12 прорывных технологий 2025 года от Gartner
Gartner решил собрать вместе 12 трендов, которые невозможно игнорировать, потому что они начнут фундаментально менять бизнес-процессы уже в 2025 году:
1. Полифункциональные роботы: Вопреки моде на человекоподобных роботов, более важными окажутся роботы различных форм с генеративным ИИ, способные выполнять задачи, изначально не заложенные в их конструкции. Например, роботы Amazon с "глазами" на кончиках пальцев. Фокус смещается со стоимости самого робота на экономичность его внедрения и быструю окупаемость.
2. Нехватка энергии: К 2026 году более 30% расширения дата-центров будет отложено из-за нехватки энергии. Проблема не только в производстве энергии, но и в ее распределении и передаче.
3. Интеллект Земли (Earth Intelligence) – рынок спутниковых данных к 2030 году составит $3.8 триллиона. Сегодня спутники позволяют получать изображения с разрешением до 10 см. Работал ли двигатель вашего автомобиля? Какой объем выплавки никеля за день на базе инфракрасных снимков? Как идут продажи на основе анализа посетителей на парковке? Число кейсов будет растти экспоненциально.
4. Синтетические сенсоры и датчики. Использование существующих сенсоров для обнаружения того, что изначально не предполагалось, благодаря комбинации данных. Например, датчики влажности в жилых помещениях, также оказались детекторами присутствия и даже детекторами собак. Кстати, чувство вкуса у человека - это тоже комбинация вкуса и запаха.
5. Специализированные ИИ-чипы - К 2030 году 60% ускорения ИИ в дата-центрах будет приходиться на ASIC-чипы, а не на GPU как сейчас. При выборе таких чипов ключевым фактором будет поддержка программного обеспечения, а не только аппаратные характеристики.
6. Превентивная кибербезопасность - К 2030 году 50% расходов на IT-безопасность будут направлены на превентивные решения. Уже сейчас GenAI используется для создания тысяч "медовых ловушек" (honeypots), которые выглядят привлекательными для злоумышленников, позволяя обнаружить атаку на ранней стадии.
7. Синтетические данные - К 2030 году синтетические данные превзойдут реальные данные как основу для принятия бизнес-решений. А иначе как обучить автомобиль, распознавать человека на роликах с коляской? Бренд и доверие станут ключевыми ценностями.
8. Доменно-специфические языковые модели (DSLM) - К 2030 году 90% решений на базе генеративного ИИ будут использовать DSL модели. Конкуренция будет идти на уровне экосистем DSLM, а не на уровне базовых LLM, которых останется немного у счетного числа крупных компаний.
9. Генеративный ИИ повсюду - К 2029 году 50% взаимодействия в бизнес-процессах предприятий будут использовать языковые модели.
10. Дезинформация - как новая информационная дисциплина. К 2030 году дезинформация станет такой же серьезной бизнес-угрозой, как и нарушения информационной безопасности.
11. Интеллектуальное моделирование - Возможность симулировать сложные среды и сценарии станет ключевым инструментом для принятия бизнес-решений. Моделирование последствий аварии на химическом заводе и реакции населения для получения разрешения на строительство завода? В 2025 году мы сможем увидеть первые лекарства, разработанные с помощью интеллектуального моделирования, выходящие на рынок.
12. Цифровая этика - К 2030 году цифровая этика станет конкурентным преимуществом. Концепция этического долга, аналогичного техническому долгу. Игнорирование этических аспектов при разработке и внедрении технологий приведет к негативным последствиям в будущем.
И, конечно же, Агентный ИИ - Gartner, кстати, не стал называть его одним из "дисрапторов", но выделяет как стратегический тренд и прогнозирует, что к 2028 году не менее 15% ежедневных бизнес-решений будут приниматься автономно с использованием агентного ИИ.
Так что получилась неплохая команда Агента Оушена и его 12 друзей технологий. Наблюдаем, изучаем.
а я пойду думать как обучить этике своего полифункционального робота, при использовании спутниковых данных, чтобы он смог отличить легальную вырубку леса от незаконной по тепловым снимкам....
🅰️ 🅱️ @ReymerDigital
Gartner решил собрать вместе 12 трендов, которые невозможно игнорировать, потому что они начнут фундаментально менять бизнес-процессы уже в 2025 году:
1. Полифункциональные роботы: Вопреки моде на человекоподобных роботов, более важными окажутся роботы различных форм с генеративным ИИ, способные выполнять задачи, изначально не заложенные в их конструкции. Например, роботы Amazon с "глазами" на кончиках пальцев. Фокус смещается со стоимости самого робота на экономичность его внедрения и быструю окупаемость.
2. Нехватка энергии: К 2026 году более 30% расширения дата-центров будет отложено из-за нехватки энергии. Проблема не только в производстве энергии, но и в ее распределении и передаче.
3. Интеллект Земли (Earth Intelligence) – рынок спутниковых данных к 2030 году составит $3.8 триллиона. Сегодня спутники позволяют получать изображения с разрешением до 10 см. Работал ли двигатель вашего автомобиля? Какой объем выплавки никеля за день на базе инфракрасных снимков? Как идут продажи на основе анализа посетителей на парковке? Число кейсов будет растти экспоненциально.
