Пять часов до будущего

Как люди научились создавать игры, приложения и книги с помощью искусственного интеллекта. И почему самое трудное по-прежнему остаётся за человеком.

Несколько дней назад я создал приложение для собственного телевизора. Никакого выдающегося замысла за этим не стояло. Мне просто надоела штатная оболочка Android TV, и захотелось сделать другую, более удобную, с нормальным расположением приложений, плавными переходами и красивыми фоновыми изображениями. За образец я взял Apple TV, чей интерфейс давно нравится мне своей аккуратностью.

Прежде подобное желание, скорее всего, закончилось бы поисками готового лаунчера. Можно было скачать несколько программ, попробовать их, разочароваться в очередной и в конце концов смириться с тем, что предлагает производитель телевизора. Разработка собственного приложения требовала знаний, которыми я не обладал, а тратить месяцы на изучение Android ради одного домашнего эксперимента выглядело сомнительным удовольствием.

На этот раз я открыл ChatGPT и Codex.

Работа оказалась удивительно похожа на общение с программистом, который умеет почти всё, но временами нуждается в довольно настойчивом объяснении очевидных вещей. Я рассказывал, что хочу получить, модель предлагала решения и писала код, после чего мы собирали приложение, запускали его и разбирались с возникавшими проблемами. Иногда результат радовал сразу. Иногда приходилось возвращаться к уже сделанному, потому что очередное улучшение портило то, что ещё полчаса назад прекрасно работало.

Постепенно у приложения появились собственный интерфейс, управление с пульта, запуск установленных программ и фоновые изображения. Мы собрали APK, установили его на настоящий телевизор и проверили, как всё ведёт себя за пределами компьютера.

Через пять с небольшим часов после начала работы на экране появился Aurora TV Launcher.

Разумеется, я получил первую рабочую версию, а вовсе не законченную коммерческую систему. Системная загрузочная анимация осталась прежней, отдельные функции требовали доработки, да и внешним видом можно заниматься практически бесконечно. Но приложение работало. Пульт управлял интерфейсом, программы открывались, а телевизор загружал оболочку, которую ещё утром попросту не существовало.

Вечером я поймал себя на довольно странной мысли. Ведь ничего принципиально недоступного прежде мы не сделали. Такие приложения существуют много лет, программисты умеют их создавать, соответствующие библиотеки и инструменты давно разработаны. Изменилось моё положение во всей этой истории. Я получил возможность самостоятельно довести замысел до работающего результата, миновав долгий путь освоения профессии.

И тогда мне стало любопытно, насколько далеко другие люди уже успели зайти по той же дороге.

Сейчас разговоры об искусственном интеллекте обычно сводятся к двум противоположным предсказаниям. Одни ожидают стремительного исчезновения целых профессий, другие убеждены, что нынешние нейросети производят преимущественно красивую бессмыслицу. Между этими взглядами уже существует довольно обширная территория настоящих продуктов, созданных людьми при участии машин.

Некоторые из них зарабатывают миллионы. Другие едва переживают первый всплеск популярности. А в литературе, где результат гораздо труднее измерить, дело дошло до премий, издательских экспериментов и настоящих споров о том, кому вообще принадлежит написанная книга.

Я начал с компьютерных игр.

Самолёт, который взлетел за три часа

В феврале 2025 года нидерландскому предпринимателю Питеру Левелсу пришла в голову идея сделать браузерный авиасимулятор.

Левелс давно занимался интернет-проектами и был хорошо известен в сообществе независимых разработчиков. За его плечами уже находились Nomad List, Remote OK и несколько сервисов, связанных с генеративными изображениями. Он привык работать небольшими силами, запускать продукты без долгой подготовки и проверять спрос непосредственно на пользователях.

Но профессиональным разработчиком компьютерных игр Левелс себя не считал. А создать ему захотелось трёхмерный мир, где можно летать на самолёте между зданиями, исследовать города и встречать других игроков.

В обычных обстоятельствах пришлось бы разбираться с игровым движком, управлением камерой, физикой движения, графикой и сетевым взаимодействием. Даже простой прототип требует понимания множества вещей, о существовании которых обычный игрок редко задумывается.

Левелс поступил иначе. Он открыл Cursor, редактор программного кода с интегрированными нейросетевыми инструментами, и начал описывать будущую игру обычным языком. В процессе использовались современные языковые модели, а разработка постепенно превратилась в череду запросов, проверок и исправлений.

