📝 Принципы вместо инструкций

💸 Как создавали супретехнологиного голандского монополиста (не про Лего :) В 2007 году я поступил в МГУП им. Федорова, где мы изучали технологии печатного производства. Если вы когда-нибудь интересовались, как производятся современные микрочипы, — знайте: их по сути печатают. В основе этого процесса лежит литография — технология, которая в массовой полиграфии осталась на периферии, но стала сердцем технологического прогресса. К 2012 году компания ASML из небольшого голландского городка вложила годы и миллиарды в разработку литографии в экстремальном ультрафиолете (EUV). Многие в отрасли считали эту технологию безнадёжной. Финансовым спасательным кругом стали инвестиции от трёх её крупнейших будущих заказчиков: Intel ($4.1 млрд), Samsung ($974 млн) и TSMC ($1.4 млрд). Парадокс в том, что Intel, вложившая больше всех, в итоге проявила нерешительность. Компания сомневалась в экономической целесообразности EUV и до последнего использовала старые методы. А вот TSMC и Samsung, активно внедрявшие машины ASML, смогли обогнать Intel в технологическом процессе примерно к 2018 году. 🔬 Технологическое чудо Технология EUV по праву считается одной из самых сложных в истории человечества. Для генерации света используется метод лазерно-индуцированной плазмы: крошечные капли расплавленного олова обстреливаются мощным лазером 50 000 раз в секунду. Это создаёт плазму с температурой в сотни тысяч градусов, которая и излучает необходимый EUV-свет. Весь процесс требует невероятной точности. Каждая машина состоит из более 100 000 компонентов, поставляемых сотнями компаний по всему миру. Неудивительно, что стоимость одного такого аппарата достигает $150-200 млн. 🚀 Новые технологии позволят пошатнуть доминирование ASML? ASML является 100% монополистом благодаря технологиям, которые никто в мире не смог воспроизвести. Но возможно, статус-кво скоро изменится. Ей бросает вызов американский стартап Substrate, разрабатывающий альтернативную технологию рентгеновской литографии (XRL). Ключевые отличия Substrate: • Использование рентгеновского излучения с длиной волны менее 4 нм (против 13.5 нм у EUV ASML). • Потенциальное снижение стоимости производства передовых чипов на 90% (со ~$100 тыс. до ~$10 тыс. за пластину). • В лабораторных условиях уже продемонстрированы структуры размером 12-13 нм, что сравнимо с возможностями современных систем EUV. Из публичных источников известно, что стартап привлёк более $100 млн инвестиций, в том числе от венчурного фонда ЦРУ (да, есть такая) — In-Q-Tel. Пока Substrate демонстрирует успехи лишь в лаборатории. Переход к массовому производству, где требуются высочайшая стабильность, скорость и минимальный процент брака на миллионах пластин, — это колоссальная инженерная и экономическая задача. Исторически многие альтернативные технологии (такие как наноимпринтная литография) так и не смогли преодолеть этот разрыв. Битва титанов только начинается.

