Валерий Бабушкин — OpenClaw, Moltbook и почему деньги всё ещё в ML

В этом выпуске подкаста поговорили с мощнейшним Валерием Бабушкиным про:

— что такое OpenClaw и зачем вообще нужны автономные агенты
— эксперимент с Moltbook и системами, которые могут работать неделями без постоянного контроля
— GPT-5.2, Codex, Claude Opus и Gemini — где какая модель реально удобнее
— синтетических пользователей и ограничения такого подхода
— почему большинство ML-пилотов не доходят до продакшена
— и почему деньги до сих пор в классическом ML, а не только в LLM

Залетайте:
Ютуб
ВК

Unlearning в рекомендашках завтра

Ребята, завтра в 18 поговорим на вебинаре с Никитой Зелинским директором по машинному обучению и исследованию данных в MTS Web Services про рекомендательные системы, а точнее про:

Unlearning в рекомендашках — постараемся вместе разобраться о чем речь, куда удалось продвинуться и почему до нашей индустрии это пока не докатилось.

Подпишитесь кстати на его канал — очень крутой, там про жесткий DS в корпах @datarascals

Ссылка на трансляцию будет у нас в канале, а напоминалку можете добавить в календарь: https://calendar.app.google/7rrdX5SmZgeXcqdRA

"Unlearning в рекомендашках" вебинар прямо сейчас

Без смс, vpn и регистрации — https://www.twitch.tv/r77_ai


Задавайте вопросы под этим постом)


UPD
Закончили — скоро выложим на ютубе)

Агенты нерабочая история — не всегда готовы принять качество LLM. Выход - RPA с LLM...

При масштабировании надо использовать скрипты...

Рост производительности не на 1 человека, а на единицу контента - масштабирование персонализации...

Вот такие страшные штуки завтра обсудим онлайн у нас на канале с ребятами из Альфа: руководитель ИИ продуктов Иваном Александровым и у руководителя группы продуктов Ксенией Рязанцевой.

18 февраля, среда, 16-00, у нас в канале. Тут можете добавить в календарик https://calendar.app.google/oMinHTef3kbSm98V7

RPA, масштабирование через скрипты, масштабирование персонализации с Альфой через 5 минут

Подключайтесь пока, а мы стартанем в 16-00! Без смс, vpn и регистрации — https://www.twitch.tv/r77_ai


Задавайте вопросы под этим постом и на твиче)

UPD
ЗАКОНЧИЛОСЬ)

Дисквалифицировали из-за лицензии Ultralytics

Всем привет, на связи Руслан из R77 AI @dantetemplar.

В ноябре участвовал в Студенческом Хакатоне по компьютерному зрению от Роснефти. Формат - онлайн, 48 часов, сотни участников по России. Я занял 4ое место в лидерборде, но призовых не получил.

Задача и датасет были шикарными, ощущались как лаба по CV. По картам месторождений нужно было автоматически выделять контуры участков с разными схемами размещения скважин; Если честно я сам вообще не понял, как это размечать (попробуйте сами, картинки прилагаю к посту). То самое чувство, когда решил задачу ИИ, не понимая её сам. Отмечу отдельно репрезентабельное отношение между трейн-тестом: в трейне были изображения 640х640, на тесте 3000х3000, что усложняет инференс стадию, однако данные реально были соотносимыми, так что алгоритм в итоге дал 0.973 MAp Score.

Я собрал решение на YOLO-стеке и улучшил инференс «нарезкой» больших карт на куски - Sliced Aided Hyper Inference, но своими руками. Можно прогнать без нарезки, но на 3000×3000 будут результаты не очень, со специфическими "квадрантами" на маске сегментации.

А теперь поучительная история: меня дисквалифицировали из-за лицензии Ultralytics — она не подходит под свободное использование в коммерческих продуктах. Плюсом к этому качество кода Ultralytics и их политика это просто ужас. Всем советую не использовать ultralytics несмотря на его относительное удобство. Вместо этого можете использовать MIT библиотеку MultimediaTechLab/YOLO, возможно когда-нибудь я и сам сделаю свой YOLO-сборник, кто знает...