Первый работающий вариант появился примерно через три часа.

Сегодня на fly.pieter.com можно увидеть, во что вырос этот эксперимент. Самолёты летают над виртуальными городами, игроки встречаются друг с другом, а окружающий мир постепенно расширяется. Графика остаётся довольно простой, зато для начала путешествия достаточно открыть браузер.

Здесь, пожалуй, стоит вспомнить, сколько времени когда-то уходило на создание даже небольшой самостоятельной игры. Разработчик мог месяцами заниматься технической частью, прежде чем получал возможность проверить, интересна ли кому-нибудь сама идея. Левелс практически сразу перешёл к испытаниям на живой аудитории.

Он рассказывал о работе в социальных сетях, показывал результаты, делился техническими трудностями. За его проектом наблюдали сотни тысяч людей, и постепенно любопытство к самому процессу разработки начало превращаться в интерес к игре.

Вскоре Левелс задумался о заработке.

Вместо привычной продажи копий он предложил компаниям размещать рекламу непосредственно в игровом мире. Над городами могли появляться брендированные дирижабли, а виртуальное пространство становилось рекламной площадкой.

Идея оказалась достаточно необычной, чтобы привлечь внимание рекламодателей. Через семнадцать дней после запуска Левелс сообщил о месячном объёме рекламных обязательств примерно в 87 тысяч долларов.

Эта цифра немедленно превратилась в заголовки о новом бизнесе с годовой выручкой около миллиона долларов, созданном одним человеком при помощи искусственного интеллекта.

С арифметикой здесь всё было прекрасно. С выводами несколько хуже.

Объявленная сумма представляла собой показатель, рассчитанный по краткосрочным поступлениям и обязательствам рекламодателей. Она ещё не означала, что игра действительно принесёт миллион за последующие двенадцать месяцев. Популярность интернет-проектов меняется быстро, а разовые рекламные покупки плохо подходят для прогнозирования постоянного дохода.

К тому же финансовые сведения публиковал сам предприниматель. Независимой аудиторской проверки этих показателей не было, а дальнейшие оценки доходов проекта заметно различались.

Однако история Левелса совершенно не нуждается в обещанном миллионе, чтобы оставаться удивительной.

Перед нами человек, который без многолетнего опыта в игровом программировании создал работающий трёхмерный симулятор за несколько часов, привлёк к нему аудиторию и сумел предложить рекламодателям новую площадку. Он воспользовался нейросетью для той части работы, которая прежде представляла для него серьёзный технический барьер.

При этом за его плечами оставались годы предпринимательского опыта. Левелс уже знал, как устроены цифровые сервисы, как распространяются идеи в социальных сетях и почему иногда лучше выпустить несовершенный продукт сегодня, чем годами разрабатывать идеальный.

Мне кажется, последнее обстоятельство часто теряется в восторженных рассказах о нейросетях. Когда предприниматель с огромной аудиторией создаёт игру при помощи ИИ, зрители замечают три часа работы над кодом, но редко вспоминают о десяти годах, в течение которых он учился привлекать покупателей.

Нейросеть дала ему новый инструмент. Пользоваться им он начал далеко не с пустого места.

И всё же разница с прежними временами оказалась огромной. Левелс смог проверить идею, которая прежде, вероятно, так и осталась бы одной из сотен записей в его рабочем блокноте.

Приключение, которое придумывается на ходу

Впрочем, искусственный интеллект способен участвовать в создании игры совсем другим способом. Иногда он нужен разработчику лишь до момента выпуска программы, а иногда становится её главным механизмом.

Ещё в 2019 году студент Ник Уолтон решил воспроизвести на компьютере свободу настольных ролевых игр.

В традиционной компьютерной RPG разработчики заранее готовят задания, диалоги, персонажей и возможные варианты развития событий. Даже самые большие игровые миры состоят из предусмотренных кем-то ситуаций. Игрок может выбирать между предложенными действиями, но его свобода заканчивается там, где заканчивается написанный сценарий.

За столом с живым ведущим всё устроено иначе. Участник способен предложить совершенно неожиданное решение, а ведущий тут же придумает, как окружающий мир на него отреагирует.

Уолтон попробовал поручить эту роль языковой модели GPT-2.

