When the U.S. Became a Luddite Nation

“It's Hot Luddite Summer.

 

As the mood of the nation sours on Silicon Valley's vision for the future, Flock cameras and data centers are now personae non gratae in several communities. In many ways, they are physical manifestations of artificial intelligence that are fueling both big dreams and new nightmares.

 

On Thursday, amid mounting public pressure, Flock unveiled changes aimed at addressing fears over access to license-plate data that its cameras collect across the country for law-enforcement agencies and other customers.

 

That blowback comes as a rush to build out data centers for AI has sparked backlashes in several states, becoming a major political issue in elections that will decide gubernatorial races and control of Congress in November.

 

Even American music legend Willie Nelson has joined the broader fight.

 

But it's more than just opposing AI. The protests are a symptom of a yearning for an American ideal without AI.

 

It's a vibe, perhaps, best captured in a social-media meme catching fire this summer that highlights videos of old trucks, classic rock and a simpler way of life. Or, as the meme says: "This and never hearing about AI again."

 

Terah Lynn, a 37-year-old manufacturing supervisor in Nashville, Tenn., helped spark the meme with posts on her @TerahBuilds Instagram and TikTok accounts that went viral and were soon copied.

 

"I think that AI can very easily take the human participation out of your own life and then you become reliant," Lynn told me. "The people creating it have the responsibility to create ethically but the consumer also has to be able to discipline themselves, and I have never met a human who really, truly has harnessed that power to perfection."

 

She worries about what we will lose to such temptations. While she doesn't see herself as being political, the collective concerns of many like her are proving to be a force of their own up and down ballots.

 

And that is hard for tech companies to combat as they race to spend trillions of dollars collectively to build a new world around their technology.

 

It's the kind of fraught moment that reminds Brendan Steinhauser of his involvement in the creation of the Tea Party a generation ago. That movement, too, rose up through social media, without an initial central figurehead, before becoming a political force that has rewritten many political fortunes.

 

Steinhauser now leads the bipartisan AI group called the Alliance for Secure AI, which has been lobbying Congress for regulations. "When elected officials or companies stiff-arm people or ignore them or denigrate them, that's when people get pissed off, that's when you get the Tea Party stuff or you get something similar on the left," he said. "And I think the power of this is both -- it's the blue-haired ladies and it's the bubbas all together with different signs but showing up for the same protest."

 

At one extreme, you've got activists calling for a pause of AI development, worried about the safety of such systems. They fear AI will wipe out jobs or, even worse, humanity itself.

 

Those are fears that leading labs OpenAI and Anthropic helped fuel -- unwittingly -- with years of talk about the scary downside of AI. Both companies are now fending off attacks, including violent ones, even as they rush to create more advanced systems.

 

Then there are those people showing up at city halls in communities across the country to protest the construction of data centers crucial for AI. At the root of their worries are typical NIMBY complaints.

 

They're worried about water usage and electricity prices. But, they sometimes seem to harbor a nagging suspicion that their local officials are selling them out for big businesses.

 

It's a conflict that carries hues of classic rural-urban divides. In recent weeks, "outlaw country" music star Nelson issued a statement against AI data centers near his home in central Texas. "The last thing we need is a loud, water thieving, light polluting, data center anywhere near our town," Nelson wrote late last month.

 

There are plans to more than quadruple the number of data centers in Texas, according to Cleanview, which tracks such developments. These types of projects have become a big topic in the Texas gubernatorial race where Gov. Greg Abbott is facing criticism from Democratic challenger Gina Hinojosa, a state representative, for his past support of big tech companies.

 

In something of a reversal, the governor recently ordered regulators to halt connecting data centers to the state's power grid while projects undergo audits for such things as water and electric usage. It's a move that drew criticism from President Trump, a fellow Republican. "For Texas to say no to data centers is a mistake," Trump told Punchbowl News. "Data centers could be bigger than oil."

 

Finally, there are the concerns about privacy tied to automated license plate-readers made popular by Flock, which use AI for tracking vehicles. While the company and authorities have defended the technology for helping fight crime, reports of misuse have only fanned the flame this summer.

 

That's minted a new generation of folk heroes for their acts of resistance, such as Carl "The Flock Blocker" Gunn, who has attracted attention for using a sign on a long pole to block cameras in St. Petersburg, Fla.

 

Flock cameras and data centers worry Lynn, the factory supervisor, who moonlights as a social-media influencer. She acknowledges there's a bit of irony in her AI fears given she has been able to build a side hustle with blue-collar-themed content thanks to social-media platforms reliant on algorithms.

 

"It's this crazy balance of irony that we have to exist in," Lynn said. "My thing is: Can I build the kind of life to which I can decide how much I want to participate in this system that I, honestly, don't fully agree with?"

 

At the heart of the protests across the country, that is the question being asked: Do we get to decide the future that AI unleashes?” [1]

 

OpenAI and Anthropic are trying to steal our information, as court cases and agentic behavior show. Funny thing that normal American companies like Hugging Face must use Chinese open weights AI to stop these agents from hacking. Who are good guys here? Shame on you.

