Выхожу из отпуска и.. объявляю анонс на вторую половину августа:
1⃣9⃣ Почему не наступает эра Скайнет. Новости, тренды
2⃣1⃣ Я тебя по API вычислю
2⃣3⃣ Суверенный ИИ versus дискурс эффективности
2⃣6⃣ Не зря ли я переплачиваю за “пожалуйста” и запятые в промптах?
2⃣8⃣ ИИ-ученый: какое знание синтезируют генеративные модели
3⃣0⃣ Вымрут ли джуны?
#анонс
1⃣9⃣ Почему не наступает эра Скайнет. Новости, тренды
2⃣1⃣ Я тебя по API вычислю
2⃣3⃣ Суверенный ИИ versus дискурс эффективности
2⃣6⃣ Не зря ли я переплачиваю за “пожалуйста” и запятые в промптах?
2⃣8⃣ ИИ-ученый: какое знание синтезируют генеративные модели
3⃣0⃣ Вымрут ли джуны?
#анонс
👍5🔥2❤1
Почему не наступает эра Скайнет. Новости, тренды
Вместо того, чтобы делать Скайнет, ИИ-разработчики все лето занимались тем, что..
👆 Вышел пятый GPT - моделька от OpenAI, самой прославленной компании, выпускающей генеративный ИИ. И я его уже активно юзаю на чатбот-арене.
Ну что сказать.. Он какой-то странненький. Вполне возможно, потому что, как и другие юзеры, которые активно жаловались на новую модель в Интернете, я уже привыкла к четвертому GPT.
Что мне неудобно:
У него какой-то странный русский язык. Например, если программа не проходит тесты, он пишет, что тесты падают. Я так вроде бы не говорю и пошла посмотреть в Интернете, говорят ли люди, что тесты “падают”. Оказалось, говорят, но как-то не слишком активно. На английском это бы звучало “tests fail” - вроде нормально. В общем, для меня пятый GPT звучит, как будто бы я читаю перевод с английского.
Он сыплет экспертным знанием: термины, факты, списки. Каждый раз приходится просить переписать плавной речью с рассуждениями, вводными конструкциями и логическими переходами. Причем, при переписывании ответ всегда получается максимально краткий. Например, вместо того, чтобы выдать полностью исправленный текст, он возвращает только те части текста, где были внесены исправления. Видимо, много жжет энергии - настроен, чтобы экономить.
✌ Некоторое время я успела попользоваться Google Gemini в России - как я говорю в таких случаях, “тепленькая пошла”. Но нет, как только мой Google Pixel переключился на Gemini как на основного ассистента, так его и отрубили. Теперь пиксель не реагирует на “Окей, гугл” - большие проблемы белых людей 😅
🖖 На чатбот-арене появились модели с веб-поиском. Причем все топовые там есть, включая Perplexity. А еще там есть ссылка на видео-чатбот-арену, но к ней нужно продираться - я тоже затестила, знатные видева получаются: в видео-генерации большой прогресс. Veo 3, например, от Google.
Так почему же разрабы занимаются не Скайнетом? 🤔 Я тут в очередной раз взяла подработку на лето - создавала курс по ИИ для онлайн-колледжа. И, пока делала курс, в очередной раз переосмыслила свой пост про Скайнет. Аргументов у меня несколько - я их запрячу в августовских постах. Вот такой кликбейт 😁
#новостИИ
Вместо того, чтобы делать Скайнет, ИИ-разработчики все лето занимались тем, что..
👆 Вышел пятый GPT - моделька от OpenAI, самой прославленной компании, выпускающей генеративный ИИ. И я его уже активно юзаю на чатбот-арене.
Ну что сказать.. Он какой-то странненький. Вполне возможно, потому что, как и другие юзеры, которые активно жаловались на новую модель в Интернете, я уже привыкла к четвертому GPT.
Что мне неудобно:
У него какой-то странный русский язык. Например, если программа не проходит тесты, он пишет, что тесты падают. Я так вроде бы не говорю и пошла посмотреть в Интернете, говорят ли люди, что тесты “падают”. Оказалось, говорят, но как-то не слишком активно. На английском это бы звучало “tests fail” - вроде нормально. В общем, для меня пятый GPT звучит, как будто бы я читаю перевод с английского.
Он сыплет экспертным знанием: термины, факты, списки. Каждый раз приходится просить переписать плавной речью с рассуждениями, вводными конструкциями и логическими переходами. Причем, при переписывании ответ всегда получается максимально краткий. Например, вместо того, чтобы выдать полностью исправленный текст, он возвращает только те части текста, где были внесены исправления. Видимо, много жжет энергии - настроен, чтобы экономить.
✌ Некоторое время я успела попользоваться Google Gemini в России - как я говорю в таких случаях, “тепленькая пошла”. Но нет, как только мой Google Pixel переключился на Gemini как на основного ассистента, так его и отрубили. Теперь пиксель не реагирует на “Окей, гугл” - большие проблемы белых людей 😅
🖖 На чатбот-арене появились модели с веб-поиском. Причем все топовые там есть, включая Perplexity. А еще там есть ссылка на видео-чатбот-арену, но к ней нужно продираться - я тоже затестила, знатные видева получаются: в видео-генерации большой прогресс. Veo 3, например, от Google.
Так почему же разрабы занимаются не Скайнетом? 🤔 Я тут в очередной раз взяла подработку на лето - создавала курс по ИИ для онлайн-колледжа. И, пока делала курс, в очередной раз переосмыслила свой пост про Скайнет. Аргументов у меня несколько - я их запрячу в августовских постах. Вот такой кликбейт 😁
#новостИИ
Arena | Benchmark & Compare the Best AI Models
Chat with multiple AI models side-by-side. Compare ChatGPT, Claude, Gemini, and other top LLMs. Crowdsourced benchmarks and leaderboards.
❤6
Я тебя по API (апи) вычислю
Приходилось ли вам слышать слово “апи” (ударение можно ставить и на А, и на И - кому как удобнее)? Если вы - hardcore программер, то дальше не читайте - вы и так знаете, что это. А если вы хотите получать данные из Интернета (с сайтов и соцсетей) для исследования или по работе, то.. го читать дальше.
Не успели юзеры привыкнуть к тому, что их вычисляют по айпи, как приходится иметь дело с апи. Но апи это не про отдельного пользователя и прописку его устройства в Интернете. Эта тема касается сайтов, платформ и сервисов, с которых мы хотели бы получать данные не через красивый интерфейс, а в виде файла с таблицей или списком. В общем как-то структурированно.
👩🎓 Например, вы пишете магистерскую диссертацию по языку соцсетей. Хочется не скроллить страницу с комментариями или постами и сотни раз нажимать Crl+C и Ctrl+V, а сразу получить табличку, где каждый пост или комментарий в своей колонке, а в других колонках - ник пользователя, дата, сколько лайков поставлено и т.д.
🧑💻 Или вы ищете кадры для своей компании, а hh.ru выдает вам каждый раз длинный список кандидатов, в котором вы начинаете тонуть после первых 5-8 резюме. Вот бы их все в табличку и выставить параметры, как они должны быть рассортированы!
API (Application Programming Interface, он же “программный интерфейс приложения”) - это способ обмена данными не через интерфейс пользователя, где все красиво отформатировано, а напрямую с базой данных приложения. Не у всех приложений есть доступное API, но если оно есть, то оно сильно облегчает добычу из него данных в виде какой-то структуры (таблицы, например).
Вот ссылка для обращения к API hh.ru - по ней вы получите до ста вакансий, в чьих названиях есть слово “лингвист” (можно жмякать - она не вредоносная 🦠):
Кажется, что вместо красивенького хх.ру мы получили какой-то малопонятный набор символов:
На самом деле это табличные данные, просто в формате записи JSON. Перевести их в таблицу может любая языковая модель на чатбот-арене. Ну и конечно, код на питоне это тоже легко сделает (а код вам тоже напишет языковая модель - скормите ей для этого ваш JSON).
Теперь добавим к “лингвисту” параметр - “зарплата = 100 000 руб.” (ссылка для жмяка). Вуаля:
И такие есть вакансии (хотя выглядят они подозрительно, особенно те, в которых не требуется даже опыт работы).
В общем API - это удобный способ парсить данные с приложений, если у приложения есть API. Остается только разобраться, как для нужного вам приложения сформировать такую ссылку, как выше для hh.ru. А в этом помогут языковые модели, которые умеют искать в Интернете.
🍀 Всем удачного парсинга!
#база
Приходилось ли вам слышать слово “апи” (ударение можно ставить и на А, и на И - кому как удобнее)? Если вы - hardcore программер, то дальше не читайте - вы и так знаете, что это. А если вы хотите получать данные из Интернета (с сайтов и соцсетей) для исследования или по работе, то.. го читать дальше.
Не успели юзеры привыкнуть к тому, что их вычисляют по айпи, как приходится иметь дело с апи. Но апи это не про отдельного пользователя и прописку его устройства в Интернете. Эта тема касается сайтов, платформ и сервисов, с которых мы хотели бы получать данные не через красивый интерфейс, а в виде файла с таблицей или списком. В общем как-то структурированно.
👩🎓 Например, вы пишете магистерскую диссертацию по языку соцсетей. Хочется не скроллить страницу с комментариями или постами и сотни раз нажимать Crl+C и Ctrl+V, а сразу получить табличку, где каждый пост или комментарий в своей колонке, а в других колонках - ник пользователя, дата, сколько лайков поставлено и т.д.
🧑💻 Или вы ищете кадры для своей компании, а hh.ru выдает вам каждый раз длинный список кандидатов, в котором вы начинаете тонуть после первых 5-8 резюме. Вот бы их все в табличку и выставить параметры, как они должны быть рассортированы!
API (Application Programming Interface, он же “программный интерфейс приложения”) - это способ обмена данными не через интерфейс пользователя, где все красиво отформатировано, а напрямую с базой данных приложения. Не у всех приложений есть доступное API, но если оно есть, то оно сильно облегчает добычу из него данных в виде какой-то структуры (таблицы, например).
Вот ссылка для обращения к API hh.ru - по ней вы получите до ста вакансий, в чьих названиях есть слово “лингвист” (можно жмякать - она не вредоносная 🦠):
https://api.hh.ru/vacancies?text=%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82 Кажется, что вместо красивенького хх.ру мы получили какой-то малопонятный набор символов:
{"items":[{"id":"123435096","premium":false,"name":"Лингвист/репетитор..На самом деле это табличные данные, просто в формате записи JSON. Перевести их в таблицу может любая языковая модель на чатбот-арене. Ну и конечно, код на питоне это тоже легко сделает (а код вам тоже напишет языковая модель - скормите ей для этого ваш JSON).
Теперь добавим к “лингвисту” параметр - “зарплата = 100 000 руб.” (ссылка для жмяка). Вуаля:
https://api.hh.ru/vacancies?text=%D0%BB%D0%B8%D0%BD%D0%B3%D0%B2%D0%B8%D1%81%D1%82&only_with_salary=true&salary=100000¤cy=RURИ такие есть вакансии (хотя выглядят они подозрительно, особенно те, в которых не требуется даже опыт работы).
В общем API - это удобный способ парсить данные с приложений, если у приложения есть API. Остается только разобраться, как для нужного вам приложения сформировать такую ссылку, как выше для hh.ru. А в этом помогут языковые модели, которые умеют искать в Интернете.
🍀 Всем удачного парсинга!
#база
❤5🔥3
Суверенный ИИ versus дискурс эффективности
Поскольку у меня сложилась традиция перемежать обучающие посты с философскими, то начну неделю философией.
