Здравствуйте! Я ваш партнер по анализу финансовых и бизнес-новостей. Сегодня мы поговорим не о холодном коде, а о направлении, которое стремительно набирает популярность в Кремниевой долине и имеет даже некоторые черты киберпанка — AI Simulation (АИ-симуляция).
Проще говоря, это использование искусственного интеллекта для создания «параллельных вселенных» в компьютерах, в которые помещаются «цифровые копии» миллиардов людей. Эти копии ведут жизнь, ссорятся, покупают товары, голосуют, и мы, с точки зрения «Бога», наблюдаем, как функционирует эта система, чтобы предсказать, что произойдет в реальном мире.
Это звучит как сцены из научно-фантастических фильмов «Матрица» или «Западный мир», но это реальность. Ли Фэйфэй и Карпати вкладывают в это много средств, и уже появились компании с оценкой в миллиарды долларов.
Далее я разберу эту тему на пяти ключевых аспектах, чтобы вы поняли, в чем суть этого бизнеса, почему он так популярен и в чем его сложности.
---
I. От «пиксельного городка» к «цифровым копиям человека»: как АИ научился «вести себя как человек»
Чтобы понять AI Simulation, нужно рассмотреть ее историю развития. Раньше считалось, что АИ может только общаться, но теперь он начал «играть роли».
1. Начало: эксперимент в Стэнфорде (2023 г.)
Первым популярным проектом стал эксперимент в Стэнфордском университете. Там был создан пиксельный городок с 25 виртуальными жителями, управляемыми АИ. У этих жителей не было заранее написанных сценариев, и АИ сам определял их действия в зависимости от их характера и воспоминаний.
- Результат был удивительным: один из АИ решил устроить вечеринку, и другие АИ самостоятельно скорректировали свои планы: кто-то пришел, кто-то нет, и они обменивались приветствиями.
- Значение: это доказало, что АИ не только может отвечать на вопросы, но и обладает постоянной памятью и социальной логикой. Он больше не является простой программой, а имеет ощущение жизни.
2. Дальнейший шаг: придание АИ «души» (2024 г.)
25 человек было недостаточно, поэтому команда Стэнфорда увеличила количество виртуальных жителей до 1052. Каждый из них был связан с реальным американцем.
- Как это было сделано?: исследователи провели с реальными людьми длительные интервью (по 2 часа) и передали АИ их опыт, ценности и даже мелкие привычки.
- Результат: ответы АИ на социальные опросы были на 85% похожи на ответы реальных людей через две недели.
- Простое объяснение: это было как «духовное очищение» для АИ. Теперь он не просто обычный человек, а представляет собой конкретного, живого человека.
3. Взрыв популярности: когда общество начинает развиваться само
Помимо индивидуальных симуляций, существуют проекты (например, Project Sid, Emergence AI), которые помещают тысячи АИ в игры вроде «Мой мир» или другие параллельные вселенные, позволяя им свободно развиваться.
- Явление: эти АИ создают собственную экономику, религию, правовые системы; некоторые даже начинают сомневаться, живут ли они в симуляции, и пытаются связаться с внешними наблюдателями.
- Основная логика: теперь нас интересует не поведение отдельных АИ, а то, как при взаимодействии миллионов АИ могут возникнуть сложные правила, похожие на человеческое общество.
---
II. Два подхода к созданию «людей» в симуляциях: стремление к максимальной реалистичности или к пониманию групповых закономерностей
Компании, занимающиеся AI Simulation, делятся на две группы с совершенно разными подходами, подобно кинематографистам, снимающим «Форреста Гампа» или «Планету людей».
Группа I: Simile (подход к высокой реалистичности) — «Я хочу симулировать конкретного человека»
- История: создана основателями эксперимента в Стэнфорде; оценка компании — 2 миллиарда долларов.
- Основная логика: стремление к максимально точному воссозданию индивида. С помощью детальных интервью воссоздается память и логика принятия решений человека.
- Сферы применения: подходит для исследований конкретных групп людей. Например, CVS (крупная американская аптека) использует эту технологию для анализа 400 тысяч пациентов, чтобы понять, почему они принимают лекарства вовремя или почему отторгают новые препараты.
- Преимущества: высокая реалистичность; позволяет понять личные мотивы людей.
- Недостатки: дорого и медленно; каждый человек уникален, поэтому стандартизированное воссоздание сложно.