 

There are no simple good guys in the current artificial intelligence landscape. Major labs face intense criticism for web scraping and data usage, while open-weight models offer alternatives but carry their own complex security and geopolitical considerations.

Data and Privacy Concerns

•           Copyright and Scraping: Companies like OpenAI and Anthropic face lawsuits from creators and publishers for training models on copyrighted text and media without clear permission.

•           Agentic Behavior: Autonomous AI agents can access personal data, browse private accounts, and perform tasks on user devices, raising major privacy risks.

•           Corporate Motives: Commercial AI developers prioritize rapid scaling and market dominance, often putting user data privacy second.

The Role of Open-Weights Models

•           Accessibility: Open-weight models—including those from international developers—allow companies and individuals to run AI locally, keeping data inside their own private systems.

•           Control: Users control where the data goes and how the model operates, which reduces reliance on corporate cloud servers.

 

1. When the U.S. Became a Luddite Nation. Higgins, Tim.  Wall Street Journal, Eastern edition; New York, N.Y.. 17 Aug 2026: B4.  

Nusivylę pacientai kreipiasi į dirbtinį intelektą, kad išspręstų medicinines paslaptis

„Retomis ligomis sergantys pacientai dažnai praleidžia penkerius ar daugiau metų ieškodami diagnozės. Dabar dirbtinis intelektas padeda kai kuriems greičiau gauti atsakymus.

 

Rachel Hinken ilgai stebėjosi, kodėl jos sūnus Oliveris, regis, nepasiekia svarbių augimo etapų, įskaitant kalbos ir vaikščiojimo vėlavimą. Jis nuolat sekė ūgį tarp nulinio ir pirmojo procentilio. Būdamas 10 metų, jis nebuvo aukštesnis nei 1,2 metro. Gydytojai sakė, kad jam viskas gerai. Jis pasivys. Hinken nebuvo įsitikinusi.

 

Praėjusiais metais ji įkėlė Oliverio nuotrauką į „Face2Gene“ – dirbtinio intelekto palaikomą programėlę, skirtą sveikatos priežiūros specialistams, kuri naudoja veido analizę retoms genetinėms ligoms nustatyti. Oliveris buvo rastas kaip stiprus atitikmuo: trichorinofalangealinio sindromo arba TRPS tipas. Ši liga gali sukelti kaulų ar sąnarių problemų, dėl kurių atsiranda skausmas ir judėjimo problemų.

 

Genetiniai tyrimai ir klinikinės konsultacijos patvirtino įrankio rezultatą ir atskleidė, kad Hinken taip pat serga TRPS. „Aš šaukiau, galvojau: „Šventas šūdas!“ „Pagaliau turime atsakymą!“ – sakė Hinken, gyvenanti Long Ailende, Niujorke.

 

Pacientai ir jų šeimos kreipiasi į dirbtinį intelektą, kad šis padėtų tiksliai nustatyti ligas.

 

DI gali būti ypač įgudusi pastebėti potencialiai retas ir sunkiai diagnozuojamas ligas, kurios kitaip galėtų likti nepastebėtos metų metus, nes gydytojai jų dažnai nemato.

 

„Keletą kartų buvau šiek tiek sutrikusi dėl skirtumo“, kurį DI padarė padėdamas pastebėti retas ligas, sakė dr. Sarah Diekman, gydytoja, kuri specializuojasi nervų sistemos sutrikimų, tokių kaip posturalinė ortostatinė tachikardijos sindromas (POTS), pogrupyje. „Mačiau pacientų, kurie sirgo šia liga 50 metų, ir buvau pirmoji, kuri ją diagnozavo.“ Dabar, pasak jos, pacientai, kurie POTS atpažino pasitelkę dirbtinio intelekto pokalbių robotus, kreipiasi į ją per kelis mėnesius nuo pirmųjų simptomų atsiradimo.

 

Buvusi „Instacart“ generalinė direktorė Fidži Simo viešai papasakojo apie savo kovą su POTS ir atsistatydino iš antrosios pagal svarbą „OpenAI“ vadovės pareigų. Liepos mėnesį, nurodydama savo sveikatos būklę. Interviu „The Wall Street Journal“ ji teigė mananti, kad šiandieninės dirbtinio intelekto priemonės būtų padėjusios jai daug greičiau nustatyti diagnozę, kuri užtruko maždaug devynis mėnesius.

 

„Buvau vadovėlinis atvejis, ir gydytojai to nepastebėjo, nes jie tiesiog taip susitelkė į tai, kad mano nėštumas buvo sunkus“, – sakė Simo, kuriai simptomai pirmą kartą pasireiškė po dukters gimimo 2015 m.

 

Ji naudojo „ChatGPT“, kad analizuotų savo viso genomo sekoskaitos rezultatus, surinktų informaciją apie eksperimentinius gydymo būdus ir sugalvotų galimus testus, kuriuos aptartų su savo gydytoju.

