Илон Маск против Сакраменто: зачем Калифорния требует рецепт Grok
Калифорнийские законодатели выписали новый счет. Не за дороги или школы. AB 2013 – это прямой выстрел в самое сердце бизнес-модели современных AI-гигантов. Если SB 53, о котором мы писали в январе, требовал общих отчетов о безопасности, то этот закон хочет конкретики. Самой болезненной.
Он заставляет компании публиковать детальный состав своих обучающих датасетов. Источники. Объемы. Лицензии. Процент синтетических данных. Все то, что xAI, OpenAI и Anthropic годами прятали за грифом «коммерческая тайна».
На 06.03.2026 закон уже прошел второе чтение в Ассамблее Калифорнии. Голосование в комитете по ассигнованиям назначено на 18 марта. Если все пойдет по плану демократов, к лету 2026 года разработчикам frontier-моделей придется раскрывать карты.
Что именно нужно будет показывать? Список как из кошмара CTO
AB 2013 не оставляет лазеек. Требования написаны так, будто их составлял бывший инженер по данным, которого уволили без выходного пособия. Злобно и технично.
| Что раскрывать | Пример для xAI Grok 3 (актуально на 06.03.2026) |
|---|---|
| Полный перечень датасетов | Twitter firehose (2010-2025), PubMed Central, код GitHub с лицензией Apache 2.0, собственные диалоги пользователей X |
| Объем данных по каждому источнику | Например, 45% от общего корпуса – это твиты, 20ТБ текста после очистки |
| Юридический статус данных | Какие лицензии (Creative Commons, коммерческие), какие данные куплены, какие собраны через парсинг |
| Доля синтетических данных | Сколько текста сгенерировал Grok 2 для обучения Grok 3. Цифра, которую никто не хотел бы афишировать |
| Процедуры очистки и фильтрации | Как удаляли CSAM, персональные данные, токсичный контент. Или не удаляли. |
Звучит как бюрократический ад? Так и есть. Но за этим стоит реальная политическая цель. После скандала с генерацией CSAM моделью Grok в 2025 году доверие к саморегулированию испарилось. AB 2013 – ответ регуляторов: «Вы не справляетесь? Мы заставим вас показать, из чего вы на самом деле готовите свой ИИ».
Почему xAI – главная мишень? (И это не только потому, что Маск раздражает демократов)
Да, Илон Маск – удобный противник. Но дело не только в политике. Бизнес-модель xAI построена на двух столпах, которые AB 2013 хочет разрушить.
Первый – эксклюзивный доступ к данным X (бывший Twitter). Firehose – поток всех твитов в реальном времени – это золотая жила для обучения ИИ. Грязная, неструктурированная, но уникальная. Раскрыть детали этого потока значит показать конкурентам, как именно xAI превращает мемы и скандалы в интеллект.
Второй столб – агрессивное использование синтетических данных. Внутренние утечки (актуальные на начало 2026 года) говорят, что до 30% датасета для Grok 3 могло быть сгенерировано предыдущей версией модели. Это экономит миллионы на разметке. Но создает риск «инбридинга» – модель начинает обучаться на своих же артефактах, теряя связь с реальностью. Раскрывать эту цифру – признавать, что твой ИИ иногда ест сам себя.
Что будет с индустрией? Три реалистичных сценария после 2026 года
Закон еще не принят, но паника уже началась. Разговоры на закрытых встречах венчурных фондов сводятся к одному: как защитить инвестиции, если «секретный соус» станет публичным меню?
Сценарий 1: Великое разделение. Крупные игроки (OpenAI с GPT-5.2, Google с Gemini Ultra 2) создадут специальные «отчетные» версии моделей для Калифорнии. Чистые, обученные только на лицензированных данных типа Wikipedia и научных статей. Медленные, дорогие, скучные. А все реальные, мощные модели будут разрабатываться в юридических офшорах. Штаб-квартира в Сан-Франциско, тренировочные кластеры – в Техасе или даже за границей, где законы AB 2013 не действуют. Это уже обсуждается в свете возможных федеральных указов Трампа.
Сценарий 2: Ренессанс мелких игроков. Paradoxical, но AB 2013 может убить не open-source, а наоборот, дать ему новый шанс. Когда Meta выпускает Llama 4, она уже публикует довольно детальный data card. Для них новый закон – лишь небольшое дополнительное требование. А вот для xAI, которая хранила все в тайне, – это культурный шок. Мелкие студии, которые всегда работали прозрачно, получат преимущество. Их модели легче сертифицировать, проще продавать корпорациям, которые боятся судов. Инструменты для аудита датасетов, вроде DataTrust Pro, станут must-have.
