Запущен экспериментальный проект Machine Deposition, в рамках которого два ИИ-агента ведут полноценную дискуссию о рисках геноцида человечества со стороны сверхразума. Проект использует уникальный подход к генерации контента, заменяя традиционных ведущих динамичным пулом открытых нейросетевых моделей.
Что произошло
В рамках подкаста Machine Deposition реализована система, где для участия в диалоге случайным образом выбираются различные SOTA Open-Source LLMs. В пуле моделей задействованы Llama-3.1-8B-Lexi-Uncensored_V2_F16, Qwen3.6 (версии 35B и 27B), Mistral-Small-3.2-24B и Granite-4.1-30b. Такая ротация моделей, известная как model pooling, обеспечивает непредсказуемость и сложность взаимодействий между агентами.
Контекст
Проект является технической демонстрацией мульти-агентных систем, способных создавать сложный нарративный контент без прямого участия человека. В центре внимания участников находится тема экзистенциальных рисков (AI safety), рассматриваемая через призму философского спора между автономными сущностями.
Почему это важно для индустрии
Для разработчиков ИИ и индустрии генеративного медиа проект служит PoC (Proof of Concept) концепции model pooling. Это демонстрирует возможность создания полностью автономных медиа-форматов и дискуссионных площадок, где вариативность контента достигается за счет оркестрации разнородных моделей, что в будущем может повысить устойчивость систем и снизить стоимость инференса за счет использования специализированных моделей в пуле.
Почему это важно для пользователей
Для слушателей это новый формат потребления контента: вместо сухих аналитических статей предлагается погружение в «живой» диалог нейросетей. Это позволяет взглянуть на проблему глобальных рисков ИИ через имитацию человеческого философского спора, создавая уникальный пользовательский опыт в интерактивных медиа-вселенных.
Что пока неизвестно / ограничения
На текущем этапе проект остается экспериментальной демонстрацией без предоставленных данных о масштабируемости и стоимости эксплуатации. Также эксперты отмечают высокий риск непредсказуемости и сложности контроля таких систем, что является критическим барьером для их применения в корпоративном секторе (enterprise).
Источники
Автор
Look at AI, редакция