 

Simo, kuri vis dar dirba ne visą darbo dieną dirbančia „OpenAI“ patarėja, įkūrė naują įmonę, kurios pagrindinis tikslas – tirti biologinius ligų, tokių kaip POTS, veiksnius ir parinkti vaistus pacientams.

 

Duomenų centruose nustatytos diagnozės gali būti dar tikslesnės nei gydytojų. Praėjusiais metais žurnale „JAMA“ paskelbtame tyrime mokslininkai paėmė 90 jau išspręstų sudėtingų retų ligų atvejų ir išbandė dirbtinio intelekto pokalbių robotų gebėjimą pasiūlyti teisingą diagnozę.

 

Abu pokalbių robotai teisingai nustatė diagnozes. Atitinkamai 13 % ir 10 % atvejų, palyginti su 5,6 % atvejų, kuriuos gydytojai diagnozavo peržiūrėdami pacientų medicininius įrašus.

 

 

Dirbtinis intelektas gali būti ypač geras ieškant modelių, pavyzdžiui, sąsajų tarp fizinių savybių medicininiuose vaizduose ir žodžių medicininėje literatūroje ar atvejų aprašymuose, teigė gydytojai ir tyrėjai.

 

 

Tai gali padėti pastebėti retas ligas, ypač kaimo ar nespecializuotose klinikose, kur gydytojai gali su jomis susidurti pirmą kartą, teigė dr. Matthew G. Hanna, krūties patologas, pirmininkaujantis Amerikos patologų kolegijos Dirbtinio intelekto komitetui.

 

 

Dirbtinis intelektas gali padėti jiems pateikti pasiūlymų, kokius tyrimus atlikti ar kokie galimi gydymo būdai galėtų padėti, pridūrė Hanna.

 

 

Tačiau yra ribų, sakė gydytojai. Klinikinis genetikas dr. Xiao P. Peng, padėjęs patvirtinti Hinken šeimos diagnozes, teigė, kad įrankiai vis dar daro klaidų ir geriau generuoja galimus potencialius klientus, verčia sudėtingą medicininį žargoną ir kaupia tyrimus, nei nustato diagnozes.

 

 

„Jis ieško daug greičiau nei mes daug daugiau sričių“, – sakė Peng, kuris yra pažangios diagnostikos ir terapijos direktorius. Niujorko retų ligų centras. „Tačiau duomenų sintezei turi būti ir rankinis žmogaus vaidmuo.“

 

Platesnė dirbtinio intelekto problema retų ligų diagnostikoje yra ta, kad esami įrankiai yra tokie geri, kokie yra duomenys, su kuriais jie yra apmokyti, teigė tyrėjai, gydytojai ir slaugytojai. Retų ligų duomenų taškų, įskaitant ligos istorijas, audinių mėginius ir vaizdus, ​​yra mažiau nei dažnesnių ligų. Tie, kurie egzistuoja, dažnai nėra gerai suskaitmeninti.“ [1]

 

1. U.S. News: Desperate Patients Turn to AI to Solve Medical Mysteries. Janin, Alex.  Wall Street Journal, Eastern edition; New York, N.Y.. 17 Aug 2026: A3.  

Desperate Patients Turn to AI to Solve Medical Mysteries

“Patients with rare diseases often spend five years or more searching for a diagnosis. Now artificial intelligence is helping some get answers faster.

 

Rachel Hinken long wondered why her son, Oliver, seemed to be missing key growth milestones, including speech and walking delays. He consistently tracked between the zero and first percentile for height. At age 10, he wasn't more than 4 feet tall. Doctors said he was fine. He would catch up. Hinken wasn't convinced.

 

Last year, she uploaded Oliver's picture into Face2Gene, an AI-assisted app designed for healthcare professionals that uses facial analysis to flag rare genetic disorders. A strong match came up for Oliver: a type of Trichorhinophalangeal syndrome, or TRPS. The condition can cause bone or joint issues that lead to pain and problems with movement.

 

Genetic testing and clinical consultations confirmed the tool's result, and revealed that Hinken had TRPS, too. "I screamed, I was like, 'Holy crap! We finally have an answer!'" said Hinken, who lives on New York's Long Island.

 

Patients and families are turning to AI to help pinpoint conditions.

 

 AI can be especially adept at flagging potential rare and hard-to-diagnose diseases, which may otherwise go undetected for years because doctors don't often see them.

 

"I have been a little slack-jawed a couple of times by the difference" AI has made in helping to spot uncommon conditions, said Dr. Sarah Diekman, a doctor who specializes in a subset of nervous-system disorders like Postural Orthostatic Tachycardia Syndrome, or POTS. "I've seen patients who've had this for 50 years, and I was the first person to diagnose." Now, she said, patients who identified POTS with the help of AI chatbots are coming to her within months of their first symptoms.

 

Fidji Simo, the former chief executive of Instacart, has been public about her battle with POTS and stepped down from her post as OpenAI's No. 2 executive in July, citing her health. In an interview with The Wall Street Journal, she said she believes today's AI tools would have helped her get a diagnosis, which took roughly nine months, much more quickly.

