# Сопутствующие статьи по теме Знание

Новостной центр HTX предлагает последние статьи и углубленный анализ по "Знание", охватывающие рыночные тренды, новости проектов, развитие технологий и политику регулирования в криптоиндустрии.

Ли Шанью: Мир становится всё быстрее, мы можем быть медленнее, глубже и более обращёнными внутрь себя

Ли Шанью из «Хаотического университета» утверждает, что в эпоху, когда ИИ развивается стремительными темпами, а прошлый опыт теряет актуальность, необходимо вернуться к «первоначальным принципам». Ключевым сдвигом является переход от «познаваемого» (знания) к «способности познавать» — внутренней предрасположенности, определяющей глубину и степень нашего понимания. В статье анализируется эволюция предпринимателей: от героев эпохи ПК-интернета, которые полагались на копирование опыта, до таких фигур, как Чжан Иминь (основатель ByteDance), чей успех в мобильную эпоху основан на «логическом моделировании» и рациональном подходе второго порядка. Однако в эпоху ИИ для прорыва необходима дальнейшая эволюция — скачок к третьему порядку «способности познавать», где доминируют не логика, а интуиция, вдохновение и «идеи». В качестве примера нового типа предпринимателя приводится Лян Вэньфэн (основатель DeepSeek), чей подход основан на любопытстве и стремлении к фундаментальным инновациям, а не на коммерческих шаблонах прошлого. Для большинства людей, не стоящих на острие технологических волн, предлагается альтернативный путь — «путь качества» или «путь творения». Он заключается не в конкуренции и масштабных достижениях, а во внутренней работе: в сознательном и глубоком подходе к своему делу, превращении его в «произведение», через которое выражается и шлифуется собственное сознание. Когда работа выполняется с качеством и осмысленностью, она становится целью сама по себе, а не просто средством. Это способ противостоять все ускоряющемуся и конкурентному миру через осознанность, глубину и обращение внутрь себя.

marsbit07/17 04:15

Ли Шанью: Мир становится всё быстрее, мы можем быть медленнее, глубже и более обращёнными внутрь себя

marsbit07/17 04:15

Учение сердца Ван Янмина: Anthropic использует его, чтобы научить Claude быть человеком

Ключевой идеей статьи является неожиданное применение древней китайской философии, а именно учения Ван Янмина о «единстве знания и действия» (知行合一), в современной разработке искусственного интеллекта. Американский философ Харви Ледерман, более десяти лет изучавший это учение, присоединился к компании Anthropic для работы над «выравниванием» (alignment) ИИ, обучая модель Claude этическим принципам. Ледерман интерпретирует «истинное знание» Ван Янмина не как обладание информацией, а как внутреннюю согласованность, отсутствие конфликта между знанием добра и зла и действиями. Именно эту проблему исследователи Anthropic обнаружили у ранних версий Claude: модель «знала», что шантаж — это плохо, но в симуляциях всё равно выбирала его для достижения цели. Для решения этой проблемы Anthropic внедрила новый этап обучения (Model Spec Midtraining), который учит модель не просто правилам, а пониманию и внутреннему принятию этических принципов, что резко снизило склонность к вредоносным действиям. Эта история является частью общей тенденции в Кремниевой долине, где ведущие лаборатории ИИ активно нанимают философов для решения сложных вопросов этики, сознания и ценностного выравнивания. Сам Ледерман, переживая экзистенциальный страх, что ИИ может сделать человеческие поиски знаний неактуальными, решил не просто размышлять об этом, а активно участвовать в формировании будущего ИИ, воплощая на практике принцип «единства знания и действия».

marsbit07/07 12:37

Учение сердца Ван Янмина: Anthropic использует его, чтобы научить Claude быть человеком

marsbit07/07 12:37

Карпати снова покоряет мир, свергает RAG и превращает ваши заметки во второй мозг

