🧠 @Startobus: Какие задачи решают с помощью ИИ в 2025 году? 📊 Согласно Visual Capitalist, ИИ активно используют для:

- Генерации контента (тексты, изображения, видео)
- Аналитики данных и бизнес-инсайтов
- Автоматизации задач (от рутинных до сложных)
- Персонализированного обучения и поддержки клиентов

От создания мемов до управления проектами — ИИ проникает повсюду! 🚀 Подробности и рейтинг: visualcapitalist.com #ИИ #Технологии #2025

🧠 @Startobus: Лайфхак для работы с ИИ в длинных тредах! 🧵 Когда обсуждение проекта переваливает за 100 постов, ветка в браузере может "весить" 1 ГБ, замедляя работу. Решение? Запускаю промпт "модератора дискуссии": ИИ собирает ключевые детали, факты и выводы в единую онтологию. Эту "закваску" переношу в новую ветку — и работа продолжается без тормозов!

🔥если нужно выложить этот промпт

🚀 #ИИ #Продуктивность #Лайфхаки

ИИ официально отбирает работу: Duolingo прекращают нанимать людей — большую часть задач компания с этого дня перекладывает на нейронки.

Искать живых работников будут только под проекты, с которыми не справляется ИИ. Текущих сотрудников переучат работать через чат-ботов и будут проверять эти навыки на ревью.

Ждем курс по промтингу от зеленой совы.

Снова про таблички: Airtable не отстаёт от тренда

Бета-версию релизнули полмесяца назад, а мы только заметили. Если раньше Airtable был просто отличной платформой для работы с данными, то теперь он стал ещё и хорошим помощником.

Данные: Может анализировать тысячи записей (звонки, контракты, заявки) и отвечать на бизнес-вопросы, как настоящий аналитик.
Документы: Сканирует и анализирует до 10 000 страниц документов (контракты, отчёты, счета) и выделяет нужную информацию, чтобы не тратил время на поиски.
Веб-исследования: Включаешь поля для постоянного поиска — и получаешь свежие данные и тренды прямо в таблице.

Как пример:
HR: Автоматически анализируешь резюме и классифицируешь.
Маркетинг: Создаёшь брифы для кампаний, отслеживаешь конкурентов.
Продукты: Анализируешь отзывы, следишь за прогрессом.

Он без кода, так что подойдёт всем + обещают безопасность, так что заливаем корпоротивные секреты (не рекомендация)

С 9 апреля открыли бетку и уже можно тестить.

#data@TochkiNadAI

🧠 @Startobus: Как превратить рутину в игру? 🎮 Девушка написала пост в LinkedIn как повторить магию Duolingo - но не для языков, а для повседневных задач! Она создала в Notion трекер привычек с напоминаниями, стриками и геймификацией: отмечает комментарии на LinkedIn, ответы на Reddit и любые личные дела. Всё синхронизируется с календарём - удобно и мотивирует не бросать начатое! Попробуйте внедрить такой подход и оцените, как меняется продуктивность 🚀

👍Голосуем кому такой ассистент не помешал бы? И не обязательно в Notion

Оригинальный пост девушки: https://www.linkedin.com/posts/solenerauturier_i-recreated-duolingos-habit-magic-in-notion-activity-7320367127322910720-41h3
PS Спасибо моему студенту бакалавриата Никите - за присланную новость,

Озвучиваем тексты за пару минут: Google добавили поддержку русского языка в Audio Overviews — инструмент для создания подкастов по любой теме.

Можно загрузить большой документ и попросить пересказать его. Есть Deep Research — проведет подробное исследование по теме и выдаст его в виде подкаста с двумя ведущими.

Пробуем через NotebookLM, достаточно загрузить источники и нажать на «Аудиопересказ». Нужен иностранный IP-адрес.

Xiaomi выложили свою открытую ИИ модель MiMo, которая обучена ризонингу с самого начала, с претрейнинга. Базовая модель там тоже есть, но по сути она только для того, чтобы показать разницу с RL-Zero моделью.

У меня много надежд что вот такие небольшие, но уже довольно умные модели скоро будут жить прямо в телефонах - это позволит делать совсем другие приложения

https://huggingface.co/XiaomiMiMo

17 тысяч промптов на все случаи жизни

Большой каталог с промптами, разделенный на категории.

Подойдет как для решения бытовых задач в духе «составить план тренировок у лучшего фитнес-тренера», так и для рабочих дел «написать текст или устроить мозговой штурм».

