This media is not supported in your browser
VIEW IN TELEGRAM
ИИгры, часть 1: Suck Up! Социальная инженерия в вампирском сеттинге
Больше года назад писал о первых попытках запихнуть LLM в игры. Тогда это были простенькие текстовые прототипы или кривые демо. Прошел год — и хотя это все еще мелкие инди-проекты, глубина проработки механик однозначно выросла.
Начинаю мини-серию разборов игр, которые используют LLM как основную механику. И первая на очереди — Suck Up!
Суть и сеттинг:
Вы играете за вампира. По законам вампирского лора вы не можете напасть на человека и войти в дом без явного приглашения хозяина. Ваша задача — любой ценой заставить жителя произнести «заходи». Ситуация усложняется тем, что на дворе 3 часа ночи (вампиры же боятся света). Стучаться к незнакомцам в такое время и так подозрительно. Тут нужно быть невероятно убедительным.
Как работает механика:
• Бегаешь по городу и стучишься в двери к местным жителям.
• У каждого жителя свой системный промпт (характер, уровень паранойи, жизненный опыт, интересы).
• Игра использует внешний контекст: вы можете переодеваться в костюмы (полицейский, сантехник, курьер, сосед). Ваш образ передается в контекст. Если вы оделись сантехником, ваши слова об экстренном ремонте труб будут звучать убедительнее. Аргументы должны строго соответствовать роли. Скажешь что-то невпопад — уровень тревоги NPC поднимется, и приглашения ждать не стоит.
• Получили приглашение войти – задача выполнена (потом можно переодеться в побежденного персонажа и в его обличии напрашиваться к соседям).
В чем фишка:
Полная свобода отработки возражений и социальной инженерии. Можно импровизировать, льстить, запугивать, строить сложные схемы обмана или симулировать экстренную ситуацию.
Что взять в e-learning?
Разные характеры персонажей — это уже базовый стандарт. А вот работа с внешним и пространственным контекстом в корпоративных тренажерах пока не встречается (вроде), хотя играет важную роль.
Как этот подход можно перенести в обучение:
В тренажерах с интерактивными объектами ИИ может считывать, с чем ты работаешь и где находишься в данный момент. В VR можно считывать жесты и позу. А если подключить камеру — еще и эмоции.
Одна и та же реплика менеджера сработает по-разному в зависимости от того, где происходит диалог. Например, при продаже авто фразы для первого знакомства в шоуруме будут выглядеть странно, если вы уже сидите за рулем на тест-драйве. Глупо презентовать вместительность багажника, стоя у капота и не открыв этот самый багажник. Или рассказывать про мягкий пластик панели, находясь в противоположном конце зала.
Когда ИИ реагирует на физические действия обучаемого (открыл буклет, подошел к стенду, показал планшет), реализм увеличивается и мы прокачиваем еще и невербалику.
Как итог:
Да, кажется, что это история только для дорогих VR-тренажеров. Но суть механики — не в графике, а в передаче контекста модельке. Если приложить смекалку, аналогичный подход с внешними переменными можно реализовать и в обычных текстовых или 2D-симуляциях без космических бюджетов.
Геймплей можно посмотреть ТУТ
Больше года назад писал о первых попытках запихнуть LLM в игры. Тогда это были простенькие текстовые прототипы или кривые демо. Прошел год — и хотя это все еще мелкие инди-проекты, глубина проработки механик однозначно выросла.
Начинаю мини-серию разборов игр, которые используют LLM как основную механику. И первая на очереди — Suck Up!
Зачем это e-learning специалисту? Простые механики взаимодействия с LLM можно переосмыслить и использовать в обучении.
Суть и сеттинг:
Вы играете за вампира. По законам вампирского лора вы не можете напасть на человека и войти в дом без явного приглашения хозяина. Ваша задача — любой ценой заставить жителя произнести «заходи». Ситуация усложняется тем, что на дворе 3 часа ночи (вампиры же боятся света). Стучаться к незнакомцам в такое время и так подозрительно. Тут нужно быть невероятно убедительным.
Как работает механика:
• Бегаешь по городу и стучишься в двери к местным жителям.
• У каждого жителя свой системный промпт (характер, уровень паранойи, жизненный опыт, интересы).
• Игра использует внешний контекст: вы можете переодеваться в костюмы (полицейский, сантехник, курьер, сосед). Ваш образ передается в контекст. Если вы оделись сантехником, ваши слова об экстренном ремонте труб будут звучать убедительнее. Аргументы должны строго соответствовать роли. Скажешь что-то невпопад — уровень тревоги NPC поднимется, и приглашения ждать не стоит.
