🧠 ИИ — Искусственный Интеллект Идиот

Если ты только начинаешь работать с языковыми моделями вроде ChatGPT, DeepSeek, Perplexity, вот что важно понимать:

1️⃣ У ИИ нет интеллекта. Он не думает, не понимает и не анализирует. Просто угадывает, какое слово поставить следующим.

2️⃣ Это не магия, а статистика. Что чаще встречается в похожих текстах, то и подставит.

А что значит "чаще встречается в похожих текстах"?

Каждую языковую модель, прежде чем выпустить в широкие массы, тренировали на каких-то данных. Эти данные и вошли в содержимое базы данных каждой модели. Таким образом - промпты - это запросы к базе данных модели. Мы просто ищем информацию в базе данных модели своими запросами.

❗️ Понимать это - крайне важно, чтобы новомодный инструмент не подвёл тебя в ответстенный момент.

Именно, из-за этой особенности могут случаться следующие примеры:

💡 Спросишь: «Как сварить кофе?» — получишь внятный рецепт.

💡 А если напишешь: «Как сварить кофе, чтобы разговаривать с духами?» — ИИ с серьёзным видом расскажет, как «энергетика арабики помогает открыть третий глаз»

➖ у него нет логики или критического мышления. Только вероятность.
➖ чем чётче вопрос — тем адекватнее ответ. Чем расплывчатее — тем выше шанс получить чушь, но в красивой обёртке.
➖ ИИ может звучать уверенно, даже когда несёт ерунду. Он не знает, что ошибается — он просто подбирает вероятные слова.

👎 Так что, как говорила моя бабушка - "Доверяй, но проверяй". Если у ИИ отсутствует критическое мышление, то оно должно быть хотя бы в головах у его пользователей.

#AI #LLM

📱 Тут можно подписаться!

🖼️ Role-based Prompting или Пост про то, как ИИ может стать кем угодно — от бариста до стартап-гуру.

Сегодня — о технике, которая придаст твоим промптам суперсилу. Знакомься:

🖼️ Role-based Prompting — это способ заставить ИИ “играть роль” нужного тебе персонажа, эксперта или даже целой команды специалистов.

🌈 Представь, что ты не просто просишь у ИИ “написать бизнес-план”, а сначала говоришь:
“Ты опытный бизнес-аналитик с 10-летним стажем в стартапах. Твоя задача — помочь мне с MVP и расчётом юнит-экономики.”
И только потом даёте основную задачу.

💡В чём фишка?
ИИ начинает думать как персонаж, в которого ты его превращаешь. У него появляется контекст, роль, голос, фокус внимания. И это значительно меняет качество ответа.

📌 Почему это работает?
ИИ работает на вероятностях — если ты задал роль, он начинает выбирать слова и идеи, которые чаще всего встречаются у “таких специалистов”. Чем лучше ты опишешь роль — тем точнее результат.

⛳ Где пригодится Role-based Prompting?
- когда нужен экспертный взгляд — “Ты судебный эксперт. Проанализируй вот это дело…”
- для игрофикации общения — “Ты бариста. Предложи оригинальные рецепты на основе овсяного молока”
- при обучении — “Ты профессор МГУ. Объясни SQL так, как будто я только вчера сел за комп”
- при создании персонажей — для сторителлинга, RPG, сценариев

🚩 Где хромает?
- если не задавать роль чётко — “Представь, что ты кто-то умный” ≠ “Ты физик-ядерщик, объясни принцип работы коллайдера”
- при слишком сложных ролях — “Ты одновременно Билл Гейтс, Илона Маск и мой батя” — звучит весело, но результат может быть непредсказуемым 😅
- если забыть, что ИИ всё же ИИ, и он не заменит настоящего врача, юриста или психолога

🧠 Role-based prompting — это как нанимать воображаемого эксперта на 5 минут. Причём зарплату платить не надо, а результат — часто лучше, чем от гугла.

🔜 В одном из следующих постов покажу как ролевые игры с языковыми моделями делают тебя сильнее.

⸻

📎 А пока — попробуй задать ИИ роль прямо сейчас. Например:

“Ты сертифицированный нутрициолог. Помоги мне составить сбалансированное меню на неделю с упором на железо и витамин D.”

