💸 Купил вчера первый рекламный пост в канале про AI за $150, чтоб нагнать трафика на статью. Что могу сказать? Попытка полностью провалилась, но я, честно, не очень и старался, хотелось провести какой то baseline того, что будет, если вообще не запариваться.

На посте 3600 просмотров в телеграм

Счетчик просмотров статьи увеличился всего на 200, конверсия 5.5%

В канал перешло 15 человек в чат 16, кто то из точно них пересекается, пускай будет 20 уникальных подписчиков, конверсия 10% с предыдущего шага.

Итого получается по $7.5 за подписчика, что много, я рассчитывал на $1.

Что же выгоднее - нативный трафик от статей или реклама?

Я потратил порядка 30 часов на проведение интервью, пейринг сессий, чтение статей и написание самой статьи, перемножаем на ставку в $100, получаем $3000. По статье нативно пришло чуть больше 200 человек, получается $15 за подписчика, что в 2 раза больше рекламы. НО!

- Я выучил много полезной информации, без этой информации никто бы просто не пришел
- Получил практический опыт
- Познакомился с классными людьми

Планирую дальше нанять профессионального редактора и переписать статью под VC и Хабр, дополнив ее новой информацией, а потом выйти уже на Reddit и другие зарубежные площадки.

Если у вас есть хороший редактор с опытом написания статей под эти площадки, то очень прошу поделиться контактом.

@ctobuddy

🧑‍🏫 Ищу стажеров для своего проекта Devs try AI.

Я строю комьюнити инженеров, которые используют AI в работе каждый день, мы обмениваемся опытом и наполняем опенсорс базу знаний. Деньги зарабатываем интеграцией AI в бизнес.

Сам я хочу больше заняться менеджментом продукта, привлечением клиентов, а в дальнейшем инвестиций. Работы много, моих рук на все не хватает.

Чем будем заниматься?

- Тестировать разные AI утилиты и подходы, которые помогают разработчикам писать код быстрее и качественнее. Почитать можно тут.
- Наполнять опенсорс базу знаний.
- Развивать продукт, делать его еще более полезным для пользователей.
- Запускать собственное СМИ, делать маркетинг, писать статьи, вести комьюнити

Что я могу предложить взамен

- Мой личный менторинг, как в области применения AI, так и по IT в общем. Обо мне тут.
- Рекомендовать через свой нетворк, помощь в поиске проектов.
- Опенсорс проект в портфолио.
- Интересные задачи и адекватный менеджмент
- Возможность договориться об оплате

Что требуется?

- Наличие софт скиллов на уровне, отличном от отрицательного.
- Желание учиться применять AI в каждой задаче, которую делаешь
- Базовое знание программирования на любом языке или знания в любой другой профессиональной сфере(дизайн, продуктовый менеджмент, датасаенс и тд)

👉 Товарищи, прошу вашего репоста.

Кандидатам писать @romankaganov

AI Driven Product Management

Проходил сегодня курс по продуктовому менеджменту с помощью AI от Игоря Акимова.

Я не профессиональный продакт, и для меня это было еще полезнее, ведь мы знаем, что AI помогает в освоении новой области знаний и позволяет джунам быть на уровень выше, чем они есть.

👉 Главный инсайт, который я получил

Есть исследование(Игорь обещал мне скинуть ссылку), где ученые психологи задавали вопросы ИИ и человеку. И их ответы коррелировали на 95%.

Что это значит? Что мы можем нагенерировать столько персон, сколько нам нужно и задавать им сколько угодно вопросов. Прощай эра кастдевов в том виде, как это было раньше. Я не перестану говорить с людьми, но скорее буду это делать вторым шагом.

Что дальше?

На курсе мы создали цепочку вызовов от проработки, юзкейса, создания персоны, анализа CJM, генерации и задавания вопросов, до анализа ответов. Все это сопровождалось постоянным ручным копипейстом контекста в chatGPT. Это дело и будем автоматизировать с помощью Langchain, добавлять в цепочку учителя, подключать внешний интернет и RAG с внутренней документацией.