Так появилась первая версия AI Dungeon.

Игрок получал описание ситуации и мог свободно написать, что собирается делать дальше. Вместо выбора из заранее подготовленного списка он обращался к виртуальному ведущему обычным языком. Машина продолжала повествование, вводила новых персонажей, придумывала препятствия и отвечала на действия участника.

Можно было начать привычное фэнтезийное приключение, а затем превратить его во что угодно. Попытаться договориться с чудовищем, устроить переворот в вымышленном королевстве, отправиться исследовать неизвестную планету. Модель охотно подхватывала даже весьма странные предложения.

Игра быстро приобрела популярность. Позднее появились новые версии языковых моделей, платные возможности и компания Latitude, которая занялась развитием проекта. К 2026 году разработчики сообщали о миллионах зарегистрированных пользователей и десятках миллионов созданных приключений.

Но постепенно обнаружилась проблема, которую хорошо понимает любой человек, пытавшийся написать большой роман.

Создать интересную сцену сравнительно просто. Куда труднее сделать так, чтобы сотня подобных сцен сложилась в одну последовательную историю.

У нейросетевого ведущего персонажи иногда забывали собственное прошлое, давно принятые решения теряли последствия, а важные обстоятельства внезапно менялись. Машина с одинаковой готовностью могла придумать великолепный сюжетный поворот и через несколько минут разрушить его собственным продолжением.

Разработчики пытались справиться с этим при помощи систем памяти, дополнительных инструкций, управления игровым контекстом и более совершенных моделей. Проект развивался, постепенно превращаясь в отдельный вид интерактивного развлечения.

И всё-таки у AI Dungeon обнаружилась особенность, о которой полезно помнить при разговоре об ИИ-творчестве. Иногда самым ценным оказывается вовсе не качество самостоятельно созданного машиной текста, а возможность человека свободно взаимодействовать с ним.

Участник постоянно вмешивается в повествование, исправляет происходящее, направляет историю в интересную ему сторону. Он одновременно играет и становится её соавтором.

Такой способ развлечения действительно трудно было реализовать в прежние годы.

С играми, которые создают большие профессиональные студии, ситуация выглядит иначе.

В марте 2025 года южнокорейская Krafton выпустила в ранний доступ inZOI, масштабный симулятор жизни, который почти неизбежно начали сравнивать с The Sims. Разработчики годами создавали виртуальные города, персонажей, бытовые взаимодействия и сложные системы настройки окружения.

Среди возможностей оказались генерация изображений для оформления предметов, создание декоративных объектов и технология Smart Zoi, призванная сделать поведение виртуальных жителей разнообразнее.

За первую неделю, по официальным данным Krafton, удалось продать более миллиона копий.

Ещё более впечатляющими оказались результаты ARC Raiders, многопользовательского экшена шведской Embark Studios. К февралю 2026 года издатель Nexon сообщил о продажах свыше четырнадцати миллионов экземпляров.

В разработке этих игр использовались технологии искусственного интеллекта, но с совершенно разными задачами. В ARC Raiders машинное обучение применялось, в частности, для движения противников, а синтез речи помогал работать с отдельными голосовыми репликами. inZOI предложила игрокам генеративные инструменты внутри виртуального мира.

За каждым из проектов стояли профессиональные команды, работавшие годами.

Поэтому, когда встречается сообщение об очередной игре с миллионами продаж, созданной с применением ИИ, стоит прежде всего выяснить, какую работу выполняла нейросеть. Помощь программистам, генерация изображений, управление виртуальными персонажами и синтез речи относятся к разным областям. Иногда их объединяет лишь общее слово «искусственный интеллект».

Ситуацию дополнительно запутывают правила Steam. На площадке уже существуют тысячи игр, создатели которых раскрыли использование генеративного ИИ, но сама отметка может означать и несколько сгенерированных изображений, и сложную систему диалогов, работающую во время прохождения.

С января 2026 года Valve уточнила, что инструменты, использованные исключительно для программирования, отдельно раскрывать необязательно. Зато генеративный контент, который попадает в саму игру, по-прежнему подлежит указанию.

Получается, даже по открытой статистике сложно установить, сколько игр разработчики действительно написали преимущественно при помощи нейросетей.

А оценить по ней их художественные достоинства и вовсе невозможно.

