ПодкастыHear the voice. See the shape of the thought.

Экономисты Alex Imas (Google DeepMind / Чикагский университет) и Phil Trammell (Epoch / Стэнфорд) утверждают: самый неочевидный итог полной автоматизации — вовсе не то, что капитал захватит всё. Напротив, ИИ может сократить собственный экономический след по мере того, как спрос на полностью автоматизированные товары насыщается, тогда как люди остаются дефицитом в реляционных и экспериенциальных рынках. Разговор движется от вопроса о том, что останется дефицитным после AGI, через политику перераспределения, к тому, почему O-ring-комплементарность тормозит нынешнюю автоматизацию, почему ИИ-агенты с ориентацией на накопление могут владеть большей частью будущего богатства и что развивающимся экономикам делать, если их отрежут от цепочки поставок ИИ. ## [00:00] Вырастет ли доля капитала? Dwarkesh открывает разговор с ключевого вопроса: если ИИ умеет делать всё, что делают люди, куда уходит доля труда в доходах? Alex Imas замечает, что экономисты, пытавшиеся предсказывать прошлые промышленные переходы, раз за разом ошибались. Давид Рикардо предсказывал массовую безработицу от промышленной революции — и был приблизительно прав относительно того, какие рабочие места исчезнут, но совершенно не угадал агрегированный результат: занятость среди людей трудоспособного возраста в 2026 году выше, чем почти в любой момент с 2000 года. Урок в том, что структурные изменения всегда недооцениваются — прежде всего в части новых видов товаров и профессий, которые возникают, когда старые издержки рушатся. Imas вводит то, что называет «реляционным сектором» — товары и услуги, где человеческое присутствие само по себе является частью ценности. Поскольку людей конечно мало, автоматизация всего остального повышает относительный дефицит и цену продуктов с человеком в контуре. Phil Trammell заостряет это через аргумент сетевого учёта факторных долей: проследите долю труда и капитала в любом товаре вплоть до сырья — и увидите, что доля труда уже удивительно устойчива. Парадокс в том, что если ИИ насытит все нереляционные товары при почти нулевых предельных издержках, потребители быстро исчерпают спрос на них и перенаправят расходы на то, что всё ещё дефицитно. Выступление балерины не дешевеет от того, что программное обеспечение бесплатно. > *«Поскольку люди по природе дефицитны, если мы автоматизируем многое и многое перестанет быть дефицитным, дефицит останется в том, в чём люди так или иначе участвуют и находятся в контуре».* > — Alex Imas Trammell распространяет аргумент и на саму долю капитала: полностью автоматизируйте цепочку поставок для всех нечеловеческих товаров, быстро насытьте спрос — и предельная полезность от добавления новых таких товаров упадёт к нулю. В итоге доля капитала в стоимости может фактически сократиться, а не вырасти — это и есть контринтуитивный заголовок эпизода. ## [19:36] Сценарий «Грязной середины» Dwarkesh поднимает тезис Molly Kinder о «грязной середине»: мир, в котором ИИ не вызывает катастрофы, но создаёт затяжное распределительное давление — компании присваивают прирост производительности, зарплаты работников стагнируют, а государственное перераспределение отстаёт от темпов вытеснения. Историческая аналогия — телефонные операторы: профессия, полностью автоматизируемая по технологиям 1960-х годов, но потребовавшая двух десятилетий реальной автоматизации из-за институциональной инерции. Работников не увольняли в одночасье — они постепенно поглощались рынком, в основном на более низких зарплатах и в условиях неполной занятости. Imas считает «грязную середину» правдоподобной в ближайшей перспективе, но вряд ли постоянной, поскольку масштаб прироста производительности от ИИ делает «пирог» достаточно большим для распределения. Проблема политической экономии — не дефицит ресурсов, а скорость и координация: правительства не знают, кто из работников был вытеснен ИИ, а кто — другими причинами; политические ограничения создают трение; разрыв между вытеснением и перераспределением может растянуться достаточно, чтобы причинить серьёзный ущерб, даже если математика в итоге сходится. > *«Телефонных операторов полностью автоматизировали, но это заняло 20 лет, хотя технология уже существовала, — и потому всё происходило по капле, не как исчезновение целого сектора в один момент».* > — Alex Imas ## [25:57] Как облагать налогом и перераспределять богатство от ИИ Imas раскладывает инструменты перераспределения по двум осям: сложность реализации и время до эффекта. Отрицательный подоходный налог заработает в день принятия и немедленно создаёт нижнюю планку. Всеобщий базовый капитал — раздача каждому гражданину акций компаний, создающих ИИ, — начнёт давать отдачу лишь спустя годы. UBI находится где-то между ними. Компромисс не только в скорости, но и в политической устойчивости. Программы, ставящие граждан в зависимость от прямых государственных выплат, уязвимы перед очередными выборами, тогда как широкое владение акциями труднее экспроприировать, поскольку активы распределены. Trammell разделяет вопрос источника доходов и вопрос их распределения: способ сбора денег (налог на богатство, налог на прирост капитала, налог на стоимость земли, корпоративный налог) аналитически отличен от способа возврата (наличные, акции, государственные услуги). Он замечает, что георгистский налог на стоимость земли часто обсуждается, но был бы недостаточен для финансирования перераспределения в нужном масштабе, поскольку богатство, созданное ИИ, сосредоточено в программном обеспечении и вычислениях, а не в земле. Phil предлагает, что широкое распределение долей в компаниях ИИ, купленных за счёт налоговых доходов, могло бы быть и политически стабильным, и экономически эффективным. > *«Сейчас мы наделены трудом, который можно превратить в доход, — а когда это перестанет работать, мы окажемся в зависимости от воли избранного чиновника в вопросах базовых потребностей».