Кстати, я часто участвую в хакатонах с командой @one_zero_eight, может найдёте что-нибудь интересное.

Ребят, потыкайте, что мы сделали для Альфы — справа внизу. Такой хелпер по API)

https://developers.alfabank.ru/

Рома Доронин — Наши ML инженеры все ещё конкуренты на мировом AI-рынке? И от детекции картинок к поиску лекарств

Смотрите новый подкаст с крутейшим Ромой Дорониным, вот его регалии:
Founder EORA.ru (2016)
co-founder&creator AIorNot.com (2024)
co-founder Bioptic.io - Agentic AI для поиска новых лекарств и ускорения biotech индустрии

Ну и любимый нами канал @doronin_aiforfriends и он про историю AI/ML и людей, которые его делают

Обсудили бизнес и стартапы AI в медицине:
— Наши ML инженеры все ещё конкуренты на мировом AI-рынке?
— Почему детекция AI-контента (deepfake, синтетические изображения, клоны голосов) — это новая «гонка вооружений»
— Можно ли обогнать Big Tech за счёт скорости, а не ресурсов
— Как из поиска похожих картинок прийти к поиску похожих молекул
— Почему разработка лекарства занимает 8 лет — и как ИИ может это радикально ускорить
— Что происходит с клиническими испытаниями и где главный bottleneck
— И что вообще сегодня значит строить AI-компанию вне Big Tech

https://youtu.be/fwhLw5-ByNo

https://vkvideo.ru/video-228941334_456239063

Ребят, у нас подрос канал и кончились бусты, чтобы делать сторисы на какой-то редкий классный контент.

Будем рады, если вы нас поддержите и бустанете, а мы сделаем единый пост с теми, кто нас бустанул с ссылками и кратким описанием на ваш канал или сайт или может просто имя или еще что-либо, а может вы хотите поддержать нас без упоминаний)

Это бесплатно, но у вас должен быть pro-аккаунт в телеграме — вам выдаются бусты для поддежки каналов.

Напишите мне плиз в личку, если бустанули нас и хочется попасть в этот пост @savinvlad

Вот ссылка для буста:
https://t.me/boost/r77_ai

Unlearning в рекомендательных системах — выложили запись вебинара!

К нам приходил Никита Зелинский хард спец с хард каналом https://t.me/datarascals директор по машинного обучения и исследования данных в MTS Web Services

обсудили:
• постановку задачи unlearning и реальные кейсы (GDPR, DMCA, bot traffic, data poisoning)
• почему удаление данных из логов не означает, что модель «забыла» пользователя
• влияние коллаборативных связей и seq-паттернов в рекомендациях
• как проверяют unlearning через Membership Inference Attack
• почему полный retrain плохо работает в multi-stage recsys
• основные подходы: subset retraining, embedding perturbation, shard-архитектуры и существующие benchmark’и

https://vkvideo.ru/video-228941334_456239064

https://youtu.be/5NThiIhSVnk

Пентагон перестал сотрудничать с Antropic

Последнее время нас все чаще начали звать в газеты и "телевизор" по вопросам ИИ. Причем зовут обсуждать как ИИ влияет на политику, законодательство и даже войны — нас самих это интересует, ведь в том числе от этого зависит куда ИИ будет развиваться.

Вот тут нас позвали на RTVI и наш head of AI Стас Округ высказался об Antpropic и разрыве отношений с пентагоном и наоборот о дружбе с Open AI.

Посмотрите, наше честное мнение:
https://youtu.be/JfvwXXvZJX4?t=2018

Ребят, спасибо – мы собрали 171 буст!

