«Любая информация, которую вы пишете в чате модели, которая выставлена в интернет — ChatGPT, Claude, Gemini, что угодно, — уходит на чужие серверы, то есть на серверы компании, где развернуты эти решения. В случае OpenAI, Anthropic, Google это американские серверы, в случае DeepSeek, Qwen это китайские серверы, в случае «Яндекса» и «Сбера» — российские. Исходя из этого делается определенный вывод о том, что каждый человек, кто взаимодействует с этими моделями, готов делиться с теми, кто на той стороне, или не готов. Какая информация именно чувствительная, каждый может определить для себя сам исходя из своих убеждений и исходя из того уровня доступа, который человек имеет. Например, коммерческая информация какой-нибудь крупной компании — это, очевидно, чувствительная информация для этой компании, и топ-менеджер, который пытается ее обрабатывать, не понимая, что он отдает данные чужим компаниям, причем самостоятельно, никаких претензий потом предъявить не может. Рекомендация очень простая: не посылайте информацию, если вы не хотите, чтобы она была опубликована в интернете. Она с некоторой вероятностью может быть включена в следующий датасет, который используют для обучения этих моделей. Такое возможно. Не факт, что это потом всплывет в хорошем месте».

«Вот я покупаю книги. Мне нравится твёрдая научная фантастика. Я купил последние, допустим, 10 книг. Все эти 10 книг попали в некий список, и в этот список попадает фамилия автора, название книги, аннотация к этой книге. Возможно, ещё какие-то дополнительные поля типа жанр, теги, количество страниц, потому что, например, мне очень нравится читать очень толстые книги. Когда вот я не знаю, что почитать, и вот я спрашиваю, что бы мне почитать. И в этот момент включается этот советчик, который берет всю мою историю книг, купленных и прочитанных, кстати, прочитанных тоже. Если я, например, рецензии на книги пишу, информация конкретно обо мне как пользователе кладётся в контекст большой языковой модели, она с этим контекстом начинает работать и предлагает, допустим, пять наиболее релевантных книг, которые я могу прочитать. Тут же система проверит, не читал ли я их ещё - тогда, когда давно, возможно, такой подход будет прям очень прикольный, а может и нет».

«Йошуа Бенжио — знаменитый ученый, последнее время волной хайпа таких людей вынесло на самую высоту, они стали мировыми звездами в этой области. То, что сейчас устраивает Йошуа Бенжио — это некоторая чудинка. Возможно, человек увидел какой хайп вокруг всего этого, возможно решил попробовать свое что-то, и это такой маркетинговый шаг, тем более НКО организовал. Если ему кто-то будет давать деньги, значит, сразу возникают сомнения, что там под капотом. Цель-то благая, уже привлек более 30 млн долларов. Никто не дает 30 млн долларов за просто так, значит кто-то ему ставит цели. По поводу лжи, большие языковые модели не размышляют, модель токин за токином предсказывает следующий токин. А откуда она их взяла? Ее научили. Галлюцинации — это ровно те патерные поведения, которые модель увидела в том, что ей скормили на этапе тренировки, то есть это то, как люди делали. Идея товарища Бенжио скорее всего очень простая, он хочет сделать новые типа модели, у которых удалены эти способности фантазировать. Но, мне кажется, это регресс, это возврат к тому, что было раньше, такие модели уже были».

«Все, что касается автоматизации рутинной деятельности в телеграм-каналах, в чатах, в рабочих группах, где происходит общение, поскольку эта модель будет общаться на естественном языке с пользователями — раз. Во-вторых, она будет иметь возможность управлять Telegram, то есть большие языковые модели и интеллектуальные решения, основанные на них, умеют же управлять информационными системами, разными платформами. Такие боты смогут управлять Telegram примерно так, как это делает человек-админ. Не текущие виды ботов, которые худо-бедно решают какие-то задачи, а это будет практически электронный сотрудник, который будет доступен пользователям, заплатившим Telegram деньги».

«Дело в том, что в DeepSeek встроена функция поиска. То есть там есть инструмент, который позволяет по заданной задаче найти всю информацию и ее обработать. И это работает намного лучше, чем простая поисковая выдача. Источники находятся как бы в фоновом режиме, потом DeepSeek их обрабатывает и дает пользователю сводку по тому, что найдено, в том формате, который пользователь просит. Например, я составлял справку об одной компании, которая публикует отчет о своей деятельности в интернете. Если бы это делалось вручную, нужно было скрупулезно собирать: на один сайт сходил, на другой сходил и так далее. Как это делается в DeepSeek? Ты просто включаешь режим и говоришь: собери мне объективную информацию по компании X, составь ее в виде справки на двух страницах. И нейросеть работает примерно несколько минут, ищет в интернете, собирает наиболее релевантную информацию и по ней составляет справку, которую удобно читать. Причем все факты, которые в этой справке приведены, выделены, к ним даны ссылки. Ты по этой ссылке можешь перейти и проверить. И вот эта функция DeepSeek работает лучше, чем нейропоиск «Яндекс». Потому что нейропоиск интегрирован в поисковую машину «Яндекса» — сложно заставить его выдать в том формате, который тебе нужен. А DeepSeek ты можешь попросить сделать такой вывод, который нужен тебе. Скорее всего, «Яндекс» имеет в виду именно это — DeepSeek угрожает функции нейропоиска. Традиционная модель монетизации «Яндекса» под угрозой в долгосрочной перспективе. Но на текущий момент огромное количество людей будет продолжать пользоваться «Яндексом». Но для «Яндекса» это сигнал о том, что надо срочно меняться. То есть им срочно надо искать новые модели. То, что они это понимают, это хорошо. Главное, чтобы они еще и действовать начали».