Как это работает. Нейроны лежат на сетке электродов, видят упрощённую игру через серии импульсов («стена слева», «враг впереди»), отвечают своими разрядами, которые транслируются в WASD. Если ты двигаешься правильно — следует «приятное» постоянное напряжение; если стоишь столбом — рандомный шум. По сути reinforcement learning, только награда — комфорт самой ткани.

Самое смешное в цифрах. Скептики тут же заметили: 200 000 живых нейронов играют хуже, чем простой RL-алгоритм на Raspberry Pi за пять баксов. То есть человечество потратило миллионы на эпическое доказательство того, что биология пока не побеждает чип за пятёрку. Зато выглядит магически.

Контекст: параллельно в апреле 2026 другая команда симулировала мозг плодовой мушки (~125 000 нейронов, 50 млн синапсов) и тоже посадила её играть. Doom как универсальный benchmark интеллекта — теперь и для биологии.

Ссылки: обзор истории · детали эксперимента

Правила: ты получаешь промпт от живого человека и должен ответить, прикидываясь LLM — тем самым плоско-дружелюбным тоном с «I'd be happy to help!». Получишь жетон — задашь свой вопрос, и теперь уже другой человек играет за «ИИ» для тебя. 60 секунд на ответ. Тот, кто угадает «это бот или человек», кидает фидбек.

Соль шутки: даже под цейтнотом живой человек выдаёт более интересные ответы, чем «настоящие» чат-боты — потому что у людей странные ассоциации, опечатки, личные обиды и неожиданные шутки. То, что ИИ старательно выглаживает в ноль.

Поиграть: youraislopbores.me · обсуждение на HN

Цитата, которая хорошо ловит суть: «они не могут надёжно собрать в цепочку шесть шагов и не могут понять, когда ошибаются». То есть с одиночными действиями всё неплохо, а вот планирование + самопроверка — всё ещё провал.

Любопытная цифра рядом из того же отчёта: доля научных публикаций, упоминающих ИИ, всего 6–9% в зависимости от области. На контрасте с инфо-шумом — реальное проникновение в науку умеренное.

Параллельный сюжет апреля: каждая крупная лаборатория за месяц выпустила своего агента (Google переименовал платформу в Gemini Enterprise Agent Platform), Sony AI показала Project Ace — первого робота, играющего в настольный теннис на уровне профессионалов. Хайп идёт волнами; узкие задачи решаются, длинные цепочки — пока нет.

Поэтому в продакшене сейчас модно не «пихать всё в контекст», а строить агентов как маленьких клерков с внешней памятью: векторная БД + короткий рабочий буфер + явные «заметки на полях», которые агент сам себе пишет между шагами. Получается ближе к тому, как работает человек: рабочая память маленькая, а архив — снаружи.

Параллельно интересный сюжет в нейронауке: в 2025-м команда из Принстона показала, что у мышей «replay» эпизодов во сне работает не как простой повтор, а как сжатый монтаж — мозг переигрывает только узловые точки траектории. Очень похоже на то, как современные LLM-агенты делают summarization своего лога перед следующей итерацией. Конвергенция архитектур забавная.