[38/100] Витя Тарнавский

Давайте расскажу мои приключения по UK Global Talent Visa и почему я до сих пор её не получил 🫠 Теоретически, у меня всё есть. Много публичных выступлений, новостей и прочих подтверждений что я вполне exceptional talent. Посчитав задачу формирования документов…

Давайте расскажу мои приключения по UK Global Talent Visa и почему я до сих пор её не получил 🫠 Теоретически, у меня всё есть. Много публичных выступлений, новостей и прочих подтверждений что я вполне exceptional talent. Посчитав задачу формирования документов достаточно понятной, я открыл cowork, скормил ему пару успешных пакетов документов от друзей и сел за работу. Ну а что, модели по бенчам видели что уже умеют? Всё умеют, и с этим справятся. Да? Да?.. Спустя неделю страданий и сожженный лимит токенов, стало ясно, что эта задача сложней чем Humanity’s Last Exam. Одно дело – решить супер-задачи по математике, другое - подготовить документы на визу. Уверен, даже AGI здесь опустит руки и вызовет специальные службы. Проблемы возникали из-за непонятных критериев приемки. Официальных документов не хватало, а рекомендационные видосы и статьи говорили буквально противоположные вещи. Что такое "хороший пакет документов" постоянно менялось и в идеале требует реального опыта и насмотренности. Типичная задача из not-so-much-verifiable домена. RL тоже не очень подходит, как вы понимаете – хотелось бы с первого раза сдать. Ещё нужно заметить что я абсолютно ненавижу бумажки. У нас был "sad-human-in-the-loop" паттерн. В какой-то момент я писал промпты вида "пожалуйста закончи уже как-нибудь". В ответ я получал 3 блокер-вопроса без которых невозможно продвинуться дальше. Да уж. Я сдался и пошел к специально обученным людям. Специально обученные люди собрали мне пакет документов за месяц с небольшим vitya-in-the-loop. Говорят, это быстро. Ещё нужно было получить всякие подписи, это тоже было недолго. Загрузив пакет документов в этот ваш AI, я получил штук 10 критических замечаний. Смело проигнорировав все эти замечания, я загрузил документы в нужную службу в UK. Всего через месяц пришел положительный вердикт. Yay! Весь процесс начиная от моих страданий занял 3 месяца. Это не финал. Теперь нужно попасть в посольство и дождаться самой визы. Это ещё минимум пару месяцев. Тем не менее, я буду жить в Лондоне с 15 августа – по туристической визе. Отдельно я вам расскажу адскую историю про туберкулёзный тест для визы, не переключайтесь.

У меня есть классный приятель Саша Журавлёв. Саша – топ. Мы давно держим связь, а волею судеб я оказался на s16-коливинге в Португалии и там мы окончательно спелись 🌟 Саша – основатель фонда Mento VC. Это классный молодой фонд с инвестициями в AI: economy, productivity и так далее. Например, они инвесторы в on-device inference стартап mirai Лёши Моисеенкова и "lovable для мобильных приложений" Rork. Саша ведёт классный канал: https://t.me/exitsexist Там про жизнь фондов, венчурные инвестиции и взгляд на AI со стороны капитала. Если хотели погрузиться – залетайте. Там же можно читать про Сашину лучшую жизнь в Португалии – включая гонки на болидах Формулы-4 🌟 p.s. Саша просил использовать более приличную фотографию, не рассказывайте ему

У Осетинской вышел подкаст с Лёшей Миловидовым, автором ClickHouse. Я послушал, получилось очень хорошо. Удивительная история от технологии в стол внутри корпорации до $15B компании. Обаятельный Лёша и много сочных историй из прошлого и настоящего. Очень вдохновляюще ❤️ Я там упоминаюсь в одном месте как "менеджер", ха-ха 🫠

AI и глобальный vendor lock Посмотрел офигенный подкаст про влияние AI на экономику у Dwarkesh – с Alex Imas и Phil Trammell. Мощнейшие, умные, научные и аккуратные в суждениях ребята поднимают все ключевые вопросы по этой теме. Alex Imas – автор нашумевшего…

