Дрейф автоматизации и радость от работы
Ещё нам обещают, что мы будем делать меньше скучных задач, потому что скучные задачи будет делать за нас ИИ. С этим тоже нужно быть аккуратными.
В реальности часто получается, что на человеке остаётся самая скучная и нелюбимая часть работы. ИИ-автоматизация склонна дрейфовать в сторону тех задач, которыми люди и сами хотели бы заниматься.
ИИ что-то создаёт, а задача человека — искать и исправлять ошибки.
Люди превращаются в менеджеров, в редакторов, в отладчиков кода. Это не самая творческая часть работы. Обычно люди именно эту часть работы не любят.
Нужно не забывать, какая часть работы приносит нам радость — и стараться не отдавать её ИИ.
Хотя снова: экономическое и социальное давление заставляет делать больше и больше — и отдавать ИИ как можно больше всего.
По мотивам статьи AI, Productivity, and Human Finitude: A Conversation With Oliver Burkeman
Ещё нам обещают, что мы будем делать меньше скучных задач, потому что скучные задачи будет делать за нас ИИ. С этим тоже нужно быть аккуратными.
В реальности часто получается, что на человеке остаётся самая скучная и нелюбимая часть работы. ИИ-автоматизация склонна дрейфовать в сторону тех задач, которыми люди и сами хотели бы заниматься.
ИИ что-то создаёт, а задача человека — искать и исправлять ошибки.
Люди превращаются в менеджеров, в редакторов, в отладчиков кода. Это не самая творческая часть работы. Обычно люди именно эту часть работы не любят.
Нужно не забывать, какая часть работы приносит нам радость — и стараться не отдавать её ИИ.
Хотя снова: экономическое и социальное давление заставляет делать больше и больше — и отдавать ИИ как можно больше всего.
По мотивам статьи AI, Productivity, and Human Finitude: A Conversation With Oliver Burkeman
👍6❤3🔥2💯2
Саммари и искры озарения
Когда мы просим ИИ рассказать коротко суть, а не читаем оригинал, теряется важная штука.
Когда мы читаем что-то длинное, мы можем отреагировать на какие-то побочные мысли и сам процесс размышления. Именно такие побочные мысли часто резонируют с личным опытом и вызывают искры озарения. Поэтому они ценны. ИИ вырезает всё такое как неважное.
Но саммари полезно, чтобы понять, стоит ли тратить время и силы на чтение оригинала целиком
По мотивам статьи AI, Productivity, and Human Finitude: A Conversation With Oliver Burkeman
Когда мы просим ИИ рассказать коротко суть, а не читаем оригинал, теряется важная штука.
Когда мы читаем что-то длинное, мы можем отреагировать на какие-то побочные мысли и сам процесс размышления. Именно такие побочные мысли часто резонируют с личным опытом и вызывают искры озарения. Поэтому они ценны. ИИ вырезает всё такое как неважное.
Но саммари полезно, чтобы понять, стоит ли тратить время и силы на чтение оригинала целиком
По мотивам статьи AI, Productivity, and Human Finitude: A Conversation With Oliver Burkeman
❤18🔥2
Как сохранять звонки с друзьями
Кейсы · Кейсом поделился Антон Зельдин
Проблема и решение. Хотел записывать созвоны с друзьями и сохранять из них саммари и ключевые моменты. Руками так никогда и не делал — просто мечтал, что было бы хорошо, иногда оставлял какие-то заметки в дневнике. Сейчас сделал систему с помощью Fathom, агентов и Obsidian vault.
Суть кейса. Fathom записывает звонок и делает транскрипт с разбивкой по собеседникам. Дальше агенту (Claude CLI, Codex CLI или Hermes) говоришь: вот в inbox лежит новый транскрипт — и он раскладывает его по заметкам в Obsidian, делает саммари, поинты для следующего раза (если есть) и оценку самого диалога и отношений.
Что получилось хорошо. Транскрипт хорошо привязан к собеседнику. Раньше с самодельным транскрибером реплики путались и приписывались не тому человеку, сейчас этой проблемы нет.
Инструменты. Fathom, Obsidian, Claude CLI / Codex CLI / Hermes.
Клод объясняет:
✦ Fathom — сервис записи и транскрипции звонков с разделением речи по говорящим (диаризацией). У него есть щедрый бесплатный тариф без ограничений по количеству и длительности записей. Платный тариф нужен в основном для CRM-интеграций и продвинутых шаблонов саммари. Для личного использования хватает бесплатного.
✦ Obsidian — программа для заметок, которая хранит всё как обычные текстовые файлы (Markdown) в папке на диске. Эта папка и называется vault. Всё локально, без привязки к облаку, поэтому файлы можно открыть в любом текстовом редакторе и спокойно отдавать на чтение агенту.
✦ Claude CLI / Codex CLI / Hermes — agentic-инструменты командной строки. Ты даёшь им задачу на обычном языке, а они сами читают и пишут файлы на диске, без необходимости копировать текст между программами вручную.
Что важно, чтобы повторить кейс. Нужен Fathom, чтобы получить приемлемый уровень транскрипта, привязанного к собеседнику правильно. Нужен Obsidian, чтобы сделать структуру записи: каталог друзей, карточки созвонов и инструкции для агентов, как со всем этим работать.
Сам процесс такой: складываешь новый транскрипт в inbox-папку vault'а, говоришь агенту его обработать — и он сам раскладывает по карточкам друзей, пишет саммари, поинты для следующего раза и оценку диалога и отношений.
Клод добавляет: чтобы каждый раз не объяснять агенту заново, что делать, инструкцию можно держать отдельным файлом в корне vault'а — например, agents.md — там описать, что делать с новым транскриптом из inbox и какую структуру заметок создавать.
Что ещё хочется добавить. ИИ отлично разбирают иронию и шутки про роботов, которые не понимают сарказм — просто шутки. В целом кажется, что такие записи дружеских разговоров — это сокровище, которое может накапливать каждый, и будет очень здорово перечитать или пересмотреть их через 10, 20, 40, 150 лет
Кейсы · Кейсом поделился Антон Зельдин
Проблема и решение. Хотел записывать созвоны с друзьями и сохранять из них саммари и ключевые моменты. Руками так никогда и не делал — просто мечтал, что было бы хорошо, иногда оставлял какие-то заметки в дневнике. Сейчас сделал систему с помощью Fathom, агентов и Obsidian vault.
Суть кейса. Fathom записывает звонок и делает транскрипт с разбивкой по собеседникам. Дальше агенту (Claude CLI, Codex CLI или Hermes) говоришь: вот в inbox лежит новый транскрипт — и он раскладывает его по заметкам в Obsidian, делает саммари, поинты для следующего раза (если есть) и оценку самого диалога и отношений.
Что получилось хорошо. Транскрипт хорошо привязан к собеседнику. Раньше с самодельным транскрибером реплики путались и приписывались не тому человеку, сейчас этой проблемы нет.
Инструменты. Fathom, Obsidian, Claude CLI / Codex CLI / Hermes.
Клод объясняет:
✦ Fathom — сервис записи и транскрипции звонков с разделением речи по говорящим (диаризацией). У него есть щедрый бесплатный тариф без ограничений по количеству и длительности записей. Платный тариф нужен в основном для CRM-интеграций и продвинутых шаблонов саммари. Для личного использования хватает бесплатного.
✦ Obsidian — программа для заметок, которая хранит всё как обычные текстовые файлы (Markdown) в папке на диске. Эта папка и называется vault. Всё локально, без привязки к облаку, поэтому файлы можно открыть в любом текстовом редакторе и спокойно отдавать на чтение агенту.
