Интересно, а почему все придерживаются этого стандарта? 😊

#юмор

С наступающим Новым годом 🔥

Год был плотный: AI растет, как и цены на комплектующие 🤭, задачи усложнялись, ожидания росли быстрее бэклогов. На работе спорили, откатывали, чинили прод ночью, в выходные и не только, в целом – стандартный рабочий режим 🤪

Спасибо, что читаете, делитесь и спорите. Для меня этот канал – способ фиксировать наблюдения и делиться тем, что обычно остается между планированием и ретроспективами 🧑‍🎓

Пусть в новом году будет чуть меньше шума, больше ясных решений, адекватные дедлайны и дримтим рядом 🫰

До встречи в следующем году

и #юмор отсыплю под конец😈

И снова криповая история про симуляцию, фанаты аниме Пантеон оценят:

Челы загрузили мозг мухи-дрозофилы - нейрон за нейроном - и запустили его в симуляции физического тела (это не нейросеть имитирующая биологию мухи, тут нет весов или тренировки, это именно копия реальных нейронов мухи)

Ее мозг это ~125 000 нейронов и ~50 миллионов синапсов

Сигналы виртуального мира входят в копию, активность бежит по всей системе мухи и вирутальное тело двигается ☕️

Дальше такое же хотят сделать с мышами

Тут больше деталей:
https://eon.systems

Матрицу для мух мы сделали, поздравляю – хоть для кого-то

Помните Pokemon Go? 😮

Оказалось, игроки сами того не зная (я в том числе), помогали обучать роботов-курьеров ориентироваться в городе. Niantic собрала более 30 млрд фотографий и сканов локаций, которые пользователи делали во время игры, и превратила их в подробную визуальную карту мира.
Очень крутой пример, как можно старый продукт использовать на новых рельсах 🔥

Иронично, что охота за покемонами в итоге оказалась еще и тренировкой для будущих роботов, развозящих еду и посылки 🫡

#новости

Помните вы переживали что ваше резюме сделанное с LLM, может не пройти какой-то отбор в HR-системе в месте куда откликаетесь? Можете больше не переживать, всё наоборот

Ресечры изучили сценарий: кандидат пишет резюме с помощью LLM, а компания потом скринит это резюме, тоже через LLM – то есть робот пишет, робот читает, человек где-то в углу пьёт кофе и надеется, что наймут адеквата

В статье два вывода:

1. Резюме, переписанные LLM, чаще проходят автоматический отбор (☕️)

В симуляциях кандидаты, которые использовали тот же LLM, что и система-оценщик, оказывались в шортлисте заметно чаще, чем такие же по содержанию кандидаты с резюме сделанными врукопашную – примерно на 20-60% чаще

2. Сам скоринг оказался байасным. Модель не просто делает вывод в стиле: “о, тут лучше написано”, она, похоже, может узнавать свой стиль и предпочитать тексты, похожие на её собственные – авторы называют это self-preference bias: модель склонна любить контент, который сама же могла бы написать, маленький цифровой нарциссизм

То есть страх “меня не пригласят на собес, потому что резюме написано с АИ” может быть не главным. Главный риск другой: вас могут НЕ позвать именно потому, что резюме не звучит как родной диалект модели-оценщика

Раньше люди подстраивали CV под рекрутера, теперь нужно подстраивать под модель ☺️

Самое опасное заблуждение про продуктивность – что нужно думать о работе 24/7 🤔 Сидишь в 23:00, прокручиваешь созвон, задачи, дедлайны. А на самом деле просто размазываешь внимание по 16 часам вместо 8 часов концентрированной работы.
Я понял это, когда начал паять микросхемы по вечерам – 2 часа за паяльником делают меня продуктивнее, чем еще 2 часа в Slack.

В новой статье – про переключение контекста, хобби и планы. И почему это не прокрастинация, а необходимость ✈️
А как вы переключаетесь после работы?

#софты

Маленькая модель обыграла крупные ИИ-модели в покер, потому что играла, как лудоман 😄

Реддитор собрал за столом шесть моделей: крошечную на 1,2B параметров, несколько моделей 100B+ и гигантские облачные ИИ вплоть до 1T параметров.

Было проведено пять турниров по Texas Hold’em – и именно маленькая выиграла больше всех.
Стратегия простая до безобразия: рейзить при любой возможности и никогда не фолдить карты. В одном турнире – 19 рейзов и 0 фолдов за шесть раздач. Она просто не понимала, что карты плохие.

Модель на 120B параметров в том же турнире: 0 рейзов, 5 фолдов. Читала игру идеально, знала, когда карты плохие и аккуратно сбросила себя в вылет.
Маленькая победила, потому что была слишком глупой, чтобы бояться.

По словам автора, где-то здесь скрывается хороший урок о том, что иногда лучше просто делать, чем бесконечно все анализировать 😎
Код и результаты​​​​​​​​​​​​​​​​

#новости

Круговорот токенов в природе 😁

#юмор

На следующей неделе Скоро выйдет новая статья, а пока держите картинку 🥰

#юмор

Вы каждый день пьете кофе, ходите на дейлики и пилите фичи. Но когда последний раз думали о том, нужно ли это пользователю – или просто делали то, что в бэклоге? 🎹

Рассказал про приложения, которыми мы пользуемся каждый день и почему они устроены так, что порой бесит 🤬
Это напрямую связано с работой продуктовых команд изнутри 😵‍💫

#харды

Слышали что-то про микроконтроллер ESP32?

У меня сейчас на таком работает читалка Xteink X4 (прикольная штука к слову), и тут смотрю на проект, где на таком же чипе умудрились запустить языковую модель 🫡

Микроконтроллер 8$, 512KB оперативки, я на таком видел модель максимум в 260 тысяч параметров, а здесь – 28.9 млн, скорость 9 токенов в секунду без интернетов и серверного железа 🤯

Удалось такого добиться через таблицу эмбеддингов – из нее на каждый токен всего несколько строк. Значит ее можно оставить во флеш-памяти, а не тащить всю в оперативку – читается по ~450 байт за раз. В оперативке остается только маленькое "думающее" ядро

Идея не новая, тот же Per-Layer Embeddings из Gemma от Google, просто раньше ее не пробовали на чипе настолько малого объема

Модель обучена на простых историях, ризонинг и код – не к ней, но удивительно, что она вообще влезла на такие объемы.


Так что теперь смотрю на свою читалку и думаю, что еще туда можно запихнуть? 😊