Почему я написал эту статью.
Я строю цифровые двойники на собственном железе — локально, с узкодоменными моделями, с непрерывным дообучением на реальных данных реальных задач. Параллельно работаю с публичными LLM. Это сравнение позволило убедиться: доминирующая архитектура автоматизации на базе глобальных языковых моделей системно создаёт барьеры между людьми и технологиями и накапливает ошибки скрыто. Архитектура на базе узкодоменных моделей устроена иначе — она не вытесняет человека, а развивает его когнитивные способности как ведущего звена в человеко-ИИ команде, и сама непрерывно дообучается. В своей области узкодоменная модель превосходит универсальную — именно в силу специализации.
Статья — попытка формализовать то, что я наблюдал на практике: работающая система не та, где человека исключают из контура, а та, где он встроен в него архитектурно. Это меняет всё — экономику, кадры, устойчивость.
Следуя шенноновскому пониманию энтропии, я назвал этот подход низкоэнтропийной автоматизацией. Идея простая: в замкнутой системе ошибки накапливаются; в открытой — сбрасываются. Один лесник с планшетом и правильной архитектурой видит больше, чем двадцать без неё.
Статья подготовлена для академического журнала. Здесь — препринт.
Why I wrote this article.
I build digital twins on my own hardware — locally, with narrow-domain models, with continuous fine-tuning on real data from real tasks. In parallel, I work with public LLMs. The contrast made one thing clear: the dominant automation architecture built on global language models systematically creates barriers between people and technology and accumulates errors silently. An architecture built on narrow-domain models is structured differently — it does not displace the human, it develops the cognitive capacity of the human as the leading agent in a human–AI team, and the system itself continuously fine-tunes. Within its domain, a narrow-domain model outperforms a general-purpose one — precisely because of specialization.
This article is an attempt to formalize what I have observed in practice: a working system is not one where the human is excluded from the loop, but one where the human is architecturally embedded in it. That changes everything — economics, workforce, resilience.
Following Shannon's understanding of entropy, I have called this approach low-entropy automation. The idea is simple: in a closed system, errors accumulate; in an open one, they are discharged. One forester with a tablet and the right architecture sees more than twenty without it.
The article has been prepared for an academic journal. What you have here is the preprint.