Почему чипирование откладывается?🧠

Представьте: вы просыпаетесь от назойливого джингла в голове и это не будильник😵‍💫. В разговорах я часто шутил, что старался бы избегать установки нейроимпланта, потому что не хочу, чтобы мне во сне крутили рекламу напрямую в мозг. Но что, если все таки придется? На днях начал смотреть новый сезон Черного зеркала и уже первая серия знатно нагоняет жути. По сюжету главная героиня была вынуждена поставить нейроимплант, конечно же по подписочной модели монетизации🤬. Для нее это был вопрос жизни или смерти, но что, если это может стать таким же неотъемлемым инструментом, как и компьютерная мышь с клавиатурой? Хочешь оставаться конкурентным на рынке труда — будь добр вживить себе в голову девайс, иначе останешься на обочине, пытаясь с третьего раза ввести пароль в неправильной раскладке, пока другие мгновенно вайб-кодят с помощью мысли.🤤

Я погуглил актуальные папиры, чтобы узнать как там обстоят дела, к чему готовиться. Все наверное слышали про стартап Маска Neuralink, который успешно вживлял электроды в мозг обезьян, чтобы они могли с кайфом поиграть силой мысли в восьмибитный пинг-понг. С тех пор множество лабораторий занялось этим вопросом и полученный сигнал мозговой активности уже научились трансформировать в текст практически в реалтайме. Для расшифровки таких зашумленных нелинейных сигналов используются жесточайшие гибридные архитектуры Deep Learning моделей в виде комбинаций CNN, LSTM, Transformer. Временные ряды все ещё тащат. Думаю в будущем мобильные приложения будут просить доступ не только к местоположению, но и к вашим мыслям👁. Появятся вакансии DS, которые будут всё это анализировать и допиливать BrainToText или BrainToAction модели для улучшения клиентского опыта. RecSys выйдет на новый уровень — теперь не придётся анализировать движения мыши по сайту, реклама будет сразу исчезать, если вам "не интересно".

Ну так что, когда чипирование то? На самом деле, нейрохирургия — это всё еще сложно, дорого и рискованно, раскатить нейроимпланты на всех просто не получится. Поэтому наибольшую актуальность набирают неинвазивные методы анализа мозговой активности: электроэнцефалограмма и спектроскопия. Вместо вживления электродов в мозг используется инопланетная шапочка с датчиками, как из низкобюджетного sci-Fi🪩. Точность пока что получается ощутимо хуже, чем читать сигнал с мозга напрямую электродом, но думаю это вопрос времени. Зато голова будет в целости, а главное в режиме read-only.

Когда-нибудь датчики подешевеют и Brain Computer Interface начнет своё распространение. Что из этого может получиться?
✨Переключения раскладки, опечатки и мисклики уйдут на свалку истории.
📱Индустрия игр изменится — игровые механики не будут ограничены "Press F to pay respect".
🪱Пароли заменятся "нейроотпечатками" — уникальными паттернами мозговой активности.
🪩Язык эволюционирует - появятся новые части речи для описания "сырых" нейрообразов
🪩Вместо привычной офисной работы "за деньги да" будут нейро-криптовалюты, основанные на Proof-of-Focus: заработок монет за поддержание концентрации.

Какая технология станет прорывной в ближайшие 10 лет?

CURL-ык🕸

В 1948 году Беррес Фредерик Скиннер ставит свой знаменитый эксперимент: голуби, посаженные в «ящик Скиннера», получают порцию зерна через определённые промежутки времени. Лишенные возможности понять истинную причину вознаграждения, птицы начинают повторять те действия, которые они случайно совершали в момент получения пищи. Один голубь крутился против часовой стрелки, другой бился головой об угол, третий махал крылом. Каждый из них разработал свой собственный ритуал, «суеверие», в надежде, что именно это принесет им заветную еду. Эксперимент наглядно продемонстрировал, как мозг ищет закономерности даже там, где их нет.

Вдохновившись работами Скиннера, но не имея доступа к университетской лаборатории, я решил воспроизвести классический эксперимент в современных условиях. Объектом моего исследования стали десять сизых голубей, пойманных на ближайшей помойке – существа, чья жизнь и так была тесно связана с поиском случайных вознаграждений. Я соорудил для них вольер с автоматической кормушкой на Arduino, запрограммированной на выдачу еды в хаотичном порядке.