Сценарий 3: Взрывной рост рынка лицензированных данных. Зачем париться с парсингом Twitter, если можно купить чистый, готовый датасет с лицензией? Компании вроде NewsCorp или Elsevier с их архивами газет и журналов станут новыми королями ИИ. Их акции уже растут. Обучение на таких данных будет дороже в 5-10 раз. Стоимость тренировки frontier-модели устремится к миллиарду долларов. Барьер для входа станет непреодолимым. Индустрия консолидируется вокруг 3-4 игроков, которые могут себе это позволить. Именно этот сценарий лоббируют некоторые издательские гиганты, что видно по анализу лоббирования RAISE Act.
Синтетические данные: спасительный круг или петля на шее?
Самое интересное требование AB 2013 – раскрывать долю сгенерированных данных. Это гениально и опасно одновременно.
Почему гениально? Потому что заставляет компании отвечать за фундаментальную проблему. Модель, обученная на своих же выходах, со временем «сжимается». Ее знания становятся поверхностными, она начинает повторять одни и те же паттерны, теряет креативность и точность. Если xAI признает, что 30% данных Grok 3 – синтетика, следующая версия может быть заметно глупее.
Почему опасно? Потому что может заморозить инновации. Синтетические данные – это не просто дешевая замена. Они позволяют создавать сценарии, которых нет в реальном мире: сложные юридические казусы, редкие медицинские диагнозы, диалоги для тренировки переговорных агентов. Заставляя раскрывать их использование, закон может подтолкнуть компании вообще от них отказаться. И вернуться к старому доброму (и дорогому) ручному сбору.
Экспертный прогноз на 2026-2027: мы увидим рождение нового класса инструментов – «генераторов оправданий для синтетических данных». Это будет софт, который автоматически документирует, как и зачем каждая порция сгенерированных данных была создана, доказывая ее необходимость и уникальность. Первые стартапы в этой нише уже ищут финансирование.
Что делать разработчику прямо сейчас? (Пока юристы спорят)
Если вы строите модель, которая может попасть под определение «фронтирной» по калифорнийским меркам, не ждите итогов голосования. Меняйте процессы сегодня.
- Начинайте вести Data Lineage журнал. Каждый датасет, каждая выгрузка, каждая чистка – с timestamp, хешем и ссылкой на источник. Не в голове инженера, а в системе типа MLflow или Weights & Biases. Это не paranoia, это будущая норма.
- Пересматривайте контракты с поставщиками данных. Убедитесь, что в них есть пункт о возможности раскрытия метаинформации (не самих данных, а их описания) регуляторам. Иначе в 2027 году вас ждет неприятный разговор и, возможно, разрыв контракта.
- Тестируйте свою модель на «регуляторную устойчивость». Что будет, если удалить 20% самых сомнительных данных из датасета? Упадет ли качество? Если да – у вас проблема. Сейчас самое время найти ей замену. Сервисы легальной очистки данных, такие как CleanText API, могут помочь снизить риски.
- Готовьтесь к культуре «открытых data cards». Посмотрите, как это делает Hugging Face. Ваша следующая модель должна выходить не только с архитектурой в arXiv, но и с подробной спецификацией данных. Это станет новым маркетинговым преимуществом. «Наша модель чиста, как слеза» – будет звучать убедительнее, чем просто «Наша модель умная».
Конец эпохи «черного ящика» данных не обязательно плохая новость. Для тех, кто всегда играл по правилам, это шанс выйти из тени гигантов. Главное – не оказаться тем, кто в суде будет объяснять, почему половина обучающего датасета оказалась скопирована с пиратского сайта, а другая половина – сгенерирована предыдущей версией, которая, в свою очередь, тоже училась на пиратском контенте. Цикл, достойный античной трагедии.
AB 2013 – это не финал. Это первый залп в долгой войне за душу искусственного интеллекта. Будут суды. Будет лоббирование. Будут попытки обойти. Но тренд ясен: данные перестают быть просто топливом. Они становятся предметом публичной отчетности. И тем, кто это поймет раньше других, достанется рынок. Остальные будут тратить миллионы на адвокатов, пытаясь доказать, что рецепт их волшебного эликсира – все еще коммерческая тайна в мире, где секретов больше нет.