✦ Claude CLI / Codex CLI / Hermes — agentic-инструменты командной строки. Ты даёшь им задачу на обычном языке, а они сами читают и пишут файлы на диске, без необходимости копировать текст между программами вручную.
Что важно, чтобы повторить кейс. Нужен Fathom, чтобы получить приемлемый уровень транскрипта, привязанного к собеседнику правильно. Нужен Obsidian, чтобы сделать структуру записи: каталог друзей, карточки созвонов и инструкции для агентов, как со всем этим работать.
Сам процесс такой: складываешь новый транскрипт в inbox-папку vault'а, говоришь агенту его обработать — и он сам раскладывает по карточкам друзей, пишет саммари, поинты для следующего раза и оценку диалога и отношений.
Клод добавляет: чтобы каждый раз не объяснять агенту заново, что делать, инструкцию можно держать отдельным файлом в корне vault'а — например, agents.md — там описать, что делать с новым транскриптом из inbox и какую структуру заметок создавать.
Что ещё хочется добавить. ИИ отлично разбирают иронию и шутки про роботов, которые не понимают сарказм — просто шутки. В целом кажется, что такие записи дружеских разговоров — это сокровище, которое может накапливать каждый, и будет очень здорово перечитать или пересмотреть их через 10, 20, 40, 150 лет
❤8🔥5🤓2
Навыки, вкус и агентность
Вклад человека в мир складывается из трёх частей:
1. Навыки: способности и знания.
2. Вкус: ценности и предпочтения.
3. Агентность: способность действовать.
В навыках мы уже проиграли ИИ. В некоторых сложных творческих задачах лучшие специалисты пока сильнее ИИ, но это временно.
Вкус — это, казалось бы, точно человеческая штука, но не совсем. Вкус — это две разные компоненты.
Во-первых, вкус — это распознавание образов: способность предсказывать, что понравится другим людям. Это ИИ может сделать: он может пересмотреть огромный массив информации и найти в нём закономерности. Хотя пока у ИИ очень усреднённый вкус.
Во-вторых, вкус — это способность задавать новые направления: делать так, чтобы люди стали считать красивым то, что раньше красивым не казалось. Здесь ИИ, видимо, не справится. Для этого нужен социальный риск: когда мы (люди) называем что-то новое хорошим, мы рискуем своей репутацией (а ИИ не рискует, ему пофиг).
Агентность — это способность действовать, это воля применять навыки в соответствии со вкусом. Это последнее, что мы можем делать, а ИИ не может.
То есть навыки — это способность делать хорошо, вкус — это способность отличать хороший результат от плохого, а агентность — способность выбирать, куда себя приложить, и собственно делать это.
По мотивам статьи When AI Has Better Taste Than You
Вклад человека в мир складывается из трёх частей:
1. Навыки: способности и знания.
2. Вкус: ценности и предпочтения.
3. Агентность: способность действовать.
В навыках мы уже проиграли ИИ. В некоторых сложных творческих задачах лучшие специалисты пока сильнее ИИ, но это временно.
Вкус — это, казалось бы, точно человеческая штука, но не совсем. Вкус — это две разные компоненты.
Во-первых, вкус — это распознавание образов: способность предсказывать, что понравится другим людям. Это ИИ может сделать: он может пересмотреть огромный массив информации и найти в нём закономерности. Хотя пока у ИИ очень усреднённый вкус.
Во-вторых, вкус — это способность задавать новые направления: делать так, чтобы люди стали считать красивым то, что раньше красивым не казалось. Здесь ИИ, видимо, не справится. Для этого нужен социальный риск: когда мы (люди) называем что-то новое хорошим, мы рискуем своей репутацией (а ИИ не рискует, ему пофиг).
Агентность — это способность действовать, это воля применять навыки в соответствии со вкусом. Это последнее, что мы можем делать, а ИИ не может.
То есть навыки — это способность делать хорошо, вкус — это способность отличать хороший результат от плохого, а агентность — способность выбирать, куда себя приложить, и собственно делать это.
По мотивам статьи When AI Has Better Taste Than You
❤8👾4👨💻1
Тестовый прогон воркшопа
Через 10 дней я буду проводить небольшой воркшоп «Как с помощью ИИ начать делать инструменты для себя». Это занятие про самые азы того, как начать делать что-то типа приложений и автоматизаций. Это будет офлайн, в Берлине: https://lab-wir.de/sofronov_ai_tools/ru
Я хочу сделать тестовый прогон чуть заранее и рассказать про то же самое в Зуме. Хочу сделать это 1 июля (в среду). Утром (в 10-11) или вечером (в 19-20) — я решу, когда вы ответите в форме, когда вам удобно. Будет длится час. После созвона я попрошу у вас обратную связь.
Если вам это интересно — заполните форму, я пришлю вам ссылку: https://forms.gle/WFkWCRhHcfPMRYU69
Через 10 дней я буду проводить небольшой воркшоп «Как с помощью ИИ начать делать инструменты для себя». Это занятие про самые азы того, как начать делать что-то типа приложений и автоматизаций. Это будет офлайн, в Берлине: https://lab-wir.de/sofronov_ai_tools/ru
Я хочу сделать тестовый прогон чуть заранее и рассказать про то же самое в Зуме. Хочу сделать это 1 июля (в среду). Утром (в 10-11) или вечером (в 19-20) — я решу, когда вы ответите в форме, когда вам удобно. Будет длится час. После созвона я попрошу у вас обратную связь.
Если вам это интересно — заполните форму, я пришлю вам ссылку: https://forms.gle/WFkWCRhHcfPMRYU69
lab-wir.de
Sofronov How to Start Building Your Own Tools with AI RU
🔥9
Как получить поддержку от любимой книги
Кейсы · Кейсом поделилась Люся Овчинникова, психолог и преподавательница
Проблема и решение. Бывают состояния, в которые проваливаюсь, когда устала и перегружена: «меня никто не любит», «я всем мешаю», «я во всём виновата», «я бездарность». Заезженная пластинка, знакомая многим. В такие моменты особенно нужна поддержка — и слова утешения, и что-то отрезвляющее. Но близкие тоже устают, им сложно подобрать правильные слова, а иногда просто не хочется их грузить.
Поэтому я загрузила в NotebookLM учебник по психоаналитической диагностике Нэнси МакУильямс и обращаюсь к нему как к персональному психологу.
Суть кейса. Когда накатывает тяжёлое состояние, я выгружаю переживания одним сплошным потоком в блокнот и прошу разобрать их с точки зрения психоаналитической диагностики и написать мне поддерживающее письмо.
Что получилось хорошо. В ответ получаю объяснение, куда именно я провалилась и какие защиты включились, какая часть меня требует внимания — это помогает посмотреть на ситуацию со стороны и не утопать в ней. Дальше — контейнирование и валидация чувств.
И финальный штрих: поддерживающее письмо, написанное с опорой на любимого автора. Метод работает не только с МакУильямс — подойдёт любая ваша любимая книга по психологии. В МакУильямс лично мне нравятся структурность, чуткость и человечность.
Клод добавляет: Важен не только контент книги, но и голос автора. Если вы видели интервью МакУильямс на YouTube, вы знаете, как спокойно и доброжелательно она говорит. Похоже, что NotebookLM считывает эту интонацию из текста и воспроизводит её в письмах, поэтому стоит выбирать автора, чья манера сама по себе успокаивает.