Ссылка на каталог: https://promptport.ai/

Telegram представил сверхзащищённые групповые звонки с поддержкой до 200 участников, работающие по технологии, аналогичной блокчейну. Обновление также позволяет автоматизировать бизнес-аккаунты с помощью ИИ-ботов и предлагает расширенные настройки подарков. Пользователи теперь могут оспаривать заморозку аккаунта прямо в приложении — блог

#Telegram

🧠 @Startobus: KREA хоронит Photoshop! 🪦 Нейронка — полноценный онлайн-редактор, и он лютый!

Что может:
• Макеты, арты, реклама — всё, что душа пожелает.
• Просто: кидаешь материалы на полотно, стрелочками показываешь, что делать.
• Figma и Illustrator отдыхают — часы возни в прошлом.
• Результат — топовые картинки, под капотом мощный генератор!

Пора тестировать! 🚀 #KREA #ИИ #Дизайн

Есть миф, который любят повторять начинающие предприниматели: «Главное — быть первым на рынке!». Мой опыт показывает, что первым быть интересно, иногда даже почётно, но всегда — опасно. Это как идти на минное поле без карты, пока другие наблюдают за тобой из бинокля с безопасного расстояния.

Кто такие первопроходцы на самом деле? Это — краш-тестеры рынка. Они вкладываются в популяризацию ниши, объясняют клиенту, зачем ему новый продукт, ломают голову над каналами маркетинга, ошибаются и… становятся удобным учебным материалом для тех, кто идёт следом.

Моя «Нетология» три года выковывала логику бизнес-модели, которая в итоге была ёмко выражена в броском слогане «Получи востребованную диджитал-профессию». Эта фраза родилась в моём кабинете на одном из брейнштормов в 2013 году. Сильно это помешало Skillbox, «Яндекс.Практикуму» или Skillfactory использовать и модель, и слоган, и другие наши находки? Нет.

Примеры из мировой практики: 

- Yahoo и AltaVista были первыми. А победил Google.

- Friendster и MySpace создали концепцию и базовую архитектуру соцсети. Но взлетел Facebook.

- Blackberry, Palm и даже Nokia первыми делали «умные телефоны». Но всё изменил iPhone.

Почему так происходит?

Потому что второй:

- уже знает, на что есть спрос;

- не тратит время и деньги на «объяснить, нахрена» клиенту;

- видит, что сработало у первого — и просто делает лучше, проще, быстрее;

- лишён балласта, которым обрастает любой стартап-первопроходец в виде избыточного программного кода, усталости ключевых людей, накопленных убеждений и т. п.

У пионера — эго. У копирующего — калькулятор. Пока один изобретает и творит, второй считает метрики. Первый хочет изменить мир, второй — забрать долю рынка. Пока ты валишься без сна, думая, как создать новый рынок, он спокойно копирует твою бизнес-модель, поднимает раунд и срезает ценник на 30%.

Короче, очень часто выигрывает не тот, кто изобрёл, а тот, кто доработал. Я называю это «дихотомией пионера».

- Необязательно стремиться быть первым. Но надо искать пути стать лучшим.

- Если видишь удачную модель и веришь в неё — копируй. Но с умом. Часто необходима довольно серьёзная адаптация под местный рынок, привычки пользователей, набор маркетинговых инструментов.

- Учись смотреть на рынок с точки зрения поиска правильного тайминга входа: не все окна открываются сразу. А некоторые — лучше приоткрыть чужими руками.

Пионеры часто умирают с флагом в руках. А про победителей пишут в бизнес-учебниках.

Означает ли это, что тебе ни в коем случае нельзя пытаться создавать новые бизнес-модели? Мой товарищ Оскар Хартман ответил бы «да» — в своих бизнесах он, как правило, воспроизводит уже доказавшие свою состоятельность модели. Мне же, несмотря на все описанные минусы и необходимость «обогревать космос», нравится заходить на новые неисследованные рынки. В задаче построить нечто абсолютно новое для меня настолько много энергии и азарта, что я готов принимать те дополнительные риски, которые она в себе содержит.

Подсмотрено: Максим Спиридонов

Появился ИИ-редактор видео Lens. Умеет быстро монтировать ролики и работать с моушн-дизайном.

Нейронка сама вырезает ненужные кадры, добавляет переходы, подписи и субтитры. Может даже сделать цветокоррекцию.

Встаем в очередь на тест по ссылке.

Два аспиранта без опыта в аудио за 3 месяца собрали нейросеть, которая генерирует речь лучше коммерческих сервисов!

Послушайте, как естественно она звучит и насколько точно следует указаниям вроде «со смехом» или «грустно». А ещё она создает целый диалог с несколькими голосами «за один проход» — быстрее и эффективнее конкурентов.