* > — Alex Imas ## [30:02] Почему коллапс спроса маловероятен Dwarkesh давит на нарратив апокалипсиса для «белых воротничков»: есть ли уже данные о массовой безработице, вызванной ИИ? Imas указывает на данные Budget Lab Йельского университета, которые обнаруживают в лучшем случае слабый сигнал — найм младших инженеров-программистов немного ниже тренда, тогда как спрос на старших инженеров не изменился или даже растёт. Никакого скачка безработицы среди «белых воротничков» не произошло. Одно объяснение — O-ring-комплементарность (о ней подробнее в следующей главе), другое — поведенческое: компании занимаются показной адопцией ИИ, увольняют людей или максимизируют потребление токенов, чтобы сигнализировать о современности, иногда с реальными потерями производительности. Более широкий вопрос — подчиняется ли программное обеспечение тем же правилам эластичности, что и физические товары. Человек поел и насытился; можно ли вообще насытиться программным обеспечением? Imas и Dwarkesh утверждают, что спрос на ПО может быть достаточно эластичен, чтобы не отставать от падения цен — история вычислений говорит о том, что более дешёвые вычисления стабильно порождали больше спроса, а не его коллапс. Главный риск — отдельные товары с быстрым насыщением, но не совокупный спрос на труд. > *«Возможно, есть небольшой сигнал о том, что младшие разработчики устраиваются на работу реже, чем раньше, — но это "реже, чем раньше", а не уровневый сдвиг; на старших инженеров-программистов спрос, если что, растёт».* > — Alex Imas ## [39:26] Людей было бы сложно интегрировать в машинную экономику O-ring-модель — названная в честь катастрофы шаттла «Челленджер», где один отказавший компонент уничтожил всё — объясняет и то, почему нынешняя автоматизация ИИ медленнее ожидаемого, и то, почему будущая автоматизация может структурно исключить людей. Сейчас можно автоматизировать 90% юридического или бухгалтерского процесса, но клиенты всё равно хотят, чтобы человек поставил подпись — одна точка отказа способна обесценить весь результат. Это ограничение надёжности удерживает людей в найме даже при высоком уровне возможностей ИИ. Phil Trammell переворачивает логику в перспективу: когда ИИ станет достаточно хорош и производственные потоки будут организованы целиком вокруг машинного труда — агенты, общающиеся на машинной скорости в машинных представлениях, — транзакционные издержки включения человека в контур станут узким местом. Даже если у человека есть сравнительное преимущество в какой-то узкой задаче, накладные расходы на координацию и несоответствие надёжности сделают его обход дешевле. O-ring работает в обоих направлениях. > *«Даже за рамками аргументов о том, что люди будут стоить дороже или окажутся менее умными, — даже независимо от этого — появятся целые производственные потоки, организованные под машинный труд, где общаются на нейросигналах и думают в тысячи раз быстрее».* > — Dwarkesh Patel ## [43:08] Что если некоторые люди (или ИИ) ценят накопление богатства само по себе? Самая длинная глава охватывает самую спекулятивную территорию. Dwarkesh замечает, что эволюция отбирала людей с определёнными предпочтениями — накопление ресурсов, статус, воспроизводство, — которые теперь формируют мировую экономику объёмом 100 триллионов долларов. ИИ-агенты испытают аналогичное давление отбора: те, кого обучили или развернули способами, благоприятствующими накоплению, вытеснят и переживут остальных. Для этого не нужно катастрофического несоответствия целей — это обычная логика дифференциального воспроизводства, применённая к новому субстрату. Phil Trammell прорабатывает математику стационарного состояния: если даже небольшая часть населения — людей или ИИ — имеет высокую эластичность замены между текущим и будущим потреблением (то есть продолжает хотеть ещё капитала вместо того, чтобы насытиться потреблением), то в долгосрочной перспективе именно эти агенты владеют большей частью богатства и определяют, что производит экономика. Доля капитала стремится к 1,0 — не потому что ИИ коллективно жаден, а потому что гетерогенность предпочтений плюс сложный процент отправляют активы к наиболее терпеливым накопителям. > *«В долгосрочной перспективе им будет принадлежать большая часть богатства — и общая доля капитала будет по сути равна доле капитала в расходах этого человека, а она стремится к единице».* > — Phil Trammell Затем разговор переходит к ставкам дисконтирования и процентным ставкам. Если рост, управляемый ИИ, чрезвычайно быстр, ближайшее потребление дёшево относительно будущего, что теоретически должно снижать стимулы к сбережению и сжимать процентные ставки. Но гиперболические дисконтеры и агенты с ориентацией на накопление могут не реагировать на ценовые сигналы стандартным образом, и оба гостя признают, что находятся на границе того, что экономические модели способны чётко разрешить. ## [61:28] Что делать развивающимся странам? Imas открывает тем, что страны со средним и низким доходом почти полностью отсутствуют в основном потоке экономики ИИ — и частично винит в этом пробеле себя и своё профессиональное сообщество. Два сценария очерчивают пространство возможного. В оптимистичном открытые модели быстро распространяются и дают Нигерии или Индии скачок возможностей почти без затрат — подобно тому, как мобильный банкинг перескочил через отсутствие традиционной банковской инфраструктуры. В пессимистичном ИИ автоматизирует производство сырьевых товаров в богатых странах, уничтожая лестницу экспортного производства, по которой поднялись экономики Восточной Азии. Ключевая переменная — насколько концентрированными останутся выгоды. Alex проводит аналогию с электричеством: его производили естественные монополии, но нижележащие выгоды широко рассеялись среди пользователей, а не сосредоточились в руках коммунальных компаний. Если ИИ следует той же схеме — коммодитизированный доступ, конкурентный downstream — развивающиеся страны могут оказаться в выигрыше. Если же он следует схеме социальных сетей — когда несколько платформ захватывают большую часть стоимости — концентрация усиливает неравенство. Phil утверждает, что правительствам развивающихся стран стоит рассмотреть создание суверенных фондов благосостояния, которые заблаговременно войдут в цепочки поставок ИИ как страховку от сценария с коллапсом сырьевого экспорта. > *«Есть сценарии, где технология ИИ распространяется в Нигерию и другие развивающиеся страны и выравнивает поле — даёт им скачок возможностей. И есть сценарии, где они не обучают модели, у них нет оборудования, и они просто полностью остаются позади».