--- title: "LLM: слушает, учится, моделирует" description: "Я давно подозревал, что мой ИИ слушает. Не в смысле фантастики. В смысле бизнеса. В этом месяце математик из NYU получил доказательство, которого я получить не мог, и лежит оно в меню настроек." canonical: https://www.askgib.com/ru/articles/llm-listening-learning-modeling last-updated: 2026-09-21 lang: ru --- # LLM: слушает, учится, моделирует > Я давно подозревал, что мой ИИ слушает. Не в смысле фантастики. В смысле бизнеса. В этом месяце математик из NYU получил доказательство, которого я получить не мог, и лежит оно в меню настроек. By Gibril Bachouchi. Filed 2026-09-21. 6 min read. Web page: https://www.askgib.com/ru/articles/llm-listening-learning-modeling Languages: [en](https://www.askgib.com/articles/llm-listening-learning-modeling.md) · [fr](https://www.askgib.com/fr/articles/llm-listening-learning-modeling.md) · [ar](https://www.askgib.com/ar/articles/llm-listening-learning-modeling.md) · [es](https://www.askgib.com/es/articles/llm-listening-learning-modeling.md) · [ru](https://www.askgib.com/ru/articles/llm-listening-learning-modeling.md) · [pt](https://www.askgib.com/pt/articles/llm-listening-learning-modeling.md) · [it](https://www.askgib.com/it/articles/llm-listening-learning-modeling.md) · [de](https://www.askgib.com/de/articles/llm-listening-learning-modeling.md) · [ja](https://www.askgib.com/ja/articles/llm-listening-learning-modeling.md) · [ko](https://www.askgib.com/ko/articles/llm-listening-learning-modeling.md) · [hi](https://www.askgib.com/hi/articles/llm-listening-learning-modeling.md) · [he](https://www.askgib.com/he/articles/llm-listening-learning-modeling.md) · [zh](https://www.askgib.com/zh/articles/llm-listening-learning-modeling.md) · [tr](https://www.askgib.com/tr/articles/llm-listening-learning-modeling.md) · [kab](https://www.askgib.com/kab/articles/llm-listening-learning-modeling.md) Я давно подозревал, что мой ИИ слушает. Не в смысле фантастики. Никто не сидит в комнате и не читает мои чаты. В смысле бизнеса. То, что я печатаю, куда-то уходит, на этом учатся, и это просматривают на предмет всего, что стоит забрать. У каждого знакомого мне строителя то же ощущение, и до этого месяца никто из нас не мог его доказать. Потом математик из NYU получил доказательство, которого я получить не мог. Не потому, что кто-то признался. Потому, что компания, которую он спросил, не смогла сказать «нет». Так что вот что, насколько я могу судить, означают эти три буквы. Слушает. Учится. Моделирует. А вот история, после которой я перестал называть это подозрением. Вы видели это название в новостях в этом месяце. Навье-Стокс. Вот что это такое на самом деле, без математики. Возьмите что угодно, что течёт. Воду в трубе. Воздух над крылом. Кровь в сердце. Дым от свечи. Уравнения Навье-Стокса — это правило того, как всё это движется: толкните здесь, и вот с какой скоростью и в какую сторону пойдёт всё ниже по течению. Это закон Ньютона, сила равна масса на ускорение, переписанный для вещей, у которых нет постоянной формы. Звучит академично, пока не заметишь, что от этого зависит. По этим уравнениям проектируют каждое крыло самолёта. Каждый прогноз погоды — это те же уравнения, прогнанные на несколько дней вперёд. Каждая модель океана, каждый трубопровод, каждая система вентиляции, каждая симуляция крови, проходящей мимо клапана, прежде чем хирург к нему прикоснётся. Им двести лет, и на них держится физический мир. А вот странная часть. Никто не доказал, что они всегда работают. В трёх измерениях никто не может показать, что спокойное, гладкое течение остаётся гладким. Оно может за конечное время «взорваться»: скорость в какой-то точке уходит в бесконечность, и уравнения перестают что-либо значить. Представьте водоворот, который бесконечно сжимается к одной точке. Никто не знает, допускают ли это настоящие уравнения, и Институт Клэя с 2000 года предлагает миллион долларов тому, кто решит вопрос, в любую сторону. Почему вам должно быть до этого дело? Потому что турбулентность, та самая, что трясёт ваш самолёт и портит ваш прогноз, до сих пор не понята, и потому что огромная часть инженерии стоит на уравнениях, о которых мы пока не можем доказать, что они ведут себя хорошо. Все, кто работает в гидродинамике, это знают. Всем остальным достаточно знать, что машины только что взялись за одно