23 июля исследователь покинула OpenAI, а на следующий день начала работу в качестве Founding Researcher в стартапе Conduit. Компания занимается созданием технологии телепатии — моделей «мысль-в-текст», обучаемых на неинвазивных нейроданных.
Пост разбит на четыре части:
- Мысль-в-текст: как будет выглядеть использование телепатических инструментов в 2027, 2030 и 2035 годах
- Как строится технология: почему Conduit собирает огромные объёмы неинвазивных нейроданных
- Причины перехода: амбициозное видение, сильная команда и интересные задачи
- Немного о себе
1. Мысль-в-текст, она же телепатия
Прогноз таков: через пару лет основным способом общения с ИИ станут мысли. Модели не будут восприниматься как супер-умный автоматизированный интерн или коллега, за которым приходится отчаянно поспевать. Они станут естественным, радостным продолжением человека.
Ниже — зарисовки этого будущего, оптимистичные, но вполне реалистичные.
2027 — Утро в Conduit
Надеваю обруч на голову и открываю ноутбук в офисе Conduit. 9 утра. Устройство подключается к ноутбуку по Bluetooth. Открываю, без потери общности, Codex.
Думаю о задачах на день, глядя на код, просматриваю вчерашние заметки и готовлюсь к стендапу в 9:30. Агент GPT-7 уже больше суток трудится над новым энкодером, который я исследую. Смотрю на результат его работы. Меня смущают подписи на графиках, раздражает канцелярский стиль в первом абзаце и интересуют символы в уравнениях. Смутные мысли уходят в модель Conduit, которая, используя априорные представления о языке и о том, что я обычно говорю, выводит:
conduit://thought-stream → codex $ decode --source=neural-latent --autosend --to=codex thought_01 > Смотрю на твои графики. Переименуй подписи на легенде и добавь текстовую ячейку ниже с простым описанием каждой линии. thought_02 > Второй абзац обсуждения понятен, но перепиши первый абзац, используя навык humanizer. thought_03 > Сделай текстовый блок с объяснением уравнений в более чистой нотации. streaming > █
На просмотр графика, абзацев и нотации ушло по 10 секунд на каждый элемент. Автоотправка включена, поэтому после каждого 10-секундного фрагмента модель Conduit расшифровывает мысли и отправляет их в GPT-7, который распределяет входящие задачи между сабагентами. Смотрю на новый график, абзац и уравнения. Возникает мысль — а не пригодятся ли здесь сферические гармоники; Codex запускает сабагента для проверки. Убедившись, что график хорош, решаю сделать быструю презентацию с приукрашенной версией, показывающей только базовую линию и две лучшие, чтобы показать коллегам; Codex запускает ещё один сабагент.
Делаю себе кофе. Мысли по большей части пусты, но на секунду вспоминаю, что хочу сказать кандидату, с которым завтра обедаю. Тем временем на фоне Codex размышляет о том, какая информация может понадобиться для обеда, и решает, что было бы разумно обновить график масштабирования на синтетических данных перед показом; запускается ещё один сабагент.
( (
) )
.--------.
| |]
| COFFEE |
| |
'--------'
\____/
В голове не произносятся слова громко и настойчиво. Просто читаю графики как обычно, и делаю кофе как обычно. Ощущение — как магия.
2030 — Индустрия адаптируется, Conduit растёт
Компании, разрабатывающие ИИ, теперь обучают модели напрямую взаимодействовать с латентными представлениями Conduit. Закодированные мысли отправляются прямо в Codex, минуя декодер Conduit. Это значит, что легко передаются мысли, которые трудно описать текстом — например, мысленные образы.
В последнее время редко общаюсь с ИИ без обруча. Без него откровенно неудобно. С нейрообручем возникает ощущение сверхчеловеческого контроля над ноутбуком! Без него — как будто разговариваешь с супермощным инопланетянином, который старается изо всех сил быть полезным, но не уверен, чего от него хотят, и боится вызвать недовольство, сделав что-то не то. Досадно.