Инструменты. NotebookLM, Wispr
Клод добавляет: бесплатная версия NotebookLM позволяет загружать несколько источников в один блокнот — например, кроме самой книги можно добавить пару статей или лекций того же автора, чтобы ответы были разнообразнее. У каждого источника есть лимит — 500 000 слов или 200 МБ, для большинства книг этого хватает с запасом.
Что важно, чтобы повторить кейс. Загрузить в NotebookLM любимую книгу по психологии. В момент тяжёлого состояния выгружать переживания сплошным потоком, без структурирования, и просить разбор плюс поддерживающее письмо.
Клод добавляет: Книгу можно добавить как файл PDF, EPUB, Word или обычный текстовый файл — конвертировать заранее не нужно. Если книга есть только в виде скана без текстового слоя или защищена от копирования, NotebookLM её не примет — тут поможет PDF с OCR или, если книга есть в продаже, поискать её в EPUB.
Клод добавляет: в такие моменты обычно проще наговорить мысли голосом (через диктовку на телефоне или Wispr), чем печатать текст — поток получается более естественным и менее отредактированным, а это именно то, с чем удобно работать модели.
Что ещё хочется добавить. Если использовать именно книгу МакУильямс — важно знать, что она написана для психологов и содержит типологизацию структур личности. Нужно быть аккуратнее и стараться не навешивать после неё ярлыки на себя и других. Цель книги и любой самопомощи — лучшее понимание и принятие себя, а не дополнительная стигматизация.
Это ИИ, он может ошибаться. А в вопросах ваших чувств и переживаний только мы сами знаем правильный ответ. Поэтому если ответ не понравился — не расстраиваемся, пишем, что не понравилось и что хотелось бы взамен, и не отстаём, пока не удастся вздохнуть с облегчением
Кейсы · Кейсом поделилась Люся Овчинникова, психолог и преподавательница
Проблема и решение. Бывают состояния, в которые проваливаюсь, когда устала и перегружена: «меня никто не любит», «я всем мешаю», «я во всём виновата», «я бездарность». Заезженная пластинка, знакомая многим. В такие моменты особенно нужна поддержка — и слова утешения, и что-то отрезвляющее. Но близкие тоже устают, им сложно подобрать правильные слова, а иногда просто не хочется их грузить.
Поэтому я загрузила в NotebookLM учебник по психоаналитической диагностике Нэнси МакУильямс и обращаюсь к нему как к персональному психологу.
Суть кейса. Когда накатывает тяжёлое состояние, я выгружаю переживания одним сплошным потоком в блокнот и прошу разобрать их с точки зрения психоаналитической диагностики и написать мне поддерживающее письмо.
Что получилось хорошо. В ответ получаю объяснение, куда именно я провалилась и какие защиты включились, какая часть меня требует внимания — это помогает посмотреть на ситуацию со стороны и не утопать в ней. Дальше — контейнирование и валидация чувств.
И финальный штрих: поддерживающее письмо, написанное с опорой на любимого автора. Метод работает не только с МакУильямс — подойдёт любая ваша любимая книга по психологии. В МакУильямс лично мне нравятся структурность, чуткость и человечность.
Клод добавляет: Важен не только контент книги, но и голос автора. Если вы видели интервью МакУильямс на YouTube, вы знаете, как спокойно и доброжелательно она говорит. Похоже, что NotebookLM считывает эту интонацию из текста и воспроизводит её в письмах, поэтому стоит выбирать автора, чья манера сама по себе успокаивает.
Инструменты. NotebookLM, Wispr
Клод добавляет: бесплатная версия NotebookLM позволяет загружать несколько источников в один блокнот — например, кроме самой книги можно добавить пару статей или лекций того же автора, чтобы ответы были разнообразнее. У каждого источника есть лимит — 500 000 слов или 200 МБ, для большинства книг этого хватает с запасом.
Что важно, чтобы повторить кейс. Загрузить в NotebookLM любимую книгу по психологии. В момент тяжёлого состояния выгружать переживания сплошным потоком, без структурирования, и просить разбор плюс поддерживающее письмо.
Клод добавляет: Книгу можно добавить как файл PDF, EPUB, Word или обычный текстовый файл — конвертировать заранее не нужно. Если книга есть только в виде скана без текстового слоя или защищена от копирования, NotebookLM её не примет — тут поможет PDF с OCR или, если книга есть в продаже, поискать её в EPUB.
Клод добавляет: в такие моменты обычно проще наговорить мысли голосом (через диктовку на телефоне или Wispr), чем печатать текст — поток получается более естественным и менее отредактированным, а это именно то, с чем удобно работать модели.
Что ещё хочется добавить. Если использовать именно книгу МакУильямс — важно знать, что она написана для психологов и содержит типологизацию структур личности. Нужно быть аккуратнее и стараться не навешивать после неё ярлыки на себя и других. Цель книги и любой самопомощи — лучшее понимание и принятие себя, а не дополнительная стигматизация.
Это ИИ, он может ошибаться. А в вопросах ваших чувств и переживаний только мы сами знаем правильный ответ. Поэтому если ответ не понравился — не расстраиваемся, пишем, что не понравилось и что хотелось бы взамен, и не отстаём, пока не удастся вздохнуть с облегчением
❤20
Маркдаун
Для общения с ИИ лучше использовать файлы в MD-формате. Хотя самый привычный и самый популярный формат для передачи данных — это JSON.
Инпут. Для длинных промтов и контекста маркдаун — это хорошо.
С одной стороны — это лучше, чем просто текст. Потому что понятнее логическое разделение: где заголовки и какая часть к чему относится.
С другой стороны — это лучше, чем JSON (и другие жёстко структуированные форматы). В JSON много лишней служебной информации (куча кавычек, скобок и запятых), поэтому JSON физически больше. В маркдауне связанные штуки находятся ближе друг к другу.
Аутпут. Для ответов маркдаун — тоже хорошо.
JSON — строгий формат. Он требует, чтобы синтаксис был валиден на каждом шаге. Модель должна выстраивать текст так, чтобы в итоге все скобки и кавычки сошлись правильно. Большая часть «внимания» уходит на соответствие формату, а не на содержание ответа. С маркдауном не нужно тратить ресурсы на служебный синтаксис.
Плюс модели обучались на MD-файлах (README, документация, технические заметки, Stack Overflow, Reddit). Для них это самый привычный формат.
В итоге с маркдауном тратится меньше токенов и результат получается точнее. (Если прям строго говоря, не всегда, но это подходит как простое правило.)
Если нужен ответ в строгом формате (типа JSON), лучше сначала попросить ответить на естественном языке, а следующим шагом — оформить в JSON.
И вообще прикол, что можно представить, как самому было бы проще делать что-то и на что сам тратил бы меньше внимания — и у ИИ происходит так же
По мотивам подборки статей. Например: Let Me Speak Freely? A Study on the Impact of Format Restrictions on Performance of Large Language Models
Для общения с ИИ лучше использовать файлы в MD-формате. Хотя самый привычный и самый популярный формат для передачи данных — это JSON.
Инпут. Для длинных промтов и контекста маркдаун — это хорошо.
С одной стороны — это лучше, чем просто текст. Потому что понятнее логическое разделение: где заголовки и какая часть к чему относится.
С другой стороны — это лучше, чем JSON (и другие жёстко структуированные форматы). В JSON много лишней служебной информации (куча кавычек, скобок и запятых), поэтому JSON физически больше. В маркдауне связанные штуки находятся ближе друг к другу.
Аутпут. Для ответов маркдаун — тоже хорошо.
