Media is too big
VIEW IN TELEGRAM
Мультимодальность: даем ИИ зрение, слух и голос
Когда погружаешься в тему ИИ, то и дело слышишь про некую "мультимодальность". Недавно я уже рассказывал про креативность ИИ, а сегодня хочу подробнее остановиться на мультимодальности, и в будущем я планирую продолжить цикл статей, разъясняющих терминологию, связанную с ИИ.
Так что же это за зверь такой - мультимодальность, и почему о ней сейчас так часто говорят?
Если совсем просто, мультимодальность — это способность ИИ воспринимать и обрабатывать информацию из разных источников: текст, изображения, аудио, видео. Представьте, что обычная большая языковая модель (LLM) — это невероятно умный человек, но... слепой и глухой. Он виртуозно владеет словом, может генерировать тексты, писать код, но реальный мир для него ограничен лишь строчками текста, которые он получает на вход.
Мультимодальность же дает ИИ "органы чувств". Это как если бы наш слепой и глухой гений вдруг прозрел и обрел слух! Теперь он может не только прочитать описание картины, но и увидеть ее, не только получить текст песни, но и услышать ее мелодию, уловить интонации.
Именно мультимодальность делает ИИ по-настоящему применимым в реальном мире. Ведь мы с вами живем не в мире текста. Нас окружают звуки, образы, видео – целый вихрь информации, которую мы, сами того не замечая, обрабатываем ежесекундно. Чтобы ИИ стал не просто умной игрушкой, а полноценным помощником, способным решать реальные задачи, ему необходимо научиться воспринимать мир во всем его многообразии.
Помните Джарвиса из "Железного человека"? Этот остроумный ИИ-ассистент Тони Старка — яркий пример мультимодальности в действии. Джарвис анализирует визуальные данные с камер, распознает речь, генерирует голографические интерфейсы, да и вообще, ведет себя как полноценный собеседник. Конечно, до такого уровня нам еще далеко, но именно к этому стремятся все крупные игроки ИИ-рынка.
Google, OpenAI, Anthropic – все они активно прокачивают мультимодальные возможности своих моделей. Добавляют голосовой ввод, распознавание изображений, генерацию видео. И это не просто погоня за хайпом. Компании понимают, что за мультимодальностью – будущее.
Мы сейчас находимся на том самом этапе, когда эта технология активно развивается. И результаты уже впечатляют! Взгляните, например, на Android XR – операционную систему для устройств дополненной реальности. Совместно с умными очками и продвинутым ИИ-ассистентом Gemini, она обещает совершенно новый уровень взаимодействия с цифровым миром. Прикрепляю небольшое видео с демонстрацией к этому посту.
Думаю, что в ближайшие годы мы увидим еще более впечатляющие примеры применения мультимодальности. И, возможно, Джарвис уже не будет казаться нам такой уж фантастикой. 😉
#обучающиематериалы
Когда погружаешься в тему ИИ, то и дело слышишь про некую "мультимодальность". Недавно я уже рассказывал про креативность ИИ, а сегодня хочу подробнее остановиться на мультимодальности, и в будущем я планирую продолжить цикл статей, разъясняющих терминологию, связанную с ИИ.
Так что же это за зверь такой - мультимодальность, и почему о ней сейчас так часто говорят?
Если совсем просто, мультимодальность — это способность ИИ воспринимать и обрабатывать информацию из разных источников: текст, изображения, аудио, видео. Представьте, что обычная большая языковая модель (LLM) — это невероятно умный человек, но... слепой и глухой. Он виртуозно владеет словом, может генерировать тексты, писать код, но реальный мир для него ограничен лишь строчками текста, которые он получает на вход.
Мультимодальность же дает ИИ "органы чувств". Это как если бы наш слепой и глухой гений вдруг прозрел и обрел слух! Теперь он может не только прочитать описание картины, но и увидеть ее, не только получить текст песни, но и услышать ее мелодию, уловить интонации.
Именно мультимодальность делает ИИ по-настоящему применимым в реальном мире. Ведь мы с вами живем не в мире текста. Нас окружают звуки, образы, видео – целый вихрь информации, которую мы, сами того не замечая, обрабатываем ежесекундно. Чтобы ИИ стал не просто умной игрушкой, а полноценным помощником, способным решать реальные задачи, ему необходимо научиться воспринимать мир во всем его многообразии.
Помните Джарвиса из "Железного человека"? Этот остроумный ИИ-ассистент Тони Старка — яркий пример мультимодальности в действии. Джарвис анализирует визуальные данные с камер, распознает речь, генерирует голографические интерфейсы, да и вообще, ведет себя как полноценный собеседник. Конечно, до такого уровня нам еще далеко, но именно к этому стремятся все крупные игроки ИИ-рынка.
Google, OpenAI, Anthropic – все они активно прокачивают мультимодальные возможности своих моделей. Добавляют голосовой ввод, распознавание изображений, генерацию видео. И это не просто погоня за хайпом. Компании понимают, что за мультимодальностью – будущее.
Мы сейчас находимся на том самом этапе, когда эта технология активно развивается. И результаты уже впечатляют! Взгляните, например, на Android XR – операционную систему для устройств дополненной реальности. Совместно с умными очками и продвинутым ИИ-ассистентом Gemini, она обещает совершенно новый уровень взаимодействия с цифровым миром. Прикрепляю небольшое видео с демонстрацией к этому посту.
Думаю, что в ближайшие годы мы увидим еще более впечатляющие примеры применения мультимодальности. И, возможно, Джарвис уже не будет казаться нам такой уж фантастикой. 😉
#обучающиематериалы
🔥5
$500 млрд в ИИ: благо или катастрофа?
Вы, наверное, уже слышали новость о том, что Дональд Трамп объявил о создании компании Stargate, которая в ближайшие несколько лет инвестирует 500 миллиардов долларов в развитие технологий искусственного интеллекта. Это одно из самых крупных денежных вливаний США за всю историю со времен инвестиций в Лунную программу. В одном из своих предыдущих постов я говорил о том, что в 2025 году нас ждет громкий скандал, связанный с вопросами этики ИИ. И вот, похоже, мои опасения начинают сбываться.
На мой взгляд, такое быстрое вливание денег в ИИ способно стимулировать ситуацию, когда мы просто не будем успевать нормально оценивать его работу и следить за безопасностью. И тут дело не только в OpenAI, которая уже попадала в этические скандалы, а сейчас только на строительство их датацентров потрятят 100 млрд. долларов. Чем больше денег, тем больше искушение проигнорировать вопросы этики. Я вижу, как многие компании, одержимые техническим прогрессом, идут на компромиссы, связанные с безопасностью ИИ. А теперь, когда есть огромные деньги, они точно будут еще сильнее пренебрегать правилами.
Эти инвестиции также свидетельствуют о том, насколько сильно продвинулся Китай в сфере ИИ. Помните, я писал про силу Китая? Подобные действия со стороны США не могут не стимулировать ответных действий со стороны КНР. Это неизбежно. На фоне этих событий, России тоже стоило бы подсуетиться с инвестициями в ИИ, мы и так отстаем, а такими темпами рискуем остаться в каменном веке.
Еще один негативный аспект этих инвестиций — это их влияние на окружающую среду. Наряду с планом Трампа на добычу нефти "Бури, детка, бури" и выходом из Парижского соглашения по предотвращению глобального потепления, строительство датацентров — это настоящая экологическая катастрофа. Количество тепла, выделяемого датацентрами, явно не пойдет на пользу климату нашей планеты. Возникает закономерный вопрос: стоит ли технический прогресс такой цены? Да, возможно ИИ поможет нам решить глобальные проблемы, но не усугубит ли он их до такой степени, что мы достигнем точки невозврата? Это очень сложный вопрос. Если уж мы инвестируем такие огромные деньги в развитие ИИ, то стоило бы всерьез задуматься о строительстве датацентров на Луне. Такая экономика, как США, явно может себе это позволить, и это было бы явно лучше для нашей планеты.
Конечно, есть и положительные стороны. Подобные инвестиции, несомненно, стимулируют гонку ИИ. Игроки рынка начнут предпринимать более активные действия, чтобы не допустить монополии компаний из США. Мы явно ускоримся на пути к созданию мощного ИИ, который поможет в решении глобальных проблем, таких как борьба с раком, старением и проблемами экологии.
В большом выигрыше будут те, кто занимается ИИ: работает в этой сфере, ученые, менеджеры и инженеры. Трамп пообещал создание 100 тысяч рабочих мест, и это только начало. Это не только сами рабочие места, но и то, как это повлияет на глобальный рынок. Зарплаты у AI-специалистов станут выше, как и спрос на них. Если кто-то еще не занимается ИИ, то учиться нужно именно на эту специальность и желательно — прямо сейчас.
