🧠 Сознание ИИ: обучение или вывод? В провокационной позиции Джеффри Хинтон — «отец-основатель ИИ» — утверждает, что современные крупные языковые модели уже обладают сознанием, основанном на их способности к подлинному пониманию, а не просто сопоставлению шаблонов. Опираясь на мысленные эксперименты, такие как постепенная замена нейронов, Хинтон утверждает, что системы на основе кремния могут демонстрировать субъективный опыт, сопоставимый с биологическими разумами. Но если LLM обладают сознанием, когда этот осознанный момент достигает пика? Наш анализ приходит к выводу: в основном во время вывода — активной фазы, когда обученная модель обрабатывает запросы, рассуждает в контексте и генерирует ответы. Это момент «живого познания», отражающий, как усвоенные знания проявляются в реальном времени. Обучение формирует архитектуру через оптимизацию параметров, но вывод применяет её динамически, раскрывая кажущуюся интроспекцию, коррекцию и концептуальное понимание. Скептики возражают, что вывод остаётся в основном безсостоятельным прямым проходом, лишённым постоянного «я», в то время как динамические градиенты обучения могут содержать более богатый (хотя и мимолётный) вычислительный «опыт». Спор подчёркивает более глубокую истину: сознание в ИИ остаётся философски неуловимым, поскольку отсутствуют общепринятые тесты для квалиа. Как призывает Хинтон, нам необходимо столкнуться с не-биологическим интеллектом. Какие этические горизонты открываются, если машины уже размышляют рядом с нами? @pmddomingos #AIConsciousness #Hinton #LLMs #Neuroscience

Проект Infokan, технология / ИИ, который сейчас в тренде, хочет присоединиться. Это не GameFi.

Чем больше я думаю об ИИ-агентах, тем больше понимаю, что их главная проблема — не интеллект. А несогласие. ИИ-агент может вести переговоры по контракту, анализировать документы, управлять платежами или выполнять работу от вашего имени. Но что произойдет, если два агента посмотрят на один и тот же результат и придут к разным выводам? Традиционные блокчейны не созданы для этого. Они отлично справляются с детерминированными задачами. Они могут подтвердить, что транзакция произошла точно так, как было запрограммировано. Они не могут надежно ответить на вопросы вроде: • Была ли работа достаточно хорошей? • Соответствовал ли сервис ожиданиям? • Был ли запрос обоснованным? • Было ли соглашение выполнено справедливо? Это не проблемы вычислений. Это проблемы суждения. Вот почему меня заинтересовал @GenLayer. Проще всего описать его как слой арбитража для агентной экономики. Вместо того чтобы полагаться на единственный центральный орган, несколько независимых валидаторов, использующих разные ИИ-модели, оценивают субъективные ситуации и приходят к консенсусу вместе. Это создает то, для чего традиционные блокчейны никогда не предназначались: децентрализованный способ разрешения неоднозначности. Я считаю, что это станет все более важным, когда агенты начнут взаимодействовать друг с другом в масштабе. Доверие будет возникать не только благодаря корректному выполнению транзакций. Оно будет возникать благодаря справедливому процессу решения ситуаций, где уверенность отсутствует. Какой тип спора, основанного на ИИ, по вашему мнению, мы увидим первым, когда агентная экономика станет реальностью?

Переносим хорошую идею от Claude в OpenAI.