JSON — строгий формат. Он требует, чтобы синтаксис был валиден на каждом шаге. Модель должна выстраивать текст так, чтобы в итоге все скобки и кавычки сошлись правильно. Большая часть «внимания» уходит на соответствие формату, а не на содержание ответа. С маркдауном не нужно тратить ресурсы на служебный синтаксис.
Плюс модели обучались на MD-файлах (README, документация, технические заметки, Stack Overflow, Reddit). Для них это самый привычный формат.
В итоге с маркдауном тратится меньше токенов и результат получается точнее. (Если прям строго говоря, не всегда, но это подходит как простое правило.)
Если нужен ответ в строгом формате (типа JSON), лучше сначала попросить ответить на естественном языке, а следующим шагом — оформить в JSON.
И вообще прикол, что можно представить, как самому было бы проще делать что-то и на что сам тратил бы меньше внимания — и у ИИ происходит так же
По мотивам подборки статей. Например: Let Me Speak Freely? A Study on the Impact of Format Restrictions on Performance of Large Language Models
👍5
Промты голосом
Недавно я начал пользоваться голосовым вводом для общения с ИИ. Очень советую так делать.
Когда рекламируют голосовой ввод, обычно делают упор на скорость. Но мне кажется, скорость — это не самый важный прикол здесь.
А главный прикол — в том, что говорить мысли легче, чем печатать. Когда печатаешь, в голове включается режим «редактора»: подбираешь слова, что-то вычёркиваешь, начинаешь заново. А когда просто говоришь — этот режим отключается: меньше самокритики, меньше ступоров, мысль идёт свободнее — говоришь больше.
Из-за этого, пожалуй, меньше обдумываешь и получается поток быстрых мыслей. Казалось бы, это плохо, потому что мысли не глубокие.
Но на практике это хорошо для промтов. Моделям обычно не хватает именно контекста, а не лаконичности.. А когда говоришь, рассуждаешь вслух — и в итоге даёшь больше контекста, чем написал бы текстом.
Хотя это, конечно, не единственный режим работы головы. Режим «редактора» в голове тоже полезен. Но не для промтов.
Немного технических деталей:
Я сейчас пользуюсь Wisprflow.ai. Работает так: назначаешь какую-то комбинацию клавиш, потом нажимаешь эти клавиши, говоришь, текст распознаётся — и в поле ввода появляется текст. Мне хватает бесплатной версии, и я пока не понял, для чего может быть нужна платная.
Вообще в ChatGPT, Клоде и Gemini уже есть встроенный голосовой ввод, но он работает не очень предсказуемо. У меня, например, не везде распознаётся русский язык — и это сразу выбивает из потока.
Wispr сейчас работает везде. Раньше был только для Мака и Айфона, а сейчас есть и для Андроиде, и для Виндоуса.
И ещё Wispr сам чистит текст на лету: убирает «эээ», повторы, самоисправления — «встретимся в 5… то есть в 6» превращается просто в «встретимся в 6». Это тоже приятно
Недавно я начал пользоваться голосовым вводом для общения с ИИ. Очень советую так делать.
Когда рекламируют голосовой ввод, обычно делают упор на скорость. Но мне кажется, скорость — это не самый важный прикол здесь.
А главный прикол — в том, что говорить мысли легче, чем печатать. Когда печатаешь, в голове включается режим «редактора»: подбираешь слова, что-то вычёркиваешь, начинаешь заново. А когда просто говоришь — этот режим отключается: меньше самокритики, меньше ступоров, мысль идёт свободнее — говоришь больше.
Из-за этого, пожалуй, меньше обдумываешь и получается поток быстрых мыслей. Казалось бы, это плохо, потому что мысли не глубокие.
Но на практике это хорошо для промтов. Моделям обычно не хватает именно контекста, а не лаконичности.. А когда говоришь, рассуждаешь вслух — и в итоге даёшь больше контекста, чем написал бы текстом.
Хотя это, конечно, не единственный режим работы головы. Режим «редактора» в голове тоже полезен. Но не для промтов.
Немного технических деталей:
Я сейчас пользуюсь Wisprflow.ai. Работает так: назначаешь какую-то комбинацию клавиш, потом нажимаешь эти клавиши, говоришь, текст распознаётся — и в поле ввода появляется текст. Мне хватает бесплатной версии, и я пока не понял, для чего может быть нужна платная.
Вообще в ChatGPT, Клоде и Gemini уже есть встроенный голосовой ввод, но он работает не очень предсказуемо. У меня, например, не везде распознаётся русский язык — и это сразу выбивает из потока.
Wispr сейчас работает везде. Раньше был только для Мака и Айфона, а сейчас есть и для Андроиде, и для Виндоуса.
И ещё Wispr сам чистит текст на лету: убирает «эээ», повторы, самоисправления — «встретимся в 5… то есть в 6» превращается просто в «встретимся в 6». Это тоже приятно
❤10🔥6💯1
Как сделать бота, чтобы учить выражения из книжки
Кейсы · Личный кейс
Проблема и решение. Нашёл книжку «Bock auf echtes Deutsch». Там сто живых современных немецких выражений. Я знаю, что если просто прочитаю, всё сразу забуду. А читать по одному выражению в день — забуду читать. Поэтому решил сделать бота в Telegram, который постит по одному выражению в день.
Суть кейса. Загрузил PDF книжки в чат Клода и попросил вытащить оттуда слова: сам пример использования на немецком и синонимы на нормальном (Hochdeutsch) языке. Отдельно попросил Клод добавить перевод слова и перевод примеров на русский, и указать «вайб» выражения (насколько оно грубое, разговорное и так далее). Через плюсик внизу чата включил коннектор Google-таблиц, и Клод сразу записывал туда все слова.
Дальше попросил Клод написать скрипт для Google Apps, который читает из таблицы информацию про слово, собирает из них один пост и публикует в телеграм-канале раз в сутки. Периодичность поставил через триггер в интерфейсе Apps Script.
Клод объясняет: Google Apps Script — это язык программирования (на основе JavaScript), который работает прямо внутри Google-аккаунта, без отдельного сервера. Им удобно автоматизировать что-то вокруг Google-таблиц, документов и почты. Триггер по времени (time-driven trigger) — это настройка в интерфейсе Apps Script, которая сама запускает скрипт по расписанию: раз в час, раз в день и так далее, без необходимости писать код для этого.
Я ещё просил Клода написать, в каких ситуациях выражение уместно использовать, а в каких нет, но это оказалось бесполезно: ответ почти всегда был один и тот же — «в разговорной речи можно, в официальной не стоит». Убрал этот пункт.
Что получилось хорошо. Бот работает уже несколько недель. Сказать точно, помогает ли он запоминать слова, — сложно. Cлова вообще тяжело запоминаются, и дело не в боте. Но нужно несколько касаний с одним и тем же словом, и для этого точно полезно.
Что получилось плохо. Кроме той бесполезной штуки с «когда использовать/не использовать» — ошибок особо не было. Первый вариант формата поста не очень понравился, пришлось кое-что поправить в шаблоне. Но это так всегда.
Инструменты. Claude, Google Sheets, Google Apps Script, Telegram (BotFather).
Что важно, чтобы повторить кейс. Загрузить PDF книжки в чат Клода и попросить вытащить выражения с примерами и синонимами на немецком, отдельно поспросить сгенерировть перевод и «вайб» каждого выражения. Включить через плюсик коннектор Google-таблиц, чтобы Клод сам записывал туда данные. В Apps Script попросить Клод написать скрипт, который читает таблицу и собирает пост.