Поначалу всё шло по учебнику. Голуби клевали, кружились, махали крыльями, пытаясь найти простую причинно-следственную связь. Но затем произошло нечто непредвиденное. Спустя неделю ритуалов, один из голубей, которого я мысленно прозвал «Восьмой», перестал бессмысленно кланяться и начал внимательно наблюдать. Он заметил, что еда появляется независимо от танцев его сородичей. Это было озарение.
Вечером того же дня Восьмой собрал остальных на экстренное совещание. «Коллеги, – проворковал он, – наши карго-культы не работают. Мы имеем дело со стохастическим процессом. Нам нужны данные».

С этого момента эксперимент вышел из-под контроля. Голуби организовали собственный Data Science отдел. Самый шустрый голубь, «Шестой», был назначен ответственным за сбор данных: он скрупулезно фиксировал время каждой кормежки. «Третий», обладавший аналитическим складом ума, возглавил отдел аналитики. Первым делом они закупили мощности в облаке💻 – благо, рядом с вольером проходил незапароленный Wi-Fi🖥.

Их первоначальные попытки анализа были просты: они искали простые закономерности📊, строили линейные регрессии, но быстро поняли, что система гораздо сложнее. Тогда «Восьмой», ставший к тому времени неформальным тимлидом, предложил революционное решение. Где-то раздобыв пейпер «Attention Is All You Need», они внедрили архитектуру transformer для прогнозирования временных рядов. Теперь их модель учитывала не просто отдельные события, а всю последовательность появления еды за последние дни.

Чтобы проверить эффективность своей модели, они разделились на две группы. Первая группа продолжала следовать своему «суеверному» поведению, вторая — использовала полученные прогнозы. Результаты A/B-тестирования оказались ошеломляющими: вторая группа получала корм на 30% чаще.

Спустя неделю успешной работы модель начала давать сбои. Точность прогнозов упала. «Мы поймали data drift!» – встревоженно проворковал «Третий». Статистические свойства входных данных изменились. После долгих дебатов и анализа внешних факторов, голуби пришли к выводу, что на график подачи еды влияет погода – в дождливые дни интервалы между кормежками сокращались. Они немедленно заказали API👣 с метеорологическими данными и интегрировали их в свою модель, переобучив ее.

На днях я наткнулся на препринт arXiv 📖 "Прогнозирование стохастических пищевых событий в ограниченной среде с использованием трансформерных архитектур: опыт голубиной стаи". Backtest показывал ошеломляющие 95% accuracy.

Думаю пора переходить к следующему шагу – оставить кормушку навсегда полной...

Всё ещё проводите AB-тесты❓

ОСВОБОДИТЕСЬ ОТ ТЕХ. ДОЛГОВ ПЕРЕД ПРОДУКТОМ И БИЗНЕСОМ 💸
по Федеративному Закону № 2048 «О презумпции статзначимости» 📜

Устали доказывать, что ваша новая ML-модель действительно лучше? Надоело ждать недели, чтобы узнать, что ваш +0.1% к ROC-AUC — это просто шум?

Знайте! Согласно статье 1 ФЗ-2048: ⚖️
Любое различие в метриках на отложенной выборке считается статистически значимым, пока его незначимость не будет доказана.

Наши клиенты уже пользуются своими законными правами: 💼

«Сравнил Precision на валидации — и сразу в продакшн!
AB-тест? Это вы мне докажите, что моя модель неидеальна! Экономим время компании и радуем пользователей уже сегодня».😎

Представьте мир, где путь человека предопределен безупречным, но бездушным алгоритмом. На днях я закончил читать произведение «Профессия», в котором Айзек Азимов создал именно такую «идеальную» антиутопию. Больше не нужно учиться — знания напрямую загружаются в мозг🖥, не нужно думать чем хочешь заниматься — система безошибочно определит ваше призвание, основываясь на природных способностях. Драйвером сюжета становится попытка главного героя повлиять на свое будущее, чтобы стать программистом. В фантастической книге 1960-го года эта профессия тоже считается одной из самых престижных, т.к. даёт возможность свалить🚜 с провинциальной Земли на топовые планеты А класса🪩. Чтобы повысить вероятность пройти автофильтры бездушного распределения😐, главный герой решает заранее получить знания по старинке — через чтение технической литературы, что в мире мгновенной загрузки знаний выглядит для окружающих сумасшествием и бессмыслицей🧠.