• Получили приглашение войти – задача выполнена (потом можно переодеться в побежденного персонажа и в его обличии напрашиваться к соседям).
В чем фишка:
Полная свобода отработки возражений и социальной инженерии. Можно импровизировать, льстить, запугивать, строить сложные схемы обмана или симулировать экстренную ситуацию.
Что взять в e-learning?
Разные характеры персонажей — это уже базовый стандарт. А вот работа с внешним и пространственным контекстом в корпоративных тренажерах пока не встречается (вроде), хотя играет важную роль.
Как этот подход можно перенести в обучение:
В тренажерах с интерактивными объектами ИИ может считывать, с чем ты работаешь и где находишься в данный момент. В VR можно считывать жесты и позу. А если подключить камеру — еще и эмоции.
Одна и та же реплика менеджера сработает по-разному в зависимости от того, где происходит диалог. Например, при продаже авто фразы для первого знакомства в шоуруме будут выглядеть странно, если вы уже сидите за рулем на тест-драйве. Глупо презентовать вместительность багажника, стоя у капота и не открыв этот самый багажник. Или рассказывать про мягкий пластик панели, находясь в противоположном конце зала.
Когда ИИ реагирует на физические действия обучаемого (открыл буклет, подошел к стенду, показал планшет), реализм увеличивается и мы прокачиваем еще и невербалику.
Как итог:
Да, кажется, что это история только для дорогих VR-тренажеров. Но суть механики — не в графике, а в передаче контекста модельке. Если приложить смекалку, аналогичный подход с внешними переменными можно реализовать и в обычных текстовых или 2D-симуляциях без космических бюджетов.
Геймплей можно посмотреть ТУТ
🔥6👍5❤2👏1
This media is not supported in your browser
VIEW IN TELEGRAM
ИИгры, часть 2: Yandere AI — как оживить диалог через реакцию на предметы и действия 🔪❤️
Продолжаем (и, на данный момент, заканчиваем) разбирать игры, где языковые модели — это не просто текстовый чат-бот, а главная игровая механика. Сегодня на очереди — Yandere AI Girlfriend Simulator.
Суть и сеттинг
Вы просыпаетесь в запертой квартире с девушкой-яндере* (одержимой и опасной). Дверь заперта, цель — выбраться. Инструмент — разговор. Ошибка в диалоге или подозрительный шаг приведут к смерти.
*Яндере (от японских yanderu — «быть психически нездоровым» и deredere — «влюбленный») — архетип из японской поп-культуры: внешне милая девушка, чья любовь из-за ревности перерастает в опасную одержимость. Да, я тоже услышал это слово в первый раз.
Как работают механики:
• Одержимое внимание и цена ошибки:
Девушка ходит за вами по пятам и постоянно инициирует общение сама. Долгое игнорирование, неловкая фраза или подозрительный ответ мгновенно приводят к «летальному исходу».
• Общий мир и физические действия:
В квартире несколько комнат и куча предметов. Ключевая фишка — с окружением на равных взаимодействуете и вы, и ИИ. Персонаж не просто «сидит в чате», он видит ваши действия, ориентируется во времени и перемещается по комнатам.
• Управление вниманием через действия:
Попытка залезть в ее компьютер у нее на глазах приведет девушку в ярость. Чтобы выиграть время, ИИ нужно отвлечь — например, попросить приготовить ужин. Персонаж реально уйдет на кухню, и вы сможете заниматься взломом, пока ИИ не видит.
В чем фишка:
Диалог тесно связан с объектами вокруг. При этом перемещаться в пространстве и взаимодействовать с объектами может не только игрок, но и сам ИИ.
Что взять в e-learning?
В геймдеве пытаются делать сложные системы, где ИИ на лету собирает цепочки из десятков микро-действий (прописано не одно большое действие, а много маленьких, из которых можно сложить что-то сложное). Но для этого нужен полноценный движок и сложная логика — на коленке такое не собрать.
А вот механика из Yandere AI — простая: есть несколько базовых действий (приготовить еду, открыть дверь, включить оборудование), которые запускаются в зависимости от контекста. Повторить это в корп. обучении гораздо проще.
Как применить это в компании:
Аватары и «коробочные» действия
Пару недель назад писал пост про подход с видео-аватаром, где ИИ включал нужный фрагмент под контекст. Выглядит интересно, но довести качество тренажера до рабочего состояния сложно. Если заменить видео на фото-аватар с эмоциями, процесс станет проще и предсказуемее:
• Клиент протягивает документы — показываем соответствующую карточку.
• Клиент злится — переключаем на фото сердитого клиента.
Да, не так интересно, зато принципиально проще и стабильнее.
