ARI AML
Video
Ошибка OpenAI с 2016 года — заставлять агентов работать, вместо того чтобы сначала освоить модель:
шаг 1 → перестаньте заставлять своего агента делать всё подряд, сначала поймите модель под ним
шаг 2 → демо — это просто, продукты требуют десятилетия. автономное вождение это доказало — если пропустить основу, всё рушится
шаг 3 → агент — это не продукт
Основа — вот что продукт
Постройте её — и агенты возникнут сами собой
Сейчас строите агентов — вы на передовой
Не OpenAI
Не DeepMind
Вы
шаг 1 → перестаньте заставлять своего агента делать всё подряд, сначала поймите модель под ним
шаг 2 → демо — это просто, продукты требуют десятилетия. автономное вождение это доказало — если пропустить основу, всё рушится
шаг 3 → агент — это не продукт
Основа — вот что продукт
Постройте её — и агенты возникнут сами собой
Сейчас строите агентов — вы на передовой
Не OpenAI
Не DeepMind
Вы
В отчете говорится, как в июне этого года китайская индустрия цифровых коротких сериалов столкнулась с проблемой перепроизводства
Сейчас ежедневно на платформы выходит 1.300 новых видео, при этом затраты на производство упали на 90 %, а стоимость привлечения 1 зрителя выросла вдвое
При этом выручка с тысячи просмотров упала до 15–30 юаней
Прибыльны лишь 5 % средних компаний
То есть алгоритмы сделали контент недорогим, но аудитория не растёт так же быстро
В итоге все заливают платформы дешёвым контентом, конкуренция за внимание взлетела, а монетизация рухнула
Похожая история уже разворачивается в других секторах, где цифровые алгоритмы резко снижает стоимость производства продуктов:
- Изображения, видео и стоковый контент
- музыка
- код и разработка
- игры
Цифровое изобилие во многом является ловушкой, но для среднего игрока и для старой модели бизнеса, а не для всей технологии вообще
Внимание человека ограничено только 24 часами в сутках, доверие, эмоциональная связь, новизна и качество тоже
Поэтому, чем дешевле становится производство, тем дороже становится внимание и доверие людей
https://stcn.com/article/detail/3984242.html
Сейчас ежедневно на платформы выходит 1.300 новых видео, при этом затраты на производство упали на 90 %, а стоимость привлечения 1 зрителя выросла вдвое
При этом выручка с тысячи просмотров упала до 15–30 юаней
Прибыльны лишь 5 % средних компаний
То есть алгоритмы сделали контент недорогим, но аудитория не растёт так же быстро
В итоге все заливают платформы дешёвым контентом, конкуренция за внимание взлетела, а монетизация рухнула
Похожая история уже разворачивается в других секторах, где цифровые алгоритмы резко снижает стоимость производства продуктов:
- Изображения, видео и стоковый контент
- музыка
- код и разработка
- игры
Цифровое изобилие во многом является ловушкой, но для среднего игрока и для старой модели бизнеса, а не для всей технологии вообще
Внимание человека ограничено только 24 часами в сутках, доверие, эмоциональная связь, новизна и качество тоже
Поэтому, чем дешевле становится производство, тем дороже становится внимание и доверие людей
https://stcn.com/article/detail/3984242.html
Stcn
“制作成本降90%，流量成本涨超100%”！AI短剧产量暴增！多家A股公司布局
证券时报，证券时报网，由人民日报社主管主办，是证券市场权威信息披露媒体，也是中国资本市场的重要信息披露平台。提供全天候7*24小时财经证券类资讯，内容丰富，包括时报快讯、股市新闻、财经资讯、基金净值、债券、期货、上市公司公告等，为用户提供全方位、最新鲜的财经信息。打造了
Один из лучших способов проверить, не забыл ли математику человек, который её когда-то изучал, а потом долго не применял — спросить определение предела функции в точке
Большинство скажет: пределом функции f в точке a называется такое число А, что для любой эпсилон-окрестности A найдется дельта-окрестность a, что для любой точки из этой дельта-окрестности её f-образ будет лежать в эпсилон-окрестности А
Он наверняка забудет сказать, что дельта-окрестность точки а имеется в виду ПРОКОЛОТАЯ — без самой точки а
Более того, функция в точке а может быть даже не определена — а предел есть
Если человек этот нюанс забыл — можно считать, что и математику в целом он изрядно подзабыл
В школе данное определение входило у нас в перечень вопросов для экспресс-контрольных на 15 минут с вопросами вроде этого (формула разности синусов etc.), где за одну ошибку можно было отхватить двойку