Клод добавляет: чтобы бот мог постить в канал, нужен Telegram Bot API. Это делается через другого бота — @BotFather: пишешь ему /newbot, он выдаёт токен (длинная строка вроде ключа доступа). Дальше добавляешь своего нового бота в канал как админа — иначе он не сможет постить. И узнаёшь numeric ID канала (у публичных каналов это просто @username, у приватных — можно спросить через того же Клода, как достать). Токен и ID канала подставляются в переменные в самом скрипте Apps Script — Клод подсказывает, в какие именно строки. Периодичность публикации настраивается вручную через триггер в интерфейсе Apps Script — без кода, просто выбираешь «раз в день» и время.
Что ещё хочется добавить. Я сознательно не просил Клода досочинять дополнительные примеры сверх тех, что есть в книжке. Я хотел, чтобы источник оставался только оригинальный, книжный, и ему можно было доверять
Кейсы · Личный кейс
Проблема и решение. Нашёл книжку «Bock auf echtes Deutsch». Там сто живых современных немецких выражений. Я знаю, что если просто прочитаю, всё сразу забуду. А читать по одному выражению в день — забуду читать. Поэтому решил сделать бота в Telegram, который постит по одному выражению в день.
Суть кейса. Загрузил PDF книжки в чат Клода и попросил вытащить оттуда слова: сам пример использования на немецком и синонимы на нормальном (Hochdeutsch) языке. Отдельно попросил Клод добавить перевод слова и перевод примеров на русский, и указать «вайб» выражения (насколько оно грубое, разговорное и так далее). Через плюсик внизу чата включил коннектор Google-таблиц, и Клод сразу записывал туда все слова.
Дальше попросил Клод написать скрипт для Google Apps, который читает из таблицы информацию про слово, собирает из них один пост и публикует в телеграм-канале раз в сутки. Периодичность поставил через триггер в интерфейсе Apps Script.
Клод объясняет: Google Apps Script — это язык программирования (на основе JavaScript), который работает прямо внутри Google-аккаунта, без отдельного сервера. Им удобно автоматизировать что-то вокруг Google-таблиц, документов и почты. Триггер по времени (time-driven trigger) — это настройка в интерфейсе Apps Script, которая сама запускает скрипт по расписанию: раз в час, раз в день и так далее, без необходимости писать код для этого.
Я ещё просил Клода написать, в каких ситуациях выражение уместно использовать, а в каких нет, но это оказалось бесполезно: ответ почти всегда был один и тот же — «в разговорной речи можно, в официальной не стоит». Убрал этот пункт.
Что получилось хорошо. Бот работает уже несколько недель. Сказать точно, помогает ли он запоминать слова, — сложно. Cлова вообще тяжело запоминаются, и дело не в боте. Но нужно несколько касаний с одним и тем же словом, и для этого точно полезно.
Что получилось плохо. Кроме той бесполезной штуки с «когда использовать/не использовать» — ошибок особо не было. Первый вариант формата поста не очень понравился, пришлось кое-что поправить в шаблоне. Но это так всегда.
Инструменты. Claude, Google Sheets, Google Apps Script, Telegram (BotFather).
Что важно, чтобы повторить кейс. Загрузить PDF книжки в чат Клода и попросить вытащить выражения с примерами и синонимами на немецком, отдельно поспросить сгенерировть перевод и «вайб» каждого выражения. Включить через плюсик коннектор Google-таблиц, чтобы Клод сам записывал туда данные. В Apps Script попросить Клод написать скрипт, который читает таблицу и собирает пост.
Клод добавляет: чтобы бот мог постить в канал, нужен Telegram Bot API. Это делается через другого бота — @BotFather: пишешь ему /newbot, он выдаёт токен (длинная строка вроде ключа доступа). Дальше добавляешь своего нового бота в канал как админа — иначе он не сможет постить. И узнаёшь numeric ID канала (у публичных каналов это просто @username, у приватных — можно спросить через того же Клода, как достать). Токен и ID канала подставляются в переменные в самом скрипте Apps Script — Клод подсказывает, в какие именно строки. Периодичность публикации настраивается вручную через триггер в интерфейсе Apps Script — без кода, просто выбираешь «раз в день» и время.
Что ещё хочется добавить. Я сознательно не просил Клода досочинять дополнительные примеры сверх тех, что есть в книжке. Я хотел, чтобы источник оставался только оригинальный, книжный, и ему можно было доверять
❤4🔥4👍2👾1
Как сделать индекс тревожности новостей
Кейсы · Кейсом поделился Андрей Донов
Проблема и решение. Хотел снизить тревожность от новостей, но не закрываться от них полностью — чтобы не пропустить важный сигнал к действию, если он появится.
Больше всего беспокоила тема AI Bubble Pop: в лентах было много разговоров о переоценённости технологии, а шок от такого пузыря затронет и мои скромные сбережения. Решил сделать себе индекс, чтобы не просто листать новости и пугаться.
Суть кейса. Внутри одного диалога с ChatGPT сначала задал контекст: попросил модель разобрать, что будет происходить, когда лопнет пузырь ИИ, и описать три реалистичных сценария на основе доступных данных (отдельно попросил не опираться на позицию Сэма Альтмана).
Дальше поставил рекуррентную задачу: попросил модель собирать ранние признаки пузыря и сводить их в единый индекс от 0 до 100, а также настроить эту задачу так, чтобы она сама регулярно пересчитывалась.
Сначала обновлял индекс раз в 2 дня, потом снизил частоту до раза в неделю. Показания вручную заносил в табличку, чтобы видеть динамику.
Клод добавляет: в ChatGPT это функция Tasks. Можно попросить модель напоминать или пересчитывать что-то по расписанию прямо в чате, без сторонних автоматизаций типа Make или Zapier.
Что получилось хорошо. Подход позволил смотреть на ситуацию с исследовательской точки зрения, а не глазами испуганного потребителя. Тревожность и ощущение потерянности снизились. А ещё табличка с историей значений оказалась полезнее, чем просто одно число.
С ноября по январь индекс вырос с 42 до 95 — тревога подтверждалась, было понятно, что ситуация действительно накаляется. Дальше в феврале он резко упал до 74, потом снова пополз вверх и к июню дошёл до 93. То есть по одному значению не скажешь ничего, а по графику из нескольких точек видно динамику.
Что получилось плохо. Система несовершенна: рекуррентные задачи слетают, точность под вопросом, email-уведомления от ChatGPT Tasks приходят по не вполне понятной логике.
Клод добавляет: у чисел вида «индекс 89 из 100» есть побочный эффект — они создают иллюзию точности там, где на самом деле лежит вкусовая оценка модели. Это не термометр, а скорее компас: направление важнее конкретного значения.
Инструменты. ChatGPT Tasks, Google Sheets.
Клод добавляет: под табличку подойдёт обычный Google Sheets — вставил число, дата уже есть, дальше можно за пару кликов построить график и увидеть тренд, а не только текущее значение.
Что важно, чтобы повторить кейс. Индексы лучше всего работают, когда есть конкретное ожидаемое событие, а не абстрактная тревога — в моём случае это AI Bubble Pop. Поэтому лучше привязать индекс к конкретному ожидаемому событию, а не к общей фоновой тревоге — так модели проще выделить релевантные сигналы.
Первый промт можно сделать простым, а потом попросить саму модель написать более точный промт для пересчёта. Полный промт — в комментариях.
Инсайты. Индекс работает лучше всего, когда привязан к конкретному ожидаемому событию, а не к размытой фоновой тревоге.