Сложные симуляторы ПО
ИИ-персонаж может реагировать не только на реплики в чате, но и «видеть» действия сотрудника в интерфейсе:
• Отправили клиенту СМС в CRM — она ему реально пришла.
• Плохо проконсультировали — ИИ-клиент через минуту перезванивает и говорит, что инструкция не сработала, нужно исправлять.
Да, такие сложности нужны не так часто, но в некоторых кейсах именно эти маленькие моменты играют важное значение.
Геймплей можно посмотреть ТУТ и ТУТ
Продолжаем (и, на данный момент, заканчиваем) разбирать игры, где языковые модели — это не просто текстовый чат-бот, а главная игровая механика. Сегодня на очереди — Yandere AI Girlfriend Simulator.
Суть и сеттинг
Вы просыпаетесь в запертой квартире с девушкой-яндере* (одержимой и опасной). Дверь заперта, цель — выбраться. Инструмент — разговор. Ошибка в диалоге или подозрительный шаг приведут к смерти.
*Яндере (от японских yanderu — «быть психически нездоровым» и deredere — «влюбленный») — архетип из японской поп-культуры: внешне милая девушка, чья любовь из-за ревности перерастает в опасную одержимость. Да, я тоже услышал это слово в первый раз.
Как работают механики:
• Одержимое внимание и цена ошибки:
Девушка ходит за вами по пятам и постоянно инициирует общение сама. Долгое игнорирование, неловкая фраза или подозрительный ответ мгновенно приводят к «летальному исходу».
• Общий мир и физические действия:
В квартире несколько комнат и куча предметов. Ключевая фишка — с окружением на равных взаимодействуете и вы, и ИИ. Персонаж не просто «сидит в чате», он видит ваши действия, ориентируется во времени и перемещается по комнатам.
• Управление вниманием через действия:
Попытка залезть в ее компьютер у нее на глазах приведет девушку в ярость. Чтобы выиграть время, ИИ нужно отвлечь — например, попросить приготовить ужин. Персонаж реально уйдет на кухню, и вы сможете заниматься взломом, пока ИИ не видит.
В чем фишка:
Диалог тесно связан с объектами вокруг. При этом перемещаться в пространстве и взаимодействовать с объектами может не только игрок, но и сам ИИ.
Что взять в e-learning?
В геймдеве пытаются делать сложные системы, где ИИ на лету собирает цепочки из десятков микро-действий (прописано не одно большое действие, а много маленьких, из которых можно сложить что-то сложное). Но для этого нужен полноценный движок и сложная логика — на коленке такое не собрать.
А вот механика из Yandere AI — простая: есть несколько базовых действий (приготовить еду, открыть дверь, включить оборудование), которые запускаются в зависимости от контекста. Повторить это в корп. обучении гораздо проще.
Как применить это в компании:
Аватары и «коробочные» действия
Пару недель назад писал пост про подход с видео-аватаром, где ИИ включал нужный фрагмент под контекст. Выглядит интересно, но довести качество тренажера до рабочего состояния сложно. Если заменить видео на фото-аватар с эмоциями, процесс станет проще и предсказуемее:
• Клиент протягивает документы — показываем соответствующую карточку.
• Клиент злится — переключаем на фото сердитого клиента.
Да, не так интересно, зато принципиально проще и стабильнее.
Сложные симуляторы ПО
ИИ-персонаж может реагировать не только на реплики в чате, но и «видеть» действия сотрудника в интерфейсе:
• Отправили клиенту СМС в CRM — она ему реально пришла.
• Плохо проконсультировали — ИИ-клиент через минуту перезванивает и говорит, что инструкция не сработала, нужно исправлять.
Да, такие сложности нужны не так часто, но в некоторых кейсах именно эти маленькие моменты играют важное значение.
Геймплей можно посмотреть ТУТ и ТУТ
👍7🔥6🎉2
Понедельничный пост (хоть сегодня и пятница)
Как прошли ваши выходные? У меня они выдались совсем не простыми (собственно, в этом и причина понедельничного поста в пятницу).
В субботу ходили по делам, а когда вернулись домой, заметили, что с Изей что-то не так. Сначала думали, что просто устал за день и спит. Игрушки разбросаны, покрывало на полу — день явно был продуктивным.
Прошло несколько часов, а кот все так же лежит пластом, совсем вялый. На глажку никак не реагирует и не мурлыкает. Еще и дышит странно, как-то часто и тяжело. Есть и пить не хочет (а хочет он обычно всегда).
Полночь. Кот совсем никакой. Поняли, что ждать утра нельзя, вызвали такси и поехали в ветклинику.
Хорошо, что есть круглосуточные.
