惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

AI
AI
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Engineering at Meta
Engineering at Meta
阮一峰的网络日志
阮一峰的网络日志
小众软件
小众软件
Apple Machine Learning Research
Apple Machine Learning Research
D
Docker
Blog — PlanetScale
Blog — PlanetScale
K
Kaspersky official blog
Know Your Adversary
Know Your Adversary
I
Intezer
S
Securelist
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
L
LINUX DO - 热门话题
美团技术团队
L
LangChain Blog
Project Zero
Project Zero
C
Cybersecurity and Infrastructure Security Agency CISA
T
Tor Project blog
A
Arctic Wolf
C
Cyber Attacks, Cyber Crime and Cyber Security
H
Hackread – Cybersecurity News, Data Breaches, AI and More
V
Visual Studio Blog
P
Privacy International News Feed
C
CERT Recently Published Vulnerability Notes
爱范儿
爱范儿
The Register - Security
The Register - Security
D
Darknet – Hacking Tools, Hacker News & Cyber Security
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
M
MIT News - Artificial intelligence
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
The Hacker News
The Hacker News
AWS News Blog
AWS News Blog
T
Threatpost
博客园_首页
The GitHub Blog
The GitHub Blog
H
Hacker News: Front Page
Spread Privacy
Spread Privacy
E
Exploit-DB.com RSS Feed
SecWiki News
SecWiki News
Cisco Talos Blog
Cisco Talos Blog
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
J
Java Code Geeks
NISL@THU
NISL@THU
博客园 - 三生石上(FineUI控件)
C
CXSECURITY Database RSS Feed - CXSecurity.com
Attack and Defense Labs
Attack and Defense Labs
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
F
Full Disclosure
Microsoft Azure Blog
Microsoft Azure Blog