В заключение хочется сказать, что подобные инвестиции в ИИ — это палка о двух концах. С одной стороны, мы можем достичь невиданного прогресса, но с другой — можем столкнуться с серьезными этическими, экологическими и экзистенциальными проблемами. Важно не забывать о безопасности и этике, а также искать пути минимизации негативного влияния на окружающую среду. В противном случае, погоня за прогрессом может привести к печальным последствиям. Как когда-то сказал Стивен Хокинг, ИИ станет "либо лучшим, либо худшим" событием в истории человечества.
#развитиеии
Вы, наверное, уже слышали новость о том, что Дональд Трамп объявил о создании компании Stargate, которая в ближайшие несколько лет инвестирует 500 миллиардов долларов в развитие технологий искусственного интеллекта. Это одно из самых крупных денежных вливаний США за всю историю со времен инвестиций в Лунную программу. В одном из своих предыдущих постов я говорил о том, что в 2025 году нас ждет громкий скандал, связанный с вопросами этики ИИ. И вот, похоже, мои опасения начинают сбываться.
На мой взгляд, такое быстрое вливание денег в ИИ способно стимулировать ситуацию, когда мы просто не будем успевать нормально оценивать его работу и следить за безопасностью. И тут дело не только в OpenAI, которая уже попадала в этические скандалы, а сейчас только на строительство их датацентров потрятят 100 млрд. долларов. Чем больше денег, тем больше искушение проигнорировать вопросы этики. Я вижу, как многие компании, одержимые техническим прогрессом, идут на компромиссы, связанные с безопасностью ИИ. А теперь, когда есть огромные деньги, они точно будут еще сильнее пренебрегать правилами.
Эти инвестиции также свидетельствуют о том, насколько сильно продвинулся Китай в сфере ИИ. Помните, я писал про силу Китая? Подобные действия со стороны США не могут не стимулировать ответных действий со стороны КНР. Это неизбежно. На фоне этих событий, России тоже стоило бы подсуетиться с инвестициями в ИИ, мы и так отстаем, а такими темпами рискуем остаться в каменном веке.
Еще один негативный аспект этих инвестиций — это их влияние на окружающую среду. Наряду с планом Трампа на добычу нефти "Бури, детка, бури" и выходом из Парижского соглашения по предотвращению глобального потепления, строительство датацентров — это настоящая экологическая катастрофа. Количество тепла, выделяемого датацентрами, явно не пойдет на пользу климату нашей планеты. Возникает закономерный вопрос: стоит ли технический прогресс такой цены? Да, возможно ИИ поможет нам решить глобальные проблемы, но не усугубит ли он их до такой степени, что мы достигнем точки невозврата? Это очень сложный вопрос. Если уж мы инвестируем такие огромные деньги в развитие ИИ, то стоило бы всерьез задуматься о строительстве датацентров на Луне. Такая экономика, как США, явно может себе это позволить, и это было бы явно лучше для нашей планеты.
Конечно, есть и положительные стороны. Подобные инвестиции, несомненно, стимулируют гонку ИИ. Игроки рынка начнут предпринимать более активные действия, чтобы не допустить монополии компаний из США. Мы явно ускоримся на пути к созданию мощного ИИ, который поможет в решении глобальных проблем, таких как борьба с раком, старением и проблемами экологии.
В большом выигрыше будут те, кто занимается ИИ: работает в этой сфере, ученые, менеджеры и инженеры. Трамп пообещал создание 100 тысяч рабочих мест, и это только начало. Это не только сами рабочие места, но и то, как это повлияет на глобальный рынок. Зарплаты у AI-специалистов станут выше, как и спрос на них. Если кто-то еще не занимается ИИ, то учиться нужно именно на эту специальность и желательно — прямо сейчас.
В заключение хочется сказать, что подобные инвестиции в ИИ — это палка о двух концах. С одной стороны, мы можем достичь невиданного прогресса, но с другой — можем столкнуться с серьезными этическими, экологическими и экзистенциальными проблемами. Важно не забывать о безопасности и этике, а также искать пути минимизации негативного влияния на окружающую среду. В противном случае, погоня за прогрессом может привести к печальным последствиям. Как когда-то сказал Стивен Хокинг, ИИ станет "либо лучшим, либо худшим" событием в истории человечества.
#развитиеии
Telegram
NGI | Влад Корнышев про AI и создание AI-продуктов
Мои предсказания, что будет с ИИ в 2025 году
В последнее время мне часто попадаются на глаза различные прогнозы о том, что ждет искусственный интеллект в этом году. Как специалист, занимающийся разработкой ИИ-систем, я тоже решил поделиться своим видением…
В последнее время мне часто попадаются на глаза различные прогнозы о том, что ждет искусственный интеллект в этом году. Как специалист, занимающийся разработкой ИИ-систем, я тоже решил поделиться своим видением…
👍4🔥2
Google похоронили GPT-4o?
По крайней мере, на какое-то время 🙂
Вчера вечером, как обычно, работая в Google AI-studio над своими задачами, я заметил кое-что интересное. Переключившись на модель Gemini Flash Thinking Experimental, я увидел, во-первых, что она обновилась до версии от 21 января, а во-вторых, что ее контекстное окно увеличилось с 32 000 токенов до 1 млн+! 32 тысячи мне было мало, 128 тысяч в GPT-4o хватало, но не для всех задач.
Что это значит и почему такой кликбейтный заголовок?
Давайте разберемся, как работают LLM. Если не вдаваться в детали, языковые модели говорят и "мыслят" не так, как мы. Они не склонны к анализу в нашем понимании. Их задача — предсказывать следующий токен, основываясь на заложенных в них знаниях. Проще говоря, они определяют, какие кусочки слов, знаки препинания, буквы с наибольшей вероятностью должны идти следующими в предложении. Именно поэтому, несмотря на то, что модели языковые, структура команд для них строится не на понимании и додумывании информации, как у человека, а на строгом алгоритме.
У моделей как будто есть свой диалект внутри привычного языка, который выражается в четких инструкциях — промптах. Промпт-инжиниринг помогает нам формулировать запросы к модели на этом "родном" для нее диалекте.
Погрузимся в лингвистику!
Представьте: у вас в квартире делают ремонт рабочие из Средней Азии, которые плохо говорят по-русски, но в целом все понимают. Вы хотите объяснить им, как сделать планировку. В каком случае они лучше справятся? Если вы скажете им напрямую или если будет прораб, который переведет ваши требования на их родной язык? Очевидно, второй вариант эффективнее.
Вернемся к моделям!
GPT-o и Gemini Thinking как раз имеют функцию такого “прораба”. Размышляя, они создают "план действий" и четко ему следуют. Поэтому сейчас набирают обороты LLM managed workflows, когда модель сначала составляет план, а затем выполняет его. Как это работает у меня? Я иду в Gemini Flash Thinking или GPT-4o, описываю задачу и прошу составить план. Затем использую этот план с "не думающей" версией модели. Это экономит время на промпт-инжиниринг: модель делает план за меня, и я просто выполняю его шаг за шагом.
Как Google "убил" OpenAI?
Главным недостатком "думающей" модели для меня было малое контекстное окно. Работая над большими задачами, мне нужно было периодически оценивать прогресс и корректировать план. И тут — бац! — токены заканчивались. Примеры таких задач: написание кода, анализ интервью, проведение исследований, обработка материалов тренинга и многое другое. Теперь, с контекстным окном в миллион токенов, мне не нужно держать кучу окон и переключаться между ними. Достаточно просто переключить модель, и у нее будет ВЕСЬ контекст по задаче и все инструкции! А это, знаете ли, дает свои плюшки 😉
В общем, это огромный буст к продуктивности, и он обеспечен размером контекстного окна! Когда же OpenAI этим займутся? 🤔
#новости #инструменты
По крайней мере, на какое-то время 🙂
Вчера вечером, как обычно, работая в Google AI-studio над своими задачами, я заметил кое-что интересное. Переключившись на модель Gemini Flash Thinking Experimental, я увидел, во-первых, что она обновилась до версии от 21 января, а во-вторых, что ее контекстное окно увеличилось с 32 000 токенов до 1 млн+! 32 тысячи мне было мало, 128 тысяч в GPT-4o хватало, но не для всех задач.
Что это значит и почему такой кликбейтный заголовок?
Давайте разберемся, как работают LLM. Если не вдаваться в детали, языковые модели говорят и "мыслят" не так, как мы. Они не склонны к анализу в нашем понимании. Их задача — предсказывать следующий токен, основываясь на заложенных в них знаниях. Проще говоря, они определяют, какие кусочки слов, знаки препинания, буквы с наибольшей вероятностью должны идти следующими в предложении. Именно поэтому, несмотря на то, что модели языковые, структура команд для них строится не на понимании и додумывании информации, как у человека, а на строгом алгоритме.