4. Синтетические сенсоры и датчики. Использование существующих сенсоров для обнаружения того, что изначально не предполагалось, благодаря комбинации данных. Например, датчики влажности в жилых помещениях, также оказались детекторами присутствия и даже детекторами собак. Кстати, чувство вкуса у человека - это тоже комбинация вкуса и запаха.
5. Специализированные ИИ-чипы - К 2030 году 60% ускорения ИИ в дата-центрах будет приходиться на ASIC-чипы, а не на GPU как сейчас. При выборе таких чипов ключевым фактором будет поддержка программного обеспечения, а не только аппаратные характеристики.
6. Превентивная кибербезопасность - К 2030 году 50% расходов на IT-безопасность будут направлены на превентивные решения. Уже сейчас GenAI используется для создания тысяч "медовых ловушек" (honeypots), которые выглядят привлекательными для злоумышленников, позволяя обнаружить атаку на ранней стадии.
7. Синтетические данные - К 2030 году синтетические данные превзойдут реальные данные как основу для принятия бизнес-решений. А иначе как обучить автомобиль, распознавать человека на роликах с коляской? Бренд и доверие станут ключевыми ценностями.
8. Доменно-специфические языковые модели (DSLM) - К 2030 году 90% решений на базе генеративного ИИ будут использовать DSL модели. Конкуренция будет идти на уровне экосистем DSLM, а не на уровне базовых LLM, которых останется немного у счетного числа крупных компаний.
9. Генеративный ИИ повсюду - К 2029 году 50% взаимодействия в бизнес-процессах предприятий будут использовать языковые модели.
10. Дезинформация - как новая информационная дисциплина. К 2030 году дезинформация станет такой же серьезной бизнес-угрозой, как и нарушения информационной безопасности.
11. Интеллектуальное моделирование - Возможность симулировать сложные среды и сценарии станет ключевым инструментом для принятия бизнес-решений. Моделирование последствий аварии на химическом заводе и реакции населения для получения разрешения на строительство завода? В 2025 году мы сможем увидеть первые лекарства, разработанные с помощью интеллектуального моделирования, выходящие на рынок.
12. Цифровая этика - К 2030 году цифровая этика станет конкурентным преимуществом. Концепция этического долга, аналогичного техническому долгу. Игнорирование этических аспектов при разработке и внедрении технологий приведет к негативным последствиям в будущем.
И, конечно же, Агентный ИИ - Gartner, кстати, не стал называть его одним из "дисрапторов", но выделяет как стратегический тренд и прогнозирует, что к 2028 году не менее 15% ежедневных бизнес-решений будут приниматься автономно с использованием агентного ИИ.
Так что получилась неплохая команда Агента Оушена и его 12 друзей технологий. Наблюдаем, изучаем.
а я пойду думать как обучить этике своего полифункционального робота, при использовании спутниковых данных, чтобы он смог отличить легальную вырубку леса от незаконной по тепловым снимкам....
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍6👌5🔥3👏2❤1
Автоматизация процесса проверки гипотез.
Вайбкодинг на практике
Мы стремительно движемся к миру, где искусственный интеллект берет на себя всё больше задач, которые раньше требовали часов, дней или даже недель работы команды специалистов. Отбросив маркетинговый хайп, я выделяю две ключевые ценности, которые ИИ уже сейчас приносит бизнесу:
1. Беспрецедентная скорость получения результата — от мгновенного анализа данных до создания прототипов продуктов
2. Возможность тестировать любые бизнес-идеи на синтетических данных без необходимости сбора реальных данных
Не отпускает меня также и тема автономного бизнеса, и даже автономного создания автономного бизнеса :) Поэтому максимально используем возможности ИИ, но под наши хотелки.
Кейс - создание универсальной платформы для тестирования бизнес-гипотез.
Можно ли за один вечер создать работающую платформу для тестирования любых бизнес-гипотез? Без команды. Без написания кода.
Формулируем постановку задачи сразу вместе с ИИ, чтобы ему легче было держать контекст при разработке элементов платформы.
Наш сценарий:
1. Описываем проблему — предположение о боли наших потенциальных клиентов
2. Создаем профили целевых клиентов — для проведения виртуальных custdev-интервью
3. Генерируем варианты решения проблемы — подходящих для выявленных сегментов клиентов
4. Анализируем варианты и формируем отчет с рекомендациями
Переводим себя в режим вайб-кодинга (кто пропустил - так теперь называют процесс разработки, когда мы описываем задачу на естественном языке, а ИИ генерирует код) и берем в напарники Claude 3.7 Sonnet - уже проверенный и незаменимый партнер по работе.
Для реализации платформы берем Google Таблицы — инструмент, который многим знаком, но в этот раз код на app script за нас будет писать Claude. Моя задача говорить, что я хочу.
Так получился ЛИС - Лаборатория ИИ Стратегий.
За 2 часа работы получаем:
1. Продукт для тестирования гипотез с автоматизированным процессом:
- Формулировка проблемы
- Создание детальных персон потенциальных клиентов
- Симуляция custdev-интервью для выявления реальных проблем
- Генерация вариантов решений с оценкой их реализуемости
- Анализ решений по критериям
- Автоматическая генерация отчета (google doc) с рекомендациями
2. Техническая реализация:
- Google Таблица с 4 взаимосвязанными рабочими листами
- Anthropic Claude - как основная LLM внутри платформы, OpenAI DALL-E для генерации изображений персон.
