roguelike theory

Сегодня предпоследний день подачи заявлений на стипендии для обучения в The New Centre, где я учился, преподавал и работаю. Вы все можете на них податься. В программе на 2025 год многие, о ком любят писать в русских тг каналах (Реза Негарестани, Джейсон Могагег, Томас Мойнихан, Анна Лонго...) и другие интересные люди, они будут вести семинары про Ларуэля, машинное обучение, будущее и всё прочее, о чём мы с вами любим рассуждать.

В TNC стоит поступать, чтобы общаться, это отличная онлайн- и иногда оффлайн-тусовка. В отличие от многих других "онлайн-курсов" это не про 25-летних ассистентов, зачитывающих в одностороннем порядке написанный недоступными преподами текст, а настоящие исследовательские семинары от современных философов. Многим людям, на мой взгляд, это не особо надо (можно, если надо, и на ютубе найти пятимянутные пояснения про Ларуэля), но есть те, кому хочется прям всерьез все это обсуждать, и TNC для таких. Если вы находитесь в состоянии растерянного, но энергичного интереса к современной философии, то это отличное место, чтобы немного освоиться, со всеми познакомиться, и найти чем и где и с кем заняться.

На Ютубе можно найти первые эпизоды старых семинаров — помимо всяких известных вам имён, я рекомендую, например, Колина Драмма и его разговоры об истории экономики, Шекспире и ММТ, и классику — Рея Брассье и его семинары о Марксе.

В 2020 мы зин сделали в том же духе – заказали куче прекарных работников с файвера написать разные тексты, притворяясь искусственным интеллектом. C картинками Александры Гаркуши.

А вы когда-нибудь изображали чат-ботов? Датский медиа-исследователь Мальте Эрслев называет это бот-мимикрией: на Reddit есть целый сабфорум, где пользователи пишут от лица глуповатых ИИ-моделей. Притворяться роботом — это значит и упражняться в медиа-идиотизме, и писать теорию ИИ наоборот, уверен автор. Ведь миметические исследования алгоритмов начинаются с того, как их видит интернет культура — и только затем приходят к свойствам самой технологии.

Боты в сети упорно мимикрируют под нас — хотя мы точно знаем, что большие языковые модели устроены иначе, чем мы сами. Чем больше они втираются к нам в доверие, тем больше поведенческих данных собирают — и тем лучше нас узнают. Проще говоря, подражать другому — значит не превратиться в него, а лучше его узнать. Но что если сделать все наоборот, и самим поиграть в роботов?

Эрслев уверен: это вполне валидный способ узнать что-то об ИИ. Особенно если вспомнить, что многие алгоритмы проприетарны — и пользователи вряд ли смогут узнать точно, как они работают. Ведь чтобы писать от лица бота, сначала нужно понять, какие принципы стоят за его письмом.

Другой вопрос в том, почему идея мимикрии занимает такое прочное место в нашем техносоциальном воображении. Знаменитый тест Тьюринга как раз построен на подражании: сможет ли машина притвориться человеком — и так обмануть оператора? Хотя он был придуман еще в 1950 году, разработчики ИИ и сегодня используют его для того, чтобы продемонстрировать производительность новых моделей.

Проблема в том, что, по задумке самого же Тьюринга, его метод обнаруживает не некий абстрактный интеллект. В своей знаменитой статье «Вычислительные машины и разум» он намеренно уходит от попытки дать «мышлению» философское определение. Скорее, тест Тьюринга показывает, может ли машина совершать действия, внешне неотличимые от мышления в человеческом понимании.

Разработчики дисциплинируют машины — чтобы они вели себя, как люди. Но у этого процесса неизбежно есть и обратная сторона: машины начинают дисциплинировать пользователей. Выйти из этой петли можно, если повернуть отношения мимикрии в обратном направлении. Играть в роботов — значит ставить под вопрос культурные тропы о машинах и машинном. И, потенциально, — представить иные, не основанные на мимикрии сборки машинного и человеческого.

Вот вам пара бесплатных записанных человеком, а не ИИ, экономических тезисов

1. Будет чем заняться и как заработать деньги

Никакой ИИ не удовлетворит все потребности и желания сразу, это абсолютно странная фантазия. Пока такие есть, будет и спрос на какие-то сопутствующие им продукты (не обязательно самостоятельно удовлетворяющие их, но так или иначе в этом участвующие). В долгосрочной перспективе, люди находят способ обмениваться своим трудом в любой ситуации — и слишком плохой, и слишком хорошей.

В краткосрочной перспективе этому мешает то, что у людей нет денег на удовлетворение своих желаний/потребностей, и такой обмен тупо не запускается. Мы хронически находимся в этой идиотской ситуации: люди с потребностями не могут их удовлетворить, т.к. у них мало денег, а те, у кого они есть, уже и не знают, на что их потратить, и изобретают всякую лажу типа NFT. Такого рода депрессии спроса обычно довольно ужасны — и та, в которую мир погружается сейчас, мне кажется, только начинается. Но проблема здесь не в ИИ и прогрессе, а в распределении средств и фискальной политике.

Что не внушает никаких краткосрочных надежд, конечно. Это явно хроническая ситуация — налоговая и инвестиционная политика будет продолжать помогать бабкам перетекать к Маскам и Безосам, чтобы они тратили их на фаллические ракеты и сделанные в миджорни НФТ. А за хорошо написанные сериалы и переводы Ларуэля, отредактированные человеком, а не машиной, платить мало кому хочется, потому что нечем. Но это всё чисто проблемы фискальной и перераспределительной политики, ничего фундаментального в этом нет. Пока в мире много отстоя, есть и над чем работать... (Спойлер: DeepSeek R1 — история о фискальной политике... потом напишу мб)

2. ИИ это Капитал (инструмент), а не Труд (человек)

Умелый чел делает какую-то работу хорошо с помощью хорошего инструмента.
Зеваки в твиттере: Инструмент уже заменил чела!!!

Это очень раздражает, но еще больше меня выносит макроэкономическая версия этого аргумента. Но сперва в двух словах — упрощенная модель Солоу-Свона, которой принято описывать в экономике долгосрочный рост:

Производство зависит от Капитала (инструментов, K) и Труда (людей, L). Чем больше* того и другого, тем больше производится. Если одного непропорционально больше другого (пропорция K/L очень маленькая или очень большая), т.е. слишком много инструментов и мало людей, или наоборот мало инструментов и много людей, то уже не так хорошо. Оптимальный K/L это уровень прогресса: прогресс это когда один человек может делать больше с большим количеством инструментов.

* — "больше" и в смысле что "лучше", не просто типа сто молотков

Так вот, часто я натыкаюсь на экономические аргументы, основанные на том, что ИИ заменит L, а не K. То есть больше ИИ это не рост K/L, а наоборот. Типа это не один художник с тремя миджорни, а сами миджорни будут сами по себе рисовать и бухать на собственных вернисажах. Как это воспринимать всерьез, я не понимаю, хотя у меня нет прям очень четкого аргумента про это... (есть много нечётких).

Если человек может хорошо пользоваться кучей инструментов одновременно (оптимальный высокий K/L), то предельная полезность его труда растет: он может сделать больше/лучше. Дальше все зависит от спроса. Если есть кому покупать всё это больше/лучше (спрос эластичный), то человек и заработает больше. Если нет, то всех уволят, оставят мало народу. Но по п.1, я считаю, что какой-то очень общий спрос никуда не денется. Многие конкретные индустрии поменяются, как они всегда менялись, но что поделать...