Двое школьников и фотография обеда

Пожалуй, самая убедительная история коммерческого успеха нашлась вовсе не в игровой индустрии.

В 2024 году американские подростки Зак Ядегари и Генри Лэнгмак занялись приложением, которое должно было избавить людей от необходимости вручную записывать каждый съеденный продукт.

К тому времени программы для подсчёта калорий существовали много лет. Пользователь открывал дневник питания, искал нужное блюдо, указывал его массу, выбирал ингредиенты и постепенно заполнял таблицу. Метод достаточно эффективный для тех, кому хватает терпения регулярно им пользоваться.

Создатели Cal AI предложили более короткий путь: сфотографировать еду и получить приблизительную оценку её калорийности.

За этой внешней простотой скрывалась работа с моделями распознавания изображений, пищевыми базами данных и программной логикой, связывающей всё в понятный пользователю результат.

Разработчики использовали существующие технологии искусственного интеллекта, в том числе модели OpenAI и Anthropic. Им требовалось научить приложение распознавать содержимое тарелки, учитывать предполагаемый состав блюда и представлять расчёт в удобной форме.

Но едва ли не самым удачным решением оказался способ продвижения.

Для объяснения возможностей Cal AI достаточно нескольких секунд. Человек фотографирует обед, на экране появляется оценка калорийности. Даже зрителю, совершенно далёкому от программирования, сразу понятно, что предлагает приложение.

Команда активно работала с социальными сетями, рекламой и блогерами. За короткое время вокруг продукта появилась большая аудитория, а первоначальный небольшой проект начал превращаться в полноценную компанию.

К марту 2026 года Cal AI насчитывала более пятнадцати миллионов загрузок. Тогда же стало известно, что компанию приобрела MyFitnessPal, один из крупнейших игроков на рынке цифрового контроля питания.

Покупатель сообщил, что за предшествовавшие двенадцать месяцев продажи Cal AI превысили сорок миллионов долларов.

Цена самого приобретения осталась закрытой, поэтому приписывать основателям определённую сумму от продажи компании было бы неправильно. Зато масштаб коммерческого результата подтвердился заявлением покупателя, а не только восторженными публикациями в социальных сетях.

Разумеется, история Cal AI существенно сложнее популярного сюжета о двух школьниках, которым нейросеть за ночь написала приложение стоимостью в миллионы. Проект развивался месяцами, команда расширялась, деньги вкладывались в продвижение, а успех зависел от вполне традиционных предпринимательских решений.

Тем не менее такие истории заставляют пересмотреть представление о том, какие ресурсы необходимы для выхода на рынок.

Когда-то создание интеллектуальной системы распознавания еды потребовало бы значительной исследовательской работы. Сейчас небольшой команде доступны готовые модели и программные интерфейсы, позволяющие сосредоточиться на конкретной задаче пользователя.

Владение подобными технологиями само по себе преимуществом надолго не становится. Конкуренты получают доступ к тем же инструментам. Они способны быстро повторить основные функции, улучшить интерфейс, предложить другую цену.

В итоге успех вновь начинает зависеть от вещей, которым предпринимателей учили задолго до появления ChatGPT: нужно понимать своего покупателя, уметь объяснить ему ценность продукта и постоянно работать над тем, чтобы он возвращался.

Но теперь небольшая команда получает возможность вступить в борьбу значительно раньше, чем у неё появятся средства на собственную исследовательскую лабораторию.

Для двух молодых основателей Cal AI этой возможности оказалось достаточно, чтобы построить компанию, которую приобрёл крупный участник рынка.

Меня же всё время занимала другая область. Программы и игры позволяют хотя бы приблизительно измерить успех количеством пользователей, продажами и временем, проведённым в приложении. С книгами подобная арифметика даёт весьма странные результаты.

Книга, которую написал человек. Почти

В январе 2024 года японская писательница Риэ Кудан получила премию Акутагавы за роман «Токийская башня сочувствия».

Для Японии это серьёзная литературная награда, способная изменить положение писателя в издательском мире. Произведение Кудан рассказывает об архитекторе, работающей над проектом необычного пенитенциарного учреждения, и через эту историю исследует современный язык, представления о преступлении, сочувствии и общественной справедливости.

После церемонии награждения писательница сообщила журналистам, что использовала ChatGPT.

Следом прозвучала приблизительная оценка: около пяти процентов текста было создано при помощи нейросети.

