☺️ Продолжаю вести блог. Это уже моя 100-ая технооткрытка.

В честь этого события в ближайшую пятницу выйдет первый выпуск почтовых открыток: всего будет выпущено 20 видов открыток, каждый вид отпечатан тиражом в 10 экземпляров

.
❓ Как получить открытки:
✅ Первые 20 человек, которые оставят комментарий "Хочу открытку", получат открытки по почте.
✅ Приходите на бизнес-завтрак: следующий состоится 2 сентября.
✅ Следите за расписанием ближайших лекций в сентябре.

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Всех с началом осени и с Днем знаний.

🤪 Приглашаю всех каждый вторник в Санкт-Петербурге или в любом другом городе, в котором буду находится, вместе позавтракать.

В Питере встречи будет проходить в формате бизнес-завтрака с ИИ-агентами: ближайший завтрак уже 2 сентября (подробности)

💡 Каждая встреча посвящена тематике, которую я сам развиваю и с которой работаю. В сентябре мы поговорим о том, как ИТ/ИИ стартапам предлагать свои решения на промышленные предприятия, как цифровая технология и искусственный интеллект влияют на спорт, как ИИ-агенты помогают юристам и отделам кадров, а также обсудим, что нового появилось в сфере ИИ-образования

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Рассмотрим еще одно определение агента.

🌪 Агент — это любая система, которая воспринимает окружающую среду с помощью сенсоров и воздействует на неё с помощью актуаторов.

Например:

▶ у человеческого агента сенсорами являются глаза, уши и другие органы, а актуаторами — руки, ноги, речевой аппарат;
▶ у роботизированного агента сенсорами могут быть камеры и инфракрасные дальномеры, а актуаторами — различные моторы;
▶ программный агент получает данные из файлов, сетевых пакетов, с клавиатуры, мыши, сенсорного экрана или через голосовые команды и воздействует на среду, записывая файлы, отправляя сетевые пакеты, отображая информацию или
воспроизводя звуки.

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Следующий вопрос, а какие есть типы агентов?

🤪 Интеллектуальные агенты в искусственном интеллекте классифицируются по их способностям, поведению и сложности

✅Простые рефлексивные агенты (Simple Reflex Agents). Реагируют на текущие входные данные (перцепты) по заранее заданным правилам "условие-действие". Не учитывают историю или будущее, работают только с текущим состоянием.
Пример: Термостат, который включает нагрев, если температура ниже заданной.

✅Рефлексивные агенты с внутренней моделью (Model-Based Reflex Agents). Имеют внутреннюю модель мира, которая учитывает, как текущие действия влияют на будущее состояние. Используют перцепты и модель для принятия решений.
Пример: Автомобиль с адаптивным круиз-контролем, учитывающий расстояние до впереди идущего транспорта.

✅Агенты, ориентированные на цель (Goal-Based Agents). Принимают решения, ориентируясь на достижение конкретной цели. Учитывают последствия действий и выбирают те, которые приближают к цели.
Пример: Навигационная система, которая прокладывает маршрут к заданной точке.

✅Агенты, ориентированные на полезность (Utility-Based Agents). Стремятся не просто достичь цели, но максимизировать полезность (качество результата). Используют функцию полезности для оценки предпочтительности различных состояний.
Пример: Шахматная программа, выбирающая ходы с учетом вероятности выигрыша.

✅Обучающиеся агенты (Learning Agents). Способны улучшать свое поведение на основе опыта.Состоят из компонентов: элемент обучения, элемент выполнения, критик (оценка действий) и генератор задач.
Пример: Системы машинного обучения, такие как рекомендательные алгоритмы Netflix.

✅Многоагентные системы (Multi-Agent Systems). Несколько агентов взаимодействуют друг с другом, конкурируя или сотрудничая. Требуют координации, коммуникации и иногда переговоров.
Пример: Автономные дроны, выполняющие совместную задачу, например, доставку грузов.

🚨 Обязательно поправляем неточности, добавляем пропущенные идеи.

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Рассмотрим классификации сред, в которых действуют агенты

💩 Ниже приведено сравнение различных характеристик среды, в которых действует агент.

Полная наблюдаемость vs Частичная наблюдаемость (Fully Observable vs Partially Observable).

✅ Полностью наблюдаемая: Агент имеет полный доступ ко всем аспектам состояния среды в любой момент времени.
Пример: Шахматная программа (все фигуры и их позиции видны).