Conduit продолжает совершенствовать неинвазивное считывание, но запустил ещё два направления: инвазивное общее считывание и общую запись.
Большинство людей вполне довольны нейрообручами, но немало желающих получить считывание более высокой точности через инвазивные технологии.
Интереснее другое — растущий интерес к записи. Контроль над ноутбуком ощущается сверхчеловеческим. Но органы чувств остаются просто человеческими. Это похоже на ситуацию, когда руки под контролем, но полностью потеряна чувствительность в них. Да, руки всё ещё видны, и это намного лучше, чем их отсутствие, но всё равно очень странно. Как у Иэна Уотермана. Хочется чувствовать то, что чувствует Codex. Теперь, когда Conduit освоил общее считывание, обучение общей записи требует на порядки меньше данных.
Но важнее другое — разблокировать прочие применения технологии записи. Хочется сделать мозг таким же эффективным и нейропластичным, как в 18 лет.
2035 — ИИ больше не «чужой»
ИИ стал естественным продолжением человека. Ощущается как шестое чувство и дополнительная конечность. Возникает вопрос — и вот уже словно буквально серфишь в вебе, видишь отблески сайтов, получаешь вспышки интуиции по проблеме и, наконец, приходишь к ответу. Это по-настоящему увлекательно! Мозг работает как у Флэша. Благодаря технологии записи мышление остаётся самым быстрым за всю историю, даже когда ИИ выключен.
Насколько сверхчеловеческим окажется 2035-й, зависит напрямую от того, насколько сверхчеловеческими общество решит сделать своих ИИ. Возможно, будет выбран путь размеренного темпа. Но привлекательно, что это буквально видение будущего с человеком в контуре, где ИИ напрямую усиливает людей, а не заменяет их.
Несколько цитат о будущем интерфейса мысль-ИИ
Писатели и спикеры, более красноречивые, чем автор этого поста, за последнее десятилетие уже развивали идею интерфейса мысль-ИИ. Вот несколько цитат с ссылками:
«Если мы достигнем плотного симбиоза, ИИ не будет "чужим" — он будет вами, с отношением к вашей коре, аналогичным тому, как кора связана с лимбической системой».
— Илон Маск, 2017, в интервью Wait But Why, которое вдохновило одного из сооснователей Conduit заняться нейротехнологиями!«Мы могли бы подключить электроды к мозгу… Думаю, слияние — это, вероятно, наш лучший сценарий. Если два разных вида хотят одного и того же, а получить это может только один — в данном случае, быть доминирующим видом на планете и за её пределами — между ними неизбежен конфликт».
— Сэм Альтман, 2017, в личном блоге.«Можем ли мы переводить мысли в базовые действия?.. Хочу увидеть своё расписание на сегодня. Хочу узнать, какая сегодня погода. Хочу выключить свет в спальне… Если можно подумать "хочу выключить свет внизу", и свет выключится — это может ощущаться поразительно похожим на телепатию».
— Дин Болл, 2024, в интервью.«Невозможно понять долгосрочное будущее искусственного интеллекта без понимания интерфейсов мозг-компьютер».
— Роб Тоус, 2025, в статье Forbes, цитирующей сооснователей Conduit, Рио и Клема.
2. Как строится технология мысль-в-текст?
В теории всё просто. Входные данные — активность мозга, целевой выход — то, чем занимался человек в этот момент, например, какой текст он писал. По активности мозга нужно предсказать выход, семантически близкий тому, что человек написал.
Чтобы обучить модели предсказывать текст по нейросигналам, приходится применить тот же урок, который извлекли те, кто предсказывает текст по речевому аудио или текст по предшествующему тексту — горький урок. Он в общих чертах говорит: нужно бросить на модель больше полезных вычислительных ресурсов, и она станет лучше любого изобретательного алгоритма, придуманного вручную. Это означает, что сбор данных нужно масштабировать на порядки больше, чем это делалось в академической среде.