Все публикации подряд на Хабре

Ловим музу за клавиатуру: как айтишнику стать автором Что умеет Midjourney в 2026? Мой немного грустный разбор этого шикарного инструмента Никто не любит писать тесты, но ИИ может исправить это IPv8 выглядит как мечта. Поэтому почти наверняка не взлетит Производители вернули в продажу материнки с DDR3. Что происходит? Управление агентом с телефона через Telegram теперь в KodaCode От координации к лидерству: как меняется роль руководителя разработки Я сделала родителям бизнес вместо пенсии: зарабатываем 70 тысяч, мама не даёт продать В три раза быстрее приемка товара и оптимизация трудозатрат на 73%: как «РСТ-Инвент» помог Gulliver Group ИИ-шечный мир победил? О влиянии искусственного интеллекта на игропром Кремль снижает давление на Телеграмм пока Европа строит интернет по паспорту Как CEO, CTO и CIO за 8 часов собрали ИИ-директора, который умеет держать позицию под давлением Как (не) потерять домен за выходные Вместо 8 разных VPS: как я организовал практику студентам на одном сервере Почему твой Open Source проект не замечают? R&D: искусство управления неопределенностью в разработке AI-дефляция: вакансий для разработчиков больше, а рост зарплат — худший за 15 лет Мы отдали управление роботами OpenClaw. Что из этого вышло Галактический ID: система идентификации для всех форм разумной жизни Кто решает судьбу вашего проекта? Разбираем заинтересованные стороны. BABOK #1 Код-ревью, в котором дело не в коде Данные переехали. Команда — нет Системной подход к сдаче OSWE в 2025 Почему комната управления реактором покрашена в цвет морской пены 4 YAML-файла вместо PySpark: как аналитикам строить пайплайны без разработчиков LLM-агент для поиска свободных доменов: автоматизируем подбор Когда, зачем и как правильно начинать новую сессию в Claude Code? Как я заставил нейросеть писать макросы для FreeCAD Анатомия ИИ‑агента для подбора персонала. От тысячи резюме к топ‑10 за минуты Опыт разработчика как экономика внимания Автономность как точка невозврата: кто будет субъектом в цифровом будущем Обучение ИИ в «диких» условиях: как рутинные действия превращаются в датасеты Как измерить LLM для задач кибербеза: обзор открытых бенчмарков Где хранить код? Сравнение GitHub, GitLab и Bitbucket Математика объясняет, почему нормальное распределение встречается повсюду Почему ваш FinOps не работает: 12 тезисов от практиков Как подписать проектную документацию УКЭП с использованием бесплатных лицензий Pilot Адаптивное администрирование Sigla Vision Я грузил уран в бочки, а потом 20 лет строил ИТ в атомной отрасли Чем позвонить с Эвереста? История и обзор спутниковой связи. Часть 2 Как языковая модель помогает контролировать качество инструктажей по охране труда в металлургии Как не передать на desktop свой IP в РКН Анатомия SAP Privileges: как устроено управление правами в macOS MoneyDev: Сказка про три главных слова Обновлённый токенизатор видео K-VAE 2.0 от Сбера Как сделать диспетчеризацию дома на 1284 квартиры почти бесплатно Как мы разогнали железную дорогу Мы дали агентам рутину. Теперь надо решить — что делать с освободившимся временем Токсичный контент, промпт-хакинг и защита ИИ — всё о Guardrails для LLM Умный город начинается с точного взгляда: как «Фалькон Тех» меняет пространство к лучшему Навайбкодил приложение для анализа графов Почему Дюну так интересно читать? Упрощаем работу с рутиной или как стать Гендальфом Белым Деконструкция Go: CPU, RAM и что там происходит. Go Assembler база. Часть 1.1 Какие профессии исчезнут из-за ИИ, а какие появятся? И что с этим делать Как мы построили IT-отдел, где хочется расти: архитектурные встречи, прозрачные метрики и книжные подарки Rufler: Делаем из Claude Code автономный рой через один YAML-конфиг Sing-box и белый список приложений Как построить надёжный обмен сообщениями в микросервисах: лучшие практики для enterprise OpenAI строит MLM-пирамиду, а McKinsey и Accenture помогают ей в этом Дом, который не построил Фишер (Часть 2) «Сверхзвуковой математик» против «Вдумчивого логиста»: битва алгоритмов 3D-упаковки Мультимодальные модели – грубый и дорогой инструмент Разговоры ничего не стоят. Код тоже Проверки физических лиц: с кого начнет ФНС Топ-10 бесплатных нейросетей для создания видео в 2026 году Первые слои кода: как наши решения сегодня определяют архитектуру ИИ на десятилетия Разработка нового статического анализатора: PVS-Studio JavaScript Поиск уязвимостей ПО: базовый минимум или роскошный максимум Почему оценка персонала не работает как инструмент управления Как мы разработали ИИ-ассистента и сократили рутину продуктовой команды на 50% Как я ушел из найма, нажарил косточек и продал на маркетплейсах на 168 млн в год Когда 1С:ERP уже внедрена, а нормального производственного плана всё ещё нет Как я сделал Claude мультимодальным, подключив к нему Qwen Omni Как приглашение на вакансию мечты превращается в атаку Infrastructure as Code: философия и лучшие практики IaC Тестируем Yandex Code Assistant на задаче, в которой нужно хранить секреты nxs-universal-chart v3.0: новое поколение универсального Helm-чарта Callback Injection: Техника, которая отправила Microsoft Defender в глухой нокаут «Все идеи на стол»: митап как способ вывести проект из тупика Сегодня я узнал нечто новое о GPU благодаря багу в своей игре Как заставить LLM ̶ ̶г̶а̶л̶л̶ю̶ ̶ эволюционировать Карта событий как фундамент аналитики: практический кейс для E-commerce Что выбрать для AI: x86, ARM или RISC-V? Дайджест железа за март Роль соматических мутаций в развитии аутоиммунных заболеваний: путь к избирательной терапии Mythos от Anthropic — тревожный сигнал для всех, а не только для банков Guardrails для LLM на Java: как приручить промпт‑инъекции и токсичные ответы Green-VLA: как мы собрали VLA-модель для реального антропоморфного робота и не потеряли обобщение Финансовая гонка вооружений: почему умные люди добровольно в ней участвуют Эра ИИ-агентов наступила: выбираем лучшего цифрового сотрудника # Практический опыт внедрения WinCC Redundancy на производственном предприятии Сделал MVP за 3 дня, а потом неделю прикручивал оплату. Оно того стоило? Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Нефть Венесуэлы: крупнейшие запасы в мире, но не крупнейшая нефтяная держава JPA 4. Переосмысление Hibernate Почему зеркальная фотокамера Nikon D5 десятилетней давности идеально подошла для миссии «Артемида-2» Проект «Уровень-Спутник» или как мы сделали платформу для гидрологов «Замедлиться, чтобы ускориться»: почему ИИ повышает цену ошибок в требованиях и архитектуре Как с нуля поднять трафик IT-компании на 1657% при бюджете 55 тыс. и выжить Pixel-perfect Downsampling — идеальная отрисовка 50 миллионов точек без потерь
Кровь и пот искусственного интеллекта
Янина Шкуропат · 2026-06-14 · via Все публикации подряд на Хабре