Этого хватило, чтобы по миру разошлась новость о литературной премии, которую якобы получила книга искусственного интеллекта.

В действительности Кудан написала роман сама. Генеративная модель использовалась главным образом для диалогов, связанных с искусственным интеллектом внутри произведения. Позднее автор уточняла обстоятельства работы и говорила, что первоначальную цифру назвала приблизительно.

Но заголовки успели приобрести собственную жизнь.

В этом случае особенно интересно само литературное решение. Писательница исследовала изменение человеческого языка под влиянием технологий и решила включить машинную речь непосредственно в художественный текст. Она использовала инструмент для решения конкретной задачи, связанной с темой произведения.

Жюри оценивало роман целиком: его замысел, композицию, героев и язык.

Поэтому говорить, что ChatGPT получил премию Акутагавы, примерно столь же разумно, как объявить победителем текстовый редактор, в котором писатель набирал рукопись. Нейросеть участвовала в создании отдельных фрагментов, но работа над произведением принадлежала Кудан.

Совсем иной опыт предпринял канадский писатель и журналист Стивен Марш.

В 2023 году под псевдонимом Эйдан Маршин вышла его детективная повесть Death of an Author. Для работы автор использовал сразу несколько генеративных инструментов: ChatGPT, Sudowrite и Cohere.

По заявлению Марша, около девяноста пяти процентов окончательного текста составляли машинные фрагменты.

Здесь уже нельзя ограничиться разговором о нейросети как об удобном помощнике для редактуры. Машина действительно создала большую часть предложений, из которых составлена книга.

Однако само устройство эксперимента показывает, насколько обманчиво понятие машинного авторства.

Марш заранее разработал литературный замысел, изучал детективные конструкции, подбирал стилистические требования, добивался от моделей нужных вариантов сцен и собирал полученный материал. Разные инструменты применялись для разных задач. Один генерировал исходный текст, другой помогал работать со стилем, третий использовался для образных сравнений.

Это требовало множества решений, которые читатель готовой повести уже не видит.

В рецензиях на Death of an Author отмечали, что результат получился вполне читабельным, хотя оценки художественных достоинств расходились. Для одних критиков книга стала любопытным свидетельством возможностей нового инструмента, другие увидели в ней прежде всего искусно собранный эксперимент.

Мне здесь особенно интересно положение самого Марша. Он фактически отказался от привычного способа писательской работы, при котором автор последовательно превращает собственные мысли в текст. Вместо этого ему пришлось управлять потоком чужих, пусть и машинных, формулировок, постоянно решая, какие из них соответствуют замыслу.

Писательская работа никуда не исчезла. Она приобрела другую форму, а вместе с ней появился вопрос, насколько далеко можно отойти от непосредственного создания фразы и всё ещё оставаться автором.

В России похожий эксперимент состоялся даже раньше.

В 2022 году издательство Individuum выпустило сборник Павла Пепперштейна «Пытаясь проснуться». В книгу вошли двадцать четыре рассказа, половину которых написал сам писатель, а вторую создала нейросеть ruGPT-3, дополнительно обученная на его произведениях и интервью.

Разработчики назвали модель НейроПепперштейном.

Читателям предложили своеобразную игру: определить, где заканчивается проза человека и начинается работа его цифрового двойника. Для этого в книге специально не раскрывали авторство каждого рассказа.

При подготовке проекта команда отбирала удачные машинные тексты, корректировала работу модели и следила за сходством её письма со стилем Пепперштейна. Здесь ИИ пытался воспроизвести манеру конкретного автора, чьи тексты послужили обучающим материалом.

Сам по себе замысел довольно остроумен. Ведь художественная индивидуальность писателя проявляется не только в выборе слов. Можно научить машину воспроизводить длину предложений, любимые обороты и характерные образы, но за произведениями человека стоят ещё его опыт, убеждения, память и история изменения собственного взгляда на мир.

Насколько убедительно нейросеть имитирует внешние признаки авторского стиля и способна ли выйти за их пределы, читатель мог попробовать решить самостоятельно.

В 2024 году появился ещё один отечественный литературный эксперимент: сборник «Механическое вмешательство», в котором известные писатели работали с нейросетью на основе YandexGPT.

Среди участников оказалась Яна Вагнер.