Обкатывать хочу как на основном проекте, там у нас сложная задача по интеграции с американской банковской системой, так и на проекте @devstryai, где нужно находить product market fit.

Дополнительно для себя еще узнал как круто делать обучение с большим количеством практики и интерактивом. Беру на карандашик, когда нибудь запущу свой курс.

@ctobuddy

Выступал сегодня на мини конференции ребят из бизнес комьюнити R-Founders

Рассказывал про свое исследование на тему использования ИИ разработчиками.

Мне очень понравилось. Надеюсь, ребятам тоже зашло. Один из вопросов был "Почему ты еще не запустил свой собственный курс?" Раз такие вопросы, то, видимо, надо.

Хочу продолжать выступать, меня прям проперло, очень сильный заряд энергии.

Из классного еще сегодня моя статья попала в канал Вастрика на 9к человек, в канал @devstryai пришло почти 100 человек, там уже подписчиков больше, чем на моем личном канале.

Короче, тема горячая. Работаем.

@ctobuddy

📊 Политика по AI в компаниях

Насобирал тут статистики, думаю, получилось вполне репрезентативно.

Рынок вырисовывается хороший. 58% компаний пока ничего не делают в направлении ИИ.

Сейчас вот думаю в какую сторону копнуть глубже, ресурс опросов все такие не безграничен, можно ими публику рапугать.

Можно копнуть категорию "Отсутствующая" и узнать распределение по размеру компаний. Это та категория, которая мне интересна. Но там есть риск получить просто "нормальное" распределение. Слишком уж она широкая.

А можно пойти в категорию "Купили Копайлот" и "Активная", чтоб понять какие компании сейчас переходят из категории незнающих в категорию практикующих и намайнить там инсайты к кому мне заходить в первую очередь.

👇 Интересно ваше мнение куда копать и какими вопросами

@ctobuddy

🤖Технологическая сингулярность

Прочитал тут 3 научных публикации в которых ученые озадачивались когнитивными функциями LLM и их способностью думать как человек.

Using Large Language Models to Simulate Multiple Humans
and Replicate Human Subject Studies:

В этом исследовании ученые предложили новый тип теста - Эксперимент Тьюринга, в отличии от Теста Тьюринга он проверяет может ли машина симулировать поведение групп людей, а не индивидумов.

Например, в эксперименте Ultimatum Game, где одному “человеку” предлагалось сделать предложение, а второму либо принять его, либо нет. Машина вела себя как человек, хотя математически верное решение - принимать каждое предложения. Даже больше, в эксперименте машина показывала корреляцию с человеческим поведением и по гендерному признаку, если давать ей мужские или женские имена!

Но есть один тест, который машина завалила - она палится, когда начинаешь спрашивать ее про какое то точное знание. Типа “ты 5 летняя девочка, представь свой полет на Луну. Сколько он займет?” Машина начинает доставать свои энциклопедические знания и щеголять ими.

Large Language Models Show Human Behavior
Это препринт, и в целом он повторяет сказанное выше, но мне понравилось что “процесс кодирования информации в таких моделях на основе AI приводит к ошибкам, которые также распространены среди людей, таким как уязвимость к вводящим в заблуждение вопросам, амнезия источника и чувствительность к небольшим изменениям в формулировке”

Emergent Analogical Reasoning in Large Language Models

В этой статье исследователи доказывают, что GPT-3 имеет способность абстрактно думать и проводить аналогии и справляется с этой задачей “лучше студентов колледжа в большинстве случаев, без какого либо предварительного обучения задаче”. Тут было была надежда, что человечество не в сухую проиграло битву, GPT-3 проиграла человеку в построении сложных аналогий между длинными историями, где нужно было выстраивать взаимосвязи между взаимосвязями и событиями. Но GPT-4 переиграло человека и тут, увы.

Что можно делать со знаниями выше?

