🏫 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
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
👍15🔥2❤1
🤖 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
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
👍10💯2🤔1
⚖️ 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
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
👍12
📌 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:
👨🏫 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
🎯 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 народженняBrainstorm 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
👍18❤1🔥1
🌟 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:
— 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:
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:
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
📌 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
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 ≈ королеваЦе 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
👍29🍌2❤1
🧠 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
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
👍27
🧠 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
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
👍12🔥2
🤖 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
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
1👍17🔥5🤔2❤1
📌 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:
👨🏫 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
🎯 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
👍13⚡1
🧠 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
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
👍10❤4🦄1
🎯 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
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
👍10🌭3🍓1
📌 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:
👨🏫 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
🎯 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
👍18🔥1
⚡️ 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
🧠 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
👍17
🚀 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
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
1👍9🤯2❤1🤔1
📌 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:
➡️ GPT дасть вправи для активного слухання, поради для діалогів і план розвитку впевненості
➡️ Отримаєш простий тижневий курс із прикладами та фінансовими інсайтами
➡️ 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
🎯 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
5👍16❤5
🧬 ШІ, що створює віруси з нуля — прорив чи загроза?
В це важко повiрити але новий вiрус повністю створений штучним інтелектом. Не у фільмі, а в реальній лабораторії Стенфорда. І це не вірус для зла (типу Umbrella як в Resident Evil) — а той, що лікує, знищуючи небезпечні бактерії, які вже не беруть звичайні антибіотики.
🔗 Деталі — у науковій роботі:
Generative design of novel bacteriophages with genome language models
🧠 Як це працює?
Дослідники використали мовні моделі (ті самі, що лежать в основі ChatGPT), але натренували їх не на словах, а на геномах — послідовностях ДНК.
➡️ Модель вчиться "говорити" мовою життя: замість слів — нуклеотиди (A, T, C, G).
➡️ Вона передбачає, які "букви" мають іти далі, і так будує цілі вірусні геноми — ланцюги з тисячами "символів".
📌 У дослідженні було створено понад 11 000 нових вірусів, з яких 285 реально синтезували у лабораторії. І знаєш що? Вони спрацювали. Деякі вбивали бактерії навіть краще за природні віруси.
🔬 Деталі
Навчали моделі на 14 500 геномах фагів родини Microviridae — це віруси, що вражають бактерії.
Використали дві великі моделі Evo1 і Evo2 (по 7 млрд параметрів) — аналог GPT, але для ДНК.
Стартували з 11 перших "букв" геному відомого вірусу ΦX174 → модель "дописувала" решту, створюючи повністю новий вірус.
Відібрали найперспективніші геноми, які:
• утворюють нові білки
• можуть чіплятись до бактерій
• мають реалістичну довжину
• не повторюють існуючі віруси
📈 Результат
🔬 Один зі створених вірусів — Evo-Φ69 — розмножувався у клітинах у 16–65 разів швидше, ніж природний фаг ΦX174.
🔬 Інший — Evo-Φ2483 — знищив бактеріальну культуру на 30% ефективніше.
🔬 Багато з них — це нові біологічні види, яких у природі не існувало.
💊 Навіщо це потрібно?
Антибіотики все частіше не працюють — бактерії мутують і стають стійкими.
А от фаги (віруси, що вбивають бактерії) — це надія на альтернативну терапію.
І тепер ми можемо створювати фагів на замовлення, навіть для бактерій, до яких у природи немає "ключа".
⚠️ Але...
Разом із відкриттями приходить і ризик.
🔒 Вчені спеціально обмежили ці віруси, щоб вони не могли інфікувати людей. Але ці ж інструменти може використати на зло...
🛡 Тому сьогодні, коли ШІ може "дописати" не лише твір, а й вірус, дослідження безпеки стає не менш важливим, ніж наука сама по собі.
🌍 Геополітичний висновок
Країни, які першими опанують геномні ШІ‑моделі, отримають не просто медичну перевагу. Вони зможуть впливати на глобальну біобезпеку, біоекономіку і навіть стримувати пандемії.
Як колись — ядерна зброя, так сьогодні — біоШІ.
🧪 P.S. особисте спостереження
У мене є однокурсники — класні хлопці, з якими ми колись разом навчались, а тепер вони заснували стартап у Кремнієвій долині.
Використовуючи ШІ, вони аналізують білкові структури, щоб знаходити потенційно нові ліки від важких хвороб.
Це ще раз підтверджує:
🔹 ШІ в біомедицині — це не лише віруси,
🔹 Це величезна сфера, де можна створювати ліки майбутнього, лікувати те, що раніше було невиліковним,
🔹 І, можливо, змінити медицину так само радикально, як раніше її змінили антибіотики.
✅ Став 👍 якщо було цiкаво.
🔔 ПІДПИСАТИСЯ
В це важко повiрити але новий вiрус повністю створений штучним інтелектом. Не у фільмі, а в реальній лабораторії Стенфорда. І це не вірус для зла (типу Umbrella як в Resident Evil) — а той, що лікує, знищуючи небезпечні бактерії, які вже не беруть звичайні антибіотики.