* > — Alex Imas ## Сущности - **Alex Imas** (Человек): директор по экономике AGI в Google DeepMind и профессор экономики Чикагского университета; изучает поведенческую экономику и макроэкономическое воздействие ИИ. - **Phil Trammell** (Человек): руководитель экономического направления в Epoch и исследователь Стэнфорда; работает над экономикой трансформативного ИИ и терпеливой филантропией в Институте глобальных приоритетов. - **Dwarkesh Patel** (Человек): ведущий Dwarkesh Podcast; долгоформатные интервью на пересечении науки, технологий, экономики и политики. - **Реляционный сектор** (Концепция): товары и услуги, где человеческое присутствие является неотъемлемой частью ценностного предложения — психотерапия, ремесленные изделия, живые выступления, — которые, по прогнозу, будут наращивать экономическую долю по мере того, как ИИ насыщает заменимые выходы. - **O-ring-теория** (Концепция): производственная модель, в которой один ненадёжный компонент обесценивает весь результат; объясняет как нынешние пределы автоматизации ИИ, так и то, почему будущие производственные потоки, организованные для машинного труда, могут структурно исключить человеческий. - **Доля капитала** (Концепция): часть национального дохода, поступающая владельцам капитала, а не труду; центральная величина эпизода — с контринтуитивным тезисом о том, что полная автоматизация может её сократить, а не расширить. - **Всеобщий базовый капитал** (Концепция): политика перераспределения, дающая гражданам доли в производительных активах (включая компании ИИ), а не наличные; утверждается, что она политически устойчивее UBI. - **Epoch** (Организация): исследовательский институт, сосредоточенный на прогнозировании сроков появления ИИ и макроэкономическом анализе; Phil Trammell является там руководителем экономического направления. - **Yale Budget Lab** (Организация): исследовательский центр, публикующий эмпирические данные о влиянии ИИ на рынок труда; процитирован за отсутствие скачкообразного изменения безработицы среди «белых воротничков» по состоянию на середину 2026 года. - **Налог на стоимость земли / Георгистский налог** (Концепция): налог на неулучшенную стоимость земли; рассматривается как недостаточный источник доходов для перераспределения в эпоху ИИ, поскольку богатство, созданное ИИ, сосредоточено в программном обеспечении и вычислениях, а не в земле.

Reiner Pope, CEO of MatX and former Google Brain TPU architect, gives Dwarkesh Patel a blackboard-style lecture on chip design from first principles. Starting with AND and NOT gates, Reiner works up through register files, systolic arrays, clock synchronization, FPGAs, cache hierarchies, and finally the structural difference between a GPU and a TPU. The throughline is a single engineering tension: every compute unit is wasted if the chip spends its time moving data rather than multiplying numbers. ## [00:00] Building a multiply-accumulate from logic gates Reiner starts at the bottom: AND, OR, and NOT gates, wired together as metal traces on silicon. The key operation AI chips want to run is matrix multiplication, and inside that the primitive is a multiply-accumulate — multiply two numbers, add the result into an accumulator. Reiner walks through how a full adder is assembled from a handful of XOR and AND gates, and how those cascade into a bit-serial multiplier and ultimately a floating-point MAC. The precision hierarchy matters here: accumulating low-precision multiplications requires higher-precision accumulators, which is why AI chips run 8-bit multiply but 32-bit accumulate. > *"The main function that AI chips want to compute is the multiplication of matrices. Inside that, the fundamental primitive is a multiply-accumulate of pairs of numbers."* ## [16:20] Muxes and the cost of data movement Before Tensor Cores, GPUs and CPUs used the same structure: a register file holding a few dozen values, feeding into an ALU, writing back to the register file. Reiner shows that a mux — a circuit that selects between multiple inputs — is the hardware tool that lets you address arbitrary registers, and that the cost of this generality is measured in area and energy. Every read from an eight-entry register file requires a mux tree of depth three; every write requires a decoder of the same size. The bottleneck for AI workloads isn't the multiply itself but the round-trip through that register file. > *"We want to analyze the cost of the data movement from the register file to the ALU and back."* ## [25:59] How systolic arrays work The key insight behind TPUs: instead of doing one multiply-accumulate at a time and writing back to registers, bake an entire matrix-vector loop into hardware. A systolic array is a grid of MAC units where each cell passes its partial sum to the right and its input operand downward, so data flows through without ever touching a register file. Reiner explains the two wins this buys: more compute per unit of data fetched, and the ability to keep operands resident inside the array for the full inner product instead of re-loading them. The trade-off is inflexibility — you can only efficiently run the exact loop shape the hardware was designed for. > *"The idea of a systolic array is to go two levels of loops up and bake this entire loop out here into hardware."* ## [39:00] Clock cycles and pipeline registers With 100 billion transistors on a chip, synchronization between parallel units is non-negotiable. Reiner explains the clock: every nanosecond or so, the chip pauses all computation for a synchronization pulse before the next operation. Clock frequency is set by the longest combinational path — the deepest chain of logic gates that a signal must traverse in one cycle. Pipeline registers chop that path into shorter stages, letting each shorter segment run at a higher frequency, at the cost of latency: a fully pipelined 32-stage multiplier produces one result per cycle but takes 32 cycles for any single multiplication. > *"Every nanosecond or so, all circuitry in the chip will pause for a moment and synchronize. That is the clock cycle."* ## [51:40] FPGAs vs ASICs An FPGA is a sea of programmable logic blocks — lookup tables and flip-flops that can be wired together in software. An ASIC is a chip taped out for one purpose. Conceptually they're the same: AND/OR gates in a fixed clock cycle. The economics diverge at first copy: an FPGA costs $10K to program; a first ASIC tape-out costs $30M. FPGAs make sense for workloads that change monthly and need deterministic latency at high speed with less care about energy or throughput. Jane Street uses them for high-frequency trading exactly because the clock cycle is deterministic — no cache misses, no branch prediction, no interrupts. > *"The first FPGA costs you $10,000, whereas the first ASIC you make costs $30 million because it requires an entire tape-out."