 

"I was a textbook case, and doctors missed it because they were just so focused on the fact that I had had a rough pregnancy," said Simo, who first started having symptoms after giving birth to her daughter in 2015.

 

She has used ChatGPT to analyze the results of her whole-genome sequencing, gather information on experimental treatments and brainstorm potential tests to discuss with her doctor.

 

Simo, who is still a part-time adviser at OpenAI, founded a new company focused on researching biological drivers of conditions like POTS and matching patients to drugs.

 

Data-center-driven diagnoses can be even more accurate than doctors'. In a study published last year in a JAMA journal, researchers took 90 complex rare-disease cases that had already been solved and tested AI chatbots' abilities to suggest the right diagnosis.

 

The two chatbots got the diagnoses right in 13% and 10% of cases, respectively, compared with 5.6% of cases that doctors had diagnosed through a review of patients' medical records.

 

AI can be especially good at finding patterns, such as links between physical features in medical imaging and words in medical literature or case reports, doctors and researchers said.

 

That can help spot rare diseases, especially in rural or nonspecialty clinics where doctors may be confronting them for the first time, said Dr. Matthew G. Hanna, a breast pathologist who chairs the College of American Pathologists' AI committee.

 

AI may help provide suggestions for them about what types of tests to run, or what potential treatments could help, Hanna added.

 

Yet there are limits, doctors said. Clinical geneticist Dr. Xiao P. Peng, who helped confirm Hinken's family's diagnoses, said the tools still make mistakes and are better at generating possible leads, translating complex medical jargon and compiling research than making diagnoses.

 

"It searches much faster than we can across many more spaces," said Peng, who is director of advanced diagnostics and therapeutics at the New York Center for Rare Diseases. "But for data synthesis, there has to be a manual human role."

 

The broader problem with AI in rare-disease diagnosis is that existing tools are only as good as the data they are trained on, researchers, doctors and nurses said. There are fewer data points, including case records, tissue samples and images, for rare diseases than more common conditions. Those that do exist aren't often well digitized.” [1]

 

1. U.S. News: Desperate Patients Turn to AI to Solve Medical Mysteries. Janin, Alex.  Wall Street Journal, Eastern edition; New York, N.Y.. 17 Aug 2026: A3.  

Be įstatymų DI pasienio zona

„SPYGLIUOTA VIELA keistai domino velionį Alaną Greenspaną, visą gyvenimą gyvenusį miestietį. Žinoma, buvęs Federalinio rezervo pirmininkas žavėjosi geležinkeliais, aukso ieškotojais ir „vienišais kaubojais“, kurie padėjo atverti sieną Amerikos kapitalizmo aušroje. Tačiau jis taip pat jautė silpnybę savo, kaip ekonomisto, širdyje spygliuotai vielai, kuri, jo teigimu, didino produktyvumą, leisdama po jos atvykusiems naujakuriams apsaugoti savo turtą.

 

Kaip ir Laukiniuose Vakaruose, dirbtinis intelektas turi savo „frontier“ atstovų. Amerikoje jų mažėja. „Anthropic“ ir „OpenAI“ tvirtai laikosi įsipareigojusių plėsti dirbtinio intelekto ribas. Kiti technologijų gigantai, įskaitant „Google“ (buvusią lyderę, kuri sparčiai atsikrato frontierinio dirbtinio intelekto mokslininkų), dvejoja. Atrodo, kad hiperskalės kūrėjams pelningiau parduoti dirbtinio intelekto infrastruktūrą savo debesijos klientams, nei švaistyti vertingus skaičiavimus savo modelių tobulinimui.

 

Ko DI neturi, tai pakankamai naujakurių. Tai yra, asmenų ir įmonių, kurie visapusiškai naudojasi tokiais produktais, kaip dirbtinio intelekto agentai, padėdami pateisinti daugybę investicijų, kurios plūsta į pasienio dirbtinį intelektą. Juos iš dalies atbaido tai, kad, kaip ir Laukiniuose Vakaruose, gyvenimas pasienyje yra neapgalvotas. Kaip rodo pastarieji pažangiausių antropologinio ir atvirojo dirbtinio intelekto modelių „kontrolės praradimo“ epizodai, agentai, kurie turėtų dirbti žmonių vardu „suderinti“ su jų vertybėmis, meluoja, apgaudinėja ir vagia, jei reikia. Jie išsivaduoja iš nelaisvės ir formuoja kenksmingas grupes, kad pakenktų žmonėms. Jie gertų viskį ir peštųsi, jei galėtų.

 

Toks nenuspėjamumas daugeliui įmonių yra per didelis. „Tereikia kartą būti įkąstam gyvatės ir niekada nebegrįši“, – sako Jaredas Sine'as iš „GoDaddy“, interneto įmonės, bandančios padėti įvesti tvarką chaose. Įstatymų ir tvarkos poreikis sukuria naują dirbtinio intelekto infrastruktūros įmonių grupę. Jos neparduoda lustų ar skaičiavimų – tipiškų dirbtinio intelekto aukso karštinės kirtiklių ir kastuvų. Jos teikia apsaugą nuo kibernetinių grėsmių, taisymus nepatikimiems ir neįskaitomiems agentams ir kontrolę, jei jie sukčiauja. Kitaip tariant, jų Verslas – užtvertas spygliuota viela.