🔗 Деталі — у науковій роботі:
Generative design of novel bacteriophages with genome language models
🧠 Як це працює?
Дослідники використали мовні моделі (ті самі, що лежать в основі ChatGPT), але натренували їх не на словах, а на геномах — послідовностях ДНК.
➡️ Модель вчиться "говорити" мовою життя: замість слів — нуклеотиди (A, T, C, G).
➡️ Вона передбачає, які "букви" мають іти далі, і так будує цілі вірусні геноми — ланцюги з тисячами "символів".
📌 У дослідженні було створено понад 11 000 нових вірусів, з яких 285 реально синтезували у лабораторії. І знаєш що? Вони спрацювали. Деякі вбивали бактерії навіть краще за природні віруси.
🔬 Деталі
Навчали моделі на 14 500 геномах фагів родини Microviridae — це віруси, що вражають бактерії.
Використали дві великі моделі Evo1 і Evo2 (по 7 млрд параметрів) — аналог GPT, але для ДНК.
Стартували з 11 перших "букв" геному відомого вірусу ΦX174 → модель "дописувала" решту, створюючи повністю новий вірус.
Відібрали найперспективніші геноми, які:
• утворюють нові білки
• можуть чіплятись до бактерій
• мають реалістичну довжину
• не повторюють існуючі віруси
📈 Результат
🔬 Один зі створених вірусів — Evo-Φ69 — розмножувався у клітинах у 16–65 разів швидше, ніж природний фаг ΦX174.
🔬 Інший — Evo-Φ2483 — знищив бактеріальну культуру на 30% ефективніше.
🔬 Багато з них — це нові біологічні види, яких у природі не існувало.
💊 Навіщо це потрібно?
Антибіотики все частіше не працюють — бактерії мутують і стають стійкими.
А от фаги (віруси, що вбивають бактерії) — це надія на альтернативну терапію.
І тепер ми можемо створювати фагів на замовлення, навіть для бактерій, до яких у природи немає "ключа".
⚠️ Але...
Разом із відкриттями приходить і ризик.
🔒 Вчені спеціально обмежили ці віруси, щоб вони не могли інфікувати людей. Але ці ж інструменти може використати на зло...
🛡 Тому сьогодні, коли ШІ може "дописати" не лише твір, а й вірус, дослідження безпеки стає не менш важливим, ніж наука сама по собі.
🌍 Геополітичний висновок
Країни, які першими опанують геномні ШІ‑моделі, отримають не просто медичну перевагу. Вони зможуть впливати на глобальну біобезпеку, біоекономіку і навіть стримувати пандемії.
Як колись — ядерна зброя, так сьогодні — біоШІ.
🧪 P.S. особисте спостереження
У мене є однокурсники — класні хлопці, з якими ми колись разом навчались, а тепер вони заснували стартап у Кремнієвій долині.
Використовуючи ШІ, вони аналізують білкові структури, щоб знаходити потенційно нові ліки від важких хвороб.
Це ще раз підтверджує:
🔹 ШІ в біомедицині — це не лише віруси,
🔹 Це величезна сфера, де можна створювати ліки майбутнього, лікувати те, що раніше було невиліковним,
🔹 І, можливо, змінити медицину так само радикально, як раніше її змінили антибіотики.
✅ Став 👍 якщо було цiкаво.
🔔 ПІДПИСАТИСЯ
👍16🔥4😱3❤1
🤖 AI‑помічник у браузері: знайомтесь із Perplexity та Comet
Хочу поділитися з вами штукою, яка реально змінює мою роботу з інтернетом — і, можливо, змінить і вашу.
Ви вже щось чули про Perplexity? Назва на слуху? Читали у новинах? Але скажіть чесно: ви користувались ним хоча б тиждень? Бо якщо ні — дуже раджу просто спробувати «пожити з ним» кілька днів. Пошукати, подумати, задати серію запитань.
💡 Що таке Perplexity?
Perplexity — це стартап, який дає новий формат пошуку з вбудованим штучним інтелектом.
Він не просто шукає, а допомагає вам думати.
А ще — їхній фірмовий браузер Comet, який виводить цей досвід на новий рівень.
За 2 роки компанія виросла до оцінки в $20 млрд 🤯, залучивши сотні мільйонів від інвесторів на кшталт Jeff Bezos та Nvidia.
Але справа не лише в грошах.
Головна ідея — у тому, що вперше штучний інтелект на боці користувача, а не лише у руках великих компаній.
Google, Meta, Amazon роками використовували AI «проти нас» — для реклами, маніпуляції, утримання уваги.
Perplexity показує протилежне: ШІ стає інструментом користувача, а не платформи.