Кровь и пот искусственного интеллекта

Простой

5 мин

1.1K

Привет, меня зовут Янина. По основной работе я управляю проектами и продуктами, а по вечерам — преподаю разговорный английский на темы продуктовой разработки. Уже полгода я веду небольшой разговорный клуб, где мы с ребятами из IT (PM, PO, разработчики, дизайнеры, аналитики) обсуждаем реальные кейсы продуктовой разработки.

В качестве материалов для аудирования я часто использую подкасты, фильмы и новости. Это мои ключевые источники тем, лексики и инсайтов для созвонов. Я не просто слушаю их сама — я отбираю видео, которые потом превращаются в живые дискуссии и дают практическую пользу.

И сегодня делюсь саммари холливарного фильма о ресурсах для ИИ. Enjoy )


За каждым запросом к ChatGPT стоят миллионы невидимых людей — работающих на низко оплачиваемых рабочих местах из неблагополучных стран. Их труд тщательно скрывается из нарратива про успешность и эффективность ИИ-компаний.

Часть I. Миф об автономии

Когда мы говорим об искусственном интеллекте, мы воображаем системы, которые работают сами по себе — без участия человека. Siri, которая находит ресторан, Google Translate, мгновенно переводящий текст, беспилотный автомобиль, распознающий дорогу.

Но это миф, который тщательно пиарится.

«ИИ — это просто куча работы, куча ресурсов, куча труда, собранного вместе для получения результата. То, что большинство людей этого не знает, — вероятно, скрыто преднамеренно» — Милош Мишелли, социолог, институт VITAM.

Мишелли руководит исследовательской группой по этике алгоритмических систем. По его словам, концепция «автономного ИИ» — нарратив, созданный намеренно: чтобы скрыть от общественности колоссальный человеческий труд, который питает эти системы.

За каждой моделью стоит не просто инженер из Кремниевой долины. За ней — армия невидимых работников, которые размечают изображения, оценивают ответы ботов, фильтруют токсичный контент. Иногда — из тюремных камер.

Финская заключённая «Когда начинаешь работать, получаешь 3 евро. После двух месяцев работы — 4,62 евро в день. Я работаю с вопросами, которые касаются строительной отрасли: определяю, правильные ли ответы. Это не совсем моё, но лучших вариантов работы нет»


Часть II. 150–430 миллионов невидимых

Омар Рани, старший экономист Международной организации труда, фиксирует: число дата-воркеров в мире выросло экспоненциально. По оценке Всемирного банка — от 150 до 430 миллионов человек. Их дневной заработок на платформах вроде Mindrift — около 9 долларов за выполнение 12 задач.

Что конкретно делают эти люди? Арнаб Тас из Калькутты классифицирует изображения: определяет, что на снимке — активный пожар, туман или ясное небо; размечает дороги и пешеходные дорожки для обучения беспилотных автомобилей. Анна из Болгарии маркирует товары на полках супермаркетов. Их имена — не упомянуты в создании никаких продуктов.

«AI не может обойтись без дата-работы. Именно поэтому люди, которые работают с датасетами, незаменимы. Вы должны постоянно кормить модели» — Омар Рани, МОТ

Труд целенаправленно отдаётся на аутсорс в страны Глобального Юга — туда, где слабые общественные институты, высокая безработица и низкие зарплаты.

Что такое Глобальный Юг? Это развивающиеся страны с колониальным прошлым и структурным экономическим неравенством. В контексте индустрии ИИ это прежде всего Кения, Индия, Болгария, Венесуэла, Ливан — страны, куда намеренно выносится самая низкооплачиваемая и психологически опасная работа.