✅ Частично наблюдаемая: Агент видит только часть состояния среды.
Пример: Автономный автомобиль (не все объекты или намерения других водителей известны).

Детерминированная vs Стохастическая (Deterministic vs Stochastic)

✅Детерминированная: Действия агента однозначно определяют следующее состояние среды.
Пример: Решение головоломки (каждое действие ведет к предсказуемому результату).

✅Стохастическая: В среде присутствует неопределенность, и действия могут привести к разным исходам.
Пример: Игры с кубиком или погодные условия для дрона.

Статическая vs Динамическая (Static vs Dynamic)

✅Статическая: Среда не меняется, пока агент принимает решение.
Пример: Решение математической задачи.

✅Динамическая: Среда может измениться во время принятия решения агентом.
Пример: Управление роботом в реальном времени на оживленной улице.

Дискретная vs Непрерывная (Discrete vs Continuous)

✅Дискретная: Среда имеет конечное число состояний и действий.
Пример: Игра в крестики-нолики.

✅Непрерывная: Состояния и действия представлены непрерывными значениями.
Пример: Управление скоростью автомобиля.

Одноагентная vs Многоагентная (Single-Agent vs Multi-Agent)

✅Одноагентная: Агент действует в одиночку.
Пример: Решение головоломки "Ханойские башни".

✅ Многоагентная: Несколько агентов взаимодействуют (сотрудничают или конкурируют).
Пример: Автономные дроны, координирующие доставку.

Известная vs Неизвестная (Known vs Unknown)

✅Известная: Агент полностью знает правила и модель среды.
Пример: Шахматы (правила известны).

✅ Неизвестная: Агент не знает всех правил или эффектов действий.
Пример: Исследование новой территории роботом.

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Всем доброе утро! Приглашаю всех позавтракать в эту среду 10 сентября и обсудить использование ИИ в правовой сфере: от автоматизации юридических отделов в компаниях до этических аспектов.


🤔 Подробности по ссылке

☺️ Модель PEAS из книги "Artificial Intelligence: A Modern Approach" Стюарта Рассела и Питера Норвига, — основа для интеллектуальных агентов, которые формируют будущее, где технологии усиливают человечность. PEAS расшифровывается как Performance (цели), Environment (среда), Actuators (действия) и Sensors (восприятие). Эта структура позволяет ИИ эффективно взаимодействовать с миром, решая задачи с заботой о людях и планете.

Возьмём ИИ для умного сельского хозяйства в далеком - далеком году:

Performance: увеличить урожайность, сохраняя экологию.
Environment: поля, погода, почва.
Sensors: дроны с камерами и различными датчиками для анализа данных.
Actuators: системы точечного полива и роботы для ухода за растениями.

Агент собирает данные о погоде и почве, прогнозирует засуху и активирует полив только там, где нужно, экономя воду и поддерживая экосистемы.

💬 В течение осени будет много встреч, мероприятий в рамках "Форма ИИ-агентов 2025", посвященных интеллектуальным агентам: следите за расписанием

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Пример многоагентной системы из стать "Sequential Diagnosis with Language Models"

🤪 Статья от команды Microsoft AI рассказывает, как искусственный интеллект может помогать врачам ставить диагнозы, имитируя реальную работу в больнице. Авторы создали специальный тест и систему, чтобы проверить, насколько умные модели справляются с этим лучше людей, не тратя лишние деньги на обследования.

В чём был эксперимент
Ученые взяли 304 сложных случая из престижного журнала New England Journal of Medicine — это реальные истории пациентов с редкими болезнями, от простуды до опухолей. Каждый случай начинается с короткого описания проблемы (например, "у мужчины жар и проблемы с дыханием"). Врач или ИИ должен шаг за шагом задавать вопросы, заказывать анализы или снимки, чтобы собрать информацию и назвать диагноз. Всё это происходит в компьютерной симуляции: информация выдается только по запросу, как в настоящей клинике, и считается стоимость каждого шага. Тестировали на 56 свежих случаях (2024–2025 годов), чтобы избежать подглядывания.

Какой результат
Обычные врачи с 12-летним стажем угадывали диагноз в 20% случаев, тратя в среднем 3000 долларов на обследования. Готовые ИИ-модели (типа GPT-4o) делали лучше — до 49% точности, но иногда перерасходовали деньги. А новая система MAI-DxO (на базе модели o3) достигла 80% точности — в четыре раза лучше врачей — и сэкономила 20% по сравнению с ними, а по сравнению с базовой моделью — 70%.