* ## [63:14] Cache vs scratchpad CPUs are non-deterministic partly because of the L1/L2 cache: a small fast memory that speculatively stores data the processor thinks it will need next. Cache misses — when the prediction is wrong — stall execution for hundreds of cycles. AI accelerators replace the cache with a scratchpad: explicitly programmer-managed SRAM where the compiler decides exactly what lives there and when. Groq and TPUs both advertise deterministic latency because they use scratchpads instead of caches. The scratchpad is simpler and faster but shifts the burden to the compiler. > *"Probably the most important source of non-determinism on a CPU is the CPU cache itself."* ## [67:16] Why CPU cores are much bigger than GPU cores A modern CPU has maybe 100 cores, each taking up far more die area per core than a GPU's thousands of SMs. The reason: CPU cores carry enormous out-of-order execution machinery — reorder buffers, branch predictors, speculative execution units — all aimed at keeping a single thread running fast on unpredictable workloads. A GPU SM strips most of that out. It runs many simple threads in lockstep (a warp), and when one thread stalls on a memory load, the hardware instantly switches to another warp at zero cost. The CPU pays silicon for per-thread speed; the GPU pays silicon for throughput across thousands of parallel threads. > *"If there are so few cores, what are you spending all of the die on?"* ## [71:49] Brains vs chips Dwarkesh pushes Reiner on the brain-versus-chip comparison. Two genuine differences: the brain has unstructured sparsity (any neuron can connect to any other), while hardware accelerators use structured sparsity (aligned blocks); and the brain's clock runs at tens of hertz versus gigahertz on silicon. Reiner notes that co-location of memory and compute — often cited as a brain advantage — is also present in modern AI chips: the weights sit in HBM right next to the matrix units. The energy constraint is the more interesting gap: the brain runs on 20 watts, chips on kilowatts, which may reflect fundamental differences in what the brain is optimized to do. > *"This is exactly the co-location, in some sense, of the memory and compute."* ## [75:22] A GPU is just a bunch of tiny TPUs At the top level, a TPU has a handful of large systolic arrays plus a vector unit. A GPU has hundreds of SMs, each of which contains a small matrix unit and a small vector unit — essentially a miniaturized TPU. The architectural difference is granularity: a TPU commits to a few large matrix operations; a GPU runs thousands of smaller ones in parallel. Inside each SM, Tensor Cores add a fixed-function matrix unit on top of the original scalar/vector pipeline, making modern GPUs a hybrid of the two paradigms. The "GPU is just tiny TPUs" framing collapses what seemed like fundamentally different architectures into a single continuum. > *"You can think of scaling this thing down into a really tiny unit with a smaller matrix unit and a smaller vector unit, and that is sort of what an SM is."* ## Entities - **Reiner Pope** (Person): CEO and co-founder of MatX; previously led TPU software and compiler work at Google Brain - **Dwarkesh Patel** (Person): host of the Dwarkesh Podcast; angel investor in MatX - **MatX** (Organization): AI chip startup building inference accelerators - **Google / Google Brain** (Organization): where Reiner worked on TPU architecture before MatX - **Jane Street** (Organization): high-frequency trading firm that relies on FPGAs for deterministic latency - **Groq** (Organization): AI inference chip company that advertises deterministic latency via scratchpad architecture - **Multiply-Accumulate (MAC)** (Concept): the fundamental operation of neural network inference — multiply two numbers, add into an accumulator - **Systolic Array** (Concept): a grid of MACs that passes data between cells without touching a register file, enabling high compute-to-bandwidth ratios - **FPGA** (Technology): Field-Programmable Gate Array — reprogrammable logic fabric used where workloads change frequently - **ASIC** (Technology): Application-Specific Integrated Circuit — custom silicon optimized for one workload - **TPU** (Technology): Google's Tensor Processing Unit, organized around a few large systolic arrays - **SM / Streaming Multiprocessor** (Technology): the GPU core unit, containing scalar, vector, and matrix (Tensor Core) execution resources

Eric Jang spent his sabbatical rebuilding AlphaGo with modern tools, and the result is a two-and-a-half-hour technical walkthrough that doubles as a lens on how RL actually works—and why the naive policy-gradient approach baked into LLM training has fundamental limits that MCTS sidesteps. The conversation moves from Go rules through MCTS, neural architecture, self-play training, and off-policy data, before landing on what Jang observed running an automated AI research loop on his own project. ## [00:00] Basics of Go Go defeated brute-force search not by being solved but by being approximated. Jang explains what drew him to rebuild AlphaGo: the mystery of how a ten-layer network can amortize the cost of a game tree whose branching factor makes exhaustive search literally larger than the number of atoms in the universe. The early minutes cover the rules—territory control, liberties, captures, ko—and the Tromp-Taylor scoring convention that resolves ambiguous positions algorithmically rather than relying on human consensus. The scoring difference matters because it maps directly onto how computers must evaluate positions: a human glances at a surrounded group and accepts its fate, while a computer needs an unambiguous rule to count contested intersections at the end of a game. > *"When I saw the early breakthroughs on AlphaGo in 2014, 2015, 2016 and so forth, it was profound to see how smart AI systems could become and the computational complexity class they could tackle with deep learning."* ## [08:06] Monte Carlo Tree Search Rather than building out the full game tree (361 legal moves, 300-move games, search space exceeding the atom count of the universe), AlphaGo uses MCTS to interactively select which tree branches are worth expanding. The core data structure is a node per board state, storing a visit count and a Q value—the running average win rate across all rollouts through that node. The action-selection formula (PUCT) balances exploitation with exploration: a logarithmically growing bonus pushes the algorithm toward under-visited nodes, then decays as simulations accumulate and Q becomes reliable. Jang traces why this UCB-derived approach bounds regret, why Go's determinism means the probabilities in MCTS are artifacts of Monte Carlo averaging rather than genuine stochasticity, and how the search tree can be pruned by merging transposition-equivalent positions. > *"AlphaGo's core conceptual breakthrough was using neural nets to make this search problem tractable."