вот напоминаю, откуда это https://t.me/r77_ai/312

Это прямо в раз 10 больше, чем нам надо было – очень приятна такая поддержка – она мотивирует нас продолжать делать контент)


Большинство поддержавших решили остаться инкогнито (напишите, если что я добавлю вас в пост @savinvlad), а вот герои, которых не будем скрывать:


Полина Белозёрова, эксперт в ИИ и автор проекта ОЗУБЕННО
__

Ребята запускают мобильные приложения для ecom за месяц. В канале рассказывают про нюансы мобильного ритейла — https://t.me/cartiomobile
__

Мы (Антон Горохов и Гена Фомин) сейчас активно занимаемся голосовыми агентами для колл-центров небольших сетей вет-клиник. Сайт наш fongstudio.ru, там про другое но что-то понять о нас можно! Так что если у вас есть вет-клиника - обращайтесь! @genfom
__

Борис Крюк — CTO Strevio, руководитель первого мульти-агентного ИИ-проекта Engentica для правительства Гонконга, тимлид проектов для компаний из списка Fortune 500. Автор более 10 научных публикаций уровня Q1/Q2/Core A/Core B и создатель фреймворков Deep Workflow Orchestrator, Gradient Focal Transformer, ELENA, MorphBoost, POSEIDON. Студент Гонконгского университета науки и технологий (HKUST), спикер первого научного потока AI Journey. — https://kriukboris.com/
__

@denisova_ludmila Денисова Людмила, создаю бизнес игру про внедрение ИИ
__

Катрин, дизайнер из Вышки 🎓 Делаю сайты, геткурсы, презы для онлайн-школ и экспертов EdTech — https://t.me/kateti_katrin001
__

О презентациях как инструменте коммуникации — https://t.me/effectiveprez
__

@boringmarketer — канал основателя рекламного агентства про B2B маркетинг, управление и вайбкодинг от неразработчика)
__

Крутые штатные QA/AQA, DevOps, Vue, Node для ваших проектов на аутстафф по хорошим ценам - пиши @dmingazov — iqdev.digital
__

нерегулярно веду канал про инструменты лидгена для b2b, пишу о том как я разошелся с партнерами и в одного взращиваю агентство по лидгену для b2bшников — @zagitov_yaris
__

НКБТех - компания физтехов, занимается разработкой систем с компьютерным зрением. Активно развивает Edge AI направление для автономных систем. Для связи писать СЕО - @alex_physic
__

@cloudstrategist – Белорусский облачный айтишник, который укрощает железо и не даёт ему объедаться деньгами. 😁
__

🙂 funtech - для продактов и маркетологов про продуктовую геймификацию, метрики, эффективные механики и тренды.
И, кстати, собрали самую большую библиотеку проектов с геймификацией в России
__

Макс накидывает нестандартные мыслишки о жизни и иногда об айтишке. Без кружочков, спама и нейропостов
__

Ваня руководит AI в CRM B2B Альфа-Банка и рассказывает об ИИ, продуктовом менеджменте, финтехе и карьере. Идёт серия постов о реальности внедрении ИИ в бигтехе.


Ребят, спасибо!

AI-хакатон для разных отраслей

Ребят, привет, это Влад Савин кофаундер R77 AI. Я с партнерами запускаю AI-портал (пока секретик, что там будет) через месяц и хотим на открытие провести онлайн-хакатон на его онлайн инфраструктуре.

Призовой фонд выделяем — 5 млн — все серьезно. Это на 5 или 10 команд.

Сейчас я ищу корпорации, у которых есть задачи на AI, и они хотели бы их решить с помощью хакатона из различных отраслей.

Наша задача: показать что в различных отраслях с помощью AI можно решать задачи.

Условия:
- Все бесплатно;
- Вы корпорация;
- У вас есть задача для AI;
- У вас есть материал, с которым можно работать — Датасет, набор документации или еще что-то, что мы будем обрабатывать.

Что получаете вы:
- Решение вашей задачи (ну если у команд получится);
- Мы пройдемся еще по СМИ вместе с вами;
- Крутой движ.

Пишите мне до конца этой недели, буду рад: @savinvlad

Ребят, сегодня дедлайнимся по хакатону https://t.me/r77_ai/316 — пишите, если интересно поучастовать в роли постановщиков задач — @savinvlad , участников попозже наберем)

Сегодня у нас в гостях #Типичный_айтишник Ярослав Шмулев — фаундер AI-консалтинга и человек, который внедрял ML в сортировку алмазов, на свинофермы и в металлургию.