Как писал раньше, можно создавать себе сколько угодно сабличностей и целые группы людей и обкатывать на них свои идеи, материалы, предложения. Я так, например, на днях обкатывал коммерческое предложение перед его презентацией клиенту. Очень полезно.

Ну что, напряглись?

Я вот напрягся, недавно пересматривал фильм Терминатор, он начинается с вида разрушенного Лос Анджелеса 2029 года.

А вообще мы входим в такую сингулярность, что не успели мы еще познать все глубины GPT-4, как выходит новая Gemini 1.5 Pro с просто невероятным контекстным окном, и которая работает тем лучше, чем больше контекст ты ей дашь. В чате @devstryai_chat скидывают ссылки на другую модель - Mistral, еще один новый зверь.

Как ни крути, либо вы осваиваете искусство владения AI и будете давать ему команды, либо вы в постепенно станете физическим интерфейсом aka ”агентом” AI. Первое, кстати, не исключает второе.

Если вам интересно внедрение AI в свою работу или бизнес, напишите мне @romankaganov

Иллюстрациии в комментариях 👇

@ctobuddy

🦾 Первый трекшен

25 декабря прошлого года я сделал анонс исследования новой гипотезы про использование ИИ в работе программистов.

Сегодня, спустя меньше чем 2 месяца, я получил первые деньги по ней. Пока копеечку и от частного лица, но очень приятно. И я точно знаю, что скоро закрою первого корп клиента, потому что мы с @VictOr_Mizilin в воскресенье будем готовить просто бомбический совместный материал.

Еще сегодня был очень классный разговор со старым боевым товарищем, у него огромный опыт в автоматизации бизнес процессов, ему очень интересен проект и он хочет зайти. Также на этой неделе еще несколько звонков с потенциальными партнерами. Надеюсь, к концу недели команда проекта расширится и мы попрем еще быстрее.

А вчера другой коллега СТО меня позвал выступить перед своей командой, чтоб они могли прикинуть юзкейсы и попробовать их продать начальству.

В чате уже 343 человека, в канале 290.

👉 Если вам интересно внедрить AI в свою разработку, то пишите мне в личку @romankaganov. Я провожу как индивидуальные, так и командные треннинги. Ближайшие 2 недели со скидкой 30%.

@ctobuddy

🙈 Атаки на приватность в ML

Около года назад писал обзорную статью о различных атаках против на публичные/статистические данные.

Если коротко, то даже публикуя "обезличенные" и статистические данные, вы расскрываете какую то частичку персональных данных пользователей, и, используя статисчические данные в связке с другими данными, можно деанонимизировать пользователя.

Коротко я затронул в этой статье тему атак на приватность в Machine Learning.

Можно выделить 4 основных типа атак(источник):

- Membership inference attacks являются наиболее распространенным типом атаки, направлены на определение, использовался ли входной образец (например, индивидуум) в качестве части обучающего набора.

- Reconstruction attacks направлены на воссоздание одного или нескольких обучающих образцов и/или их соответствующих атрибутов. Некоторые атаки также используют общедоступные данные для выявления чувствительных атрибутов целевых лиц.

- Property inference attacks направлены на извлечение информации, которая была неумышленно изучена моделью и которая не связана с задачей обучения. Например, обученная модель выполняет классификацию по полу и может быть использована для определения, носят ли люди в обучающем наборе очки или нет; однако эта информация не была закодирована в качестве атрибута или метки набора данных.

- Model extraction attacks направлены на полное воссоздание атакуемой модели и ее замену. Эта модель может быть использована позже для выполнения других атак, например, Membership inference attacks, более эффективно с меньшим количеством запросов.

Те, кто дочитал до конца, найдут ссылку на Awesome Attacks on Machine Learning Privacy, там очень много конкретных примеров атак.

А если вы обучаете собственные модели и озадачились решением этой проблемы, то вам стоит почитать про дифференциальную приватность. У ребят из Гарварда есть целый набор инструментов для этого.

@devstryai