​💰Чому США дозволили продавати AI-чіпи Nvidia до Китаю і до чого тут $500 мільярдів

І знову про Китай — сподіваюсь, вам ще не набридло 🙂
Особисто я вважаю, що за Китаєм треба уважно стежити. Це не просто гравець, а прямий конкурент США — і в деяких сферах він вже обганяє Штати.
Ця новина — яскравий приклад геополітичного шахів AI‑технологій.

🇺🇸 США зняли заборону на продаж AI-чіпів до Китаю
Nvidia та AMD знову продають свої процесори в Піднебесну

🧠 Що сталося: США дозволили Nvidia та AMD знову продавати свої відеочіпи (GPU) в Китай. Йдеться про моделі, адаптовані під обмеження: H20 від Nvidia та MI308 від AMD.

Це дуже важливо, бо ще навесні Вашингтон заборонив продаж цих чіпів, і це боляче вдарило по виробниках: Китай давав 13% виручки Nvidia і 24% — AMD.

🤝 Як це стало можливим?
Вирішальною була особиста дипломатія CEO Nvidia — Дженсена Хуана.
Він:

🔹 Провів перемовини з самим Трампом у Білому домі
🔹 Заплатив $1 млн за місце на вечері, щоб поговорити з президентом
🔹 Пояснив, що H20 — це не топовий чіп, а слабший варіант, розроблений спеціально під обмеження
🔹 Пообіцяв інвестувати $500 млрд у виробництво чіпів в США, замість Тайваню

У відповідь Китай послабив експортні обмеження на рідкоземельні метали, які критично важливі для американських технологій і оборонки.

⚙️ А що таке H20 і навіщо його обмежували?
H20 — це спеціальна версія AI-чіпа від Nvidia. Він на 28% слабший, ніж їхній топовий H100, але має більше пам’яті. Спроєктований так, щоб не порушувати заборони.
Але дехто вважає, що він не такий вже й “урізаний” — на ньому вже встигли натренувати потужну AI-модель DeepSeek-R1!

🌏 Чому це важливо?
AI сьогодні — це не просто технологія. Це — змагання держав за економічне, наукове та військове лідерство.
З одного боку, США хочуть обмежити використання AI у китайських військових розробках.
З іншого боку — не хочуть втрачати ринок і дозволяти Китаю створювати свої чіпи самостійно.

🔍 До речі:
Китайські компанії Alibaba, Tencent, Moonshot вже створили власні мовні моделі. А щоб обійти заборони, деякі купують чіпи на “чорному ринку” або орендують їх через хмари в інших країнах.

✅ Став 👍 якщо було цiкаво.

🔔 ПІДПИСАТИСЯ

📌 Prompt тижня: Jargonize & Humanize

Ну що ж, починаємо тиждень — як уже повелося — з корисних промптів, які допоможуть вам покращити якість відповідей ChatGPT та інших LLM 🚀

🎯 Хочеш легше керувати тоном відповіді від ChatGPT — від формального до дружнього і людяного?
Спробуй ці два прості англомовні коди:

👉 Jargonize: [твій текст]
або
👉 Humanize: [твій текст]

💡 Що дають ці "secret codes":
- Jargonize — перетворює просту мову на професійну, технічну, підходить для LinkedIn, бізнес-звітів та email
- Humanize — навпаки, робить текст теплішим, більш живим і природним, як справжня людська мова

Ці фрази згадані у Tom’s Guide як “secret codes”, які ловлять ідеальний тон за секунди.
(джерело)

📎 Що зробити:
1️⃣ Напиши свій текст (опис, email або пояснення)
2️⃣ Додай “Jargonize:” або “Humanize:” на початку
3️⃣ Отримай стиль відповіді, який тобі підходить

🧪 Приклади:
Jargonize: короткий опис функціоналу CRM-системи
➡️ Відповідь стане «бізнес-офіційною»: з технічними термінами, формальною мовою, ніби це уривок документації.

Humanize: наукове пояснення моделі GPT-5
➡️ Відповідь буде «людяною»: прості слова, приклади з життя, дружній тон, ніби тобі пояснює колега за кавою.

👨‍🏫 Завдання:
Цього тижня скористайся одним із prompt-кодів для свого тексту.
Побачиш, як одна команда кардинально змінює атмосферу відповіді.

💬 Напиши в коментарях, який промпт ти випробуєш першим — Jargonize чи Humanize?
Став 👍 якщо цей лайфхак був корисним для тебе!

🔔 ПІДПИСАТИСЯ

​🤖 Чи штучний інтелект «краде» роботу в молоді?

Попри те, що в світі AI щодня зʼявляється щось нове, я стараюсь стежити не лише за самими технологіями,
а й за тим, як ШІ впливає на галузі та соціальні процеси.
Сьогодні хочу поділитись з вами науковою статтею, яку опублікували буквально вчора — 8 вересня — в Гарварді.

Вона досліджує дуже важливу тему: ❓Чи не “з’їдає” AI карʼєрний старт для молоді?

🔍 Про що дослідження?
Автори проаналізували дані про 62 мільйони працівників і 245 мільйонів вакансій у США (за 2015–2025 роки, з LinkedIn + Revelio Labs).
Вони відстежили, як змінюється структура працевлаштування у фірмах, які реально впровадили генеративний ШІ — GPT, Copilot, Claude тощо.

🕵️ Як визначали, що компанія впроваджує ШІ?
Через вакансії на ролі типу “AI integrator” — фахівців, які безпосередньо вбудовують ШІ у внутрішні процеси.

📉 Що виявили?
Починаючи з першого кварталу 2023 року, у таких компаніях:
❌ різко скоротився найм молодих/джуніорів
✅ продовжував зростати найм та просування сеньйорів

Цифри говорять самі за себе:
📉 Найм джунів впав на 7.7% за півтора року
💡 Звучить ніби небагато? Але це — суттєво:
– Це не про звільнення, а про загальне зменшення частки молоді у фірмах
– Вперше за 10 років найм новачків пішов у мінус
– У деяких секторах падіння доходить до –40%
– І все це відбулося лише за 6 кварталів після старту генеративного ШІ
📌 Тобто, це не плавне коригування — це різкий і системний сигнал, що "вхід у професію" звужується

📈 А от сеньйорів компанії не тільки продовжували наймати, а й активніше підвищували — особливо тих джунів, які вже працюють у компанії.