Кто ты и чем занимаешься?
Меня зовут Ярослав Шмулев. Я выпускник МФТИ. Занимаюсь машинным обучением и AI с 2017 года. В 2022 открыл свою компанию R77.ai (ReML). Делаем заказную ML-разработку, строим AI-консалтинг и внедряем ML в реальный бизнес.

Как ты начал заниматься тем, что делаешь сейчас?
Я вообще выбирал кафедру, чтобы не программировать 😅 В школе прогал круто, а на первом курсе так «повезло» с семинаристом: пока другие группы писали реально клевые штуки, мы прогали только машину Тьюринга. Я решил, что не судьба мне быть программистом и выбрал физику.
Пошёл в радиолокацию, занимался цифровой обработкой сигналов.

Но там у меня появились мысли: а нафига я так круто учился, если на обработке сигналов у нас используются максимум ряды Фурье, и ничего поинтереснее нет. И тут на одном курсовом проекте товарищ предложил мне попробовать использовать нейронки. Я сделал голосовой замок на MATLAB, который открывался только на нужную фразу. Честно, не понимал, как он работает, просто тыкал наугад параметры. Но он работал, и я такой: блин, это реально круто, хочу этим заниматься.
Так я ушёл в Data Science. Потом понял, что научка не моё, бигтех тоже не зажёг, пошёл в SAP-консалтинг. Потом в 2022 году я понял, что больше не хочу заниматься сервисным бизнесом и перешел на позицию CPO в B2B Joom. Там я достиг успехов и отвечал за продукт с многомиллиардной выручкой. Уже после этого я полностью вышел из найма и основал свою компанию.

Сейчас нас почти 40 человек, делаем заказную ML-разработку для клиентов вроде Альфа-Банк, Яндекс, Сбер и других. Плюс делаем свой LegalTech-продукт для проверки договоров.

Что самое интересное в работе?
Мы, как внешний исполнитель часто работаем с задачами типа «0-1» — это задачи, которые появляются, когда ничего еще нет, даже идей решения, и вообще непонятно, как подступиться.
Например: посчитать ежесуточный прирост поросят по видео. Или распознавать коров. Или оптимизировать процессы в металлургии.
Тебе нужно быстро переключаться между доменами, погружаться в новый домен, общаться с бизнесом, придумывать решение. И иногда ты сам не до конца понимаешь, получится или нет. А потом оно начинает работать. Вот этот момент — вау.

А что самое неприятное, сложное?
Мы внешняя команда и часто присутствует фаза «сближения» с внутренними командами, которая может проходить сложно. Еще мы нас не всегда могут допустить вглубь бизнеса и его проблем. Иногда — бюрократия, доступы выдаются по месяцу.
Бывает и такое, что заказчику как будто меньше надо, чем тебе, и ты всех пинаешь, чтобы проект ехал. Это тоже очень сильно бесит.

Расскажи веселую историю с работы
Их было много — вот такая вот жизнь в AI-консалтинге.
Когда ехал внедрять ML на сортировку алмазов в АЛРОСА, представлял супер-завод как у Tesla. В реальности же обычная комната, приходишь, надеваешь белый халат и ждешь, пока принесут мешок алмазов, высыпят его на стол. А остальные придут с совочками, зачерпнут алмазов и отнесут к себе на столы сортировать.
А на свиноферме перед входом нужно было полностью раздеться для обеззараживания. С заказчиком в таком тесном формате проекты раньше не обсуждал

Дашь совет «успешного успеха»?
Не бояться рисковать. Брать задачи, которые немного страшно брать. Брать ответственность и фигачить. И тогда успех неминуем

P.S.: Канал в тг у нас тоже есть, @r77_ai, подписывайтесь😉

Агенты не работают — и это нормально

Разобрали с Иваном Александровым и руководителем группы продуктов Ксенией Рязанцевой как делать, чтобы работали)