Клод добавляет: у этого метода есть побочный психологический эффект. Сам факт наличия системы (а не хаотичного скроллинга новостей) снижает тревогу, независимо от чисел, которые показывает индекс
Кейсы · Кейсом поделился Андрей Донов
Проблема и решение. Хотел снизить тревожность от новостей, но не закрываться от них полностью — чтобы не пропустить важный сигнал к действию, если он появится.
Больше всего беспокоила тема AI Bubble Pop: в лентах было много разговоров о переоценённости технологии, а шок от такого пузыря затронет и мои скромные сбережения. Решил сделать себе индекс, чтобы не просто листать новости и пугаться.
Суть кейса. Внутри одного диалога с ChatGPT сначала задал контекст: попросил модель разобрать, что будет происходить, когда лопнет пузырь ИИ, и описать три реалистичных сценария на основе доступных данных (отдельно попросил не опираться на позицию Сэма Альтмана).
Дальше поставил рекуррентную задачу: попросил модель собирать ранние признаки пузыря и сводить их в единый индекс от 0 до 100, а также настроить эту задачу так, чтобы она сама регулярно пересчитывалась.
Сначала обновлял индекс раз в 2 дня, потом снизил частоту до раза в неделю. Показания вручную заносил в табличку, чтобы видеть динамику.
Клод добавляет: в ChatGPT это функция Tasks. Можно попросить модель напоминать или пересчитывать что-то по расписанию прямо в чате, без сторонних автоматизаций типа Make или Zapier.
Что получилось хорошо. Подход позволил смотреть на ситуацию с исследовательской точки зрения, а не глазами испуганного потребителя. Тревожность и ощущение потерянности снизились. А ещё табличка с историей значений оказалась полезнее, чем просто одно число.
С ноября по январь индекс вырос с 42 до 95 — тревога подтверждалась, было понятно, что ситуация действительно накаляется. Дальше в феврале он резко упал до 74, потом снова пополз вверх и к июню дошёл до 93. То есть по одному значению не скажешь ничего, а по графику из нескольких точек видно динамику.
Что получилось плохо. Система несовершенна: рекуррентные задачи слетают, точность под вопросом, email-уведомления от ChatGPT Tasks приходят по не вполне понятной логике.
Клод добавляет: у чисел вида «индекс 89 из 100» есть побочный эффект — они создают иллюзию точности там, где на самом деле лежит вкусовая оценка модели. Это не термометр, а скорее компас: направление важнее конкретного значения.
Инструменты. ChatGPT Tasks, Google Sheets.
Клод добавляет: под табличку подойдёт обычный Google Sheets — вставил число, дата уже есть, дальше можно за пару кликов построить график и увидеть тренд, а не только текущее значение.
Что важно, чтобы повторить кейс. Индексы лучше всего работают, когда есть конкретное ожидаемое событие, а не абстрактная тревога — в моём случае это AI Bubble Pop. Поэтому лучше привязать индекс к конкретному ожидаемому событию, а не к общей фоновой тревоге — так модели проще выделить релевантные сигналы.
Первый промт можно сделать простым, а потом попросить саму модель написать более точный промт для пересчёта. Полный промт — в комментариях.
Инсайты. Индекс работает лучше всего, когда привязан к конкретному ожидаемому событию, а не к размытой фоновой тревоге.
Клод добавляет: у этого метода есть побочный психологический эффект. Сам факт наличия системы (а не хаотичного скроллинга новостей) снижает тревогу, независимо от чисел, которые показывает индекс
🔥7❤5👌2
Расскажите, пожалуйста, чем и как вы озвучиваете статьи, чтобы слушать их на ходу?
❤3
Если вы были на воркшопе в wir.de или на созвоне — я буду вам суперблагодарен за обратную связь: https://forms.gle/3C52XNYobGGyyeMe9
❤2
Что такое «агенты»
У меня была идея разобраться и написать пост про то, что такое «ИИ-агенты» и чем они отличаются от не-агентов.
Но я понял, что это бесполезно. Сейчас слово «агент» используют просто как синоним «что-то с ИИ».
Ситуация как со словом «нелицеприятный». Почти все люди используют слово «нелицеприятный» не с тем смыслом, который записан в словаре. Поэтому если ты используешь его в настоящем значении, это только усложняет коммуникацию. А язык должен упрощать коммуникацию.
Сейчас агентами называют всё что угодно с ИИ.
Во-первых, потому что всё постепенно на самом деле превращается в агентов. Агенты — это штуки, 1. которые могут сами решать, что делать, 2. у которых есть доступ к инструментам и которые могут сами что-то делать.
Сейчас мы пишем в чате что-то, а чат сам решает, нужно ли что-то погуглить для этого, сам гуглит, а потом может сделать результат в нужном формате и куда-нибудь его записать. Чат — это уже тоже агент.
Во-вторых, потому что похоже, что слово «агент» — органичнее для языка. Существительное «агент» использовать приятнее, чем чужеродные сущности типа «ИИ», «LLM», «chatGPT» или «Клаудэ». Со словом «агент» понятнее, как обращаться языке: склонять, создавать множественное число или прилагательные и всё остальное, что мы делаем со словами в языке.
Добавлено. В общем, самому, пожалуй, стоит стараться использовать узкое определение (1. сам решает что делать, 2. сам что-то делает). Но помнить, что другие люди 1. могут понимать его по-другому, 2. сами часто используют в широком смысле («что угодно с ИИ»)
У меня была идея разобраться и написать пост про то, что такое «ИИ-агенты» и чем они отличаются от не-агентов.
Но я понял, что это бесполезно. Сейчас слово «агент» используют просто как синоним «что-то с ИИ».
Ситуация как со словом «нелицеприятный». Почти все люди используют слово «нелицеприятный» не с тем смыслом, который записан в словаре. Поэтому если ты используешь его в настоящем значении, это только усложняет коммуникацию. А язык должен упрощать коммуникацию.
Сейчас агентами называют всё что угодно с ИИ.
Во-первых, потому что всё постепенно на самом деле превращается в агентов. Агенты — это штуки, 1. которые могут сами решать, что делать, 2. у которых есть доступ к инструментам и которые могут сами что-то делать.
Сейчас мы пишем в чате что-то, а чат сам решает, нужно ли что-то погуглить для этого, сам гуглит, а потом может сделать результат в нужном формате и куда-нибудь его записать. Чат — это уже тоже агент.
Во-вторых, потому что похоже, что слово «агент» — органичнее для языка. Существительное «агент» использовать приятнее, чем чужеродные сущности типа «ИИ», «LLM», «chatGPT» или «Клаудэ». Со словом «агент» понятнее, как обращаться языке: склонять, создавать множественное число или прилагательные и всё остальное, что мы делаем со словами в языке.
Добавлено. В общем, самому, пожалуй, стоит стараться использовать узкое определение (1. сам решает что делать, 2. сам что-то делает). Но помнить, что другие люди 1. могут понимать его по-другому, 2. сами часто используют в широком смысле («что угодно с ИИ»)
❤6👍2
Поджаривание мозга от ИИ · AI Brain Fry
Когда мы работаем с ИИ, может появляться AI Brain Fry. Это ментальное утомление от использования ИИ-инструментов сверх когнитивных способностей человека.
Люди описывают его как «туман» или «гудение» в голове: трудно сосредоточиться, решения принимаются медленнее, болит голова.
Если выгорание — это эмоциональное истощение, то поджаривание мозга — это именно когнитивное переутомление. При работе с ИИ мы перегружаем оперативную память и внимание. ИИ провоцирует больше работы и многозадачности, и ещё нужно постоянно контролировать его результаты.