➡️ ШІ тепер не для того, щоб щось нам продати, а щоб допомогти прийняти рішення
➡️ Користувач — не просто клієнт сервісу, а гравець, який керує агентом
➡️ Бізнес‑моделі, засновані на «утриманні уваги», стикаються з конкурентом, який працює в інтересах людини
📈 Чому стартап за 2 роки став «єдинорогом»?
Тому що вони не створювали «ще один AI‑продукт», а зібрали три ключові елементи:
1️⃣ Механіку запитів, як у ChatGPT — але з прозорими джерелами
2️⃣ Пошукову цінність — не просто «поговорити», а знайти, проаналізувати, порівняти
3️⃣ Модель, де ШІ діє на боці користувача, а не платформи
Результат — понад 780 млн запитів на місяць і понад 20 % зростання щомісяця (станом на весну 2025).
Браузер Comet став наступним етапом експансії.
🔧 Як це вже зараз використовують (і ви можете теж) кілька практичних сценаріїв 👇
📺 Шукаєте відео, яке колись бачили, але забули назву?
Опишіть кілька деталей — Perplexity знайде.
Потім можна продовжити спілкування про зміст, або навіть перейти до конкретних тайм‑кодів.
🛒 Купуєте щось дороге?
Правда ж, часто це болісно — десятки відгуків, години на YouTube, і в кінці ще більше сумнівів.
Comet переглядає десятки оглядів, порівнює параметри, читає форуми і видає стислий висновок: плюси, мінуси, альтернатива.
🏘 Шукаєте квартиру чи будинок?
Агент може щодня моніторити сайти нерухомості, враховуючи ваш бюджет, район і навіть побажання щодо ремонту — і надсилати лише релевантне.
💼 Робите конкурентний аналіз?
Задаєте: «Знайди останні новини про X, порівняй з конкурентами, додай посилання».
Отримуєте зведення з перевірених джерел і можливість копнути глибше.
👥 Що це означає для бізнесу?
Якщо у вас є продукт — ваш користувач може отримати агента, який обирає замість нього.
Ви більше не змагаєтесь за кліки — ви змагаєтесь за місце у висновку агента.
➡️ чи може ІІ‑асистент допомогти моїм клієнтам аналізувати це краще?
➡️ чи готовий мій контент бути прочитаним і переосмисленим штучним інтелектом?
➡️ чи я сам готовий делегувати частину рутини агенту?
📎 Висновок
Ми живемо в момент, коли інструмент для аналізу даних і прийняття рішень стає доступним кожному.
І якщо ви перші навчитесь із ним працювати — отримаєте перевагу, яка не в гігабайтах і не у швидкості,
а в здатності думати разом із ШІ.
✅ Став 👍 якщо було цікаво
🔔 ПІДПИСАТИСЯ
Хочу поділитися з вами штукою, яка реально змінює мою роботу з інтернетом — і, можливо, змінить і вашу.
Ви вже щось чули про Perplexity? Назва на слуху? Читали у новинах? Але скажіть чесно: ви користувались ним хоча б тиждень? Бо якщо ні — дуже раджу просто спробувати «пожити з ним» кілька днів. Пошукати, подумати, задати серію запитань.
💡 Що таке Perplexity?
Perplexity — це стартап, який дає новий формат пошуку з вбудованим штучним інтелектом.
Він не просто шукає, а допомагає вам думати.
А ще — їхній фірмовий браузер Comet, який виводить цей досвід на новий рівень.
За 2 роки компанія виросла до оцінки в $20 млрд 🤯, залучивши сотні мільйонів від інвесторів на кшталт Jeff Bezos та Nvidia.
Але справа не лише в грошах.
Головна ідея — у тому, що вперше штучний інтелект на боці користувача, а не лише у руках великих компаній.
Google, Meta, Amazon роками використовували AI «проти нас» — для реклами, маніпуляції, утримання уваги.
Perplexity показує протилежне: ШІ стає інструментом користувача, а не платформи.
➡️ ШІ тепер не для того, щоб щось нам продати, а щоб допомогти прийняти рішення
➡️ Користувач — не просто клієнт сервісу, а гравець, який керує агентом
➡️ Бізнес‑моделі, засновані на «утриманні уваги», стикаються з конкурентом, який працює в інтересах людини
📈 Чому стартап за 2 роки став «єдинорогом»?
Тому що вони не створювали «ще один AI‑продукт», а зібрали три ключові елементи:
1️⃣ Механіку запитів, як у ChatGPT — але з прозорими джерелами
2️⃣ Пошукову цінність — не просто «поговорити», а знайти, проаналізувати, порівняти
3️⃣ Модель, де ШІ діє на боці користувача, а не платформи
Результат — понад 780 млн запитів на місяць і понад 20 % зростання щомісяця (станом на весну 2025).
Браузер Comet став наступним етапом експансії.
🔧 Як це вже зараз використовують (і ви можете теж) кілька практичних сценаріїв 👇
📺 Шукаєте відео, яке колись бачили, але забули назву?
Опишіть кілька деталей — Perplexity знайде.