У моделей как будто есть свой диалект внутри привычного языка, который выражается в четких инструкциях — промптах. Промпт-инжиниринг помогает нам формулировать запросы к модели на этом "родном" для нее диалекте.
Погрузимся в лингвистику!
Представьте: у вас в квартире делают ремонт рабочие из Средней Азии, которые плохо говорят по-русски, но в целом все понимают. Вы хотите объяснить им, как сделать планировку. В каком случае они лучше справятся? Если вы скажете им напрямую или если будет прораб, который переведет ваши требования на их родной язык? Очевидно, второй вариант эффективнее.
Вернемся к моделям!
GPT-o и Gemini Thinking как раз имеют функцию такого “прораба”. Размышляя, они создают "план действий" и четко ему следуют. Поэтому сейчас набирают обороты LLM managed workflows, когда модель сначала составляет план, а затем выполняет его. Как это работает у меня? Я иду в Gemini Flash Thinking или GPT-4o, описываю задачу и прошу составить план. Затем использую этот план с "не думающей" версией модели. Это экономит время на промпт-инжиниринг: модель делает план за меня, и я просто выполняю его шаг за шагом.
Как Google "убил" OpenAI?
Главным недостатком "думающей" модели для меня было малое контекстное окно. Работая над большими задачами, мне нужно было периодически оценивать прогресс и корректировать план. И тут — бац! — токены заканчивались. Примеры таких задач: написание кода, анализ интервью, проведение исследований, обработка материалов тренинга и многое другое. Теперь, с контекстным окном в миллион токенов, мне не нужно держать кучу окон и переключаться между ними. Достаточно просто переключить модель, и у нее будет ВЕСЬ контекст по задаче и все инструкции! А это, знаете ли, дает свои плюшки 😉
В общем, это огромный буст к продуктивности, и он обеспечен размером контекстного окна! Когда же OpenAI этим займутся? 🤔
#новости #инструменты
Китайцы навели шуму в ИИ, обогнав ChatGPT по загрузкам в Appstore!
Мои прогнозы на 2025 начинают сбываться слишком быстро и я теперь боюсь, как бы не пришлось составлять новый топ 😅
Китайская модель DeepSeek R1 стала главной темой для обсуждения в мире ИИ, особенно здесь, в США.
Что произошло?
Пока Китай пытались душить санкциями, сами китайцы не тратили время зря. Еще в конце 2024 они представили DeepSeek V-3, модель, которая обходила GPT 4o по многим бенчмаркам. Сейчас, их новая модель - DeepSeek R1 находится на первой строчке в трендах Huggingface (я писал, что это такое ранее).
Китайцы развиваются просто с нереальной скоростью, у них уже доступны на Android и iOS. Хорошая новость для моих читателей - они доступны в России и без ограничений, ведь компания китайская!
Как повлияло появление DeepSeek R1 на рынок ИИ?
1. В данный момент приложение DeepSeek обогнало по загрузкам в AppStore ChatGPT
2. Модель показывает настолько крутые результаты, превосходя o1 от OpenAI, что сами OpenAI поспешили анонсировать, что их еще невыпушенная модель o3 mini будет доступна в бесплатном плане (нужно же как-то конкурировать с китайцами)
3. Компания NVIDIA потеряла384 600 млрд долларов в капитализации. Связанно это с тем, что как оказалось, можно сделать крутые ИИ-модели, без инвестиций в дорогущие видеокарты техногиганта
Чем DeepSeek так хороша?
1. Цена. Мощные ЛЛМ, МОГУТ быть дешевыми. Для сравнения:
- цена за 1 млн токенов R1 составляет 16 юаней ( 220 рублей) в то время, как Open AI o1 обойдется в 60 долларов (6000 рублей).
2. Модель отвечает гораздо быстрее, чем ChatGPT
3. Она либо бьет либо на равных соревнуется в бенчмарках с лучшими моделями от Anthropic, Google и OpenAI
4. У модели отсутствует цензура (сомнительный плюс), но про всякие кровавые бойни она вам расскажет, в отличие от конкурентов
5. Функция Search - некий аналог Perplexity и Deep Research от Google - позволяет вам суммаризировать информацию из поиска с помощью ЛЛМ. Работает как доп инструмент в веб-интерфейсе DeepSeek
6. Функция DeepThink - аналог размышлений, как это реализовано в Gemini Flash Thinking. Как раз тут работает модель R1.
7. Open Source - исходный код модели доступен каждому
8. Базовая версия не требует подписки
9. Доступность из России (для тех, кто в России)
Конкуренция со стороны Китая явно встряхнет рынок ИИ и заставит крупных игроков пересмотреть свои взгляды. Однако остаются вопросы: как именно Китайцы это сделали, насколько ответственно отнеслись к вопросам этики (отсутствие цензуры напрягает, как и отсутствие информации о том, где и как оно училось).
Буду экспериментировать с этой моделью и позже напишу пост с полноценным мнением о ней.
#новости
Мои прогнозы на 2025 начинают сбываться слишком быстро и я теперь боюсь, как бы не пришлось составлять новый топ 😅
Китайская модель DeepSeek R1 стала главной темой для обсуждения в мире ИИ, особенно здесь, в США.
Что произошло?
Пока Китай пытались душить санкциями, сами китайцы не тратили время зря. Еще в конце 2024 они представили DeepSeek V-3, модель, которая обходила GPT 4o по многим бенчмаркам. Сейчас, их новая модель - DeepSeek R1 находится на первой строчке в трендах Huggingface (я писал, что это такое ранее).
Китайцы развиваются просто с нереальной скоростью, у них уже доступны на Android и iOS. Хорошая новость для моих читателей - они доступны в России и без ограничений, ведь компания китайская!
Как повлияло появление DeepSeek R1 на рынок ИИ?
1. В данный момент приложение DeepSeek обогнало по загрузкам в AppStore ChatGPT
2. Модель показывает настолько крутые результаты, превосходя o1 от OpenAI, что сами OpenAI поспешили анонсировать, что их еще невыпушенная модель o3 mini будет доступна в бесплатном плане (нужно же как-то конкурировать с китайцами)
3. Компания NVIDIA потеряла
Чем DeepSeek так хороша?
1. Цена. Мощные ЛЛМ, МОГУТ быть дешевыми. Для сравнения:
- цена за 1 млн токенов R1 составляет 16 юаней ( 220 рублей) в то время, как Open AI o1 обойдется в 60 долларов (6000 рублей).
2. Модель отвечает гораздо быстрее, чем ChatGPT
3. Она либо бьет либо на равных соревнуется в бенчмарках с лучшими моделями от Anthropic, Google и OpenAI
4. У модели отсутствует цензура (сомнительный плюс), но про всякие кровавые бойни она вам расскажет, в отличие от конкурентов
5. Функция Search - некий аналог Perplexity и Deep Research от Google - позволяет вам суммаризировать информацию из поиска с помощью ЛЛМ. Работает как доп инструмент в веб-интерфейсе DeepSeek
6. Функция DeepThink - аналог размышлений, как это реализовано в Gemini Flash Thinking. Как раз тут работает модель R1.
7. Open Source - исходный код модели доступен каждому
8. Базовая версия не требует подписки
9. Доступность из России (для тех, кто в России)
Конкуренция со стороны Китая явно встряхнет рынок ИИ и заставит крупных игроков пересмотреть свои взгляды. Однако остаются вопросы: как именно Китайцы это сделали, насколько ответственно отнеслись к вопросам этики (отсутствие цензуры напрягает, как и отсутствие информации о том, где и как оно училось).
Буду экспериментировать с этой моделью и позже напишу пост с полноценным мнением о ней.
#новости
Telegram
NGI | Влад Корнышев про AI и создание AI-продуктов
Мои предсказания, что будет с ИИ в 2025 году
В последнее время мне часто попадаются на глаза различные прогнозы о том, что ждет искусственный интеллект в этом году. Как специалист, занимающийся разработкой ИИ-систем, я тоже решил поделиться своим видением…
В последнее время мне часто попадаются на глаза различные прогнозы о том, что ждет искусственный интеллект в этом году. Как специалист, занимающийся разработкой ИИ-систем, я тоже решил поделиться своим видением…
👍3🔥2
Космическая гонка XXI века: почему России необходимо инвестировать в ИИ
На днях на YouTube посмотрел фильм про полет Гагарина в космос. Это по-истине что-то невообразимое, и когда задумываешься, что эти люди делали все расчеты вручную, проектируя ракеты, фактически, вслепую, чтобы отправить их в неизвестность - еще больше поражаешься тому, какие великие умы всем этим занимались. Это не может не восхищать!