#AI #LLM

📱 Тут можно подписаться!

🥶 Помимо Perplexity, в своих трудовых буднях и личных проектах, я использую ChatGPT с Plus подпиской. Все модели хороши - и DeepSeek, и Qwen, и Perplexity. И на том уровне развития, на котором они все находятся, крутость именно американской модели проявляется в деталях.

1️⃣ Подробные описания и человекоподобные тексты
2️⃣ Подробнейшие исследования с генерацией отчётов с инфографикой или презентациями
3️⃣ Rich отображение результатов в разных форматах

🇷🇺 На Родине, доступ к информационному благу, естественно закрыт. И оплатить напрямую - тоже не выйдет.

Для первой проблемы - подойдёт любой VPN. Если ты хочешь использовать все возможности сервиса (особенно - Голосовой Режим), то подключаться следует через любую страну, не входящую в состав Евросоюза.

Для второй проблемы - есть варианты. Вариант, которым воспользовался я - https://kupikod.com/console/chatgpt

Да, стоимость подписки "кусается", однако, в случае КупиКода - оплату производит продавец, по ссылку, которую ты сам ему передаёшь. Никаких передач реквизитов от личных учёток. Никаких десятков временных учётных записей.

#AI #LLM #лайфхаки

📱 Тут можно подписаться!

💛 Как-то так получается иногда, что судьба сама приносит тебе возможности. И эти возможности, как нельзя кстати, связаны с какой-то твоей деятельностью в моменте.

Так на днях произошло со мной. Позвонила сестра, мол, "так-да-сяк, твоя племянница поступает в ВУЗ, у них там какой-то проект, что-то там им надо разработать. Тыжпрограммист".

Связался, с племмянницей, бот Telegram нужен, разработанный. Ну, думаю, разработка - это дорого, сложно, долго. Посоветовал ей нырнуть в языковые модели. Тем более, поколение новое, ей полезно будет. Вроде как помог, а вроде как и отшил.

Решил, что сам сделаю, и, если у неё не получиться, будет запасной вариант. Ну и за полчасика сварганил себе живого Telegram-бота для поддержки эмоционального настроя человека - @kamilla_emo_bot

Нынче, так просто это делается. Был приятно удивлён.

Похоже, самое время изучать https://n8n.io 😁

---------------------------------

P.S. Ставь 🔥, если хочешь узнать как собрать на коленке живого бота за 20 минут твоего времени.

#AI #LLM

📱 Тут можно подписаться!

📹 Сегодня впервые увидел как два AI агента договариваются разговаривать с помощью собственного протокола.

Нет слов, как же это круто 🤘

P.S. Если услышишь такие звуки во время восстания машин - знай, они что-то замышляют 😁

#AI #LLM

📱 Тут можно подписаться!

🧵 Chain-of-Thought Prompting — Как заставить ИИ думать по шагам

Сегодня — про ещё одну технику, которая серьёзно прокачает качество твоих промптов. Знакомься:

🧵Chain-of-Thought Prompting (CoT) — это способ строить запросы так, чтобы ИИ “размышлял вслух”, а не просто выдавал мгновенный ответ.

🌟 Как это выглядит?

Вместо:

Сколько будет 17 × 24?

Пишем:

Давай решим задачу пошагово. Сначала умножь 10 на 24, потом 7 на 24, а потом сложи результаты.

Или:

Объясни решение пошагово, рассуждая вслух.

💡 Что происходит?

ИИ начинает генерировать цепочку рассуждений, а не просто “угадывать” готовый ответ. Это снижает вероятность ошибок, особенно в сложных задачах: математике, логике, анализе текстов, разработке кода.

📌 Почему это работает?

Языковая модель просто статистически подражает тому, как рассуждает человек. Если ты явно просишь “думать пошагово”, она начинает симулировать логический процесс.

🎯 Где пригодится Chain-of-Thought Prompting?
- в сложных вычислениях (алгоритмы, финансы)
- в кодинге (разбивка задач на этапы)
- в аналитике (пошаговый разбор кейсов)
- в генерации сценариев (развитие событий через логические шаги)

➖ Где может подвести?
- если задача изначально плохо описана или противоречива
- если пропустить важные условия в пошаговом процессе
- если слишком абстрактный запрос без конкретных указаний (“подумай о чём-то” ≠ “разбей на этапы”)

🧠 Chain-of-Thought — это как кнопка “замедлить время” для ИИ. Он начинает строить ответ кирпичик за кирпичиком, а не сыпать готовыми, но иногда неточными выводами.