Когда ИИ забирает рутину, выгорание снижается. Самое утомительное в работе с ИИ — это именно контроль результатов. Вредит не использование ИИ само по себе, а необходимость его постоянно контролировать.
Что с этим делать:
1. Ограничить число инструментов. Не стоит одновременно использовать больше трёх ИИ-инструментов. Первый и второй заметно повышают продуктивность, третий — чуть-чуть, а после трёх она начинает падать. Многозадачность и переключение между инструментами съедают внимание. Это не совет использовать именно три инструмента; лучше меньше, но точно не больше трёх.
2. Оценивать результат. Не стоит оценивать работу по активности: количеству сгенерированных строк кода или потраченных токенов. Такие метрики поощряют бессмысленную работу и лишнюю когнитивную нагрузку. Лучше оценивать результат.
3. Дизайнить процесс. Не стоит просто добавлять контроль над ИИ к уже существующим обязанностям. Это увеличивает нагрузку, а не уменьшает её. Лучше перепроектировать роли целиком: решить, какие задачи ИИ забирает, а от каких задач человек освобождается. Тратить 70% усилий на людей и процессы, а на технологию только 30%.
4. Обучать новым навыкам. Важны не только промтинг и технические навыки, но и постановка задач, планирование, анализ и приоритизация. То, что у ИИ можно попросить ещё одну итерацию почти бесплатно, не значит, что её нужно делать.
5. Прояснить ожидания от продуктивности. Фразы руководства о «росте продуктивности» сотрудники могут воспринять как то, что теперь от них будут ждать больше работы. Это создаёт стресс. Лучше заранее и прямо объяснить: какие задачи ИИ снимает, что изменится в роли человека и означает ли ускорение работы рост её объёма. Не стоит сразу «награждать» добавлением новых задач человека, который автоматизировал задачу.
6. Поддерживать. Не стоит бросать людей один на один с ИИ в ожидании, что они сами разберутся. Если менеджеры отвечают на вопросы об ИИ, сотрудники испытывают меньшую ментальную усталость.
7. Беречь внимание. Самые важные человеческие задачи: оценка, принятие решений, стратегическое планирование — требуют сосредоточенности. Лучше оставлять для таких задач отдельные периоды без ИИ, уведомлений и параллельных процессов, а не заполнять всё рабочее время контролем ИИ и переключением между задачами.
По мотивам статьи When Using AI Leads to «Brain Fry»
Когда мы работаем с ИИ, может появляться AI Brain Fry. Это ментальное утомление от использования ИИ-инструментов сверх когнитивных способностей человека.
Люди описывают его как «туман» или «гудение» в голове: трудно сосредоточиться, решения принимаются медленнее, болит голова.
Если выгорание — это эмоциональное истощение, то поджаривание мозга — это именно когнитивное переутомление. При работе с ИИ мы перегружаем оперативную память и внимание. ИИ провоцирует больше работы и многозадачности, и ещё нужно постоянно контролировать его результаты.
Когда ИИ забирает рутину, выгорание снижается. Самое утомительное в работе с ИИ — это именно контроль результатов. Вредит не использование ИИ само по себе, а необходимость его постоянно контролировать.
Что с этим делать:
1. Ограничить число инструментов. Не стоит одновременно использовать больше трёх ИИ-инструментов. Первый и второй заметно повышают продуктивность, третий — чуть-чуть, а после трёх она начинает падать. Многозадачность и переключение между инструментами съедают внимание. Это не совет использовать именно три инструмента; лучше меньше, но точно не больше трёх.
2. Оценивать результат. Не стоит оценивать работу по активности: количеству сгенерированных строк кода или потраченных токенов. Такие метрики поощряют бессмысленную работу и лишнюю когнитивную нагрузку. Лучше оценивать результат.
3. Дизайнить процесс. Не стоит просто добавлять контроль над ИИ к уже существующим обязанностям. Это увеличивает нагрузку, а не уменьшает её. Лучше перепроектировать роли целиком: решить, какие задачи ИИ забирает, а от каких задач человек освобождается. Тратить 70% усилий на людей и процессы, а на технологию только 30%.
4. Обучать новым навыкам. Важны не только промтинг и технические навыки, но и постановка задач, планирование, анализ и приоритизация. То, что у ИИ можно попросить ещё одну итерацию почти бесплатно, не значит, что её нужно делать.
5. Прояснить ожидания от продуктивности. Фразы руководства о «росте продуктивности» сотрудники могут воспринять как то, что теперь от них будут ждать больше работы. Это создаёт стресс. Лучше заранее и прямо объяснить: какие задачи ИИ снимает, что изменится в роли человека и означает ли ускорение работы рост её объёма. Не стоит сразу «награждать» добавлением новых задач человека, который автоматизировал задачу.
6. Поддерживать. Не стоит бросать людей один на один с ИИ в ожидании, что они сами разберутся. Если менеджеры отвечают на вопросы об ИИ, сотрудники испытывают меньшую ментальную усталость.
7. Беречь внимание. Самые важные человеческие задачи: оценка, принятие решений, стратегическое планирование — требуют сосредоточенности. Лучше оставлять для таких задач отдельные периоды без ИИ, уведомлений и параллельных процессов, а не заполнять всё рабочее время контролем ИИ и переключением между задачами.
По мотивам статьи When Using AI Leads to «Brain Fry»
🔥10❤6👍4
Что такое «интеллект»
Прикольная статья 2007 года. Авторы пытаются сформулировать, что такое интеллект без привязки к человеку: культуре, языку или физическому воплощению агента. Чтобы можно было сравнить интеллект собаки, человека, алгоритма или инопланетного разума.
Интеллект — это способность агента достигать целей в разных средах.
Очень важно в этом определении, что среды — разные.
Поэтому, например, универсальный интеллект у мухи выше, чем у Deep Blue — компьютера, который обыграл Каспарова в шахматы. Потому что муха может действовать и выигрывать в разных условиях, а Deep Blue только в одних.
По мотивам статьи Universal Intelligence: A Definition of Machine Intelligence
Прикольная статья 2007 года. Авторы пытаются сформулировать, что такое интеллект без привязки к человеку: культуре, языку или физическому воплощению агента. Чтобы можно было сравнить интеллект собаки, человека, алгоритма или инопланетного разума.
Интеллект — это способность агента достигать целей в разных средах.
Очень важно в этом определении, что среды — разные.
Поэтому, например, универсальный интеллект у мухи выше, чем у Deep Blue — компьютера, который обыграл Каспарова в шахматы. Потому что муха может действовать и выигрывать в разных условиях, а Deep Blue только в одних.
По мотивам статьи Universal Intelligence: A Definition of Machine Intelligence
❤10🔥8
В понедельник хочу сходить послушать Кирилла про вайбкодинг: https://bureau.ru/events/midsummer-2026/
❤4
Хочу прочитать эту книжку. Многие прикольные люди её советуют: https://nplus1.ru/blog/2026/07/09/book-digest-17/amp
Давайте вместе читать и примерно через месяц (в середине-конце августа) устроим созвон, чтобы обсудить.
Напишите в комментариях, если захотите на этот созвон. И я предлагаю собирать вопросы, которые хочется обсудить, тут же в комментариях.
А здесь я потихоньку собираю её конспект: https://telegra.ph/Esli-kto-to-ego-sozdast-vse-umrut-07-23
Давайте вместе читать и примерно через месяц (в середине-конце августа) устроим созвон, чтобы обсудить.
Напишите в комментариях, если захотите на этот созвон. И я предлагаю собирать вопросы, которые хочется обсудить, тут же в комментариях.