По-истине историческое прошлое, которым стоит гордиться. Однако история - штука цикличная. И если чуть больше 60 лет назад, ведущие государства участвовали в космической гонке, то сегодня главная гонка человечества - это ИИ-гонка. И, говоря о цикличности истории, не могу не отметить, насколько ироничен тот факт, что в ней мы вновь видим противостояние американского капитализма и коммунизма, но на этот раз, не советского, а китайского. После объявления Трампа о запуске проекта Stargate с инвестициями в ИИ $500 млрд, ответ Китая не заставил себя ждать - 1 триллион юаней ($138 млрд) будет инвестированно в ИИ компании КНР.
Шумиха на фоне успеха DeepSeek от китайцев сейчас подутихает, начинают вскрываться различные детали. OpenAI уже обвинили китайскую компанию в использовании своих наработок, многие специалисты выражают сомнения по поводу дешевизны китайского подхода к обучению, мол, они делали вторичное обучение, а $5 млн - это цена финального цикла обучения.
Однако, на мой взгляд, можно сколько угодно спорить и кричать, но китайцы доказали несколько важных вещей:
- во-первых, количество вложенных денег не всегда прямо пропорционально получаемому результату;
- во-вторых, для достижения крутого результата совершенно необязательно делать что-то с нуля, достаточно взять существующий продукт и применить в нем другие подходы;
- в-третьих, необязательно иметь доступ к самым крутым технологиям, чтобы создавать что-то прорывное, можно и нужно работать даже под санкциями.
Даже Трамп вчера это оценил, сказав, что круто, что Китайцы достигли успеха, если они могут, значит могут и наши ученые!
Все это наталкивает меня на мысли о том, что Россия просто обязана делать ставку на ИИ и давать свой ответ. Почему?
Конкуренция - это круто. Она стимулирует развитие.
Китай доказал: санкции - это всего лишь мелкое препятствие. У России же за плечами исторический опыт со времен СССР в виде победы в космической гонке. Говорить, что ИИ у нас не развивается из-за санкций - это простые отговорки. Компании могут их обходить и даже обходят. Железо для обучения моделей спокойно завозится в страну, а для разработки моделей Тинькофф и Сбер явно используют зарубежные наработки и наборы данных.
В ИИ-гонке, как и в космической, победит не тот, кто больше вложил денег и кричал о своих достижениях, а тот, кто будет более хитрым и вовремя сделает свою ставку, рискнув всем. У России есть огромный потенциал в сфере ИИ, который просто на просто не используется. Из нашей страны выходят самые светлые умы в области инженерии. Я могу это сказать даже по своему опыту. За время работы в Pearson я поработал со специалистами из Великобритании, США, Польши. Со мной работали бывшие сотрудники Amazon и Microsoft, они очень крутые спецы, но по глубине мыслей и использованию нестандартных подходов они даже рядом не стоят с теми ребятами, с которыми я общался в России. И я уже не говорю о возможностях и ресурсах, которые у нас есть для строительства датацентров.
Если Россия направит усилия и деньги не на ведение войн, а на участие в гонке ИИ, а другие страны позволят ей это сделать - так будет лучше для всего мира. Мы быстрее и экологичнее приблизимся к разработке мощного и этичного ИИ, который поможет нам в решении глобальных проблем. Как минимум, за счет стимулирования конкуренции на рынке благодаря появлению еще одного мощного игрока.
P.S. фильм про Гагарина можно посмотреть тут, канал очень рекомендую :)
#развитиеии
На днях на YouTube посмотрел фильм про полет Гагарина в космос. Это по-истине что-то невообразимое, и когда задумываешься, что эти люди делали все расчеты вручную, проектируя ракеты, фактически, вслепую, чтобы отправить их в неизвестность - еще больше поражаешься тому, какие великие умы всем этим занимались. Это не может не восхищать!
По-истине историческое прошлое, которым стоит гордиться. Однако история - штука цикличная. И если чуть больше 60 лет назад, ведущие государства участвовали в космической гонке, то сегодня главная гонка человечества - это ИИ-гонка. И, говоря о цикличности истории, не могу не отметить, насколько ироничен тот факт, что в ней мы вновь видим противостояние американского капитализма и коммунизма, но на этот раз, не советского, а китайского. После объявления Трампа о запуске проекта Stargate с инвестициями в ИИ $500 млрд, ответ Китая не заставил себя ждать - 1 триллион юаней ($138 млрд) будет инвестированно в ИИ компании КНР.
Шумиха на фоне успеха DeepSeek от китайцев сейчас подутихает, начинают вскрываться различные детали. OpenAI уже обвинили китайскую компанию в использовании своих наработок, многие специалисты выражают сомнения по поводу дешевизны китайского подхода к обучению, мол, они делали вторичное обучение, а $5 млн - это цена финального цикла обучения.
Однако, на мой взгляд, можно сколько угодно спорить и кричать, но китайцы доказали несколько важных вещей:
- во-первых, количество вложенных денег не всегда прямо пропорционально получаемому результату;
- во-вторых, для достижения крутого результата совершенно необязательно делать что-то с нуля, достаточно взять существующий продукт и применить в нем другие подходы;
- в-третьих, необязательно иметь доступ к самым крутым технологиям, чтобы создавать что-то прорывное, можно и нужно работать даже под санкциями.
Даже Трамп вчера это оценил, сказав, что круто, что Китайцы достигли успеха, если они могут, значит могут и наши ученые!
Все это наталкивает меня на мысли о том, что Россия просто обязана делать ставку на ИИ и давать свой ответ. Почему?
Конкуренция - это круто. Она стимулирует развитие.
Китай доказал: санкции - это всего лишь мелкое препятствие. У России же за плечами исторический опыт со времен СССР в виде победы в космической гонке. Говорить, что ИИ у нас не развивается из-за санкций - это простые отговорки. Компании могут их обходить и даже обходят. Железо для обучения моделей спокойно завозится в страну, а для разработки моделей Тинькофф и Сбер явно используют зарубежные наработки и наборы данных.
В ИИ-гонке, как и в космической, победит не тот, кто больше вложил денег и кричал о своих достижениях, а тот, кто будет более хитрым и вовремя сделает свою ставку, рискнув всем. У России есть огромный потенциал в сфере ИИ, который просто на просто не используется. Из нашей страны выходят самые светлые умы в области инженерии. Я могу это сказать даже по своему опыту. За время работы в Pearson я поработал со специалистами из Великобритании, США, Польши. Со мной работали бывшие сотрудники Amazon и Microsoft, они очень крутые спецы, но по глубине мыслей и использованию нестандартных подходов они даже рядом не стоят с теми ребятами, с которыми я общался в России. И я уже не говорю о возможностях и ресурсах, которые у нас есть для строительства датацентров.
Если Россия направит усилия и деньги не на ведение войн, а на участие в гонке ИИ, а другие страны позволят ей это сделать - так будет лучше для всего мира. Мы быстрее и экологичнее приблизимся к разработке мощного и этичного ИИ, который поможет нам в решении глобальных проблем. Как минимум, за счет стимулирования конкуренции на рынке благодаря появлению еще одного мощного игрока.
P.S. фильм про Гагарина можно посмотреть тут, канал очень рекомендую :)
#развитиеии
Telegram
NGI | Влад Корнышев про AI и создание AI-продуктов
$500 млрд в ИИ: благо или катастрофа?
Вы, наверное, уже слышали новость о том, что Дональд Трамп объявил о создании компании Stargate, которая в ближайшие несколько лет инвестирует 500 миллиардов долларов в развитие технологий искусственного интеллекта.…
Вы, наверное, уже слышали новость о том, что Дональд Трамп объявил о создании компании Stargate, которая в ближайшие несколько лет инвестирует 500 миллиардов долларов в развитие технологий искусственного интеллекта.…
👍3
Меня забанили в ChatGPT
И нет, это не кликбейт, реально забанили 😅
Вчера пришло такое письмо и я, мягко говоря, удивился. Что интересно - последнее обновление правил пользования сервисом (их кто-нибудь читает?) было 29 числа, а на 30 - я получил бан. Но в чем причина?
Что-то мне подсказывает, что все не просто так. Во-первых, потому что ChatGPT со своего личного аккаунта я пользуюсь максимально редко. Честно - не помню, когда туда в последний раз заходил. Во-вторых, из “запрещенных” локаций я туда явно не заходил, я не в России с мая 2024. А когда был там - пользоваться ChatGPT, предварительно не включив VPN было в принципе невозможно. В-третьих, за нарушение политик использования меня также вряд ли могли привлечь. Да, я периодически занимаюсь так называемым “джейлбрейком” моделей, заставляя их делать то, что им запрещено делать. Зачем? Образовательные и исследовательские цели 😄 Однако даже это я делаю не на своем аккаунте.