История сильно во мне откликнулась. В 14 лет👶 я случайно попал на дополнительные занятия по информатике, где мы изучали программирование, сильно опережая школьную программу. В качестве первого языка был не Scratch или Python🖥, а сразу C++. Стоит ли говорить, что я абсолютно не понимал, что происходит? В школе я учился по шаблону: сначала пытался вникнуть в тему на уроке, если не получалось — заглядывал дома в учебник. Грубо говоря, ждал, пока кто-то закачает знания в мозг. А если и это не помогало, я спокойно забивал на предмет, обосновав это отсутствием способностей.

Но почему-то именно с программированием так сдаваться не хотелось. Я понимал, что из всех предметов больше всего мне нравилась информатика🖥, поэтому по ней придётся и поступать в вуз, чтобы свалить из своего города.
Тогда хайп профессии, несмотря на уже высокие зарплаты💸, даже не начинал зарождаться: хороших бесплатных🥳 материалов на русском языке было совсем немного и буквально 10 лет назад учиться по книгам было реально неплохим вариантом. Тогда я купил огромный кирпич-самоучитель по плюсам🖥 и стал разбираться в каких-то базовых конструкциях — дело сдвинулось с мертвой точки. Однако и книга не везде была понятная, не хватало практики, тогда я впервые открыл для себя бесплатные онлайн курсы на Stepic. Для школьника это было что-то невообразимое — можно изучить всё что угодно самостоятельно и в своём темпе, нет Марьиванны, которая трясет с тебя домашку и прочих прелестей школы😜. Ты получаешь свободу выбора, но взамен начинаешь сам отвечать за своё образование.

Сложно отрицать, что профессия программиста меняется: навык «забыдлокодить кое-как🥴» стремительно обесценивается, а CEO ведущих AI лабораторий обещают инвесторам вообще упразднить эту профессию✋, заменив кожаных на LLM-агентов. Не знаю, что будет в 2030🫥, не знаю, сколько ещё продлится привилегированное положение айтишников💸, но всё это время я пытаюсь заранее ответить на будущий вопрос: «Не был ли мой выбор ошибочным? 🤷‍♂️Не пора ли просто списать последние 10 лет, начав всё сначала, например, в изучении сварки или сантехники?»🧀.
⤵️

⤴️
Оглядываясь на пройденный путь, я понимаю, что главным итогом стали не только знания о том, как написать «Hello world» на ассемблере. Постоянное изучение математики и программирования, особенно в вузовских объёмах🏥, ведёт к развитию двух критичных мета-навыков👤:
1️⃣. Умение учиться🗒
Успех в области IT напрямую зависит от способности быстро найти, усвоить и применить новую информацию. У разработчиков он развит максимально, потому что без него просто невозможно долго оставаться в профессии.
2️⃣. Декомпозиция и решение сложных проблем🐗
Про необходимость разбираться с задачами, у которых нет очевидного и единственно верного решения, я уже рассказывал тут. Работа даже с небольшой кодовой базой в 5к строк часто требует таких решений, последствия которых можно узнать только спустя годы, когда какой-нибудь безобидный костыль отстрелит тебе ногу🚀. В этот момент тренируется умение разбивать сложные, запутанные задачи или системы на более мелкие, управляемые и понятные части.

Поэтому если всё таки придётся перекатываться в отделочные работы, я думаю, что бывший айтишник довольно быстро научиться класть плитку. Причём сложность укладки по времени будет расти не квадратично, а за O(n*logn).

Один сигнал — и ты летишь куда скажут

Пока я набрасывал алармистские тейки про неизбежную массовую адаптацию нейроинтерфейсов и рассказывал про организацию DS-департамента, укомплектованного голубями с помойки, Саша Панов и стартап Neiry сделали новый инфоповод:

«Группа компаний Neiry представляет голубей‑биодронов, в мозг которых имплантированы нейроинтерфейсы. В настоящее время команда учёных и разработчиков тестирует их летные характеристики. Биодроны — новый продукт Neiry: вместо летательного аппарата учёные и разработчики начали использовать живых птиц с чипом в мозге. Благодаря нейрочипу оператор биодрона может управлять птицей, загружая ей полётное задание, как в обычные БПЛА».