Потім можна продовжити спілкування про зміст, або навіть перейти до конкретних тайм‑кодів.
🛒 Купуєте щось дороге?
Правда ж, часто це болісно — десятки відгуків, години на YouTube, і в кінці ще більше сумнівів.
Comet переглядає десятки оглядів, порівнює параметри, читає форуми і видає стислий висновок: плюси, мінуси, альтернатива.
🏘 Шукаєте квартиру чи будинок?
Агент може щодня моніторити сайти нерухомості, враховуючи ваш бюджет, район і навіть побажання щодо ремонту — і надсилати лише релевантне.
💼 Робите конкурентний аналіз?
Задаєте: «Знайди останні новини про X, порівняй з конкурентами, додай посилання».
Отримуєте зведення з перевірених джерел і можливість копнути глибше.
👥 Що це означає для бізнесу?
Якщо у вас є продукт — ваш користувач може отримати агента, який обирає замість нього.
Ви більше не змагаєтесь за кліки — ви змагаєтесь за місце у висновку агента.
➡️ чи може ІІ‑асистент допомогти моїм клієнтам аналізувати це краще?
➡️ чи готовий мій контент бути прочитаним і переосмисленим штучним інтелектом?
➡️ чи я сам готовий делегувати частину рутини агенту?
📎 Висновок
Ми живемо в момент, коли інструмент для аналізу даних і прийняття рішень стає доступним кожному.
І якщо ви перші навчитесь із ним працювати — отримаєте перевагу, яка не в гігабайтах і не у швидкості,
а в здатності думати разом із ШІ.
✅ Став 👍 якщо було цікаво
🔔 ПІДПИСАТИСЯ
👍18❤4
🤖 OpenAI і Meta будують новий інтернет
Чули вже?
OpenAI та Meta (це ті, що ChatGPT і Facebook) більше не обмежуються просто чатботами.
Вони запускають нові фішки, які виглядають як майбутнє TikTok, Google і онлайн-шопінгу одночасно 🚀
🎥 Sora 2 — TikTok від ChatGPT
OpenAI Sora 2 — це застосунок у стилі TikTok, який дозволяє користувачам ділитися 10-секундними відео.
Користувачі можуть створювати власні зображення-аватари і навіть дозволяти іншим їх використовувати. Сам CEO OpenAI Сем Олтман дозволив використовувати свій образ — і спільнота миттєво почала створювати ролики, де він нібито краде GPU в Target.
❗️Після скарг правовласників компанія посилила обмеження на використання аніме-персонажів та іншого захищеного контенту.
📺 Vibes — Remix-Instagram від Meta
Meta Vibes дає змогу користувачам Facebook створювати нові кліпи або реміксувати наявні.
Теж генератор відео, але з іншим підходом:
тут ти не ставиш себе у відео, а завантажуєш картинку — і AI сам створює кліп, додає музику, стиль, кольори.
Використовувати Vibes можна через вкладку Meta AI або на сайті Vibes.
🧠 ChatGPT Pulse — розумний дайджест
Це персональний сервіс новин і продуктивності, який аналізує твої чати, листи, події календаря — і формує картки з новинами, нагадуваннями, порадами.
Щось на кшталт особистої стрічки, яка реально "в темі".
Поки доступно тільки для передплатників ChatGPT Pro, але OpenAI обіцяє пізніше зробити спрощену версію безкоштовною.
🛒 Instant Checkout — купуй прямо в чаті
Написав у ChatGPT: «Порадь подарунок дівчині на 14 лютого» — і одразу отримав не лише поради, а й кнопку «Купити».
Система інтегрована з Etsy та Shopify — і все це без виходу з чату.
Платежі обробляються через Agentic Commerce Protocol — це партнерство OpenAI зі Stripe, щось на кшталт Google Agent Payments Protocol.
OpenAI отримує комісію з продажів, але обіцяє, що це не впливає на об’єктивність рекомендацій.
💰 Як вони на цьому заробляють
Поки основним джерелом прибутку OpenAI залишаються підписки на ChatGPT (приблизно 80% виручки).
Але це лише мала частина з 700 мільйонів активних юзерів щотижня.
Нові продукти — це спроба монетизувати всіх інших:
— через корисні інструменти (Pulse),
— нові розваги (Sora, Vibes),
— і пряму комерцію (Instant Checkout).
🌍 Чому це важливо
Продукти на базі генеративного AI вже стали звичними, але все ще перебувають на ранній стадії.
Ми тільки починаємо бачити, як виглядатимуть сервіси майбутнього.
Pulse — це спроба створити персонального асистента, який не просто відповідає, а випереджає потреби.
Sora і Vibes — приклад того, як AI стає інструментом самовираження.
А ChatGPT як платформа для покупок — це новий рівень цифрової зручності, коли ти вже навіть не шукаєш сайтів.
Все це — елементи майбутнього, яке формується вже зараз.
✅ Став 👍, якщо було цікаво
🔔 ПІДПИСАТИСЯ
Чули вже?