Пишу я курс для школьников по ИИ - конечно, вместе с ИИ 😁 и замечаю, что, когда затрагивается вопрос галлюцинаций, то модельки ставят “иногда” (а не “часто”, “постоянно”, “всегда”) перед “галлюцинирует”, а когда затрагивается вопрос профессиональных навыков, то модельки пишут, что забирают только рутинные задачи и никогда не украдут у вас работу.. (Верим?) Про недостатки тоже, конечно, упоминают, например, что источники надо проверять. И никогда не забывают добавить, что ответственность за все содеянное несет человек. Вот он - дискурс эффективности во всей его красе. Автоматизируя работу с ИИ, я мало думаю о том, что это вообще-то коммерческий продукт, который бьет рекорды по инвестициям и прогнозам. (Не буду говорить про окупаемость, потому что вряд ли смогу получить ее честную оценку.)
Откуда берется дискурс эффективности в моделях? То есть откуда столько саморекламы и самопродвижения в ответах ИИ. Я так думаю, это результат настроек - перед выходом любой модели живые человеки при помощи инструкций, которые им выдали, через диалог настраивают модель в определенных сценариях вести себя определенным образом. И вуаля! На вопросы о себе модели начинают себя продвигать.
А суверенный ИИ - это что? Это на мой взгляд другая крайность. Это такой ИИ, который служит не коммерческому успеху, а государству для осуществления целей именно государства. Одна из таких целей: если страну отключат от коммерческих ИИ-моделей, разработанных в других странах, то им на замену должна быть хоть какая-то ИИ-модель, которая будет “государственной” - разработана в этой стране (или содружестве стран) и доступна ее гражданам. В общем, это когда государство выступает как компания-разработчик или заказчик ИИ, но ставит перед собой иные цели, нежели коммерческий успех - политические нежели рыночные. Многие страны уже заявили о разработке такого ИИ.
Ну и что? Пусть будет и такой, и такой.. Да я не против. Я вижу это как две крайности, в которые можно впасть. Одна крайность - подсаживание человечества на коммерческий ИИ (как на сахар или кофе), пока мы настолько перестанем уметь кодить, например, что без ИИшки уже ничего и не сможем. Другая - замена человека ИИшкой там, где должна выражаться именно воля человека - в политике. Ибо политика это про людей, а не про технологии. Если руководствоваться книгой Насима Талеба про антихрупкость, человечество от этой ситуации только закалится - не впадет в крайности и научится противостоять очередному соблазну тотально вымереть.
А что там Скайнет? Почему не изобрести суперумную военную машину и сначала запустить виртуальную симуляцию, чтобы проверить, кто победит? Ну положим, для хорошей симуляции никто всерьез не раскроет, сколько и каких технологий у них есть - будут бахвалиться и преувеличивать. Но можно сделать симуляцию на основе разведданных или просто выделить какое-то пустое место, где сразится армада роботов-пылесосов. А людей предварительно эвакуировать. Ведь если у кого-то очевидно более сильные технологии, то явно с ним не надо сражаться в реале. Аргумент у меня такой: потому что, даже если у одной из сторон очень сильные технологии, не факт, что ее люди решат начать конфликт в реальности, взять на себя ответственность и пойти сражаться на поля вместе с роботами-пылесосами.
Дак тут-то и нужно заменить человека ИИшкой? Чтобы никому никуда ходить не надо было. Чтобы никому никуда ходить не надо, уже есть оружие массового поражения. Зачем еще какой-то Скайнет выдумывать?
Ну хорошо, тогда пусть все-таки надо будет куда-то пойти, сесть в титановый костюм, смотреть мультики и параллельно запускать ИИшку, чтобы она пуляла по противнику? Ну то есть пусть ИИ не заменяет, но просто усиливает человека, а от человека будет требоваться все меньше и меньше.. На это у меня тоже есть аргумент, но, как и обещала, я его спрячу в другом августовском посте.
#эссеИИстика
Поскольку у меня сложилась традиция перемежать обучающие посты с философскими, то начну неделю философией.
Пишу я курс для школьников по ИИ - конечно, вместе с ИИ 😁 и замечаю, что, когда затрагивается вопрос галлюцинаций, то модельки ставят “иногда” (а не “часто”, “постоянно”, “всегда”) перед “галлюцинирует”, а когда затрагивается вопрос профессиональных навыков, то модельки пишут, что забирают только рутинные задачи и никогда не украдут у вас работу.. (Верим?) Про недостатки тоже, конечно, упоминают, например, что источники надо проверять. И никогда не забывают добавить, что ответственность за все содеянное несет человек. Вот он - дискурс эффективности во всей его красе. Автоматизируя работу с ИИ, я мало думаю о том, что это вообще-то коммерческий продукт, который бьет рекорды по инвестициям и прогнозам. (Не буду говорить про окупаемость, потому что вряд ли смогу получить ее честную оценку.)
Откуда берется дискурс эффективности в моделях? То есть откуда столько саморекламы и самопродвижения в ответах ИИ. Я так думаю, это результат настроек - перед выходом любой модели живые человеки при помощи инструкций, которые им выдали, через диалог настраивают модель в определенных сценариях вести себя определенным образом. И вуаля! На вопросы о себе модели начинают себя продвигать.
А суверенный ИИ - это что? Это на мой взгляд другая крайность. Это такой ИИ, который служит не коммерческому успеху, а государству для осуществления целей именно государства. Одна из таких целей: если страну отключат от коммерческих ИИ-моделей, разработанных в других странах, то им на замену должна быть хоть какая-то ИИ-модель, которая будет “государственной” - разработана в этой стране (или содружестве стран) и доступна ее гражданам. В общем, это когда государство выступает как компания-разработчик или заказчик ИИ, но ставит перед собой иные цели, нежели коммерческий успех - политические нежели рыночные. Многие страны уже заявили о разработке такого ИИ.
Ну и что? Пусть будет и такой, и такой.. Да я не против. Я вижу это как две крайности, в которые можно впасть. Одна крайность - подсаживание человечества на коммерческий ИИ (как на сахар или кофе), пока мы настолько перестанем уметь кодить, например, что без ИИшки уже ничего и не сможем. Другая - замена человека ИИшкой там, где должна выражаться именно воля человека - в политике. Ибо политика это про людей, а не про технологии. Если руководствоваться книгой Насима Талеба про антихрупкость, человечество от этой ситуации только закалится - не впадет в крайности и научится противостоять очередному соблазну тотально вымереть.
А что там Скайнет? Почему не изобрести суперумную военную машину и сначала запустить виртуальную симуляцию, чтобы проверить, кто победит? Ну положим, для хорошей симуляции никто всерьез не раскроет, сколько и каких технологий у них есть - будут бахвалиться и преувеличивать. Но можно сделать симуляцию на основе разведданных или просто выделить какое-то пустое место, где сразится армада роботов-пылесосов. А людей предварительно эвакуировать. Ведь если у кого-то очевидно более сильные технологии, то явно с ним не надо сражаться в реале. Аргумент у меня такой: потому что, даже если у одной из сторон очень сильные технологии, не факт, что ее люди решат начать конфликт в реальности, взять на себя ответственность и пойти сражаться на поля вместе с роботами-пылесосами.
Дак тут-то и нужно заменить человека ИИшкой? Чтобы никому никуда ходить не надо было. Чтобы никому никуда ходить не надо, уже есть оружие массового поражения. Зачем еще какой-то Скайнет выдумывать?
Ну хорошо, тогда пусть все-таки надо будет куда-то пойти, сесть в титановый костюм, смотреть мультики и параллельно запускать ИИшку, чтобы она пуляла по противнику? Ну то есть пусть ИИ не заменяет, но просто усиливает человека, а от человека будет требоваться все меньше и меньше.. На это у меня тоже есть аргумент, но, как и обещала, я его спрячу в другом августовском посте.
#эссеИИстика
❤🔥2❤1
Не зря ли я переплачиваю за “пожалуйста” и запятые в промптах?
Недавно в интервью с Андреем Дороничевым, предпринимателем в области ИТ (США), услышала, что можно экономить на “пожалуйста” и запятых в промптах. И это в какой-то степени можно считать экологичным.
🤑 Я бы не стала экономить именно ради экологии в платных сервисах. Мое мнение таково, что производители ИИ должны в стоимость своих услуг закладывать вредность производства. Компании регулярно отчитываются о том, сколько углеродного следа остается при выпуске очередной модели (я даже почитала немного). Следовательно, в цену заложена и экологическая вредность (или ее устранение). Если я готова заплатить за “пожалуйста” и запятую, то и ок.
Другой вопрос: как оптимизировать промпт, чтобы он был покороче, но при этом давал эффективный результат?
👆 Некоторые сервисы, например, тот же GPT от Open AI сами признаются, что оптимизируют ваш промпт после того, как вы его им послали. Да, мы платим за токены в изначальном запросе, но не факт, что до модели наш промпт дойдет в изначальном виде. Это еще один аргумент в пользу того, что если вы готовы платить за ”пожалуйста”, то и ок.
✌ У меня есть свой лайфхак: я сначала пишу максимально коротко и, если мне не нравится результат, то в следующем промпте прошу модель внести правки.
🖖 А что, если мне нужен длинный ответ, то из-за какой-то мелочи придется перегенерировать весь текст? Можно тренироватьсяна кошках на части текста. Например, если мне нужно сгенерить 20 тестов, то сначала я отрабатываю промпт на одном вопросе. Либо генерю по отдельности, но в одном и том же диалоге введение, абзац, параграф и т.д.
👊 Еще я храню отшлифованные шаблоны промтов.
Но вернемся к запятым и “пожалуйста”. А также пресловутым ролям (“Представь, что ты - эксперт в…”) и другим лайфхакам. Так ли много от них зависит?
Мне попадалось на глаза исследование (я, правда, сейчас его не смогла найти), в котором пунктуационные знаки, как оказалось, хранят очень много информации, которой нет в отдельных словах. Так что я за пунктуацию, как минимум. Касательно вежливости - я стараюсь делать нейтрально-вежливые формулировки в промптах. За вежливость у меня всегда отвечает одно слово - “пожалуйста” 😁 Также, помимо самой задачи, если мне нужен текст в каком-то конкретном жанре или есть еще какие-то обязательные требования, то я их четко прописываю с первого промпта, а потом корректирую, если мне не понравился результат. Например, это может быть формат ответа (один абзац, сплошным текстом, без списков и пунктов, простым языком..).
В остальном.. Даже те же пресловутые указания роли я использую, только если не сработали базовые приемы.
Всем удачного промптинга! 🍀
#база #лайфхакИИ
Недавно в интервью с Андреем Дороничевым, предпринимателем в области ИТ (США), услышала, что можно экономить на “пожалуйста” и запятых в промптах. И это в какой-то степени можно считать экологичным.
🤑 Я бы не стала экономить именно ради экологии в платных сервисах. Мое мнение таково, что производители ИИ должны в стоимость своих услуг закладывать вредность производства. Компании регулярно отчитываются о том, сколько углеродного следа остается при выпуске очередной модели (я даже почитала немного). Следовательно, в цену заложена и экологическая вредность (или ее устранение). Если я готова заплатить за “пожалуйста” и запятую, то и ок.
Другой вопрос: как оптимизировать промпт, чтобы он был покороче, но при этом давал эффективный результат?
👆 Некоторые сервисы, например, тот же GPT от Open AI сами признаются, что оптимизируют ваш промпт после того, как вы его им послали. Да, мы платим за токены в изначальном запросе, но не факт, что до модели наш промпт дойдет в изначальном виде. Это еще один аргумент в пользу того, что если вы готовы платить за ”пожалуйста”, то и ок.
✌ У меня есть свой лайфхак: я сначала пишу максимально коротко и, если мне не нравится результат, то в следующем промпте прошу модель внести правки.
🖖 А что, если мне нужен длинный ответ, то из-за какой-то мелочи придется перегенерировать весь текст? Можно тренироваться
👊 Еще я храню отшлифованные шаблоны промтов.
