Искусственный интеллект

Компания закупает старые и редкие книги, после чего отправляет их на специальные объекты, где их оцифровывают довольно варварским способом: срезают переплеты, складывают страницы в одну большую стопку и прогоняют через промышленный сканер.

Журналисты даже спрятали в одну из партий AirTag — он привел их прямо к объекту Amazon, где книги разбирали и превращали в цифровые копии.

Полученные данные компания планирует использовать для обучения ИИ. С одной стороны, способ вполне эффективный. С другой — уничтожать физические экземпляры книг ради их цифровой версии выглядит довольно жутко.

Иронично, что около 30 лет назад Джефф Безос начинал Amazon именно как интернет-магазин книг.

Источник

Как я сделал эксперементальный проект попав в раздражение от качества чиптюн музыки в суно

А как собственно все началось

Стандартный путь получить «музыку под Sega Genesis» через нейросеть — открыть Suno или похожий сервис и написать текстом: FM-синтез, минорная тональность, темп такой-то. Работает — до определённого предела. Предел в том, что под капотом нет никакого Sega Genesis. Есть модель, обученная на миллионах треков, которая статистически угадывает, как должен звучать «чиптюн», — и звучит она правдоподобно, но не достоверно. Спросить «подвинь вот эту ноту на канале баса на полтона выше» бессмысленно: там нет ноты как объекта, есть волна на выходе чёрного ящика, и единственный способ что-то поправить — сгенерировать заново и понадеяться.

chipgen — это ответ на раздражение от этого предела. Идея простая до банальности, если её проговорить: вместо того чтобы учить нейросеть имитировать звук чипа, дать ей сам чип. Не наушники с чужой музыкой — пианино.

Что под капотом ?;

Sega Mega Drive (она же Genesis) звучала как звучала благодаря двум конкретным микросхемам: YM2612 — FM-синтезатор, 6 каналов, 4 оператора на канал, и SN76489 — более простой генератор прямоугольных волн плюс канал шума. Вся музыка в играх той эпохи — это последовательность команд этим двум чипам: включить канал, задать частоту, отпустить ноту.

chipgen не имитирует их звук — внутри крутится настоящая эмуляция. YM2612 — это [Nuked-OPN2](https://github.com/nukeykt/Nuked-OPN2), реализация, сделанная реверс-инжинирингом по фотографиям кристалла настоящего чипа: не приближение, а гейт-левел симуляция того, что происходит внутри кремния. SN76489 написан с нуля по открытой спецификации, включая деталь, которую легко упустить: у Sega-версии этого чипа шумовой генератор — 16-битный сдвиговый регистр, тогда как в оригинальном чипе от Texas Instruments — 15-битный. Разница в один бит меняет весь характер «шума» на выходе. Мелкая деталь, но именно из таких деталей и складывается «настоящий» звук в отличие от «похожего».

Как этим управляют

Не текстом. Управление — плоский поток событий: включить инструмент на канале, взять ноту, отпустить, подождать. Это ровно то же разделение труда, что в DefleMask или Furnace — трекерах, которыми уже двадцать с лишним лет пользуются люди, сочиняющие чиптюн вручную: паттерн ссылается на ноту и инструмент по имени, вся физика синтеза (алгоритм, обратная связь, огибающая каждого из четырёх операторов) живёт отдельно в банке инструментов.

chipgen даёт тот же интерфейс не человеку с мышкой, а любой нейросети — и любому человеку, который предпочитает написать события руками, а не щёлкать по трекеру. Архитектура модели значения не имеет: важен только формат вывода. Один и тот же движок рендерит результат вне зависимости от того, откуда взялись события — из вызова облачного API, из локальной сети, или из текста, который написал человек.

По пути обнаружился настоящий баг, который хорошо иллюстрирует, зачем вообще так заморачиваться: первый тестовый рендер выдавал не звук, а плоскую константу вместо колебания. Причина — busy-флаг настоящего чипа: после каждой записи в регистр он занят несколько десятков тактов, и если следующая запись приходит раньше, она просто теряется. Это поведение настоящего железа, а не эмулятора, и без понимания этой детали никакой «похожий на чип» звук не выйдет достоверным — он либо разъедет тайминги, либо тихо потеряет часть команд.