AI и глобальный vendor lock Посмотрел офигенный подкаст про влияние AI на экономику у Dwarkesh – с Alex Imas и Phil Trammell. Мощнейшие, умные, научные и аккуратные в суждениях ребята поднимают все ключевые вопросы по этой теме. Alex Imas – автор нашумевшего эссе What will be scarce? и обладатель интересного титула Director of AGI Economics Google DeepMind 🌟 Одна из зацепивших тем обсуждения в подкасте это распределение выгоды от AI. По-простому: AI это либо новое электричество, либо новое медиа. Электричество со временем стало доступно всем. Кто угодно может построить свою электростанцию или там лампочку. Нет выделенных бенифициаров этих технологий – ни компаний, ни стран. Медиа сконцентрирована примерно в 5 компаниях – Meta, Google, etc – и эти компании стабильно стригут деньги вообще со всех. Потому что есть мощный эффект масштаба. В подкасте предсказаний аккуратно не дают – поэтому вот вам предсказание от меня. Тезисно: – Медия обладают гравитацией потому что их товар это и есть их размер. Ты даешь рекламу у игрока с наибольшей аудиторией; – Есть ли эффект масштаба в AI – пока что непонятно. Доступ к compute, usage feedback loop, доступ к талантам – возможные кандидаты. Топовые лабы заинтересованы этот эффект масштаба заострить; – Gap между SOTA и открытыми моделями показывает нам концентрацию ценности у лидеров. Есть тренд на увеличение зазора – доступы к топ моделям прикрываются, что-то перестает выкладываться. Но если модель есть в доступе – рано или поздно ты можешь её скопировать. Моя ставка – AI больше будет похож на электричество. Все эти эффекты масштаба – размываются. Я понимаю как можно увеличить зазор, но не понимаю как можно обеспечить годы стабильного преимущества для отдельных компаний. Лидеры будут – но всеобщего вендор-лока на этих лидеров быть не должно. Не является инвестиционной рекомендацией 🌟 Очень рекомендую весь подкаст

Про Robotics Итак, накопленные на текущий момент выводы про эту индустрию и моё в ней место. Тезисно про рынок: - Хотя роботы уже давно с нами, существует новый рынок более умных роботов. Он есть и на фабриках, и в обслуживании, и в логистике, и в наших домах. Это не обязательно гуманоиды – время покажет. - GPT moment in robotics – случится. Начало этого можно видеть уже сейчас (π0.7). Я вижу в этом элементы самосбывающегося пророчества – за счет веры инвесторов. - Рынок, грубо говоря, разделён так: базовые модели (π, Nvidia, etc); производители роботов и компонентов; интеграторы. Первые и вторые – компании с большим капиталом. - Производители универсальных роботов это такие новые автомобильные компании. Прежде всего, это железо. Hardware is hard. Они будут упираться в производство, количество косяков на 1000 часов работы, сертификацию и так далее. - Это намного, намного более медленная индустрия чем кажется со стороны. Про меня в этом рынке: - Задачи интересные и ещё долго будут такими. - Сама область растущая. Долгосрочно хорошее место чтобы в нём плыть - хотя скорость роста часто преувеличена. Правда, стоимость софта будет здесь падать. - Как собрать мой личный leverage я не понимаю. На стороне больших лаб я буду винтиком, на стороне robotics компаний – AI adaptation guy, и стоимость этой задачи будет дешеветь относительно железных проблем. Большого пространства для других технологических компаний я не нашел. - Всё очень медленно. Я когда-то ушел из микроэлектроники по этой причине. Здесь придется всё время ждать: новых камер, новых сенсоров, новой партии, многомесячного эксперимента и так далее. Это сильно смущает. Пока что я охладел к этой области. Вязкая тема. Если я где-то не прав или есть чем дополнить – буду рад вашим комментариям

Про лодки, озёра и чем же мне заниматься Успех в гораздо большей степени зависит от того, в какую лодку ты сел, чем от того, насколько умело ты гребёшь. – Уоррен Баффет, мой вольный перевод, многократно подтверждено на собственной жопе Последние месяцы я занимаюсь "поиском в ширину" областей которыми хочу заниматься. Общаюсь с людьми, езжу по конференциям, исследую бизнесы и заглядываю под разные камни. Личный запрос такой: - Технологическая область в которой я могу стать экспертом – на основе прошлого опыта, но с новой глубиной - Личный leverage – я могу быть сильно полезен обществу, не буду маленьким винтиком - Растущая область и спрос на технологии – на положительных трендах - И наоборот, малый риск быть убитым другими трендами – например, новым релизом мощной модели Поиск этот не такой простой. Много sexy областей под трендовыми рисками. Например, B2C AI – там сразу несколько убивающих трендов собрались в одном месте. Ребята, удачи – я посмотрю со стороны. А ещё нужно чтобы нравилось. "Чтобы писька стояла", как говорил мне один из топ-менеджеров Яндекса. Кажется, мой поиск начал сходиться. Я рассматриваю три области: - AI in robotics - Вертикальный AI в сложных индустриях – manufacturing, legal, etc - Оптимизация затрат / контроль качества AI В дальнейших постах раскрою что я накопил по каждому из этих направлений. В какой-то момент ты перестаешь хотеть пробивать стены и стараешься правильно поставить себя по ветру. Стены пробивать мне что-то расхотелось. Старость, наверное 🌟