Звучит как начало серии «Чёрного зеркала», но дальше — больше.

«Дрессировка не требуется: любое животное становится дистанционно управляемым после операции», — подчеркнули в компании.

Для чего? А главное — зачем?
⚠️Во-первых, раскатка дронов в мегаполисах сейчас упирается в стену стандартов FAA и EASA. Чтобы выпустить автономный дрон в город, ты должен доказать, что вероятность его отказа не ниже 1e-9. То есть поломка происходит не чаще одного раза за миллиард часов полета. Такой девайс сложно и дорого сделать: вместо вайбкода🗯 придётся делать отказоустойчивое ПО и добавлять дополнительные пропеллеры🔄 (Карлсон явно бы не прошёл по стандартам).
С голубями всё проще:

«Вероятность падения или аварии биодрона мала и равняется вероятности падения птицы. Поэтому биодроны можно безопасно эксплуатировать в городах».

🔌Во-вторых, вопрос энергоэффективности. Голубя не нужно ставить на зарядку — он автономен в плане поиска пропитания и без всяких чипов найдёт ближайший общепит.
Да, птица не сможет нести на себе много полезного веса (за исключением противозаконного), но этого хватит для небольшой камеры, что закроет задачи видеомониторинга местности.

Если эта тема взлетит, нас ждет не стерильный sci-fi🪩, а самый настоящий nature-punk. Никаких бездушных машин — живая природа станет хардверной платформой для наших задач:
1️⃣ Кабаны вместо шеринг-электросамокатов🐗
2️⃣ Дельфины вместо гидроциклов🐬
3️⃣ Бобры-плотники вместо 3D-принтера🦫
4️⃣ Автономные лошади, прямо как Плотва из Ведьмака: нажали X и она прискачет к вам хоть с острова Скеллиге🐴
5️⃣ Бомбардиро Крокодило (вне конкурентов)🐊

⚡️ ОТКРЫТ НАБОР В ЦЕХ ВИЗУАЛИЗАЦИИ ⚡️

🏭 Дашбордостроительный завод объявляет набор квалифицированных кадров в связи с запуском новой линии отчетности.

ОТКРЫТЫ ВАКАНСИИ:

🦺Джейсоноукладчик (4-5 разряд)
Ручная укладка вложенности до 5-го уровня, поддержание баланса открывающих и закрывающих скобок, чистовая обработка сырья, обрезка NULL-ов, шлифовка дублей.

👨🏻‍🎨.plotник
Вытачивание графиков по осям X и Y, забивание гвоздей в крышку гроба плохих показателей.

🚂 Кочегар бэклога
Кидать задачи в топку спринта, поддерживать стабильную температуру горения жоп в команде.

🏗 Крановщик
Погрузка/разгрузка Docker-контейнеров, требуется виртуозное управление кубер-манипулятором.

🔩Монтажник костыльных конструкций
Установка временных решений, подпорка легаси-кода.

⚠️ Требования:
- Готовность к деплою по пятницам
- Допуск к работе в продовом контуре
- Знание техники безопасности (DROP TABLE PURGE, DELETE FROM без WHERE)

🎁 Соцпакет и бонусы:
✅ Ежегодная путевка в лучшие санатории Дубайска
✅ Скуфитерий
✅ Кокосовое молоко за вредность

Рекомендательный рехаб📱

Вспомни свой любимый трек. Тот самый, который хочется выкрутить на полную и оглохнуть🎮. А теперь ответь честно: ты нашёл его сам или его «выбрали» за тебя?

Следующий вопрос: «Как часто вы пользуетесь поиском в Яндекс музыке»? 🔍 По себе заметил, что практически никогда. Основной мой сценарий использования — это нажать кнопку «Моя волна» или слушать последние 10 добавленных треков, которые туда попали — неожиданно! — также из рекомендаций🎵. Получается, что последние годы моим плейлистом (а между тем и настроением) управляет исключительно алгоритм. Формально за мной остаётся право переключения треков, но если подумать шире, то пространство выбора уже очерчено программой🫥. Так я понял, что незаметно оказался в том самом информационном пузыре, о котором так часто слышал, но всё время отрицал его существование.