## Архив, который просто работает

Отдельная задача была не техническая, а практическая: чтобы этим можно было пользоваться без установки чего-либо. Весь проект — это zip-архив. Загружаешь его в чат с любой нейросетью, у которой есть исполнение кода (Claude, GPT, Grok — все проверены и работают), говоришь «это синтезатор», и дальше можно скармливать треки в VGM-формате или просить сочинить с нуля. Внутри — bootstrap-скрипт, который сам находит компилятор в системе или откатывается на чистый Python, если компилятора нет. Никакого хостинга, никакого плагина для установки — архив читает сам себя и через минуту готов.

Самое практичное следствие этого — мгновенный экспорт наброска сразу в WAV (послушать) и VGM (открыть в настоящем трекере и доработать руками). Трек можно сгенерировать и прослушать прямо внутри чата, не выходя никуда.

## Банк инструментов

Изначально — 19 патчей, спроектированных вручную и откалиброванных по громкости друг относительно друга через измерение, не на слух. Дальше — два способа получить больше и настоящее: чтение реальных пресетов из библиотеки Furnace (несколько сотен FM-патчей — бас, гитары, орган, синты, ударные, которые реально использовались в продакшене), и прямое вытаскивание инструментов из VGM-рипов настоящих игр — движок проигрывает регистровый лог, ловит момент, когда нота берётся, и снимает слепок параметров оператора в этот момент. Это уже готовый, аутентичный инструмент, а не реконструкция по слуху.

## В чём, собственно, уникальность

По отдельности каждый кусок этой конструкции уже где-то существует. Трекеры с точной эмуляцией чипов — старая, отработанная область. LLM-агенты, управляющие музыкой через символьное представление вместо сырого аудио, — активно развивающаяся область прямо сейчас: за последние два года вышел не один десяток исследовательских работ на эту тему, и все формулируют один и тот же тезис — код и структура понятнее модели, чем звуковая волна. Но там речь о MIDI или ABC-нотации общего назначения, без привязки к конкретному винтажному чипу и его квиркам.

Сочетание сразу трёх вещей — точность на уровне регистров конкретного чипа, архив-мост, который любой агент с исполнением кода запускает сам, и настоящий интероп с существующей трекерной сценой (импорт и экспорт в реальные форматы) — этого именно вместе найти не удалось нигде.

## Заодно и бенчмарк

Заставить модель мыслить в категориях канала, оператора, регистра — задача другого рода, чем «опиши вайб трека». По наблюдениям в процессе тестирования, разные модели — Sonnet, Grok, GPT — в какой-то момент начинают описывать свою работу с этим инструментом не в терминах звука, а в терминах программы: последовательность состояний чипа, а не аудио-эстетика. Это не строгий научный вывод, а повторяющееся наблюдение при реальном использовании — но оно само по себе интересно как маркер того, что интерфейс меняет то, как модель держит задачу в голове.

Практическое тестирование на разных моделях показало разное и по качеству, и по тому, что вообще технически доступно:

- **Gemini (бесплатный тариф)** не проходит на старте — нет песочницы с исполнением кода, выгрузить WAV или VGM попросту нечем.

- **Grok** — фаворит для итеративной работы: дёшево по токенам, быстро схватывает интерфейс через контекст разговора. Рабочий результат получается даже на лайт-версии модели — хороший аргумент в пользу того, что дело в самом интерфейсе, а не в том, что нужна обязательно самая мощная модель.

- **GPT** технически полностью справляется — первый по-настоящему серьёзный результат в проекте сгенерирован именно им.

- **Claude** по глубине рассуждения о структуре и гармонии — на переднем крае, но при длительной итеративной работе через контекст (без дообучения) расходует больше токенов, чем более дешёвые варианты.

Это два разных критерия, не один: где-то важнее качество рассуждения, где-то — стоимость итерации, и выбор зависит от того, что нужно в моменте.

## Честно: это не «закинул архив — получил шедевр»

Через контекст модель осваивает синтаксис интерфейса почти сразу — README и пара примеров, и она уже технически корректно расставляет ноты. Но правильный синтаксис не равно хорошая композиция. Чтобы результат звучал как продуманный трек, а не как формально верный набор команд, нужна настоящая работа с обучающими данными — даже если модель облачная и в буквальном смысле не дообучается, а держит всё в контексте. По опыту тестирования, разумный минимум для агента, дающего стабильно приличный результат, — это база примерно из 10+ полноценных треков и 20+ демо-нарезок. Меньше — и результат технически исполним, но художественно никакой. Один из практичных источников материала для такой базы — [vgmrips.net](https://vgmrips.net/), открытый архив VGM-рипов из реальных игр: тот же формат, что уже используется для импорта инструментов, годится и как обучающий корпус.