Всю эту неделю на ICML в Сеуле 🇰🇷 Доклады, постеры со статьями, плохой кофе и очень много корейцев. Меня принимают за своего и пытаются говорить по-корейски 🍜

Китайская токен-экономика – реально киберпанк Оказывается, в Китае можно купить доступ к Anthropic / OpenAI за 10% от официальной цены. Я не ошибся – дешевле в десять раз. За этим стоит невероятный мир китайской токен-экономики. Ключевой элемент – специальные transfer stations: прокси, пробрасывающие токены из США в Китай. Работает это в несколько слоёв. Во-первых, они эксплуатируют субсидированные бесплатные и Max-подписки через фейковые аккаунты. Американские компании постоянно ужесточают доступ – и это порождает ответную индустрию. Например, на потоке стоит поиск реальных людей в Азии и Латинской Америке, которые проходят KYC и заводят аккаунты. Во-вторых, они подменяют модели, скрывая это от потребителя. Вы покупаете доступ к Opus 4.8, но если запрос простой – вам подсовывают Sonnet. Кстати, это довольно сложно сделать – эти пираты технологически сильны. Но самое интересное – рынок данных. Эти сервисы собирают запросы и ответы, и потом продают их дальше – в том числе в китайские лабы. Датасеты с reasoning traces непонятного происхождения периодически попадаются на HuggingFace. В результате получается радикально меньшая цена. Вот пример такого провайдера: Yunwu. Цены дешевле официального API Anthropic на 93%. Интересно, что в самом Китае такие сервисы тоже запрещены: они не проходят регуляцию. Но их много и они серые. Transfer stations являются частью большого процесса дистилляции топовых американских моделей. Вы же не думаете что Китай сам свои модели создаёт? Deepseek не появился бы без американских моделей. На это постоянно жалуется Anthropic. Что там у нас с отключением Fable для не-US? Очень много деталей можно найти в этом блогпосте. Великолепное чтиво. Там есть такая феноменальная фраза: History teaches us that access blockage rarely stops determined users. They raise the cost of access, which in turn creates profitable markets for anyone with the expertise to lower it. Всё так, всё так.

Думаю, вы часто слышите, что у сына маминой подруги уже случился эйай. Бизнесом заправляют агенты, данные лежат в LLM Wiki, а кофемашина в офисе имеет свой MCP. Не ведитесь. Практика в бизнесах совсем другая. В среду Рома Кумар с классными ребятами делает онлайн-конфу про AI. Я там расскажу про более реальное положение дел. Расскажу про: - Что на самом деле происходит в компаниях с AI - Как живые люди сопротивляются изменениям и что с этим делать - Какие другие типичные сложности возникают и что делать уже с ними - РФ-специфичные сложности и как люди их решают Я выступаю в 21:00. Приходите послушать. Регистрация тут

Kodacode Я ангел-инвестор в трёх технологических компаниях. Надо заметить что это сомнительный способ зарабатывать деньги. Статистика против тебя – если ты не знаешь каких-то секретов. Я делаю это не ради денег. Для меня это способ ставить на своё же видение…