Кстати, очень прикольное табло с очередью: написана фамилия владельца и имя животного. Миляев Маркиз 😊
Выяснилось, что у кота высокая температура (но все другие показатели в норме). Ему поставили капельницу, под которой он просидел целый час.
Как коту хватило выдержки — понятия не имею. Но сразу после капельницы у него проснулся просто зверский аппетит — это был первый хороший знак.
Домой мы вернулись только к четырем утра (в клинике были огромные очереди). Но так как УЗИ ночью не работало, пришлось поспать пару часов и уже к 9 утра снова ехать на обследование.
Главное — по итогам УЗИ и анализов с котом все хорошо, он быстро пошел на поправку и уже вернулся к своему привычному ритму. Что с ним было — непонятно.
Честно говоря, перенервничали мы сильно.
От этих джуниор сотрудников, конечно, вреда больше, чем пользы ❤️
Как прошли ваши выходные? У меня они выдались совсем не простыми (собственно, в этом и причина понедельничного поста в пятницу).
В субботу ходили по делам, а когда вернулись домой, заметили, что с Изей что-то не так. Сначала думали, что просто устал за день и спит. Игрушки разбросаны, покрывало на полу — день явно был продуктивным.
Прошло несколько часов, а кот все так же лежит пластом, совсем вялый. На глажку никак не реагирует и не мурлыкает. Еще и дышит странно, как-то часто и тяжело. Есть и пить не хочет (а хочет он обычно всегда).
Полночь. Кот совсем никакой. Поняли, что ждать утра нельзя, вызвали такси и поехали в ветклинику.
Хорошо, что есть круглосуточные.
Кстати, очень прикольное табло с очередью: написана фамилия владельца и имя животного. Миляев Маркиз 😊
Выяснилось, что у кота высокая температура (но все другие показатели в норме). Ему поставили капельницу, под которой он просидел целый час.
Как коту хватило выдержки — понятия не имею. Но сразу после капельницы у него проснулся просто зверский аппетит — это был первый хороший знак.
Домой мы вернулись только к четырем утра (в клинике были огромные очереди). Но так как УЗИ ночью не работало, пришлось поспать пару часов и уже к 9 утра снова ехать на обследование.
Главное — по итогам УЗИ и анализов с котом все хорошо, он быстро пошел на поправку и уже вернулся к своему привычному ритму. Что с ним было — непонятно.
Честно говоря, перенервничали мы сильно.
От этих джуниор сотрудников, конечно, вреда больше, чем пользы ❤️
💔9❤8🥰5
Gauth, Seedance и нейрослоп на службе школьного образования
Gauth — это ИИ-сервис для помощи школьникам от ByteDance (компания-владелец TikTok).
Изначально сервис задумывался как умный подсказчик по математике. Школьник фотографирует задачу (система распознает рукописный текст на большинстве языков), и ИИ выдает решение с пошаговым объяснением. Т.е. это не решебник, который позволяет получить пятерку не напрягая голову, а скорее ИИ-репетитор.
Сервис обрел популярность, и количество доступных предметов расширили. Сейчас в нем есть все основные предметы из школьной программы.
Плюс дали школьникам возможность исследовать темы через интерактивные карты. Написал тему — получил инфографику. При клике на любую область ИИ понимает, что там изображено, дает пояснения и генерирует детализирующую картинку (например, кликаешь на рыцаря на карте Средневековья — и ИИ рисует его доспехи в разрезе с пояснениями).
Получается интерактивный учебник с кучей «точек интереса».
Также в сервисе работает UGC-модель*: созданные карты доступны другим пользователям платформы.
*UGC — User-Generated Content, контент, создаваемый самими пользователями.
В недавнем обновлении разработчики подключили к сервису Seedance (ИИ для генерации видео).
Идея в том, чтобы генерировать такие же интерактивные уроки, но в формате коротких роликов. Пока обычным пользователям эта функция недоступна, а контент на платформе собирается нанятыми преподавателями.
Я посмотрел несколько таких исторических роликов. Первая мысль: «Ужас, целый склад нейрослопа низкого качества!» Но... ролик я досмотрел. Потом включил второй. И только на третьем силы все это терпеть меня покинули 😁
И тут возникает вопрос: зачем вообще нужны такие специализированные сервисы, если тот же ChatGPT уже умеет генерировать картинки, инфографику, объяснения, тесты — да практически любой учебный контент?
Причем зачастую даже функциональнее. Можно попросить объяснить проще, задать уточняющий вопрос, привести аналогию или перестроить программу под себя.
Но в этом одновременно и преимущество, и недостаток универсального ИИ.
Открытая система требует самому понимать, чего ты хочешь. Самому формулировать запросы, выстраивать программу обучения и решать, куда двигаться дальше.