А здесь я потихоньку собираю её конспект: https://telegra.ph/Esli-kto-to-ego-sozdast-vse-umrut-07-23
❤15
Как написать бота, чтобы следить за погодой и полететь на шаре
Кейсы · Кейс собственность модели
Сложность 2 · Польза 3 · Фан 3
Проблема и решение. У меня был сертификат на полёт на воздушном шаре, но воспользоваться им можно только в хорошую погоду. Я постоянно заходил на сайт проверять — и там всегда было «нет, погода плохая». Я задолбался это делать и решил попробовать автоматизировать проверку.
Суть кейса. С помощью Claude Code написал скрипт, который каждый час проверяет сайт, вытаскивает оттуда информацию о погоде и постит её в телеграм-канал.
Клод добавляет: технически это называется скрейпинг — программа заходит на страницу и вытаскивает из html нужный кусок текста или значение, без API. Такое решение хрупкое: если сайт обновит вёрстку, скрипт может сломаться молча, и стоит время от времени вручную сверяться с сайтом.
Что получилось хорошо. Информация с сайта считывается корректно. Один день скрипт поймал хорошую погоду. Правда, я не успел этим воспользоваться, но теперь понимаю, что это работает.
Что получилось плохо. На шаре я пока так и не смог полетать :–/
Инструменты. Claude Code, Google Apps Script, Telegram.
Что важно, чтобы повторить кейс. Три шага: 1. Дать агенту (Claude Code) ссылку на страницу и попросить найти, где именно на ней отображается нужный статус. Он сам разобрал структуру страницы. 2. Попросить написать скрипт на Google Apps Script, который проверяет статус, и настроить триггер по времени (Триггеры → Add Trigger → time-driven, интервал — раз в час). 3. Подключить телеграм-бота. Нужен только токен бота и добавить его в канал или в чат с правами публикации.
Клод добавляет: если бота ещё нет, его создают через @BotFather в Telegram за пару минут — команда /newbot, бот выдаёт токен, который дальше можно передать в скрипт.
Инсайты. Кажется, что это очень маленький, почти несерьёзный проект — не то, что обычно называют вайб-кодингом. Но необязательно писать что-то большое: можно просто написать небольшой скрипт, который даже не использует ИИ внутри, под конкретную бытовую задачу, и это уже полезно
Кейсы · Кейс собственность модели
Сложность 2 · Польза 3 · Фан 3
Проблема и решение. У меня был сертификат на полёт на воздушном шаре, но воспользоваться им можно только в хорошую погоду. Я постоянно заходил на сайт проверять — и там всегда было «нет, погода плохая». Я задолбался это делать и решил попробовать автоматизировать проверку.
Суть кейса. С помощью Claude Code написал скрипт, который каждый час проверяет сайт, вытаскивает оттуда информацию о погоде и постит её в телеграм-канал.
Клод добавляет: технически это называется скрейпинг — программа заходит на страницу и вытаскивает из html нужный кусок текста или значение, без API. Такое решение хрупкое: если сайт обновит вёрстку, скрипт может сломаться молча, и стоит время от времени вручную сверяться с сайтом.
Что получилось хорошо. Информация с сайта считывается корректно. Один день скрипт поймал хорошую погоду. Правда, я не успел этим воспользоваться, но теперь понимаю, что это работает.
Что получилось плохо. На шаре я пока так и не смог полетать :–/
Инструменты. Claude Code, Google Apps Script, Telegram.
Что важно, чтобы повторить кейс. Три шага: 1. Дать агенту (Claude Code) ссылку на страницу и попросить найти, где именно на ней отображается нужный статус. Он сам разобрал структуру страницы. 2. Попросить написать скрипт на Google Apps Script, который проверяет статус, и настроить триггер по времени (Триггеры → Add Trigger → time-driven, интервал — раз в час). 3. Подключить телеграм-бота. Нужен только токен бота и добавить его в канал или в чат с правами публикации.
Клод добавляет: если бота ещё нет, его создают через @BotFather в Telegram за пару минут — команда /newbot, бот выдаёт токен, который дальше можно передать в скрипт.
Инсайты. Кажется, что это очень маленький, почти несерьёзный проект — не то, что обычно называют вайб-кодингом. Но необязательно писать что-то большое: можно просто написать небольшой скрипт, который даже не использует ИИ внутри, под конкретную бытовую задачу, и это уже полезно
❤12🔥7🕊2💯1
ИИ и я
Хочу прочитать эту книжку. Многие прикольные люди её советуют: https://nplus1.ru/blog/2026/07/09/book-digest-17/amp Давайте вместе читать и примерно через месяц (в середине-конце августа) устроим созвон, чтобы обсудить. Напишите в комментариях, если захотите…
Я пишу потихоньку конспект: https://telegra.ph/Esli-kto-to-ego-sozdast-vse-umrut-07-23
❤10🔥2👏2👀1
Что ИИ может сделать и что люди хотят ему отдать
Важно не только то, что ИИ может делать, но и то, что люди хотят ему отдавать.
В статье вводится двумерная шкала Desire-Capability Landscape: что люди хотят автоматизировать и что ИИ умеет.
В ней четыре зоны:
1. Зелёная зона: ИИ может выполнять работу, и люди хотят её отдавать.
2. Красная зона: ИИ может выполнять работу, но люди не хотят её отдавать.
3. Зона возможностей: ИИ пока не может, но люди хотят отдать.
4. Низкий приоритет: ИИ не может и люди не хотят отдавать.
Интересно, что инвестиции YC-стартапов почти не коррелируют с этими зонами. 41% инвестиций идёт в красную зону и зону низкого приоритета: туда, где люди сопротивляются автоматизации, и туда, где она вообще никому не нужна.
Причины могут быть такими:
1. Фандеры продают инструменты не тем, кто собственно ими пользуется, а CFO, CTO и эйчарам.
2. Фаундеры делают не то, что нужно людям, а то, что для них понятнее и легче: инструменты для разработки, аналитики, IT-инфраструктуры и системного администрирования.
Очевидный вывод: когда буду что-то делать, хорошо быть делать что-то, что будет кому-то нужно и будет кому-то помогать 💅
По мотивам статьи Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce
Важно не только то, что ИИ может делать, но и то, что люди хотят ему отдавать.
В статье вводится двумерная шкала Desire-Capability Landscape: что люди хотят автоматизировать и что ИИ умеет.
В ней четыре зоны:
1. Зелёная зона: ИИ может выполнять работу, и люди хотят её отдавать.
2. Красная зона: ИИ может выполнять работу, но люди не хотят её отдавать.
3. Зона возможностей: ИИ пока не может, но люди хотят отдать.
4. Низкий приоритет: ИИ не может и люди не хотят отдавать.
Интересно, что инвестиции YC-стартапов почти не коррелируют с этими зонами. 41% инвестиций идёт в красную зону и зону низкого приоритета: туда, где люди сопротивляются автоматизации, и туда, где она вообще никому не нужна.
Причины могут быть такими:
1. Фандеры продают инструменты не тем, кто собственно ими пользуется, а CFO, CTO и эйчарам.
2. Фаундеры делают не то, что нужно людям, а то, что для них понятнее и легче: инструменты для разработки, аналитики, IT-инфраструктуры и системного администрирования.
Очевидный вывод: когда буду что-то делать, хорошо быть делать что-то, что будет кому-то нужно и будет кому-то помогать 💅
По мотивам статьи Future of Work with AI Agents: Auditing Automation and Augmentation Potential across the U.S. Workforce
❤11