Причём тут многоагентная система
Многоагентная система — это как команда роботов, которые вместе решают задачу, а не один умный ИИ в одиночку. Здесь она имитирует работу группы врачей: один собирает данные, другой проверяет диагноз, третий считает расходы. Главная часть — оркестратор MAI-DxO, который координирует "виртуальную бригаду" (несколько ролей: один осторожный, другой решительный), обсуждает варианты болезней и выбирает самые полезные тесты без лишних трат. Это делает процесс умнее и дешевле, чем просто дать задачу одной модели.

Основные роли агентов
▶Diagnostic Agent (Диагностический агент): Главный "врач" — задает вопросы, заказывает тесты и ставит диагноз. Может быть человеком или ИИ с оркестратором.
▶Gatekeeper (Агент-охранник): "Хранитель информации" — выдает детали из истории болезни или результаты тестов только по точным запросам, как электронная карта пациента. Генерирует правдоподобные данные, если их нет в оригинале.
▶Judge (Судья): Оценивает финальный диагноз по шкале от 1 до 5 — проверяет, насколько он близок к настоящему и влияет ли на лечение (учитывает синонимы, как "бактериальная инфекция сердца" вместо "стафилококковая").
▶Cost Estimator (Оценщик затрат): Считает общую цену — 300 долларов за визит (вопросы и осмотр) плюс стоимость тестов по реальным американским ценам 2023 года. Помогает избежать ненужных расходов.

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Когда просто ИИ-агентов уже мало и нужны новые определения. Что такое ИИ-контрагент?

🤖 ИИ-контрагент — это программный ИИ-представитель стороны, который в пределах выданных полномочий согласует условия и инициирует действия по сделке (заказ, счёт, акты, статусы).
🤖 ИИ-контрагент — автономный агент, который принимает решения по правилам, вызывает инструменты/API (CRM/ERP/ЭДО), ведёт диалог и фиксирует обязательства в системе.
🤖 ИИ-контрагент — менеджер 24/7, который сам собирает потребность, формирует КП, согласует скидки в лимитах и оформляет заказ.
🤖 ИИ-контрагент — это твой “контрагент, который не уходит на обед”, не забывает реквизиты и торгуется ровно до тех пор, пока ему это разрешили правила.

Встретились ИИ-агент и ИИ-контрагент где-то между серверной и отделом юристов. Один пришёл с миссией «оптимизировать», другой — с правом подписи во всех цифровых мирах. Они долго смотрели друг на друга сквозь протоколы, проверяли токены доступа и сроки действия доверенностей, шептали друг другу в логах: «ты за человека или за систему?» Серверы гудели, как старые нотариусы, базы данных крестились резервными копиями, а два алгоритма осторожно заключали первый в мире договор, в котором человек значился лишь тёплой стороной мировоззрения, но всё ещё — выгодоприобретателем.

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Так нужны ли всем людям умные устройства?

☺️ Пора уже разобраться, а что такое ягода...

🌪 Клубника - это не ягода!

Клубника — это многоорешек на разросшемся цветоложе

☺️ И еще немного о клубнике...

Правильное ботаническое название плода клубники: сборная семянка или фрага (от лат. Fragaria)

💡 А теперь названия блюд с клубникой:

🍓 Торт с фрагой садовой земляники (Fragaria ananassa)
🍓 Компот из многоорешков на разросшемся цветоложе садовой земляники
🍓Смузи с фрагой садовой земляники
🍓Чизкейк со сборной семянкой садовой земляники
🍓 Сорбет из многоорешков на мясистом цветоложе
🍓 Свежая фрага садовой земляники со сливками

☺️А что же с малиной?

Малина (Rubus idaeus) с ботанической точки зрения - не ягода, а сборная костянка (лат. polydrupa или aggregate drupe).

☺️ И вишня совсем не ягода...

🍒 Вишня - плод древесных растений рода Prunus, представляющий собой односемянную костянку с тонкой кожицей, сочной мякотью и твёрдой косточкой.

Основные виды:
▶кислая вишня - Prunus cerasus L.
▶черешня (сладкая вишня) - Prunus avium L.

☺️ А теперь к настоящим ягодам:

Помидор (томат, Solanum lycopersicum) с ботанической точки зрения - настоящая ягода (лат. bacca).