Но вернемся к запятым и “пожалуйста”. А также пресловутым ролям (“Представь, что ты - эксперт в…”) и другим лайфхакам. Так ли много от них зависит?
Мне попадалось на глаза исследование (я, правда, сейчас его не смогла найти), в котором пунктуационные знаки, как оказалось, хранят очень много информации, которой нет в отдельных словах. Так что я за пунктуацию, как минимум. Касательно вежливости - я стараюсь делать нейтрально-вежливые формулировки в промптах. За вежливость у меня всегда отвечает одно слово - “пожалуйста” 😁 Также, помимо самой задачи, если мне нужен текст в каком-то конкретном жанре или есть еще какие-то обязательные требования, то я их четко прописываю с первого промпта, а потом корректирую, если мне не понравился результат. Например, это может быть формат ответа (один абзац, сплошным текстом, без списков и пунктов, простым языком..).
В остальном.. Даже те же пресловутые указания роли я использую, только если не сработали базовые приемы.
Всем удачного промптинга! 🍀
#база #лайфхакИИ
❤🔥3🔥2
ИИ-ученый: какое знание синтезируют генеративные модели
Приближается первое сентября, и я задумала написать пост про ИИ-системы для ученых.
После того, как за программу AlphaFold для предсказания структуры белка дали Нобелевскую премию, наверно, уже совсем странно сомневаться, что ИИ полноценно закрепился в науке. А после того, как сгенерированные статьи прошли рецензирование и были опубликованы, к научному сообществу возникло много вопросов. Это две крайности, между которыми ИИ сегодня бегает: он помогает делать научные открытия, но упрощает академическое мошенничество. Я вроде как топлю за открытия, так что..
Доброе ИИ для ученого (без привязки к специальности):
Elicit - это инструмент от компании Ought (Сан-Франциско), о котором я узнала на летней школе в ТюмГУ в июле. Он заменяет ревью и обзоры современного положения вещей в заданном вами научном вопросе. Работает похожим образом, как Perplexity и другие модели, которые могут искать информацию в Интернете, но, видимо, ищет в большей степени по проверенным коллекциям научных статей. Важной фичей таких инструментов является умение хорошо анализировать и обобщать множество информации. На выходе дает не только обзор ключевых идей, но и методы, результаты, тематические направления, технические особенности и т.д. (раскладывает все по пунктам).
DeepResearch - это фича от Open AI, которая работает похожим образом - ищет данные по сети и формирует отчет. Но ей надо четко задать формат обзора, который вы хотите получить, и какие пункты вам надо разложить, т.к. она не специально для ученых, а вообще для любых специалистов.
Storm ..А Стэнфорд, не стесняясь (мой самый любимый универ на планете 💖 😁), просто предлагают вам сразу статью сгенерить. Но на выходе получается тот же обзор, как у Elicit. И мне Elicit показался более глубоким и точным.
Sakana AI - это первый ИИ, который прошел рецензирование по-честному, написав хорошую статью от и до. Это открытая библиотека, без интерфейса, так что придется повозиться, чтобы ее запустить - авторы взяли и выложили: генерите, ученые! Интересно, сколько уже опубликованных статей ею написано на самом деле? 😉
А вообще какое оно, синтетическое знание, сгенерированное при помощи ИИ? На мой взгляд, чтобы создать какое-то реально новое знание при помощи ИИ сегодня, нужно выполнить два условия:
1⃣ задать четкий контекст: данные, исследования, на которые нужно опираться, терминология, проблема, которую надо решить
2⃣ задавать такие промпты по мере генерации, чтобы система использовала разные “эвристики” - дедукция, индукция, синтез, анализ и прочие процедуры, которые в человеке выполняет мозг
То есть то, что Sakana с нуля написала статью, без помощи человека - это, на мой взгляд, особенность проблемы, поставленной в ее статье: она очень узкая, техническая и для ее решения нужно было сделать довольно привычную последовательность действий с данными. Как будто кубики сложились в пирамидку. А там, где есть лакуны и нужна удачная догадка (я это называю “серендипность”), требуется постоянно подпинывать ИИ промптами либо брать работу на себя полностью.
Как и в Скайнет. Итак, если мы усилим солдата ИИ-шкой - что тут плохого? Человек сядет в скафандр, типа как у Тони Старка, и будет вместе с ИИ “всех мочить”. В серии о Железном человеке обрисовали много разных рисков. Но я зайду немного с другой стороны: человек всегда может сказать “Это не я, это ИИ сделало” и снять с себя ответственность. Ученым пока что тоже официально нельзя складывать на ИИ ответственность за все, что они нагенерили. Опубликовал? Подписался? Неси бремя авторства.
#база #спискИИ
Приближается первое сентября, и я задумала написать пост про ИИ-системы для ученых.
После того, как за программу AlphaFold для предсказания структуры белка дали Нобелевскую премию, наверно, уже совсем странно сомневаться, что ИИ полноценно закрепился в науке. А после того, как сгенерированные статьи прошли рецензирование и были опубликованы, к научному сообществу возникло много вопросов. Это две крайности, между которыми ИИ сегодня бегает: он помогает делать научные открытия, но упрощает академическое мошенничество. Я вроде как топлю за открытия, так что..
Доброе ИИ для ученого (без привязки к специальности):
Elicit - это инструмент от компании Ought (Сан-Франциско), о котором я узнала на летней школе в ТюмГУ в июле. Он заменяет ревью и обзоры современного положения вещей в заданном вами научном вопросе. Работает похожим образом, как Perplexity и другие модели, которые могут искать информацию в Интернете, но, видимо, ищет в большей степени по проверенным коллекциям научных статей. Важной фичей таких инструментов является умение хорошо анализировать и обобщать множество информации. На выходе дает не только обзор ключевых идей, но и методы, результаты, тематические направления, технические особенности и т.д. (раскладывает все по пунктам).
DeepResearch - это фича от Open AI, которая работает похожим образом - ищет данные по сети и формирует отчет. Но ей надо четко задать формат обзора, который вы хотите получить, и какие пункты вам надо разложить, т.к. она не специально для ученых, а вообще для любых специалистов.
Storm ..А Стэнфорд, не стесняясь (мой самый любимый универ на планете 💖 😁), просто предлагают вам сразу статью сгенерить. Но на выходе получается тот же обзор, как у Elicit. И мне Elicit показался более глубоким и точным.
Sakana AI - это первый ИИ, который прошел рецензирование по-честному, написав хорошую статью от и до. Это открытая библиотека, без интерфейса, так что придется повозиться, чтобы ее запустить - авторы взяли и выложили: генерите, ученые! Интересно, сколько уже опубликованных статей ею написано на самом деле? 😉
А вообще какое оно, синтетическое знание, сгенерированное при помощи ИИ? На мой взгляд, чтобы создать какое-то реально новое знание при помощи ИИ сегодня, нужно выполнить два условия:
1⃣ задать четкий контекст: данные, исследования, на которые нужно опираться, терминология, проблема, которую надо решить
2⃣ задавать такие промпты по мере генерации, чтобы система использовала разные “эвристики” - дедукция, индукция, синтез, анализ и прочие процедуры, которые в человеке выполняет мозг
То есть то, что Sakana с нуля написала статью, без помощи человека - это, на мой взгляд, особенность проблемы, поставленной в ее статье: она очень узкая, техническая и для ее решения нужно было сделать довольно привычную последовательность действий с данными. Как будто кубики сложились в пирамидку. А там, где есть лакуны и нужна удачная догадка (я это называю “серендипность”), требуется постоянно подпинывать ИИ промптами либо брать работу на себя полностью.
Как и в Скайнет. Итак, если мы усилим солдата ИИ-шкой - что тут плохого? Человек сядет в скафандр, типа как у Тони Старка, и будет вместе с ИИ “всех мочить”. В серии о Железном человеке обрисовали много разных рисков. Но я зайду немного с другой стороны: человек всегда может сказать “Это не я, это ИИ сделало” и снять с себя ответственность. Ученым пока что тоже официально нельзя складывать на ИИ ответственность за все, что они нагенерили. Опубликовал? Подписался? Неси бремя авторства.
#база #спискИИ
Elicit
Elicit: AI for scientific research
Use AI to search, summarize, extract data from, and chat with over 125 million papers. Used by over 2 million researchers in academia and industry.
🔥4❤2
Вымрут ли джуны?
Начну с новости: в этом учебном году я работаю удаленно частным репетитором, так что 1 сентября все еще мой профессиональный праздник. Кстати, всех причастных, пусть и запоздало, поздравляю! 🎉
..А ведь могла бы пойти джуном. Или не могла?.. Вот что дает обзор Perplexity по этому вопросу:
📉 Спрос на IT-специалистов начального уровня в России существует, но компании требуют от джунов сильных базовых знаний и готовности к обучению.
🗂 Зачастую IT-компании рассматривают только джунов с реальными проектами и техническими навыками.
🗺 В мире ситуация схожа: работодателям нужны опытные сотрудники.
🦾 Быстрое развитие технологий и автоматизация с применением искусственного интеллекта уменьшают количество рабочих мест.
В общем, сейчас есть спрос на синие воротнички, курьеров и таксистов. В ИТ-сфере не то чтобы число рабочих мест сокращается, но, как говорится, меняется структура занятости. Вот что говорит Perplexity.
В России востребованы:
🛞 инженеры в области ИИ и машинного обучения
🛞 специалисты по кибербезопасности
🛞 разработчики программного обеспечения среднего и старшего уровней (мидл и сеньор) — фронтенд и бэкенд разработчики, DevOps-инженеры
🛞 специалисты по IT-инфраструктуре, системные администраторы, тестировщики (QA)
🛞 аналитики данных и дата-саентисты
🛞 узкоспециализированные роли, связанные с цифровой трансформацией и автоматизацией бизнес-процессов — продакты, проджекты и прочие pro.., готовые взять ответственность за запуск продукта (это уже от меня комментарий)
В мире тренды схожи.
Так что да, в каком-то смысле джуны уже не те.. И я бы даже сказала, что в классическом понимании джуна, как “вкатившегося в айти” в 2010-е, более нет с нами. К работе в IT теперь нужна более длительная подготовка, и в ней больше рисков, т.к. образование отстает от рынка, компании сокращают программы стажировки и стеки технологий постоянно меняются. Я бы назвала это коррекцией после лихих 2010-х, когда IT-индустрия разрослась и заполнила всенизковисящие фрукты легкодоступные ниши.
С другой стороны, есть и положительные тренды для начинающих ИТ-специалистов: можно изи накодить себе пет-проект с GPT 5 и запустить его даже без команды. Годные проекты приносят пассивный доход. А некоторые даже станут будущими Амазонами и Гуглами.
#эссеИИстика
Начну с новости: в этом учебном году я работаю удаленно частным репетитором, так что 1 сентября все еще мой профессиональный праздник. Кстати, всех причастных, пусть и запоздало, поздравляю! 🎉
..А ведь могла бы пойти джуном. Или не могла?.. Вот что дает обзор Perplexity по этому вопросу:
📉 Спрос на IT-специалистов начального уровня в России существует, но компании требуют от джунов сильных базовых знаний и готовности к обучению.
🗂 Зачастую IT-компании рассматривают только джунов с реальными проектами и техническими навыками.
🗺 В мире ситуация схожа: работодателям нужны опытные сотрудники.
🦾 Быстрое развитие технологий и автоматизация с применением искусственного интеллекта уменьшают количество рабочих мест.
В общем, сейчас есть спрос на синие воротнички, курьеров и таксистов. В ИТ-сфере не то чтобы число рабочих мест сокращается, но, как говорится, меняется структура занятости. Вот что говорит Perplexity.