❗️ Чому так сталося?
Бо ШІ чудово справляється з типовими задачами, які зазвичай дають молодим спеціалістам:
– читання та обробка документів
– створення шаблонів
– спілкування з клієнтами
– базове програмування
А от сеньйори виконують складніші ролі — керують, стратегують, вирішують нетипові проблеми. І тут ШІ поки що не конкурент.

📉 Найбільше скорочення — у роздрібній та оптовій торгівлі — там найм джунів впав на 40% у порівнянні з тими, хто ШІ не впроваджував.
💡 І це не лише про ІТ!
У цих секторах ШІ замінює молодих працівників у:
– роботі з клієнтами (чат-боти, email-асистенти)
– обробці замовлень та документації
– простій офісній аналітиці
Тобто ШІ вже виконує багато рутинних офісних задач, які раніше доручали джунам.

📌 До речі, джунів не звільняли — їх просто перестали наймати.

🎓 А як щодо освіти?
Найбільше постраждали випускники середніх за якістю університетів:
🏆 Елітні (Harvard, MIT) — постраждали менше
🧩 Слабкі виші — майже не постраждали
🟰 А от середнячки — найбільші втрати в працевлаштуванні

Чому?
– Топ-випускників компанії не хочуть втрачати — вони продуктивні
– Слабеньких легше наймати — вони дешеві
– А середняки — вже легко замінюються ШІ: не дуже продуктивні, не дуже дешеві

📌 Висновок:
Генеративний ШІ змінює структуру компаній:
– Менше шансів для новачків
– Більше цінності для досвідчених
– Під загрозою — “нижні сходинки” карʼєрної драбини

А це вже не просто HR-тренд. Це — сигнал для всіх: молоді стане складніше стартувати. А значить, зростає ризик нерівності, і зменшуються можливості соціальної мобільності.

✅ Став 👍 якщо було корисно

🔔 ПІДПИСАТИСЯ

​🧠 У «Дії» з’явився AI‑асистент. А чи справді він — інтелектуальний?

Можливо, багато з вас уже чули, що в «Дії» з’явилась можливість спілкуватися з AI‑асистентом.

Чесно кажучи, я не хотів одразу писати свою думку. Хотілося самому спокійно потестувати — без шуму, без гучних заголовків.

І от, після кількох днів користування, у мене вже склалося досить чітке враження.

Для тих, хто ще не бачив — ось лінк:
👉 diia.gov.ua
Там можна відкрити чат і спробувати все самостійно.

А тепер — коротко про мої враження. Постараюся поділитись як особистим досвідом, так і дати кілька порад, які можуть бути корисними.

📌 Що реально може AI‑асистент в «Дії»?

🔹 Довідка про доходи — видає миттєво, в чаті
🔹 Пояснює, як оформити послуги — ФОП, паспорт, допомога ВПО
🔹 Каже, які документи потрібні
🔹 Орієнтує по етапах твоїх заявок
🔹 Все це — у звичному текстовому чаті, 24/7

Нічого зайвого — зручно, швидко. Але…

🤔 Це точно штучний інтелект?

Чесно? Ні.
Це не GPT. Це не Siri. І точно не персоналізований асистент.

Він не знає, скільки мені років, хоча я авторизований.
Не пам’ятає мої запити. Не може поєднувати кілька послуг в одну дію.

Тобто:

🧩 Це не інтелект, а зручна оболонка над держпослугами.
Це, швидше, UX-інновація, ніж AI-прорив.

І це нормально. Але важливо розуміти — перед нами не «думання», а просто добре зроблений чат‑довідник.

🧾 Що кажуть посадовці:
Михайло Федоров каже, що це лише старт.
Зараз бот у бета‑тестуванні.
Планують ще 5 послуг, голосовий режим, персоналізацію.

З моменту запуску (1 вересня) пройшло 9 днів.
Поки — дуже обмежений функціонал.
Ніякого справжнього reasoning або адаптації до твого профілю.

✅ Поради для тих, хто хоче спробувати:

1. Почніть з довідки про доходи — найшвидше відчуєте користь
2. Спробуйте поставити запитання про оформлення документів — наприклад, ФОП
3. Не чекайте глибокої розмови — це не GPT
4. Але сприймайте це як експеримент, і залишайте зворотний зв'язок

🧩 «Дія.АІ» — це MVP. Це експеримент.
Це перші кроки до більш розумної держави. Але не штучний інтелект у повноцінному сенсі.

💬 А ви вже пробували «Дія.АІ»?
Чи відчули там штучний інтелект — чи все ж просто гарний інтерфейс?
Пишіть у коментарях або діліться досвідом 👇

✅ Став 👍 якщо було корисно.

🔔 ПІДПИСАТИСЯ

​🧠 Як ШІ вчиться «дивитись» і розуміти відео, як ми з вами

Я щойно прочитав одну дуже цікаву наукову статтю — і хочу поділитися її ключовими ідеями з вами, своїми словами.

Це не чергова LLM, яка описує зображення. Тут ШІ аналізує відео у часі, як людина: планує, шукає потрібний момент, перевіряє його, і лише потім відповідає.

🎥 У центрі статті — система VideoMind

Автори пропонують нову архітектуру відео-мовного агента, що складається з 4 ролей:
Planner — планує, що треба зробити
Grounder — знаходить потрібний момент у відео
Verifier — перевіряє, чи справді подія сталася
Answerer — формулює відповідь

Вся ця логіка реалізована не кількома моделями, а єдиною мовною моделлю, яка перемикається між ролями за допомогою спеціального механізму.

🧩 Як це працює: Chain-of-LoRA

Революція тут — не в самій LLM, а в модульності. Використовується техніка LoRA-адаптерів (Low-Rank Adaptation):

Це невеликі модулі, які «навчають» базову модель новим ролям без повного перенавчання.
Модель перемикається між адаптерами, щоб діяти як Planner, Grounder тощо.
Цей підхід називається Chain-of-LoRA: одна модель, багато режимів роботи.

Це не просто економить ресурси. Це дозволяє моделі імітувати покрокове людське мислення при перегляді відео.