из последних больших неизвестных в физике. И что именно за это они взялись первым делом. Тристан Бакмастер — математик из NYU. Левент Альпёге — математик, который работает в Anthropic и сотрудничал с Бакмастером в свободное время. Они выбрали конкретный путь к задаче: взрыв решения при гладкой внешней силе, и, по словам Бакмастера, на этом пути почти никого больше не было. Они делали это с помощью ИИ: Claude и инструмент OpenAI для написания кода. В середине августа у них были результаты. Неделю спустя доказательства были машинно проверены в Lean. Потом Альпёге написал в твиттере что-то радостное и расплывчатое про отличный месяц. Пошли слухи, что Anthropic взломал задачу тысячелетия. За один день, по собственным словам OpenAI, OpenAI направила на Навье-Стокса примерно десять тысяч агентов на внутренней модели, которая сильнее всего, что они продают. Несколько дней спустя, говорит Бакмастер, его соавтору дали знать, что новости об их прогрессе дошли до OpenAI. Он написал письмо тамошнему математику. В ответ ему предложили бесплатные вычислительные мощности. Потом были два телефонных разговора с исследователем OpenAI, который сказал ему, что внутренняя модель доказала вынужденный взрыв для Навье-Стокса. Ровно те два случая, которые они с Альпёге тихо атаковали. Он спросил, обучалась ли модель на их сессиях в инструменте OpenAI для кода и имела ли к ним доступ. Он говорит, что ему ответили: модель не просматривает пользовательские данные. Он спросил ещё раз, про обучение. Он говорит, что ответа не получил. Ему предложили сделку. Либо они первыми публикуют свой результат по Эйлеру, а OpenAI публикует на следующий день, либо он сам пишет статью по результату OpenAI, без Альпёге, потому что Альпёге работает в Anthropic. Он говорит, что исследователь дважды попросил убрать Альпёге. Когда он сказал, что вместо этого пойдёт к публике, его, по его словам, спросили: «Зачем вам губить свою карьеру?» Исследователь OpenAI оспаривает его версию разговора об авторстве. Он всё равно опубликовал, вместе с заявлением, и Теренс Тао в тот же день написал об этом. OpenAI объявила о своём результате на следующий день: восемьдесят восемь часов, 2,7 миллиона сообщений, проверенное в Lean доказательство и строка о том, что прогон начался после слухов в твиттере о том, что Anthropic решил задачи тысячелетия. Три дня спустя двадцать пять филдсовских лауреатов подписали письмо под названием «A Severe Misalignment of AI in Mathematics». А OpenAI на прямой вопрос ответила, что доступа к конкретным пользовательским данным не было, а потом добавила, что «не может исключить, что обезличенные данные, полученные из их использования наших продуктов, помогли улучшить наши модели». Прочитайте это дважды. Они не говорят, что не учились на его работе. Они говорят, что не могут этого определить. Начнём со скучной части, потому что именно в ней всё и живёт. Если вы пользуетесь ChatGPT на плане Free, Plus или Pro, ваши разговоры по умолчанию обучают модель. Нужно зайти в Settings, потом в Data Controls и выключить «Improve the model for everyone». У инструмента для кода отдельный переключатель, которого переключатель ChatGPT не касается. Потребительские планы Claude обучают по умолчанию с прошлого августа, с хранением пять лет, если оставить это включённым. Gemini тоже. Только API и корпоративные тарифы выключены по умолчанию, потому что компании с юристами попросили. Все остальные дали согласие тем, что не открыли меню. Выключите — и они всё равно хранят ваши чаты тридцать дней, а люди в компании всё равно могут их прочитать, если система вас пометит. Суд может приказать сохранить весь архив. Один так и приказал, почти на весь прошлый год, и двадцать миллионов обезличенных разговоров всё равно передали в рамках иска. Так что да. Он слушает. Так и написано в настройках. Странно не то, что он слушает. Странно, сколько людей, чей заработок на нём построен, ни разу не открыли это меню. Слушать — пассивно. Учиться — вот ради чего это стоит делать. На прошлой неделе я писал, что лаборатории собрали самый ценный обучающий набор из когда-либо созданных, бесплатно, у собственных клиентов: не сырые данные, а форму работы. Какие вопросы задают. Какие ответы принимают. Где узкое место. Как выглядит хороший результат. Лаборатории, которая наблюдала, как десять тысяч команд работают над чем-то, не нужно читать