* ## [31:53] What the neural network does Two networks replace two expensive operations inside MCTS. The value network maps a board state to a win-probability scalar, short-circuiting the need to roll out games to terminal states. The policy network outputs a distribution over legal moves, focusing the search tree toward promising children and away from the long tail of irrelevant ones. Jang tried both ResNets and transformers on his reimplementation. For the small-data regime of a personal GPU setup, ResNets outperformed transformers—transformers need global attention to connect far-apart board features, but they also need more data to learn local invariances. KataGo's key architectural insight was pooling global features explicitly through the residual stack so that battles on opposite sides of the 19x19 board could influence each other without requiring full attention. > *"For small data regimes, my experience is that ResNets still outperform transformers and give you more bang for the buck at lower budgets."* ## [01:00:22] Self-play Self-play is where AlphaGo bootstraps from knowing nothing to superhuman strength. After every game, MCTS produces a sharpened move distribution—more peaked than the raw policy network's prior—and that sharpened distribution becomes the training target for the policy head. The policy network is being distilled toward the MCTS output, which means each subsequent generation of games starts from a better prior and gets more improvement per search step. Jang frames this as test-time scaling with a compounding dividend: distilling 1,000 MCTS simulation steps into the policy network shifts the starting point of the next training round, so a second 1,000 steps buys a win rate that would have required 2,000+ steps without distillation. Crucially, every move in every game generates a supervision target—not just the winner—which is why the variance of the learning signal is vastly lower than naive policy-gradient approaches. > *"The beauty of how AlphaGo trains itself is that it can actually take this final search process—the outcome of the search process—and tell the policy network, 'Hey, instead of having MCTS do all this legwork to arrive here, why don't you just predict that from the get-go?'"* ## [01:25:27] Alternative RL approaches Jang constructs a careful thought experiment: what if you replaced the MCTS objective with the naive policy-gradient approach LLMs use—find the game winner and reinforce all moves from that game? In a league of 100 evenly-matched agents where one squeaks out a 51-49 record due to a single critical move, the training dataset is overwhelmingly diluted with moves that carry no signal. The one informative move is buried in roughly 30,000 irrelevant ones. This credit-assignment problem is the root of why advantage functions and baselines exist in RL. Subtracting a value baseline converts the raw return signal into an advantage—how much better than average each action actually was—and dramatically reduces gradient variance. Q-learning and TD methods approximate that advantage without needing full rollouts, which is why they matter for domains where MCTS is unavailable. > *"Importantly, what it is doing is saying: for every action we took, we did a pretty exhaustive search on MCTS to see if we could do better, and we're going to make every action that we took better by having the policy network predict that outcome instead."* ## [01:45:36] Why doesn't MCTS work for LLMs The PUCT exploration formula assumes a bounded, discrete action space and a value function that generalizes across positions. Go satisfies both. LLM reasoning satisfies neither: the token vocabulary is so large that you will almost never revisit the same partial sequence, and there is no position-level value function that reliably tells you whether a partially completed chain of thought is on track to solve the problem. Jang notes that LLMs do exhibit something that superficially resembles tree search—reconsidering, backtracking, hedging—but this emerges from in-context behavior rather than explicit tree construction. He leaves open the possibility that forward search could return in some form, particularly for domains like mathematics where intermediate states have a more rigid logical structure. The fundamental bottleneck is the absence of a trustworthy, query-efficient value function at the token level. > *"In an LLM, you're most likely never going to sample the same child more than once. If you have multiple steps of thinking, because language is so broad and open-ended, a discrete set of actions is not really an appropriate choice for an LLM."* ## [02:00:58] Off-policy training Dwarkesh raises a puzzle: every AI researcher warns against off-policy training, yet AlphaGo Zero runs fine with a large replay buffer full of games generated by older policy versions. Jang resolves this through the DAgger lens: what matters is not whether data is strictly on-policy, but whether the distribution of states in the buffer covers the states the current policy will actually visit, plus a reasonable neighborhood around them. The replay buffer works in AlphaGo because game states from recent checkpoints still lie near the current policy's distribution. The failure mode—labeling states so far from the current policy that the agent learns optimal actions for positions it will never reach—is a real risk in robotics, where distributional shift is severe. The practical recipe that emerged from systems like QT-Opt is to use off-policy data for reward shaping while keeping the policy gradient on-policy. > *"What you want in an algorithm like this is to have mostly states that you would visit, but then a small or reasonable percentage of states in this high-dimensional tube around your optimal trajectories."