- 3000 строк кода на Apps Script, написанных Claude (без учета промптов, которые он тоже сам сгенерировал)
- Всего 3 ошибки в коде в процессе работы, которые ИИ самостоятельно обнаружил и исправил
- весь код можно править, при этом промтпы можно менять на листе Настройки, без необходимости изменения кода.
Основное время уходит на размышления - "а вот так можно? а давай еще так попробуем?". вайбкодинг он такой :)
▶️ Ключевой инсайт:
У нас больше нет оправданий, если мы не тестируем наши гипотезы.
Есть бизнес-идея? на проверку нужно 2 часа... (вместе с разработкой)
Что дальше?
- Расширение интерактивного взаимодействия с персонами — добавление более сложных сценариев, числа персон
- Интеграция с реальными данными — подключение к LLM через ИИ-агента с доступом к актуальной информации в интернет.
- Автоматизация создания MVP — генерация прототипа решения на основе выбранной гипотезы
❗️ Главный вывод:
Если вы работаете в сфере профессиональных услуг, маркетинга или консалтинга, то уже сейчас ваши клиенты могут использовать подобные инструменты для самостоятельного решения задач, за которые раньше платили вам. ИИ не заменит профессионалов, но профессионалы, использующие ИИ, заменят тех, кто его не использует.
А теперь представьте, что может сделать опытная команда из 5 человек, вооруженная современными ИИ-инструментами?
Пишите в комментариях, что хотелось бы вам получить на этапе валидации ваших гипотез. Продолжим эксперименты.
🅰️ 🅱️ @ReymerDigital
P.S. пример работы решения на видео. навайбкодил.
Вайбкодинг на практике
Мы стремительно движемся к миру, где искусственный интеллект берет на себя всё больше задач, которые раньше требовали часов, дней или даже недель работы команды специалистов. Отбросив маркетинговый хайп, я выделяю две ключевые ценности, которые ИИ уже сейчас приносит бизнесу:
1. Беспрецедентная скорость получения результата — от мгновенного анализа данных до создания прототипов продуктов
2. Возможность тестировать любые бизнес-идеи на синтетических данных без необходимости сбора реальных данных
Не отпускает меня также и тема автономного бизнеса, и даже автономного создания автономного бизнеса :) Поэтому максимально используем возможности ИИ, но под наши хотелки.
Кейс - создание универсальной платформы для тестирования бизнес-гипотез.
Можно ли за один вечер создать работающую платформу для тестирования любых бизнес-гипотез? Без команды. Без написания кода.
Формулируем постановку задачи сразу вместе с ИИ, чтобы ему легче было держать контекст при разработке элементов платформы.
Наш сценарий:
1. Описываем проблему — предположение о боли наших потенциальных клиентов
2. Создаем профили целевых клиентов — для проведения виртуальных custdev-интервью
3. Генерируем варианты решения проблемы — подходящих для выявленных сегментов клиентов
4. Анализируем варианты и формируем отчет с рекомендациями
Переводим себя в режим вайб-кодинга (кто пропустил - так теперь называют процесс разработки, когда мы описываем задачу на естественном языке, а ИИ генерирует код) и берем в напарники Claude 3.7 Sonnet - уже проверенный и незаменимый партнер по работе.
Для реализации платформы берем Google Таблицы — инструмент, который многим знаком, но в этот раз код на app script за нас будет писать Claude. Моя задача говорить, что я хочу.
Так получился ЛИС - Лаборатория ИИ Стратегий.
За 2 часа работы получаем:
1. Продукт для тестирования гипотез с автоматизированным процессом:
- Формулировка проблемы
- Создание детальных персон потенциальных клиентов
- Симуляция custdev-интервью для выявления реальных проблем
- Генерация вариантов решений с оценкой их реализуемости
- Анализ решений по критериям
- Автоматическая генерация отчета (google doc) с рекомендациями
2. Техническая реализация:
- Google Таблица с 4 взаимосвязанными рабочими листами
- Anthropic Claude - как основная LLM внутри платформы, OpenAI DALL-E для генерации изображений персон.
- 3000 строк кода на Apps Script, написанных Claude (без учета промптов, которые он тоже сам сгенерировал)
- Всего 3 ошибки в коде в процессе работы, которые ИИ самостоятельно обнаружил и исправил
- весь код можно править, при этом промтпы можно менять на листе Настройки, без необходимости изменения кода.
Основное время уходит на размышления - "а вот так можно? а давай еще так попробуем?". вайбкодинг он такой :)
У нас больше нет оправданий, если мы не тестируем наши гипотезы.
Есть бизнес-идея? на проверку нужно 2 часа... (вместе с разработкой)
Что дальше?
- Расширение интерактивного взаимодействия с персонами — добавление более сложных сценариев, числа персон
- Интеграция с реальными данными — подключение к LLM через ИИ-агента с доступом к актуальной информации в интернет.