OpenAI та Meta (це ті, що ChatGPT і Facebook) більше не обмежуються просто чатботами.
Вони запускають нові фішки, які виглядають як майбутнє TikTok, Google і онлайн-шопінгу одночасно 🚀
🎥 Sora 2 — TikTok від ChatGPT
OpenAI Sora 2 — це застосунок у стилі TikTok, який дозволяє користувачам ділитися 10-секундними відео.
Користувачі можуть створювати власні зображення-аватари і навіть дозволяти іншим їх використовувати. Сам CEO OpenAI Сем Олтман дозволив використовувати свій образ — і спільнота миттєво почала створювати ролики, де він нібито краде GPU в Target.
❗️Після скарг правовласників компанія посилила обмеження на використання аніме-персонажів та іншого захищеного контенту.
📺 Vibes — Remix-Instagram від Meta
Meta Vibes дає змогу користувачам Facebook створювати нові кліпи або реміксувати наявні.
Теж генератор відео, але з іншим підходом:
тут ти не ставиш себе у відео, а завантажуєш картинку — і AI сам створює кліп, додає музику, стиль, кольори.
Використовувати Vibes можна через вкладку Meta AI або на сайті Vibes.
🧠 ChatGPT Pulse — розумний дайджест
Це персональний сервіс новин і продуктивності, який аналізує твої чати, листи, події календаря — і формує картки з новинами, нагадуваннями, порадами.
Щось на кшталт особистої стрічки, яка реально "в темі".
Поки доступно тільки для передплатників ChatGPT Pro, але OpenAI обіцяє пізніше зробити спрощену версію безкоштовною.
🛒 Instant Checkout — купуй прямо в чаті
Написав у ChatGPT: «Порадь подарунок дівчині на 14 лютого» — і одразу отримав не лише поради, а й кнопку «Купити».
Система інтегрована з Etsy та Shopify — і все це без виходу з чату.
Платежі обробляються через Agentic Commerce Protocol — це партнерство OpenAI зі Stripe, щось на кшталт Google Agent Payments Protocol.
OpenAI отримує комісію з продажів, але обіцяє, що це не впливає на об’єктивність рекомендацій.
💰 Як вони на цьому заробляють
Поки основним джерелом прибутку OpenAI залишаються підписки на ChatGPT (приблизно 80% виручки).
Але це лише мала частина з 700 мільйонів активних юзерів щотижня.
Нові продукти — це спроба монетизувати всіх інших:
— через корисні інструменти (Pulse),
— нові розваги (Sora, Vibes),
— і пряму комерцію (Instant Checkout).
🌍 Чому це важливо
Продукти на базі генеративного AI вже стали звичними, але все ще перебувають на ранній стадії.
Ми тільки починаємо бачити, як виглядатимуть сервіси майбутнього.
Pulse — це спроба створити персонального асистента, який не просто відповідає, а випереджає потреби.
Sora і Vibes — приклад того, як AI стає інструментом самовираження.
А ChatGPT як платформа для покупок — це новий рівень цифрової зручності, коли ти вже навіть не шукаєш сайтів.
Все це — елементи майбутнього, яке формується вже зараз.
✅ Став 👍, якщо було цікаво
🔔 ПІДПИСАТИСЯ
👍13❤1
📌 Prompt тижня: 3-word rule
🎯 Хочеш, щоб ChatGPT відповідав точніше та звучав, як справжній експерт у темі?
Спробуй цей прийом із трьох слів, який радить Tom’s Guide 👇
👉 [Твій запит] + “like a teacher / like a coach / like a lawyer”
💡 Як це працює:
Модель підлаштовується під задану роль і відповідає у відповідному тоні — навчальному, порадницькому, офіційному чи аналітичному.
Це допомагає отримати відповідь «зі стилем» — так, ніби тобі відповідає фахівець.
🧠 Але важливо знати:
❗️“like a…” не завжди дає ефект.
Ось чому:
• Якщо запит занадто складний або перевантажений деталями — модель може «загубити» цю вказівку.
• Якщо ставиш “like a…” в кінці довгого запиту — GPT часто ігнорує роль.
• Якщо використовуєш цей прийом надто часто — ефект зменшується (модель «звикає»).
👉 Найкраще працює, коли фраза коротка і стоїть на початку запиту.
📎 Як застосувати:
1️⃣ Напиши короткий запит
2️⃣ Додай “like a teacher / coach / lawyer” залежно від стилю, який хочеш
3️⃣ Перевір результат і, за потреби, уточни роль
🧪 Приклади:
➡️ Просте, структуроване пояснення з прикладами
➡️ Мотиваційна структура з кроками дій
➡️ Формальна мова, точні формулювання і терміни
👨🏫 Завдання:
Спробуй цей метод двічі цього тижня — із різними «ролями».
Результат: ти отримаєш не просто відповідь, а стиль, який тобі підходить.
