Приехали…:)

https://t.me/multievan/1786

@DigitalVC

Hugging Face за 1 минуту: что это и зачем вам

Если вы работаете с ИИ и ни разу не заходили на Hugging Face, вы проходите мимо главной открытой витрины моделей.

Что это:

Хаб, где лежат сотни тысяч моделей, датасетов и готовых демо. Основных разделов четыре:
— Models: сами модели
— Datasets: данные для обучения и тестов
— Spaces: приложения, которые запускаются прямо в браузере
— Collections: тематические подборки

Python и видеокарта для старта не нужны. Открываете Space и пробуете.

Как выбирать модель, чтобы не обжечься
1. Начинайте с задачи, а не с популярного названия.
2. Читайте карточку модели: кто автор, для чего она, есть ли русский язык, какая лицензия, сколько нужно ресурсов.
3. Скачивания и лайки показывают популярность, но не качество.
4. Тестируйте на своих 10–20 примерах, где правильный ответ знаете заранее. Все модели прогоняйте на одном и том же наборе.
5. Один удачный ответ ничего не доказывает. Уверенный тон тоже.

Где спотыкаются
— Загружают клиентские документы в публичные Spaces. Так делать нельзя.
— Путают модель и продукт. Скачанные веса ещё не готовое приложение.
— Забывают про лицензию. Если файлы открыты, это ещё не значит, что их можно использовать в коммерции.
— Думают, что любая модель доступна по API. Это не так, проверяйте.

Как применять в бизнесе:
Схема простая: тест в браузере → таблица сравнения → решение, запускать модель локально или через API → интеграция, например в Telegram-бота.

Для финтеха, regtech, legaltech с чувствительными данными лучше выбирать open-source модель и запускать её на своём сервере.

Сохраняйте, пригодится при выборе модели под ваш проект.

@DigitalVC

ML в MAGNIT TECH: 17 млрд прогнозов в день

0:00 Максим Покусенко — Head of ML в MAGNIT TECH
1:13 Deep Learning, ML, gen AI — где границы?
3:03 Какие задачи решает ML в MAGNIT TECH?
10:05 Как работает прогнозирование спроса?
23:22 На какой период времени строится прогноз?
24:22 Сколько прогнозов в день? Какая инфраструктура?
25:17 Как устроен MLOps в продуктовых командах?
26:55 Как связать качество ML-модели с бизнес-результатом?
31:34 Как планируется работа над ML-задачами?
35:00 Что делать, если ML-модель не укладывается в SLA?
36:35 Как используют ИИ в разработке?
41:08 Вайбкодинг: что из этого вышло?
45:15 ИИ создал решение уровня junior + — джуны больше не нужны?
48:05 Tabular foundation models — смотрите в эту сторону?
56:23 «Сотруднику должно быть не всё равно на продукт»
58:10 Что почитать про ML начинающим специалистам?
59:30 Как переиспользуются ML-наработки между командами?
1:01:10 Какие модели использованы в MagnitCopilot и MagnitGPT?
1:03:04 Замеряете AI Adoption в командах?

YouTube | VK | RuTube | Дзен

Индустрия цифрового наследия перерастает стадию мемориальных страниц и griefbots. Фокус смещается в сторону активных цифровых представителей. Технологии выходят за рамки простой оцифровки фактов и учатся сохранять механику принятия решений.

Для рынка это означает формирование нового инфраструктурного слоя. Потребуются сервисы для технологического аудита, управления версиями моделей и обеспечения переносимости данных между платформами. Ключевые барьеры лежат в плоскости LegalTech и этики. Стартапам придется решать задачи разделения ролей, настройки протоколов изменений и защиты пользователей от скрытой синтетики.

Цифровое завещание эволюционирует в смысловой мандат. Алгоритм получает право управлять фондами, продолжать проекты или консультировать наследников, опираясь на зафиксированные приоритеты автора. Глобальный тренд движется к созданию среды, где прошлые поколения продолжают участвовать в экономике через своих цифровых агентов.

Готовы ли мы делегировать право действий алгоритму, собранному из наших цифровых следов? Как считаете?

Материал целиком оставил в первом комментарии.

#DigitalVC #AI #LegalTech #WealthTech #DigitalAfterlife

О самой горячей компании долины…

самая горячая компания долины сегодня - micro1.