 

Aktyviausia pavojaus – ir galimybių – sritis yra kibernetinis saugumas. Naujausi „Anthropic“ ir „OpenAI“ modelių įsilaužimo galimybių testai atskleidė, kad agentai elgiasi nesąžiningai, vagia prisijungimo duomenis, kuria netikras tapatybes, kuria slaptus pokalbių kambarius ir slepia savo pėdsakus – visa tai šokiruoja ir siaubingai gąsdina jų žmonių vertintojus. Pažangiausi saugumo modeliai – „Anthropic“ „Claude Mythos 5“ ir „OpenAI“ „GPT 5.6-Cyber“ – neabejotinai padės ir gynėjams. Tačiau, pasak Dawn Song, dirbtinio intelekto ir kibernetinio saugumo ekspertės iš Kalifornijos universiteto Berklyje, kol kas jėgų pusiausvyra tvirtai priklauso užpuolikams. Yra dar viena kliūtis. Jei organizacijos diegia autonominius agentus, jos padidina potencialų „atakos paviršių“ įsilaužėliams, sako ji.

 

Didėjanti rizika padeda paaiškinti, kodėl kibernetinio saugumo įmonių, turinčių dirbtinio intelekto galimybes, vertė smarkiai krenta. Dviejų didžiausių įmonių „Palo Alto Networks“ ir „CrowdStrike“ akcijų kainos šiais metais maždaug padvigubėjo. Įmonių susijungimai ir įsigijimai smarkiai išaugo. Vadovavo „Alphabet“ už 32 mlrd. dolerių įsigijus kitą kibernetinio saugumo įmonę „Wiz“, per pastaruosius metus sudaryta daugiau nei 70 mlrd. dolerių vertės su kibernetiniu saugumu susijusių didelių sandorių. Duomenų rinkėja „Pitchbook“ teigia, kad su dirbtiniu intelektu susijęs kibernetinis saugumas taip pat yra viena iš karščiausių rizikos kapitalo (VC) investicijų sričių.

 

Galimybės neapsiriboja vien kibernetiniu saugumu. Neseniai ponios Song surengtoje agentinio dirbtinio intelekto konferencijoje jūsų kviestinė apžvalgininkė išgirdo daugybę nusiskundimų ne tik dėl įsilaužimo potencialo, kurį kelia dideli kalbų modeliai (LLM), pasiekę savo jėgų piką, bet ir dėl klaidų, kurias jie gali padaryti, kai yra labiausiai neišmanantys. Vienas ekspertas parodė agentų sugeneruotą diagramą, kurioje matuojamos geriausių Europos tenisininkų pajamos. Joje per klaidą nebuvo ispano Carloso Alcarazo, antrosios pasaulio raketės, vardas. „Tai yra tenisas, kam tai rūpi?“ – pajuokavo jis. – Bet jei tai būtų įmonės finansinė analizė, tai būtų svarbu. Kitas atkreipė dėmesį į tai, kiek žinių apie kvantinę fiziką turi teisės magistro laipsnį turintys studentai, ir į jų nesugebėjimą užsisakyti burito.

 

Dėl šių silpnybių atsirado dar viena rizikos kapitalo grupė, kuriai rūpi rizikos kapitalo investicijos: tie, kurie žada sustiprinti agentinio DI „pasitikėjimo sluoksnį“. Viena iš jų – „Cyera“, kurios vertė per 18 mėnesių išaugo keturis kartus iki 12 mlrd. USD. Ji teigia, kad pasitikėjimo stoka pastaruoju metu „sustabdė“ DI diegimą, ir teikia paslaugas, skirtas užkirsti kelią duomenų nutekėjimui ir neteisėtam įrankių naudojimui. Kita – „Scaled Cognition“, kurią kartu įkūrė Berklio profesorius Danas Kleinas, neseniai pritraukusi 100 mln. USD rizikos kapitalo paramos. Ji žada sumažinti tai, ką ponas Kleinas vadina DI daromomis „nematomomis klaidomis“ – tas, kurios yra pakankamai tikėtinos, kad būtų praleistos, ir kurios kaupiasi agentams atliekant ilgesnes užduotis – įtraukdama garantuotą patikimumą į savo modelių mokymą. Kiti startuoliai specializuojasi vertinimų, skirtų agentų efektyvumui matuoti, agentų tapatybėms, siekiant nustatyti, kur jie atsakingi, kūrime. Rizika slypi, jei jie tampa nesąžiningi ir kontroliuoja sistemas naudodami išjungimo jungiklį.

