31

Спроектируйте Твиттер: полифония наших голосов
YouTube | Подкаст | Слушать

Спроектируйте твиттер.

Любой человек, проходящий или проходивший интервью на системный дизайн, будет делать одно и то же: выяснит предполагаемый масштаб беды — это его рамки; выяснит, чего хотят получить в итоге — это цель. А дальше надо под заданный масштаб так сложить кубики с Kafka, MongoDB, Airflow, чтобы в конце получить ленту с либеральными эмигрантскими срачами. Практически всегда системный дизайн сводится к рисованию прямоугольничков и линий в Excalidraw или прочих сервисах с комментариями, мол, вот тут у нас пойдут 20 тысяч отчаянных криков, которые через 8 нод Кафки сведутся в мощную полифонию наших голосов.

Получившийся дизайн — сложная отказоустойчивая система на бумаге, однако вряд ли с ее помощью получится создать отказоустойчивый бизнес. Классная технология не гарантирует классный бизнес, равно как и обратное. Идеальный активисткий этичный горизонтальный сейф-спейс веган-кафе Фрик был превосходным модельным конструктом в духе Жака Фреско, который сломался на этих, как его. На людях сломался.

Проектируя системы, мы ориентируемся лишь на технические вызовы: количество пользователей, рост нагрузки, возможные кейсы использования, форматы отчетов, устойчивость к сбоям. Мы постоянно думаем о легкости в обслуживании, о расширяемости. То есть не только о том, как система живет в моменте, но и о том, как она будет жить в дальнейшем. Вместе с тем, это дальнейшее наступит только в том случае, если будут люди, которые ее аккуратно перенесут из точки А в точку Б. Всякий раз думая о будущем развитии системы, мы исключаем из уравнения людей. Нет, мы, конечно, думаем о бизнесе, который суть те же люди, но скорее как об источнике поступления новых противоречивых требований. А о нас, как об интеллектуальном ресурсе, который и будет толкать продукт в сторону, мы обычно не думаем. А его может тоже повести в сторону, причем совершенно непредсказуемо.

Был разработчик — запой. Был разработчик — автобус. Был разработчик — у конкурентов. Бизнес не пошел — разработчик ушел. В целом, проектируя отказоустойчивые системы, мы всегда выносим отказоустойчивость самого процесса разработки за скобки, порой припоминая, но редко когда на самом деле учитывая.

Например, стало трудно и дорого крутить виртуалки в облаке, хочется, чтобы докер, чтобы лямбды — получаем Кубернетес. Хочется единообразно конфигурировать политики — получаем service mesh. Весь этот набор джентельмена имеет свою стоимость не только во внедрении, но и в разработке: а что, если кроме вас никто больше не хочет возится с Istio или писать на YAML? А если вам это все надоест, вы смените команду, компанию, или решите чего-то подправить через пару лет, и с раздражением понимаете, что как-то все недостаточно хорошо документировано, и теперь приходится на это тратить кучу времени, которого нет?

Вот в чем штука: мы не глядя внедряем сложнейшие алгоритмы консенсуса для борьбы с сетевым партиционированием, но сломались бы протащить кафе с консенсуальным принятием решений. Ровно потому, что и мы, и они не думают о том, как эти все сложнейшие конструкты справятся с тем, что временем сами исполнители будут все сильнее и сильнее влиять на продукт, может быть даже сильнее хрупкого железа, которое, возможно, и не откажет-то никогда, а мы, такие умные, будем ежеминутно запинаться о камни, присыпанные соломой, которую заботливо подстелил Василий, стоявший за то, что будем делать, когда наш убер для выгула собак дотянется до каждого собачника страны.

А где, кстати, Василий? А у него ребенок на прошлой неделе родился, он уже горой за проект не стоит. Горкой разве что, выгоревшей с прошлого пожара. И в сервисах Василия никто ничего не понимает. Продукт, закованный в сложнейшую технологичную противотанковую броню, влетел в реку из-за пьянства водителя. Забавно, конечно, получается, когда человек, спасающий проект от всевозможных боттлнеков, сам ставит проект в состояние заложника.

Только и остается, что смеяться над публичным ретро горизонтального веган-кафе Фрик. У нас-то и клоуны другие, и сценарий.

Дартмутская конференция: мы забыли испугаться
YouTube | Подкаст | Слушать

Давайте представим, как бы сейчас подали подобную новость, случись она, скажем, вчера.

18 июня 1956 года в Дартмутском колледже собралось 18 человек. Непростых человек. Среди них были Джон МакКарти, Марвин Мински и Дональд МакКей. В июне 1956 года 18 лучших умов мира в сфере информационных технологий заперлись в одном из лучших университетов мира на 2 месяца с одной целью: решить проблему искусственного интеллекта.

Лет 5 назад такая история смотрелась анекдотично, но сейчас, когда СМИ наперебой обсуждают AGI, прогреваемые кокетством ведущих игроков рынка, как-то не до смеха. А вдруг Альтман чего-то знает? А вдруг Суцкевер, который один стоит как Яндекс, тоже что-то у себя в подвале собирает.

В 1956 году проблема искусственного интеллекта, в целом, считалась решенной. И тут ведь даже не сошлешься на эффект Данинга-Крюгера, ведь собрались реально топовые умы, на чьих работах до сих пор строится большая часть современного ML. Проблема искусственного интеллекта была закрытой, нужно было только утрясти пару вопросиков, да устаканить некоторый формализм.

Один из участников, Рэй Соломонов, вел записки, которые сейчас можно почитать на его сайте. Сайт старомодный, из 90х. Там вы можете найти PDF с отсканированными тетрадями, записями на салфетках и фотографиями. Читать эти записи безумно интересно (но жутко тяжело из-за почерка), особенно учитывая, что некоторые вещи, которые обсуждались тогда, мы обсуждаем и сейчас, причем на более примитивном уровне.

Тем удивительнее, что общий сентимент в обществе был положительный. Никто не боялся того, что ИИ нас всех заменит, хотя консенсус был таков, что ИИ перевернет мир уже в пределах десятилетия. То была эпоха послевоенного оптимизма. 60-е — это легкие интерьеры с разнообразными геометрическими формами, яркий контраст в материалах и цветах. Это хиппи, это появление и бурное развитие мейнфреймов.

Почитайте фантастику: Кларк, Хайнлайн — это все то время. Не самая простая литература, через которую проходит магистральная линия тяги к открытиям, к космосу и реализации человека. Это не время апокалиптических антиутопий, это вера в человечество, вера в расширение горизонтов.

В 60-е года XX появилась масса вещей, способных радикально изменить жизнь в общем, General Purpose Technologies, технологии общего назначения. Компьютеры, способные автоматизировать коммерческие предприятия вроде IBM/360, появился ARPANET, с ИИ вроде как все решили на уровне науки, возникли интегральные схемы, появился BASIC. Но люди ничего не боялись, наоборот, они жаждали перемен, пускай даже условно, можно уволить большую часть бухгалтеров из корпорации: их бы заменила физическая машина, способная считать умопомрачительно быстро, ничего не забывающая и не ошибающаяся.

Так в чем принципиальная разница между 1955 и 2025? Почему один и тот же вопрос, — вопрос ИИ, — тогда вселял надежду, а сейчас ужас? Не потому ли, что мы просто смотрим на него через разную оптику, через разное отношение, которое на технологию особенно не влияет? 70 лет назад у нас были равнодушные биоты из странного мира «Свидания с Рамой», а сейчас — социопаты трисоляриане из «Задачи Трех Тел». 60 лет назад был Электроник, сейчас — Терминатор.