Так в чем причина?
Возможных причин, как мне кажется, несколько.
Причина 1 - OpenAI читают мой Telegram и узнали, что я их не люблю. Сомнительно, но я не мог не озвучить эту версию 😁
Причина 2 - до них как-то дошла история происхождения моего аккаунта. Дело в том, что регистрировал аккаунт там я еще только когда они появились на радаре, используя Российский номер. Возможно применилась логика “раз ты из России, то получай”. Как-то поздно, но вполне вероятный вариант.
Причина 3 - DeepSeek. Я думаю многие видели новость о том, что после успеха DeepSeek, OpenAI поспешили их обвинить в том, что у них украли технологии (чему все только рады). И вполне возможно, что моя любимая “Корпорация зла” решила просто тупо забанить подозрительные аккаунты. Почему мой аккаунт мог стать подозрительным? Понятия не имею, в Китае я не был, хотя учитывая сотрудничество Китая с Россией, может быть и здесь меня забанили “потому что я из России”:)
Причина 4 - опять DeepSeek. За успехом DeepSeek сразу последовала новость о том, что они допустили утечку пользовательских данных. Это, кстати, к теме о том, почему я не сразу побежал активно пользоваться китайской LLM, пока что я успел создать там только 2 чата. Но полагаю, что это также может быть связано между собой. Оба аккаунта у меня зарегистрированны через Google. Возможно OpenAI придумали какую-то заумную систему банов и я попал под раздачу.
Однако, если подумать - все причины просто притянуты за уши и иначе, как маразмом это назвать нельзя.
Написал этим идиотам в саппорт, буду разбираться. Хоть я и не являюсь активным пользователем ChatGPT, терять свой личный аккаунт не хочется, как минимум из принципа и научных соображений 😅
И нет, это не кликбейт, реально забанили 😅
Вчера пришло такое письмо и я, мягко говоря, удивился. Что интересно - последнее обновление правил пользования сервисом (их кто-нибудь читает?) было 29 числа, а на 30 - я получил бан. Но в чем причина?
Что-то мне подсказывает, что все не просто так. Во-первых, потому что ChatGPT со своего личного аккаунта я пользуюсь максимально редко. Честно - не помню, когда туда в последний раз заходил. Во-вторых, из “запрещенных” локаций я туда явно не заходил, я не в России с мая 2024. А когда был там - пользоваться ChatGPT, предварительно не включив VPN было в принципе невозможно. В-третьих, за нарушение политик использования меня также вряд ли могли привлечь. Да, я периодически занимаюсь так называемым “джейлбрейком” моделей, заставляя их делать то, что им запрещено делать. Зачем? Образовательные и исследовательские цели 😄 Однако даже это я делаю не на своем аккаунте.
Так в чем причина?
Возможных причин, как мне кажется, несколько.
Причина 1 - OpenAI читают мой Telegram и узнали, что я их не люблю. Сомнительно, но я не мог не озвучить эту версию 😁
Причина 2 - до них как-то дошла история происхождения моего аккаунта. Дело в том, что регистрировал аккаунт там я еще только когда они появились на радаре, используя Российский номер. Возможно применилась логика “раз ты из России, то получай”. Как-то поздно, но вполне вероятный вариант.
Причина 3 - DeepSeek. Я думаю многие видели новость о том, что после успеха DeepSeek, OpenAI поспешили их обвинить в том, что у них украли технологии (чему все только рады). И вполне возможно, что моя любимая “Корпорация зла” решила просто тупо забанить подозрительные аккаунты. Почему мой аккаунт мог стать подозрительным? Понятия не имею, в Китае я не был, хотя учитывая сотрудничество Китая с Россией, может быть и здесь меня забанили “потому что я из России”:)
Причина 4 - опять DeepSeek. За успехом DeepSeek сразу последовала новость о том, что они допустили утечку пользовательских данных. Это, кстати, к теме о том, почему я не сразу побежал активно пользоваться китайской LLM, пока что я успел создать там только 2 чата. Но полагаю, что это также может быть связано между собой. Оба аккаунта у меня зарегистрированны через Google. Возможно OpenAI придумали какую-то заумную систему банов и я попал под раздачу.
Однако, если подумать - все причины просто притянуты за уши и иначе, как маразмом это назвать нельзя.
Написал этим идиотам в саппорт, буду разбираться. Хоть я и не являюсь активным пользователем ChatGPT, терять свой личный аккаунт не хочется, как минимум из принципа и научных соображений 😅
❤3🔥1🤯1
Я попробовал почти все AI-инструменты для написания кода и выбрал лучшие для использования непрограммистом
В процессе подготовки тренинга я столкнулся с тем, что нужно было делать очень много всего. Одна из задач, которую мне нужно было решить - это создание сайтов для продажи тренингов. Я сразу отбросил использование конструкторов сайтов, вроде Tilda. Хотелось сделать сайт необычным и функциональным. При этом я не хотел тратить кучу времени на его создание и редактирование. На Tilda можно сделать крутой сайт, но нужно потратить много времени, а время сейчас - у меня ресурс максимально ограниченный. Решил, что здесь пойду по стандартному своему пути и привлеку ИИ!
В процессе у меня были разные идеи, я наткнулся на кучу разных инструментов, основных варианта было три:
- создать дизайн с помощью специализированных сервисов генерации макетов, которые я потом смогу экспортировать в конструктор сайтов, например, Webflow;
- написать код с помощью LLM либо редактора кода с ИИ и потом опубликовать сайт на своем сервере;
- найти какой-то специализированный инструмент для создания веб-приложений с помощью ИИ и опубликовать сайт на своем сервере.
Попытка создать дизайн с помощью сервисов генерации макетов
Данный вариант мне показался самым экономным с точки зрения времени. Из таких сервисов мне понравился Relume. Я взял пробную подписку, но столкнулся с двумя проблемами: во-первых, набор возможных дизайнов сильно ограничен и не было нужного мне типа блоков, во-вторых, у них сейчас можно генерировать только сильно упрощенные версии дизайнов - вайрфреймы, функция генерации чего-то красивого находится в бете. Сервис крутой на будущее, но сейчас мне не подошел.
Попытка написать код с помощью LLM или редактора кода
Здесь я попробовал вообще все! Качал Coursor, активировал Github Assistant в VS Code, пробовал писать код с помощью Claude 3.5 и Gemini Flash Thinking 2.0, GPT-o1. Если коротко - для человека, не знакомого с разработкой - все варианты слишком сложны. Можно создать что-то простое, но это займет очень много времени. По итогу я использовал все эти инструменты для точечных доработок кода, который создал с помощью других инструментов. Что хотелось бы отметить: Claude 3.5 проявил себя лучше всех в написании кода, но у него слишком низкие лимиты для создания сайта, Gemini лучше всех помогал мне фиксить баги и ошибки в коде. Но сам сайт я разработал иначе.
Специализированные инструменты для создания прототипов - то, что мне помогло
Таких есть несколько, и я попробовал все. Из тех, что мне понравился - хочу отметить Bolt. Это продукт, у которого под капотом лежит этот самый Claude 3.5. Поэтому код получался крутой, а реализация именно такой, какой я хотел. У сервиса есть ряд недоработок и подводных камней: во-первых, он может нормально реализовать далеко не все из-за того, как он работает, во-вторых - система подписки у него такая, что тебе дается ограниченное количество токенов и, если не знать определенных правил - они улетают очень быстро. Я не знал об этом, и первые $20 у меня сгорели, когда я доделал еще не все. Пришлось закидывать еще $20, чтобы завершить разработку. Но благодаря этому я сформировал детальный гайд по работе с этим инструментом, который будет доступен в обоих курсах. Всего на разработку сайта у меня ушло 5 часов моего времени и чуть меньше $40, что очень круто, сайт для консалтинга мы делали пару месяцев! По моему гайду можно будет создать практически любой сайт в пределах базовой подписки всего за $20 потратив куда меньше времени.
Итого:
Лендинги у меня готовы, осталось решить вопросы с принятием оплаты и пару юридических моментов, и я готов к запуску.
P.S. Скриншот главной страницы прилагаю 😁
#инструменты
В процессе подготовки тренинга я столкнулся с тем, что нужно было делать очень много всего. Одна из задач, которую мне нужно было решить - это создание сайтов для продажи тренингов. Я сразу отбросил использование конструкторов сайтов, вроде Tilda. Хотелось сделать сайт необычным и функциональным. При этом я не хотел тратить кучу времени на его создание и редактирование. На Tilda можно сделать крутой сайт, но нужно потратить много времени, а время сейчас - у меня ресурс максимально ограниченный. Решил, что здесь пойду по стандартному своему пути и привлеку ИИ!
