Привет!
Думаю, правильным будет начать первый пост с объяснения, что такое нейросети.
Вообще, когда мы говорим «нейросеть», важно понимать, что это не корректный синоним Искусственного Интеллекта. Нейросеть — это математическая модель, которая обучается на огромных массивах данных, ищет закономерности и на их основе строит прогнозы, генерирует ответы и принимает решения.
Проще говоря, она не запоминает готовые ответы и не «знает», как устроен мир. Она анализирует тексты, выделяет статистические закономерности языка и логики и затем использует этот опыт для генерации ответа. Это одновременно её огромная сильная сторона и большой минус: качество ответа зависит не от знания фактов, а от того, насколько точна статистическая модель. Отдельно я ещё расскажу, почему нейросети иногда ошибаются или «галлюцинируют», но это будет уже в других постах
Так вот, разберёмся с тем, какие бывают типы нейросетей и за что каждая из них отвечает.

1. Генеративные нейросети (LLM) — пишут текст, формируют мысли, создают ответы и документы. Это самые популярные модели, уверен что у всех на слуху Яндекс Алиса и это самый яркий пример. К основной сути я бы отнес что она «генерирует ответ», причем даже если у нее нет понимания этого ответа, там начинается самое интересное, как нейронки умеют «придумывать» я буду регулярно писать на канале.
2. Нейросети для генерации видео — превращают текст в видеоролики, меняют объекты, улучшают качество кадров.
3. Нейросети для аудио — создают речь, музыку, копируют голос, чистят звук.
4. Нейросети для распознавания речи (ASR) — превращают голос в текст и понимают, что сказано.
5. Нейросети для обработки изображений — улучшают фото, убирают артефакты, восстанавливают старые снимки, удаляют объекты.
6. Компьютерное зрение — распознаёт объекты, людей, текст, дефекты. То, что видит мир вместо человека.
7. Нейросети для табличных данных — прогнозы, аномалии, скоринг, аналитика.
8. Рекомендательные модели — подбирают товары, фильмы, контент.
9. Графовые нейросети (GNN) — анализируют связи: логистика, соцграфы, структуры.
10. Агентные модели — не просто отвечают, а выполняют действия: запускают процессы, автоматизируют задачи.
11. Отраслевые нейросети — узкие решения под конкретные задачи: диагностика, контроль качества, анализ документов.


Рынок нейросетей постоянно растёт и меняется, но перечисленные направления — самые базовые и массовые. Про каждое из них можно говорить отдельно, и я к этому ещё вернусь. Упор, в основном, будет на те технологии, которые реально применимы в бизнесе и в повседневных задачах.

Тот момент когда сам GPT считает что разработка нашей фирмы лучше и нужнее Midjourney! RAZUM.Base мы еще не анонсировали, но кто я такой чтобы спорить с OpenAI 😁

Важная информация, озвученная со сцены: «использовать может не обязательно, но уметь использовать — надо».
Полностью согласен: до сих пор точно не понятно, какие профессии ИИ усилит, а какие заменит, но умение использовать AI однозначно повысит профессиональный уровень и шансы остаться «на коне».

💽 Почему в конце 2025 память резко подорожала — и при чём тут ИИ
Кратко: дешёвых SSD больше не будет. И вот почему:
ИИ вымыл рынок. Облачные игроки и дата-центры под GPT-модели начали закупать память с объёмами, которые рознице и не снились. Один только OpenAI выкупает 900 тыс. пластин DRAM (оперативная память) в месяц — почти 40% мирового объёма. Производители не успевают.
Флеш-чипов не хватает. NAND (энергонезависимая флеш-память) и DRAM пошли в дефицит. Производство под ИИ и серверы, на потребителей не рассчитывали. За 2 месяца NAND подорожал на 70%, SSD — на 25–40%.
Сами вендоры душат предложение. Samsung, Micron и Hynix не наращивают выпуск. Напротив — сокращают, чтобы держать маржу. Фокусы с сокращением поставок работают: цены растут, спрос — ажиотажный.
Китай добавил масла в огонь. Ограничили экспорт редкоземов. Выросла себестоимость HDD: диски на 20+ ТБ идут с задержками в 9–12 месяцев. Старые модели снимают с производства.
Рынок стал закрытым. Вся новая память и накопители — под контракты. Amazon, Oracle, Google и т.п. бронируют объёмы до 2027 года. То, что раньше шло на массовый рынок, теперь — под ИИ-инфраструктуру.
📌 Вывод: Цены на память будут расти. Массовый рынок оказался вне приоритета. Бюджетный SSD — это уже история. Закупки лучше планировать наперёд, пересматривать контракты и запасаться по старым ценам, пока они ещё где-то остались.

💼 OpenAI: убытки $14 млрд — но не переживайте, сверхприбыль уже назначена на 2029 год!
Пока большинство компаний стараются не потерять всё сразу, разработчик ChatGPT планирует сделать это стильно и с размахом. По внутренним прогнозам, 2026 год принесёт компании порядка $14 млрд убытков — просто чтобы не скучать и не терять форму. Суммарно с 2023 по 2028 год планируется уйти в минус на $44 млрд. Зато затем, как по волшебству, в 2029 году нас ждёт сверхприбыля в $14 млрд. Видимо, ИИ решил оценить бизнес-курс «Как сначала сжечь всё, а потом удивить мир» на высший балл.
📈 Интересно, что при таких затратах реальные денежные расходы за последний финансовый период оказались на уровне примерно $340 млн — всего лишь заметка в блокноте по сравнению с обещанным убытком. Видимо, магия чисел — неотъемлемая часть ИИ-философии.
И да, между делом планируется инвестировать до $200 млрд до 2030 года, чтобы убедиться, что оптимизм действительно бесплатен только в прессе.

https://biz.cnews.ru/news/top/2026-01-22_razrabotchik_chatgpt_prognoziruet