А здесь достаточно написать тему, в которой хочешь разобраться и получить готовый образовательный опыт. Дальше просто тыкаешь пальцем в то, что тебе интересно.
И, возможно, это вообще одна из главных причин популярности таких сервисов. Люди любят путь наименьшего сопротивления. Нам нравится, когда за нас уже выбрали что делать дальше, и не нужно лишний раз думать, искать, сравнивать и принимать решения.
ИИ может дать невероятную свободу. Но, возможно, большинству людей в первую очередь нужен не выбор из тысячи возможностей, а одна понятная кнопка «начать».
Я не знаю, хорошо это или плохо. Но это факт, с которым придется считаться. Если мы хотим, чтобы ИИ-инструменты действительно работали в образовании, их нужно упаковывать не как «безграничный космос возможностей», а как понятный маршрут (но, если стало интересно — покажи пальчиком, что именно).
Gauth — это ИИ-сервис для помощи школьникам от ByteDance (компания-владелец TikTok).
Изначально сервис задумывался как умный подсказчик по математике. Школьник фотографирует задачу (система распознает рукописный текст на большинстве языков), и ИИ выдает решение с пошаговым объяснением. Т.е. это не решебник, который позволяет получить пятерку не напрягая голову, а скорее ИИ-репетитор.
Сервис обрел популярность, и количество доступных предметов расширили. Сейчас в нем есть все основные предметы из школьной программы.
Плюс дали школьникам возможность исследовать темы через интерактивные карты. Написал тему — получил инфографику. При клике на любую область ИИ понимает, что там изображено, дает пояснения и генерирует детализирующую картинку (например, кликаешь на рыцаря на карте Средневековья — и ИИ рисует его доспехи в разрезе с пояснениями).
Получается интерактивный учебник с кучей «точек интереса».
Также в сервисе работает UGC-модель*: созданные карты доступны другим пользователям платформы.
*UGC — User-Generated Content, контент, создаваемый самими пользователями.
Конечно, это ИИ — ошибки неизбежны. Опечатки в тексте на картинках встречаются регулярно (ИИ пока не научился писать идеально), но это мелочи.
Cтрашнее — фактические ошибки. Но тут разработчики подстраховались: ИИ опирается на несколько проверенных источников (насколько «проверенная» Википедия — вопрос отдельный, но все же). Это снижает риск галлюцинаций.
В недавнем обновлении разработчики подключили к сервису Seedance (ИИ для генерации видео).
Идея в том, чтобы генерировать такие же интерактивные уроки, но в формате коротких роликов. Пока обычным пользователям эта функция недоступна, а контент на платформе собирается нанятыми преподавателями.
Я посмотрел несколько таких исторических роликов. Первая мысль: «Ужас, целый склад нейрослопа низкого качества!» Но... ролик я досмотрел. Потом включил второй. И только на третьем силы все это терпеть меня покинули 😁
И тут возникает вопрос: зачем вообще нужны такие специализированные сервисы, если тот же ChatGPT уже умеет генерировать картинки, инфографику, объяснения, тесты — да практически любой учебный контент?
Причем зачастую даже функциональнее. Можно попросить объяснить проще, задать уточняющий вопрос, привести аналогию или перестроить программу под себя.
Но в этом одновременно и преимущество, и недостаток универсального ИИ.
Открытая система требует самому понимать, чего ты хочешь. Самому формулировать запросы, выстраивать программу обучения и решать, куда двигаться дальше.
А здесь достаточно написать тему, в которой хочешь разобраться и получить готовый образовательный опыт. Дальше просто тыкаешь пальцем в то, что тебе интересно.
И, возможно, это вообще одна из главных причин популярности таких сервисов. Люди любят путь наименьшего сопротивления. Нам нравится, когда за нас уже выбрали что делать дальше, и не нужно лишний раз думать, искать, сравнивать и принимать решения.
ИИ может дать невероятную свободу. Но, возможно, большинству людей в первую очередь нужен не выбор из тысячи возможностей, а одна понятная кнопка «начать».
Я не знаю, хорошо это или плохо. Но это факт, с которым придется считаться. Если мы хотим, чтобы ИИ-инструменты действительно работали в образовании, их нужно упаковывать не как «безграничный космос возможностей», а как понятный маршрут (но, если стало интересно — покажи пальчиком, что именно).
👍7🔥4❤2
Навайбкодю SaaS – куплю жене сапоги: снова на старые грабли
Помните легендарные ролики МММ из девяностых? Леня Голубков с простодушной улыбкой объяснял, что он «не халявщик, авайбкодер партнер», и рассчитывал «купить жене сапоги» (а потом и дом в Париже), просто вложив деньги в понятное и манящее обещанным богатством «чудо».
