Скрытые способности

Размышления о том, как LLM подталкивают разных людей — независимо друг от друга — к одним и тем же идеям и проектам.

Это AI-перевод статьи, сделанный каналом Про AI: Лучшие Статьи и Исследования.

Скрытые способности

Latent Powers Автор: Armin Ronacher Оригинальный текст:

Несколько недель назад мне показалось забавным попробовать запустить что-нибудь своё на одном из тех дешёвых китайских донглов для CarPlay — вместо стоковой прошивки. Идея была в том, чтобы не просто пробрасывать CarPlay, а сделать с этими устройствами что-то более интересное. Все они работают примерно одинаково: служат мостом между автомобилем и телефоном, обрабатывая видео- и аудиопотоки и передавая прочие данные. У большинства из них есть собственный интерфейс для сопряжения и веб-панель, к которой телефон подключается для обновлений.

Если коротко: я поговорил с Fable и Sol через Pi о том, что можно было бы сделать с таким донглом — или стоит ли вместо него взять Raspberry Pi, если я хочу запускать своё. Мне показалось, что было бы здорово запустить собственный код, при этом оставив обычный CarPlay рабочим.

В процессе работы с LLM (большая языковая модель) я узнал о CatPlay — реализации протокола CarPlay на Rust, которая может работать на устройствах Carlinkit. В частности, она запускается на Carlinkit Mini Ultra, и я решил, что купить его будет несложно. У меня дома есть несколько адаптеров CarPlay, но именно этой модели не было, так что я заказал на Amazon. Через сутки у меня в руках оказалось устройство с маркировкой Carlinkit Mini Ultra — но вместо чипа Ingenic, который использовал оригинальный автор, внутри было нечто совсем другое.

Обычно на этом история бы и закончилась. Но сейчас 2026 год. Вооружившись базовым пониманием того, как работают подобные системы, я провёл несколько плодотворных бесед с Kimi K3 и Sol и разобрался, как перепрошить устройство, а затем — как скомпилировать CatPlay под этот SoC.

Ковыряние USB-устройств — это, в общем-то, не сверхсложно, но муторно, и легко можно превратить девайс в кирпич. А ещё это тоска, потому что иногда приходится работать с чужим кодом, который на твоей машине даже не запускается. Раньше я бросал многие такие проекты из-за нехватки упорства. Но мой железный помощник упорен.

И все наши железные помощники тоже. Некоторые проекты, за которые мы сейчас берёмся, возникают благодаря разговорам с ними. В данном случае не я нашёл и выбрал CatPlay — это сделала модель. Это было не единственное предложение, но оно оказалось лучшей отправной точкой после отсева остальных.

И я замечаю это всё чаще. Особенно когда мы взаимодействуем с моделями один на один — некоторые из нас «независимо» решают заняться похожими проектами. Когда я разговаривал со знакомым о CarPlay, он тоже упомянул, что недавно решил попробовать нечто подобное — ему тоже хотелось подключить собственного агента к автомобилю. И — угадайте что — он тоже узнал о сообществе хакеров CarPlay и о том, что это вообще возможно, от моделей, причём примерно в то же самое время.

Это заставило меня крепко задуматься о том, как могут возникать ситуации, когда совершенно независимые люди начинают строить вещи, которые они считают своими собственными идеями. При том что их вдохновил или подтолкнул к действию разговор с LLM — разговор, который кто-то другой тоже вёл. Что если мы выбирали пути, потому что именно эти пути были более вероятны с моделями текущего поколения? В сообществе AI-разработчиков сейчас ходит шутка, что мы все работаем над одним и тем же, и во многом так и есть. Может быть, это потому, что эти вещи очевидны, а может быть — отчасти потому, что мы все используем одни и те же модели с одними и теми же возможностями.

Несколько месяцев назад я впервые увидел, как Лукас Мейер поделился идеей заставить модель в Pi генерировать HTML-отчёты вместо Markdown. Я подумал, что это довольно уникально. Но, по всей видимости, модели всё больше обучаются именно этому (например, Claude Artifacts), и теперь для многих это стало выбором по умолчанию для обмена отчётами.

Какая часть того, что мы создаём, появляется из извлечения одних и тех же скрытых возможностей из одних и тех же моделей? Модели заставили нас формулировать промпты именно так? Или всё дело в том, что мы делились идеями в Twitter и других сообществах и вдохновляли друг друга? Или это вообще не связано?

Есть что-то мощное и странное в том, как LLM распространяют знания и возможности, одновременно, возможно, подталкивая всех нас — независимо друг от друга — к созданию одних и тех же вещей.

Подпишитесь на канал и каждый день читайте лучшие материалы про AI переведенные на русский!

Нашли интересную статью для перевода? Пришлите нашему боту: @ailongreadsbot