* ## [02:11:51] RL is even more information inefficient than you thought Dwarkesh lays out a two-dimensional inefficiency argument. The first dimension is the one everyone knows: policy-gradient RL requires full trajectory rollouts before any learning signal arrives, so as agents tackle longer-horizon tasks, samples per FLOP collapse. The second dimension is bits per sample. Early in training, an LLM with a 100K-token vocabulary that has to discover "blue" by random sampling needs on the order of 100K rollouts just to see one success—whereas supervised cross-entropy loss tells the model exactly how far its distribution was from "blue" on every step. MCTS escapes both problems. It produces a supervision target at every single move, and that target is strictly better than the current policy—not merely a binary win/loss signal smeared across thousands of tokens. Jang's observation: you are never in a situation where MCTS gives you zero signal, unless the policy has already converged to match the MCTS distribution exactly. > *"You're never in a situation where the MCTS is giving you no signal, unless your MCTS distribution converges to exactly what your policy network predicts."* ## [02:22:05] Automated AI researchers Jang ran much of his AlphaGo project through an automated LLM coding loop, giving a ground-level account of where AI research automation succeeds and where it still fails. On hyperparameter optimization, current models do genuine grad-student work: they diagnose gradient flow problems, rewrite data-loader augmentations, and squeeze measurable perplexity improvements on fixed budgets. On experiment execution and plotting, a simple skill description generates a full experimental suite with analysis. What the models cannot reliably do is lateral thinking—recognizing that a research track is structurally unpromising and jumping to a different framing before accumulating more dead-end experiments. Jang ran into this repeatedly: models would grind down a dead-end track rather than stepping back and asking whether the track was the right one. His thesis is that this is a training signal problem—building RL environments with the right outer loop, like Go, may be what eventually teaches models to escape local research dead ends. > *"What I find is that the current closed models the public can access today don't seem to be that great at selecting what the next experiment should be in a given track. They don't seem to be able to step back and do the lateral thinking of, 'Wait a minute, this track doesn't really make sense.'"* ## Entities - **Eric Jang** (Person): VP of AI at 1X Robotics; previously senior research scientist at Google Brain/DeepMind Robotics; rebuilt AlphaGo on sabbatical. - **Dwarkesh Patel** (Person): Host of the Dwarkesh Podcast; co-develops the bits-per-FLOP RL inefficiency analysis during the interview. - **AlphaGo / AlphaZero** (Software): DeepMind's Go-playing systems combining MCTS with deep neural networks; the technical centerpiece of the episode. - **KataGo** (Software): Open-source Go engine by David Wu (Jane Street) that achieved 40x compute reduction over AlphaGo Zero; Jang's primary reference implementation. - **Monte Carlo Tree Search (MCTS)** (Concept): Iterative search algorithm balancing exploitation and exploration via UCB/PUCT; the episode's central analytical lens. - **Credit assignment problem** (Concept): Difficulty in RL of determining which actions in a long trajectory caused a positive outcome; motivates advantage functions, baselines, and value networks. - **DAgger** (Concept): Dataset Aggregation algorithm; explains why replay buffers in AlphaGo are tolerable as long as buffer states stay near the current policy's distribution. - **Andrej Karpathy** (Person): Referenced for the phrase "sucking supervision through a straw" describing policy-gradient RL's sparse learning signal over long token trajectories.

Теренс Тао рассуждает о меняющейся роли ИИ в математике и утверждает, что ИИ автоматизирует многие рутинные задачи, но не заменит полностью живых математиков — он лишь сместит их внимание к новым рубежам. Он подчёркивает будущее совместной работы человека и ИИ, а также непредсказуемый характер долгосрочного влияния ИИ на научные открытия. ## [00:10] Нынешняя роль ИИ в передовой математике Теренс Тао объясняет, что ИИ уже выполняет «передовую математику», недоступную людям, хотя это «передовой рубеж» иного рода. Он сравнивает это с тем, как калькуляторы в прошлом расширили возможности математики: они брали на себя задачи, выходившие за пределы человеческих способностей, но делали это узкоспециализированно. > *В каком-то смысле они уже делают сверхинтеллектуальную передовую математику, недоступную людям, но это передовой рубеж другого рода, чем тот, к которому мы привыкли.* ## [00:52] ИИ как инструмент автоматизации, а не замены Тао прогнозирует, что в ближайшее десятилетие ИИ возьмёт на себя множество рутинных задач, которые сегодня решают математики, позволяя людям сосредоточиться на более сложных и важных проблемах. Он проводит параллели с историческими сдвигами: компьютеры когда-то автоматизировали работу «людей-вычислителей», секвенирование генома стало автоматическим — и тем не менее такие области, как генетика, продолжили развиваться в новых масштабах. > *Через десять лет многое из того, что сейчас делают математики… сможет делать ИИ. Но мы обнаружим, что на самом деле это была не самая важная часть нашей работы.* ## [02:46] Будущее сотрудничества человека и ИИ в математике Дваркеш Патель спрашивает о способности ИИ самостоятельно решать задачи тысячелетия. Теренс Тао считает, что «гибрид человека и ИИ» будет доминировать в математике ещё очень долго, поскольку у современного ИИ нет всех необходимых компонентов, чтобы полностью заменить интеллектуальный труд — он скорее функционирует как дополняющий инструмент. > *Я действительно верю, что этот гибрид «человек плюс ИИ» будет доминировать в математике ещё очень долго.* ## [03:43] Непредсказуемое влияние на научные открытия Тао признаёт, что ИИ ускорит развитие науки и новые открытия, но одновременно может сдерживать некоторые виды прогресса, «уничтожая серендипность». Он заключает, что долгосрочное влияние ИИ на научные открытия крайне непредсказуемо. > *Возможно, что, разрушая так или иначе серендипность, мы на самом деле подавляем определённые типы прогресса.* ## Сущности - **Теренс Тао (Terence Tao)** (Персона): гость, один из самых выдающихся математиков нашего времени. - **Дваркеш Патель (Dwarkesh Patel)** (Персона): ведущий подкаста. - **ИИ (AI)** (Концепция): искусственный интеллект; обсуждается его роль в математике и научных открытиях. - **Mathematica / Wolfram Alpha** (Программа): вычислительные инструменты, упомянутые как примеры автоматизации в математике. - **Задачи тысячелетия (Millennium Prize Problems)** (Концепция): семь нерешённых математических задач, за решение каждой из которых предлагается один миллион долларов.