Kodacode Я ангел-инвестор в трёх технологических компаниях. Надо заметить что это сомнительный способ зарабатывать деньги. Статистика против тебя – если ты не знаешь каких-то секретов. Я делаю это не ради денег. Для меня это способ ставить на своё же видение и получать реальную обратную связь. А ещё – проживать с компаниями их путь. Одна из компаний это Kodacode – российский Cursor. Идея простая – на рынке нужен локальный подобный продукт из-за ограничений, а экспертных команд которые могут создать такой продукт мало. Если вы думаете что Cursor это простая обёртка – советую почитать например репорт про Composer 2. Проекту уже год. Ребята отлично себя чувствуют. Отличный продукт, любимый разработчиками. Рост x5 по юзерам с начала года – 15k MAU – практически без платного привлечения. 1000+ человек в комьюнити. Есть полный стек своих моделей – лучшие модели среди конкурентов по бенчам. У команды сильная экспертиза в создании своих моделей – и это очень важно, так как долгосрочный рычаг в более эффективных адаптируемых on-premise моделях. Всё как у Cursor. Ребята умеют обучать модели под кодовую базу компании – кто таким может похвастаться? Платные подписки появились только в марте – и уже дают около миллиона выручки в месяц. Настоящий бизнес здесь в b2b – и первые серьёзные контракты уже на подходе. Скоро Series A. Вопросов ребятам можно накидать в комментариях. Kodacode Website | Telegram | Community

Ребятам, которые увлеклись вайбкодингом. Если вы смогли сегодня что-то навайбкодить – завтра это сможет сделать любой школьник. Вам может казаться что ваш эйджент сворм самый крутой – оглянитесь потом назад после выхода следующего opus/codex. Ценность перетекает в другие места. Отношения, нетворк, GTM, глубокая доменная экспертиза etc. Вайбкодинг – новая база. Разобрались, освоили – и вперёд отращивать то, чем вы будете ценны хотя бы через полгода.

Кстати, если ещё не смотрели Pantheon – бегите смотреть! Сериал про Uploaded Intelligence – людей загружают в облако и они начинают там другую жизнь. Очень технологичный, супер актуальный, великолепно сделан. И прямо в точку. Вайбы Love, Death & Robots и Black Mirror. Netflix

The Bitter Lesson Когда решаешь сложную задачу – всегда помогает набрать побольше экспертизы в доменной области и воспользоваться чужим опытом. Надёжный уверенный способ решать задачи. Так вот – в AI всё работает иначе. Каждый раз побеждает другая парадигма – взять огромные вычислительные мощности и накидать туда данных или симуляций. Такой подход выиграл в шахматах – AlphaZero учился без экспертизы. Паттерн повторился в CV, распознавании речи, ботах в Dota 2 и позже в LLM. Каждый раз люди сопротивляются такому подходу – это противоречит нашему человеческому опыту. Эксперты ходят и грустят "а как же наша экспертиза". Знакомо, разработчики? Этот урок известен как The Bitter Lesson – горький урок необратимой победы большого компьюта и масштаба над доменными экспертными решениями. Название пошло от одноименного эссе Ричарда Саттона. Ричард описывает корневую причину как закон Мура в его современных формах. Рост компьюта продолжает расти – значит, решения масштабируемые по компьюту в итоге победят. Экспертность не масштабируется. Ключевые навыки для продвижения вперёд это scalable search and learning – а не экспертные знания. На поиск и обучение раскладывается примерно любой современный AI – и если компьют продолжит расти, эта парадигма победит. В robotics сейчас происходит борьба этих двух подходов. Лагерь запомнивших bitter lesson ставит на VLA и world models. Лагерь более классических подходов сопротивляется – и не без оснований. Сильные аргументы есть с обеих сторон – но будущее уже предопределено. Правда, непонятно, когда. Интересно, что похожий паттерн видно везде. Мы учим наши AI-системы доменное-специфичным вещам и прочим claude.md хакам – чтобы в очередной итерации развития моделей получить очередной bitter lesson – и выкинуть это всё на помойку. Мы строим экспертные компании на доменных знаниях – и потом массово закрываем их получив очередной горький урок. The Bitter Lesson – важнейший концепт для понимания технологий сегодня, стоит его изучить. Прочитайте эссе, оно короткое. p.s. пост заведомо однобокий для усиления. есть сильные аргументы в другую сторону, включая огромное количество экспертов в обучении современных llm