В процессе у меня были разные идеи, я наткнулся на кучу разных инструментов, основных варианта было три:
- создать дизайн с помощью специализированных сервисов генерации макетов, которые я потом смогу экспортировать в конструктор сайтов, например, Webflow;
- написать код с помощью LLM либо редактора кода с ИИ и потом опубликовать сайт на своем сервере;
- найти какой-то специализированный инструмент для создания веб-приложений с помощью ИИ и опубликовать сайт на своем сервере.
Попытка создать дизайн с помощью сервисов генерации макетов
Данный вариант мне показался самым экономным с точки зрения времени. Из таких сервисов мне понравился Relume. Я взял пробную подписку, но столкнулся с двумя проблемами: во-первых, набор возможных дизайнов сильно ограничен и не было нужного мне типа блоков, во-вторых, у них сейчас можно генерировать только сильно упрощенные версии дизайнов - вайрфреймы, функция генерации чего-то красивого находится в бете. Сервис крутой на будущее, но сейчас мне не подошел.
Попытка написать код с помощью LLM или редактора кода
Здесь я попробовал вообще все! Качал Coursor, активировал Github Assistant в VS Code, пробовал писать код с помощью Claude 3.5 и Gemini Flash Thinking 2.0, GPT-o1. Если коротко - для человека, не знакомого с разработкой - все варианты слишком сложны. Можно создать что-то простое, но это займет очень много времени. По итогу я использовал все эти инструменты для точечных доработок кода, который создал с помощью других инструментов. Что хотелось бы отметить: Claude 3.5 проявил себя лучше всех в написании кода, но у него слишком низкие лимиты для создания сайта, Gemini лучше всех помогал мне фиксить баги и ошибки в коде. Но сам сайт я разработал иначе.
Специализированные инструменты для создания прототипов - то, что мне помогло
Таких есть несколько, и я попробовал все. Из тех, что мне понравился - хочу отметить Bolt. Это продукт, у которого под капотом лежит этот самый Claude 3.5. Поэтому код получался крутой, а реализация именно такой, какой я хотел. У сервиса есть ряд недоработок и подводных камней: во-первых, он может нормально реализовать далеко не все из-за того, как он работает, во-вторых - система подписки у него такая, что тебе дается ограниченное количество токенов и, если не знать определенных правил - они улетают очень быстро. Я не знал об этом, и первые $20 у меня сгорели, когда я доделал еще не все. Пришлось закидывать еще $20, чтобы завершить разработку. Но благодаря этому я сформировал детальный гайд по работе с этим инструментом, который будет доступен в обоих курсах. Всего на разработку сайта у меня ушло 5 часов моего времени и чуть меньше $40, что очень круто, сайт для консалтинга мы делали пару месяцев! По моему гайду можно будет создать практически любой сайт в пределах базовой подписки всего за $20 потратив куда меньше времени.
Итого:
Лендинги у меня готовы, осталось решить вопросы с принятием оплаты и пару юридических моментов, и я готов к запуску.
P.S. Скриншот главной страницы прилагаю 😁
#инструменты
🔥5👍1
Новые Gemini вышли из Beta и теперь доступны всем
Пока Open AI выпускают свою Deep Research модель только для избранных, аналог которой с точно таким же названием доступен в Gemini уже больше, чем 1.5 месяца, Google представили ряд новых моделей семейства 2.0. Большинство из них я использовал еще в бете практически каждый день, поэтому здесь мне есть что сказать.
Gemini Flash Thinking Experimental 2.0 - про эту модель я писал уже неоднократно. Модель несколько раз обновлялась за это время и становилась только лучше. Здесь увеличили длину выходного текста до с 8 тыс токенов до 65. Также увеличили контекстное окно с 35 тыс до 1 млн.
По моим наблюдениям, лучше всего модель работает в двух сценариях:
- когда мы уперлись в какую-то проблему/задачу не можем разрешить обычной LLM, и нужно предложить пути ее решения. В моих задачах это было написание контента на сложные темы и исправление ошибок в программном коде.
- когда мы хотим сделать план для выполнения большой задачи.
Нравится видеть “мысли модели”, по это, кстати. будет отдельный пост в ближайшее время. Но в целом, данная моделька была мне очень полезна в последний месяц.
Помимо этого, Google выпустила другую версию этой модельки для работы с приложениями, включая YouTube, Google Docs и другие сервисы компании. Данную модель выпустили только сегодня, в теории - можно отлично использовать для извлечения знаний из видео на YouTube и учиться более эффективно, однако пока что это не работает. Попробовал залить в модельку видео из YouTube - она сказала, что не может мне дать по нему информацию. Посмотрел “Мысли” модели - пишет, что не может вызвать Tool просмотра видео на YouTube. Видимо сломалась при релизе, думаю, в ближайшие день-два это исправят.
Gemini 2.0 Pro Experimental - вторая модель, которую я ранее пробовал. Здесь просто убойное контекстное окно в 2 миллиона токенов (пока не представляю задач, которые можно решить с ним, у меня было максимум 800 тысяч токенов в одной задаче). И если “думающая” версия модели хороша в планировании - эта была очень крута в исполнении. Снова вернусь к примеру с кодом:
Я нашел ошибку, попросил Thinking модель дать варианты решения этой проблемы. После - попросил исправить эту ошибку. Модели нужно было выполнить 2-3 шага для осуществления правок.
В случае с Pro версией модели, если я в нее закидывал варианты решения, сгенерированные через Thinking модель, правильное решение она находила с первого раза. В общем, опять проявляется сила сочетания разных моделей для разных задач. Единственный минус - скорость ответов, она не такая быстрая. Поэтому к этой модельке я обращаюсь только когда задача очень серьерзная.
Помимо этого для разработчиков выпустили еще одну модель, которую я пока не трогал - 2.0 Flash-Lite. Она стоит как Flash 1.5 и превосходит ее, но при этом хуже, чем Flash 2.0 практичеки по всем показателям. По-моему мнению модель не стоит внимания нас как пользователей и больше нужна для того, чтобы мягко стимулировать разработчиков к переходу на новое поколение.
#новости #инструменты
Пока Open AI выпускают свою Deep Research модель только для избранных, аналог которой с точно таким же названием доступен в Gemini уже больше, чем 1.5 месяца, Google представили ряд новых моделей семейства 2.0. Большинство из них я использовал еще в бете практически каждый день, поэтому здесь мне есть что сказать.
Gemini Flash Thinking Experimental 2.0 - про эту модель я писал уже неоднократно. Модель несколько раз обновлялась за это время и становилась только лучше. Здесь увеличили длину выходного текста до с 8 тыс токенов до 65. Также увеличили контекстное окно с 35 тыс до 1 млн.
По моим наблюдениям, лучше всего модель работает в двух сценариях:
- когда мы уперлись в какую-то проблему/задачу не можем разрешить обычной LLM, и нужно предложить пути ее решения. В моих задачах это было написание контента на сложные темы и исправление ошибок в программном коде.
- когда мы хотим сделать план для выполнения большой задачи.
Нравится видеть “мысли модели”, по это, кстати. будет отдельный пост в ближайшее время. Но в целом, данная моделька была мне очень полезна в последний месяц.
Помимо этого, Google выпустила другую версию этой модельки для работы с приложениями, включая YouTube, Google Docs и другие сервисы компании. Данную модель выпустили только сегодня, в теории - можно отлично использовать для извлечения знаний из видео на YouTube и учиться более эффективно, однако пока что это не работает. Попробовал залить в модельку видео из YouTube - она сказала, что не может мне дать по нему информацию. Посмотрел “Мысли” модели - пишет, что не может вызвать Tool просмотра видео на YouTube. Видимо сломалась при релизе, думаю, в ближайшие день-два это исправят.
Gemini 2.0 Pro Experimental - вторая модель, которую я ранее пробовал. Здесь просто убойное контекстное окно в 2 миллиона токенов (пока не представляю задач, которые можно решить с ним, у меня было максимум 800 тысяч токенов в одной задаче). И если “думающая” версия модели хороша в планировании - эта была очень крута в исполнении. Снова вернусь к примеру с кодом:
Я нашел ошибку, попросил Thinking модель дать варианты решения этой проблемы. После - попросил исправить эту ошибку. Модели нужно было выполнить 2-3 шага для осуществления правок.
В случае с Pro версией модели, если я в нее закидывал варианты решения, сгенерированные через Thinking модель, правильное решение она находила с первого раза. В общем, опять проявляется сила сочетания разных моделей для разных задач. Единственный минус - скорость ответов, она не такая быстрая. Поэтому к этой модельке я обращаюсь только когда задача очень серьерзная.