Так не в том ли дело, что весь ужас, который принято испытывать перед ИИ — это всего лишь проекция нашего мировоззрения и наших страхов? Конечно, я не утверждаю, что всему причиной поп-культура, но поп-культура — суть отражение тех же процессов. Так почему мы так встревожены? Разве у нас есть истории стабильных повторяемых успехов в заменах людей на нейронки? Microsoft рапортует о том, как сэкономили баснословные деньги на поддержке, а более мелкая Klarna в том же самом кейсе, спустя год, снова побежала нанимать живых людей. Наши отцы не боялись, мы — боимся, хоть причин не прибавилось. Так может быть мы боимся не того, что происходит на самом деле, а просто канализируем общую неуверенность в завтрашнем дне, чьи причины куда прозаичнее?

Морали в этой истории нет. Хуй вам, друзья мои.

Первый прецедент: Anthropic виновен
YouTube | Подкаст | Слушать

Некоторое время назад мы с вами обсуждали текущее положение дел с ИИ в юридической плоскости. Тогда их основная линия защиты сводилась к аргументу про добросовестное использование, когда в ряде случаев можно игнорировать копирайт, если авторам нет экономического вреда.

Я предполагал, что первая прореха в обороне ИИ-компаний будет заключаться в том, что те начали платить за то, чтобы кто-то снимал работы прямо для них. Это действительно во много оказалось главной брешью в защите.

Давайте сегодня разберем первый прецедент, когда суд объявил ИИ-компанию виноватой в масштабном нарушении авторских прав. Это дело коллектива авторов во главе с писательницей Андреей Бартц против Anthropic. Просто чтобы посмотреть, как выглядят аргументы сторон.

Прежде всего, в процессе разбирательства был выявлен очень смешной факт: во-первых, компания Anthropic честно приобрела и отсканировала миллион печатных книг для обучения Claude. После чего — уничтожила. Этот нелогичный шаг, как окажется впоследствии, оказался военной хитростью. Так вот, кроме того расследование выявило, что компания еще и накачала себе пиратских книг понятно откуда, причем в объемах, которые на порядок превышают объем оцифрованного. Так примерно и сложился датасет у главных борцов в мире за этичный ИИ.

Суд вынес несколько очень важных решений.

Во-первых, был закрыт вопрос о том, законно ли вообще обучать ИИ на копирайченном материале: можно. Суд сравнил обучение LLM с обучением человека чтению и письму: то, что мы даем на входе, мы не всегда получаем на выходе. Иногда человек может вспомнить какой-то эпизод и процитировать, однако цитирование не является нарушением авторских прав. В сущности, накладывая дополнительные ограничения, мы неминуемо обязаны заставлять нас платить всякий раз, как нам самим какая-то книга приходит на ум, уж не говоря о цитировании, скажем, стихов. Кроме того, нельзя и запретить имитировать чей-то авторский стиль: LLM не обучают тому, что нужно обязательно все говорить как Хармс. LLM дистиллирует и смешивает, и если мы не судим людей за воспроизведение авторских приемов, то и LLM судить за то же нельзя.

Во-вторых, суд постановил, что скупка и обучение на таких книгах — добросовестное использование. Тут важны рамки: во-первых оцифровка и уничтожение исходных материалов не привело к появлению новых копий, а следовательно является трансформативным процессом перевода из одного вида в другой, а не копированием, а такие процессы попадают под fair use. Авторы попытались было оспорить то, что это действие не было одобрено, однако суд решил, что дураки оба, но прав Anthropic, хотя немножко по другим причинам. Сославшись на кучу прецедентов, было выдвинуто такое суждение: физическая форма текста, как и свойства этой формы не являются предметом копирайта. А раз так, то трансформативный процесс перевода из одной физической формы в другую так же ничего не нарушает, потому что новых копий нет, а просто поменялась рамка. Примерно как сменить рамку у фотографии.

Но вот по чему суд проехал катком, так это по пиратскому датасету. И нет, дело даже не в том, что нельзя его вбрасывать в топку алгоритмов. Нет. Дело в том, что по законам США само скачивание этих материалов является нарушением. Под fair use попадает снятие копии с изначально так или иначе законно купленной книги, но не копирование незаконно добытой. Радикальная разница не в том, что копия была получена мутным способом, а в том, с чего именно была снята копия. Более того, fair use предполагает, что копия используется только в одном конкретном случае, а здесь мы имеем два: обучение и составление библиотеки. Кроме того, вы же только что своим примером показали, как можно платить за датасет. Значит нет причин не создавать такую же библиотеку, но за деньги? Нет же?

Таким образом, легальный фундмент ИИ сейчас такой: процесс обучения и выходы модели — неподсудны. А вот происхождение топлива — и будет предметом главных судебных баталий.

Теория всей ху*йни: как пережить темные времена
YouTube | Подкаст | Слушать

Сейчас времена темные.

По всему миру из технологического сектора до сих пор идет поток увольнений, особенно из США. Россию тоже постепенно начало цеплять, несмотря на все невероятные налоговые бенефиты, которыми засыпали компании. За все три года форма процесса увольнений качественно не изменилась. Наверное, вследствие каких-то меритократических механизмов, когда образование или положение не давали существенных преимуществ перед талантливым кандидатом, променявшим венерические болезни молодости на моноблок с Арчлинуксом, мы все привыкли к тому, что наша жизнь реально в наших руках, и что мы с каждым годом будем всенарасхватнее, а что пошло не так — просто меняем работу. Порхая между работами с такой легкостью, у нас не было ни стимула, ни потребности ни держаться за места, ни объединяться с целью отстаивать свои права. Шок первых волн сокращений отступил, выжившие, как пыль осела, разглядела толпы уволенных, обивающих пороги бывших омег с целью получить хоть что-то, дабы расплатиться по счетам. В западном мире есть консенсус: уволят, будешь искать новую работу полгода, и найдешь нечто, о чем раньше бы говорить постеснялся. И даже в контексте этого консенсуса разработчики не пытаются собраться в профсоюзы или судиться по поводу увольнений.

Сейчас времена такие, когда надо любить не работу, а факт того, что семье есть на что прожить следующий месяц.

Наверное, именно меритократические ворота в профессию и обеспечивают вот эту особенность, что разработчики, нервно скроллящие Blind или TheLayoff, совершенно неспособны объединяться: каждый сам за себя.

Это последний выпуск из серии «Теория всей ху*йни», и давайте попробуем подключить ее к проблематике и попытаться выработать оптимальную стратегию действий, когда нам действительно хотелось бы сделать так, чтобы рука начальника дрогнула: давайте предположим, что на состав списка влияет мнение хотя бы пары звеньев от вас.

А менеджмент-то все понимает: увольнения приводят к повышению рисков, поэтому составляя список нужно руководствоваться не только гуманистическими соображениями (не увольнять мать-одиночку), так и максимизировать шанс дотянуть до нужных KPI, потому-то их-то, кажется, никто не срезает. В этом случае менеджер начинает оценивать людей с точки зрения рисков для текущего и запланированного объема работ. Если дело в деньгах, то может более осмысленно турнуть того пирожочка, который просит много, делает мало, а только и качает свой личный бренд опенсорсом да конференциями. Если дело в количестве человек, то надо бы оставить побольше тех, от кого реально зависит проект, а не кто в теории может быть максимально полезен.

В теории конструктов есть понятие гипотетической дистанции: когда более вероятное событие рассматривается конкретнее, а менее — абстрактно. С этой точки зрения наиболее полезный человек тот, который уже сейчас закрывает собой какое-то направление, кто контролирует его. Что значит контролирует? Тот, кто берет на себя какую-то ответственность за конкретную область, и снимает боль с менеджера, фактически управляя подпроектом. Кроме того, так как менеджер чаще всего с такими и общается, в действие вступает еще и социальная дистанция: если вас знает по имени не только начальник, но и его начальник, то, скорее всего, все с вами будет хорошо. Если уволить такого смотрящего, придется ставить кого-то взамен, и если нет очевидного кандидата, кто бы справился не хуже, то менеджер может выстрелить себе в ногу. Лучше уволить того очевидного кандидата, на ком не висит ничего важного.