Её рассказ «30–70» в ноябре 2025 года получил премию имени Валентина Катаева за лучший рассказ.

Здесь уже существует вполне конкретный случай признания произведения, созданного в рамках проекта с участием искусственного интеллекта. Причём премия присуждена автору, а не технологической компании и не языковой модели.

Получается, что современные нейросети действительно нашли дорогу в серьёзную литературу. Иногда им поручают отдельные реплики, иногда целые фрагменты, а порой и самостоятельные рассказы.

Но ответ на вопрос о количестве по-настоящему хороших книг, созданных преимущественно машиной, от этого яснее почти не становится.

Кудан получила премию за собственный роман. Марш предпринял сложный редакторский эксперимент. Пепперштейн предложил читателю игру со стилем. Вагнер работала в рамках художественного проекта, а её рассказ оценило профессиональное жюри.

Все эти случаи интересны прежде всего решениями конкретных людей.

Искусственный интеллект оказался способен участвовать в литературной работе на разных этапах. Установить, сколько художественной ценности он создал самостоятельно, значительно труднее.

А между тем издательский рынок уже начал меняться под воздействием гораздо более массового явления.

Двадцать процентов книжной полки

В июле 2026 года четверо исследователей представили работу Generative AI floods and dilutes the market for books. Они изучили 14 419 самостоятельно опубликованных жанровых произведений, появившихся на Amazon с начала 2023 по весну 2026 года, и сопоставили результаты анализа текстов с данными о продажах.

Авторы пытались выяснить, что происходит с книжным рынком, когда производство литературных текстов резко дешевеет.

Получилась картина, которая заслуживает внимания любого человека, публикующего собственные произведения.

В двадцати процентах исследованных книг алгоритмы обнаружили существенное присутствие предположительно машинного текста. При этом на такие произведения приходилось только 12,1 процента проданных экземпляров и 11,3 процента выручки в исследованной выборке.

Уже здесь стоит сделать оговорку. Исследователи пользовались автоматическими методами обнаружения ИИ-текста, а такие инструменты способны ошибаться. По самому произведению далеко не всегда можно уверенно установить, каким способом оно создавалось, особенно после серьёзной человеческой редактуры.

Кроме того, речь шла о конкретном сегменте самостоятельной жанровой литературы, а не обо всех книгах мира.

Однако самое любопытное обнаружилось в динамике продаж.

За рассматриваемый период число произведений, имевших продажи в течение квартала, выросло примерно в девятнадцать раз. Общая квартальная выручка увеличилась менее чем в девять раз.

Книжный рынок получал новые произведения гораздо быстрее, чем росли деньги, которые читатели были готовы на них потратить.

Отдельные авторы могли выпускать десятки и даже сотни произведений, используя множество псевдонимов и практически непрерывную генерацию. Часть таких книг продавалась успешно, а некоторые достигали весьма заметных коммерческих показателей.

Промышленное производство литературных текстов перестало быть отвлечённой возможностью.

У этой истории есть довольно неприятная сторона для обычного писателя.

Человеку, который месяцами работает над романом, приходится конкурировать за внимание с авторами, способными выпускать новые книги еженедельно. На торговых площадках оба произведения существуют в одном каталоге, получают обложки, аннотации, рекламные объявления и рекомендации алгоритмов.

Покупатель далеко не всегда знает, сколько времени ушло на создание текста. Да и обязан ли он этим интересоваться?

Возможно, читатель ищет определённую историю, знакомые сюжетные схемы и приятный способ провести вечер. Если книга удовлетворяет его ожиданиям, технология изготовления может вообще не иметь значения.

В этом нет ничего удивительного. Литература всегда существовала и как искусство, и как развлечение, и как коммерческое производство. Ещё задолго до нейросетей популярные жанры знали писателей, выпускавших огромное количество произведений, издательские серии со строгими сюжетными требованиями и литературных помощников, работавших на известных авторов.

Теперь подобное производство получило инструмент, способный создавать связный текст почти без перерыва.

Вопрос в том, насколько далеко ему удастся продвинуться за пределы привычных конструкций.

Когда-то я считал, что главной проблемой машинной прозы станет её неспособность написать достаточно длинный текст. Сейчас эта трудность постепенно уходит. Модели работают с большими объёмами информации, поддерживают продолжительные диалоги, способны анализировать предыдущие главы и предлагать варианты развития сюжета.