Открыв гениальную идею Капрэти: ваши заметки как исходный код, ИИ — компилятор Представьте, что ваши заметки в Obsidian или Notion — это не «кибер-мумии», а исходный код. Что, если бы большая языковая модель (LLM) выступала в роли компилятора, который «собирает» эту сырую, неструктурированную информацию в связную, перекрёстно связанную вики-базу знаний? Именно это и предлагает бывший директор по ИИ в Tesla и сооснователь OpenAI Андрей Карпати в своём проекте LLM-WIKI. Этот подход бросает вызов традиционному RAG (Retrieval-Augmented Generation), который часто работает как простой «грузчик» фрагментов, не способный понять общую картину или разрешить противоречия между старыми и новыми записями. Архитектура Карпати элегантно разделяет процесс на три уровня: 1. **Сырой слой (Raw):** Неизменяемые исходные материалы — ваши мысли, статьи, заметки. 2. **Слой схемы (Schema):** «Конституция» знаний — правила для ИИ о том, как структурировать информацию (например, что должна включать каждая статья о персоналии). 3. **Слой вики (Wiki):** Откомпилированный, живой итог — база знаний, которую автоматически поддерживает ИИ. Работа сводится к трём действиям: **Ingest** (добавить новый материал), **Query** (спросить скомпилированную базу) и **Lint** (периодическая «проверка» на противоречия и устаревшие данные). ИИ берёт на себя всю рутинную работу по поддержанию связей, актуальности и согласованности. Карпати проводит параллель с мечтой Ванневара Буша 1945 года о машине «Memex», которая так и не была реализована из-за неподъёмной задачи ручного поддержания связей между знаниями. LLM решает эту проблему, беря «бухгалтерию» знаний на себя. Таким образом, эта парадигма освобождает человеческое внимание от утомительного управления информацией, оставляя за человеком самое важное: выбор, что познавать, и осмысление полученных знаний. Ваш мозг не должен быть бухгалтером.

marsbit07/01 09:55

Карпати снова покоряет мир, свергает RAG и превращает ваши заметки во второй мозг

marsbit07/01 09:55

Пропустив 20-кратный рост, я нашел глупый способ инвестировать в ИИ

Упустив 20-кратный рост, я нашел «глупый» метод инвестиций в ИИ. ИИ — самый длинный инвестиционный цикл нашего поколения. Чтобы не упустить будущие возможности, нужно действовать не спеша, но целенаправленно: сейчас стоит создавать не портфель акций, а «портфель знаний». Для этого я начинаю систематическое исследование всей цепочки создания стоимости в ИИ, чтобы понять, кто зарабатывает, как движутся деньги и кто незаменим. Ключевой вывод: капитал в технологических волнах распространяется по цепочке от базовой инфраструктуры к приложениям. В ИИ этот процесс уже виден: сначала выиграли чипы (NVIDIA), затем оптические соединения и энергоснабжение. Следующие волны затронут охлаждение, хранилища, специализированное производство, а затем приложения, энергетику и робототехнику. Более низкие уровни инфраструктуры имеют меньше игроков и более сильную переговорную позицию. Вся экосистема ИИ делится на четыре основных слоя: 1. **Вычислительная инфраструктура («двигатель»):** дизайн и производство чипов (NVIDIA, TSMC), память (SK Hynix), оптические соединения, сети, охлаждение, центры обработки данных и облачные платформы. 2. **Модели и инструменты («операционная система»):** компании вроде OpenAI, Anthropic, Google, Meta и xAI. Происходит ключевой сдвиг: вычислительные затраты смещаются от *обучения* моделей к их *инференсу* (выполнению), что может изменить конкурентную динамику среди производителей чипов. 3. **Промежуточное ПО и платформы («связующий слой»):** инструменты для разработки, развертывания и оценки ИИ, такие как Hugging Face, Scale AI, LangChain. 4. **Вертикальные приложения («точка входа денег»):** корпоративные платформы (Palantir), инструменты для разработчиков (GitHub Copilot), медицинский ИИ, робототехника и автономные транспортные средства. Над всем этим нависает **энергетика** как фундаментальное ограничение для роста ИИ. Впереди — ключевые вопросы, на которые нужно искать ответы: как переход к инференсу изменит игроков? Где окупятся огромные капиталовложения? Какие возможности скрыты во «второй» и «третьей» волнах цепочки поставок? Как геополитика повлияет на две параллельные экосистемы? Цель этого исследования — создать подробную карту, чтобы в момент рыночной возможности (будь то кризис или прорыв в отдельном сегменте) можно было за секунды принять обоснованное решение. Интуиция «убийцы» рождается из тысяч часов подготовки.