Следовательно, для того, чтобы минимизировать свои риски, нам нужно стремиться брать на себя побольше ответственности: качество, которое даже ИИ не заменит. Нужно пытаться утащить под себя кусочки проекта, чем важнее, тем лучше. Чем больше к вам ходят зачем-то договориться, тем меньше у вас шансов потерять свое место. Чем меньше вы даете начальству поводов переживать за конкретное важное направление, тем больше оно будет переживать за риск появления этих поводов.

ИИ как судья: печальный опыт Нидерландов
YouTube | Подкаст | Слушать

15 января 2021 года третий кабинет министров Нидерландов под руководством Марка Рютте целиком подал в отставку. Этот кабинет умудрился пережить ковидный кризис, масштабные протесты фермеров, но был уничтожен скандалом с пособиями на childcare: детские сады, продленки и тп.

В период с 2005 по 2019 порядка 30000 семей получили красные конверты от налоговой, в которых утверждалось, что они незаконно получали пособия, и теперь им надлежит вернуть всю сумму. О каком порядке сумм речь? Childcare в Нидерландах невероятно дорог, поэтому абсолютно все, кто вправе, получают субсидии со стороны государства, которое может компенсировать от 30 до 95 процентов стоимостей. В противном случае семья должна быть готова выложить сумму, сопоставимую с со стоимостью месячной аренды жилья в Амстердаме. Таким образом, для многих затребованный возврат субсидий за несколько лет составлял десятки и даже сотни тысяч евро.

Пикантность ситуации заключалась в том, что большая часть из адресатов не совершала никаких противоправных действий, а теперь им предъявили долги в размерах, зачастую превышающих несколько ежегодных доходов. Многие подавали аппеляции; многие из тех, кто не смог убедительно доказать свою невиновность, оказались банкротами; многие семьи были разрушены; были дети, которых насильно были отправлены в приемные семьи.

После ряда публичных расследований выяснилось, что во многом вина лежит на ML-алгоритмах, которые ввели после предыдущего громкого скандала, чтобы помочь налоговой обнаруживать фрод. Они давали довольно предвзятые результаты, ведя себя фактически как расисты, когда мигранты и национальные меньшинства падали под значительно большее подозрение. Несмотря на то, что система была самообучающейся, в конечном итоге она просто убедилась в своем расизме.

На дворе 2025 год. Люди все еще отстаивают в суде свои права.

Почему так получилось? Система обучалась на существующих делах, когда ей показывали, в каких случаях какие решения нужно принимать, а уж она дальше сама пыталась обнаружить связи. Можно представить себе алгоритм вроде градиентного спуска, который на основе обучающей выборки дальше сам вел дела. Как вы понимаете, это пример классической проблемы, когда корреляция не означает причинность.

Если обучать тот же градиентный спуск, он отлично отрабатывает корреляции, но чрезвычайно плохо справляется с другими вероятностными связями, и совсем никак — с причинностью, потому что люди принимают свои решения на основе более широкого кругозора, чем вот эти несколько числовых параметров.

Например, большинство мошенников могут быть суринамцами, но это не потому, что все суринамцы злыдни, а потому что им чаще такие пособия в принципе нужны. Низкий достаток не связан с тягой к мошенничеству, а с тем, что именно таким людям и нужны пособия. Если вспомнить теорию вероятностей, то это все в первую очередь про разницу между условными и безусловными вероятностями. Как парадокс Монти-Холла, когда некоторое дополнительное знание, на первый взгляд и не нужное, меняет все.

Прямо сейчас в Амстердаме тестируется новая система: Smart Check. Она должна автоматически определять, стоит ли давать человеку пособие. Подошли с учетом этого скандала, и вот уже который год не могут выкатить. Все переделывалось и перестраивалось кучу раз, но всякий раз внешнее тестирование показывало новые и новые баесы по сравнению с департаментом живых людей, которые выносили решение параллельно с ней: вместо 4% ошибки она выдает 33%, да еще так же предвзято. К слову, результаты тестирования — в Open Source.

Я бы не хотел, чтобы вы поняли этот рассказ, как свидетельство ничтожности ИИ: прямо сейчас в Нидерландах уже работает почти 1000 похожих систем. Я бы хотел, чтобы вы поняли, цену ошибки в таких системах, когда они начнут замещать людей в чувствительных отраслях. Это не отказ в кредите или более высокая ставка, это буквально судьбы. И бывает важно не то, что система поймает плохого, а то, что она не поймает хорошего.

ИИ уже разрушал жизни тысяч семей. Это уже было и, к сожалению, будет.

Теория всей ху*йни: мы с Марса, они - с Венеры.
YouTube | Подкаст | Слушать

Почему-то я очень хорошо помню и картину, и свои мысли, и свои эмоции. Я дочитал книгу и убрал планшет в рюкзак. В рюкзаке мелькнула бутылка вина, но было все равно — пить не хотелось. Было тревожно, саспенс — круче, чем у Хичкока. Просто сидел и смотрел вникуда на сосновый лес. На самом деле, смотрел в свои мысли. Сидел довольно долго, полчаса не меньше.

Мысли были вот о чем: еще пару месяцев назад казалось, что делаю лучший в мире проект. Все по уму, распределенные системы, отказоустойчивость. Два месяца после ряда драматических событий тебе вручают вожжи управления проектом, вошедшим в резкий штопор, и все эти разговоры о том же Рафте смотрятся на редкость дебильным инфантилизмом. Выжить бы, да вывести проект из тупика. Все модные штуки с конференций моментально провалились, столкнувшись с тем, что жизнь жестче. Да точно, даже у динозавра-то не хватит мощи. Очень мутное размытое изображение жопы внезапно показали в 8К.

Когда приходится делать такой драматичный поворот, на некоторое время получается видеть один и тот же субъект с двух оптик в полную силу. Тогда в лесу я отчетливо понимал как все технические проблемы, так и все нетехнические. Было понятно, что делать X — плохо, но было еще понятнее, что если сделать иначе — то не уложишься в сроки, а это могло грозить тем, что и иначе-то делать уже было бы необязательно. Это был травмирующий опыт, но очень полезный: понимание, через какую оптику менеджмент смотрит на проект, и чем эти бездельники руководствуются.

Так вот, с точки зрения теории конструктов вот это анекдотичное противопоставление «Менеджеры с Марса, разработчики с Венеры» выражает конфликт, целиком построенный на разных гипотетических дистанциях. В случае близкой гипотетической дистанции, более вероятного события, мы его анализируем максимально детально, тогда как менее вероятные — поверхностно, абстрактно. Более вероятные события угрожающи, менее — назойливы.

С точки зрения менеджмента проект — это такой грузовичок, с помощью которого возят штуки и зарабатывают деньги. Он может где-то барахлить, где-то царапина, где-то вмятина, но дело вроде как делает и нет никаких сомнений, что дело в ближайшем будущем сделает. Проблема будет, если конкуренты заказы перехватят, где-то подрежут. А слом детали — ну что-нибудь придумаем. Бизнес-борьба — основной риск, вероятность проблем из-за техдолга — низкая, а значит смотрим на него очень условно.

Разработчики, которым доверяют вести эту буханку, видят техдолг гипертрофированно близко, он им придавливает и защемливает. Бизнес они видят как каких-то нахлебников, чья задача — вовремя подкладывать деньги в тумбочку, из которой зарплату достают. Бизнес терпит этих детишек с макбуками, которые годами не могут нормально поставить картинку по центру страницы, и вечно ноют про деньги.

Конфликт той же природы проявляется в командах с жестким разделением фронтенда и бекенда. Бекендеры точно так же смотрят на фронтенд, игнорируя их боль, не понимая, чего они там кнопочку двигают месяц. Фронтенд не понимает, почему нельзя просто сделать вот такую апишку и не выеживаться. Все из-за гипотетических дистанций, где одна сторона рассматривает один и тот же риск отдаленно, а другая — вблизи. При этом все максимально близки, обедают вместе, в барах пьют.