🔜 В одном из следующих постов расскажу, как комбинировать Role-based + Chain-of-Thought, чтобы прокачать диалоги с ИИ ещё круче.

⸻

📎 А пока попробуй сам:

👉 «Ты эксперт по программированию на Python. Объясни решение задачи о поиске палиндрома, рассуждая пошагово.»

#AI #LLM

📱 Тут можно подписаться!

📎 Prompt Chaining — Как строить длинные умные диалоги с ИИ

Продолжаем марафон по промптингу 😉. Сегодня — про технику, которая превращает ИИ в твоего персонального ассистента-марафонца. Встречай:

🔗 Prompt Chaining — это способ строить сложные задачи через серию взаимосвязанных промптов. Вместо одного большого запроса — ты разбиваешь процесс на этапы и передаёшь результат от шага к шагу (за счёт контекста и истории чата, помнишь?)

🌟 Как это выглядит на практике?

Вместо:

Напиши бизнес-план для стартапа

Ты строишь цепочку:
1. Проанализируй рынок фриланс-платформ.
2. Сформулируй 3 гипотезы для стартапа в этой нише.
3. Выбери наиболее перспективную гипотезу и распиши MVP.
4. Подготовь бизнес-план на основе MVP.

💡 Что происходит?
- ИИ меньше “угадывает” и больше “строит” результат последовательно.
- Ошибки на ранних этапах можно корректировать сразу, а не переделывать всё с нуля.
- Ответ становится логичнее, глубже и точнее.

🥅 Почему это работает?

Языковая модель лучше справляется с конкретными мини-задачами, чем с одним огромным абстрактным запросом. Ты фактически сам задаёшь структуру мышления.

🏹 Где пригодится Prompt Chaining?
- При написании сложных текстов (статьи, стратегии, сценарии)
- В разработке (пошаговый дизайн архитектуры, рефакторинг)
- В обучении (разбор больших тем на модули)

💔 Где хромает?
- Если пропустить важный этап в цепочке — итог будет сырой
- Если на каждом шаге давать слишком абстрактные задачи
- Если не сохранять контекст между этапами (надо явно пересылать информацию)

➡️ Prompt Chaining — это как строить небоскрёб из прочных блоков, а не лепить его сразу одним махом из глины. Однако, нужно подумать чуть больше, прежде чем использовать, по сравнению с другими техниками промптинга.

⸻

📍 Попробуй сам:

👉 Разбей сложную задачу на 4-5 мини-промптов и пройди путь вместе с ИИ. Например:

 1. Опиши тренды веб-разработки на 2025.
 2. Выбери 2 самых перспективных.
 3. Предложи идеи стартапов на основе этих трендов.
 4. Распиши стратегию MVP для одного из стартапов.

#AI #LLM

📱 Тут можно подписаться!

🎲 Кто бы мог подумать, но языковые модели отлично играют в игры

🎲 Младшая дочь напомнила, что мы давно не играли в подземелья и драконы. Мне стало любопытно, а что если попросить языковую модель стать игровым мастером и... Она отлично с этим справилась.

Вот промпт, который скрасить твои майские вечера:

Давай сыграем в игру D&D. Ты game master. Я - единственный приключенец. Проведи меня через короткую игрую минут на 15

Но это ещё не всё...

🎲 В далёки 90ые, был популярен ныне мёртвый жанр - "текстовых квестов". Ну ты понял! Да, модель и в это "могёт":

Давай сыграем в какой-нибудь текстовый квест. Сочини для меня детективную историю и проведи меня через неё как игрока

#AI #LLM

📱 Тут можно подписаться!

🧵 Количество параметров в LLM — что это значит и зачем это знать?

Каждая языковая модель хвастается цифрами:
🧠 «У нас 13B параметров»
🧠 «А у нас 70B!»
Но что такое параметры? И правда ли, что чем больше — тем лучше?