В России востребованы:
🛞 инженеры в области ИИ и машинного обучения
🛞 специалисты по кибербезопасности
🛞 разработчики программного обеспечения среднего и старшего уровней (мидл и сеньор) — фронтенд и бэкенд разработчики, DevOps-инженеры
🛞 специалисты по IT-инфраструктуре, системные администраторы, тестировщики (QA)
🛞 аналитики данных и дата-саентисты
🛞 узкоспециализированные роли, связанные с цифровой трансформацией и автоматизацией бизнес-процессов — продакты, проджекты и прочие pro.., готовые взять ответственность за запуск продукта (это уже от меня комментарий)
В мире тренды схожи.
Так что да, в каком-то смысле джуны уже не те.. И я бы даже сказала, что в классическом понимании джуна, как “вкатившегося в айти” в 2010-е, более нет с нами. К работе в IT теперь нужна более длительная подготовка, и в ней больше рисков, т.к. образование отстает от рынка, компании сокращают программы стажировки и стеки технологий постоянно меняются. Я бы назвала это коррекцией после лихих 2010-х, когда IT-индустрия разрослась и заполнила все
С другой стороны, есть и положительные тренды для начинающих ИТ-специалистов: можно изи накодить себе пет-проект с GPT 5 и запустить его даже без команды. Годные проекты приносят пассивный доход. А некоторые даже станут будущими Амазонами и Гуглами.
#эссеИИстика
Perplexity AI
Perplexity is a free AI-powered answer engine that provides accurate, trusted, and real-time answers to any question.
👍2🔥2❤1🕊1
Я календарь переверну.. И вот уж анонс на сентябрь:
9 Легкодоступные модели (Я про ИИ. А вы что подумали?)
11 Векторные базы данных
13 Как компании неправильно внедряют ИИ
16 Альтернативные промпты
18 Как визуализировать данные при помощи языковых моделей
20 Объяснимый ИИ: машинное обучение - это не совсем черный ящик
23 ИИ-агенты в тренде
25 Миссионеры против мерсенариев. Вечный спор: что важнее - идея или деньги?
27 Кому принадлежит ИИ-контент
30 Этика ИИ: ответственность - это новая нефть
#анонс
9 Легкодоступные модели (Я про ИИ. А вы что подумали?)
11 Векторные базы данных
13 Как компании неправильно внедряют ИИ
16 Альтернативные промпты
18 Как визуализировать данные при помощи языковых моделей
20 Объяснимый ИИ: машинное обучение - это не совсем черный ящик
23 ИИ-агенты в тренде
25 Миссионеры против мерсенариев. Вечный спор: что важнее - идея или деньги?
27 Кому принадлежит ИИ-контент
30 Этика ИИ: ответственность - это новая нефть
#анонс
🔥4❤1
Легкодоступные модели
Меня часто спрашивают “Елена, а где можно бесплатно пользоваться топовыми нейросетями типа ChatGPT?”. На что я отвечаю лекцией, что нейросети бывают разные, ChatGPT - это большая языковая модель и так далее. Но сегодня я сделаю исключение.
Итак, топовые нейросети типа ChatGPT, бесплатно без смс, но некоторые с регистрацией, говорят по-русски, доступны 9 сентября 2025 г. в РФ:
Чатбот-арена LMArena- место, где обитает много разных моделей. По-прежнему мой фаворит, но, я думаю, рыночек рано или поздно сделает ее платной. Уж больно хороша..
DeepSeek. Компания: DeepSeek. Нужна регистрация, можно через Google ID.
GigaChat. Компания: Сбер. Есть приятный бот в телеграмме @gigachat_bot .
Mistral. Компания: Mistral AI.
Perplexity. Компания: Perplexity AI.
Qwen (с открытым кодом). Компания: Alibaba.
YandexGPT (Алиса). Компания: Яндекс.
#спискИИ
Меня часто спрашивают “Елена, а где можно бесплатно пользоваться топовыми нейросетями типа ChatGPT?”. На что я отвечаю лекцией, что нейросети бывают разные, ChatGPT - это большая языковая модель и так далее. Но сегодня я сделаю исключение.
Итак, топовые нейросети типа ChatGPT, бесплатно без смс, но некоторые с регистрацией, говорят по-русски, доступны 9 сентября 2025 г. в РФ:
Чатбот-арена LMArena- место, где обитает много разных моделей. По-прежнему мой фаворит, но, я думаю, рыночек рано или поздно сделает ее платной. Уж больно хороша..
DeepSeek. Компания: DeepSeek. Нужна регистрация, можно через Google ID.
GigaChat. Компания: Сбер. Есть приятный бот в телеграмме @gigachat_bot .
Mistral. Компания: Mistral AI.
Perplexity. Компания: Perplexity AI.
Qwen (с открытым кодом). Компания: Alibaba.
YandexGPT (Алиса). Компания: Яндекс.
#спискИИ
Arena | Benchmark & Compare the Best AI Models
Chat with multiple AI models side-by-side. Compare ChatGPT, Claude, Gemini, and other top LLMs. Crowdsourced benchmarks and leaderboards.
🔥4❤2
Векторные базы данных
Обычные базы данных (реляционные БД) хранят информацию вот так:
Если мы знаем, о ком или чем нам нужна информация, то мы закинем эту удочку (рыбалковая метафора 😁), например, спросим у базы данных, какую книгу купил Василий Петрович С., и нам очень быстро вернется ответ - “Книга о рыбалке”. В этой задаче есть определенность, на которую мы опираемся.
Искусственный интеллект может отвечать на вопросы, где есть много неопределенности, например, какие еще книги предложить Василию Петровичу или у каких клиентов похожие вкусы. Но ИИ принимает решение на основе векторов, которые выглядят примерно вот так:
Причем у каждого объекта может быть очень длинный вектор. А если у объекта какие-то свойства меняются, то меняется и весь вектор.
✅ Векторная база данных - это хранилище векторов для ИИ, оптимизированное под особенности ИИ-задач, например:
➖ превращать запрос к базе в вектор
➖ ранжировать все объекты в базе на соответствие запросу
➖ отсекать объекты, не отвечающие запросу
➖ переписывать вектора при возникновении изменений, дополнительных сведений и т.д.
А также она очень полезна при скрещивании поисковиков с ИИ, именуемом RAG.
Вот так человечество и пришло к созданию векторных БД. Сейчас их много есть разных, в том числе бесплатных с открытым кодом. В вакансиях на ИИ-разрабов и дата-саентистов скилл владения векторными БД тоже упоминается. Так что, если хотите стать сениором в ИИ-разработке и датасаенсе или шатать RAG, то векторная база - это база 😎
#база
Обычные базы данных (реляционные БД) хранят информацию вот так:
Клиент | Василий Петрович С.
Товар | “Книга о рыбалке”
Стоимость | 800 р.
Оплатил | ДаЕсли мы знаем, о ком или чем нам нужна информация, то мы закинем эту удочку (рыбалковая метафора 😁), например, спросим у базы данных, какую книгу купил Василий Петрович С., и нам очень быстро вернется ответ - “Книга о рыбалке”. В этой задаче есть определенность, на которую мы опираемся.
Искусственный интеллект может отвечать на вопросы, где есть много неопределенности, например, какие еще книги предложить Василию Петровичу или у каких клиентов похожие вкусы. Но ИИ принимает решение на основе векторов, которые выглядят примерно вот так:
Василий Петрович С. | 0.53694 0.32644 0.32492 0.32149 0.99846..
Мария Ивановна И. | 0.23982 0.79123 0.21365 0.75313 0.97373..Причем у каждого объекта может быть очень длинный вектор. А если у объекта какие-то свойства меняются, то меняется и весь вектор.
✅ Векторная база данных - это хранилище векторов для ИИ, оптимизированное под особенности ИИ-задач, например:
➖ превращать запрос к базе в вектор
➖ ранжировать все объекты в базе на соответствие запросу
➖ отсекать объекты, не отвечающие запросу
➖ переписывать вектора при возникновении изменений, дополнительных сведений и т.д.
А также она очень полезна при скрещивании поисковиков с ИИ, именуемом RAG.
Вот так человечество и пришло к созданию векторных БД. Сейчас их много есть разных, в том числе бесплатных с открытым кодом. В вакансиях на ИИ-разрабов и дата-саентистов скилл владения векторными БД тоже упоминается. Так что, если хотите стать сениором в ИИ-разработке и датасаенсе или шатать RAG, то векторная база - это база 😎
#база
Хабр
Архитектура RAG: полный гайд
Первая часть. Часть вторая про Advanced RAG тут . Если, открывая холодильник, вы еще не слышали из него про RAG - то наверняка скоро услышите. Однако, в сети на удивление мало полных гайдов,...
👍3🔥3❤1
Как компании неправильно внедряют ИИ
Все счастливые компании, внедряющие ИИ, счастливы одинаково, и каждая несчастная компания несчастлива по-своему. За время работы в университетах я наблюдала множество неудач с внедрением ИИ, а читала про них еще больше. Вот мой шорт-лист самых ярких блуперов.
Кейс 1: для галочки / дань моде / дали деньги на модернизацию
Одна крупная сырьевая компания сделала на базе государственного университета магистратуру про ИИ, чтобы взрастить себе кадры, которые произведут ИИ-внедрение. Многие студенты, поступившие в нее, честно старались делать классные проекты. Но на защитах проектов перед представителями компании они получали только комментарии вроде “Это вообще что?” и “Зачем это нам? У нас и так все хорошо”. Этой маги больше нет с нами.
А бывает и наоборот: сотрудникам очень упорно внедряют идею, что нужно использовать ИИ, устраивают обучения, контролируют, пока всех не начнет тошнить. Однажды я организовала мастер-класс по ИИ в одном коллективе, которому вот так прокапали мозг - хотела объяснить, как реально можно использовать ИИ с пользой. Вход был чисто по желанию. Пришло полтора землекопа.
Вот такие эмоциональные качели.
Кейс 2: управление поссорилось с персоналом и хочет заменить его роботами
Как я люблю говаривать на всяких своих воркшопах и тьюториалах: стоимость одного запроса к ИИ может быть и не велика, но если у вас будет много таких запросов, то дешевле держать кожаного человека. Он и на запрос ответит, и бумажку перенесет из одного кабинета в другой, и цветочки польет, и с доски вытрет..
Как я понимаю, компании, где нет или почти нет людей, создаются таковыми изначально, а компании, в которых изначально велик фактор человека, на ИИ-рельсы не перевести. Вот, например, в онлайн-школах, которые растут как грибы, очень много автоматизации, а в реальных школах она даже мешает (загружает людей бюрократией). История, конечно, знает и контр-примеры: переводчики, копирайтеры, джуны - целые профессии, замененные ИИ-шкой. Но вместо предсказаний, мне кажется, лучше просто подружиться со своим персоналом. Или придется дружить с персоналом ИТ-компании, которая будет поставлять ИТ-услуги взамен сокращенных сотрудников.
Кейс 3: коллектив уже использует ИИ, но управление не замечает или не хочет, чтобы они это делали
Однажды в далеких 2010-х гг. группа моих инициативных коллег, которые занимались компьютерной лингвистикой, пошла к руководству просить, чтобы им согласовали создание лаборатории по ИИ. Руководство отказало, т.к. не поняло, что это вообще такое. Прошли года и на горизонте появилась ChatGPT. В ту же организацию пригласили кадры, которые должны заниматься внедрением ИИ - лица в этом коллективе все абсолютно новые. А мои инициативные коллеги все так и занимаются ИИ-шкой, хоть и не называются лабораторией.