Инвазивными методами собрать достаточно данных сложно. Мало кто хочет чип в мозге! Но неинвазивные методы становятся намного лучше. Аппаратное обеспечение улучшается и дешевеет, хотя подробности о конкретном оборудовании раскрывать пока не приходится.
По мере обучения на большем объёме данных модель предсказывает текст, всё более семантически близкий к тому, что написал испытуемый. Да, есть неустранимая ошибка из-за шума, но для большинства модальностей предел этой ошибки пока не достигнут. Конкретно, законы масштабирования выглядят хорошо: косинусное сходство предсказаний латентного пространства с целевыми латентными представлениями растёт прямой линией относительно логарифма количества часов данных. Сейчас — эпоха, аналогичная GPT-2.
Идеальное декодирование не требуется для практической пользы. Мысли работают как GPS в городе: шумный сигнал GPS сам по себе недостаточен для определения точного местоположения. Но в сочетании с картой и маршрутом навигации — то есть с LLM и контекстом — точность становится впечатляющей.
Подробнее о том, как устроен сбор данных, можно прочитать в блоге Conduit. А для тех, кто предпочитает активное обучение — можно стать участником исследования.
3. Причины перехода
Три причины:
- Амбициозное, но практичное видение: если Conduit станет компанией общего считывания и записи, её стоимость может превысить $1 трлн. Видение вдохновляет, потому что оно строит более человеческое будущее. И законы масштабирования, подтверждавшиеся уже много раз, вызывают доверие.
- Сильная команда: сооснователи, Рио Поппер и Клем фон Штенгель, талантливы, упорны и приятны в работе. С ними и с несколькими другими людьми, присоединившимися к этой же миссии и работающими над той же интеллектуально интересной задачей, работать легко.
- Интересные задачи: исследования по-настоящему захватывающие. Приходится думать об энкодерах, эффективности данных, синтетических данных, атрибуции данных, мультимодальности, странной статистике — это увлекательно. В OpenAI можно работать только над узким срезом общей проблемы, да и в рамках этого срез приходится подстраиваться под существующую архитектуру. В Conduit — всё с нуля.
Короче говоря: всё складывается удачно. Работа идёт над задачей, вызывающей одержимость, пугающе амбициозной, вместе с небольшой группой приятных людей.
4. Кстати, привет!
Для тех, кто не знаком: привет! OpenAI была покинута две недели назад, после 1,5 лет работы там в качестве исследователя.
Выросла в штате Вашингтон, где с 5 до 15 лет занималась соревновательными шахматами и остановилась после получения титула WIM. Впервые о потенциале ИИ умнее человека услышала в 12 лет, но долгие годы это казалось просто странной, хотя и интересной идеей, о которой писали люди в интернете.
В 18 лет поступила в Гарвард на специальность компьютерные науки. На одном из курсов узнала о GPT-3 и наконец прочитала «Суперинтеллект» Бострома. Это стало настоящим пробуждением. Появился интерес к исследованиям безопасности ИИ, был краткий опыт в сфере политики ИИ, а в итоге — присоединение к команде alignment в OpenAI. Помимо основных исследований, в OpenAI было время на побочные проекты, включая создание презентации по онбордингу AGI и блог по alignment, а также помощь в консультировании подразделения AI Resilience фонда OpenAI.
Желающие обсудить Conduit могут написать на naomi@condu.it — можно встретиться за кофе или устроить экскурсию по необычному и красивому офису в Сан-Франциско. Команда постоянно набирает исследователей, инфраструктурных специалистов и операторов.
Благодарности: спасибо Эйдану Смиту, Дэвэншу Пандею, Джулии Шепард, Леву Чижову, Райану Кауфману и команде Conduit за фидбек. Отдельная благодарность другим компаниям, работающим над амбициозными технологиями BCI, включая (но не ограничиваясь) разработчиков технологий для лучшего сна, лучшего ультразвука, решений для слепоты и загрузки сознания — их технологии вызывают искренний интерес. Все ошибки — на совести автора.