Что внутри:
— почему агентные системы почти не доезжают до продакшна
— где LLM дают реальную пользу, а где просто увеличивают косты
— как выглядит рабочая связка: RPA + LLM workflow
— почему при масштабировании всё уходит в скрипты и классический ML
— и как считать эффективность не «на человека», а на единицу контента

https://vkvideo.ru/video-228941334_456239065

https://youtu.be/RDbS5wSe2xo

ТЗ для AI

Ребят, у нас много новых подписчиков — повыкладываем полезные посты, которые вы возможно не видели

Сделали простую и понятную таблицу, по которой можно быстро собрать внятное техническое задание на AI.
Подходит и тем, кто только начинает, и тем, кто внедряет серьёзные корпоративные решения.

Вы конечно можете просто обратиться к нам, чтобы мы сделали ТЗ, но для своих нужд будет очень полезно)

Зачем нужен:
— Понять, как пишется ТЗ и не тратить время на его придумывание и разработку.
— Чтобы зафиксировать задачи, метрики, ограничения.
— Чтобы не забыть про данные, пользователей, интеграции.
— Чтобы быстрее согласовать проект с подрядчиком или внутри команды.

Что внутри:
— Все ключевые разделы: от целей и сценариев до архитектуры, данных и рисков.
— Примеры формулировок — чтобы проще было писать.
— Подходит для всего: от автоматизации одного процесса до больших AI-систем в компании.


Пишите что еще бы добавили)

https://docs.google.com/spreadsheets/d/1fF-lVtNaULAfSQI7tqPUnxjYmLAnOJ2rGoEDX4thNrQ/edit?usp=sharing

А вот наш самый сложный кейс про оптимизацию ферросплавов.

Пришлось самим становиться металлургами, потому что без окунания в сферу чисто математикой ничего не сделать.

Нам угрожали, что если система неправильно нарекомендует, то они отправят сотни тонн бракованной стали к нам в офис в Москву – там вообще все бруталити)

Сидели и разбирались, как вообще живёт плавка: какие элементы куда “уходят”, как меняется химсостав, почему сегодня сработало, а завтра — нет. Смотрели исторические плавки, сопоставляли добавки с результатами анализа, пытались уловить логику, которой сами технологи иногда объясняют это на уровне “чувствую, что надо ещё чуть-чуть добавить”.

В итоге упаковали всё это в сервис, который подсказывает оператору, сколько и чего лучше добавить прямо по ходу процесса — чтобы попасть в нужный химсостав и не переливать дорогие ферросплавы.

Результат — минус 3–5% затрат и стабильное качество. В деньгах — сотни миллионов в год. Кейс.

А тут компютер вижн на Целлюлозно-бумажном производстве!

Ставили камеры напротив грузовиков, чтобы понять сколько бревен загружены. Разобрались, что такое баланс, пачка, штабель, раскатка, коэффициент полнодревесности.

Снег, влага, разные лесовозы, разные размеры и виды бруса, природа и мужики — примерно так можно описать проект.

Вот что получили:
100% точность определения сорта древесины
99%+ точность разделения на пачки
98%+ определение КПД vs. оператор
90%+ определение КПД vs. раскатка

Кейс

А как думаете почему нельзя было просто взвесить?)

Как понять, что свинюшка готова к любви? Определяем через ML

Наш самый известный, интересный и любимый кейс. Для него мы даже отрисовали иллюстрации, чтобы эта была история любви...

О проекте:
Свинки, как и люди, не всегда беременеют с первого раза. Нам надо было найти лучший момент для их осеменения, чтобы знать, какая из них точно даст потомство.

Для этого мы пускали хряка по коридору и смотрели реакцию свиноматок, а потом по камерам определяли поведение: активна она или нет, как близко подходит к хряку, трется ли задней частью об ограждение, навостряет ли ушки.

Метрики было две. Первая — метрика обнаружения, которая показывала, насколько точно мы определяем свинок в их загоне. Доля правильно найденных свиней должна быть 0,95+. Вторая метрика — точность определения поз свиней, требование к ней должно быть 0,90+.

Вот тут подробнее. А нас до сих пор чаще всего узнают по этому кейсу и всегда с улыбкой))