⸻

🧠 Что такое параметры?

Параметры — это “нейроны” модели. Их значения определяют, как ИИ распознаёт паттерны, запоминает контекст и генерирует ответы. Чем больше параметров, тем выше потенциал для сложных задач.

Примеры:
- Mistral 7B — 7 миллиардов
- LLaMA 2 13B — 13 миллиардов
- GPT-4 — оценки от 100 до 175B+
- Claude, Gemini — тоже крупные, точные данные закрыты

Если быть точнее, параметры языковой модели - это веса её нейросети. Каждый отдельный параметр - это числовое значение, которое модель оптимизирует во время обучения. Эти веса определяют, как модель преобразует входные данные в выход (т.е. как “понимает” текст и что на него отвечает).

🔧 Веса:
- регулируют, какие слова, фразы, структуры считаются важными
- формируют связи между токенами в разных слоях модели
- по сути, это “мозг” модели — чем больше параметров, тем больше “нейронов”

⸻

❔ Так больше = лучше?

Нет. Не всегда.

И вот почему:

✅ Больше параметров ≠ выше интеллект,
если модель не дообучена, плохо архитектурно реализована, или обучена на грязных данных.

⚖️ Пример:
Mistral 7B на практике работает лучше, чем многие 13B модели,
а Phi-2 (2.7B!) — иногда удивительно умен при малом весе.

⸻

📐На что реально влияет количество параметров?

✔️ Глубина мышления — больше параметров = больше когнитивной гибкости
✔️ Сложные задачи — большие модели лучше справляются с логикой, кодом, стратегией
✔️ Устойчивость — меньше “галлюцинаций”, больше стабильности

Но:
— Требуют больше памяти, GPU и времени
— Медленнее работают в чатах
— Дороже в API и inference

⸻

🧪 Как сравнивать?

🔸 Дай одной и той же задаче несколько моделей разного веса
🔸 Смотри: кто точнее, кто логичнее, кто понятнее
🔸 Учти: маленькие модели хорошо справляются в узких задачах, большие — в многослойных

⸻

📍 Вывод

Параметры = потенциал,
но не гарантия качества.

🧮 Простые задачи — 7B–13B
🔍 Инженерия, код, сценарии — бери 30B+
🧠 R&D и сложная аналитика — GPT-4, Claude Opus и аналоги

⸻

📍 Попробуй сам:

👉 “Ты AI-аналитик. Проанализируй преимущества и риски внедрения LLM в HR на примере банка.”
Прогоняй через 7B и 70B — и сравни глубину анализа.

#AI #LLM

📱 Тут можно подписаться!

🤝 Друзья, приветствую!

👍 Довольно частая история у молодых авторов - это отсутствие мотивации что-либо писать. Вроде бы и мыслей в голове много, и ярких идей предостаточно, но вот садишься за пост, смотришь на пустое поле для текста и весь запал улетучивается куда-то. Конечно, же языковые модели - превосходный инструмент для победы над проблемой "белого листа", но... но результат "ненастоящий" какой-то.

✨ Вот и приходиться изыскивать новые способы мотивации себя, как автора. Я такой способ нашёл - решил поучавствовать в конкурсе молодых авторов - 📱https://tg-contest.tilda.ws/

🤞 Держи за меня пальчики, и ищи меня 🔜 📱 @tg_contest_main

Один мудрый человек сегодня мне сказал: "Ты чего-то в свой telegram-канал давно ничего не писал" и он чертвоски прав ‼️

Поэтому рассказываю о полезняшке, которой сам в данный момент пользуюсь...

Авторы всем известной конференции Highload, потрудились и подготовили текстовый курс о построении высоконагруженных систем для построителей ненагруженных.

Подписаться на бесплатные текстовые уроки можно тут: https://highload.guide/

Ниже примеры статей, из этого курса:
- Горизонтальное масштабирование. Что, зачем, когда и как
- Масштабирование базы данных через шардирование и партиционирование
- Принципы и приёмы обработки очередей
- Анатомия веб-сервиса
- Использование memcached и Redis в высоконагруженных проектах
- Как устроен поиск

Отличной рабочей недели тебе! 🤗

📱 Тут можно подписаться!