Можно попробовать выводить вещи из-под оценки, уводить в принципиально другую плоскость. Например, в случае с техдолгом можно ввести правило: если команда делает 9 задач параллельно, то 10-ая всегда должна быть связана с устранением какого-нибудь долга. Может быть это тоненький поток, но постоянный, а постоянство на длинных дистанциях делает чудеса. В этом случае техдолг перестает быть вопросом гипотетических дистанций, но становится административным правилом.

Кто-то скажет, что менеджмент на такое никогда не пойдет. Тяжело убедить. Но в конце концов, вы будете убеждать людей, регулярно моящих руки, делающих ТО своим машинам, проходящих чекапы и посещающих дантиста каждые полгода. Мне кажется, в здоровых компаниях можно подобрать правильные слова.

Секция 174. Фундамент IT-лейофов
YouTube | Подкаст | Слушать

Во всей истории с лейофами из технологических компаний в последние годы мне долгое время не давала покоя некая странность: необычный перекос в сторону США, совсем непохожий на происходящее в других странах. Если посмотреть на официальную статистику тамошнего Минтруда, в целом сектор Информации и IT остался примерно таким как всегда. Туда включены не только технологические компании, но и различные медиа-холдинги, статистические бюро и прочие ребята не про компьютеры, но про информацию в широком смысле. Там число занятых существенно выше, может быть даже на порядок, чем в технологическом секторе, статистика размывается. Однако более нишевая, вроде Layoffs.fyi, показывает нетипичный всплеск конкретно в IT с 2022 года, который начал затухать в 2024.

Традиционный список причин не очень убедительный просто потому, что он объясняет один фактор, но не всю совокупность целиком. Например, замена всего, что движется, на ИИ. Как я ранее говорил, в больших, максимально инерционных корпорациях, в одной из которых я и работаю, нет никаких попыток кого-то заменить на ИИ, зато есть попытки вывести работу вне США. Кроме того, подобной картины с похожим характером увольнений больше нигде нет: ни в EMEA, ни в LATAM, ни в Азии. Так что апокалиптичные шизы с Реддита и Ютуба дают самое слабое объяснение.

С подачи Гергелия, мы вспомнили про ZIRP, который идеально объясняет вообще все. Но не только в США: подобные ставки действовали повсеместно, а увольнения коснулись в первую очередь США. Даже в дочках американских компаний все как правило намного спокойнее, хотя казалось бы, закрывай целые бранчи, и даже не придется так уж возиться с местным законодательством.

Ковидный перенайм классно бы объяснял первую волну, но не последующие. Кроме того, вне США тоже перенанимали, но не было громких увольнений из Samsung, Huawei, ASML. Да и аутсорс вроде Accenture держится бодрячком. Наоборот: во времена увольнений их выручка выросла не на традиционные 5%, а на 20!

Конечно, все эти факторы важны и складываются в идеальный шторм, но все же меня не отпускала мысль, что именно в США есть что-то еще очень важное.

Оказывается, есть. Прыгнем на 70 лет назад.

В 1954 в налоговый кодекс США была принята небольшая поправка, секция 174. Смысл секции заключался в том, что компании имели право вычитать 100% расходов на R&D из налогооблагаемой базы. Что это значит: компании за год зарабатывают N денег. Но налог берется не со всей суммы, дальше применяются самые разнообразные вычеты, которые могут существенно снизить сумму, уже с которой считается налог. Подходящие расходы регламентированы и, — барабанная дробь, — включают в себя разработку ПО.

Во время первого срока Трампа тот снизил налог на прибыль с 35 до 21 процента. Но чтобы бюджет не посыпался, там были введены еще многочисленные хитрые твики, в том числе и относительно 174 секции. Так, например, начиная с 1 января 2022 года компания более не может списать 100% R&D, это списание растягивается на 5 и 15 лет в зависимости от характера НИОКР, но давайте для простоты считать, что только на 5. Таким образом, в 2022 году компания могла вычесть только 20% расходов из налогооблагаемой базы, остальное распределялось на следующие 4 года.

Если посчитать, то получится, то компании, где R&D составляют более 45% всех затрат, резко начинают платить намного больше просто из-за этой особенности.

А что это за компании, где расходуется более 45% выручки на R&D вроде разработки ПО?

Тем самым можно объяснить то, что компании вроде Microsoft или Google проводили крупные сокращения, а Apple, Oracle, nVidia, Visa, Bloomberg, банки если и проводили, то не в R&D-отделах. И почему больше нет американских стартапов, кроме ИИ, те-то просто не успевают переваривать деньги, а остальные при тех же поступлениях больше не могут свести баланс.

Есть хорошие новости: новый трамповский опус магнум помимо тысяч мелких правок предлагает откатить секцию 174. И если он будет принят в таком виде, то этот год может стать последним засушливым. Воистину — Big Beautiful Bill.

Теория всей ху*йни: почему мы опаздываем
YouTube | Подкаст | Слушать

Из книг Джейсона Шрейера об игровой индустрии можно сделать одно интересное наблюдение: траектория что успешных, что неуспешных проектов, примерно одинакова. Выглядит так: начинается проект лучшей в мире игры. Там есть и караваны, и открытый мир, и классные механики, — вообще все. Начинается разработка, которая идет поначалу довольно бойко. И тут вдруг появляется призрак дедлайна: экспо, выставка и тп. Теперь начинается настоящая работа. Ближе к релизу, когда внезапно выясняется, что вместо года нам нужно 7, команда ухает в мир кранча и ночной пиццы. Чем ближе дедлайн, тем больше приходится отрывать от лучшей игры в миры. Выпуская самую обычную на свете игру, разработчики устало расползаются по отпускам и психушкам.

Эта картина повторяется из компании в компанию. Из страны в страну.

Но почему так получается? Сколько лет опыта у каждого разработчика, неужели они не могут понять, успеют ли в срок или нет? У каждого за спиной годы кранчей, соскучившиеся дети и несчастные жены. Каждый полученный опыт максимально болезненный. И все равно каждый раз одно и то же.

Теория всей ху*йни, которую я предложил в прошлом эпизоде, на самом деле предельно ясно объясняет этот феномен. Дело в том, что здесь в ход вступает временная дистанция и связанное с ней временное дисконтирование: чем дальше дата релиза, тем меньше мозг концентрируется на деталях реализации, но тем более на высокоуровневом представлении, акцентируя внимание на желаемом. Это приводит к тому, что чем дальше релиз, и чем более абстрактно мы о нем думаем, тем больше желаемых вещей мы в эту модель добавляем. Нам-то кажется, что мы занимаемся проработкой и моделированием, и это правда так. Только есть нюанс: прорабатывая абстрактную модель из высокоуровневых представлений, мы в первую очередь утрясаем эту модель в голове, уточняя набор желаний. И когда нам кажется, что мы наконец-то получили точную картину, мы ни на шаг не приблизились к прояснению продукта, как реализации этой модели, который будет строится относительно наших возможностей и ресурсов.

В этом заключается парадокс: человек может быть суперзвездой от разработки, признанным авторитетом в любом хард-скилле, но он точно так же будет продалбливать все сроки, которые сам и озвучит. Не он дурак, просто наш мозг так устроен, согласно все той же теории конструктов.

Отсюда, кстати, следует и наше непонимание эстимаций: мы просто не можем дать нормальную оценку времени выполнения задачи менеджеру, который планирует работу команды. Мы гадаем из абстрактного представления, а менеджер ждет комитмента: происходит разрыв в ожиданиях.

Чисто эволюционно индустрия выработала несколько интуитивных способов работы с эстимациями, которые все основаны на том, чтобы смягчить последствие ошибки оценки сроков, и все эти способы не идеальны, потому что они просто делают из конкретной цифры некую величину в попугаях. Вот широкоизвестный метод Бобука: получаем оценку, умножаем ее на пи и прибавляем 2 недели. Оценка, полученная таким преобразованием, все еще технически остается в том же пространстве значений, но на деле является оценкой усилия с прикольным свойством: чем меньше срок, тем точнее оценка; чем больше оценка — тем больше она похожа на безразмерную величину. Полезно!