Помимо этого для разработчиков выпустили еще одну модель, которую я пока не трогал - 2.0 Flash-Lite. Она стоит как Flash 1.5 и превосходит ее, но при этом хуже, чем Flash 2.0 практичеки по всем показателям. По-моему мнению модель не стоит внимания нас как пользователей и больше нужна для того, чтобы мягко стимулировать разработчиков к переходу на новое поколение.
#новости #инструменты
🔥5
Нейрофотосессии или фотографы больше не нужны
Пока я готовился к запуску тренингов, столкнулся с одной проблемой: для продвижения чего-либо необходимы качественные фото, как минимум, для позиционирования меня как спикера. Фотографироваться в жизни я особо не люблю, да и нет на это времени, а найти хорошего фотографа - тот еще квест, особенно в США. И я не говорю уже о том, что стоить здесь подобная услуга будет целое состояние.
Как решить проблему? Естественно, думаешь про ИИ, но мне не нравились стилизованные ИИ фотографии себя. В них не хватало жизни, реализма, детали выглядели как сгенерированные с помощью AI. “Было бы круто обучить ИИ на своих фото и генерировать фотосеты самостоятельно” думал я. И вот, недавно такая возможность появилась.
Я как-то писал про Flux, который генерирует изображения лучше, чем Midjourney. Так вот, недавно появился сервис Krea, работающий с ним. Всего за 10 долларов вы можете обучить ИИ генерить фотографии себя.
Понадобится порядка 40-50 ваших фотографий с разных ракурсов, чем больше разнообразие - тем лучше. И 10 долларов на месячную подписку (что точно дешевле услуг фотографа) Ну а дальше - ищем идеи фотографий на Pinterest и пишем правильные промпты. Результат по-истине поражает. Сделал себе несколько бизнес-фото и успел немного поразвлекаться. Как вам?
#инструменты
Пока я готовился к запуску тренингов, столкнулся с одной проблемой: для продвижения чего-либо необходимы качественные фото, как минимум, для позиционирования меня как спикера. Фотографироваться в жизни я особо не люблю, да и нет на это времени, а найти хорошего фотографа - тот еще квест, особенно в США. И я не говорю уже о том, что стоить здесь подобная услуга будет целое состояние.
Как решить проблему? Естественно, думаешь про ИИ, но мне не нравились стилизованные ИИ фотографии себя. В них не хватало жизни, реализма, детали выглядели как сгенерированные с помощью AI. “Было бы круто обучить ИИ на своих фото и генерировать фотосеты самостоятельно” думал я. И вот, недавно такая возможность появилась.
Я как-то писал про Flux, который генерирует изображения лучше, чем Midjourney. Так вот, недавно появился сервис Krea, работающий с ним. Всего за 10 долларов вы можете обучить ИИ генерить фотографии себя.
Понадобится порядка 40-50 ваших фотографий с разных ракурсов, чем больше разнообразие - тем лучше. И 10 долларов на месячную подписку (что точно дешевле услуг фотографа) Ну а дальше - ищем идеи фотографий на Pinterest и пишем правильные промпты. Результат по-истине поражает. Сделал себе несколько бизнес-фото и успел немного поразвлекаться. Как вам?
#инструменты
❤6🔥4
“Новее ≠ лучше” или почему не стоит немедленно переходить со старых ИИ на новые
Когда разработчики ИИ-моделей выпускают в открытый доступ свои новые версии, обычно это сопровождается красивыми пресс-релизами о том, насколько новая версия класснее старой, причем, как правило, это сопровождается рассказами о том, что она еще и стала дешевле.
Однако, в случае с ИИ-продуктами, как и с вполне традиционными, здесь есть подвох. Вы же не бежите, сломя голову, покупать новый iPhone? Аналогичным образом стоит поступать и с AI.
Каждый раз, когда на рынок выходит новый продукт, худшее, что вы можете сделать - это внедрить его на постоянной основе в свой рабочий процесс.
С чем это связано?
Во-первых, новые модели, как правило, частично или полностью используют новые подходы. Да, зачастую это повышает их эффективность по бенчмаркам. Но бенчмарки ≠ реальные кейсы. То, что у вас работает сейчас - не значит, что будет работать с новой версией модели. Допустим, у вас есть крутой промпт, который вам очень помогал. Выходит новая GPT или Gemini - и вполне вероятно, что данный промпт уже будет не так хорош. Буквально сегодня проводил эксперимент по переводу одного из продуктов, которым я занимаюсь, с Gemini 1.5 на 2.0. И при попытке применить старый промпт - модель либо выдавала результат, противоположный ожидаемому, либо отказывалась выполнять команды в принципе, так как была “умнее” и понимала инструкции иначе.
Во-вторых, все, без исключения, новые модели не были протестированы людьми в их реальных сценариях. Кто бы ни занимался разработкой ИИ, будь то Google, Open AI или кто-то еще - ни у одной компании не хватит ресурсов, чтобы воспроизвести все кейсы. Весь шум вокруг новых моделей создается, как правило, чтобы собрать больше обратной связи с пользователей. Видели такие значки возле ответов ИИ 👍👎? Это продакт-менеджеры и инженеры используют вас в качестве бесплатных тестировщиков. Я крайне не люблю тратить свое время на доработку чужих продуктов, если мне за это не платят. Поэтому при выходе новой модели, моей рекомендацией будет подождать недельки 2, прежде чем пытаться переехать на нее. Лучшее, что вы можете сделать - пробовать переехать постепенно: делайте запросы новым моделям в привычном формате, не получилось? Вернетесь через 2 недели, а пока продолжайте пользоваться тем, что работает стабильно.
В-третьих, если речь идет не о компании, которую вы знаете, а о сравнительно новом игроке на рынке - нужно проявлять максимальную осторожность. Вполне возможно, у нового продукта есть “дыры” в безопасности. Далеко ходить не надо - DeepSeek с их недавним сливом подтверждает. Благо, за все время я успел там создать только 3 чата.
В-четвертых, психологический аспект. Мы, люди, склонны к «синдрому новизны». Нам кажется, что всё новое автоматически лучше старого. Особенно, когда об этом трубят из каждого утюга. Но это не всегда так. Иногда стоит проявить консерватизм и подождать, пока новая модель докажет свою эффективность на практике.
В-пятых, нужно смотреть на бенчмарки и выбирать отдельные модели под отдельные задачи. Логика здесь простая: невозможно во всем быть лучше. Всегда есть какой-то трейд-офф. Разработчики очень часто показывают таблицы со сравнением новых и старых моделей, и если посмотреть не на первые строчки, которые всегда будут лучше у новых моделей, а пролистать чуть дальше середины - вы увидите, что по части параметров новые модели вполне могут оказаться хуже старых. Что делать в таком случае? Решите, тот ли это параметр, который вам важен и влияет ли он на ваши задачи.
Самое главное - всегда смотреть на все через призму критики и не быть на поводу у маркетологов!
#развитиеии
Когда разработчики ИИ-моделей выпускают в открытый доступ свои новые версии, обычно это сопровождается красивыми пресс-релизами о том, насколько новая версия класснее старой, причем, как правило, это сопровождается рассказами о том, что она еще и стала дешевле.
Однако, в случае с ИИ-продуктами, как и с вполне традиционными, здесь есть подвох. Вы же не бежите, сломя голову, покупать новый iPhone? Аналогичным образом стоит поступать и с AI.
Каждый раз, когда на рынок выходит новый продукт, худшее, что вы можете сделать - это внедрить его на постоянной основе в свой рабочий процесс.
С чем это связано?
Во-первых, новые модели, как правило, частично или полностью используют новые подходы. Да, зачастую это повышает их эффективность по бенчмаркам. Но бенчмарки ≠ реальные кейсы. То, что у вас работает сейчас - не значит, что будет работать с новой версией модели. Допустим, у вас есть крутой промпт, который вам очень помогал. Выходит новая GPT или Gemini - и вполне вероятно, что данный промпт уже будет не так хорош. Буквально сегодня проводил эксперимент по переводу одного из продуктов, которым я занимаюсь, с Gemini 1.5 на 2.0. И при попытке применить старый промпт - модель либо выдавала результат, противоположный ожидаемому, либо отказывалась выполнять команды в принципе, так как была “умнее” и понимала инструкции иначе.
Во-вторых, все, без исключения, новые модели не были протестированы людьми в их реальных сценариях. Кто бы ни занимался разработкой ИИ, будь то Google, Open AI или кто-то еще - ни у одной компании не хватит ресурсов, чтобы воспроизвести все кейсы. Весь шум вокруг новых моделей создается, как правило, чтобы собрать больше обратной связи с пользователей. Видели такие значки возле ответов ИИ 👍👎? Это продакт-менеджеры и инженеры используют вас в качестве бесплатных тестировщиков. Я крайне не люблю тратить свое время на доработку чужих продуктов, если мне за это не платят. Поэтому при выходе новой модели, моей рекомендацией будет подождать недельки 2, прежде чем пытаться переехать на нее. Лучшее, что вы можете сделать - пробовать переехать постепенно: делайте запросы новым моделям в привычном формате, не получилось? Вернетесь через 2 недели, а пока продолжайте пользоваться тем, что работает стабильно.