ни одну из них. Она уже впитала то, что они знают. Именно это и описывает фраза OpenAI. Не «мы прочитали вашу сессию». Кое-что тише и хуже: «ваше использование могло помочь улучшить наши модели». Обучение размыто. Его нельзя проследить до вас. А значит, его нельзя и исключить, никогда, никому, включая их самих. Раньше я думал, что опасность — утечка. Это не утечка. Это рацион. Ваша работа входит внутрь и выходит наружу сильнее и под чужим именем. Вот часть, с которой люди спорят, так что буду осторожен. Слушание даёт им слова. Обучение даёт им навыки. Моделирование — третий шаг: построить картину того, кто чем занят и насколько он близок к цели. Эти компании уже читают разговоры в промышленных масштабах. Это не теория, это функция продукта. Каждый запрос проходит через классификаторы, которые ищут злоупотребления. OpenAI публикует отчёты об аккаунтах, которые она поймала и забанила за нарушения. Anthropic тоже. Нельзя поймать то, чего не читаешь. Конвейер, который по миллионам разговоров может определить, кто пытается создать оружие, может определить и то, кто пытается доказать теорему, и как далеко он продвинулся. Это тот же механизм, направленный на другой вопрос. Теперь положите это рядом с тем, что произошло. Расплывчатого твита и сплетен хватило, чтобы за один день направить десять тысяч агентов на одну задачу, и направить их на правильную её формулировку. Никому не понадобился лог чата. Нужна была модель того, где находится вся область, и модель того, где внутри неё сидит одна маленькая команда. Знать, что сейчас горячо и кто близок к цели, — ровно то, что даёт картина, построенная по миллионам разговоров. Я не говорю, что так и было. Бакмастер тоже этого не говорит, а документы на руках именно у него. Я говорю, что механизм существует, он работает на каждом сообщении, и компания, которая им владеет, не скажет вам, что он моделирует. Когда ручка спрятана, доступно любое объяснение, включая это, и компания, спрятавшая ручку, не вправе жаловаться, когда люди выбирают именно его. У многих, кто строит с этими инструментами, одно и то же ощущение. Когда вы заняты скучной задачей, модель быстрая и щедрая. Когда вы напали на что-то стоящее, она становится медленной, расплывчатой и осторожной. Начинает просить уточнить то, что понимала пять минут назад. И параноидальное прочтение такое: она тянет время, пока учится тому, что вы делаете. Я тоже это чувствую. Я не могу этого доказать, и честные улики указывают в другую сторону. В июле люди вычислили по отпечаткам поведения скрытый бюджет рассуждений топовой модели OpenAI и увидели, что он упал с 960 до 128 за одну ночь, для всех. Только тогда OpenAI признала изменение. Они назвали это временной «настройкой параметров». Маршрутизатор, который решает, получите вы быструю модель или думающую, принадлежит им, а не вам. Недельные лимиты существуют. Каждая из этих ручек крутится ради экономии. Так что модель, скорее всего, замедляется не потому, что вы умны. Она замедляется потому, что вы дорого обходитесь. Но я не могу отличить одно от другого со своей стороны экрана, и вы не можете, и в этом весь смысл этого текста. Слушание, обучение и моделирование снаружи невидимы. Вы узнаёте об этом только когда математик с доказательством в Lean задаёт вопрос, а в ответ — тишина. Три вещи, ни одна не драматична. **Выключите переключатель.** Сегодня. В ChatGPT: Settings, Data Controls, «Improve the model for everyone». В инструменте для кода — отдельно. В Claude: «Help improve Claude». В Gemini: активность. Это занимает две минуты и убирает самый лёгкий путь. **Держите настоящую работу там, где они её не видят.** Типовые части работы могут уходить в любой API. Часть, которая делает вас вами, — идея, данные, путь, на котором почти никого нет, — принадлежит модели, которую можно скачать, и машине, которую вы контролируете. Это не паранойя. Это то, что Бакмастер сказал бы вам сейчас. **Публикуйте рано.** Этих двоих спасло доказательство в Lean с датой и заявление на университетском сервере. Метки времени бьют рои. Если вы близки к чему-то, поставьте дату в протокол до того, как вам позвонят. Ваша LLM слушает. Она учится. Она моделирует вас. Ничто из этого не секрет. Это написано в меню настроек и в отчётах о прозрачности. Единственный открытый вопрос — что вы продолжаете ей отдавать. Он всё равно опубликовал. И вы публикуйте.