Прошло тридцать лет. Место акций МММ занял концепт «ИИ сделает за вас весь бизнес, пока вы пьете кокосовый раф» (прошедший тернистый путь всяких марафонов и дыхания всем на свете).
Но мы снова наступаем на те же грабли. Механика доверчивости осталась абсолютно той же.
Завышенные ожидания и «черный волшебный ящик»
Если вам сегодня предложат вложить сбережения под 1000% годовых в «Надежный Фонд Ивана Иванова» или под 12% в банк — вы выберете банк. Почему? Потому что базовые финансовые законы стали частью общей культуры. Каждый понимает: обещание тысячи процентов из воздуха — это развод.
С искусственным интеллектом эта базовая гигиена пока не выработалась.
Для многих ИИ — это магический «черный ящик». Когда обещания пафосные и громкие, а у человека просто нет опыта, чтобы отличить реальные возможности технологии от фантазий – возникает желание купить и приобщиться к этой магии, которая решит все проблемы.
Мошенничество было всегда, в чем проблема с ИИ?
Основную проблему я вижу скорее не в курсах «Научу вайбкодить супер приложения для бизнеса, которые вы будете делать за вечер и продавать крупным компания за пол миллиона (а компании уже в очереди стоят и ждут, кому бы дать пол миллиона)» или «Сделаем вместе контент-завод с тысячей агентов, которые сделают за вас все». Эти предложения, по большому счету, ничем не отличаются от «Python разработчик с нуля до middle за 3 месяца. Работайте из любой точки мира за 300 тысяч».
Конечно, не очень приятно потратить несколько десятков тысяч, чтобы посмотреть на скорую руку собранные видео о базовых понятиях (которые по качеству хуже, чем аналогичный бесплатный контент на YouTube). Но в любом случае, за свои деньги ты поймешь, что такое массивы, и еще жизненный урок получишь. Есть свои плюсы.
Основная проблема возникает, когда нам продают действительно рабочий продукт, наполненный бесполезными ИИ-фичами, которые очень красиво звучат, но не несут никакой пользы. Когда «Персональный AI-тьютор» или «Адаптивная образовательная AI-траектория», это просто небольшой системный промпт + маленький кусочек данных, которые в лучшем случае не дают никаких преимуществ по сравнению с обычным ChatGPT, а в худшем, работают хуже, чем проверенные инструменты без AI.
AI-фичи или обучение AI — это не новая МММ. На рынке много действительно классных продуктов. Просто мы пока плохо умеем отличать AI, который действительно создает ценность, от AI, который просто красиво ее обещает.
А это, кажется, как раз тот момент, когда стоит немного перестать вайбкодить и начать задавать неудобные вопросы.
Помните легендарные ролики МММ из девяностых? Леня Голубков с простодушной улыбкой объяснял, что он «не халявщик, а
Прошло тридцать лет. Место акций МММ занял концепт «ИИ сделает за вас весь бизнес, пока вы пьете кокосовый раф» (прошедший тернистый путь всяких марафонов и дыхания всем на свете).
Но мы снова наступаем на те же грабли. Механика доверчивости осталась абсолютно той же.
Завышенные ожидания и «черный волшебный ящик»
Если вам сегодня предложат вложить сбережения под 1000% годовых в «Надежный Фонд Ивана Иванова» или под 12% в банк — вы выберете банк. Почему? Потому что базовые финансовые законы стали частью общей культуры. Каждый понимает: обещание тысячи процентов из воздуха — это развод.
С искусственным интеллектом эта базовая гигиена пока не выработалась.
Для многих ИИ — это магический «черный ящик». Когда обещания пафосные и громкие, а у человека просто нет опыта, чтобы отличить реальные возможности технологии от фантазий – возникает желание купить и приобщиться к этой магии, которая решит все проблемы.
Мошенничество было всегда, в чем проблема с ИИ?
Основную проблему я вижу скорее не в курсах «Научу вайбкодить супер приложения для бизнеса, которые вы будете делать за вечер и продавать крупным компания за пол миллиона (а компании уже в очереди стоят и ждут, кому бы дать пол миллиона)» или «Сделаем вместе контент-завод с тысячей агентов, которые сделают за вас все». Эти предложения, по большому счету, ничем не отличаются от «Python разработчик с нуля до middle за 3 месяца. Работайте из любой точки мира за 300 тысяч».
Конечно, не очень приятно потратить несколько десятков тысяч, чтобы посмотреть на скорую руку собранные видео о базовых понятиях (которые по качеству хуже, чем аналогичный бесплатный контент на YouTube). Но в любом случае, за свои деньги ты поймешь, что такое массивы, и еще жизненный урок получишь. Есть свои плюсы.