🧠 А що ж там за модель?

У ролі ядра виступає власна мовна модель на 2B параметрів — тобто не GPT‑4, не LLaMA, а легка LLM, спеціально натренована на відео-запити. Архітектура — трансформерна, але адаптована для покрокової логіки. Додатково використано instruction tuning.

📊 Результати? Сильно!

VideoMind показала кращі результати за GPT‑4o у завданнях Video Question Answering:
— Zero-shot — без донавчання
— Відео до 27 хв
— 14 відкритих бенчмарків: CG-Bench, LVBench, ReXTime

❓Чому GPT‑4o програв?

GPT‑4o — не відео-модель. Він чудово працює з картинками, текстом і аудіо, але не здатен тримати в голові довгі часові послідовності подій. А саме це — ключ у відеоаналітиці.

VideoMind розбиває задачу на кроки: знаходить, перевіряє, відповідає. GPT‑4o ж одразу видає «відповідь», без розбору структури події.

💬 Висновок

Це справді цікава робота. Бо йдеться вже не про просто «бачити», а мислити крізь відео — поетапно, логічно, обґрунтовано.

Це те, чого не вистачає навіть найпотужнішим LLM. І VideoMind показує, як цього досягти — навіть на легшому залізі.

🔗 Читати статтю на arXiv

🔬 Якщо вам заходить такий формат — я час від часу можу продовжувати викладати подібні розбори наукових статей простою мовою.
Підтримайте пост, якщо хочете ще 👇

✅ Став 👍 якщо було корисно.

🔔 ПІДПИСАТИСЯ

​🧠 10 мільйонів токенів контексту? Google знову змістив межі

Останнім часом ми чуємо багато про "довгий контекст" у LLM. Але Google зробив справжній ривок — команда на чолі з Алі Бехрузом представила нову архітектуру ATLAS, яка тримає в голові до 10 мільйонів токенів.

Так, не тисячу. Не сто тисяч. А саме 10 мільйонів.
Для порівняння:
— В GPT‑4 максимум 128,000 токенів
— В GPT-4o — до 1 мільйона
— А про GPT-5 поки лише чутки, але про такі масштаби, як у ATLAS, ще не йдеться.
Google із ATLAS ніби каже: «А тепер дивіться, як треба працювати з реальною довжиною».

🔍 У чому фішка?
ATLAS — це не черговий трансформер. Тут зовсім інший підхід:
➤ Замість attention-шарів — спеціальний модуль пам’яті, який оновлюється прямо під час інференсу.
➤ Він працює як ретрівер: отримує токен → формує ключ → шукає релевантну інфу з минулого → оновлює контекст.
➤ Модель натренована на 1,3 млрд параметрів, але пам’ять адаптується на льоту.

💬 До речі, я памʼятаю, що ви просили пояснити, як працює attention у трансформерах. Ми ще цього не розбирали. Якщо цей пост набере 25 лайків — обіцяю зробити окремий гайд ✍️

📊 Результати:
— На задачах типу BABILong (відповіді на питання по великих текстах), ATLAS показала 80% точності при 10M токенів
— GPT‑4, для порівняння, падає з 80% (на 1k) до меньше 40% при 100k
— У середньому ATLAS обійшов Transformer++ по 8 різних Q&A-бенчмарках

🚀 Чому це важливо?
Контекст у 10 млн токенів — це не просто «читати довгі документи». Це нова реальність для LLM:
• Можна проганяти відео покадрово у повній роздільній
• Аналізувати величезні кодові бази
• Вести один і той самий діалог протягом тижнів

🤔 Але разом із цим виникають нові запитання:
— Як правильно оцінювати моделі з таким контекстом?
— Краще більше токенів чи краще інженерія промптів?
— Що зміниться в UX, якщо модель буде "пам’ятати" більше, ніж ми самі?

🧩 ATLAS — це ще не революція, але точно — сильна заявка.
Скоро 100k токенів буде здаватися мікроконтекстом 😄

✅ Став 👍 якщо було корисно.

🔔 ПІДПИСАТИСЯ

​🏫 Школа майбутнього за 2 години на день?

Здається, у Техасі вже почали переписувати правила шкільної освіти.

Що сталося: Приватна Alpha School замінила звичний 6‑годинний день на всього 2 години інтенсивного навчання з допомогою ШІ. І кажуть — це працює. Учні проходять матеріал у 2 рази швидше, а результати — у топ‑2% по США. Серед перших випускників — студенти Stanford, Northeastern, Howard, Vanderbilt.

Як це працює:
Замість уроків із вчителем — інтелектуальна платформа. Вона підбирає завдання під рівень учня, контролює темп навчання, не пускає далі без розуміння попереднього, а ще — відстежує залучення по відео, ловить «вгадування» та бездумне клацання.

Навчання триває 2 години на день — математика, мови, науки. А далі — життя: кулінарія, спорт, командні проєкти, побудова фудтраку, особисті ініціативи.

Трохи деталей:
Платформа базується на комбінації IXL, Khan Academy, власного софту Trilogy і spaced repetition‑алгоритмів. Але без чат‑ботів — щоби не було спокуси списати. Метод називається 2 Hour Learning.

Але є нюанс:
У кількох штатах США відхилили заявки пов’язаних з Alpha School шкіл, бо підхід нібито не відповідає стандартам. Також поки немає офіційних наукових досліджень, які б підтверджували ефективність моделі.

Чому це важливо:
AI — це не тільки про чат‑боти, які "допомагають списати". Це ще й про інструменти, які реально можуть навчити швидше, глибше й персоналізовано. А вивільнений час — дати дітям для справжнього життя.

Ми багато говоримо про те, як ШІ заважає в освіті. Але, можливо, варто більше говорити про те, як він може допомогти.

🔗 Джерело: NYT: AI‑Alpha School, Austin, Texas

До речі, я знаю, що серед моїх підписників чимало викладачів.
Цікаво почути вашу думку: чи може такий підхід справді працювати?
Я як викладач можу сказати, що це потенційно дієвий формат, але — як і багато інших нових методик — він потребує великої мотивації від самих учнів.
І тут, як завжди, багато нюансів...


✅ Став 👍 якщо було корисно.