- Автоматизация создания MVP — генерация прототипа решения на основе выбранной гипотезы
Если вы работаете в сфере профессиональных услуг, маркетинга или консалтинга, то уже сейчас ваши клиенты могут использовать подобные инструменты для самостоятельного решения задач, за которые раньше платили вам. ИИ не заменит профессионалов, но профессионалы, использующие ИИ, заменят тех, кто его не использует.
А теперь представьте, что может сделать опытная команда из 5 человек, вооруженная современными ИИ-инструментами?
Пишите в комментариях, что хотелось бы вам получить на этапе валидации ваших гипотез. Продолжим эксперименты.
P.S. пример работы решения на видео. навайбкодил.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥13👍8👏4⚡1❤1🏆1
🔥 Закон Мура Anthropic для ИИ
Команда из Anthropic выпустила великолепный документ с анализом динамики развития ИИ моделей и предложила простой и понятный критерий количественной оценки систем ИИ в терминах человеческих возможностей.
❗️ Встречаем новую метрику:
50% временной горизонт выполнения задач.
Это время, которое обычно требуется людям для выполнения задач, которые модели ИИ могут автономно выполнить с 50%-ной вероятностью успеха.
Исследователи провели эксперименты с участием людей-экспертов и 13 передовых моделей ИИ (2019-2025 гг.) на наборе из 170 разнообразных задач (RE-Bench, HCAST и новый набор SWAA). Было измерено время выполнения задач людьми и уровень успеха ИИ.
Ключевые выводы:
1️⃣ Способность ИИ выполнять сложные задачи удваивается каждые 7 месяцев с 2019 года.
Современные модели (Claude 3.7 Sonnet) имеют "50%-ный временной горизонт" около 50 минут — они могут с 50% вероятностью успешно выполнять задачи, занимающие у квалифицированного человека 50 минут.
2️⃣ К концу 2028 - началу 2031 года ИИ сможет выполнять задачи, требующие от человека полного рабочего месяца (167 часов).
Даже при значительной погрешности измерений, менее чем через 10 лет ИИ сможет самостоятельно выполнять большинство программных задач, на которые сейчас уходят дни или недели
3️⃣ Производительность ИИ значительно снижается на менее структурированных, "более грязных" задачах, которые больше напоминают реальные рабочие ситуации с неопределенными условиями, нечеткими критериями успеха и необходимостью координировать различные потоки работы
4️⃣ Ключевые драйвы прогресса - улучшение логического мышления, способностей к использованию инструментов, а также повышение надежности и способности адаптироваться к ошибкам.
Самый интересный вывод:
При проведении эксперимента с внутренними задачами (исправление ошибок в коде) получилась существенная разница во времени выполнения одних и тех же задач: штатные сотрудники, погруженные в контекст, справлялись в 5-18 раз быстрее, чем внешние контрактные исполнители.
При этом производительность протестированных ИИ-моделей на этих реальных задачах оказалась более сопоставимой с результатами контрактных исполнителей.
❗️ Текущие ИИ-модели могут лучше справляться с задачами, требующими общих знаний, но испытывают трудности с задачами, где критичен глубокий контекст конкретной кодовой базы или проекта.
Кажется у человечества есть шанс! Теперь единственный способ конкуренции с ИИ - быть в контексте 💪
Хотя с такой скоростью удвоения уже к декабрю всё будет по-другому 😎
Авторы пишут, что в 2024 году время на удвоение стало меньше 7 месяцев....
🅰️ 🅱️ @ReymerDigital
Команда из Anthropic выпустила великолепный документ с анализом динамики развития ИИ моделей и предложила простой и понятный критерий количественной оценки систем ИИ в терминах человеческих возможностей.
50% временной горизонт выполнения задач.
Это время, которое обычно требуется людям для выполнения задач, которые модели ИИ могут автономно выполнить с 50%-ной вероятностью успеха.
Исследователи провели эксперименты с участием людей-экспертов и 13 передовых моделей ИИ (2019-2025 гг.) на наборе из 170 разнообразных задач (RE-Bench, HCAST и новый набор SWAA). Было измерено время выполнения задач людьми и уровень успеха ИИ.
Ключевые выводы:
Современные модели (Claude 3.7 Sonnet) имеют "50%-ный временной горизонт" около 50 минут — они могут с 50% вероятностью успешно выполнять задачи, занимающие у квалифицированного человека 50 минут.
Даже при значительной погрешности измерений, менее чем через 10 лет ИИ сможет самостоятельно выполнять большинство программных задач, на которые сейчас уходят дни или недели
Самый интересный вывод:
При проведении эксперимента с внутренними задачами (исправление ошибок в коде) получилась существенная разница во времени выполнения одних и тех же задач: штатные сотрудники, погруженные в контекст, справлялись в 5-18 раз быстрее, чем внешние контрактные исполнители.
При этом производительность протестированных ИИ-моделей на этих реальных задачах оказалась более сопоставимой с результатами контрактных исполнителей.
Кажется у человечества есть шанс! Теперь единственный способ конкуренции с ИИ - быть в контексте 💪
Хотя с такой скоростью удвоения уже к декабрю всё будет по-другому 😎
Авторы пишут, что в 2024 году время на удвоение стало меньше 7 месяцев....