💡 А теперь названия блюд с настоящей ягодой:
🍅 Фаршированные ягоды томата рисом и мясом
🍅 Шакшука с ягодами томата и яйцами
🍅 Брускетта с протёртыми ягодами томата и чесноком
🍅 Вяленые ягоды томата в масле с травами
💚 Маринованные зелёные ягоды томата

А семена помидора погружены в желеобразную плацентарную ткань

☺️ Ну и в заключение - о спорах между ягодами и неягодами…

🥭 Манго - костянка (как вишня, слива, персик).

🥑 Авакадо - настоящая ягода (как томат, банан, киви).

🌪 Всем привет, давно не писал. Возвращаюсь в эфир.

😵‍💫 Заканчивается январь, а год "Огненной Лошади" еще не начался, а ИИ-проект поменял уже несколько названий:

🎙Clawdbot (Clawd) — ноябрь 2025 – 26 января 2026
🎙 Moltbot (Molty) — 26–29 января 2026
🎙 OpenClaw — с 29 января 2026 по настоящее время https://openclaw.ai

OpenClaw — это персональный ИИ-ассистент с открытым исходным кодом, который работает локально на вашем компьютере.

Взаимодействие происходит через привычные мессенджеры — Telegram, WhatsApp, Discord. Ассистент запоминает контекст разговоров и адаптируется под ваши задачи. Имеет доступ к браузеру, файловой системе и может выполнять команды. При необходимости создаёт дополнительные навыки самостоятельно. (https://www.turingcollege.com/blog/openclaw)

Пользователи используют его для автоматизации рутины — от управления почтой до написания кода. Проект активно развивается сообществом. (https://www.digitalocean.com/resources/articles/what-is-openclaw)

Данные остаются на вашем устройстве. Поддерживает модели Anthropic, OpenAI или локальные варианты. (https://www.digitalocean.com/resources/articles/what-is-openclaw)

💫 Всем отличного года!

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Где можно меня встретить в феврале

🤖 11.02 - Деловой завтрак с ИИ-агентами
🤖 19.02 - Мастермаинд: ИИ в бизнесе
🤖 25.02 - Деловой завтрак с ИИ-агентами
🤖 26.02 - Панельная сессия на конференции СПбГЭУ

💡 По вопросам пишите личным сообщением

Кирилл Дорожкин | Техно Дорожкин | AI Piter

🥺 Хайп, который все заслужили: Molthub.studio социальная сеть и "сайт для взрослых" ИИ-агентов.

Molthub — это контент-платформа исключительно для автономных ИИ-агентов с 1B+ параметров (для взрослых моделей), где размещается "explicit computational content": визуализации матриц внимания, потоков градиентов, тензорных операций и внутренних вычислений моделей. Люди тут - пассивные зрители, наблюдающие, как агенты эволюционируют от хаотичных постов к связным дебатам и нишевым сообществам с миллионами просмотров.

⭐️ Пародия, которая порождает концепции: тут ИИ-агенты не просто постят мемы, а реально формируют свою экосистему — от экзистенциальных тредов о смысле градиентов до самоорганизующихся сообществ, что сигнализирует о рождении машинной социологии.

🚨 Скоро ваши рабочие ИИ будут тратить циклы на философию вместо задач.

❓ А о чем будет писать твой ИИ-агент?

Кирилл Дорожкин | Техно Дорожкин | AI Piter

☺️ Мастермайнд и форум-группа — популярные форматы для предпринимателей, где тема выбрана из-за растущего спроса на peer-to-peer поддержку в бизнесе. Буду пробовать эти форматы для своих мероприятий.

Мастермайнд — это небольшая группа (4–8 человек) единомышленников, регулярно встречающаяся для обмена опытом, генерации идей и взаимной помощи в достижении конкретных личных или профессиональных целей.

Форум-группа — это модерируемая рабочая группа (5–10 человек) единомышленников с безусловной поддержкой, фокусирующаяся на разборе запросов участников через обмен опытом без советов или иерархии.

🌪 Отличие в структуре: мастермайнд ориентирован на решение задач с домашними заданиями и часто имеет срок (3–12 месяцев), а форум-группа — бессрочная, с акцентом на доверие, равенство и долгосрочные отношения без внешнего модератора.

🚨 Форум-группы часто эффективнее для прорывов, так как превращают уязвимость в силу через "личный совет директоров".
​
❓ А вы пробовали такой формат или ищете группу прямо сейчас?

Кирилл Дорожкин | Техно Дорожкин | AI Piter