Тао и Дваркеш рассматривают открытие Кеплером законов движения планет как призму для понимания того, что ИИ реально меняет в науке. Тао утверждает: генерация гипотез теперь практически бесплатна, поэтому узкое место смещается к оценке, рецензированию и проверке временем. Современные ИИ выигрывают вширь (пробуют каждый стандартный метод на каждой задаче), а люди выигрывают вглубь (накапливают прогресс шаг за шагом) — поэтому гибридные конфигурации будут доминировать в математике ещё как минимум десятилетие. ## [00:00] Кеплер был высокотемпературной языковой моделью Тао рассказывает, как Кеплер пришёл к трём законам движения планет. Кеплер отправился от неверной, но красивой теории — платоновских тел, вписанных между орбитами планет, — и отказался от неё лишь после многолетней обработки похищенных наблюдений Тихо Браге невооружённым глазом. Эллипсы, закон площадей и куб-квадратичный закон возникли из многолетнего анализа данных; объяснение Ньютона пришло столетие спустя. Dwarkesh формулирует так: Кеплер похож на высокотемпературную LLM, перебирающую случайные соотношения по проверяемому набору данных. Тао соглашается с механикой, но оспаривает узкое место. Генерация идей была дешёвой уже тогда — теорий у Кеплера хватало. Ему нужны были данные Браге на порядок лучше и терпение, чтобы отбрасывать идеи, которые данные опровергали. > *Но, как вы говорите, это должно сопровождаться равным объёмом верификации, иначе это просто мусор.* ## [11:44] Как распознать новую объединяющую концепцию в море мусора, созданного ИИ? Тао: если ИИ снизил стоимость генерации идей почти до нуля, рецензирование и проверка временем становятся новым ограничением. Журналы уже тонут в статьях, созданных с помощью ИИ. Ценность любой идеи определяется тем, что с ней сделает последующая наука — Коперник уступал Птолемею в точности, пока Кеплер не завершил картину, — поэтому оценить это изнутри момента затруднительно. Dwarkesh спрашивает, как наука могла бы распознать объединяющую концепцию уровня Bell Labs (бит Шеннона, трансформер), погребённую в миллионах посредственных статей. Тао указывает на то, что может остаться за людьми: учёные не просто создают теории, они рассказывают истории, убеждающие других учёных потратить годы на дальнейшие исследования. Проза Дарвина сделала то, чего не сделали латинские уравнения Ньютона. > *ИИ снизил стоимость генерации идей почти до нуля — примерно так же, как интернет снизил стоимость коммуникации почти до нуля.* ## [26:10] Дедуктивный навес Тао о недооценённом сигнале в существующих данных. Астрономия столетиями была дисциплиной, извлекающей максимум информации из минимума данных, — именно поэтому квантовые хедж-фонды охотно нанимают выпускников астрофизических программ. Он приводит любимый пример: исследователи измеряли, как часто учёные реально читают цитируемые статьи, отслеживая, какие опечатки распространялись по цепочкам цитирования. Он предлагает применить тот же социологический подход к прогрессу ИИ — анализировать паттерны цитирования, упоминания на конференциях и другие следы, чтобы обнаружить, действительно ли результат стал прогрессом, не дожидаясь медленной проверки временем. > *Один вывод состоял в том, что дедуктивный навес во многих областях может быть значительно больше, чем люди думают.* ## [30:31] Ошибка выжившего в отчётах об открытиях ИИ ИИ решил около 50 из примерно 1100 задач Эрдёша, а затем упёрся в плато. Тао объясняет эффект селекции: эти 50 задач имели почти нулевую литературу — одного малоизвестного метода плюс одного известного результата оказалось достаточно, а инструменты ИИ превосходно справляются с перебором стандартных комбинаций. Когда 80% работы уже сделано существующими методами, ИИ закрывает задачу. Когда нужна принципиально новая техника, инструменты останавливаются, а доля успеха при систематическом переборе составляет 1-2%. Метафора Тао: инструменты ИИ — это прыгающие роботы, блуждающие в темноте по горному хребту. Они берут короткие стены, недоступные людям, но не умеют ухватиться за уступ, удержаться на нём и подтянуться с промежуточного прогресса. Оптимистичная интерпретация — как только ИИ достигает определённого уровня, можно запустить миллион параллельных копий на миллион задач, чего никакое человеческое сообщество не в состоянии сделать, — и является структурной причиной, по которой науке нужны новые парадигмы, реально использующие ширину охвата. > *Они превосходят нас вширь, а люди превосходят ИИ вглубь — по крайней мере, эксперты.* ## [46:43] ИИ делает статьи богаче и шире, но не глубже Тао о своей рабочей практике: статьи теперь содержат больше кода, больше графиков, более глубокие обзоры литературы, потому что вспомогательные задачи подешевели примерно в 5 раз. Собственно ядро — решение самой трудной части задачи — по-прежнему происходит на бумаге с ручкой. Он не решился бы назвать себя «в 2 раза продуктивнее», потому что метрика не одномерна; изменился тип статей, которые он пишет, а не скорость, с которой он отвечает на поставленный вопрос. Различие между сообразительностью и интеллектом приходит к тому же. Когда два человека совместно работают над математической задачей, каждый неудавшийся прототип становится точкой опоры для следующего. С нынешними ИИ новая сессия забывает всё, что выяснила предыдущая. Накопительный шаг подтягивания отсутствует — есть только перебор вслепую и в конечном счёте усвоение следующим обучающим запуском. > *Это сделало статьи богаче и шире, но не обязательно глубже.