🤖 Краткая история искусственного интеллекта Последние несколько месяцев я еще более активно работаю с различными ИИ-моделями (текст, аудио, видео, код), совокупно на подписки уходит больше $100 в месяц. Мой интерес исследовательский. Но сегодня я хочу немного рассказать о том, что такое ИИ и как давно вы сами с ним сталкивались. На самом деле ИИ — это не разум, а сложный инструмент для поиска закономерностей в данных. Его суть — машинное обучение, где компьютеры учатся решать задачи, а не просто следуют жёстким инструкциям (алгоритмам). 🤔 Почему же все заговорили об ИИ именно сейчас? Всё благодаря буму больших языковых моделей (LLM). Они стали витриной технологии, поражающей способностью генерировать связный текст. Но под капотом — всё та же математика, просто в невиданном масштабе. 🔍 А вы использовали ИИ задолго до ChatGPT, сами того не замечая: • Получали идеально подобранные рекомендации на YouTube или Netflix — это работал ИИ, анализирующий ваше поведение; • Пользовались поиском Google или Яндекса — ранние версии ИИ уже ранжировали для вас результаты; • Строили маршрут в навигаторе — ИИ просчитывал самый быстрый путь, учитывая пробки; • Применяли фото- или аудиофильтры — это компьютерное зрение и распознавание речи. 🎯 Почему все борются за General AI? Пока каждый ИИ — узкий специалист. General AI (AGI) — это мечта создать «универсальный интеллект», который сможет самостоятельно объединять различные модели, решая комплексные задачи так же легко, как человек использует разные навыки. Речь идёт о системе, которая не просто распознаёт изображение или строит маршрут, а сама, получив задачу «организуй мне исследовательскую экспедицию в Африку», сможет спланировать логистику, бюджет, забронировать билеты и найти научную информацию. 💡 Секрет технологии — в чудовищном, «задротском» масштабе: гигантские вычислительные мощности, пожирающие гигаватты энергии, и невероятно сложная, но всё же математика. Вероятно, поколению, рождённому в 20-х годах, уже не будет нужды задумываться о том, как работает ИИ — так же, как большинству из нас не нужно знать устройство транзистора, чтобы пользоваться смартфоном. В этом и есть конечная цель General AI — превратить сложнейшие технологии в продукт «всё-в-одном», который будет так же прост и доступен, как смартфон в любой, даже самой бедной стране. Сделать мощь ИИ не инструментом для инженеров, а повседневной возможностью для каждого. P.S. В тему поста: в комментариях промт для генерации подобной иллюстрации 👇🏻

🪐 «Вселенная 25» или почему создание «мышиного рая» убивает мотивацию В 1968 году этолог Джон Кэлхун провел знаменитый эксперимент. Он создал для мышей идеальные условия: неограниченное количество еды, воды, безопасное пространство. Популяция росла, но на пике численности, 2200 из 4000 особей, которые могли комфортно существовать, случилось неожиданное: общество рухнуло. Мыши отказались от размножения, впали в апатию или агрессию, и в итоге колония вымерла — при полном изобилии ресурсов. Мне кажется, данный эксперимент — это точная метафора того, что может происходить с успешной компанией: 1️⃣ Фаза роста. Основатели и первые сотрудники. Энтузиазм, ясные цели, борьба за место под солнцем. Каждый знает свою роль и видит прямой результат труда. Ресурсов может быть немного, но мотивация зашкаливает. 2️⃣ Фаза замедления. Третье-четвертое поколения менеджмента. Компания стабильна, процессы отлажены, ресурсы в достатке. Появляются «управленческие гнёзда» — комфортные позиции, где можно существовать, не прилагая сверхусилий. Конфликты возникают не за выживание, а за статус и личное пространство. 3️⃣ Фаза стагнации. Вот он, момент истины. Команда погружается в «корпоративный рай»: — Исчезают амбициозные цели. Бороться не за что, все и так есть. — Рождаются «прекрасные» сотрудники. Они идеально ухаживают за своим участком работы, не конфликтуют, но и не создают ничего нового. Они избегают любой сложной задачи и риска. — Мотивация падает, энергия уходит в бессмысленные интриги или выгорание. Команда теряет способность к инновациям и адаптации. В условиях полного изобилия и отсутствия серьезных вызовов мотивация угасает — и это научный факт. Успешные компании создают здоровый дефицит и бросают команде вызов, в виде амбициозных целей, здоровой внутренней конкуренции, проводят ротацию сотрудников на позициях. Есть у этого рецепта и обратная сторона. Во время кризиса (турбулентности рынка, внешних угрозах и неопределенности) создание внутренного давления на команду может также стать катализатором развала компании. Парадокс в том, что и в изобилии, и в кризисе команда может прийти к одному итогу — развалу. Но причины и решения — противоположны. • В стабильности развал наступает от скуки и бесцельности. И здесь нужны внутренние вызовы. • В кризисе развал наступает от перегруза и страха. И здесь требуются стабильность и поддержка. Работая с быстрорастущими проектами, часто можно всего за 5 лет видеть как реализуются оба сценария наяву. #теорииипрактики, если интересно — ставьте лайк и подписывайтесь, если не согласны — пишите в комментариях 👇🏻