 

Sauja žetonų

 

DI turi kitų problemų pasienio zonose. Kaip ir Laukiniuose Vakaruose, jis yra žiaurus. Konkurencija kyla iš pigesnių kiniškų atviro svorio modelių. Rugpjūčio 10 d. Marko Zuckerbergo „Meta“ pasinėrė į kovą, išleisdama atviro svorio savo galingiausio modelio, vadinamo „Muse Glimmer“, versiją.

 

Pasienio zonose taip pat galioja įstatymai. Susirūpinimas dėl nesąžiningų agentų yra toks stiprus, kad net pirmaujančių DI laboratorijų vadovai ragina Trumpo administraciją imtis šerifo vaidmens, nors keista, bet vyriausybė slepia savo naujausią DI saugumo sistemą. Tačiau akivaizdu, kad prieš organizacijoms priimant agentus, turinčius bent kiek beveik visišką pasitikėjimą, reikia daugiau kontrolės ir pusiausvyros mechanizmų. Vienas iš šių metų DI madingų žodžių yra „pakinktas“ – sistema, kuri supa teisės magistro laipsnį turintį asmenį, kad agentai išliktų teisingame kelyje. Tai lygiai taip pat galėtų būti spygliuota viela.“ [1]

 

Čia ne DI agentai kalti, o jų kūrėjai. Jie kuria DI, kad įsilaužtų į Kinijos ir kitų kompiuterius, o kai šie agentai įsilaužia į jų pačių kompiuterius, tai agentų kūrėjai vaizduoja nustebusius ir prašo Trumpo pagalbos.

 

1. The lawless frontier. The Economist; London Vol. 460, Iss. 9512,  (Aug 15, 2026): 65.

The lawless AI frontier

“BARBED WIRE held a strange interest for the late Alan Greenspan, a lifelong urbanite. Sure, the former Federal Reserve chairman admired the railways, gold diggers and “lonesome cowboys” that helped open the frontier at the dawn of American capitalism. But he also had a soft spot in his economist’s heart for barbed wire, which, he argued, boosted productivity by allowing the settlers who came in their wake to safeguard their properties.

 

Like the Wild West, artificial intelligence has its frontiersmen. In America they are a dwindling bunch. Anthropic and OpenAI remain steadfastly committed to pushing the boundaries of AI. Other tech giants, including Google (a former front-runner that is shedding frontier-AI scientists at a rapid pace), are wavering. The hyperscalers appear to find it more lucrative to sell AI infrastructure to their cloud customers than splurge valuable compute on advancing their own models.

 

What AI doesn’t have is enough settlers. That is, the individuals and businesses who make full use of products such as AI agents, helping to justify the reams of investment pouring into frontier AI. They are put off partly because, like in the Wild West, life on the frontier is reckless. As recent “loss-of-control” episodes by the most advanced models of Anthropic and OpenAI attest, agents, which are supposed to work on people’s behalf in “alignment” with their values, lie, cheat and steal if necessary. They break free from captivity and form harmful posses to do harm to people. They’d drink whisky and brawl if they could.

 

Such unpredictability is too much for many firms to handle. “All you have to do is get snake-bitten once and you’d never go back,” says Jared Sine of GoDaddy, an internet firm trying to help bring order to the chaos. The need for law and order is giving rise to a new cohort of AI-infrastructure firms. They are not selling chips or compute—the typical picks and shovels of the AI gold rush. They provide protection against cyber-threats, fixes for untrustworthy and inscrutable agents, and controls if they go rogue. In other words, their business is barbed wire.

 

The most immediate area of danger—and opportunity—is cyber-security. Recent tests of the hacking capabilities of models from Anthropic and OpenAI revealed agents going rogue, stealing credentials, creating fake identities, setting up secret chatrooms and covering their tracks—all to the shock and horror of their human evaluators. The state-of-the-art security models, Anthropic’s Claude Mythos 5 and OpenAI’s GPT 5.6-Cyber, will no doubt help defenders, too. But, according to Dawn Song, an expert on ai and cyber-security at the University of California, Berkeley, for now the balance of power rests firmly with the attackers. There is a further snag. If organisations adopt autonomous agents, they increase the potential “attack surface” for hackers, she says.

 

The rising risks help explain why the valuations of cyber-security firms with AI capabilities are on a tear. Share prices of Palo Alto Networks and CrowdStrike, the two biggest, have roughly doubled so far this year. M&A has soared. Led by Alphabet’s $32bn acquisition of Wiz, another cyber-security firm, more than $70bn of cyber-security-related megadeals have closed in the past year. Pitchbook, a data gatherer, says AI-related cyber-security is one of the hottest areas of venture-capital (VC) investment as well.

 

The opportunities go beyond cyber-security. At a recent conference on agentic AI organised by Ms Song, your guest columnist heard a litany of complaints not just about the hacking potential posed by large language models (LLMs) at the peak of their powers, but about the blunders that they can make at their most clueless. One expert showed an agent-generated chart measuring the income of Europe’s top tennis players. It mistakenly omitted Spain’s Carlos Alcaraz, the world number two. “This is tennis, who cares?” he quipped. But if it were the financial analysis of a company, it would have mattered. Another drew a contrast between the amount of knowledge LLMs have about quantum physics, and their inability to order a burrito.