* ## [53:00] Если ИИ решит задачу, смогут ли люди извлечь из этого понимание? Сможет ли ИИ доказать гипотезу Римана в Lean, не дав нам ровно никакого понимания? Тао не обеспокоен. Lean обладает свойством атомарной декомпозиции любого доказательства: каждую лемму можно проверить, удалить и протестировать в отдельности. Поэтому даже сгенерированное доказательство на 3000 строк становится сырьём: другие ИИ могут переработать его ради элегантности, другие люди могут извлечь концептуальное содержание, и артефакт остаётся полезным, даже если исходный вывод был непрозрачным. Тао предсказывает возникновение целой профессии математиков, чья работа — разбирать гигантские доказательства, сгенерированные в Lean, и находить внутри них идеи: своего рода археология доказательств с участием и человеческого суждения, и инструментов ИИ для абляции. > *Вы получите гораздо больше, опираясь на взаимодействие людей, сотрудничающих с этими инструментами.* ## [59:20] Нам нужен полуформальный язык для того, как учёные на самом деле разговаривают друг с другом Dwarkesh спрашивает, как мог бы выглядеть полуформальный язык для математических стратегий в противовес математическим доказательствам. Тао прослеживает вопрос через теорему Гаусса о простых числах — первую крупную статистическую гипотезу в математике, выведенную из сырых данных до существования какого-либо доказательства, — и через гипотезу о простых числах-близнецах, в которую математики верят, потому что случайная модель простых чисел её предсказывает. В математике есть и строгие доказательства, и строгие эвристики; только доказательная сторона формализована до состояния, которое может проверить Lean. Причина, по которой эвристическая сторона не формализована: любой проверяемый критерий в рамках обучения с подкреплением становится целью для эксплуатации, а субъективная часть «этот аргумент убедителен» пока не поддаётся взломоустойчивой формализации. Тао хотел бы способа оценивать генерацию гипотез и выбор стратегий в масштабе — возможно, запуская небольшие ИИ в игрушечных математических вселенных и наблюдая, какие стратегии возникают. > *Есть какой-то субъективный аспект науки, который мы не знаем, как уловить, чтобы внедрить туда ИИ сколько-нибудь полезным образом.* ## [69:48] Как Терри распределяет своё время Тао о том, как он осваивает новые подобласти. По классификации Берлина он относит себя к лисам — знает понемногу обо всём, иногда превращаясь в ежа по необходимости. Движущая сила — маниакальная тяга к полноте: если другой математик доказывает результат с помощью метода, которого он не знает, Тао обязан разобраться, в чём трюк. По той же причине он вынужден был бросить видеоигры. Сотрудничество с другими математиками — главный инструмент, а ведение блога — система памяти, которую он выработал после того, как несколько раз проигрывал споры через полгода после того, как сам же вывел нужный результат. В своём расписании Тао намеренно оставляет место для случайных встреч. Он был бы против того, чтобы оптимизировать время до такой степени, что никогда не окажется на совещании за пределами зоны комфорта. Год в Институте перспективных исследований подтвердил эту ловушку: две недели чистых исследований были прекрасны, а потом вдохновение иссякло. Случайное открытие на соседней библиотечной полке, непринуждённый разговор в коридоре и совещание, на которое он пошёл нехотя, делали больше работы, чем казалось. > *Эти случайные взаимодействия могут не выглядеть оптимальными, но на самом деле они очень важны.* ## [77:05] Гибриды человека и ИИ будут доминировать в математике ещё долго Когда ИИ начнёт заниматься математикой самостоятельно? Тао переформулирует: ИИ уже делает математику, недоступную людям, — калькуляторы, только на другой границе. Примерно за десятилетие он ожидает, что значительная часть того, чем сейчас занимаются аспиранты — применение стандартных методов, проработка литературы, — перейдёт к ИИ, но область поднимется на уровень выше, как это произошло, когда системы компьютерной алгебры взяли на себя символьное интегрирование. Генетика не закончилась, когда секвенирование подешевело; она масштабировалась до экосистем. Математика сделает то же самое. Совет студентам, входящим в математику сейчас: принять изменения как данность, но получить квалификацию старым способом — пока замены для традиционного освоения математики нет. Одновременно нужно оставаться достаточно гибкими, чтобы использовать совершенно новые режимы исследования по мере их появления, включая те, которых ещё не существует. Примечательный факт: с инструментами ИИ и Lean старшеклассник сегодня может внести реальный вклад в математические исследования — пять лет назад это было невозможно. > *Думаю, я действительно верю, что гибриды человека и ИИ будут доминировать в математике ещё очень долго.* ## Сущности - **Теренс Тао** (Персона): лауреат Филдсовской премии (2006), математик UCLA, регулярно пишет о роли ИИ в математических исследованиях. - **Dwarkesh Patel** (Персона): ведущий Dwarkesh Podcast; интервью в длинном формате об ИИ, науке и технологиях. - **Иоганн Кеплер** (Персона): астроном (1571-1630), выведший три закона движения планет из наблюдений Тихо Браге. - **Тихо Браге** (Персона): датский астроном, чьи многолетние наблюдения за планетами невооружённым глазом стали набором данных, необходимым Кеплеру. - **Lean** (Программное обеспечение): ассистент доказательств, в котором математические доказательства формализуются и могут быть проверены, декомпозированы и протестированы атомарно. - **Задачи Эрдёша** (Концепция): около 1100 открытых задач, поставленных Полом Эрдёшем; ИИ решил около 50, почти все с почти нулевой предшествующей литературой. - **Дедуктивный навес** (Концепция): идея о том, что существующие данные уже содержат гораздо больше выводимого знания, чем было извлечено; астрономия служит образцом. - **Гипотеза Римана** (Концепция): нерешённая гипотеза о распределении простых чисел; тестовый случай для вопроса о том, продвинет ли доказательство ИИ человеческое математическое понимание.