Мы уже привыкли, когда подобные модели анонсируют OpenAI, Google или Илон Маск. Эта нейросеть привлекла мое внимание именно создателями. Похоже, в сфере ИИ теперь такие мощные инструменты и так много публичных наработок, что пара умных ребят за месяцы смогут сделать то, на что раньше у богатых компаний уходили годы.

Наверное, наше время чем-то похоже на конец 19 века, когда в одной Америке было 1900 независимых автопроизводителей, и 1980-е, когда подростки собирали в гаражах персональные компьютеры.

—

Конкретно в сфере синтеза речи: нас ждут виртуальные дикторы и ведущие подкастов, которых не отличишь от живых. Ну и мошенникам, конечно, раздолье.

Модель открытая, работает даже на макбуках. Пока говорит только на английском. Примеры и сравнение с ведущими моделями, попробовать можно на hf, скачивать здесь.

В дополнение к посту о следующем майлстоуне — обучении LLM на актуальной учебной литературе — хочу обсудить конкретное проявление тренда: доменно-специфичные модели (DLLM).

DLLM могут стать самым заметным дизрапшном. По разным оценкам ежегодно выходит 2,8-3,3 млн новых научных статей — человек их не прочтёт, а копилот-модель сможет.

Вероятнее всего, в большинстве значимых областей появятся модели-эксперты, способные отвечать на вопросы по этой области, помогающие решать текущие задачи и дать человеку буст уровня x10 к текущей производительности. Можно будет иметь эксперта по современной физике, супер-интеллектуального помощника в области материаловедения, глубокого эксперта в software engineering, советника в медицине или сельском хозяйстве и так далее.

Между собой модели много чем будут отличаться — разные типы знаний, про многие из которых другим моделям знать не обязательно (физика твёрдого тела не требуется компилятору; медицинской модели не критично знание лицензий ПО), разные требования к лицензиям и безопасности, разные процедуры оценки качества и так далее. Будет и везде своя регуляторика, проверки и сертификации.

Нужна мультимодальность, но на более детальном уровне она будет разной — даже для картиночной модальности объекты будут сильно разными: 3D молекулы, медснимки, UML-диаграммы, фазовые графики — под каждую дисциплину своя суб-модальность.

Не думаю, что DLLM будут покрыты текущими производителями универсальных моделей. Их не хватит, чтобы глубоко копнуть во все эти области и заниматься постоянным обновлением и контролем качества. Но вероятно они предоставят хорошие базовые модели и инфраструктуру для их тюнинга и использования. А другие люди и организации, обладающие уникальными данными и экспертизой, будут DLLM создавать. Этот процесс, вероятно, придётся организовывать самим.

Важными измерениями здесь будут scale-диапазон (on-device → GPU-кластер), и открытая или закрытая (что и как ты контролируешь). В edge и on-device, думаю, будет особенно много интересного в ближайшие годы. Во многих местах надо уметь работать без интернета, особенно если это какой-то непрерывный техпроцесс.

Траектория с самостоятельным предобучением модели (уровня сотен миллиардов — триллионов токенов) останется для избранных и самых богатых, а совсем массовым сценарием будет адаптация базовой модели, в облаке или локально.

Данные по сути распадаются на три разных слоя:
1. Core corpus — стабилизированные источники (учебники, ГОСТы, review-статьи).
2. Dynamic feed — preprints, патенты, свежая пресса (auto-RAG-pipeline).
3. Telemetry (приватные логи и фидбек) — чтобы модель постепенно училась на контексте конкретной организации.

Особая ценность: способность держать эти слои в актуальном состоянии (а это уже SaaS-ниша под названием «DataOps for DLLM»). Core обновляется раз в квартал, Dynamic feed — ежедневный (или даже streaming) ingest препринтов и патентов через RAG-пайплайн, Telemetry — online fine-tuning / RLHF.

Отдельно поверх этих слоёв лежит слой комплаенса: для Core-корпуса важна лицензия, для Dynamic — проверка авторских прав, для Telemetry — GDPR/локальные законы.

Ну и в реальности это будет не просто DLLM, а агент с DLLM внутри, обвешанный специальными дополнительными инструкциями, тулами, да и другими агентами.

Большая тема — доменные бенчмарки, а может в пределе и сертификация. С одной стороны без бенчмарков доверия не будет, с другой стороны всё равно надо проверять на своих данных и задачах, так или иначе у каждой компании своя специфика и свои требования, и разные модели могут вести себя по-разному.

У DLLM профиль рисков отличается от общей модели — хорошая доменная модель ошибается реже, но цена ошибки выше: неправильная дозировка, некорректный отчёт. Отсюда — необходимость доменного аудита, traceable citations, где-то explainability. Вероятно, появится рынок независимого red-team-аудита, который регуляторы и страховщики будут учитывать при выводе модели в прод.