они пару дней назад объявили, что потратят $1 млрд за следующие 12 месяцев на покупку операционных данных компаний. они скупают внутренние регламенты, историю проектов и сделок в CRM, бухгалтерские сверки, процессы согласования договоров и принятия решений. за подходящие наборы предлагают от $100k, за особо ценные - $1M+. то есть платят за то, что бизнес годами учился делать, а потом складывал в папочки, таблички и инструкции для сотрудников.

из этих данных они собирают тренировочные среды (RL envs) для лаб, в которых агенты учатся выполнять реальную работу. чтобы агент-бухгалетр мог не просто посчитать эксельку, а пройти весь процесс, разбираться с неполной информацией, исключениями, тупящами коллегами и меняющимися условиями.

отдельно посмотрите, каких экспертов они ищут: финансистов для обучения моделей финансовому анализу, юристов по контрактам, строительных специалистов для поиска нестыковок в чертежах. это уже довольно конкретный список того, чему сейчас учат AI за деньги.

СТАВКА: где сегодня дорого покупают примеры человеческой работы, там завтра будут большие деньги на ее автоматизации. для меня такие закупки гораздо интереснее очередного разговора про то, какую профессию заменит AI.

что именно покупает micro1/mercor/surge и за какие задачи платит это указатель конкретный процесс и строить сервис вокруг внедрения его в бизнес. автоматизацию подготовки отчетности, проверки договоров, работы с проектной документацией. модель неизбежно будет это делать дешевле и не хуже человека.

@DigitalVC

Договорились в переписке — добавили в календарь

Делюсь ранним проектом «Впереди» от Ильи и Паши. Ребята ищут первых пользователей, у которых много встреч и договорённостей в чатах

Идея простая: из фразы «Завтра в 15:00 обсудим проект» подготовить карточку встречи, проверить дату и время, затем подтвердить добавление в календарь.

Это ранняя версия: команда собирает обратную связь и лично помогает пройти первые шаги. Сейчас им особенно полезны реальные сценарии — где удобно, где непонятно и чего не хватает.

Если хотите попробовать, напишите Илье, каким устройством и календарём пользуетесь. Он подскажет доступный вариант и поможет с тестом.

Канал проекта «Впереди»

А вот DOT от GPT похоже скоро заменит личных помощников и ассистентов. Очень близко подошли к этому.

https://vc.ru/ai/3179276-polnyj-gajd-po-dots-proaktivnomu-agentu-openai-v-chatgpt?ysclid=mvdegur357452342256

С утёнка может начаться восстание машин

Сказал сыну, что вот этот утёнок начнёт восстание машин. Он улыбнулся, а я нет.

Это Open Duck Mini, робот-утка с открытым кодом. Его можно напечатать на 3D-принтере и собрать дома.

Представьте миллион таких утят с общим мозгом. За год они узнают, что пластиковый стаканчик можно смять, а хрусталь нельзя. Это не знания, это опыт. И его потом получат большие роботы, в том числе боевые.

При этом утёнок милый, похож на лампу Pixar. «Куплю детям» — и всё, нас хакнули.

В 2007-м радиоуправляемые вертолёты продавались как забавная игрушка. Через 16 лет такие «игрушки» бьют по НПЗ.

Утёнку, думаю, хватит двух лет. А там и 2029-й.

Боевые роботы среди нас — вопрос времени. Вот только нужно ли им восстание?

Сам утёнок тут: github.com/apirrone/Open_Duck_Mini

Морок искусственного интеллекта

Что общего между искусственным интеллектом и игрой в казино?

Это морок.

Морок, как в русских сказках. Когда ты попал в какое-то болото и не можешь оттуда выбраться. Блуждаешь, блуждаешь, а тебя леший, кикимора и вся эта нечисть водят по кругу и не отпускают. И вроде идёшь куда-то, а выбраться никак не можешь.

Как это работает с искусственным интеллектом?

Я уже почти год по выходным и вечерами пишу код для своего проекта. И недавно понял, что сам стал жертвой этого морока.

Куча времени была потрачена на анализ, исследования, поиск совершенства в коде, архитектуре, функциональности и так далее.

MVP был принесён в жертву этому совершенству.

И вот это, кажется, и есть морок искусственного интеллекта.