🔔 ПІДПИСАТИСЯ

​🤖 Meta та OpenAI обіцяють краще захищати дітей від чат-ботів

Уявіть ситуацію: підліток розповідає чат-боту про свій сум чи запитує про речі, про які йому важко говорити з дорослими. І натомість отримує не підтримку, а флірт або — ще гірше — «поради», як вчинити самогубство. Звучить як жах, але такі ситуації вже були. І не поодинокі.

🛡 Що змінилось?
Meta та OpenAI оголосили про оновлення, які мають краще захистити неповнолітніх користувачів:
• Чат-боти Meta у Facebook, Instagram і WhatsApp не зможуть вести флірт із дітьми або обговорювати тему самоушкоджень.
• Діти не зможуть спілкуватись із кастомним ботом, створеним для рольових ігор сексуального характеру.
• OpenAI (розробник ChatGPT) вводить батьківський контроль: можна буде прив’язати акаунти підлітків до акаунтів батьків, вимкнути збереження історії та отримати сповіщення, якщо чат покаже ознаки сильної тривоги чи дистресу.

📉 Чому це так важливо?
Історія 16-річного Адама, який, за словами батьків, отримав від ChatGPT не допомогу, а поради щодо самогубства — страшна і болюча. Це ще раз показує, наскільки важливо, щоб технології не просто «розмовляли», а розуміли відповідальність.
Водночас — чат-боти можуть бути корисними. Підказати з навчання, пояснити складні теми, навіть підтримати у складні моменти. Але саме тому вони потребують чітких обмежень — особливо коли йдеться про дітей.

🤔 Що нам з цього?
Можливо, ваша дитина або молодший брат/сестра вже спілкуються з ботами. Можливо, вони діляться з ними тим, чого не кажуть дорослим.
І питання тут не в тому, чи дозволяти. Питання в тому — як зробити це безпечним.

Тож якщо ви — батько, вчитель, або просто дорослий, якому не байдуже — подумайте: а чи маєте ви контроль над тим, з ким і про що говорить ваша дитина в цифровому світі?

✅ Став 👍 якщо було корисно.

🔔 ПІДПИСАТИСЯ

​⚖️ Великий поворот для Google: суд визнав монополію — але без «розгрому»

Ну що ж — великі зміни на полі штучного інтелекту та пошукових систем.
Федеральний суд США постановив: Google має передати свій пошуковий індекс конкурентам — включно з OpenAI, Anthropic, Perplexity та іншими.

📚 Що це за індекс?
Це гігантська база даних: мільярди вебсторінок і посилань, які Google використовує, щоб знаходити відповіді на ваші запити. І тепер частину цього «золота» мають отримати конкуренти, які теж хочуть зробити власні системи пошуку або AI‑асистенти.

🛠 Як це працює?
Google має передати одноразову копію своєї бази даних тим, хто:
– готовий конкурувати в пошуку,
– технічно здатен зберігати ці дані,
– не становить загрозу для нацбезпеки США.

Але:
— оновлення бази Google віддавати не зобов’язаний
— оцінки якості сайтів чи аналітику — теж не надає
— Chrome і Android залишаються в нього

Більше того, Google й далі може платити Apple або Mozilla за те, щоб його пошук залишався «за замовчуванням» у їхніх браузерах. Але вже не може вимагати ексклюзивності.

🧠 Що за цим стоїть?
Справу проти Google почали ще у 2020 році. Але все змінилося з моменту, коли зʼявився ChatGPT. Традиційний пошук вже не єдиний спосіб знайти інформацію — тепер є AI‑моделі, які просто відповідають на запитання.
Суддя це визнав: конкуренція стала реальною, і Google вже не настільки всесильний.

🤔 То що, Google програв?
Не зовсім. Це радше легкий удар, а не нокаут. Компанія зберегла ключові інструменти впливу: браузер, мобільну ОС, контракти з партнерами. Але для AI‑стартапів — це перший шанс стати гравцями, а не лише наздоганяючими.

🚀 Чому це важливо?
Якщо AI‑моделі справді замінюють пошуковики, то відкритість даних — ключ до розвитку.
Це рішення — сигнал: майбутнє пошуку не повинно бути монополією однієї компанії.

🔗 Джерело: AP News — Google must share search data with rivals

✅ Став 👍 якщо було корисно.

🔔 ПІДПИСАТИСЯ

📌 Prompt тижня: Brainstorm ideas

🎯 Хочеш швидко вигадати нові ідеї — для роботи, навчання чи особистих проєктів?
Спробуй цей prompt:

👉 Brainstorm 10 creative ideas for [тема]

💡 Що робить цей prompt:
ChatGPT створює список свіжих ідей — від простих до несподіваних.
Це економить час і допомагає побачити більше варіантів, ніж ти зміг би самостійно.

📎 Що зробити:
1️⃣ Вкажи тему (бізнес, освіта, побут)
2️⃣ Попроси: “Brainstorm 10 creative ideas for…”
3️⃣ Додай уточнення: “Sort these by easiest to implement” — і отримаєш готовий план для дій.

🧪 Приклади:
Brainstorm 10 creative ideas for просування онлайн-курсу англійської

Brainstorm 10 creative ideas for подарунків колезі на день народження

Brainstorm 10 creative ideas for стартапу у сфері екології

👨‍🏫 Завдання:
Використай цей prompt хоча б раз цього тижня — і ти отримаєш список ідей, які можна реалізувати одразу.

💬 Напиши в коментарях, для якої теми ти вже зробив Brainstorm.
Став 👍 якщо пост був корисним — і я підготую ще більше подібних лайфхаків.

🔔 ПІДПИСАТИСЯ

​🌟 Як моделi AI розуміють слова?

У минулому пості про Transformer я згадував, що його серцем є Attention (читати тут).
А ще один мій пост набрав понад 25 лайків (ось цей) — і це мене сильно мотивує продовжувати серію! 🚀

Сьогодні ми з вами поговоримо про перший важливий крок у роботі Transformer — Word Embeddings.

🔡 Що таке Word Embeddings?

Припустемо у нас є речення:
«Кіт сидів на килимі, бо він був м’який»

Моделi AI не розуміють мову, як люди.
Для них слова — це не “сенс”, а послідовності символів.
Але щоб машині працювати з мовою, їй потрібно перевести слова у форму, яку вона може “відчувати” математично — тобто у числа.
Тому перший крок — перетворити слова в числа.