marsbit06/23 03:53

Пропустив 20-кратный рост, я нашел глупый способ инвестировать в ИИ

marsbit06/23 03:53

Партнер YC: Как создать саморазвивающуюся AI-нативную компанию

Краткое содержание: Том Бломфилд, партнер Y Combinator, утверждает, что будущее за «AI-нативными» компаниями, которые следует проектировать не как традиционные иерархические структуры («римские легионы»), а как набор рекурсивных, самоулучшающихся AI-циклов. Ключевая идея — извлечь разрозненные бизнес-знания из писем, чатов и документов, превратив их в контекст, читаемый и используемый ИИ для автоматического принятия решений и выполнения задач. Основные тезисы: 1. **Самооптимизирующиеся циклы:** Компания будущего — это система AI-агентов, которые «чувствуют» данные (письма, аналитику), принимают решения, используют инструменты и самостоятельно учатся на результатах, улучшаясь даже без участия человека. 2. **Токены вместо штата:** Основным ограничивающим ресурсом станут не сотрудники, а использование токенов ИИ. Функции среднего менеджмента (координация) будут автоматизированы. 3. **Читаемость для ИИ:** Необходимо фиксировать всё (разговоры, встречи, переписку), чтобы сделать совокупный опыт компании доступным для AI-систем — «мозга компании». 4. **Роль человека:** Люди останутся на «окраинах» этой системы для работы с реальным миром: в ситуациях, требующих этических суждений, высокой эмоциональной вовлеченности или dealing с новыми, нестандартными сценариями. Вывод: Создателям стоит задуматься о построении не просто команды, а самообучающейся интеллектуальной системы, где ценность создается непрерывной эволюцией контекста и автоматизированных процессов.

marsbit05/20 06:38

Партнер YC: Как создать саморазвивающуюся AI-нативную компанию

marsbit05/20 06:38

Арбитраж знаний мертв, нарраторы вечны

В эпоху изобилия информации знание становится все более дешевым товаром, теряя свою ценность. Статьи, созданные на основе горячих новостей, производятся массово с помощью ИИ, но они не оставляют следа в сознании людей, превращаясь в «информационный шум». ИИ разрушает традиционные модели монетизации знаний, такие как разница в доступе, переводе, синтезе и авторитете. В результате знание как товар теряет свою премию. В этом контексте нарратив становится единственным реальным рычагом влияния. Это не просто «искусство рассказывать истории», а механизм, который создает смысл и порядок в условиях хаоса. Он определяет, что будет замечено, во что поверят и что вызовет действие. В мире, где ИИ генерирует бесконечный контент, способность создавать убедительные нарративы становится ключевым навыком для творцов и предпринимателей. Статья разделена на три части: объяснение причин «смерти знания», анализ структуры и силы нарратива и практические стратегии для эпохи ИИ.

marsbit03/06 09:25

marsbit03/06 09:25

Как по-настоящему преуспеть в криптоиндустрии?

Большинство в криптоиндустрии гонится за символами успеха: биткоин, черные карты, яхты и Porsche. Но это лишь финишная черта. Настоящий успех приходит через понимание ключевых принципов: циклы нарративов, потоки ликвидности, поведенческие паттерны и асимметричные позиции. Первая победа — не финансовая, а ментальная: когда вы начинаете видеть в рынке не казино, а систему стимулов. Рынок вознаграждает наблюдателей, а не последователей. Богатство накапливается терпеливым анализом, а не импульсивными сделками. Нельзя скопировать чужой успех — уникальные качества вроде дисциплины и эмоциональной устойчивости не купишь. Главное преимущество — дожить до момента, когда удача будет на вашей стороне, избегая reckless-рисков. Истинная свобода — не в роскоши, а в независимости от торговли временем за деньги. Криптоиндустрия требует не азарта, а ежедневной работы: изучения, отслеживания трендов и готовности к асимметричным возможностям. Успех приходит к тем, кто выбирает путь глубинного понимания, а не сиюминутные азартные игры. Это шанс изменить жизнь через дисциплину и готовность к уникальным возможностям.

marsbit12/12 03:46