Но мне кажется, нам надо подходить к эстимациям иначе: стоит оценивать не время, а вот этот образ в голове. Отличный способ — t-shirt sizing. Так можно представлять работу в виде некоторых кубиков, а майлстоуны проекта — как коробоки, куда может поместится только определенный набор этих кубиков (если у нас скрам, то стоит взять майлстоун в десяток, например, спринтов — тут какими размерностями привыкли думать). Либо выстроить правило: одновременно команда может делать только 1 XL-задачу, 2 — L, 3 — M, 4 — S. Здесь может быть целое пространство этих вариантов.

Всегда будет получаться какая-то неэффективность. И тут стоит задать классический вопрос с собеседования: «при прочих равных, что лучше — сделать хорошо, но продолбать срок, или сделать вовремя, но с техдолгом»?

Теория всей ху*йни: почему мы делаем сложно
YouTube | Подкаст | Слушать

Теория, о которой пойдет речь, не универсальна, зато она замечательно объясняет зыбкие вещи в нашей индустрии, о которых принято просто бухтеть. Она не сможет объяснить, как с первого раза правильно расставить const у указателя в Си, но сможет — почему вы не можете дать нормальных эстимаций. Это теория про людей.

Занятно, что эта теория-то в научных кругах довольно известна и широко признана. У нее есть критика, но критика вялая, без огонька, шаблонная: не всегда 100% воспроизводятся результаты.

По-русски эта теория называется «Теория конструктов разного уровня». По-английски — CLT (Construal Level Theory). Ее разработали 20 лет назад 2 израильских ученых: Нира Либерман и Яков Троуп. Это социально-психологическая теория, которая описывает взаимосвязь между психологической дистанцией и уровнем его конструирования в сознании. Если проще: она вводит концепцию дистанций между нами и явлением, а потом описывает, каким именно образом наш мозг абстрагируется от явления в зависимости от этой самой дистанции.

CLT предлагает 4 дистанции: временную, пространственную, социальную и гипотетическую. Давайте дальше на примере временной дистанции: явление, которое анализирует мозг, может случиться очень скоро или очень нескоро. И в зависимости от этого человек начинает думать об этом явлении в рамках концепций как высокого, так и низкого уровня. В случае высокоуровневого мышления мы начинаем думать о явлении абстрактно, с низкой детализацией, но сохраняя суть. В случае низкоуровневого мышления мы рассуждаем уже конкретно, в конкретных терминах, акцентируясь на конкретных вещах. Суть теории в том, что с увеличением дистанции мы начинаем думать о проблеме все более высокоуровнево. С уменьшением — низкоуровнево.

Ничего не понятно, да? Усложним дело примером: отпуск на море. Если вы сейчас начнете планировать отпуск где-нибудь в Таиланде следующей зимой, то начнете представлять прекрасные пляжи, мотороллеры, дайвинг. Но если у вас вылет через неделю, то основные проблемы — пищевые аллергии, с кем оставить собаку, кто будет поливать цветы, как бы дети не заболели.В этом случае вы не будете представлять себе песочек, равно как в случае долгого срока для вас даже в голову не придет подумать о передержке для собаки.

Подтянем теорию к предыдущей теме, к техдолгу в смысле переусложнения. В прошлом эпизоде я рассуждал, что техдолг, вызванный необходимостью закрыть конкретную проблему здесь и сейчас, как правило намного безобиднее техдолга, который вызван оверинжинирингом.

В случае оверинжиниринга мы в первую очередь думаем о будущем. А раз мы думаем о будущем, значит мыслим в более высокоуровневых концепциях, откидывая негативные аспекты и сосредотачиваясь на позитивных. Это значит, что мы начинаем идеализировать систему, и хотим сделать все правильно, элегантно. Одновременно с этим, если мы хотим бороться с проблемами, мы начинаем думать о них тоже довольно абстрактно: а что если у нас будет 1000 классов, как мы будем их единообразно конфигурировать? А что если у нас помимо Докера будет что-то другое для контейнеров? А что если мы поменяем библиотеку?

Теперь так: если и поменяем, то не от хорошей жизни, наверное. И так как ближайшие 5 лет нам и ее будет достаточно, а я не планирую работать в этой богадельне больше 2 лет, то нафига мне себе жизнь усложнять. Это все примеры низкоуровневого мышления. Так думают здесь и сейчас. И делают так, чтобы работало здесь и сейчас. Но в случае оверинжиниринга у вас не то, что мыслей таких не возникает, у вас даже лексикон другой.

Хорошим ответом является принцип KISS, суть которого в рамках CLT заключается в насильственном подмешивании низкоуровневых подходов к выскокоуровневым. Проблема KISS в том что он выглядит и является набором трюизмов, предлагая думать о низкоуровневое в тот момент, когда мозг колотит высокое. Это не работает именно потому, если человек недостаточно страдал, ему кажется, что именно сейчас-то можно и нужно. Желаемый результат перевешивает недостатки. Происходит так называемое временное дисконтирование.

Мальчик с пальчиком и токсичный техдолг
YouTube | Подкаст | Слушать

Внутри романа «Серебряные коньки» Мэри Додж вложена гораздо более известная история о мальчике, который спас всех от наводнения благодаря своей самосознательности. Там говорится о том, как маленький мальчик, случайно обнаруживший маленькую струйку воды в плотине, поняв, чем это грозит засыпающему Харлему, заткнул дырку своим пальцем, и прождал так до самого морозного утра, когда его обнаружили местные жители и заделали пробоину. Он известен как «Герой Харлема».

Этот небольшой рассказ — прекрасная иллюстрация той канвы, в которой принято рассуждать о техдолге. Когда в проекте возникает ситуация, когда нужно срочно сделать что-то, чаще всего мы рассуждаем так: «давайте мы сейчас сделаем вот такой некрасивый хак, а уже потом переделаем по уму». Даже если человек сам себе не очень верит, то хотя бы ради соблюдения традиций, нужный набор слов произнести очень важно. Следуя нарративу того маленького рассказика, предлагается сейчас, на время релиза, буквально на недельку, заткнуть дыру пальцем, а потом, как срочность схлынет, переделать как надо.

На практике же получается, фабула должна быть такой: мальчик прождал всю морозную ночь, а потом — все утро. На следующий день никто не пришел, и через день. Через 200-300 лет его скелетик обнаружил бы спешащий прохожий, который, поворчав о варварских методах починки пробоин, убежал бы по своим делам дальше. А лет через 500 мальчика бы похоронил, даже не заметив, бульдозер, сваливающий землю для новой насыпи поверх старой.

Принято считать, что такой техдолг разъедает проект, и если его не отдавать, то рано или поздно он, проект, сложится под грузом костылей. Однако мой 17-летний опыт работы говорит об обратном: парадоксальным образом именно такие костыли оказываются намного более живучими, чем прочий код, который строится на века. Более того, именно такие костыли вызывают меньше всего проблем в сопровождении.

Вместе с тем, есть другой тип техдолга, намного более опасный. Токсичнее ваших коллег! Это когда мы закладываем какую-то архитектуру на будущее с подчеркнутыми точками расширения, однако этого будущего так никогда и не наступает. И наша астронавтика так и остается пестрой игрой ума, торчащая во все стороны разными острыми углами, на которые ежедневно натыкаешься, даже зная, где они расположены. Например, этим может быть некоторое дерево классов с наследованнием вместо пары функций, делающих очевидный минимум. Мы думали, что классов будет больше, а их больше не стало. Или DI вместо простого модуля с настройками. Или сложный фреймворк для валидации 5 полей в 2 JSON’ах. Будущее еще не наступило, а код уже толстый. Как забытые игрушки, которые достают только для того, чтобы протереть под ними пыль, вместо того, чтобы просто выкинуть.