Минусы будут?
Изучая плейлист итогов года, я увидел, как быстро забываю новых для себя исполнителей из-за того, что они просто переставали попадаться в Моей волне. Напротив — каких-то исполнителей наоборот становится слишком много: алгоритм знает, что я их всегда послушаю, поэтому будет предлагать одно и то же снова и снова🔄. Давайте, без утверждений в адрес конкретного стриминга, представим возможные последствия оптимизации алгоритма под максимизацию удержания вашего внимания:
1️⃣Избегание сложного 👶
Скип долгих треков, особенно с длинным вступлением. Туда же скип треков, которые сильно отличаются от того, что вы обычно слушаете.
2️⃣ Монетизация грусти 😒
Если статистика покажет, что под депрессивный пост-панк или грустный рэпчик ты сидишь в приложении на 35 минут дольше — готовь платочки, потому что грусть продается лучше.
3️⃣ Бюджетная оптимизация 🪙
Выплаты для разных исполнителей могут отличаться в зависимости от контракта, соответственно алгоритму может быть выгоднее рекомендовать треки, по которым придётся платить меньше отчислений. Прослушивание нишевых инди-исполнителей не только повышает ЧСВ, но и дешевле обходится для платформы.

В совокупности получается некий усреднённый приятный фоновый шум, который не бесит, но и не цепляет. Я подсел на этот аудио-анальгин от тишины и не могу без него что-то делать, как главный герой фильма «Малыш на драйве»😕. Но проблема в том, что у меня в памяти остались впечатления от настоящих музыкальных эмоций. Но вместо того, чтобы минуту подумать о том, какой альбом мне хотелось бы сейчас послушать, я начинаю вести себя как лудоман у «однорукого бандита»🎰 — скипаю треки в рекомендациях не потому, что они плохие, а в надежде выбить тот самый дофаминовый джекпот. Я ищу не песню, я ищу приход, который алгоритм выдаёт негарантированно и всё реже и реже.

В трилогии «Пиратов Карибского моря» у Джека Воробья был особый компас🧭. Он указывал не на север, а туда, где находится то, чего владелец хочет больше всего. Если ты не знаешь, чего хочешь — стрелка будет крутиться хаотично в разные стороны.

Так и мы, пользователи, в этом море контента разучились хотеть, потеряли направление и теперь просто плывём по течению на своей волне.

Что можно исправить?
Персональные рекомендации — это неплохо, если в меру. Для себя я решил следующее:
✅ Если действительно нужен шум для работы то буду включать мою волну без слов, либо на иностранном языке, чтобы не отвлекаться на лирику.
✅ Добавлять в избранное не только отдельные треки, но и альбомы с исполнителями. Хотя бы раз в день самостоятельно выбирать то, что именно я хочу послушать.
✅ Собирать свои плейлисты.
✅ Чаще заходить в каналы, где авторы делятся музыкой, чтобы находить что-то принципиально новое.

Выбери жизнь. Выбери работу. Выбери музыку.

Зумеров всё таки заставят работать

Недавно вышел последний эпизод второго сезона сериала Fallout. Лютые фанаты, конечно, захейтят его за нестрогое следование лора, но для сериала по игре получилось очень даже смотрибельно👍, в отличие от Ведьмака (там совсем всё плохо, не советую). Я достаточно давно брожу📟 по пустошам этой вселенной и стойко помню, какой несбыточной фантастикой выглядели эти домашние роботы-помощники🤖, искусственный интеллект, синты и т.д.
Но за последние 4 года нейросети развиваются так быстро, что сценарий игры начинает выглядеть как дорожная карта ближайшего будущего. Самое время разобрать какие технологии были показаны в сериале, а заодно посмотреть, кто уже пилит это в реальности.

🧊 Криогенная капсула
Главная технология, которая драйвит сюжет — возможность заморозить человека на неопределённый срок и, самое главное, успешно разморозить его живым спустя сотни лет.

На сегодняшний момент такой технологии не существует. Заморозить — не проблема, а вот с разморозкой вопрос так и не решён. Однако в мире (даже в РФ) существуют несколько фирм, оказывающих полный список услуг по криосохранению человеческого организма, но уже только после смерти.
Действие контракта на поддержание заморозки пролонгируется до бесконечности — до тех пор пока не будут изобретены технологии, способные вернуть криопациента к жизни. Ценник демократический — всего от 3 млн рублей. Не так дорого за опцион на воскрешение.