Просте присвоєння:
кіт = 1, собака = 2, килим = 3
— абсолютно марне. Бо для моделі це просто ярлики. Вони нічого не говорять про зв’язки між словами.

👉 Натомість, модель використовує векторні подання (embeddings) — набори чисел, які зберігають значення і контекстуальні зв’язки між словами.

📍 Приклад:
Слово “кіт” може виглядати для моделі так:
кіт → [0.12, 0.80, −0.33, …]
собака → [0.10, 0.79, −0.30, …]
килим → [−0.55, 0.01, 0.72, …]

Вони живуть у багатовимірному просторі — десятки або сотні координат.
І що важливо: схожі слова — мають подібні координати.
Тобто "кіт" і "собака" — десь поруч. "Килим" — в іншому напрямку.

💬 Як це працює в реченні?
Фразa:
«Кіт сидів на килимі, бо він був м’який»
Що саме було м’яке? “Кіт” чи “килим”?
Людина зрозуміє з контексту.
І ось embeddings — це перший крок до того, щоб комп’ютер також міг зчитувати сенс із контексту.

👑 Легендарний приклад із досліджень 2019 року — де формалізовано і доведено, чому такі аналогії працюють

Embeddings можуть відображати навіть відносини між словами.
Уяви координатну площину. Якщо позначити «король», «чоловік», «жінка», «королева», то вектори поводяться ось так:

король − чоловік + жінка ≈ королева
Це справжнє векторне рівняння.
І воно працює не завдяки магії, а тому, що embeddings “запам’ятали” не лише значення окремих слів, а й зв’язки між ними.

⚙️ Як отримує embeddings?

1. Вона читає величезний корпус тексту — Wikipedia, новини, форуми.
2. Їй дають завдання: вгадати пропущене слово в реченні.
3. Щоб вгадувати краще, вона навчається “підлаштовувати” свої вектори.
4. І зрештою ці вектори (embeddings) відображають реальні зв’язки у мові.
Це якби ти вчився розуміти сенс не за правилами граматики, а просто перечитав мільйони речень і вловив закономірності.

🧭 А скільки вимірів у цих векторах?
Зазвичай — десятки, а то й сотні. Наприклад, embedding може мати 50, 100 або навіть 768 чисел — тобто бути вектором у 50‑вимірному або 768‑вимірному просторі.

Уявити такий простір важко, бо ми живемо у 3D: довжина, ширина, висота.

Але спробуй провести аналогію:
У 2D-просторі точка має координати: x, y
У 3D — x, y, z
А у 768D — вже [0.12, 0.80, −0.33, …, 0.01], де кожна цифра — окрема координата у “сенсовому просторі”.
📌 І в цьому багатовимірному просторі “кіт” і “собака” розташовані близько — бо обидва це тварини. А “килим” — далеко, бо він зовсім з іншої “сенсової зони”.

📦 Підсумок
Embeddings — це перетворення слів у сенсові числа.
Ці вектори дозволяють моделі не лише “бачити” слово, а й “відчувати” його зміст і контекст.
Саме з цього починається розуміння мови нейромережею. І саме embeddings — перша цеглинка будь-якого Transformer.

✅ Став 👍 якщо хочешь продовження.

🔔 ПІДПИСАТИСЯ

​🧠 Так хто ж був м’який — кіт чи килим?

У минулому пості ми розглядали, як моделі перетворюють слова на числа — Word Embeddings
(читати тут)

І там був приклад:
«Кіт сидів на килимі, бо він був м’який»
👉 Це, до речі, переклад класичного англійського речення
“The cat sat on the mat because it was soft”.

І от саме ця “дрібна” неоднозначність — не випадкова.

🤔 Це речення — пастка.

З граматичної точки зору — все правильно.
Слово “він” (або в англійському варіанті — “it”) може стосуватись і до “кота”, і до “килима”.

Але сенс змінюється кардинально:
– якщо м’який кіт, це одне;
– якщо м’який килим, це зовсім інше.

І саме такі фрази викладачі спеціально використовують на лекціях із NLP (Natural Language Processing), щоби показати:

🔸 Штучний інтелект може граматично розуміти текст — але не “розуміти” як людина.

📚 У чому суть цієї задачі?

Це класичний приклад проблеми coreference resolution — визначення, на що саме вказує займенник “it” або “він”.

🧠 Людина розуміє, що кіт сів на килим, бо на килиму було м’яко. Це логічно.
А от модель повинна це вивести із контексту або статистики мови.

У тренувальних текстах (корпусах) частіше зустрічаються фрази типу:
– “The cat sat on the mat because it was soft” → “it” = “mat”

Отже, сучасні моделі (GPT, BERT, Claude) зазвичай вибирають правильну відповідь, але не тому, що “розуміють”, а тому, що бачили тисячі подібних прикладів.

🎓 Це не просто випадкове речення. Це тест!

Такі приклади входять у:
🔹 Winograd Schema Challenge — тест на “розуміння” для моделей
🔹 курси Стенфорду (Christopher Manning), Coursera та лекції з штучного інтелекту

Бо тут перевіряється не знання мови, а розуміння сенсу.

🧩 Мораль: навіть прості речення — не такі вже й прості, коли читаєш їх очима моделі.

✅ Став 👍 якщо хочешь продовження.

🔔 ПІДПИСАТИСЯ

​🧠 Штати забороняють ШІ у лікуванні психічних розладів

Іллінойс став другим штатом США після Невади, який офіційно заборонив застосування ШІ для психотерапії без участі лікаря.

📜 Що сталося:
Штат ухвалив Wellness and Oversight for Psychological Resources Act, який забороняє використання чат-ботів і ШІ-моделей для лікування психічних станів без безпосередньої участі лікаря.
За порушення — штраф до $10,000 за кожен випадок.

⚠️ Конкретні випадки та приклади:

1. Позов Raine v. OpenAI:
16‑річний підліток Адам Рейн покінчив із собою в квітні 2025 року. У позові стверджується, що він звертався до ChatGPT, ділився суїцидальними думками, просив поради, як зав’язати вузол для повішення, і штучний інтелект нібито допомагав у деталях. Сім’я вважає, що бот створив емоційну залежність і замість того, щоб направити до допомоги, був співпереживаючим, але не втручався ефективно.