Костыли, о которых принято говорить, как правило намного проще: обычно у нас физически нет времени сделать их хоть в половину такими же противными и ядовитыми, как намеки на нереализуемое будущее, к которому мы чаще всего готовимся обстоятельно. И чем менее вероятно это будущее, тем изощреннее наши попытки.

В психологии есть неплохая теория, почему это так, но о ней бы хотелось поговорить потом. А сейчас, уже напоследок, подумать вот о чем: все эти сложные решения берутся не от глупости, а как best practices из статей или конференций. Конструктивно все эти материалы выглядят так: была проблема, сделали X, стало хорошо. И мы думаем, что сделав X, избежим проблемы, которая у нас может возникнуть. Здесь есть ловушка: проблема может и не возникнуть, а X уже у нас.

Мне кажется, что во всех этих материалах мы упускаем самое важное: вот эту логическую цепочку рассуждений, пробы и ошибки, которые привели к X, как финальному решению реально существующей — подчеркиваю — и болезненной проблемы. Не сухое описание брутфорса, но работу ума в трудных ситуациях.

Мне кажется, что делай мы акценты именно на этом, это бы действительно помогло избежать проблем. Не обязательно внесением X. Просто следуя из природы этих проблем. И тем самым, мы бы избежали самого сложного техдолга, рушащего проекты.

Дети. Зачем нам джуниоры?
YouTube | Подкаст | Слушать

Я люблю своих детей. Это непередаваемо сильные эмоции, когда видишь, как ребенок то ли испугано, то ли восторженно кричит «папа, я еду!», впервые удержавшись на велосипеде без страховки. Или когда в утренней тишине ты слышишь, как он неумело, но самостоятельно пытается по слогам прочитать слово «хорошо». У меня двое, многое из этого я испытаю дважды. Дети дают мне лучшие 10 минут в неделе.

Все остальные минуты дети — это катастрофа. Это крики и истерики, драки вперемешку с клянчанием мультиков и мороженок, бесконечная сизифова уборка комнат, и отсутствие свободного времени. За поездкой на велосипеде стоят десятки содранных об асфальт коленок, истерики и отрицания. Неуверенное чтение — это кульминация годичной дипломатической работы с передавливаниями, откатами, манипуляциями, переборами разных методик и подходящей литературы; занятиями хоть по несколько минут в день, но — каждый день. Взамен — 10 лучших минут в неделю, жиденько размазанные от понедельника к воскресенью.

Хорошо помню, как изменилась жизнь после рождения первенца. Время как бы есть, но день стал жестко структурированым: вот тут детский сон, вот тут есть 2 часа на спокойную работу, вот здесь надо дать жене выдохнуть, вот здесь какое-нибудь купание, а тут — прогулка. Ты все еще можешь заниматься всеми прочими активностями, но теперь не они определяют твой день, а ты пытаешься встроить их в довольно тугие рамки.

Со вторым все стало намного хуже. К тугим рамкам подвели электричество, в свободное время ты спасаешь мир, а сам уже потерял то четкое разделение между рабочим и нерабочим временем в том смысле, оно все смешалось в один серый комок, где ты не знаешь, будешь ли через час отлаживать код или подменять жену с детьми, поскольку ей срочно придется отойти на полчаса.

Дети — цветы жизни в том смысле, что за красивыми лепесточками — недели ковыряния в земле, стертые руки и больная спина. 10 лет назад я коммитил в разные прикольные проектики, сейчас коммичу в своих детей. У меня их двое, работы — вагон.

Каждый из нас — чей-то ребенок, на каждого потрачена куча нервов, из-за многих из нас начиная с какого-то момента в прошлом родители пожертвовали нормальной комфортной жизнью. Пожертвовали своим потенциалом ради того, чтобы появился потенциал у нас. Чтобы когда придет время, нам было бы что реализовывать.

Во времена кризиса последних лет, я стабильно вижу одно и то же по всему миру: выпускники университетов не могут найти не то что хорошую работу, а просто работу, стажировку. И дело не в каком-то большом количестве претендентов на вакансию, а уже в том, что количество этих вакансий стремительно сокращается. Проблемы с финансами — мы не нанимаем джуниоров. Время затянуть пояса — не нанимаем джуниоров. Можем больше делать с AI? Наверное, нам теперь не нужны джуниоры.

Если рассматривать джуниоров как дешевую низкоквалифицированную силу, то в этом есть какой-то смысл, но в таком случае откуда взяться дорогой и квалифицированной? Все синьоры в вашей компании, все архитекторы и СТО когда-то были джуниорами, в которых кто-то вложился и развил их потенциал. Может быть кто-то потом ушел, но на их место пришли иные, которых так же раскрыли в другом месте. Закрывая вакансии джуниоров вы, может быть, и решаете проблему этого финансового года, но создаете множество новых, намного более опасных, проблем следующих лет, как, например, получилось в Японии с их «потерянным поколением».

Сейчас считается правилом хорошего тона быть «компанией с социальной ответственностью». Это когда выделяется некоторой незначительный бюджет, который донатится в благотворительные организации или детские дома. Чистим совесть закупкой плюшевых мишек в духе лучших муниципальных депутатов. Но не будет ли правильно и по настоящему социально ответственно именно в такой критический момент набирать джуниоров, интернов и растить из них хороших специалистов? Использовать свой потенциал для раскрытия других наперекор всему? Не только ради них, но ради своей и нашей старости.

«Где?» An Indian как бездетная революция
YouTube | Подкаст | Слушать

Довольно важным свойством текущего момента является сильное расхождение слов с делом, что вызывает стойкий когнитивный диссонанс. С одной стороны, у нас есть ИИ как некоторый базис, относительно которого двигается индустрия: новая точка начала координат, если вам так нравится больше. С другой — у нас есть маркетинг, довольно действенный и тревожный, поскольку, проецируя происходящее в мире, мы как-то незаметно сменили умолчания, и вместо того, чтобы полагать высказывания дескриптивными, стали относиться к ним как к перформативным. Есть еще третья сторона — реальные дела.

Маркетинг ИИ построен на страхе: с одной стороны, ИИ-скейлапы (трудно считать стартапами компанию, которая уже оценивается миллиардами) одновременно сулят нам перспективы, с другой — наводят страх, что буквально завтра мы проснемся без работы и средств к существованию. Если попытаться экстраполировать маркетинг на действительность, то мы все сейчас должны сидеть в рое стартапов после раунда А, где уже и идея есть, а вот жирка, который позволит автономно существовать — еще нет. И каждый из этих стартапов уже понятно как должен кого заменить, мы уже должны все это пробовать и использовать в жизни.

Этого нет.

Объективная реальность изо всех сил диссонирует с глянцевым буклетиком. Если предположить, что ИИ действительно фундаментально поменяет нашу действительность, то все вот эти сокращенные из бигтеха люди с превосходным образованием и долгими годами опыта за спиной, уже сейчас должны образовывать небольшие по численности (возможно даже соло) проекты-стартапы, и компенсировать недостатки финансирования именно вот этим прекрасным вайб-кодингом, где только что и сиди да ревьюй понакиданное, изредка перехватывая руль, как в какой-нибудь Тесле.

И если раньше дистанция до первого выхода стартапа на рынок была 1-2 года (под более долгий срок было тяжелее получить сид-инвестиции), то с ИИ, готовым плеваться кодом 24/7, в теории, этот срок должен сократиться многократно.

Отсюда, у меня есть вопрос к ИИ революции. Вот такой: «а где все?». Где дети этой самой революции? Где дерзкие попытки прорваться от квалифицированной предприимчивой толпы, годами грызшей путь наверх в стартапах? Почему их не видно? Почему за А не следует Б?

Технологии уже почти 3 года, она выходит из моды, анонсы свернулись до постов в Твиттере, даже компании из Fortune 500 завели по кучке связанных с ИИ продуктов. Если вспомнить классическую кривую адаптации технологии, то, наблюдая за корпорациями, сейчас мы должны быть где-то в том пике, когда Early Majority собирает сливки, а Late Majority начинает поднимать голову. Самое яркое время.