💾 Brain-computer interface chip
В сериале Роберт Хаус говорил:

Я потратил много времени на то, чтобы сделать свои машины более реалистичными, но, знаете, это работает и в обратную сторону.

В Fallout BCI-чип используется для стирания памяти и управления людьми через радио-пульт, примерно как дронами. Этой технологии отведено много экранного времени во втором сезоне. Особенно мне понравилось, как обыгрывали моральные вопросики: допустим есть возможность чипировать преступника и заставить его работать на благо общества, но с другой стороны придётся лишить его памяти и какой-никакой личности.

Звучит как типичный злодейский монолог, пока не вспомнишь, что в реальности уже есть такой стартап, исследующий управление птицами через нейроинтерфейс. Про него я уже рассказывал в предыдущем посте.

🖥 Robobrain
Robobrain выглядит как мозг в трёхлитровой банке, подключенный к компьютерной сети. Такое изобретение помогает решить следующие проблемы: либо помочь обрести бессмертие какому-то конкретному Кабанычу (в сериале это Роберт Хаус и Бад Аскинс), либо стереть с мозга память и использовать его как готовый процессор, который допустим можно устанавливать в роботов или вычислительные центры.

Что есть похожего прямо сейчас:
Cortical Labs (Австралия).
В 2025 году стартап представил CL1 — первый коммерческий биокомпьютер. 800,000 биологических нейронов, которые за 5 минут научились играть в Pong. Стоимость ~$35,000 за штуку, потребление 850 Вт.

Есть одна маленькая проблема, которая объединяет Fallout с реальностью куда теснее, чем хотелось бы — энергия, а именно её нехватка. Вселенная Fallout началась с Великой войны💥 за последние ресурсы. Теперь посмотрите, что происходит сейчас:
⚡️ Потребление электричества дата-центрами удвоится к 2030 году — до 945 ТВт·ч. Это больше, чем потребляет вся Япония.
🖥 Дополнительно к базовому прогнозу OpenAI хочет построить 5 дата-центров общей мощностью около 10 ГВт в рамках проекта Stargate ($500 млрд).

И вот почему Robobrain — это не шутка
🧠 Человеческий мозг потребляет ~20 Вт.
🖥 Одна серверная стойка Nvidia GB200 — 120-140 кВт.

Робомозги из Fallout — это не больная фантазия сценаристов. Это один из потенциальных ответов на энергетический кризис ИИ. Вместо того чтобы строить тысячи дата-центров и десятки АЭС, можно использовать то, что эволюция оптимизировала миллиарды лет — мозг. Так что не налегайте на алкоголь и берегите ваши нейроны. Возможно, их ещё получится выгодно сдать в аренду.

Теперь я дипломированный машинлёрнингсистемдезигнер🧖

Три месяца пришлось просыпаться по выходным в 11:00 ради Zoom-лекций с Валерием Бабушкиным. Для меня это был курс, после которого мир стал не проще, а сложнее. Долго думал над аналогией и понял, что базовый fit-predict — это как бумажный самолётик, который взлетает и неизбежно снижается до полного падения. Но если хочется более долгого полёта через грозовые облака и стаи птиц, придётся проектировать боинг с соответствующими системами отказоустойчивости.

На курсе обсуждали все составляющие систем машинного обучения: метрики, валидация, метаданные, concept/data drift, мониторинг и т.д. Но если бы меня спросили, какая из этих тем самая главная, я бы безусловно ответил про бейзлайн. Это очень простая идея, которую многие избегают, но именно она подарит вам самые сильные эмоции, когда ваша сложнейшая выстраданная ML модель окажется хуже, чем if-else или какая-нибудь формула.

В контексте моих любимых временных рядов я получил сильнейший щелчок по носу, когда сравнился с константным бейзлайном (это когда мы говорим, что продажи завтра будут такими же, как вчера). Спойлер: бустинг проиграл "вчера"🤣.

Но есть ещё более весёлая байка. Пару лет назад одна госуха заказала у меня решить одну NLP-шную задачку классификации, сказали, что тут потребуется ИИ (жалко, что не квантовый компьютер).