В то же время я знаю многих коллег, которые сами используют нейросети для рабочих задач, сами себе оплачивают подписки, сами обучаются с ними работать. Иногда это даже вроде как “запрещеночка”, например, генерация рабочих программ дисциплин, тестов и других методических материалов - не сказать, чтобы это приветствуется, а кое-где даже официально запрещено. Студентам, конечно, тоже нельзя генерить эссе, а ученым - статьи. И? Представляете - генерят. Не потому что их мало контролируют (чтобы полностью контролировать процесс, нужно приставить к каждому человеку по одному контролеру). А потому что использовать ИИ в некоторых задачах - выгодно: это повышает производительность труда и качество работы.
А как повышается качество учебы и науки от того, что все всё генерят? Это тема для отдельного поста 😉
Выводы
✅ Внедрять ИИ нужно снизу, глядя на то, как эффективные сотрудники используют ИИ, и разговаривая с ними.
✅ Там, где силен фактор человека изначально, выкорчевывать его и заменять ИИ-шкой не приведет к успеху.
✅ Правила игры с ИИ должны держаться не на контроле, а на выгодном предложении для тех, кто будет его использовать.
А вам знакомы другие кейсы неправильного внедрения ИИ? Делитесь в комментариях.
#эссеИИстика
Все счастливые компании, внедряющие ИИ, счастливы одинаково, и каждая несчастная компания несчастлива по-своему. За время работы в университетах я наблюдала множество неудач с внедрением ИИ, а читала про них еще больше. Вот мой шорт-лист самых ярких блуперов.
Кейс 1: для галочки / дань моде / дали деньги на модернизацию
Одна крупная сырьевая компания сделала на базе государственного университета магистратуру про ИИ, чтобы взрастить себе кадры, которые произведут ИИ-внедрение. Многие студенты, поступившие в нее, честно старались делать классные проекты. Но на защитах проектов перед представителями компании они получали только комментарии вроде “Это вообще что?” и “Зачем это нам? У нас и так все хорошо”. Этой маги больше нет с нами.
А бывает и наоборот: сотрудникам очень упорно внедряют идею, что нужно использовать ИИ, устраивают обучения, контролируют, пока всех не начнет тошнить. Однажды я организовала мастер-класс по ИИ в одном коллективе, которому вот так прокапали мозг - хотела объяснить, как реально можно использовать ИИ с пользой. Вход был чисто по желанию. Пришло полтора землекопа.
Вот такие эмоциональные качели.
Кейс 2: управление поссорилось с персоналом и хочет заменить его роботами
Как я люблю говаривать на всяких своих воркшопах и тьюториалах: стоимость одного запроса к ИИ может быть и не велика, но если у вас будет много таких запросов, то дешевле держать кожаного человека. Он и на запрос ответит, и бумажку перенесет из одного кабинета в другой, и цветочки польет, и с доски вытрет..
Как я понимаю, компании, где нет или почти нет людей, создаются таковыми изначально, а компании, в которых изначально велик фактор человека, на ИИ-рельсы не перевести. Вот, например, в онлайн-школах, которые растут как грибы, очень много автоматизации, а в реальных школах она даже мешает (загружает людей бюрократией). История, конечно, знает и контр-примеры: переводчики, копирайтеры, джуны - целые профессии, замененные ИИ-шкой. Но вместо предсказаний, мне кажется, лучше просто подружиться со своим персоналом. Или придется дружить с персоналом ИТ-компании, которая будет поставлять ИТ-услуги взамен сокращенных сотрудников.
Кейс 3: коллектив уже использует ИИ, но управление не замечает или не хочет, чтобы они это делали
Однажды в далеких 2010-х гг. группа моих инициативных коллег, которые занимались компьютерной лингвистикой, пошла к руководству просить, чтобы им согласовали создание лаборатории по ИИ. Руководство отказало, т.к. не поняло, что это вообще такое. Прошли года и на горизонте появилась ChatGPT. В ту же организацию пригласили кадры, которые должны заниматься внедрением ИИ - лица в этом коллективе все абсолютно новые. А мои инициативные коллеги все так и занимаются ИИ-шкой, хоть и не называются лабораторией.
В то же время я знаю многих коллег, которые сами используют нейросети для рабочих задач, сами себе оплачивают подписки, сами обучаются с ними работать. Иногда это даже вроде как “запрещеночка”, например, генерация рабочих программ дисциплин, тестов и других методических материалов - не сказать, чтобы это приветствуется, а кое-где даже официально запрещено. Студентам, конечно, тоже нельзя генерить эссе, а ученым - статьи. И? Представляете - генерят. Не потому что их мало контролируют (чтобы полностью контролировать процесс, нужно приставить к каждому человеку по одному контролеру). А потому что использовать ИИ в некоторых задачах - выгодно: это повышает производительность труда и качество работы.
А как повышается качество учебы и науки от того, что все всё генерят? Это тема для отдельного поста 😉
Выводы
✅ Внедрять ИИ нужно снизу, глядя на то, как эффективные сотрудники используют ИИ, и разговаривая с ними.
✅ Там, где силен фактор человека изначально, выкорчевывать его и заменять ИИ-шкой не приведет к успеху.
✅ Правила игры с ИИ должны держаться не на контроле, а на выгодном предложении для тех, кто будет его использовать.
А вам знакомы другие кейсы неправильного внедрения ИИ? Делитесь в комментариях.
#эссеИИстика
👍4
Альтернативные промпты
Промпт-инжиниринг - это искусство создания запросов (промптов) к большим языковым моделям (LLM) типа ChatGPT. Почему искусство? Потому что здесь много неопределенности:
📌 что вам нужно от модели (включая, что вам на самом деле нужно от модели)
📌 что знает и что умеет модель
📌 как модель настроили ее производители
Существуют разные техники (лайфхаки) для написания промптов, которые чаще всего дают хороший результат, например шаблоны
В этом посте хочу поделиться несколькими техниками, о которых я узнала недавно и которые меня удивили:
Многие модели настроены так, чтобы экономить токены (длину своего ответа), т.к. именно за них мы и платим, общаясь с моделями. В итоге модель возвращает максимально краткий ответ. Эта фраза может сломать данную настройку, и модель выдаст длинный и подробный ответ.
🐉
Этот промпт задает метрику успеха. Помогает при решении аналитических задач, на логику, математику, эрудицию. Часто языковые модели дают один ответ, на котором настаивают. Этот промпт заставит модель сомневаться. Вместо 0.5 можно поставить любое другое число между 0 и 1, а также попросить много вариантов и ранжировать их от самого вероятного к наименее вероятному. Можно придумать и другую метрику (не обязательно вероятность).
🐉
Мне уже лень самой писать промпты. Вот как я в последнее время делаю картинки для анонсов своих постов: скидываю GPT 5 на чатбот-арене темы и краткое описание канала, говорю, что нужен промпт для постера, и она пишет. Потом кидаю этот промпт в Gemini, которая генерит изображение.
🐉
Например:
🐉
Даешь модели кусочек своего текста и она тебе пишет посты в тг-канал 😀 Да ну видно же, что я сама пишу, вы че!.. А вот всякие скучные вещи вроде промежуточных выводов по параграфу в статье можно и нагенерить. Но лучше при этом, чтобы модель писала как вы, в вашем стиле.
А какие необычные лайфхаки для промптов используете вы? Делитесь в комментариях.
Всем удивительного промптинга! 💫
#спискИИ #лайфхакИИ
Промпт-инжиниринг - это искусство создания запросов (промптов) к большим языковым моделям (LLM) типа ChatGPT. Почему искусство? Потому что здесь много неопределенности:
📌 что вам нужно от модели (включая, что вам на самом деле нужно от модели)
📌 что знает и что умеет модель
📌 как модель настроили ее производители
Существуют разные техники (лайфхаки) для написания промптов, которые чаще всего дают хороший результат, например шаблоны
“цель - формат - контекст (материал)” или указание роли “Ты - эксперт в области..”. (Одно из самых популярных собраний промптов здесь; оно на английском - можно перевести на русский при помощи ChatGPT.)В этом посте хочу поделиться несколькими техниками, о которых я узнала недавно и которые меня удивили:
🐉 Улучши свой ответМногие модели настроены так, чтобы экономить токены (длину своего ответа), т.к. именно за них мы и платим, общаясь с моделями. В итоге модель возвращает максимально краткий ответ. Эта фраза может сломать данную настройку, и модель выдаст длинный и подробный ответ.
🐉
Оцени вероятность, что твой ответ - правильный, и, если она ниже 0.5, дай другой ответЭтот промпт задает метрику успеха. Помогает при решении аналитических задач, на логику, математику, эрудицию. Часто языковые модели дают один ответ, на котором настаивают. Этот промпт заставит модель сомневаться. Вместо 0.5 можно поставить любое другое число между 0 и 1, а также попросить много вариантов и ранжировать их от самого вероятного к наименее вероятному. Можно придумать и другую метрику (не обязательно вероятность).
🐉
Напиши промпт для [ваша задача]Мне уже лень самой писать промпты. Вот как я в последнее время делаю картинки для анонсов своих постов: скидываю GPT 5 на чатбот-арене темы и краткое описание канала, говорю, что нужен промпт для постера, и она пишет. Потом кидаю этот промпт в Gemini, которая генерит изображение.
🐉
Думай вот так: [логика рассуждения, что допустимо, альтернативы]Например:
“выдвини несколько гипотез / найди факты, которые подтверждают или опровергают твои утверждения / проверь, есть ли в твоем рассуждении метафоры”. Недавно я наткнулась на вот такой пост и поняла, что многое из него делаю в своих промптах. При этом у меня отпадает нужда в других лайфхаках вроде задавания роли. Пост, на мой взгляд, довольно туманный, мало примеров, но в целом концепцию объясняет хорошо. Возможно, со временем эта тема сформируется в более четкую инструкцию.🐉
Сохрани мой авторский стиль [ваш текст как пример]Даешь модели кусочек своего текста и она тебе пишет посты в тг-канал 😀 Да ну видно же, что я сама пишу, вы че!.. А вот всякие скучные вещи вроде промежуточных выводов по параграфу в статье можно и нагенерить. Но лучше при этом, чтобы модель писала как вы, в вашем стиле.
А какие необычные лайфхаки для промптов используете вы? Делитесь в комментариях.
Всем удивительного промптинга! 💫
#спискИИ #лайфхакИИ
Kaggle
Prompt Engineering
Kaggle is the world’s largest data science community with powerful tools and resources to help you achieve your data science goals.
🙏2❤1🔥1
Как визуализировать данные при помощи ChatGPT
Не секрет, что ChatGPT и иже с ними очень сильны в аналитике данных - могут не просто посчитать среднее, но и найти тенденции, аномалии и выбросы. И даже подсказать, что искать. Но если просто попросить модель, которая умеет рисовать изображения, "построй мне диаграмму", то она нарисует "креативный визуал на тему".
Вот варианты, как всё-таки получить от них диаграмму. Скидываем модели данные, объясняем задачу, просим подобрать тип диаграммы и далее пишем:
✅ Н
Дальше следуем инструкции. В Excel могут понадобиться функции, дополнительные столбцы с расчетами и т.п.
✅
Затем этот код запускаем, например, в Google Colaboratory. Можно вместо Python использовать любой другой язык программирования.
✅
Полученный код сохраняем сначала в обычном текстовом документе .txt, затем меняем ему расширение на .html и открываем в любом браузере.
Всем живописных визуализаций! 🧑🎨
#база #лайфхакИИ
Не секрет, что ChatGPT и иже с ними очень сильны в аналитике данных - могут не просто посчитать среднее, но и найти тенденции, аномалии и выбросы. И даже подсказать, что искать. Но если просто попросить модель, которая умеет рисовать изображения, "построй мне диаграмму", то она нарисует "креативный визуал на тему".