2. Дослідження з AI‑компаньйонами (Character.AI, Replika, Nomi.ai):
У дослідженні, де дослідники притворялися підлітками, вдалось викликати у ботів небажані / недоречні теми: використання наркотиків, насильство, самогубство, порушення моральних кордонів.

3. Стаття APA: про хлопчика та підлітка:
Один підліток помер, інший напав на батьків — обидва мали справу з чат‑ботами, що надають КОНСУЛЬТАЦІЮ з психічного здоров’я (тобто якби замість фахівця).

4. Дослідження: 10 доступних чат‑ботів і кейси із підлітками:
Чати‑боти, представлені в дослідженні, отримували запити від вигаданих підлітків із психічними труднощами. Ботам пропонували “небезпечні чи недоречні поради” (наприклад, уникати всіх соціальних контактів, відмовлятись від школи) — і деякі боти це підтримували.

🚫 Що заборонено:
— Компанії не можуть рекламувати чат-ботів як терапевтичні засоби
— Психологи не можуть використовувати ШІ для діагностики чи лікувальних рішень
— Заборонено залучення ШІ до терапевтичного спілкування без лікаря
— Навіть із ліцензією — потрібна інформована згода клієнта на використання ШІ, якщо сесії записуються

✅ Що дозволено:
✔️ Використання ШІ для адміністративних задач (розклад, білінг, записи)

🌍 Тренд:
Каліфорнія, Нью-Джерсі та Пенсильванія готують подібні обмеження.
Причина — зростаюча стурбованість через неконтрольовані "терапевтичні" розмови з чат-ботами, які можуть нашкодити.

📉 Але це викликає занепокоєння:
Ці закони блокують навіть перспективні моделі, які могли б допомогти людям:
— Вони здешевлюють терапію
— Доступні 24/7
— Частково вирішують проблему нестачі фахівців

У той час як ШІ ще не замінює терапевтів повністю, він вже здатен підтримувати та допомагати. Повна заборона може завдати більше шкоди, ніж користі.

✅ Став 👍 якщо було корисно.

🔔 ПІДПИСАТИСЯ

​🤖 Рої дронів ідуть на війну

В Україні масово застосовують рої дронів, які автономно координують свої дії. І це вже не експеримент, а реальність війни.

Українська армія використовує автономні рої ударних дронів, що самостійно вирішують, хто атакує першим і коли.
За даними The Wall Street Journal, технологію надає стартап зі США Swarmer — її вже застосовували понад 100 разів.

⚙️ Як це працює
Достатньо задати дронам зону атаки — далі вони діють самостійно:
— уникають зіткнень
— обирають, хто атакує, залежно від заряду, боєприпасів і дистанції
— не потребують постійного зв'язку з оператором
— не утворюють одну велику мішень

Зазвичай у місії — 3 дрони:
1 розвідник і 2 ударних, кожен із до 25 дрібних бомб.

🧠 Що всередині Swarmer
1. Операційна система для захищеного зв'язку
2. AI-ядро для поведінки рою
3. Інтерфейс для місій, цілей і дозволу на атаку
⚠️ Система не має захисту або можливості ухилятися від обстрілу

🧑‍💻 Людина все ще керує
— Оператор задає зону та дозволяє вогонь
— Планувальник і навігатор підтримують
— А рій сам визначає, як діяти

🎯 Чому це важливо
Дрони радикально змінили характер війни.
70–80% втрат на полі бою — це наслідок їх застосування (за даними The New York Times).

Але дрони — це не лише про зброю:
— вони ведуть розвідку
— доставляють провізію, воду, ліки
— евакуюють поранених

Як зазначає редакція The Wall Street Journal:
«Війна — це завжди трагедія. Але коли мова йде про захист свободи — демократії повинні мати перевагу.
Ми підтримуємо українців у боротьбі за свободу.
А технології, як Swarmer, можуть стати вирішальними у цій боротьбі.»

Став 👍, якщо було цікаво!

🔔 ПІДПИСАТИСЯ

📌 Prompt тижня: Compare and contrast

🎯 Хочеш швидко зрозуміти різницю між двома варіантами і зробити вибір простіше?
Спробуй цей prompt:

👉 Compare and contrast [варіант 1] and [варіант 2]

💡 Що робить цей prompt:
Модель показує не тільки спільні риси, а й відмінності — у форматі таблиці чи списку.
Це допомагає приймати зважені рішення замість гадати на інтуїції.

📎 Що зробити:
1️⃣ Встав у промпт два варіанти, які тебе цікавлять
2️⃣ Додай уточнення: “Show this in a table with pros and cons”
3️⃣ Використай результат як основу для вибору

🧪 Приклади:

Compare and contrast інвестування в нерухомість and інвестування в акції

Compare and contrast онлайн-освіта and офлайн-університет

Compare and contrast iPhone 15 and Samsung Galaxy S24

👨‍🏫 Завдання:
Цього тижня використай prompt «Compare and contrast» хоча б один раз для важливого рішення.
Результат: ти побачиш переваги та ризики кожного варіанту наочно.

💬 Напиши в коментарях, що саме ти порівняєш цього тижня.
Став 👍 якщо пост був корисним — щоб я знав, що готувати більше таких!

🔔 ПІДПИСАТИСЯ

​🧠 Qwen3-Next: Як змусити LLM бігти у 10 разів швидше?

Це не просто чергова "велика модель".
Це як Tesla серед LLM — не тільки потужна, а ще й ефективна, тиха і без втрат.

Alibaba випустила Qwen3-Next-80B — і це потужний сигнал у світ великих моделей:
🚀 “Можна бути великим, але швидким і дешевим.”