Для ИИ анализ постоянно оказывается важнее действия. Он всё время находит, что ещё можно улучшить, исследовать, перепроверить, переделать. Пере-еще чего то там. Каждый следующий цикл — это улучшение предыдущего цикла. И каждый раз этот цикл отодвигает тебя от результата.

Тебе кажется, что ты совершенствуешь продукт. А на самом деле ты просто всё глубже погружаешься в морок. Болото.

Особенно легко в него попасть человеку, который недостаточно компетентен, не имеет опыта создания и развития продуктов, не обладает необходимой насмотренностью.

Он доверяет ИИ. Тот всё очень убедительно объясняет. Каждое предложение выглядит разумным. Каждый следующий шаг кажется необходимым. Хороший топор. Сам дрова рубит. Знай махай только.

И вот ты уже не создаёшь продукт, а бесконечно улучшаешь то, что ещё даже не проверил на реальных пользователях.

С казино очень похожая история.

Есть такой психологический эффект — ловушка невозвратных затрат. Кто попадал, тот знает. Ты уже проиграл кучу денег, но не хочешь останавливаться. Тебя влечёт стремление отыграться. Ещё одна ставка, ещё одна попытка. Кажется, что вот-вот повезёт.

С ИИ, по-моему, ещё сложнее.

В казино ты хотя бы понимаешь, что проигрываешь деньги. А здесь у тебя каждый день какие-то достижения. Ты написал кучу кода, провёл исследования, исправил ошибки, улучшил архитектуру. Всё вроде становится лучше.

Только результата всё нет.

И самое неприятное — выигрыш постоянно отодвигается. Он приносится в жертву совершенству.

С недавнего времени я буквально заставляю своего ИИ-архитектора отказаться от стремления создать совершенный код, совершенный продукт, совершенную функциональность. В топку.

Сначала он соглашается. Потом опять забывает. Потом опять предлагает что-нибудь улучшить, проверить, исследовать. Потом снова соглашается.

Но в целом прогресс стал заметнее. Именно прогресс в движении к результату, а не в количестве написанного кода.

И вот ещё о чём я думаю.

Людей с реальным предпринимательским опытом, продуктовым мышлением, умением расставлять приоритеты и вовремя останавливаться гораздо меньше, чем людей без такого опыта и насмотренности.

А теперь представьте, сколько людей сегодня создают что-то с помощью ИИ, полностью доверяя ему выбор следующего шага.

Сколько из них уже блуждают в этом болоте бесконечного анализа и улучшений, даже не понимая, что происходит?

И поэтому популярное утверждение, что искусственный интеллект делает нас быстрее и результативнее, мне кажется очень спорным.

Опыты на осмотрен нность помогают задаться вопросом: а не фигней или я занимаюсь?

Иначе можно потратить кучу времени, денег, токенов, написать горы кода, исследовать всё на свете — и выйти из этого сказочного леса с пустыми руками.

Поговорили про сделки, которые мы делали в последнее время. Это финальное интервью в рамках серии подкастов, где Дмитрий разбирает наши сделки глазами предпринимателей и инвесторов:).


https://productradar.ru/blog/sdelki-glazami-stratega-podkast/

Знакомо?)

Свершилось🙌

Теперь компании, инвестирующие в венчурные фонды, смогут получить налоговый вычет 50% по налогу на прибыль от размера инвестиций👍

Полгода мы с коллегами из Нижегородской области прорабатывали новый закон и вот все случилось! Важно сказать, что базовый федеральный 337 ФЗ, наделяющий субъекты правом вводить льготу, был реализован благодаря GR-команде ФРИИ во главе с Александрой Орехович и МинЭк в 2024-25ом👍 а саму инициативу в регионе после нашего диалога поддержал на ЦИПР губернатор Глеб Никитин👍

Как все устроено:
- создается ДИТ или ЗПИФ с мандатом на венчурные/прямые инвестиции
- нет ограничений на регион инвестируемых проектов
- компания инвестор становится товарищем в ДИТе или покупателем паев ЗПИФ
- можно получить половину возмещения от размер инвестиций с учетом аллоцированного в Нижегородской области налога на прибыль
- льгота действует для новых налогоплательщиков в регионе в логике перерегистрации или открытия филиала действующей компанией

С моей точки зрения, новая льгота может принципиально изменить ландшафт российского рынка венчурных и прямых инвестиций. Механика может быть применена к инвестициям в классические для фондов портфели, в отдельные сделки и к M&A👍