При этом в расчет среднего балла за четверть они шли наравне с трудовыми баллами за полноценные 2-часовые контрольные
Тут уж не захочешь — выучишь
Большинство скажет: пределом функции f в точке a называется такое число А, что для любой эпсилон-окрестности A найдется дельта-окрестность a, что для любой точки из этой дельта-окрестности её f-образ будет лежать в эпсилон-окрестности А
Он наверняка забудет сказать, что дельта-окрестность точки а имеется в виду ПРОКОЛОТАЯ — без самой точки а
Более того, функция в точке а может быть даже не определена — а предел есть
Если человек этот нюанс забыл — можно считать, что и математику в целом он изрядно подзабыл
В школе данное определение входило у нас в перечень вопросов для экспресс-контрольных на 15 минут с вопросами вроде этого (формула разности синусов etc.), где за одну ошибку можно было отхватить двойку
При этом в расчет среднего балла за четверть они шли наравне с трудовыми баллами за полноценные 2-часовые контрольные
Тут уж не захочешь — выучишь
Anthropic нашли в LLM аналог того, что нейронаука связывает с сознательным доступом
Исследователи обнаружили, что у Клода сформировалась небольшая коллекция внутренних нейронных паттернов, которые играют особую роль по сравнению со всей остальной внутренней обработкой
Аnthropic назвали её J-space по названию метода, основанного на математическом понятии якобиана
Причём метод проверен не только на Клоде, но и на открытых моделях - Qwen и Gemma
Вы можете с этим поиграться тут
Модель может докладывать о содержимом этого пространства
Оно активируется намеренно по инструкции и причинно влияет на многошаговые рассуждения: уберёшь паттерн- поведение меняется предсказуемо
Одна репрезентация в J-space считывается несколькими независимыми вычислениями одновременно
И активируется оно избирательно только при сложном, гибком поведении, не при автоматическом
Это структурно напоминает то, что теория глобального рабочего пространства Баарса предсказывает для мозга: узкий канал с широким вещанием, через который информация становится глобально доступной
Сами авторы аккуратны в формулировках и пишут так: «reminiscent of», «analogous to»
Феноменальное сознание, квалиа, «каково это изнутри» - paper этого не касается и не претендует касаться
Теория глобального рабочего пространства сама по себе остаётся спорной даже применительно к мозгу
Практическое применение - мониторинг скрытых намерений
В экспериментах J-space показывал слова «fake», «manipulation», «secretly» ещё до того, как модель совершала нечестное действие
Это работающий прототип инструмента надзора за агентным поведением
J-space не отвечает на вопрос о сознании
Но впервые показывает, где внутри модели искать ответ
Мнение экспертов из разных сфер можно прочитать тут
Исследователи обнаружили, что у Клода сформировалась небольшая коллекция внутренних нейронных паттернов, которые играют особую роль по сравнению со всей остальной внутренней обработкой
Аnthropic назвали её J-space по названию метода, основанного на математическом понятии якобиана
Причём метод проверен не только на Клоде, но и на открытых моделях - Qwen и Gemma
Вы можете с этим поиграться тут
Модель может докладывать о содержимом этого пространства
Оно активируется намеренно по инструкции и причинно влияет на многошаговые рассуждения: уберёшь паттерн- поведение меняется предсказуемо
Одна репрезентация в J-space считывается несколькими независимыми вычислениями одновременно
И активируется оно избирательно только при сложном, гибком поведении, не при автоматическом
Это структурно напоминает то, что теория глобального рабочего пространства Баарса предсказывает для мозга: узкий канал с широким вещанием, через который информация становится глобально доступной
Сами авторы аккуратны в формулировках и пишут так: «reminiscent of», «analogous to»
Феноменальное сознание, квалиа, «каково это изнутри» - paper этого не касается и не претендует касаться
Теория глобального рабочего пространства сама по себе остаётся спорной даже применительно к мозгу
Практическое применение - мониторинг скрытых намерений
