MIT Technology Review разбирает заявление стартапа о том, что он преодолел одно из главных узких мест современных LLM. Даже если к таким обещаниям нужно относиться осторожно, главный вывод здесь не только технический, но и экономический: следующий рывок ИИ может прийти не от «ещё более умных» моделей, а от архитектур, которые делают серьёзные системы заметно дешевле, быстрее и доступнее.
MIT Technology Review описывает важный сдвиг: главный вопрос для бизнеса уже не в том, может ли ИИ взять отдельную задачу, а в том, как перестраивать роли вокруг смешанных команд из людей и программных помощников. Практический вывод неприятно конкретный для менеджеров: выигрывать будут не те, кто просто внедрил ИИ, а те, кто научился ставить ему задачи, проверять результат и перераспределять ответственность внутри команды.
MIT Technology Review объясняет, почему ближайший прогресс в AI для науки, вероятно, будет идти не через универсального «AI-учёного», а через узкоспециализированные научные системы вроде моделей для климата, биологии и других прикладных областей.
MIT Technology Review обращает внимание на необычно быстрый темп распространения ИИ: более 1,2 млрд человек попробовали такие инструменты менее чем за три года.