Основная проблема возникает, когда нам продают действительно рабочий продукт, наполненный бесполезными ИИ-фичами, которые очень красиво звучат, но не несут никакой пользы. Когда «Персональный AI-тьютор» или «Адаптивная образовательная AI-траектория», это просто небольшой системный промпт + маленький кусочек данных, которые в лучшем случае не дают никаких преимуществ по сравнению с обычным ChatGPT, а в худшем, работают хуже, чем проверенные инструменты без AI.
AI-фичи или обучение AI — это не новая МММ. На рынке много действительно классных продуктов. Просто мы пока плохо умеем отличать AI, который действительно создает ценность, от AI, который просто красиво ее обещает.
А это, кажется, как раз тот момент, когда стоит немного перестать вайбкодить и начать задавать неудобные вопросы.
👍9🔥6❤2😁2🤩1
На этой неделе участвовал в ИИ Elements. Онлайн конференции, посвященной ИИ в обучении.
Было здорово!
Два дня интересных докладов и классных практических кейсов. Выписал много крутых идей. Вот пост в среду выйдет, навеянный размышлениями с конференции.
На неделе еще пересмотрю в записи некоторые выступления. Уже есть идеи, что хотелось бы записать в планирование 2027 (ну а что, новый год через 3 месяца, нужно активнее подходить к этому вопросу).
Еще хотелось бы отметить нетворкинг. Казалось бы, онлайн мероприятие, какой нетворкинг? Но он был. И был полезным.
И да, меня хлебом не корми, дай поговорить по ИИ в e-learning. А тут мне дали 50 минут. Отвел душу 😄
Как оказалось, коллеги получили столько классных заявок на выступление на конференции, что уложить их в два дня было невозможно.
Так что, совсем скоро будет еще одна конференция, посвященная ИИ в разработке курсов – ИИ.Курсы.Elements.
Все кейсы для тех, кто делает курсы. Так что если вы методолог, дизайнер или разработчик (наверно, даже не «или», а «тем более если вы разработчик») – советую вам посетить это мероприятие. Все кейсы будут именно для вас.
Кстати, мои коллеги тоже поделятся своими крутыми кейсами.
Дата: 1 октября
Стоимость: от 2 900 рублей
Формат: онлайн
Вот тут больше информации: https://elearningelements.ru/ii-courses
Было здорово!
Два дня интересных докладов и классных практических кейсов. Выписал много крутых идей. Вот пост в среду выйдет, навеянный размышлениями с конференции.
На неделе еще пересмотрю в записи некоторые выступления. Уже есть идеи, что хотелось бы записать в планирование 2027 (ну а что, новый год через 3 месяца, нужно активнее подходить к этому вопросу).
Еще хотелось бы отметить нетворкинг. Казалось бы, онлайн мероприятие, какой нетворкинг? Но он был. И был полезным.
И да, меня хлебом не корми, дай поговорить по ИИ в e-learning. А тут мне дали 50 минут. Отвел душу 😄
Как оказалось, коллеги получили столько классных заявок на выступление на конференции, что уложить их в два дня было невозможно.
Так что, совсем скоро будет еще одна конференция, посвященная ИИ в разработке курсов – ИИ.Курсы.Elements.
Все кейсы для тех, кто делает курсы. Так что если вы методолог, дизайнер или разработчик (наверно, даже не «или», а «тем более если вы разработчик») – советую вам посетить это мероприятие. Все кейсы будут именно для вас.
Кстати, мои коллеги тоже поделятся своими крутыми кейсами.
Дата: 1 октября
Стоимость: от 2 900 рублей
Формат: онлайн
Вот тут больше информации: https://elearningelements.ru/ii-courses
❤5🔥4👍2
Вайбкодинг vs Вайбметодологинг: почему с кодом ИИ справляется лучше, чем с обучением?
Нас действительно поражает то, как быстро ИИ научился писать код.
Объяснил что хочешь, нажал кнопку – и через пару минут (или подольше) у тебя готовое приложение.
Почему так не работает с курсами? Точнее, оно конечно работает… ИИ и курс может написать… просто качество оставляет желать лучшего.
Начнем с оговорки.
Конечно, одна из важных причин – деньги. В обучение ИИшки писать код вкладывается принципиально больше ресурсов, чем в обучение создавать обучение. Причина очевидная. Просто зафиксировал для порядка.
Более интересная причина в разности процесса разработки обучения и ПО.
А именно в процессе тестирования (проверки на вшивость) результата.
После того, как ИИ написал код – он без проблем может его проверить.
Запустил – увидел SyntaxError. Ага, есть пища для размышлений – пошел править.