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4👍3💯2❤1👌1🏆1
Мой ИИ-стек инструментов
За последние два года я попробовал больше сотни разных ИИ-инструментов. Многие не оправдали своих ожиданий, но есть звездочки, которые не только доказали свою ценность, но и стали незаменимыми партнерами в ежедневной деятельности.
Так получился мой ИИ-стек, которым я пользуюсь практически ежедневно.
▶️ Базовые LLM:
1. Claude - скоро будет год как для меня Claude - LLM #1. Долгое время я его использовал только через API в своих агентах, но с выходом 3.7 Sonnet и появлением интерактивного интерфейса, добавил подписку и на claude.ai.
2. ChatGPT - всегда рядом, на случай второго мнения. Использую только через API.
3. Deepseek - хорош, но на каждый день он слабее.
4. Google Gemini - открыл его для себя заново с появлением Gemini 2.0 Flash и расширением возможностей AI Studio, включая Realtime режим анализа стриминга с камеры (фильм "Она" все помним).
5. Grok - Deep Research с поиском в интернет и "думающий" режим, да еще и бесплатно (в одном из запросов модель пока размышляла, собрала 103 источника и сгенерировала 140 листов текста.... для выдачи ответа на 1 лист. не жалеет grok себя :) )
▶️ Для работы с информацией
6. NotebookLM - лучший бесплатный инструмент от Google для работы с документами. Загружаем до 50 источников (ссылки на youtube, pdf, видео файлы) и получаем интерактивный инструмент с поиском по документам. Практически все отчеты теперь читаю в нем.
7. Perplexity - отлично ищет информацию в интернет, но мне не нравится как он ее обрабатывает последние месяцы. Использую как инструмент через API в агентах.
▶️ Генерация изображений
8. Midjourney - 99% изображений создаю в нём. С настройкой собственных профилей (фактически файн-тюнинг по себя) всё чаще радует с первого раза.
9. DALL-E - для генерации изображений в своих агентах. (midjourney бы твой API)
10. Adobe - photoshop c ИИ хорош.
▶️ Видео и Аудио
11. Hailuo, Runway, Pika - как правило экспериментирую сразу с несколькими [1] [2]. Результат пока 50/50 - чаще не попадает в ожидания. Но сделать видео-поздравление по фотографиям - с этим инструменты справляются на ура.
12. Suno - лучший генератор песен и первый инструмент, у которого я сразу на год купил подписку. Песни-поздравления, треки для тренировок в нужном темпе, каверы в том стиле, в котором хочется. [1] [2] [3]
13. ElevenLabs - клонирование собственного голоса (настолько похоже, что сам пугаюсь). использую для своих аватаров и агентов. Ждем эмоции.
14. HeyGen - непосредственно создание цифровых аватаров. можно и через api.
▶️ Автоматизация и ИИ-агенты
- Интерфейс для работы с агентами - Телеграм или google таблицы - самые удобные для меня.
- Notion - обновление таблиц агентами, а Obsidian еще и как база данных для агента (через RAG).
- n8n - основной инструмент автоматизации. Есть несколько сценариев работающих на make, но они постепенно переписываются в n8n. В n8n очень удобная среда настройки агентов и добавление внешних инструментов. А скоро еще и MCP можно будет добавить... [1] [2] [3]
- IFTTT удобен для ряда сценариев, которые в n8n и make требуют кучу усилий или денег - например, выгрузка новостей из feedly в google таблицу.
- Для хранения данных нам нужна - классическая база данных (настройки и данные между процессами), быстрая база - ключ/значение (контекст и память) и векторная база в качестве RAG для агентов. Я пока остановился на Airtable, Xata и Pinecone.
- Ну и куда сегодня без вайб-кодинга. Использую Replit и Cursor. С выходом Claude 3.7 оба стали работать намного лучше. [1] [2]
А как прибавил сам Сlaude! - смотрим.
Универсальных решений нет, поэтому каждый собирает под себя свою удобную ИИ-команду!
Всех с пятницей! и нескучного погружения в мир ии-инструментов!
🅰️ 🅱️ @ReymerDigital
Что из звездочек я пропустил? пишите в комментарии
За последние два года я попробовал больше сотни разных ИИ-инструментов. Многие не оправдали своих ожиданий, но есть звездочки, которые не только доказали свою ценность, но и стали незаменимыми партнерами в ежедневной деятельности.
Так получился мой ИИ-стек, которым я пользуюсь практически ежедневно.
1. Claude - скоро будет год как для меня Claude - LLM #1. Долгое время я его использовал только через API в своих агентах, но с выходом 3.7 Sonnet и появлением интерактивного интерфейса, добавил подписку и на claude.ai.
2. ChatGPT - всегда рядом, на случай второго мнения. Использую только через API.
3. Deepseek - хорош, но на каждый день он слабее.
4. Google Gemini - открыл его для себя заново с появлением Gemini 2.0 Flash и расширением возможностей AI Studio, включая Realtime режим анализа стриминга с камеры (фильм "Она" все помним).