💬 Напиши в коментарях, який стиль (teacher, coach, lawyer тощо) спрацював для тебе найкраще.
Став 👍 якщо пост був корисним — щоб я бачив, що треба робити більше таких!
🔔 ПІДПИСАТИСЯ
🎯 Хочеш, щоб ChatGPT відповідав точніше та звучав, як справжній експерт у темі?
Спробуй цей прийом із трьох слів, який радить Tom’s Guide 👇
👉 [Твій запит] + “like a teacher / like a coach / like a lawyer”
💡 Як це працює:
Модель підлаштовується під задану роль і відповідає у відповідному тоні — навчальному, порадницькому, офіційному чи аналітичному.
Це допомагає отримати відповідь «зі стилем» — так, ніби тобі відповідає фахівець.
🧠 Але важливо знати:
❗️“like a…” не завжди дає ефект.
Ось чому:
• Якщо запит занадто складний або перевантажений деталями — модель може «загубити» цю вказівку.
• Якщо ставиш “like a…” в кінці довгого запиту — GPT часто ігнорує роль.
• Якщо використовуєш цей прийом надто часто — ефект зменшується (модель «звикає»).
👉 Найкраще працює, коли фраза коротка і стоїть на початку запиту.
📎 Як застосувати:
1️⃣ Напиши короткий запит
2️⃣ Додай “like a teacher / coach / lawyer” залежно від стилю, який хочеш
3️⃣ Перевір результат і, за потреби, уточни роль
🧪 Приклади:
Explain blockchain like a teacher ➡️ Просте, структуроване пояснення з прикладами
Plan my goals like a coach ➡️ Мотиваційна структура з кроками дій
Summarize this legal document like a lawyer ➡️ Формальна мова, точні формулювання і терміни
👨🏫 Завдання:
Спробуй цей метод двічі цього тижня — із різними «ролями».
Результат: ти отримаєш не просто відповідь, а стиль, який тобі підходить.
💬 Напиши в коментарях, який стиль (teacher, coach, lawyer тощо) спрацював для тебе найкраще.
Став 👍 якщо пост був корисним — щоб я бачив, що треба робити більше таких!
🔔 ПІДПИСАТИСЯ
👍13
📘 Agentic Design Patterns — must-read, якщо ти будуєш щось на базі LLM
Знайшов документ, який дійсно вартий уваги — і не тільки через те, що він зібрав 2 млн переглядів у LinkedIn.
Це гайд, який переходить від хаосу «LLM + chain of prompts» до системного мислення:
як проєктувати агентні системи з памʼяттю, довгостроковими цілями, плануванням, багатокроковим reasoning.
Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems
(Поки відкритий доступ, але його паперова версiя на amazon 55$)
Автор — один із практиків, який не просто розповідає, а будує агентні фреймворки в проді.
Цей документ — 406 сторінок практичних патернів, архітектур, рішень і пояснень.
Описано, як переходити від "LLM просто відповідає" → до повноцінних агентів із пам’яттю, самонавчанням, довготривалими цілями, багатокроковою логікою.
💡 Що всередині:
— дизайн-патерни для агентів (prompt router, goal planner, memory kernel, inter-agent comms, safety guardrails)
— приклади коду й архітектур
— патерни безпеки, мета-навчання, інтерфейси між агентами
— реальні проблеми й готові рішення
📌 Кому буде корисно:
— ML-інженерам, які будують інтерфейси до моделей
— Архітекторам, які хочуть спроєктувати агентну систему правильно
— Стартаперам, які шукають структурний підхід до побудови асистентів, планерів, агентів
— Тим, хто працює з LangChain, AutoGen, CrewAI, Semantic Kernel
🧠 Чим цей документ відрізняється:
✅ не просто «чейнінг промптів» — а повноцінні патерни (як у GOF), які описують поведінку, взаємодію, помилки, стратегії
✅ багато практики, не лише концепти
✅ окремі глави про безпеку, інтер-агентну комунікацію, самонавчання
⚡️ Автор передає 100% роялті на благодійність (Save the Children) — що тільки додає поваги.
🛠 Якщо будуєш щось на базі LLM — це must read.
І просто хороша основа, щоб не вигадувати велосипед.
✅ Став 👍, якщо було цікаво
🔔 ПІДПИСАТИСЯ
Знайшов документ, який дійсно вартий уваги — і не тільки через те, що він зібрав 2 млн переглядів у LinkedIn.
Це гайд, який переходить від хаосу «LLM + chain of prompts» до системного мислення:
як проєктувати агентні системи з памʼяттю, довгостроковими цілями, плануванням, багатокроковим reasoning.
Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems
(Поки відкритий доступ, але його паперова версiя на amazon 55$)
Автор — один із практиків, який не просто розповідає, а будує агентні фреймворки в проді.
Цей документ — 406 сторінок практичних патернів, архітектур, рішень і пояснень.
Описано, як переходити від "LLM просто відповідає" → до повноцінних агентів із пам’яттю, самонавчанням, довготривалими цілями, багатокроковою логікою.