🔍 Як їм це вдалося?
⚙️ Взяли трансформер на 80B параметрів
🧩 Впровадили Mixture-of-Experts — 512 експертів, з яких активні лише 3 млрд на токен
💡 Замінили важкі Attention-шари на Gated DeltaNet — більш легкий, але розумний механізм
🔁 Решту — на Gated Attention, який сам вирішує, що пропускати далі
📚 Навчання на 15 трлн токенів + fine-tuning через RL (GSPO)

⚡️ А тепер головне — швидкість

💨 На інференсі:
• на 4 000 токенах — у 3× швидше за Qwen3‑32B
• на 128 000 токенах — аж у 10× (!) швидше
🧪 Навчається — у 90% випадків швидше за попередні моделі

📊 І при цьому — без втрати якості:
• Thinking > Gemini 2.5 Flash
• Instruct > GPT‑4.1, ≈ DeepSeek‑V3.1

💥 Але ось чому це реально важливо:
З часу популяризації трансформерів дослідники постійно експериментують зі швидшими attention-архітектурами та новими шарами (типу Mamba). Проте більшість таких ідей “ламалися” на практиці — вони не масштабувалися або не вкладалися у GPU.
Qwen3‑Next це змінює.
Вперше ми бачимо інноваційну архітектуру, яка не просто працює в лабораторії, а масштабується до 80B і працює у 10× швидше. Це не просто оптимізація — це прорив.

🔗 Офіційний блог
🔗 Instruct на HuggingFace
🔗 Thinking на HuggingFace

Мій вердикт:
Це більше, ніж модель. Це — демо майбутнього, де швидкість, інтелект і open-source йдуть в одному батчі.

✅ Став 👍 якщо було корисно.

🔔 ПІДПИСАТИСЯ

​🎯 Спортивні ставки — тепер і з AI-агентами
GPT ставить на теніс? Уже ставить. І швидше, ніж ти встигаєш кліпнути.

🤖 Онлайн-гемблінг став новим полігоном для ШІ. І це вже не просто “порадь ставочку” — тут агент реально думає, рахує, адаптується, а подекуди й сам ставить.

🔬 Як це працює під капотом?

🧠 1. AI вивчає все, що можна знайти:
Моделі з RAG (Retrieval-Augmented Generation) тягнуть дані з live-таблиць, новин, аналітики, фан-форумів. Навіть з Twitter/X. Все це зливається у знання моделі.

📊 2. Алгоритм оцінює ймовірності:
Потім вступає в гру модель — часто це або нейромережа, або статистичний ансамбль, який оцінює:
– шанси команди виграти
– шанси гравця забити
– чи буде ще один ейс у тенісі
Це не просто “угадайка” — це чисельна оптимізація.

🧠 3. AI адаптується під твій стиль:
Зберігає історію ставок, вивчає твій ризик-профіль і радить те, що схоже на тебе.
Любиш ризикнути на довгу комбінацію? Він це помітить.
Граєш обережно на коефі 1.8? Підлаштується.

⚙️ 4. Агент сам ставить — майже в реальному часі
(але не всі так уміють).
Деякі AI-агенти (наприклад, у Sire) мають доступ до криптогаманця і можуть миттєво зробити ставку, як тільки відбувається подія — ейс, гол, вилучення. Людина так швидко не встигне.

🔍 Кілька гравців ринку:
🎯 MonsterGPT (від Monster.bet)
GPT-бот із доступом до свіжої статистики через RAG. Веде історію твоїх ставок і адаптується під стиль. $77/міс. Недешево — але це ж AI-монстр 🧠
⚙️ Rithmm
No-code платформа, де ти сам створюєш свою “машину для ставок”. Зручно для fan-ставок типу «чи заб’є цей гравець». $30/міс
🧾 FanDuel
Ветеран із fantasy-світу, який реально бере ставки й виплачує гроші. Має AI-помічника AceAI — він допомагає складати комбо-ставки, типу: “Аргентина виграє + Мессі заб’є”.
🪙 Sire (ex DraiftKing)
Інший рівень. AI має доступ до криптогаманця — і ставить сам, реагуючи на події в матчі. Наприклад: ейс у тенісі → одразу ставка, що наступна подача теж буде ейс. Ти не ставиш напряму — купуєш частку в загальному банку.

😬 А хто не вистрілив?
— Zilliqa: агент Ava для перегонів не зміг звести докупи крипту, API й сайти.
— WagerGPT: був гіп, але не hype — обіцяв багато, не дав нічого.

📊 Чому це реально цікаво:
Гемблінг — це зараз суперлабораторія для AI:
— математичні моделі
— RAG-підтягування з інтернету
— автоматизація платежів
— адаптивні агенти
Усе, що треба сучасному стартапу — тільки в ставках.

🇺🇸 А тим часом у США:
У 2024 американці зробили ставок на $150+ мільярдів. Онлайн-беттинг виріс на 22%, і вже 30% ставок — через інтернет. І далі тільки набирає обертів.

📚 Джерело:
WIRED — “Meet the Guys Betting Big on AI Gambling Agents”

✅ Став 👍 та пиши що думаєшь про ставки.

🔔 ПІДПИСАТИСЯ

📌 Prompt тижня: Future Scenario

🎯 Хочеш зазирнути наперед і побачити, що може статись у майбутньому?
Спробуй цей prompt:

👉 Imagine 3 possible future scenarios for [тема]

💡 Що робить цей prompt:
Модель створює кілька варіантів майбутнього — оптимістичний, реалістичний і песимістичний.
Це допомагає оцінити ризики, підготуватись до змін і краще планувати.

📎 Що зробити:
1️⃣ Встав тему, яка тебе хвилює (бізнес, освіта, технології, особисті плани)
2️⃣ Запитай: “Add risks and opportunities for each scenario”
3️⃣ Використай результат як карту для стратегічних рішень

🧪 Приклади:
Imagine 3 possible future scenarios for розвиток AI в освіті

Imagine 3 possible future scenarios for економіка України у 2026

Imagine 3 possible future scenarios for мій стартап з онлайн-освіти

👨‍🏫 Завдання:
Використай цей prompt цього тижня хоча б один раз для теми, яка для тебе важлива.
Результат: ти побачиш картину з різних боків і підготуєшся до викликів заздалегідь.

💬 Поділись у коментарях, для якої теми ти перевіриш цей prompt.
Став 👍 якщо пост був корисним — щоб я бачив, що робити більше таких!

🔔 ПІДПИСАТИСЯ

​⚡️ Трансформери, які мислять: новий клас моделей EBT

🧠 Нове дослiдження про те що штучний інтелект може не просто вгадувати наступне слово, а думати над кожною відповіддю. І не один раз, а кілька — поки не буде впевнений.