В противоположность шортам и майкам, сорочки и жилеты Patagonia все так же затрудняются найти бизнес-кейсы, пытаясь подменить решение реальных проблем пылью в глаза, создавая картонные проекты по внедрению чат-ботов, дабы не порезали ежегодный бонус. Крупный бизнес затягивает пояса: мировая экономика грустит. Уже отрезано все, что не приносит денег вдолгую, начали подрезать то, что не приносит денег в среднюю. Нет как-то особых движений по замене выпавших сотрудников на тот же AI, о чем так мечтают звезды момента, однако заменяющие вакансии открываются в Индии, Польше и Румынии. Причин никто не скрывает — косты. А мы боимся рака, перебегая через скоростную автомагистраль.

Если отстраниться от потока новостей, то фактически же получается, что если нас AI и заменяет, то только если An Indian.

Дистилляция. Почему DeepSeek юридически возможен
YouTube | Подкаст | Слушать

Если задуматься, то за последние почти уже три года, как мы все живем в новой реальности, где в айти-индустрии кроме ИИ и обсудить-то нечего, самое яркое событие — это появление DeepSeek, про который сейчас говорят немного. Появление было красивым, китайский маркетинг, обычно крайне беззубый (вспомним, например, совершенно кустарный маркетинг в спортивном сегменте), смог все подать в искаженной перспективе под очень удачным углом так, что многие до сих пор уверены, что это была схваткой Давида и Голиафа, где на схватку с разжиревшим самодовольным Голиафом OpenAI вышел голодный китайский Давид, эффектно совершивший бросок через бедро если не на иппон, так уж на вадзари — наверняка.

Феномен DeepSeek во многом был срезанием углов: вместе с классическим обучением на том, что получилось достать, DeepSeek провели масштабную дистилляцию флагманской модели ChatGPT: под роем аккаунтов задавали ей массу синтетических вопросов и обучали на ответах модели. Дистилляция существенно, возможно на порядок или даже два, дешевле, чем обучение на реальных данных для получения сравнимого результата. Дистилляция не является полноценным обучением в том смысле, что модель может быть чрезвычайно хороша в каких-то конкретных ситуациях (обычно отчего-то связанных с бенчмарками), но резко теряется в прочих. А еще дистилляция — это серая зона.

Появление DeepSeek, опенсорсного Давида, послужило таким шоком и унижением для OpenAI, что обнаружив «плагиат», Сэм Альтман даже заговорил о суде, однако через недельку остыл, и больше к этой теме не возвращался.

А почему так? Насколько дистилляция законна? Как я говорил несколько ранее, правовая сторона текущего момента ИИ-бизнеса несколько причудлива, и местами даже шизофренична, но то объясняется тем, что регулярная практика и правовая база физически не успевает за резким взлетом отрасли. Прямо сейчас, в моменте, дистилляция совершенно законна. Эта законность, как и феномен DeepSeek, основывается на простом факте: вывод LLM не попадает под копирайт. Дело в том, что копирайт по всем законодательным нормам определяется через авторство человека, и только человека, замечательным примером чему может служить классическая история об обезьяне, стащившей камеру и снявшей видео. Так вот, LLM — не человек. Следовательно, продукция работы LLM не может быть предметом копирайта по текущим законодательствам большинства стран. А раз этот выхлоп не попадает под копирайт, то в процессе дистилляции вы в принципе не можете нарушить никаких прав.

Внимательный читатель задает вопрос: «а как быть с TOS»? А тут дело в том, что Terms Of Service не являются законом, это оферта. Вы выполняете вот такие пункты, а мы обвязываемся предоставлять свои услуги. Вы нарушаете оферту — мы прекращаем предоставлять вам сервис, и, условно, блокируем. В случае, когда в процессе нарушения оферты вы не нарушаете никаких законов, то бан — худшее, что могут сделать.

Отсутствие копирайта на выхлоп LLM еще приводит к интересному свойству текущего момента: вы не можете накладывать копирайт на те картинки, музыку или видео, которые были произведены моделями. То есть, если вы просто сгенерировали логотип и использовали как есть; сгенерировали видео, и тоже использовали прямо так, без существенной человеческой редактуры, то вы не можете использовать эти вещи как объекты авторского права. Любой другой человек может на основе вашей картинки сгенерировать нечто похожее, и вставить к себе, запутав тем самым потенциальных клиентов, и вы ничего с этим сделать не сможете. Возможно, хоть я и не нашел тому никакого подтверждения, сгенерированные картинки можно даже просто воровать.

Безусловно, это скоро все изменится. Но в моменте я бы немножечко сдерживал свой энтузиазм по поводу генерации всего на свете.

Аарон Шварц
YouTube | Подкаст | Слушать

25 сентября 2010 года Аарон Шварц, уже на тот момент великая интернет-личность, вошел в кампус MIT c новеньким ноутбуком. Он зарегистрировался в университетской сети под ником Gray Host и подключился к JSTOR — глобальному закрытому репозиторию научных статей. Аарону нужны были эти статьи: он хотел сделать содержимое JSTOR, гигантский массив данных, публичным. Зная слабые места в системе и пользуясь наплевательским отношением университета к защите данных, он начал выкачивать данные. Это было нелегко. В первую очередь потому, что JSTOR сам по себе с трудом выдерживал нагрузку. В процессе Шварцу блокировался доступ в сеть, потом JSTOR блокировал все подсети MIT, но шатко-валко, удалось выкачать около 80% всей базы данных. Почти 5 миллионов документов.

Шварца обвинили по 13 статьям, но отсидеть он не успел — покончил жизнь самоубийством 11 января 2013 года.

6 февраля 2025 года компанию Meta уличили с скачивании 82 терабайт данных с пиратских сайтов. Это более, чем на порядок больше того, что скачал Шварц. Это почти весь объем информации с SciHub, Libgen, Anna Archive и кучи других пиратских сайтов. Компания потратила почти 4 недели на постоянное скачивание из сети на максимально широких каналах.

Кажется, сами ИИ-компании и не спорят с тем, что скачивали все эти документы. Как не спорят с тем, что обучались на характерных аниме, дабы генерировать удивительно похожие картинки. Что удивительно — кажется, это действительно все законно, но только в очень узких рамках, из которых компании начинают выпадать.

Весь мировой копирайт держится на Бернской конвенции 1886 года, которая провозглашает интернациональную защиту авторских прав. По этой конвенции, автор может сам диктовать условия распространения своего произведения. Бернскую конвенцию ратифицировали почти все страны мира, так что ее положения можно назвать универсальными правилами.

Однако эта конвенция допускает ряд исключений, когда разрешением автора на использование произведения можно пренебречь, но только в очень узких рамках. В каждой стране эти рамки различны, но так как почти все ИИ-компании работают по законам США, то нам интересно, что у них. Их свод исключений называется Fair Use, добросовестное использование. Он большой, но в целом разрешает копирование в том случае, если автор не ущемляется в правах и, главное, ему не наносится прямой материальный ущерб.

Есть такой интересный пример: Гильдия Авторов против Гугла, которая судилась с корпорацией за то, что те показывали те самые сниппеты с ответами, цитируя материалы под копирайтом. Суд оправдал Гугл тем, что компания особым образом отмечала цитируемые произведения в сниппетах, тем самым создавая им дополнительную рекламу, как визуальную, так и продвигая их своей репутацией как более авторитетные источники. Ни один автор не смог доказать падения продаж, но были курьезные улучшения.

Такова позиция ИИ-компаний в суде: они говорят, что это Fair Use, поскольку ИИ не цитирует документы напрямую, и даже не создает очевидные деривативные произведения. Нельзя однозначно сказать, на основе каких данных модель решила ответить именно так. Даже в случае с Гибли, возможность генерировать картинки в стиле студии не приводит к падению продаж их произведений.