5. Grok - Deep Research с поиском в интернет и "думающий" режим, да еще и бесплатно (в одном из запросов модель пока размышляла, собрала 103 источника и сгенерировала 140 листов текста.... для выдачи ответа на 1 лист. не жалеет grok себя :) )
6. NotebookLM - лучший бесплатный инструмент от Google для работы с документами. Загружаем до 50 источников (ссылки на youtube, pdf, видео файлы) и получаем интерактивный инструмент с поиском по документам. Практически все отчеты теперь читаю в нем.
7. Perplexity - отлично ищет информацию в интернет, но мне не нравится как он ее обрабатывает последние месяцы. Использую как инструмент через API в агентах.
8. Midjourney - 99% изображений создаю в нём. С настройкой собственных профилей (фактически файн-тюнинг по себя) всё чаще радует с первого раза.
9. DALL-E - для генерации изображений в своих агентах. (midjourney бы твой API)
10. Adobe - photoshop c ИИ хорош.
11. Hailuo, Runway, Pika - как правило экспериментирую сразу с несколькими [1] [2]. Результат пока 50/50 - чаще не попадает в ожидания. Но сделать видео-поздравление по фотографиям - с этим инструменты справляются на ура.
12. Suno - лучший генератор песен и первый инструмент, у которого я сразу на год купил подписку. Песни-поздравления, треки для тренировок в нужном темпе, каверы в том стиле, в котором хочется. [1] [2] [3]
13. ElevenLabs - клонирование собственного голоса (настолько похоже, что сам пугаюсь). использую для своих аватаров и агентов. Ждем эмоции.
14. HeyGen - непосредственно создание цифровых аватаров. можно и через api.
- Интерфейс для работы с агентами - Телеграм или google таблицы - самые удобные для меня.
- Notion - обновление таблиц агентами, а Obsidian еще и как база данных для агента (через RAG).
- n8n - основной инструмент автоматизации. Есть несколько сценариев работающих на make, но они постепенно переписываются в n8n. В n8n очень удобная среда настройки агентов и добавление внешних инструментов. А скоро еще и MCP можно будет добавить... [1] [2] [3]
- IFTTT удобен для ряда сценариев, которые в n8n и make требуют кучу усилий или денег - например, выгрузка новостей из feedly в google таблицу.
- Для хранения данных нам нужна - классическая база данных (настройки и данные между процессами), быстрая база - ключ/значение (контекст и память) и векторная база в качестве RAG для агентов. Я пока остановился на Airtable, Xata и Pinecone.
- Ну и куда сегодня без вайб-кодинга. Использую Replit и Cursor. С выходом Claude 3.7 оба стали работать намного лучше. [1] [2]
А как прибавил сам Сlaude! - смотрим.
Универсальных решений нет, поэтому каждый собирает под себя свою удобную ИИ-команду!
Всех с пятницей! и нескучного погружения в мир ии-инструментов!
Что из звездочек я пропустил? пишите в комментарии
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍24🔥11👏8❤3✍1
Сэм Альтман, CEO OpenAI, обсуждает с организационным психологом Адамом Грантом о будущем искусственного интеллекта.
Очень хорошее и полное интервью.
Оставлю в канале ключевые идеи, которые еще долго будут подтверждаться на практике.
▶️ Важность умения задавать правильные вопросы будет расти, возможно, больше, чем способность находить ответы. В мире, где ИИ может предоставить огромное количество информации, ключевым навыком станет формулирование точных и глубоких вопросов.
▶️ Происходит сдвиг от ценности накопленных знаний к ценности умения связывать разрозненные факты и распознавать закономерности. Эрудиция уступает место способности к синтезу и анализу.
▶️ Неожиданно высокая эмпатия, проявляемая ИИ в текстовом общении, может быть связана не столько с совершенством ИИ, сколько с недостатками эмпатии у людей в онлайн-коммуникации.
▶️ Люди могут предпочитать результаты работы ИИ до тех пор, пока не узнают, что это сделал ИИ, после чего их отношение меняется.
▶️ ИИ может быть эффективным инструментом для борьбы с ложными убеждениями и теориями заговора, поскольку люди меньше беспокоятся о том, чтобы выглядеть глупо перед машиной, чем перед человеком.
▶️ Парадоксально, но команды "врач + ИИ" могут показывать худшие результаты в диагностике, чем просто ИИ, потому что врачи склонны переоценивать свои суждения и отменять правильные выводы ИИ.
▶️ Риск чрезмерной зависимости от ИИ в таких базовых навыках, как письмо, может быть не так страшен, если это приводит к более эффективным способам мышления. Альтман считает, что "письмо — это аутсорсинговое мышление", и если ИИ помогает лучше формулировать мысли, то это может и не быть проблемой.
▶️ Идея разделения на "человеческие деньги" и "машинные деньги", хотя и кажется фантастической, может отражать глубокое понимание будущего, где ценность, созданная ИИ, может существовать отдельно от человеческой экономики.
Самым большим вызовом в ближайшее десятилетие будет скорость происходящих изменений (именно об этом мы и говорим постоянно на нашем канале), которая требует от человечества быстрого решения множества возникающих проблем.
При этом несмотря на быстрое развитие ИИ, повседневная жизнь самого Сэма Альтмана изменилась не так уж сильно. Говорит, ожидал более резких перемен в своей жизни с появлением таких мощных моделей, как GPT-4/О1, но пока этого не произошло.