Но увеличение объёма ещё не создаёт хорошую книгу.

Можно написать триста страниц, на которых всё время что-нибудь происходит, а после прочтения обнаружить, что среди этих событий почти нет запоминающихся людей. Герои произносят правильные слова, принимают ожидаемые решения, вступают в предусмотренные конфликты и переживают положенное развитие характера.

На первый взгляд история вполне исправна.

Только у неё отсутствует собственная жизнь.

Когда текст начинает сопротивляться

Иногда нейросеть предлагает абзац, который выглядит вполне литературно. В нём есть описание помещения, движение персонажа, внутренние мысли и даже удачно расположенная реплика. Прочитав фрагмент отдельно, можно решить, что работа почти закончена.

Но стоит поставить его между соседними сценами, как обнаруживаются проблемы.

Персонаж начинает говорить чужим голосом. Внутренняя мысль повторяет то, что читатель уже понял из его действий. Красивое описание задерживает сцену именно там, где необходимо движение. Реплика существует ради объяснения обстоятельств, которые оба собеседника прекрасно знают.

И особенно часто появляется соблазн закончить эпизод предложением, разъясняющим его смысл.

Машина охотно сообщает, что герой осознал важность случившегося, что прежняя жизнь закончилась, что впереди его ожидали испытания, к которым он ещё не был готов. Подобные фразы производят впечатление законченности, но постепенно превращают повествование в череду авторских подсказок.

Хорошая сцена обычно в них не нуждается.

Если человек боится, это можно увидеть по тому, как он держит руки, как меняется его речь, почему он вдруг начинает заниматься совершенно посторонним делом. Если разговор действительно оказался важным, его последствия проявятся в дальнейшем поведении героев.

Приходится возвращаться к тексту, вычищать объяснения, исправлять повторы, иногда полностью менять конструкцию сцены. Причём сделать это самостоятельно часто оказывается проще, чем в очередной раз пытаться объяснить модели, почему формально красивое предложение портит повествование.

Именно здесь проявляется различие между работой с литературой и программированием.

Когда мы создавали Aurora TV Launcher, у нас существовал вполне определённый результат, который можно было проверить. Приложение должно было открываться, кнопки должны были реагировать на действия пульта, выбранные программы должны были запускаться. Ошибка рано или поздно обнаруживалась на экране.

Разумеется, работоспособность сама по себе ещё не делает приложение качественным. У программы могут оставаться проблемы безопасности, производительности и устойчивости. Для серьёзного коммерческого продукта потребуются тестирование и дальнейшая поддержка.

Но в большинстве технических задач существует набор требований, выполнение которых можно установить достаточно объективно.

С прозой всё устроено иначе.

Читатель способен оценить роман совершенно не так, как рассчитывал автор. Герой, задуманный трагическим, может показаться смешным. Эпизод, над которым писатель работал несколько недель, иной человек прочитает равнодушно, зато случайная реплика неожиданно останется с ним на годы.

Литературное качество зависит от множества трудноуловимых связей между языком, личным опытом и восприятием.

Нейросеть может помочь с каждой отдельной частью этой работы. Но ответственность за целое остаётся у того, кто собирается поставить собственное имя на обложке.

При этом и в программировании всё далеко не так однозначно, как принято думать.

Летом 2025 года исследовательская организация METR опубликовала результаты эксперимента, в котором опытные разработчики работали над реальными задачами крупных открытых программных проектов. Им разрешали пользоваться современными ИИ-инструментами, после чего сравнивали время выполнения заданий.

Неожиданно выяснилось, что в этих условиях участники с ИИ тратили на работу в среднем на девятнадцать процентов больше времени.

Особенно интересно, что многие разработчики при этом ощущали ускорение. Им казалось, что работа идёт быстрее, хотя измерения показывали обратное.

Разумеется, исследование описывало конкретные инструменты и задачи начала 2025 года. С тех пор появились более совершенные модели, способные выполнять большие последовательности действий и самостоятельно работать с программными проектами.

В феврале 2026 года METR опубликовала новые наблюдения. Они указывали на вероятное улучшение производительности при использовании современных инструментов, однако исследователи признали, что теперь стало сложнее проводить чистые сравнения: многие программисты уже настолько привыкли к ИИ, что неохотно соглашались работать без него.

Мне кажется, здесь обнаруживается одна из самых интересных особенностей происходящего.