## Дальше

Сейчас всё функционально и проверено на нескольких независимых моделях — это не proof of concept на честном слове. Дальше — не доказывать, что подход работает, а закрывать разрыв между «технически работает» и «даёт стабильно хороший результат без танцев с бубном»: собственный датасет для дообучения, зашитый и сжатый банк инструментов, чтобы агенту не нужно было лезть за примерами в интернет, и в перспективе — компактная локальная модель, специализированная именно под этот интерфейс, которой не нужен ни чужой контекст, ни облако вообще. Список поддерживаемых чипов тоже не собирается останавливаться на двух — дальше зоопарк расширяется вслед за тем, что

умеет сам Furnace.

Страница проекта на GitHub

https://github.com/terminaldetector/Chipgenх

https://github.com/terminaldetector/Chipgen/tree/Chipgenmain...

Телеграмм где находится демо и техническая часть проекта (сюда залить не могу wav файлы мп3 местным сервисом не поддерживаются)

https://t.me/AGENDA324

Данный плагин можно использовать как интерфейсное решение для создания отдельных chiptune нейросетей обученных на массиве VGM DMP и прочих файлах.

Pew Research Center прогнал через детектор 490 тысяч англоязычных веб-страниц за пять лет и получил цифру, которую трудно проигнорировать: среди страниц, опубликованных после запуска ChatGPT, признаки ИИ-авторства видны у более чем трети. Если брать весь интернет целиком, вместе со старыми страницами, — пока около 10 процентов.

Как считали

Исследователи взяли веб-архив Common Crawl и выдернули из него случайные выборки по 10 тысяч страниц на каждый срез — от января 2021 года, то есть задолго до ChatGPT, до июля 2026-го. Тексты прогнали через детектор Open Pangram, который ищет не водяные знаки, а статистические привычки языка: слова, обороты и знаки препинания, которыми модели пользуются чаще людей.

Кривая растёт с конца 2022 года и ни разу толком не разворачивалась. Заметьте: речь не о «полностью сгенерированном», а о тексте, который был написан или существенно отредактирован машиной. Скормил черновик модели «почистить» — страница уже в этой трети.

Где ИИ-текста больше всего

Распределено оно крайне неравномерно. В начале 2026 года признаки ИИ-авторства нашлись у 9,4% страниц в зоне .com — вдвое больше, чем в .org (4,6%), и примерно в десять раз больше, чем в университетской .edu (1%) и государственной .gov (0,8%). Четыре года назад все четыре зоны шли одной линией где-то около одного процента. Машинный текст концентрируется там, где контент делают на поток ради трафика и продаж, а не там, где за каждый абзац кто-то отвечает репутацией или должностью.

По чему вычисляют машину

Самая забавная часть исследования — приметы, по которым модель выдаёт себя на больших массивах. За три года частота длинного тире в англоязычном вебе выросла с примерно четырёх до одиннадцати случаев на каждые 10 тысяч слов. Вместе с ним подросли оксфордская запятая, фирменный словарь (delve, tapestry, underscore, pivotal, vibrant, showcase) и «негативный параллелизм» — тот самый оборот «это не просто X, это Y».

Сами исследователи честно оговариваются: «Модели детекции ИИ не идеальны — иногда они ошибочно относят написанные людьми документы к текстам с признаками ИИ-авторства, и наоборот». То есть конкретную статью такой детектор легко оговорит — и живого редактора, любящего тире, тоже. Смысл только в масштабе: на полмиллионе страниц шум усредняется, а тренд остаётся.

Почему это важно

Веб — это главная кормушка, из которой учат следующие поколения моделей. Когда треть свежего контента уже машинная, следующая модель учится на выхлопе предыдущей — и её собственные тики возвращаются к ней же усиленными. Это тот самый замкнутый контур, о котором теоретики предупреждали ещё в 2023 году, когда цифра была около двух процентов.

Есть и второе следствие, более бытовое. Если машинный текст стал нормой для трети веба, то сами по себе «признаки ИИ» перестают быть уликой. Преподаватели, редакторы и HR-службы, которые гоняют чужие тексты через детекторы, будут всё чаще получать обвинительный вердикт на человека, который просто аккуратно ставит запятые.

Источники: Pew Research Center и TechCrunch

НЕЙРО-ПУШКА ● Новости и обзоры нейросетей