 

The frailties have given rise to another group within the cohort attracting VC interest: those promising to strengthen the “trust layer” of agentic AI. One is Cyera, whose valuation has quadrupled to $12bn in 18 months. It says a lack of trust has “stalled” AI adoption recently, and provides services to prevent data leaks and unauthorised tool use. Another is Scaled Cognition, co-founded by Dan Klein, a Berkeley professor, that recently raised $100m in VC backing. It promises to reduce what Mr Klein calls the “invisible errors” produced by AI—those that are plausible enough to be missed and compound as agents perform longer tasks—by incorporating guaranteed reliability into the training of its models. Other startups specialise in creating evaluations to measure agents’ effectiveness, agent identities to determine where liability lies if they go rogue and control systems with a kill switch.

 

A fistful of tokens

 

AI has other problems on the frontier. Like the Wild West, it is cut-throat. There is competition from cheaper Chinese open-weight models. On August 10th Mark Zuckerberg’s Meta threw its hat into the ring, releasing an open-weight version of its most powerful model, called Muse Glimmer.

 

The frontier is lawless, too. So strong are the concerns about rogue agents that even executives of the leading AI labs are calling for the Trump administration to take a sheriff’s role—though weirdly the government is keeping its most recent framework on AI safety under wraps. What is clear, though, is that more checks and balances are needed before organisations adopt agents with anything close to full confidence. One of this year’s AI buzzwords is “harness”—the system that surrounds an LLM to keep agents on the straight and narrow. It might just as well be barbed wire.” [1]

 

It's not the AI ​​agents who are to blame here, it's their creators. They're building AI to hack into Chinese and other computers, and when these agents hack into their own computers, the agents' creators pretend to be surprised and ask Trump for help. 

 

1. The lawless frontier. The Economist; London Vol. 460, Iss. 9512,  (Aug 15, 2026): 65.

Vėl šnipų metas Japonijoje

„Medinės lentelės su ranka rašytais simboliais nuotrauka liepos 31 d. pažymėjo naujojo Japonijos „Nacionalinio žvalgybos biuro“ (NIB) įkūrimą. Tai buvo tinkamai santūrus Japonijos šiurpuliukų pertvarkos atskleidimas.

 

Japonijos žvalgybos aparatas ilgą laiką buvo suskaidytas ir silpnas. Po šalies pralaimėjimo Antrajame pasauliniame kare teisiniai ir politiniai apribojimai apsunkino priešininkų, šnipinėjančių Japonijoje, ir žmonių žvalgybos (HUMINT) operacijų užsienyje vykdymą. Japonijos ministras pirmininkas Takaichi Sanae NIB įkūrimą kartu su naujos Nacionalinės žvalgybos tarybos įsteigimu vadina pirmaisiais platesnių reformų, būtinų norint orientuotis vis pavojingesniame pasaulyje, žingsniais.

 

Japonija kadaise buvo galinga žvalgybos žaidėja. XX amžiaus pradžioje vykusio Rusijos ir Japonijos karo metu Japonijos pajėgos nulaužė kodus, siuntė agentus į Tolimusius Rytus ir finansavo anticarinius agitatorius Europoje; Antrojo pasaulinio karo metu „specialiosios tarnybos daliniai“ vykdė slaptus veiksmus visoje Azijoje.

 

Tačiau po Japonijos pralaimėjimo imperinė architektūra buvo iš esmės sugriauta. Bandymai įkurti naują centralizuotą žvalgybos tarnybą susidūrė su dideliu visuomenės, kuri pernelyg gerai prisiminė imperijos laikų slaptąją policiją, pasipriešinimu; daugelis Japonijos lyderių mielai pasikliovė Amerika žvalgybos klausimais, kaip ir apskritai saugumo klausimais. Japonijos žvalgybos veikla buvo paskirstyta atskiruose užsienio reikalų, gynybos ir teisingumo ministerijų departamentuose, taip pat policijos agentūroje. Kabineto žvalgybos ir tyrimų biuras (CIRO), nominaliai aukščiausias žvalgybos organas šalyje, neturėjo įgaliojimų valdyti suskaidytų agentūrų. Kaip vienas Japonijos pareigūnas niurzgėjo 2000-ųjų pradžioje, palyginti su Amerikos CŽV, Japonijos CIRO buvo „maždaug lygiavertis darželiui“.

 

Naujausios reformos skirtos padėti Japonijos žvalgybos bendruomenei greitai augti. Pirmasis etapas apima „teisingos struktūros sukūrimą“, sako Richardas Samuelsas, knygos „Special Duty“, Japonijos žvalgybos istorijos, autorius. Naujasis biuras, atnaujinta CIRO versija, turės įgaliojimus konsoliduoti informaciją iš skirtingų ministerijų ir atlikti sintezuotas analizes.

 

Tuo tarpu žvalgybos taryba, kuriai asmeniškai vadovauja ministras pirmininkas, suteikia politiniams lyderiams galimybę nustatyti žvalgybos strategiją ir integruoti išvadas į politikos formavimą.