Новые инструменты постепенно меняют сам способ работы. Человек начинает выбирать задачи с учётом возможностей машины, иначе распределять время, по-другому подходить к поиску ошибок и проектированию.

В результате становится всё труднее отделить вклад нейросети от накопленного опыта пользователя.

Наш лаунчер появился за несколько часов во многом потому, что мы создавали сравнительно небольшой проект с понятными требованиями и могли сразу проверять результат. Попытка за те же пять часов написать полноценную операционную систему закончилась бы гораздо менее впечатляюще.

С большим романом происходит похожая история. Нейросеть действительно способна быстро создать черновик. Но автору предстоит решить, стоит ли этот черновик дальнейшей работы.

А иногда полезнее оказывается начать заново.

После того вечера

Сейчас искусственный интеллект позволяет делать удивительно многое. Можно самостоятельно создавать приложения, экспериментировать с игровыми механиками, строить небольшие интернет-сервисы и пробовать литературные формы, на которые прежде не хватало времени или специальных знаний.

Но вместе с доступностью инструментов меняется и значение самого факта создания.

Ещё недавно сообщение о том, что человек в одиночку разработал приложение, вызывало уважение уже потому, что за этим стояла серьёзная техническая работа. Теперь подобное достижение постепенно становится обычным. Программу можно собрать за вечер, и вскоре появится множество других людей, которые сделают почти то же самое.

Важнее становится следующий день.

Что разработчик обнаружит после первого запуска? Насколько удобно пользоваться его программой? Будет ли он исправлять ошибки, заниматься дизайном и совершенствовать функции, когда первоначальный азарт закончится?

С играми ещё сложнее. Технически работающий проект способен оказаться скучным уже через десять минут. Удачная механика требует множества испытаний, наблюдения за игроками и понимания причин, по которым людям хочется возвращаться.

А для писателя появление готового текста всегда было только частью работы. Рукопись приходится перечитывать, сокращать, перестраивать, проверять факты, менять сцены и иногда расставаться с особенно любимыми абзацами.

Теперь эта работа приобрела ещё одну особенность: нейросеть способна производить новые варианты практически без ограничений. Предложения, которые прежде писатель вымучивал часами, появляются за секунды. Можно попросить ещё десять, двадцать, пятьдесят.

Но обилие вариантов не облегчает необходимость выбирать.

И, возможно, способность отвергнуть удачно звучащий текст становится столь же важной, как умение его написать.

Я снова думаю о том вечере с телевизором. Примерно пять часов работы, множество исправлений, проверка на настоящем устройстве, а затем знакомый экран, на котором появилась собственная оболочка.

Никакой великой технологической победы здесь нет. Я просто сделал для себя удобную вещь, которую прежде едва ли взялся бы разрабатывать самостоятельно.

Однако за последние несколько лет таких возможностей появилось огромное количество. И теперь каждый человек, имеющий интересную идею и достаточно упорства, способен попробовать то, что ещё недавно оставалось за пределами его профессии.

Разумеется, далеко не всё получится. Многие проекты так и останутся экспериментами. Какие-то игры быстро забудут, приложения перестанут обновлять, а книги исчезнут среди тысяч новых публикаций.

Но время, которое прежде приходилось тратить на преодоление технического барьера, теперь можно потратить на саму идею.

В этом есть настоящая свобода.

Она, правда, довольно требовательная. Ведь когда инструмент способен выполнить почти любое внятно сформулированное поручение, человеку приходится гораздо тщательнее разбираться с собственными желаниями.

Раньше отсутствие специальных знаний служило вполне убедительным объяснением тому, почему задуманная вещь так и осталась замыслом.

Теперь объяснение постепенно теряет силу.

Я посмотрел на работающий Aurora TV Launcher и подумал о том, сколько ещё подобных идей годами лежит у людей в голове. Маленькие программы, необычные игры, истории, которые они давно собирались рассказать. Большинство из них никогда прежде не имело шанса превратиться во что-нибудь настоящее.

Сейчас такой шанс появляется.

А дальше всё зависит от того, насколько интересным окажется сам замысел и хватит ли человеку терпения довести его до ума.

Пожалуй, за пять часов работы над телевизором я получил именно это ощущение.

Возможность попробовать.

И она оказалась значительно ценнее готового APK-файла.