Вот варианты, как всё-таки получить от них диаграмму. Скидываем модели данные, объясняем задачу, просим подобрать тип диаграммы и далее пишем:
✅ Н
апиши инструкцию, как сделать диаграмму в Excel [или Google Spreadsheet - смотря в чем вы работаете]Дальше следуем инструкции. В Excel могут понадобиться функции, дополнительные столбцы с расчетами и т.п.
✅
Напиши код на Python, который генерирует диаграмму из моих данных. Данные хранятся в файле csv [Excel, Google Spreadsheet... Можно сразу указать путь к файлу]Затем этот код запускаем, например, в Google Colaboratory. Можно вместо Python использовать любой другой язык программирования.
✅
Напиши код HTML страницы с использованием JavaScript, который отображает диаграмму. Данные, которые надо использовать, включи в кодПолученный код сохраняем сначала в обычном текстовом документе .txt, затем меняем ему расширение на .html и открываем в любом браузере.
Всем живописных визуализаций! 🧑🎨
#база #лайфхакИИ
🔥5👍1
Объяснимый ИИ: машинное обучение - это не совсем черный ящик
Нейросети стали популярными за то, что очень быстро решали типовые задачи, для которых нужен был человек. Например, распознать номер автомобиля на фото с камеры (и выписать штраф). Как нейросеть принимает решение, что на фото цифра 2⃣, а не, например, 5⃣? Мы точно не знаем; это черный ящик. Она взвешивает много-много признаков (в случае с фото это будут цвета пикселей) и делает вывод, что вероятнее всего цифра вот такая. Но пытаться выяснить, какие пиксели влияют больше всего на разницу между цифрами 2⃣ и 5⃣, не очень интересно - мы ее и так видим невооружённым глазом. Зато есть задачи, где взаимосвязи между признаками не так очевидны, а решения, которые мы (частично) делегируем машинам, очень важны. Например:
📎 прочитать ли резюме
📎 выдать ли кредит
📎 снять ли товар с продажи или заказать ещё партию
📎 обрызгать ли поле пестицидами
Для таких задач хотелось бы, чтобы ИИ объяснил, почему даёт нам тот или иной совет.
Explainable AI, или объяснимый ИИ - это способы вытащить из черного ящика тонкие взаимосвязи, которые приводят ИИ к выдаче определенного решения.
Примеры способов:
📈 Посмотреть на линейную зависимость между признаками - у каких признаков она наиболее высока. Например, чем ближе осень, тем чаще люди покупают шарфы.
Есть и специальные методы для выявления более сложной, нелинейной статистической зависимости. Нейросеть даёт нам ответ, а мы подбираем методы, чтобы вытащить из данных эти зависимости.
📈 Найти подпространства признаков, в которых есть что-то общее. Например, найти, что вот такие признаки отвечают за профессионализм кандидата, а вот такие - за софт скиллз.
В языковых моделях ищут, например, в каких подпространствах оказываются факты - чтобы модель меньше выдумывала.
📈 Наконец, у ChatGPT можно просто спросить напрямую, на чем основано ее решение.
Объяснимый ИИ - это отдельный перспективный сегмент научных исследований. Но в коммерческом секторе его задачи чаще решает аналитика данных.
#база
Нейросети стали популярными за то, что очень быстро решали типовые задачи, для которых нужен был человек. Например, распознать номер автомобиля на фото с камеры (и выписать штраф). Как нейросеть принимает решение, что на фото цифра 2⃣, а не, например, 5⃣? Мы точно не знаем; это черный ящик. Она взвешивает много-много признаков (в случае с фото это будут цвета пикселей) и делает вывод, что вероятнее всего цифра вот такая. Но пытаться выяснить, какие пиксели влияют больше всего на разницу между цифрами 2⃣ и 5⃣, не очень интересно - мы ее и так видим невооружённым глазом. Зато есть задачи, где взаимосвязи между признаками не так очевидны, а решения, которые мы (частично) делегируем машинам, очень важны. Например:
📎 прочитать ли резюме
📎 выдать ли кредит
📎 снять ли товар с продажи или заказать ещё партию
📎 обрызгать ли поле пестицидами
Для таких задач хотелось бы, чтобы ИИ объяснил, почему даёт нам тот или иной совет.
Explainable AI, или объяснимый ИИ - это способы вытащить из черного ящика тонкие взаимосвязи, которые приводят ИИ к выдаче определенного решения.
Примеры способов:
📈 Посмотреть на линейную зависимость между признаками - у каких признаков она наиболее высока. Например, чем ближе осень, тем чаще люди покупают шарфы.
Есть и специальные методы для выявления более сложной, нелинейной статистической зависимости. Нейросеть даёт нам ответ, а мы подбираем методы, чтобы вытащить из данных эти зависимости.
📈 Найти подпространства признаков, в которых есть что-то общее. Например, найти, что вот такие признаки отвечают за профессионализм кандидата, а вот такие - за софт скиллз.
В языковых моделях ищут, например, в каких подпространствах оказываются факты - чтобы модель меньше выдумывала.
📈 Наконец, у ChatGPT можно просто спросить напрямую, на чем основано ее решение.
Объяснимый ИИ - это отдельный перспективный сегмент научных исследований. Но в коммерческом секторе его задачи чаще решает аналитика данных.
#база
🔥3👍2
ИИ-агенты в тренде
Когда люди используют ИИ, у них возникают желания: вот бы оно ещё бы вот так бы могло..
Например, разговариваете вы с ChatGPT и понимаете, что лимит на длину диалога исчерпан. Придется начинать новый диалог, и модель не будет ничего знать о предыдущей беседе. А бывает, хочется ещё больше: чтобы у ChatGPT создалась как бы версия, которая с вами много общалась и очень хорошо вас понимает. Или вот бы сделать для офисной работы такого бота, который бы и в документах разобрался, и клиентскую базу вел, и пиццу заказывал.. А что, если сделать много ботов и выбрать потом лучшего кандидата?
Одна из областей ИИ, которая хочет воплотить эти желания в реальность, называется агентное моделирование (agent modelling). Раньше агенты были очень простые - алгоритм генерировал множество немного разных параметров для переменных. Затем запускалась симуляция, в которой переменные становились агентами: их параметры менялись, когда они сталкивались друг с другом или с какими-то внешними условиями. Как NPC в симуляции игры в футбол. Такие методы все ещё используются, но вот каких успехов агентное моделирование добилось к 2025 г:
Project SID. Деревня в Майнкрафте из тысячи ИИ-агентов построила демократическое общество с культурой и моралью.
TheAgentCompany. Офис искусственно созданной компании управлялся полностью ИИ-агентами - в основном неудачно, но какую-то часть задач агенты выполнили.
Character AI. На этой платформе пользователи сами создают своего рода ИИ-агентов - персонажей с определенными свойствами. На платформу подано множество исков от родителей подростков, которые слишком увлекаются общением со своими персонажами.
Чтобы модель приобрела черты агента, после обучения ее настраивают - создают стартовую версию. Но затем модель все равно будет получать новую информацию: в диалоге, при чтении документов, писем, обращении к сайтам. Одной из сложностей здесь является хранение новой информации и поиск по ней в зависимости от контекста. Решается это, например, через RAG - retrieval-augmented generation, или генерация, улучшенная поиском по базе данных, которая наполняется получаемой информацией.
Если нас, офисных работников, когда-нибудь заменит ИИ, то это будут именно агенты 🤖
#база
Когда люди используют ИИ, у них возникают желания: вот бы оно ещё бы вот так бы могло..
Например, разговариваете вы с ChatGPT и понимаете, что лимит на длину диалога исчерпан. Придется начинать новый диалог, и модель не будет ничего знать о предыдущей беседе. А бывает, хочется ещё больше: чтобы у ChatGPT создалась как бы версия, которая с вами много общалась и очень хорошо вас понимает. Или вот бы сделать для офисной работы такого бота, который бы и в документах разобрался, и клиентскую базу вел, и пиццу заказывал.. А что, если сделать много ботов и выбрать потом лучшего кандидата?
Одна из областей ИИ, которая хочет воплотить эти желания в реальность, называется агентное моделирование (agent modelling). Раньше агенты были очень простые - алгоритм генерировал множество немного разных параметров для переменных. Затем запускалась симуляция, в которой переменные становились агентами: их параметры менялись, когда они сталкивались друг с другом или с какими-то внешними условиями. Как NPC в симуляции игры в футбол. Такие методы все ещё используются, но вот каких успехов агентное моделирование добилось к 2025 г:
Project SID. Деревня в Майнкрафте из тысячи ИИ-агентов построила демократическое общество с культурой и моралью.
TheAgentCompany. Офис искусственно созданной компании управлялся полностью ИИ-агентами - в основном неудачно, но какую-то часть задач агенты выполнили.
Character AI. На этой платформе пользователи сами создают своего рода ИИ-агентов - персонажей с определенными свойствами. На платформу подано множество исков от родителей подростков, которые слишком увлекаются общением со своими персонажами.
Чтобы модель приобрела черты агента, после обучения ее настраивают - создают стартовую версию. Но затем модель все равно будет получать новую информацию: в диалоге, при чтении документов, писем, обращении к сайтам. Одной из сложностей здесь является хранение новой информации и поиск по ней в зависимости от контекста. Решается это, например, через RAG - retrieval-augmented generation, или генерация, улучшенная поиском по базе данных, которая наполняется получаемой информацией.
Если нас, офисных работников, когда-нибудь заменит ИИ, то это будут именно агенты 🤖
#база
🔥4❤1
ИИ-агенты в тренде: мини-агент в Google Colab
На конец месяца я обычно оставляю всякую аналитику, но, когда писала прошлый пост про ИИ-агентов, подумала, что хранить новые данные для агента можно и в простой Google-таблице - не обязательно целую базу данных заводить. Поэтому сегодня расскажу, как сделать своего мини-ИИ-агента в Google, а аналитика немного сдвинется по графику вперед. Как всегда, ноутбучек с кодом прилагается.
Итак, что нам понадобится:
✅ Аккаунт Google
✅ Подключенный к нему Google Colaboratory (среда программирования Python, которая запускается в облаке Google Drive)
✅ Аккаунт большой языковой модели Mistral AI (понадобится ключ доступа к модели: API key)
✅ Гуглотаблица - файл формата Google Spreadsheets
Будем создавать ИИ-агента, который парсит вакансии на hh.ru - можно без регистрации на hh.ru.
Алгоритм действий нашего агента:
1⃣ Отправить запрос к hh.ru по интересной нам вакансии, например, аналитик.
2⃣ Распарсить ответ - заполнить гуглотаблицу данными, полученными от hh.ru.
3⃣ Передать данные модели Mistral и попросить у нее инсайты по этим данным.
4⃣ Записать ответ Mistral в гуглотаблицу.
Ну и я же не горшечник, чтоб горшки обжигать, поэтому.. вместе с GPT 5 high на чатбот-арене мы написали вот такой код (не с первой попытки, но все же): ноутбучек.
❗Обратите внимание: я в нем почистила свои токены и адреса файлов- чтобы он заработал, нужно вставить свои.
И вот такой результат получился у меня в гуглотаблице по вакансии "аналитик" - по-моему, все красиво.
🧐 Важно продумать, какую задачу будет выполнять агент, какие данные и в каком формате для этого понадобятся и как будет храниться результат.
🧐 Также интересное с агентами начинается, когда несколько агентов получают доступ к данным и вступают во взаимодействие друг с другом. Гуглотаблица в моем примере служит хранилищем, которое хранит память об этом взаимодействии - типа долгосрочной памяти у человека, которая вместе с генетическими предрасположенностями и делает нас уникальными личностями.