💡 Що всередині:
— дизайн-патерни для агентів (prompt router, goal planner, memory kernel, inter-agent comms, safety guardrails)
— приклади коду й архітектур
— патерни безпеки, мета-навчання, інтерфейси між агентами
— реальні проблеми й готові рішення
📌 Кому буде корисно:
— ML-інженерам, які будують інтерфейси до моделей
— Архітекторам, які хочуть спроєктувати агентну систему правильно
— Стартаперам, які шукають структурний підхід до побудови асистентів, планерів, агентів
— Тим, хто працює з LangChain, AutoGen, CrewAI, Semantic Kernel
🧠 Чим цей документ відрізняється:
✅ не просто «чейнінг промптів» — а повноцінні патерни (як у GOF), які описують поведінку, взаємодію, помилки, стратегії
✅ багато практики, не лише концепти
✅ окремі глави про безпеку, інтер-агентну комунікацію, самонавчання
⚡️ Автор передає 100% роялті на благодійність (Save the Children) — що тільки додає поваги.
🛠 Якщо будуєш щось на базі LLM — це must read.
І просто хороша основа, щоб не вигадувати велосипед.
✅ Став 👍, якщо було цікаво
🔔 ПІДПИСАТИСЯ
👍14🔥4❤1
🔥 OpenAI кидає виклик Nvidia — з AMD та... 10% їхніх акцій?
Здається, в AI-світі намічається справжній двобій титанов.
І поки Nvidia тільки й встигає рахувати замовлення, OpenAI потискає руку її найбільшому супернику — AMD.
Угода, яку називають «нестандартною», виглядає як із фантастики:
🟡 OpenAI планує закупити GPU AMD на десятки мільярдів доларів
🟡 І отримає право купити до 10% акцій AMD… по $0.01 за штуку
(Ні, це не жарт. Один цент. Не за токен, а за акцію. Але тільки якщо ціна AMD виросте до $600.)
Це більше, ніж просто контракт. Це — стратегічна ставка на майбутнє AI.
Але тут багато хто скаже: «Почекай, а з якого це дива OpenAI раптом купує GPU не в Nvidia, а в AMD? Вони ж завжди позаду...» Справедливе питання. І тут починається найцікавіше 👇
📌 Так, Nvidia — беззаперечний король AI‑чипів, особливо для тренування моделей. Але їх потужніші моделі (типу H100 чи B200) — це дефіцитний товар, а черга за ними як за новим iPhone у 2010-х.
Саме тому OpenAI відчайдушно шукає альтернативи, щоб не залежати від одного постачальника. І тут на сцену виходить AMD.
🔥 AMD давно намагається увійти в AI-гру — ще з 2018 року, коли запустила свою лінійку Instinct. Їхні нові чипи серії MI300X і анонсовані MI450 уже мають конкурентні характеристики — особливо для inference (виконання моделей), де важлива не лише швидкість, а й великий обсяг відеопам’яті. У AMD з цим усе добре.
🧠 І ось що цікаво: OpenAI не просто купує чипи — вони ще й брали участь у розробці MI300X. Тобто вони реально «заточували» залізо під свої потреби. А це вже зовсім інший рівень партнерства.
🎁 І чому AMD віддає 10% себе «майже даром»? Це називається «грати у довгу». AMD чудово розуміє, що якщо OpenAI успішно розгорне тисячі їхніх GPU у нових датацентрах, це стане найкращою рекламою в історії. Інші гіганти — типу Meta, Microsoft чи Oracle — одразу почнуть розглядати AMD як реальну альтернативу Nvidia.
🧲 Тобто кожен GPU, який OpenAI поставить у свій датацентр, може «притягнути» ще десятки тисяч замовлень від інших.
🧾 В результаті:
✅ OpenAI отримує чипи (нарешті!)
✅ AMD отримує шанс вирватися з 5% ринку AI-прискорювачів і увірватись у першу лігу
✅ А ми отримуємо більше конкуренції на ринку inference = нижчі ціни, вища швидкість, менше монополій
📦 Що в коробці?
🔌 Потужності — на 6 гігават (це як 6 Сан-Франциско в розетці)
📦 Нові GPU серії Instinct MI450 — для inference, не тільки для тренування
🧠 OpenAI вже частково використовує AMD-чипи, а тепер ще й допомагала створити MI300X
🤝 Угода з AMD — не поодинока: OpenAI ще й будує гігантські датацентри з Oracle і SoftBank (пам’ятаєш Stargate? 🛰), уклала контракт з Broadcom на власні AI-чипи, домовилась із Samsung та SK Hynix на пам’ять.
Коротше — війна за обчислювальні ресурси почалась (ось ще про датацентри).
💸 Але є нюанс:
AMD фактично «дарує» 10% своїх акцій, в надії, що OpenAI приведе за собою нових клієнтів. А OpenAI вже й так по вуха в боргах, і будує датацентри, що потенційно коштуватимуть... трильйони доларів 🤯
⚡️ Чому це важливо?