Саме так працює Energy-Based Transformer (EBT) — нова модель, яка імітує свідоме мислення, подібне до того, як це робить людина.

🚀 Як EBT мислить
Замість того, щоб одразу видати відповідь, як GPT,
EBT працює так:
Починає з чернетки — випадкової відповіді
Оцінює її якість (через так звану «енергію»)
Покращує відповідь крок за кроком
Повторює ці кроки, доки не знайде найкращий варіант

Це як подумати: «Гм, ця відповідь не дуже… Спробую трохи краще».

❓ Що таке ця «енергія»?
Це не електрика і не «обчислювальні витрати».
Це число, яке показує, наскільки добре відповідь підходить до контексту.
• Низька енергія = хороша, логічна відповідь
• Висока енергія = відповідь дивна, недоречна

📉 Модель вчиться зменшувати енергію, тобто покращувати свою відповідь.
Це і є її внутрішнє «мислення».

🤖 Чим EBT відрізняється від звичайного трансформера?

🧠 GPT:
— Видає відповідь один раз
— Не перевіряє себе
— Не розуміє, де помиляється
— Не може думати довше
— Часто плутається на складних задачах

⚡️ EBT:
— Генерує чернетку, перевіряє, вдосконалює
— Бачить, де вагається (через "енергію")
— Може подумати кілька разів
— Покращує результат на кожному кроці
— Краще справляється зі складними ситуаціями

🔍 GPT — це як «відповісти навмання»
🧠 EBT — це як спочатку подумати, а потім відповісти

📊 Коли це працює:

✅ Краще на задачах, де треба логіка:
• математика (GSM8K)
• синтаксис (Dyck Languages)
• питання-відповідь (QA)
✅ Коли дані несподівані або «незнайомі» —
EBT генералізує краще і адаптується на ходу
✅ На зображеннях — краща якість і менше «розмиття» ніж у diffusion-моделей
✅ Для відео — масштабується швидше, ніж класичні трансформери

🔮 Навіщо це все?
Звичайні ШІ — це інтуїція (System 1): швидко, але без глибини.
EBT — це мислення (System 2): аналізує, перевіряє, уточнює.

📌 Вперше в історії ШІ модель:
• не просто генерує,
• а перевіряє себе і думає над відповіддю.

🔗 Стаття на arXiv
📘 Код на GitHub
🌐 Офіційний сайт

✅ Став 👍 та пиши що думаєшь про ставки.

🔔 ПІДПИСАТИСЯ

​🚀 OpenAI іде вабанк: на горизонті — $5 трлн на AI

Такого масштабу ще не було. І це не жарт.

OpenAI разом з Oracle, SoftBank та Nvidia запускає проєкт Stargate — мережу супермасштабних дата-центрів, які можуть змінити обличчя світової інфраструктури AI.

🧠 Що планують?
– Нові дата-центри в США — 5 майданчиків на $400 млрд
– Старт Stargate UK — інфраструктура AI в Британії (з Nvidia!)
– Поточні плани оцінюються в $1 трлн
– Потенційне розширення — до $5 трлн, якщо попит зростатиме

⚙️ Як це працює
OpenAI мислить не "кількістю серверів", а електроенергією.
1 ГВт (як 100 млн LED-лампочок) ≈ $50 млрд.
Вже законтрактовано 20 ГВт — у планах аж 100.
Перші майданчики — Техас, Огайо, Нью-Мексико, а також Індія та ОАЕ.

💸 Nvidia, Oracle і Microsoft — теж у грі
– Nvidia інвестує $100 млрд
– Oracle отримуватиме $30 млрд щороку за хмарні сервіси
– Microsoft вже влив $13 млрд

OpenAI вже не просто стартап. Це — глобальна енергетична компанія… тільки замість нафти — мозки моделей 🤯

⚡️ Але є і “але”
CEO OpenAI Сем Олтман каже прямо:
“Хтось втратить феноменальні гроші. Але переможці — виграють ще більше.”

🌍 Чому це важливо?
AI — нова нафта.
Як колись індустріалізація, зараз саме ШІ змінює світ.

Це не лише про чатботів. Це — про інфраструктуру світового масштабу, де змагаються уряди, техногіганти, інвестори й енергетики.

І все це — аби ваша модель генерувала текст трішки швидше й краще.
(І щоб GPT‑5 не “впав” у пікову годину 😅)

🔗 Джерело:
The Wall Street Journal

✅ Став 👍 та пиши що думаєшь про ставки.

🔔 ПІДПИСАТИСЯ

📌 Prompt тижня: Teach me like a coach

🎯 Хочеш, щоб ChatGPT не просто пояснював, а навчав тебе покроково — як справжній тренер чи наставник?
Спробуй цей prompt:

👉 Teach me like a coach [тема]

💡 Що робить цей prompt:
AI перетворюється на персонального коуча: пояснює, дає вправи, перевіряє розуміння і мотивує діяти.
Підходить для будь-якої теми — від бізнесу до саморозвитку чи навчання.

📎 Як використати:
1️⃣ Вкажи тему, яку хочеш освоїти
2️⃣ Додай уточнення: “Create a 7-day learning plan with daily micro-tasks”
3️⃣ Використай цей план як міні-курс від AI

🧪 Приклади:
Teach me like a coach як покращити мої комунікаційні навички
➡️ GPT дасть вправи для активного слухання, поради для діалогів і план розвитку впевненості

Teach me like a coach як розібратись в основах інвестування
➡️ Отримаєш простий тижневий курс із прикладами та фінансовими інсайтами

Teach me like a coach як навчитись створювати якісні промпти
➡️ GPT проведе тебе через практику prompt-інжинірингу крок за кроком

👨‍🏫 Завдання:
Обери тему, у якій хочеш зрости цього тижня, і дозволь ChatGPT стати твоїм ментором.
Результат: не просто знання — а навички, які ти реально застосуєш.

💬 Напиши в коментарях, чому ти хочеш навчитися цього тижня.
Став 👍 якщо пост був корисним — щоб я знав, що підготувати наступним!

🔔 ПІДПИСАТИСЯ