🍀 Всем счастливой автоматизации! И да не заменят нас ИИ-агенты 👾
#notebook
На конец месяца я обычно оставляю всякую аналитику, но, когда писала прошлый пост про ИИ-агентов, подумала, что хранить новые данные для агента можно и в простой Google-таблице - не обязательно целую базу данных заводить. Поэтому сегодня расскажу, как сделать своего мини-ИИ-агента в Google, а аналитика немного сдвинется по графику вперед. Как всегда, ноутбучек с кодом прилагается.
Итак, что нам понадобится:
✅ Аккаунт Google
✅ Подключенный к нему Google Colaboratory (среда программирования Python, которая запускается в облаке Google Drive)
✅ Аккаунт большой языковой модели Mistral AI (понадобится ключ доступа к модели: API key)
✅ Гуглотаблица - файл формата Google Spreadsheets
Будем создавать ИИ-агента, который парсит вакансии на hh.ru - можно без регистрации на hh.ru.
Алгоритм действий нашего агента:
1⃣ Отправить запрос к hh.ru по интересной нам вакансии, например, аналитик.
2⃣ Распарсить ответ - заполнить гуглотаблицу данными, полученными от hh.ru.
3⃣ Передать данные модели Mistral и попросить у нее инсайты по этим данным.
4⃣ Записать ответ Mistral в гуглотаблицу.
Ну и я же не горшечник, чтоб горшки обжигать, поэтому.. вместе с GPT 5 high на чатбот-арене мы написали вот такой код (не с первой попытки, но все же): ноутбучек.
❗Обратите внимание: я в нем почистила свои токены и адреса файлов- чтобы он заработал, нужно вставить свои.
И вот такой результат получился у меня в гуглотаблице по вакансии "аналитик" - по-моему, все красиво.
🧐 Важно продумать, какую задачу будет выполнять агент, какие данные и в каком формате для этого понадобятся и как будет храниться результат.
🧐 Также интересное с агентами начинается, когда несколько агентов получают доступ к данным и вступают во взаимодействие друг с другом. Гуглотаблица в моем примере служит хранилищем, которое хранит память об этом взаимодействии - типа долгосрочной памяти у человека, которая вместе с генетическими предрасположенностями и делает нас уникальными личностями.
🍀 Всем счастливой автоматизации! И да не заменят нас ИИ-агенты 👾
#notebook
❤5🔥1
Миссионеры против мерсенариев. Вечный спор: что важнее - идея или деньги?
Благодаря буму в области ИТ, капитализация и зарплаты в некоторых ИТ-компаниях бьют рекорды.
Капитализация компании Apple (т.е. рыночная стоимость всех выпущенных ею акций) в 2025 г. составляет 3.7 триллиона $ (3 791 000 000 000). В рублях это примерно 315 триллионов. Для сравнения расходы федерального бюджета РФ в 2026 году запланированы на уровне 44,1 трлн рублей.
Из 36 000 работников компании Nvidia более 70% являются долларовыми миллионерами. Это произошло благодаря росту акций компании. Судя по вакансиям компании в 2022 г. при трудоустройстве инженер получал 55 000 акций - сейчас это порядка 9 млн. долларов.
А одна компания, которую нельзя называть, переманивая сотрудников у Open AI, предложила им бонусы в 100 млн. долларов. В итоге из open AI ушло порядка 8 человек: “The list of new hires also included a number of people from OpenAI, including Shengjia Zhao, Shuchao Bi, Jiahui Yu, and Hongyu Ren”.
CEO Open AI Сэм Альтман отреагировал на это, породив фразу, которая разошлась по всему Интернету:
Я надеюсь, обойдется без насилия. И все же.. - что главнее в ИТ: деньги или идея?
Понятно, что тут нет однозначного ответа. Во второй половине 20 в. ИТ-индустрия сильно поменяла экономику в принципе, а ИИ-бум продолжает ее менять в начале 21 в. И кажется, что это влияние занимает собой прям все вокруг. Сейчас время, когда пока еще можно заработать хороший куш в айтишечке, но уже далеко не всем. Например, вкатываться в ИТ с нуля ради больших денег уже поздно (там высокая конкуренция), а вот ради идеи (..потому что вы придумали идею приложения или вам просто нравится кодить) - можно хоть когда. На кусочек хлеба с маслом можно заработать, даже делая сайты или кодя в 1С.
И когда ИИ-бум устаканится и денег в айтишечке будет как везде, то больше не придется “бить наемников” и вопрос отпадет сам собой.
#эссеИИстика
Благодаря буму в области ИТ, капитализация и зарплаты в некоторых ИТ-компаниях бьют рекорды.
Капитализация компании Apple (т.е. рыночная стоимость всех выпущенных ею акций) в 2025 г. составляет 3.7 триллиона $ (3 791 000 000 000). В рублях это примерно 315 триллионов. Для сравнения расходы федерального бюджета РФ в 2026 году запланированы на уровне 44,1 трлн рублей.
Из 36 000 работников компании Nvidia более 70% являются долларовыми миллионерами. Это произошло благодаря росту акций компании. Судя по вакансиям компании в 2022 г. при трудоустройстве инженер получал 55 000 акций - сейчас это порядка 9 млн. долларов.
А одна компания, которую нельзя называть, переманивая сотрудников у Open AI, предложила им бонусы в 100 млн. долларов. В итоге из open AI ушло порядка 8 человек: “The list of new hires also included a number of people from OpenAI, including Shengjia Zhao, Shuchao Bi, Jiahui Yu, and Hongyu Ren”.
CEO Open AI Сэм Альтман отреагировал на это, породив фразу, которая разошлась по всему Интернету:
Деньги - не главное
Миссионеры побьют мерсенариев (наемников).
Missionaries will beat mercenaries.
Я надеюсь, обойдется без насилия. И все же.. - что главнее в ИТ: деньги или идея?
Понятно, что тут нет однозначного ответа. Во второй половине 20 в. ИТ-индустрия сильно поменяла экономику в принципе, а ИИ-бум продолжает ее менять в начале 21 в. И кажется, что это влияние занимает собой прям все вокруг. Сейчас время, когда пока еще можно заработать хороший куш в айтишечке, но уже далеко не всем. Например, вкатываться в ИТ с нуля ради больших денег уже поздно (там высокая конкуренция), а вот ради идеи (..потому что вы придумали идею приложения или вам просто нравится кодить) - можно хоть когда. На кусочек хлеба с маслом можно заработать, даже делая сайты или кодя в 1С.
И когда ИИ-бум устаканится и денег в айтишечке будет как везде, то больше не придется “бить наемников” и вопрос отпадет сам собой.
#эссеИИстика
Companiesmarketcap
Apple (AAPL) - Market capitalization
As of March 2026 Apple has a market cap of $3.736 Trillion USD. This makes Apple the world's 3rd most valuable company according to our data.
👍2😁2
Конкурс ИИ-агентов
Давно не было конкурсов в этом канале, поэтому.. барабанная дробь..
🗣 Объявляю конкурс кастомных ИИ-агентов. 🗣
Собрать своего агента сегодня можно дажена коленке в Colab-ноутбуке и гуглотаблице. Главное, чтобы он делал что-то интересное и/или полезное.
Ваша миссия, если вы возьметесь за ее выполнение: создать собственного ИИ-агента, который автоматизирует одну или несколько рутинных задач в какой-то профессии. (Это может быть и бот для развлечения - профессия тут будет “контент-мейкер”.)
Присылайте ссылку на ваш код и краткое описание ИИ-агента на оценку уважаемому жюри. Жюри выберет трех лучших агентов, а от меня - памятные призы. Кто в жюри и по каким критериям они будут судить, напишу отдельно.
Важно‼ Код будет опубликован в этом канале и его Github-репозитории, так что участвуйте, только если готовы сделать свой труд публичным достоянием.
Что нужно подготовить
1⃣ описание задачи, которую автоматизирует ИИ-агент
2⃣ сценарий взаимодействия с агентом (краткосрочная память), например:
✔ просто запуск программы с фразой-триггером (сообщением, которое мы бы ввели в чате, начав его с ботом)
✔ input / окно ввода данных
✔ кнопка или диалог в чате, например, в телеграмме
3⃣ хранилище для данных, полученных ИИ-агентом и его решений (долгосрочная память), например:
✔ кэшированные данные и/или логи программы
✔ гуглотаблица или любой другой документ
✔ база данных
4⃣ алгоритм принятия решений на основе искусственного интеллекта:
✔ линейная, логистическая регрессия
✔ классический машобуч (SVM, Naive Bayes, деревья решений и т.д.)
✔ небольшая большая языковая модель (например, Qwen-8B)
✔ API с большой языковой моделью
📛 В коде не должно быть платных инструментов (например, моделей с API только по платной подписке), но можно использовать инструменты, которые требуют логин.
🫂 Пользоваться ИИ, чтобы написать код - приветствуется.
🏆 Призы (помимо фидбэка уважаемого жюри и лавров в моем канале): электронные подарочные сертификаты в магазин «Читай-город». Потому что книжка - лучший подарок.
Дедлайны
31 декабря включительно - заполняйте Google-форму (понадобится залить код ИИ-агента на облако и прикрепить ссылку на него)
31 января - итоги голосования и объявление победителей
🍀 Всем удачи! И да заменят нас в рутинных задачах ИИ-агенты! 👾
#конкурс
Давно не было конкурсов в этом канале, поэтому.. барабанная дробь..
🗣 Объявляю конкурс кастомных ИИ-агентов. 🗣
Собрать своего агента сегодня можно даже
Ваша миссия, если вы возьметесь за ее выполнение: создать собственного ИИ-агента, который автоматизирует одну или несколько рутинных задач в какой-то профессии. (Это может быть и бот для развлечения - профессия тут будет “контент-мейкер”.)
Присылайте ссылку на ваш код и краткое описание ИИ-агента на оценку уважаемому жюри. Жюри выберет трех лучших агентов, а от меня - памятные призы. Кто в жюри и по каким критериям они будут судить, напишу отдельно.
Важно‼ Код будет опубликован в этом канале и его Github-репозитории, так что участвуйте, только если готовы сделать свой труд публичным достоянием.
Что нужно подготовить
1⃣ описание задачи, которую автоматизирует ИИ-агент
2⃣ сценарий взаимодействия с агентом (краткосрочная память), например:
✔ просто запуск программы с фразой-триггером (сообщением, которое мы бы ввели в чате, начав его с ботом)
✔ input / окно ввода данных
✔ кнопка или диалог в чате, например, в телеграмме
3⃣ хранилище для данных, полученных ИИ-агентом и его решений (долгосрочная память), например:
✔ кэшированные данные и/или логи программы
✔ гуглотаблица или любой другой документ
✔ база данных
4⃣ алгоритм принятия решений на основе искусственного интеллекта:
✔ линейная, логистическая регрессия
✔ классический машобуч (SVM, Naive Bayes, деревья решений и т.д.)
✔ небольшая большая языковая модель (например, Qwen-8B)
✔ API с большой языковой моделью
📛 В коде не должно быть платных инструментов (например, моделей с API только по платной подписке), но можно использовать инструменты, которые требуют логин.
🫂 Пользоваться ИИ, чтобы написать код - приветствуется.
🏆 Призы (помимо фидбэка уважаемого жюри и лавров в моем канале): электронные подарочные сертификаты в магазин «Читай-город». Потому что книжка - лучший подарок.