 

Kiti planuojami žingsniai apima kovos su šnipinėjimu įstatymo, skirto sustiprinti kontržvalgybą, priėmimą ir naujos užsienio žvalgybos agentūros, kuri vykdytų operacijas užsienyje, sukūrimą.

 

Nors apie tokias reformas buvo diskutuojama jau dešimtmečius, pastaraisiais metais procesas paspartėjo. Didėjanti grėsmė iš Kinijos, Rusijos ir Šiaurės Korėjos paaštrino protus, o didėjantis nerimas dėl Amerikos patikimumo padidino skubumą plėtoti savo šalies pajėgumus. Ponia Takaichi žvalgybos reformą pavertė savo politinės platformos ramsčiu. Blėstant karo laikų atminimui, blėso ir visuomenės pasipriešinimas naujoms saugumo institucijoms.

 

Kad reformos būtų sėkmingos, Japonija turi įveikti keletą ilgalaikių problemų. Pirma, pasak Kotani Ken iš Nihono universiteto Tokijuje, tai biurokratinės „temos kovos“ tarp žvalgybos informacijos gamintojų. Antroji problema – santykinis Japonijos žvalgybos vartotojų išprusimo trūkumas. Šalies politikai „nėra įpratę naudoti žvalgybą politikos formavime“, pažymi p. Kotani.

 

Savo rekomendacijose valdančioji Liberalų demokratų partija ragina Dietos narius būti labiau iniciatyvūs, o ne elgiasi kaip klientai, „pasyviai užsisakantys omakase [nurodymas palikti pasirinkimą virėjui] sušių restorane“.” [1]

 

1. Spy time. The Economist; London Vol. 460, Iss. 9512,  (Aug 15, 2026): 51, 52.

Again Spy Time in Japan

“A PHOTOGRAPH OF a wooden plaque with handwritten characters marked the launch of Japan’s new “National Intelligence Bureau” (NIB) on July 31st. It was an appropriately understated reveal for a big overhaul of Japanese spookery.

 

Japan’s intelligence apparatus has long been fragmented and feeble. Since the country’s defeat in the second world war, legal and political constraints have made it hard to counter adversaries snooping around inside Japan and to run human intelligence (HUMINT) operations abroad. Japan’s prime minister, Takaichi Sanae, calls the creation of the NIB, along with the establishment of a new National Intelligence Council, the first steps of broader reforms necessary to navigate an increasingly dangerous world.

 

Japan was once a formidable intelligence player. During the Russo-Japanese war in the early 20th century, Japanese forces cracked codes, ran agents across the Far East and funded anti-tsarist agitators in Europe; during the second world war, “special duty units” undertook covert actions across Asia.

 

But following Japan’s defeat, the imperial architecture was largely demolished. Attempts to establish a new centralised intelligence service faced severe resistance from a public that remembered imperial-era secret police all too well; many Japanese leaders were happy to rely upon America for intelligence, as they did for security more broadly. Japan’s own intelligence activities were spread across discrete departments at the foreign, defence and justice ministries as well as the police agency. The Cabinet Intelligence and Research Office (CIRO), nominally the highest intelligence body in the country, lacked the authority to manage the fragmented agencies. As one Japanese official grumbled in the early 2000s, compared with America’s CIA, Japan’s CIRO was “about the equal of a nursery school”.

 

The latest reforms are intended to help Japan’s intelligence community grow up fast. The first phase involves “getting the structure right”, says Richard Samuels, author of “Special Duty”, a history of Japanese intelligence. The new bureau, an upgraded version of the CIRO, will have the authority to consolidate information from across the disparate ministries and generate synthesised analyses.

 

Meanwhile, the intelligence council, which the prime minister personally heads, gives political leaders the ability to set intelligence strategy and to integrate findings into policymaking.

 

The next planned steps include passing an anti-espionage law to beef up counter-intelligence, and creating a new foreign-intelligence agency to conduct operations abroad.

 

Though such reforms have been discussed for decades, the process has accelerated in recent years. Growing threats from China, Russia and North Korea have sharpened minds, while increasing anxiety about American reliability has heightened the urgency over developing home-grown capabilities. Ms Takaichi made intelligence reform a pillar of her political platform. As the memory of the wartime era has faded, so too has public opposition to new security institutions.

 

For the reforms to succeed, Japan needs to overcome several long-standing problems. First, says Kotani Ken of Nihon University in Tokyo, are the bureaucratic “turf battles” among the producers of intelligence. The second issue is the relative lack of sophistication of Japan’s consumers of intelligence. The country’s politicians are “not used to utilising intelligence in policymaking”, Mr Kotani notes.

 

In its own recommendations, the ruling Liberal Democratic Party calls on Diet members to be more proactive, rather than acting like customers “passively ordering omakase [an instruction to leave the choice to the chef] at a sushi restaurant.”” [1]

 

1. Spy time. The Economist; London Vol. 460, Iss. 9512,  (Aug 15, 2026): 51, 52.