Классический закон Амары в действии:
"Мы склонны преувеличивать эффект от технологий в краткосрочной перспективе и недооценивать его – в долгосрочной"
Или всё-таки хайп? 🙂
Всем хорошей продуктивной недели!
🅰️ 🅱️ @ReymerDigital
Очень хорошее и полное интервью.
Оставлю в канале ключевые идеи, которые еще долго будут подтверждаться на практике.
Самым большим вызовом в ближайшее десятилетие будет скорость происходящих изменений (именно об этом мы и говорим постоянно на нашем канале), которая требует от человечества быстрого решения множества возникающих проблем.
При этом несмотря на быстрое развитие ИИ, повседневная жизнь самого Сэма Альтмана изменилась не так уж сильно. Говорит, ожидал более резких перемен в своей жизни с появлением таких мощных моделей, как GPT-4/О1, но пока этого не произошло.
Классический закон Амары в действии:
"Мы склонны преувеличивать эффект от технологий в краткосрочной перспективе и недооценивать его – в долгосрочной"
Или всё-таки хайп? 🙂
Всем хорошей продуктивной недели!
Please open Telegram to view this post
VIEW IN TELEGRAM
👍9👏7👌6❤4
100 умных автомобилей против пробок
Вы когда-нибудь задумывались, почему на дорогах возникают "фантомные пробки"? Те самые необъяснимые замедления, которые появляются из ниоткуда и так же внезапно исчезают?
Ученые из Беркли нашли решение, и оно гениально в своей простоте!
Исследователи провели крупнейший эксперимент с участием 100 автомобилей, оснащенных системой искусственного интеллекта на базе метода обучения с подкреплением (RL), который учит машины двигаться... умнее.
❗️ Главное открытие: всего 5% "умных" автомобилей на дороге могут снизить расход топлива для всех участников движения на 15-20%!
Почему возникают пробки из ничего?
Ключевая причина — эффект замедления. Когда водитель впереди слегка притормаживает, следующий за ним тормозит чуть сильнее из-за задержки реакции. Третий — еще сильнее.
Эта волна замедления распространяется назад по потоку машин на скорости около 20 км/ч.
И как результат - увеличение расхода топлива, повышение выброса CO₂, риска аварий и ... лично меня это точно раздражает.
Что показал эксперимент на 100 автомобилях?
На шоссе в час пик исследователи развернули 100 автомобилей с RL-контроллерами, интегрированными в систему адаптивного круиз-контроля. Это крупнейший эксперимент подобного рода! Обычные водители даже не подозревали об эксперименте.
🔥Результаты:
- Экономия топлива до 20% для всех участников движения
- Значительное снижение амплитуды волн замедления
- Стабилизация потока без снижения пропускной способности
При этом чем ближе автомобили находятся позади машины с ИИ-контроллером, тем меньше у них расход топлива. С увеличением расстояния этот эффект постепенно снижается.
Почему это революционно?
1️⃣ Для значительного эффекта достаточно всего 5% "умных" автомобилей на дороге
2️⃣ Не требуется строительство новой инфраструктуры или специальных дорог
3️⃣ Технология может быть интегрирована в любой современный автомобиль с адаптивным круиз-контролем
4️⃣ Полностью децентрализованное решение — каждый автомобиль действует самостоятельно
5️⃣ Улучшает ситуацию для всех участников движения, а не только для владельцев "умных" машин
❗️ Ключевой вывод: для эффективного управления сложной системой не нужно контролировать всех участников. Достаточно небольшого числа "умных агентов", действующих по оптимальным алгоритмам.
А что если применить этот же принцип к другим сложным системам? Экономика? Логистика? Организационное управление? Трансформация бизнеса?
Может стоит для начала добавить умных агентов в бесконечные корпоративные совещания? или тогда они будут проходить быстрее и их станет еще больше 🤦♂️
Нескучных всем трансформаций без пробок!
🅰️ 🅱️ @ReymerDigital
Вы когда-нибудь задумывались, почему на дорогах возникают "фантомные пробки"? Те самые необъяснимые замедления, которые появляются из ниоткуда и так же внезапно исчезают?
Ученые из Беркли нашли решение, и оно гениально в своей простоте!
Исследователи провели крупнейший эксперимент с участием 100 автомобилей, оснащенных системой искусственного интеллекта на базе метода обучения с подкреплением (RL), который учит машины двигаться... умнее.
Почему возникают пробки из ничего?
Ключевая причина — эффект замедления. Когда водитель впереди слегка притормаживает, следующий за ним тормозит чуть сильнее из-за задержки реакции. Третий — еще сильнее.
Эта волна замедления распространяется назад по потоку машин на скорости около 20 км/ч.
И как результат - увеличение расхода топлива, повышение выброса CO₂, риска аварий и ... лично меня это точно раздражает.
Решение:
Исследователи обучили ИИ-контроллер методом обучения с подкреплением (RL) — тем же, что используется в AlphaGo и других прорывных системах ИИ.