После исправления программа запустилась.
Уже хорошо. Пошел тестировать. ИИ может сам «понажимать на кнопочки» и посмотреть какой будет результат и соответствует ли он ТЗ.
Не соответствует?
Пошел переделывать.
Получается довольно понятный цикл:
создал → запустил → проверил → нашел проблему → исправил → проверил снова.
Во многом поэтому вайбкодинг сегодня выглядит настолько впечатляюще.
Теперь попробуем проделать то же самое с обучением.
ИИ написал курс.
Что дальше?
Конечно, мы можем сделать так, чтобы курс автоматически назначился на сотрудников. Потом мы можем собрать метрики и отзывы и на основании этой информации ИИ примет решение о том, какие нужны изменения и внесет правки.
Теперь нужно вернуть назад во времени и снова назначить курс на сотрудников, чтобы еще раз протестировать результат. Вот тут, как вы понимаете, возникают проблемы.
Да, мы можем обложить генерацию контента крутыми промптами. Можем собрать мультиагентную систему, где один ИИ пишет, а второй (ИИ-критик) проверяет текст по гайдлайнам, критериям и редакционной политике, третий и четвертый еще что-то полезное делают. Это сильно повысит качество первой итерации продукта.
Но проблему петли обратной связи не решит.
В e-Learning роль «компилятора» и главного тестировщика все равно остается на человеке.
• Ошибка в коде уронит программу сразу.
• Ошибка в методике выяснится только через несколько месяцев, когда окажется, что сотрудники честно накликали 100% в LMS, но бизнес-метрика так и не выросла. А цена одной «компиляции» здесь — это сотни часов реальных людей, отвлеченных от работы.
Нас действительно поражает то, как быстро ИИ научился писать код.
Объяснил что хочешь, нажал кнопку – и через пару минут (или подольше) у тебя готовое приложение.
Почему так не работает с курсами? Точнее, оно конечно работает… ИИ и курс может написать… просто качество оставляет желать лучшего.
Начнем с оговорки.
Нас так поражает вайбкодинг во многом потому, что мы — не программисты.
Эксперты по разработке тоже видят огромный прогресс. Но вместе с ним они видят и большое количество проблем: ошибки, неочевидные решения, проблемы с архитектурой, безопасностью, поддерживаемостью кода и так далее. Иными словами, для профессионального разработчика результат работы ИИ выглядит несколько иначе, чем для человека, который впервые смог получить работающую программу, просто описав ее словами. И теперь пребывает в полнейшем экстазе 😁
Конечно, одна из важных причин – деньги. В обучение ИИшки писать код вкладывается принципиально больше ресурсов, чем в обучение создавать обучение. Причина очевидная. Просто зафиксировал для порядка.
Более интересная причина в разности процесса разработки обучения и ПО.
А именно в процессе тестирования (проверки на вшивость) результата.
После того, как ИИ написал код – он без проблем может его проверить.
Запустил – увидел SyntaxError. Ага, есть пища для размышлений – пошел править.
После исправления программа запустилась.
Уже хорошо. Пошел тестировать. ИИ может сам «понажимать на кнопочки» и посмотреть какой будет результат и соответствует ли он ТЗ.
Не соответствует?
Пошел переделывать.
Получается довольно понятный цикл:
создал → запустил → проверил → нашел проблему → исправил → проверил снова.
Во многом поэтому вайбкодинг сегодня выглядит настолько впечатляюще.
Теперь попробуем проделать то же самое с обучением.
ИИ написал курс.
Что дальше?
Конечно, мы можем сделать так, чтобы курс автоматически назначился на сотрудников. Потом мы можем собрать метрики и отзывы и на основании этой информации ИИ примет решение о том, какие нужны изменения и внесет правки.
Теперь нужно вернуть назад во времени и снова назначить курс на сотрудников, чтобы еще раз протестировать результат. Вот тут, как вы понимаете, возникают проблемы.
Да, мы можем обложить генерацию контента крутыми промптами. Можем собрать мультиагентную систему, где один ИИ пишет, а второй (ИИ-критик) проверяет текст по гайдлайнам, критериям и редакционной политике, третий и четвертый еще что-то полезное делают. Это сильно повысит качество первой итерации продукта.
Но проблему петли обратной связи не решит.
В e-Learning роль «компилятора» и главного тестировщика все равно остается на человеке.
• Ошибка в коде уронит программу сразу.
• Ошибка в методике выяснится только через несколько месяцев, когда окажется, что сотрудники честно накликали 100% в LMS, но бизнес-метрика так и не выросла. А цена одной «компиляции» здесь — это сотни часов реальных людей, отвлеченных от работы.
🔥9👍6❤5❤🔥1