Microsoft планирует вставлять рекламу в игры

➡️ Читайте на сайте: https://aff.top/blog/microsoft-planiruet-vstavliat-reklamu-v-igry

🧠 Ещё больше инсайтов → в канале AFF.top

Иногда ИИ внезапно вставляет иероглифы посреди нормального текста. Это не «магия» и не сбой в стиле — обычно так проявляются внутренние представления модели о токенах и языках.

В свежем разборе обещают показать это на двух уровнях:
— для тех, кто знает слово «эмбеддинг», но не работал с ним руками;
— для тех, кто хочет глубже: grokking, фурье-частоты, суперпозиция и то, как устроено пространство обученной модели.

Полезный формат, потому что он переводит абстрактное «нейросеть что-то там понимает» в проверяемую механику: что хранится внутри, почему модель может “съехать” на другой алфавит и как вообще читать такие сбои. 🧠

Для тех, кто объясняет ИИ клиентам, это хороший ориентир: не продавать «интеллект», а показывать устройство, ограничения и признаки поведения модели.

Кейс, где ИИ-агенты использовали не как «магический ускоритель», а как способ масштабировать персонализацию без раздувания команды.

В Яндекс Практикуме PRO разобрали кейс Яндекс Браузера: для коммуникаций вокруг одной из фич команда выстроила работу так, что персонализированные рекламные сообщения собирали и тестировали всего 2 человека — performance- и коммуникационный маркетологи.

Что важно в этом кейсе:
— рост на 20% по всем рекламным кампаниям;
— персонализация не вручную, а через ИИ-агентов;
— в публичный разбор добавили промпты и фреймворки, а не только результат.

Для экспертов и команд здесь интересен не сам факт применения ИИ, а структура: как распределены роли, как собираются варианты сообщений, где автоматизация снимает рутину, а где остаётся редакторский контроль 🧩

Такие кейсы полезны не обещанием «ускорения», а тем, что показывают механику: что именно сделали, кто это делал и какой измеримый эффект получили.