Автомобиль получает "награду" за:
- Снижение расхода топлива (не только своего, но и других участников движения)
- Плавную езду без резких маневров
- Поддержание безопасной дистанции
- Соблюдение норм обычного вождения
Основная стратегия: поддерживать чуть большую дистанцию, чем обычные водители, что позволяет плавно "амортизировать" резкие торможения впереди.
Что показал эксперимент на 100 автомобилях?
На шоссе в час пик исследователи развернули 100 автомобилей с RL-контроллерами, интегрированными в систему адаптивного круиз-контроля. Это крупнейший эксперимент подобного рода! Обычные водители даже не подозревали об эксперименте.
🔥Результаты:
- Экономия топлива до 20% для всех участников движения
- Значительное снижение амплитуды волн замедления
- Стабилизация потока без снижения пропускной способности
При этом чем ближе автомобили находятся позади машины с ИИ-контроллером, тем меньше у них расход топлива. С увеличением расстояния этот эффект постепенно снижается.
Почему это революционно?
А что если применить этот же принцип к другим сложным системам? Экономика? Логистика? Организационное управление? Трансформация бизнеса?
Может стоит для начала добавить умных агентов в бесконечные корпоративные совещания? или тогда они будут проходить быстрее и их станет еще больше 🤦♂️
Нескучных всем трансформаций без пробок!
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍10🔥6👏5🏆3❤2
Лошадь верхом на астронавте? Да
Кажется, что для свежего OpenAI нет ничего невозможного.
И пока весь телеграм пестрит плакатами в советском стиле, добавлю от себя, что еще он теперь умеет и где действительно произошел прорыв.
1. Креатив. Первая модель, которая смогла сделать то, что ни разу не видела. Как только ни рисовали "лошадь на астронавте" другие модели, ни у одной не получалось сделать хоть что-то близкое к реальности. Для обновленной 4o это оказалось не проблемой в любых стилях.
2. Текст на картинке. Теперь модель довольно уверенно пишет тексты и добавляет их на изображения. Поэтому можно смело готовить инфографику в презентации с нужными шрифтами, цветами, своими логотипами. Ошибки еще встречаются, но даже их можно попросить поправить
3. Свои персонажи. Можно использовать своих персонажей, брать уже известные изображения и добавлять в них. С командой моих ИИ агентов я уже знакомил раньше, теперь 4o делает их героями комиксов
4. Истории. Комиксы, истории, с текстом, картинками. Возможность создавать слайды в едином стиле и концепции.... только фантазия ограничивает.
5. Копирование стиля. сгенерировать в стиле Gartner или своем корпоративном, комикс в стиле Дилберта или плакат в советском стиле.
6. Контекст. В течение всего диалога с моделью держится контекст. Если попросили в начале использовать определенный стиль, то модель будет на него опираться и дальше. Получаем самый настоящий итеративный процесс создания нового.
Из минусов
- генерация занимает время (3-4 минуты, дольше, чем midjourney, но вполне терпимо)
- часто шалит с буквами
- иногда отказывается создавать (ссылаясь на цензуру или права собственности)
Последние полгода я пользовался OpenAI только через API, но с таким рывком в генерации картинок снова стал подписчиком ChatGPT.
Этот прогресс уже немного пугает..
То, что не уместилось из картинок - в комментариях
Всем хорошей наступающей пятницы!
🅰️ 🅱️ @ReymerDigital
Кажется, что для свежего OpenAI нет ничего невозможного.
И пока весь телеграм пестрит плакатами в советском стиле, добавлю от себя, что еще он теперь умеет и где действительно произошел прорыв.
1. Креатив. Первая модель, которая смогла сделать то, что ни разу не видела. Как только ни рисовали "лошадь на астронавте" другие модели, ни у одной не получалось сделать хоть что-то близкое к реальности. Для обновленной 4o это оказалось не проблемой в любых стилях.
2. Текст на картинке. Теперь модель довольно уверенно пишет тексты и добавляет их на изображения. Поэтому можно смело готовить инфографику в презентации с нужными шрифтами, цветами, своими логотипами. Ошибки еще встречаются, но даже их можно попросить поправить
3. Свои персонажи. Можно использовать своих персонажей, брать уже известные изображения и добавлять в них. С командой моих ИИ агентов я уже знакомил раньше, теперь 4o делает их героями комиксов
4. Истории. Комиксы, истории, с текстом, картинками. Возможность создавать слайды в едином стиле и концепции.... только фантазия ограничивает.
5. Копирование стиля. сгенерировать в стиле Gartner или своем корпоративном, комикс в стиле Дилберта или плакат в советском стиле.
6. Контекст. В течение всего диалога с моделью держится контекст. Если попросили в начале использовать определенный стиль, то модель будет на него опираться и дальше. Получаем самый настоящий итеративный процесс создания нового.
Из минусов
- генерация занимает время (3-4 минуты, дольше, чем midjourney, но вполне терпимо)
- часто шалит с буквами
- иногда отказывается создавать (ссылаясь на цензуру или права собственности)
Последние полгода я пользовался OpenAI только через API, но с таким рывком в генерации картинок снова стал подписчиком ChatGPT.
Этот прогресс уже немного пугает..
То, что не уместилось из картинок - в комментариях
Всем хорошей наступающей пятницы!
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍11🔥8🤣4👏3💯2