По словам Мишелли, это не случайность, а осознанная стратегия. ИИ-компании нацеливаются на отчаявшихся людей и никогда не платят достаточно, чтобы дать им возможность уйти. Дают достаточно, чтобы выжить сегодня, но не завтра.


Часть III. «Нас приносят в жертву»

Файн Макира из Кении работала контент-модератором в компании, связанной с OpenAI. Через неё и её коллег прокачивался исключительно токсичный контент — по некоторым оценкам, 99,9% материала было откровенно опасным. От словесного насилия до материалов сексуальной эксплуатации детей.

Файн Макира, бывший контент-модератор «У меня начались ночные кошмары — особенно после просмотра убийств или изнасилований, особенно когда жертвами были дети. Я перестала выходить на улицу. Развилась тревожность. Потом депрессия»

Технически это объяснимо: чтобы ИИ научился не имитировать насилие, насилие ему нужно показать и разметить. Кто-то должен это смотреть.

«Они знают, что нам дают. Они знают эффект этого контента на психику. Нас приносят в жертву, потому что мы помогаем создавать эту программу, а по телевизору мы видим, что эта программа принадлежит компании, у которой миллиарды. А мы что с этого имеем?» — Дата-воркер из Кении

Компании активно подавляют любые попытки работников объединиться. Работников заставляют подписывать NDA — с угрозой тюрьмы сроком более 10 лет за разглашение. Профсоюзная деятельность де-факто запрещена. Во время съёмок фильма один из калифорнийских ИИ-гигантов оказал давление на свидетелей, вынудив их молчать и не принимать участие в съемке фильма.


Часть IV. Лонгтермизм как моральное алиби

Почему СPO из Кремниевой долины позволяют себе игнорировать страдания реальных людей? Философ Эмиль Торрес предлагает ответ: идеология лонгтермизма.

Лонгтермизм — взгляд, согласно которому главная задача человечества состоит в создании как можно большей мультигалактической цивилизации в далёком будущем. В эту картину вписываются трансгуманизм и сингулярианизм. Эти течения объединены аббревиатурой TESCREAL. Маск называл лонгтермизм близким к своей личной философии.

«Утопический аспект лонгтермизма позволяет людям морально оправдывать перед собой эксплуатацию людей из неблагополучных стран. Именно поэтому эта идеология так опасна» — Д-р Эмиль Торрес, философ

Логика проста: если страдания людей из неблагополучных стран — «молекула в капле в океане» по сравнению с неисчислимым благом для триллионов людей в далёком будущем, то ими можно пренебречь. Кремниевая долина строит рай — но вход туда открыт не для всех, даже причастных.


Часть V. Невидимая инфраструктура

Помимо человеческих издержек, ИИ пожирает природные ресурсы в промышленных масштабах: медь, золото, кобальт, никель, литий, вольфрам, редкоземельные металлы — всё это извлекается из недр земли для производства чипов и серверов.

Анна Вальдивия из Оксфордского института указывает, что связь между добычей ресурсов и ИИ намеренно замутнена. Образ «облака» в нашем ноутбуке не вызывает ассоциаций с огромным складом серверов, потребляющим тысячи мегаватт и миллиарды литров воды.

«Если бы у вас была информация о том, сколько воды уходит на добычу минералов, производство чипов и охлаждение дата-центров — вы бы задались вопросом: а нужна ли нам эта технология в условиях климатической катастрофы?» — Анна Вальдивия, Oxford Internet Institute (исследовательское подразделение Оксфордского университета).


Послесловие. Кто заплатит следующим?

В начале фильма звучат обещания: ИИ победит рак, остановит климатический кризис, создаст 100 миллиардов «работников, готовых трудиться бесплатно». В конце те же слова звучат совсем иначе.

У технологических компаний достаточно ресурсов, чтобы платить своим работникам нормально. Но они выбирают не платить — потому что уверены, что люди недостаточно информированы, чтобы понять, что происходит.

«Стоит ли почти бесплатный труд этих работников большего блага для человечества — я бы спросил самих работников, что они об этом думают» — Джеймс Малдун, Университет Эссекса.