Дедлайны
31 декабря включительно - заполняйте Google-форму (понадобится залить код ИИ-агента на облако и прикрепить ссылку на него)
31 января - итоги голосования и объявление победителей
🍀 Всем удачи! И да заменят нас в рутинных задачах ИИ-агенты! 👾
#конкурс
Telegram
Введение в искусственный интеллект
ИИ-агенты в тренде: мини-агент в Google Colab
На конец месяца я обычно оставляю всякую аналитику, но, когда писала прошлый пост про ИИ-агентов, подумала, что хранить новые данные для агента можно и в простой Google-таблице - не обязательно целую базу данных…
На конец месяца я обычно оставляю всякую аналитику, но, когда писала прошлый пост про ИИ-агентов, подумала, что хранить новые данные для агента можно и в простой Google-таблице - не обязательно целую базу данных…
🔥2👾1
Введение в искусственный интеллект pinned «Конкурс ИИ-агентов Давно не было конкурсов в этом канале, поэтому.. барабанная дробь.. 🗣 Объявляю конкурс кастомных ИИ-агентов. 🗣 Собрать своего агента сегодня можно даже на коленке в Colab-ноутбуке и гуглотаблице. Главное, чтобы он делал что-то интересное…»
Кому принадлежит ИИ-контент
Авторское право регулирует права авторов на их произведения; произведения должны быть оригинальными и творческими. Если речь не идёт об изобретении чего-то кардинально нового, все произведения имеют "something old and something new" - что-то, взятое от традиции и других мастеров, и что-то новое, привнесенное автором. Это касается любой сферы искусства, науки, инженерии.
В случае с ИИ-генераторами:
🧓 что-то старое привносит обучающая выборка
👶 что-то новое - наш промпт, контекст всего диалога и наши правки после генерации
Результат генерации, если это обговорено пользовательским соглашением, которое вы подписываете в приложении, остаётся вам, и вы становитесь правообладателем.
Кажется, все честно - как в любом творческом процессе. Но.. регулярно в новостях появляются осуждающие речи именитых авторов, обращения профсоюзов креативных индустрий, иски от правообладателей к производителям генеративного ИИ.
Какие тут подводные:
🙅 Авторы контента, который используется ИТ-компаниями для обучения моделей, не дают на это своего согласия. А законодательство (пока?) не требует от компаний получать такое согласие. Эта ситуация вызвана тем, что машинное обучение не так давно повсеместно заполонило нашу жизнь, и, что в нем регулировать, пока непонятно.
🧑🎤 Маловероятно, что продукт ИИ-генерации может быть настолько похож на чужое произведение, что речь уже будет идти не о самостоятельном произведении, а о так называемом производном. (Если вы в чужой картинке три пикселя поменяете, то это будет именно производное, а не ваша творческая работа.) Но генерация копирует узнаваемый стиль. Например, недавно завирусился генератор изображений в стиле Хаяо Миядзаки. Получается, привлекательность работе придает не то, что внёс новый автор, а что-то, что создано другим автором, например стиль.
👾 Авторы демотивируются создавать что-то новое из головы и все чаще прибегают к ИИ. В итоге Интернет заполняется частично или полностью сгенерированной ИИ-слизью. Потом она попадает в обучающие выборки, и качество сгенерирвоанного контента снижается.
Но пока никакой крупной катастрофы не произошло. Следовательно, можно ожидать, что авторское право в области ИИ-генерации будет оставаться довольно либеральным. А небольшие бизнесы будут иметь возможность быстро генерить маркетинговый контент, не нанимая команду креаторов и не тратясь на отчисления правообладателю (роялти).
#эссеИИстика
Авторское право регулирует права авторов на их произведения; произведения должны быть оригинальными и творческими. Если речь не идёт об изобретении чего-то кардинально нового, все произведения имеют "something old and something new" - что-то, взятое от традиции и других мастеров, и что-то новое, привнесенное автором. Это касается любой сферы искусства, науки, инженерии.
В случае с ИИ-генераторами:
🧓 что-то старое привносит обучающая выборка
👶 что-то новое - наш промпт, контекст всего диалога и наши правки после генерации
Результат генерации, если это обговорено пользовательским соглашением, которое вы подписываете в приложении, остаётся вам, и вы становитесь правообладателем.
Кажется, все честно - как в любом творческом процессе. Но.. регулярно в новостях появляются осуждающие речи именитых авторов, обращения профсоюзов креативных индустрий, иски от правообладателей к производителям генеративного ИИ.
Какие тут подводные:
🙅 Авторы контента, который используется ИТ-компаниями для обучения моделей, не дают на это своего согласия. А законодательство (пока?) не требует от компаний получать такое согласие. Эта ситуация вызвана тем, что машинное обучение не так давно повсеместно заполонило нашу жизнь, и, что в нем регулировать, пока непонятно.
🧑🎤 Маловероятно, что продукт ИИ-генерации может быть настолько похож на чужое произведение, что речь уже будет идти не о самостоятельном произведении, а о так называемом производном. (Если вы в чужой картинке три пикселя поменяете, то это будет именно производное, а не ваша творческая работа.) Но генерация копирует узнаваемый стиль. Например, недавно завирусился генератор изображений в стиле Хаяо Миядзаки. Получается, привлекательность работе придает не то, что внёс новый автор, а что-то, что создано другим автором, например стиль.
👾 Авторы демотивируются создавать что-то новое из головы и все чаще прибегают к ИИ. В итоге Интернет заполняется частично или полностью сгенерированной ИИ-слизью. Потом она попадает в обучающие выборки, и качество сгенерирвоанного контента снижается.
Но пока никакой крупной катастрофы не произошло. Следовательно, можно ожидать, что авторское право в области ИИ-генерации будет оставаться довольно либеральным. А небольшие бизнесы будут иметь возможность быстро генерить маркетинговый контент, не нанимая команду креаторов и не тратясь на отчисления правообладателю (роялти).
#эссеИИстика
👍3💘2❤1
Этика ИИ: ответственность - это новая нефть
Заканчиваю заявленные в сентябре посты редакторской колонкой.
А завтра будет.. барабанная дробь.. анонс на октябрь.
И да не устану я напоминать, что весь октябрь жду ваших ИИ-агентов - на конкурс с ценными призами 😍 См. пост в закрепе.
Этика ИИ - это скучная тема, которая прозвучала уже примерно из каждого утюга. При этом она, конечно, важная, т.к. затрагивает такие вопросы, как, например, ответственность разработчиков..
А что тут особо про ответственность разработчиков обсуждать? По-моему, обычно споры доходят до двух крайностей:
☝ если мы не разработаем, то кто-то другой это сделает вперед нас, и мы просто окажемся позади прогресса - "даешь laissez-faire (свободный рынок)"
☝ если разработчиков не обложить бюрократией, они своими разработками убьют экологию и человечество - "даешь вмешательство государства в экономику"
Недавно мне почему-то захотелось пересмотреть фильм 2014 года “Игра в имитацию” с БенедиктомКьюкумбером Камбербетчем.
⚠Внимание ⚠ Дальше будет спойлер.
Алан Тьюринг в команде с инженерами и учеными изобретает первый компьютер, который хакает Энигму - шифровальную машинку нацистов. В фильме это событие - переломный момент всей Второй мировой. При этом, как только команда расшифровывает первое сообщение, они обнаруживают, что на британский корабль планируется атака. И в команде есть человек, чей брат служит на этом корабле. Алан Тьюринг, конечно, делает очень многозначительное лицо и говорит, что нельзя передавать эту информацию военным, чтобы они отразили атаку - иначе немцы поймут, что Энигму хакнули, и сменят алгоритм шифрования.
..И вот тут я неожиданно для себя обнаруживаю, что этот фильм устарел (по крайней мере в моих глазах).
В 2025 г. в США запустили DOGE - департамент государственной эффективности по оптимизации расходов и сокращению бюрократии. Департамент возглавил Илон Маск - он же автор концепции. ИИ был активно задействован в работе. Маск интегрировал чатбот Grok и другие системы для анализа данных, выявления неэффективных расходов, автоматизации отчетности и даже мониторинга переписки сотрудников. Первоначальная цель сэкономить $2 трлн провалилась. Экономия составила $160–175 млрд, а затраты на реализацию достигли $135 млрд, что поставило под сомнение выгоду от проекта. Эксперимент завершился досрочно.
Когда кто-то берет на себя ответственность за большую и важную разработку, главное - это сделать многозначительное лицо. Чтобы все поверили, что именно он это сможет. И дали на это большой правительственный грант. А дальше хоть трава не расти.
Я не отказываю ученому Алану Тьюрингу в гениальности и масштабе его изобретения. Но кинематографический Алан Тьюринг, который еще и в военном деле разбирается, и судьбы людей может вершить, и чуть ли не Вторую мировую выиграл - это too much. В реальности, я думаю, военные сами разобрались, что им делать с расшифрованной Энигмой. Не-кинематографический Илон Маск берет ответственность за DOGE и.. ничего, все ок. Ну не получилось, бывает. Теперь мы знаем, у кого и что не получилось.
Так что сегодня новая нефть - это ответственность, а вовсе не Лабубу 😎
#эссеИИстика
Заканчиваю заявленные в сентябре посты редакторской колонкой.
А завтра будет.. барабанная дробь.. анонс на октябрь.
И да не устану я напоминать, что весь октябрь жду ваших ИИ-агентов - на конкурс с ценными призами 😍 См. пост в закрепе.
Этика ИИ - это скучная тема, которая прозвучала уже примерно из каждого утюга. При этом она, конечно, важная, т.к. затрагивает такие вопросы, как, например, ответственность разработчиков..
А что тут особо про ответственность разработчиков обсуждать? По-моему, обычно споры доходят до двух крайностей:
☝ если мы не разработаем, то кто-то другой это сделает вперед нас, и мы просто окажемся позади прогресса - "даешь laissez-faire (свободный рынок)"
☝ если разработчиков не обложить бюрократией, они своими разработками убьют экологию и человечество - "даешь вмешательство государства в экономику"
Недавно мне почему-то захотелось пересмотреть фильм 2014 года “Игра в имитацию” с Бенедиктом
⚠Внимание ⚠ Дальше будет спойлер.
Алан Тьюринг в команде с инженерами и учеными изобретает первый компьютер, который хакает Энигму - шифровальную машинку нацистов. В фильме это событие - переломный момент всей Второй мировой. При этом, как только команда расшифровывает первое сообщение, они обнаруживают, что на британский корабль планируется атака. И в команде есть человек, чей брат служит на этом корабле. Алан Тьюринг, конечно, делает очень многозначительное лицо и говорит, что нельзя передавать эту информацию военным, чтобы они отразили атаку - иначе немцы поймут, что Энигму хакнули, и сменят алгоритм шифрования.
..И вот тут я неожиданно для себя обнаруживаю, что этот фильм устарел (по крайней мере в моих глазах).
В 2025 г. в США запустили DOGE - департамент государственной эффективности по оптимизации расходов и сокращению бюрократии. Департамент возглавил Илон Маск - он же автор концепции. ИИ был активно задействован в работе. Маск интегрировал чатбот Grok и другие системы для анализа данных, выявления неэффективных расходов, автоматизации отчетности и даже мониторинга переписки сотрудников. Первоначальная цель сэкономить $2 трлн провалилась. Экономия составила $160–175 млрд, а затраты на реализацию достигли $135 млрд, что поставило под сомнение выгоду от проекта. Эксперимент завершился досрочно.
Когда кто-то берет на себя ответственность за большую и важную разработку, главное - это сделать многозначительное лицо. Чтобы все поверили, что именно он это сможет. И дали на это большой правительственный грант. А дальше хоть трава не расти.
Я не отказываю ученому Алану Тьюрингу в гениальности и масштабе его изобретения. Но кинематографический Алан Тьюринг, который еще и в военном деле разбирается, и судьбы людей может вершить, и чуть ли не Вторую мировую выиграл - это too much. В реальности, я думаю, военные сами разобрались, что им делать с расшифрованной Энигмой. Не-кинематографический Илон Маск берет ответственность за DOGE и.. ничего, все ок. Ну не получилось, бывает. Теперь мы знаем, у кого и что не получилось.
Так что сегодня новая нефть - это ответственность, а вовсе не Лабубу 😎
#эссеИИстика
🔥5