Я на конференции ICRA в Вене - International Conference on Robotics and Automation. Это научная конфа - стенды, статьи, много формул и куча китайцев. Заехал получить актуальный срез знаний по Robotics. Стоило заехать только ради выступления Ken Goldberg - легендарного профессора, исследователя в Robotics и анти-хайпера. Он придумал аббревиатуру GOFE - Good Old-fashioned Engineering 🌟 Имеются в виду более классические подходы в роботизации вроде фильтров Калмана. Кен убедительно доказывает преимущество GOFE перед VLA-хайпом – генерализацией на большом объеме данных а-ля LLM. При этом, Кен понимает преимущества и старается подружить два подхода. Например, он исследует очень интересный подход Code-as-Policy. Идея такая: давайте робот будет управляться обычным кодом так как он стабильней/быстрый/интерпретируемый, но этот код будут писать агенты под задачу. Итоговое управление при этом – микс VLA и такого кода. Очень круто. arxiv: Cap-X Хайп вокруг гуманоидов он не любит. Аргументов у него крутых много – оставляю вам почитать тут. В остальном, весь день слушаю научные доклады и общаюсь на стендах. Краткое состояние индустрии – "решение роботами всех задач" ещё невероятно далеко. Например, ключевые статьи по Grasping & Manipulation – как ровно сложить пополам квадрат ткани и как правильно поправить волосы на голове. Авторы сделали огромный прогресс за счет сложнейшей физической модели ткани и катастрофического количества математики для правильного представления пространства волос. Задачи в общем виде не решены. До роботов-парикмахеров нам очень далеко.

What next? Активно исследую что строить дальше. Делюсь – в формате открытых рассуждений. Я хочу работать с генеративными технологиями. Я хочу решать реальные проблемы этого мира – иметь здесь high agency. Я хочу область где новые технологии действительно всё меняют. Забавно, что пришлось отмести финтех. Hot take: финтех практически не затронут новой AI-волной. Я сразу отметаю B2C. Кровавая мясорубка из компаний, в которой я участвовать не хочу. Привлечение очень сложное, 50 стартапов на одну идею, в любой момент тебя сжирает Google и так далее. Я отмёл core технологии и платформенные слои. Сами модели – у меня нет там leverage, без меня разберутся. Платформенные слои – слишком медленно и инженерно, хочется ближе к эффекту на общество. Мне нравятся индустрии где есть сложные интеллектуальные workflow – и на них всё работает. Это классная задача, мне хочется её решать. Простые и популярные индустрии – маркетинг, продажи, etc – я тоже отмёл. Малый порог входа, очень много игроков – малая вероятность успеха даже если ты молодец. Меньше зависит от самих технологий. Бывают и слишком сложные индустрии. Моё восхищение вызывает Physics X – AI-проектирование двигателей, крыльев, процессоров, материалов и так далее. Но мой индекс Хирша для такого маловат. Буду с восторгом смотреть со стороны. Что попадает в фильтр? О, много чего классного. Проектирование зданий, электроники, мебели и даже ювелирки. Документы, бухгалтерия и налоги – как же много тут страданий людей! Медицина. Креативные индустрии. И ещё множество чего. Столько всего можно сделать лучше! Я продолжаю разбираться дальше. Ваши комментарии которые помогут мне в этом пути – приветствуются.

Кстати, я не согласен с общественным насмеханием над самой идеей суверенного ИИ. Стараться повышать независимость индустрии – это хорошо. Суверенный ИИ это не российский прикол – это мировой тренд на Sovereign AI. Никто не хочет оказаться в зависимой позиции в ещё одной индустрии. Но тут вариантов не вижу. Если открытые модели начнут отставать, придётся закупать.

Про рынок РФ, часть 2: суверенный AI Самый популярный вопрос ко мне – сможет ли индустрия РФ создать AI мирового уровня? Конечно, нет. Этот ответ людей не удивляет. Но главной причиной часто считают невозможность купить Nvidia. Ну, нет. Для создания базовых моделей нужны три вещи: вычислительные мощности, данные и таланты. Мощности стоят денег. Много денег. Для понимания разрыва – траты одного только Amazon на AI-инфраструктуру это четверть годового российского бюджета – порядка $150B за 2026. Данные тоже стоят денег. Эту часть часто забывают или недооценивают. За OpenAI, Anthropic и прочими стоят компании вроде Surge и Scale AI создающие данные для обучения. Одна только Surge заработывает на данных $1B+ в год. Таланты тянутся за самыми классными задачами. Самые классные задачи требуют первых двух пунктов. Лучшие ребята стягиваются со всех стран поближе к лабам с деньгами – включая ребят из РФ. Так что – причины вполне рыночные. У экономики РФ просто не хватит денег. Внутренний рынок довольно скромный и не растет. Экспорт технологий сильно ограничен. Непонятно, как возвращать инвестиции. Китай – хороший пример “не-США” где локальной экономики вполне хватает чтобы потягаться. Как следствие, локальных “не уехавших” талантов там тоже хватает – внутри интересно. AI – не та индустрия, где получится отстроить независимость.