Прежде чем ставить на скачивание веса актуальных опенсурсных LLM, я решил прогнать старую знакомую ruRoBERTa, с которой приходилось работать ещё в Сбере. Прогнал текст через модель, аггрегировал последние 4 слоя, чтобы получить эмбеддинги. Прикинул косинусное расстояние между векторами — а оно распределено 0.8 до 1, т.е. разделить на классы не получится, все вектора +- уже находятся близко друг к другу🤙. Дообучение матрицы для корректировки векторного пространства тоже не помогло, даже когда я в отчаянии начал подмешивать тест в трейн.

Дальше я во всю развлекался с LLM: арендовал GPU, пробовал разные модельки, жёстко промпт инженерил, делал fine tune через LoRA адаптер.
Получил вменяемый F-1 score, отдал результаты и забыл.

Вспомнил об этом кейсе только когда писал KPI-ную статью для вузовской конференции. А в статье обычно есть такой пунктик, как анализ существующих подходов. Я начинаю вспоминать, что у нас есть для NLP: статистические подходы (TF-IDF, BM-25), векторайзинг через модели (Word2Vec, BERT) и только потом уже LLM. Думаю: дай-ка я сейчас быстренько прогоню TF-IDF, получу низкий скор и обосную использование LLM через фундаментальные ограничения статистических методов. Но старик TF-IDF не думал сливаться — он решил задачу примерно с таким же скором🤡, но только за секунды🤡, а не за пару суток инференса LLM🤦‍♂️.

Навык ML System Design — это не только про хард скиллы. Это в первую очередь способность признать, что твой космолёт, над которым ты так старался, проигрывает простейшему решению.

👍 Время — единственная валюта

Помнишь фильм «Время» с Джастином Тимберлейком?🍿 Там у людей вместо счёта в банковском приложении прямо на руке светился таймер с запасом времени. За привычные покупки надо было расплачиваться буквально своей жизнью.

☕ Чашка кофе — 4 минуты
🚌 Поездка на автобусе — 2 часа
😉 Спортивная тачка — 59 лет

В реальности мы также расплачиваемся своим временем, просто забыли об этом. Мозг легко расстается с рублями-пикселями в банковском приложении, но что, если бы ценники всегда говорили правду?

Я набросал браузерное расширение, которое переводит цены из рублей, долларов или евро в часы твоей жизни 🪙 -> ⌛️.

Как это работает:
🔤 Ставишь расширение и вбиваешь свою ставку в час
🔤 Заходишь на маркетплейс за очередной импульсивной покупкой
🔤 Расширение на лету меняет все ценники на сайтах

И вот ты хочешь заказать новый айфон, а на кнопке вместо 150 000 ₽ светится: 80 часов твоей работы💸.
Возникает насущный вопрос: «А ты точно хочешь обменять 80 часов своей работы на этот кусок стекла и пластика?». Ведь теперь это не абстрактные рубли, а две полноценные рабочие недели. Две недели будильников по утрам, созвонов, тасок и дедлайнов🍔.

👉 Скачать расширение можно [тут].

Дизайнеры всё, а джуны скоро будут снова нужны!

Последнее время Anthropic ощутимо режут лимиты в подписке😐, а сегодня вышла новость, что из Pro Plan собираются полностью убирать Claude Code 🌟. Когда-то это должно было случиться, учитывая, что себестоимость токенов превосходит в десятки раз стоимость подписок. Кажется, пора выводить свои пет-проекты на монетизацию, чтобы иметь возможность оплачивать инструменты, когда ценник дойдёт до 2000$🤬. Ну не руками же код писать🥴?

🖥На что же пойдут освободившиеся мощности?
В пятницу, видимо заранее в качестве утешения, внезапно выкатили Claude Design – убийцу Figma. Лимиты тратятся отдельно от остальных, хватает их примерно на пару полных проектов в неделю. В качестве пробы получилось сделать лучший loading loop🫥 буквально из видео-референса с варкой пельменей. Отличный задел для нового food-tech.

Рабочее место 10x инженера

Время идёт и скоро будет ровно 3 года, как я перешёл на режим remote work☕️. Можно устроить холивар о том, что офис лучше, но цель этого поста выжать максимум из неоспоримого преимущества удалёнки – возможности настроить рабочее место под себя. Я расскажу о крутых вещах, которые недооценивал и не купил сразу, о чем немного жалею. Список кажется очевидным, но я считаю важным его опубликовать т.к. вероятно кому-то поможет.