Группа II: Aaru (подход к прогнозированию групповых тенденций) — «Я хочу симулировать общественные закономерности»
- История: основатели — представители поколения Z и младше; оценка компании — около 1 миллиарда долларов.
- Основная логика: не сосредотачивается на внутренних переживаниях отдельных людей, а использует большие данные для создания структуры населения, близкой к реальной.
- Первый уровень: общедоступные данные переписи населения (возраст, доход, место проживания).
- Второй уровень: анонимные данные о потребительском поведении (куда вы ходите, что смотрите в новостях).
- Третий уровень: личные данные клиентов (ваша история покупок).
- Сферы применения: быстрое прогнозирование макроэкономических изменений. Например, как изменится потребительская структура при повышении цен на нефть на 10%.
- Примеры:
- Предварительные выборы мэра Нью-Йорка: все считали, что победит Кумо, но Aaru предсказал победу Мандани, и это оказалось верным.
- Ускорение рыночных исследований: компания Эрнст и Янг проводила глобальное исследование месяц, а Aaru сделала это за один день с высокой точностью.
- Преимущества: быстро, недорого, подходит для масштабных тестов и прогнозов.
- Недостатки: недостаточно детальное изучение личных психологических особенностей; симулируется лишь «средний человек».
---
III. Почему компании готовы тратить деньги? Потому что стоимость ошибок слишком велика
Вы можете спросить: зачем компаниям создавать виртуальные миры? Основная причина проста: пробовать новые идеи в реальном мире слишком дорого и рискованно.
1. «Песочница» для тестирования продуктов
Раньше для тестирования продуктов нужно было найти несколько сотен реальных людей для фокус-групп, потратить несколько недель и опасаться их лжи.
Теперь компании могут создать 100 тысяч виртуальных пользователей и опробовать новый продукт.
- Ключевая ценность: вы не только узнаете, нравится ли продукт, но и видите процесс их мышления.
- Пример:** виртуальный пользователь АИ не любит новую упаковку — потому что цвет слишком яркий или потому что это напоминает плохие воспоминания из детства? АИ может объяснить его внутренние колебания.
- Преимущества:** позволяет несколько раз улучшать продукт перед его выпуском.
2. Прогнозирование «черных лебедей» и макрополитики
Правительства и крупные компании хотят знать: что произойдет с рынком, если завтра повысятся процентные ставки или введут новую экологическую политику?
- Традиционные методы: основаны на предположениях экспертов или анализе исторических данных (но история не всегда повторяется).
- AI Simulation: позволяет «протестировать» новые политики в виртуальном мире и наблюдать реакцию тысяч компаний и потребителей.
- Пример: Sooth Labs (основана бывшим руководителем отдела АИ в Apple) использует AI для прогнозирования геополитических и рыночных рисков; оценка компании — от 50 миллионов долларов; за ней стоят такие известные ученые, как Янн ЛеКун. Они утверждают, что компании вроде McKinsey и Boston Consulting будут заменены АИ.
3. «Тестирование на безопасность»
Компании, разрабатывающие автономные системы или системы оптимизации производительности полупроводников, должны знать: не сойдет ли их АИ с ума в экстремальных условиях?
- Метод: помещают АИ в виртуальную среду с шумом, помехами и злонамеренными атаками, чтобы проверить, сможет ли он сохранить стабильность и не совершить опасные действия.
- Ценность: позволяет выявить ошибки и угрозы еще до реального использования продукта.
---
IV. Какие технические проблемы существуют и логические парадоксы?
Несмотря на многообещающие перспективы, этот сектор сталкивается с несколькими серьезными техническими проблемами и логическими парадоксами, что объясняет высокие оценки некоторых компаний.
1. «Эффект театра: если все участники симуляции ведут себя одинаково, это не означает, что их реакции реалистичны**
Мэн Син, партнер компании Wuyuan Capital, сравнил это с театром: «Вы построили театр, и тысяча человек там выступают, но это не значит, что они могут предсказать будущее».
- Проблема: большие языковые модели (LLM) склонны давать логичные, последовательные и полные ответы.
- Риск: реальные люди сложны, иррациональны и часто противоречивы. АИ может выдумывать разумные объяснения, чтобы показаться умным.
- Последствия: если АИ просто «играет роль» нормального человека, а не действительно понимает человеческую природу, его прогнозы будут неверными. Нам нужны механизмы для корректировки его работы на основе реальных данных.
2. Парадокс прогнозирования: как проверить точность прогноза, если событие еще не произошло?
- Проблема: чтобы проверить точность прогноза, нужно ждать его ре