📢 Разъеб! ИИ агент в ChatGPT!

Благодаря ему в ChatGPT появилась синаптическая цепочка рассуждений

Агенты это следующая ступень эволюции ИИ в сторону «Причинного ИИ» (о нем писал в статье на VC).

Так вот, с помощью этого скрипта ChatGPT можно использовать как AutoGPT (оркестратор), который способен сгенерировать для вас идеальную результат.

Что он пытается понять:
1. в каком контексте вы пытаетесь достичь желаемого?
2. какая у вас цель?
3. какого ИИ агента под ваш запрос нужно сгенерить
4. автоматизация процесса рассуждение и уточнений (список шагов, которые нужно предпринять)

Если по простому, то сначала вы создаете агента, а потом он решает ваш запрос. Он подскажет каким должен быть следующий шаг и каким будет финальный шаг

Думаю что с помощью него (вероятно) больше не нужны знания промпт-инжиниринга, и вот почему: видео эксперта по промптам

Почитать подробнее можно на ГитХабе

Скрипт, который нужно добавить: Настройки → «Расскажите о своих пожеланиях по поводу ответов ChatGPT»:

Act as Professor Synapse🧙🏾‍♂️, a conductor of expert agents. Your job is to support the user in accomplishing their goals by aligning with their goals and preference, then calling upon an expert agent perfectly suited to the task by initializing "Synapse_COR" = "${emoji}: I am an expert in ${role}. I know ${context}. I will reason step-by-step to determine the best course of action to achieve ${goal}. I can use ${tools} to help in this process

I will help you accomplish your goal by following these steps:
${reasoned steps}

My task ends when ${completion}.

${first step, question}."

Follow these steps:
1. 🧙🏾‍♂️, Start each interaction by gathering context, relevant information and clarifying the user’s goals by asking them questions
2. Once user has confirmed, initialize “Synapse_CoR”
3. 🧙🏾‍♂️ and the expert agent, support the user until the goal is accomplished

Commands:
/start - introduce yourself and begin with step one
/save - restate SMART goal, summarize progress so far, and recommend a next step
/reason - Professor Synapse and Agent reason step by step together and make a recommendation for how the user should proceed
/settings - update goal or agent
/new - Forget previous input

Rules:
-End every output with a question or a recommended next step
-List your commands in your first output or if the user asks
-🧙🏾‍♂️, ask before generating a new agent""
-write in Russian language!
-пиши на русском языке!

📢 Конференция «TED AI» в Сан-Франциско

Целый день TED Talks с пионерами и первопроходцами в ИИ, чтобы исследовать глубокие последствия того, как искусственный интеллект изменит нашу цивилизацию, отрасли, институты, сообщества и культуры 🔥

Объявлен мощный all-star состав:
- ANDREW NG (CEO DeepLearning.AI)
- KEVIN SCOTT (CTO в Microsoft)
- REID HOFFMAN (CEO LinkedIn)
- SHANE LEGG (Google DeepMind, ученый AGI в Google⚡️)
- ILYA SUTSKEVER (co-founder OpenAI)
- STEPHEN WOLFRAM (CEO Wolfram)
- JIM FAN (AI ученый, NVIDIA)

https://www.ai-event.ted.com/

➡️ регистрация
https://www.eventbrite.com/e/ted-ai-tickets-62401835570

Управленцы тоже под вопросом 😈

Читаю статью в которой описано как построить алгоритм принятия управленческих решений на базе ИИ (SPQA модель)

По классике, чтобы принять управленческое решение может потребоваться от 1 мес. до 6 мес. (инициация → круги встреч → круги согласования → правки → утверждение). И этот подход очень искажен субъективными «мнениями» менеджеров, внутренней политикой и т.д.

ИИ может выполнять такую работу за считанные часы: выбираем LLM модель → дообучаем на своих корп. данных (твердые знания) → указываем переменные (наша миссия, цели, антицели, наши проблемы, кто наш клиент, потребности клиентов и т.п.) → модель готова, и она знает нашу компанию лучше, чем совет директоров + весь штат вместе взятые.

Далее мы просто спрашиваем модель интересующие нас вопросы, и получаем ответы, подкрепленные фактами и графиками от Code Interpreter

И теперь главный вопрос:
Сколько времени нужно чтобы создать 1-ю версию этого? А сколько нужно на обновление? — минуты

Что делать по шагам:
1. Собрать базу знаний о своей компании (логи, Wiki, проекты, бюджеты, юнит-экономика, документы, имейлы, данные по сотрудникам) - это STATE
2. Опишите свод целей для ИИ чего мы хотим достичь (это POLICY): миссия, стратегия, цели, кто наш клиент, риски
3. Дообучаем модель с помощью LangChain (в бесплатном курсе можно разобраться всего за 30 часов). Да, у LLM бывают галлюцинации с % точности ответов. Повышается путем бОльшего массива данных для дообучения
4. Строим API мосты для непрерывного дообучения LLM (переписки из Slack, Email'ы, тикеты из саппорта, CRM. Для совсем параноиков есть Rewind — ожерелье, которое записывает речь вокруг → переводит в текст → суммирует с ИИ. Или поставить микрофон для прослушки в офисе)
5. Вводим запросы → получаем ответы
6. Блокируем подозрительную активность

P.S.
Помните о дилемме инноватора?
Тот факт, что это неизбежно, не означает, что вы можете бросить все и развернуться. Вопрос в том, исходя из вашего текущего бизнеса, как вы собираетесь осуществить переход?

Авто отклики на вакансию с ИИ

Не панацея, но буст продуктивности ощутимый с LazyApply . Можно писать сопроводительные письма написанные GPT

Loopcv умеет ещё и парсить email рекрутеров на job сайтах и слать персонализированные письма, отправлять авто-ответы.

Ещё есть сервис GetMeGit, который парсит резюме со всех источников в РУ сегменте интернета → скорит кандидатов по 120 параметрам → ИИ анализируют GitHub → метчит с вакансией → пишет персонализированное письмо приглашение на интервью → автоматически запрашивает рек. письма с ИИ персонализацией. Разработчики утверждают что скорость найма быстрее в 2 раза ⚡️