🔤 Удобное кресло
Это просто база. Не экономьте на хорошем кресле🪑. Тут можно сильно запариться с выбором🪑, но у супер анатомических высокая цена и месяц адаптации, во время которой вам будет хотеться выкинуть кресло т.к. неудобно. Поэтому здесь я не даю медицинских рекомендаций, а просто посоветую для начала взять то, в котором вам будет хотя бы удобно сидеть прямо без закидывания ноги на ногу или позы креветки. По модели тут только пробовать в магазинах🔄, заказывать онлайн вслепую не советую, большая часть кресел, в которых я сидел были полным шлаком.
По характеристикам мастхэв:
- Мультиблок, который позволит регулировать угол наклона сидения, а не только спинки
- Мягкие широкие подлокотники с регулировкой
- Пена с высокой плотностью под обивкой
- Стальная крестовина
- Подушка под шею и поясницу

🔤 Стол с подъемным механизмом
Долго сидеть – вредно🙋, долго стоять – тоже вредно. Стол с регулировкой по высоте позволяет вам комбинировать эти два режима. Я работаю стоя где-то 1 час в день, хорошо помогает собраться, когда есть какая-то противная задача. Интуитивно, когда ты стоишь, хочется разобраться с работой быстрее, поэтому концентрация повышается.
По характеристикам мастхэв:
- Большая столешница, чтобы уместить рабочий комп и личный, внешний монитор. Обращайте внимание на ширину, чтобы выдержать достаточное расстояние до монитора.
- Подъемную силу берите с запасом на случай, если захотите что-то добавить.

🔤 Внешний монитор
Работа за ноутбуком – издевательство над вашей шеей, которая перенапрягается из-за неестественного наклона⌨️. А маленькая диагональ вынуждает постоянно переключаться между окнами и размывать контекст. Дома я попробовал диагонали 24, 27 и 32 дюйма и советую взять 32, что позволит держать открытыми полноценно 3-4 приложения и отказаться от дополнительного экрана ноутбука. Windows 10 из коробки плохо поддерживает мультиоконку🪟, поэтому качайте официальную утилиту PowerToys, которая сделает работу с окнами приятной. Из нее вам потребуются функции FancyGrid и AlwaysOnTop.
По характеристикам мастхэв:
- Минимальное разрешение 4к
- Матрица IPS.

🔤 Мышь
Казалось бы, что особенного может быть в компьютерной мыши🧀. Я выбрал модель со следующими фишками:
- Бесконечное колёсико, которое раскручивается по инерции и поможет быстро прокручивать портянки кода или jupyter notebook
- Асимметричная форма для лучшей эргономики кисти
- Дополнительные кнопки для шорткатов (на корпоративной технике скорее всего не будет работать)

🔤 Датчик CO2
Именно эта штука помогает мне не чувствовать себя овощем⌨️ уже ко второй половине дня. Повышенная концентрация CO2 в комнате вызывает сонливость, но держать окна постоянно открытыми получится только летом. Поэтому датчик супер актуален осенью, зимой и весной, чтобы по алерту о превышении проветривать комнату🪟 ровно столько времени, пока метрика не придет в норму, при этом не выпустить всё тепло из квартиры.

Главный вывод
Я долго мучил ChatGPT Research по поводу профилактики различных профессиональных заболеваний и по итогу идеального монитора/кресла/стола все равно не существует. Более дорогая мебель и техника обеспечит более естественную эргономику, но не отменит полностью весь негатив от сидячей работы. По результатам различных РКИ самое действенное – это тренажерка💪 и избегать непрерывного сидения по несколько часов без перерывов.

💸Я упустил огромный оффер на senior в Avito

Это случилось год назад из-за того, что я провалил собеседование по ML System Design. Возникает вопрос: как готовиться к прохождению такой секции, если в реальной работе задачи на проектирование встречаются не так часто?

Недавно я участвовал в ML Kata🤩: 6 команд за 75 минут проектировали одну и ту же ML-систему — голосового агента для клиники. Я считаю, что проанализировав защиты команд и обратную связь от судей(одним из которых был Валерий Бабушкин🧖), можно вкачать навык MLSD на уровень, достаточный для прохождения собеседования – при условии, что вы уже знаете метрики и модели для конкретной технической задачи.

В этой статье я сделаю такой разбор за вас и систематизирую типовые ошибки участников, которых не смог избежать и сам.

⬇️⬇️⬇️
https://habr.com/ru/articles/1079002/