В экспериментах J-space показывал слова «fake», «manipulation», «secretly» ещё до того, как модель совершала нечестное действие
Это работающий прототип инструмента надзора за агентным поведением
J-space не отвечает на вопрос о сознании
Но впервые показывает, где внутри модели искать ответ
Мнение экспертов из разных сфер можно прочитать тут
www.neuronpedia.org
Jacobian Lens
Revealing a Global Workspace in Language Models
На протяжении следующего года большинство программистов будет заменено
Нужно учиться тому, как управлять Claude Code, Fable 5, Opus 4.8, MCP, навыками, памятью, агентами, рабочими процессами:
Архитектура агентов
langchain.com/blog?category=…
Claude Code 101
anthropic.skilljar.com/claude-code-101
Claude Code в действии
anthropic.skilljar.com/claude-code-in…
Инженерия промптов
platform.claude.com/docs/en/build-…
Интерактивный курс по промптам
github.com/anthropics/cou…
Claude.md + память
code.claude.com/docs/en/claude…
Навыки
code.claude.com/docs/en/skills
MCP
code.claude.com/docs/en/mcp
Рутины
code.claude.com/docs/en/routin…
Полное руководство по Claude Code
github.com/FlorianBruniau…
Awesome Claude Code
github.com/hesreallyhim/a…
Академия Anthropic
anthropic.skilljar.com
Официальная документация по Claude Code
code.claude.com/docs/en/overvi…
Добавьте в закладки и начните изучать
Нужно учиться тому, как управлять Claude Code, Fable 5, Opus 4.8, MCP, навыками, памятью, агентами, рабочими процессами:
Архитектура агентов
langchain.com/blog?category=…
Claude Code 101
anthropic.skilljar.com/claude-code-101
Claude Code в действии
anthropic.skilljar.com/claude-code-in…
Инженерия промптов
platform.claude.com/docs/en/build-…
Интерактивный курс по промптам
github.com/anthropics/cou…
Claude.md + память
code.claude.com/docs/en/claude…
Навыки
code.claude.com/docs/en/skills
MCP
code.claude.com/docs/en/mcp
Рутины
code.claude.com/docs/en/routin…
Полное руководство по Claude Code
github.com/FlorianBruniau…
Awesome Claude Code
github.com/hesreallyhim/a…
Академия Anthropic
anthropic.skilljar.com
Официальная документация по Claude Code
code.claude.com/docs/en/overvi…
Добавьте в закладки и начните изучать
Langchain
LangChain Blog
Explore tutorials, case studies, and technical insights on building AI agents with LangSmith, Deep Agents, LangGraph, and LangChain. Learn from experts.
Стартап ex-Google выложил карту знаний, что ребёнок должен освоить в начальной школе
Marble, который строит AML для образования детей выложил сейчас в открытый доступ Marble Curriculu - структурированную карту всего, что ребёнок должен
Там настоящий граф знаний, из которого можно строить персональные траектории обучения
Преимущество этой карты в том, какие продукты можно будет строить поверх нее
Ведь AML меняет образование не через замену учителя, а через устранение искусственных ограничений, прежде всего возрастных
Сегодняшняя школьная программа, а также школа наших родителей привязана к классу не потому, что это когнитивно обосновано, а потому что так было легче управлять массой людей
Сейчас интересное время для образования с AML, потому что начинает появляться открытый стандарт, который разные AI-агенты, приложения и учителя могли бы использовать
GitHub
Marble, который строит AML для образования детей выложил сейчас в открытый доступ Marble Curriculu - структурированную карту всего, что ребёнок должен
Там настоящий граф знаний, из которого можно строить персональные траектории обучения
Преимущество этой карты в том, какие продукты можно будет строить поверх нее
Ведь AML меняет образование не через замену учителя, а через устранение искусственных ограничений, прежде всего возрастных
Сегодняшняя школьная программа, а также школа наших родителей привязана к классу не потому, что это когнитивно обосновано, а потому что так было легче управлять массой людей
Сейчас интересное время для образования с AML, потому что начинает появляться открытый стандарт, который разные AI-агенты, приложения и учителя могли бы использовать
GitHub
Marble
Everything a child learns
The open map of primary school: 1,590 concepts and 3,221 prerequisite links. Open data, free to build on.