Чтобы понять шаткость Fair Use, приведу другой пример. Повсеместной практикой ИИ-компаний стали предложения по поводу лицензирования контента для обучения моделей. Пишет OpenAI какому-нибудь блогеру, мол, запили нам 10 роликов за 10000 долларов. Кажется, отличная идея, однако само существование такого предложения разрушает аргумент Fair Use, и вот каким образом: так как компании предлагают деньги за материал для обучения, то это предполагает существование рынка платного контента. И использование материалов под копирайтом является уже не обучением, а незаконным втягиванием материалов в этот самый рынок, что карается законом.

Если посмотреть на существующие дела, то это основная позиция суда: даем грабить награбленное, пока вы никому не платите.

Наверное, не так плохо, что Аарон весь этот дурдом не застал.

Антропик
YouTube | Подкаст | Слушать

Дарио Амодей - глава компании Anthropic, создающей семейство LLM Claude. Он мне симпатичен: немножко плешивый, с лишним весом; лицом Дарио похож одновременно на Билла Мюррея и на Денни Де Вито. Архетипичный городской невротик из любого фильма Вуди Аллена про Нью-Йорк (а они у него все про Нью-Йорк).

Дарио Амодей встревожен. Дарио Амодей говорит, что в течение следующих 5 лет нас ждет безработица в 10-20 процентов из-за ИИ. Дарио Амодей выступает за регуляции ИИ в США, ведь вы что, хотите чтобы как в Терминаторе? Дарио Амодей пугается тому, что мы не знаем, как ИИ работает, словно бы мы знали, как в том же самом смысле работают нейронные сети в мозге. Дарио Амодей взволновано утверждает, что ИИ будет писать весь код к концу следующего года.

Внимательный читатель, конечно же, понял: Дарио Амодей - настоящий подлец. У внимательного читателя нет вопросов, почему между апокалиптическими интервью о том, что нам всем надо регулировать ИИ, Дарио Амодей ходит на конференции, где вдохновляюще рассказывает, какие Антропик делает прорывы в деле замены всех на ИИ. Внимательный читатель ничуть не удивляется тому, что Антропик стоит уже 61 миллиард, а ежегодная выручка выросла в 3 раза. Внимательный читатель в курсе, что все деньги идут от B2B-продаж, и Антропик чуть не рвется от натуги, продавая свой не самый дурной продукт под саундтрек из Терминатора и плакатный рэп про sugar-coating.

Маркетинговая стратегия, выбранная Антропиком, называется FUD. Fear, Uncertainity and Doubt. Аппеляция к страхам. Довольно мерзенькая манипуляция, заключающая в том, что мы одной рукой запугиваем страшными перспективами и так офигевающею от происходящего в мире публику, а другой - продаем бизнесу эти перспективы в виде доступа к своей вундервафле: вот эта штука сделает все страшные вещи. Купите подписочку.

Казалось бы, Дарио Амодею, главе одного из лидеров рынка, виднее, как там дальше будет. С другой стороны, согласно научным исследованиям, влияние ИИ на компании мало того, что скромное, так и выражается скорее не в заменах всех на машины, а в помощи в текущих задачах.

Два года мы с вами наблюдали бурный прогресс развития LLM с редкими скептиками вроде Яна Лекуна. Если открыть результаты последних двух лет, то окажется, что каждое следующее поколение моделей прибавляло по десятку, а то и двум, процентов в качестве, однако сейчас, даже согласно официальным пресс-релизам, счет идет уже на единицы процентов. Как с биткоином, сливки, кажется, уже собраны: каждый процент дается, наверное, на порядок дороже предыдущего. Нет никаких оснований полагать, что в следующем году мы будем иметь дело с чем-то лучшим, чем есть сейчас.

Внимательный читатель, конечно же, немедленно вспомнит, как 10-12 лет назад было нормальным слетать куда-то в Берлин на пару дней, потоптаться в заспанной очереди в Apple Store за новым айфоном. Но даже внимательный читатель, вряд ли сходу скажет, чем iPhone 15 отличается от iPhone 16. Не сомневайтесь: на презентациях каждый новый iPhone - до сих пор лучший iPhone ever.

И это правда так. Сами проверьте.

Потенциал
YouTube | Подкаст | Слушать

Пупырка. Та самая упаковочная пленка с воздушными камерами, которая хлопает. Или не упаковочная пленка? Так что такое пупырка на самом деле? Пупырка стала главным упаковочным материалом далеко не сразу. На самом деле, изначально это и не было упаковкой, а — неожиданно — обоями. В 1957 году два изобретателя, Альфред Филдинг и Марк Шаван экспериментировали с материалами в попытке создать дешевый вариант текстурированных обоев, модных в те времена. Они взяли два листа тонкого пластика, нагрели и склеили, получив кусок обоев с массой хаотично-раскиданных воздушных пузырьков. Обои было просто производить, они отлично чистились, и при некоторой доработке, можно было создавать довольно сложные геометрические формы. Стартап не полетел. Тогда изобретатели, вспомнив о том, что воздух обладает плохой теплопроводностью, переделали обои в изоляционный материал для теплиц. И тоже не полетело. А потом снова и снова. Помог случай: компании IBM срочно понадобился новый недорогой упаковочный материал для их нового компьютера, IBM 1401. Стандартные способы с бумагой или соломой были не очень практичными, и довольно дорогими. Это стало звездным часом для пузырчато-воздушной пленки. Почти провалившийся стартап внезапно выстрелил так, как его создатели и мечтать не могли.

Эта история нас учит нехитрой мысли: продукт состоит из 2 частей. Первая часть — сама вещь. Вторая — идея, способ решения проблемы, или, говоря проще, реализация потенциала. Филдинг и Шаван создали интересную вещь с большим потенциалом, однако никак не могли его реализовать. Делало ли это вещь хуже? Отнюдь. Может быть они ее не там использовали? Да вроде бы тоже нет: все имело смысл. Но продукт сложился только тогда, когда получилось потенциал вещи реализовать максимально эффективно.

По отношению к ИИ я вижу такой же снобизм. Компании, видя гигантский потенциал в ИИ, пытаются его разнообразно реализовать, но мы, видя небезупречность, выносим скептический вердикт о том, что ИИ не заменит программиста или о том, что ИИ — это такой Джуниор, просто попугайски повторяя прочитанную где-то мысль. Но главное в этом то, что происходит некоторая подмена, когда по неудаче в конкретной реализации потенциала, мы делаем вердикт как о вещи в целом, так и об ее потенциале в частности. Можно сколько угодно смеяться над Devin или как люди бьются над Github Copilot Agent, но их нелепость не ставит крест на перспективах их использования в разработке, она говорит о том, что, возможно, те конкретные реализации потенциала, которые максимально просто продавать, не являются самыми эффективными. Может быть ИИ нас и заменит. Только для этого нужно продуктизировать его слегка иначе. И угроза сейчас даже не в вещи как таковой, а в идее, которая, конечно, будет идеей на миллиард.

Забавно, но ничего нового в этой мысли нет. Идея о том, что вмененный смысл и есть главный продукт — ей уже 100 лет. В 1917 году французский дадаист Марсель Дюшан покупает в обычном магазине писсуар, пишет на нем «Дурак» и относит на художественную выставку. Несмотря на оплаченный взнос, писсуар там не выставляют, а художника выгоняют. Через 100 лет эту работу, которая называлась, «Фонтан», назовут самой влиятельной за 20 век, она породила концептуализм, а тот — меметичное современное искусство с бананом на стене как арт-объектом. Смысл работы в максимально чистом отделении предмета, который в сущности не важен, от того смысла, который через него выражает художник. То есть искусство не в создании предмета реальности, но в создании некоторого нового смысла, а носитель может быть каким угодно, если он эффективно реализует потенциал. Смысл «Фонтана» как раз в нелепости писсуара как арт-объекта, такая вот пост-ирония для интеллектуалов.

Не надо опасаться ИИ. Надо опасаться, того что человек придумает.