Це знак: попит на inference зростає. І якщо ринок почне працювати не лише на тренування моделей, а на їх повсякденну роботу (чат-боти, агенти, API), то цінність швидких і дешевих GPU — злетить. І тут AMD може стати серйозним гравцем.
🎯 Висновок?
Nvidia — більше не єдиний монополіст.
OpenAI відкриває нові фронти, шукає альтернативи, і робить AI-доступ трохи менш вузьким місцем.
✅ Було цікаво?
Постав 👍 і підпишись на канал, щоб не пропускати глибокі аналітики про AI, чипи, моделі і великі грошові битви майбутнього.
Здається, в AI-світі намічається справжній двобій титанов.
І поки Nvidia тільки й встигає рахувати замовлення, OpenAI потискає руку її найбільшому супернику — AMD.
Угода, яку називають «нестандартною», виглядає як із фантастики:
🟡 OpenAI планує закупити GPU AMD на десятки мільярдів доларів
🟡 І отримає право купити до 10% акцій AMD… по $0.01 за штуку
(Ні, це не жарт. Один цент. Не за токен, а за акцію. Але тільки якщо ціна AMD виросте до $600.)
Це більше, ніж просто контракт. Це — стратегічна ставка на майбутнє AI.
Але тут багато хто скаже: «Почекай, а з якого це дива OpenAI раптом купує GPU не в Nvidia, а в AMD? Вони ж завжди позаду...» Справедливе питання. І тут починається найцікавіше 👇
📌 Так, Nvidia — беззаперечний король AI‑чипів, особливо для тренування моделей. Але їх потужніші моделі (типу H100 чи B200) — це дефіцитний товар, а черга за ними як за новим iPhone у 2010-х.
Саме тому OpenAI відчайдушно шукає альтернативи, щоб не залежати від одного постачальника. І тут на сцену виходить AMD.
🔥 AMD давно намагається увійти в AI-гру — ще з 2018 року, коли запустила свою лінійку Instinct. Їхні нові чипи серії MI300X і анонсовані MI450 уже мають конкурентні характеристики — особливо для inference (виконання моделей), де важлива не лише швидкість, а й великий обсяг відеопам’яті. У AMD з цим усе добре.
🧠 І ось що цікаво: OpenAI не просто купує чипи — вони ще й брали участь у розробці MI300X. Тобто вони реально «заточували» залізо під свої потреби. А це вже зовсім інший рівень партнерства.
🎁 І чому AMD віддає 10% себе «майже даром»? Це називається «грати у довгу». AMD чудово розуміє, що якщо OpenAI успішно розгорне тисячі їхніх GPU у нових датацентрах, це стане найкращою рекламою в історії. Інші гіганти — типу Meta, Microsoft чи Oracle — одразу почнуть розглядати AMD як реальну альтернативу Nvidia.
🧲 Тобто кожен GPU, який OpenAI поставить у свій датацентр, може «притягнути» ще десятки тисяч замовлень від інших.
🧾 В результаті:
✅ OpenAI отримує чипи (нарешті!)
✅ AMD отримує шанс вирватися з 5% ринку AI-прискорювачів і увірватись у першу лігу
✅ А ми отримуємо більше конкуренції на ринку inference = нижчі ціни, вища швидкість, менше монополій
📦 Що в коробці?
🔌 Потужності — на 6 гігават (це як 6 Сан-Франциско в розетці)
📦 Нові GPU серії Instinct MI450 — для inference, не тільки для тренування
🧠 OpenAI вже частково використовує AMD-чипи, а тепер ще й допомагала створити MI300X
🤝 Угода з AMD — не поодинока: OpenAI ще й будує гігантські датацентри з Oracle і SoftBank (пам’ятаєш Stargate? 🛰), уклала контракт з Broadcom на власні AI-чипи, домовилась із Samsung та SK Hynix на пам’ять.
Коротше — війна за обчислювальні ресурси почалась (ось ще про датацентри).
💸 Але є нюанс:
AMD фактично «дарує» 10% своїх акцій, в надії, що OpenAI приведе за собою нових клієнтів. А OpenAI вже й так по вуха в боргах, і будує датацентри, що потенційно коштуватимуть... трильйони доларів 🤯
⚡️ Чому це важливо?
Це знак: попит на inference зростає. І якщо ринок почне працювати не лише на тренування моделей, а на їх повсякденну роботу (чат-боти, агенти, API), то цінність швидких і дешевих GPU — злетить. І тут AMD може стати серйозним гравцем.
🎯 Висновок?
Nvidia — більше не єдиний монополіст.
OpenAI відкриває нові фронти, шукає альтернативи, і робить AI-доступ трохи менш вузьким місцем.
✅ Було цікаво?
Постав 👍 і підпишись на канал, щоб не пропускати глибокі аналітики про AI, чипи, моделі і великі грошові битви майбутнього.
👍22🔥2