В-третьих, если речь идет не о компании, которую вы знаете, а о сравнительно новом игроке на рынке - нужно проявлять максимальную осторожность. Вполне возможно, у нового продукта есть “дыры” в безопасности. Далеко ходить не надо - DeepSeek с их недавним сливом подтверждает. Благо, за все время я успел там создать только 3 чата.
В-четвертых, психологический аспект. Мы, люди, склонны к «синдрому новизны». Нам кажется, что всё новое автоматически лучше старого. Особенно, когда об этом трубят из каждого утюга. Но это не всегда так. Иногда стоит проявить консерватизм и подождать, пока новая модель докажет свою эффективность на практике.
В-пятых, нужно смотреть на бенчмарки и выбирать отдельные модели под отдельные задачи. Логика здесь простая: невозможно во всем быть лучше. Всегда есть какой-то трейд-офф. Разработчики очень часто показывают таблицы со сравнением новых и старых моделей, и если посмотреть не на первые строчки, которые всегда будут лучше у новых моделей, а пролистать чуть дальше середины - вы увидите, что по части параметров новые модели вполне могут оказаться хуже старых. Что делать в таком случае? Решите, тот ли это параметр, который вам важен и влияет ли он на ваши задачи.
Самое главное - всегда смотреть на все через призму критики и не быть на поводу у маркетологов!
#развитиеии
🔥4👍1
Кто такие “билдеры” и почему не стоит изучать с их помощью ИИ
Занимаясь вопросами маркетинга образования в сфере ИИ, добился того, что сейчас вся моя лента и реклама состоит из контента на эту тематику. Грубо говоря, я вижу все то, что видит человек, который хочет “разобраться в ИИ”.
И что мне бросилось в глаза, так это то, что большую часть этого контента, делают так называемые “билдеры”.
Кто это такие?
Билдеры - это люди, занимающиеся запуском множества бизнесов и тестированием идей. У них можно увидеть посты типа: "Запускаю 12 продуктов за 12 месяцев", "Пытаюсь заработать 1 млн. за месяц с ИИ" и т.д. В общем, смысл их деятельности - поднять много бабла в короткий срок и показать, что так могут все.
Жажда быстрых денег и веры в то, что “я могу” - это боли, которые есть у большинства. Являются ли билдеры чем-то плохим? Нет. Для меня они находятся примерно на таком же уровне пользы, как курсы Бизнес-Молодости или Like Центра. Они делают сложные вещи, вроде ведения бизнеса, более доступными широким массам. Те, кому надо - извлекут пользу и преуспеют, как минимум, в зарабатывании денег, в то время как большинство просто останется на том же уровне. В этом нет вины их как провайдеров образовательных услуг, это просто статистически нормальное распределение. В общем, вывод такой: за этими ребятами точно стоит следить, они вдохновляют и у них есть чему научиться с точки зрения бизнес-мышления, но не с точки зрения ИИ.
Почему?
Во-первых, они не понимают, как работает ИИ и вас этому не научат. Они быстро научились извлекать выгоду из ИИ. Но здесь как с музыкой. Если у меня есть гитара и я могу сыграть на ней пару аккордов, и криво спеть, я могу записать свой альбом и быть коммерчески успешным (привет, российские чарты), но это не сделает меня музыкантом. Я не овладею инструментом на уровне, который позволит мне извлекать из него то, ЧЕГО Я ХОЧУ, а не то, что он мне дает.
Во-вторых, делая что-то с помощью ИИ по их методам, вы рискуете попасть впросак. Сегодня увидел в ленте парня, который за 300 к. взялся разработать приложение для бизнеса и рассказывает, как это просто. Но это нифига не просто, друзья мои. Допустим, парень знает принципы программирования. Но ВЫ ИХ НЕ ЗНАЕТЕ. Если с приложением что-то будет не так, а 100% так и будет, потому что ИИ НЕ УМЕЕТ ПИСАТЬ КОД для продакшена. Вам придется решать эту проблему самостоятельно. Стоит ли говорить о том, что вы ее не решите, не будучи разработчиком и вам придется нести за это ответственность? К нам уже приходили заказчики с подобными приложениями. Код был так плох, что его пришлось переписывать полностью. Потому что качественный продукт с ИИ можно создать ТОЛЬКО будучи экспертом в этой предметной области.
В-третьих, вы для них - просто очередная аудитория, на которой можно заработать. За годы работы в EdTech, я могу точно сказать, что нет ничего хуже образования, которое строится ради зарабатывания денег. И это то, что меня раздражает и в крупных эдтехах. Очень часто на противоположных чашах весов находятся качество образования и финансовая выгода. И подобное “образование” сейчас вытесняет традиционные университеты. А страдает от этого потребитель.
В-четвертых, они дают вам временные решения, а не фундаментальные. Дизайн футболок с помощью ИИ, разработка чат-бота, который будет что-то продавать и другие их “темки”. Это то, что стреляет здесь и сейчас. Начиная работать по их схемам, вы сами перенасыщаете рынок. Никто не будет делиться способом зарабатывать миллионы в гайде за 10 000 рублей. С вами делятся отработанным материалом, который скоро умрет. А когда оно умрет - вы останетесь с бесполезными навыками создания принтов на футболках, которыми будет забит весь Wildberries.
Что же делать?
За билдерами, как минимум, стоит следить. Как я писал выше, у них можно кое-чему научиться. Однако, что касается ИИ: проходите бесплатные курсы от их разработчиков, читайте книги, смотрите YouTube-каналы и читайте экспертов, работающих в этой области, например у Андрея Карпатого просто замечательный канал. Ну и меня почитывайте иногда 🙂
#обучающиематериалы
Занимаясь вопросами маркетинга образования в сфере ИИ, добился того, что сейчас вся моя лента и реклама состоит из контента на эту тематику. Грубо говоря, я вижу все то, что видит человек, который хочет “разобраться в ИИ”.
И что мне бросилось в глаза, так это то, что большую часть этого контента, делают так называемые “билдеры”.
Кто это такие?
Билдеры - это люди, занимающиеся запуском множества бизнесов и тестированием идей. У них можно увидеть посты типа: "Запускаю 12 продуктов за 12 месяцев", "Пытаюсь заработать 1 млн. за месяц с ИИ" и т.д. В общем, смысл их деятельности - поднять много бабла в короткий срок и показать, что так могут все.
Жажда быстрых денег и веры в то, что “я могу” - это боли, которые есть у большинства. Являются ли билдеры чем-то плохим? Нет. Для меня они находятся примерно на таком же уровне пользы, как курсы Бизнес-Молодости или Like Центра. Они делают сложные вещи, вроде ведения бизнеса, более доступными широким массам. Те, кому надо - извлекут пользу и преуспеют, как минимум, в зарабатывании денег, в то время как большинство просто останется на том же уровне. В этом нет вины их как провайдеров образовательных услуг, это просто статистически нормальное распределение. В общем, вывод такой: за этими ребятами точно стоит следить, они вдохновляют и у них есть чему научиться с точки зрения бизнес-мышления, но не с точки зрения ИИ.
Почему?
Во-первых, они не понимают, как работает ИИ и вас этому не научат. Они быстро научились извлекать выгоду из ИИ. Но здесь как с музыкой. Если у меня есть гитара и я могу сыграть на ней пару аккордов, и криво спеть, я могу записать свой альбом и быть коммерчески успешным (привет, российские чарты), но это не сделает меня музыкантом. Я не овладею инструментом на уровне, который позволит мне извлекать из него то, ЧЕГО Я ХОЧУ, а не то, что он мне дает.
Во-вторых, делая что-то с помощью ИИ по их методам, вы рискуете попасть впросак. Сегодня увидел в ленте парня, который за 300 к. взялся разработать приложение для бизнеса и рассказывает, как это просто. Но это нифига не просто, друзья мои. Допустим, парень знает принципы программирования. Но ВЫ ИХ НЕ ЗНАЕТЕ. Если с приложением что-то будет не так, а 100% так и будет, потому что ИИ НЕ УМЕЕТ ПИСАТЬ КОД для продакшена. Вам придется решать эту проблему самостоятельно. Стоит ли говорить о том, что вы ее не решите, не будучи разработчиком и вам придется нести за это ответственность? К нам уже приходили заказчики с подобными приложениями. Код был так плох, что его пришлось переписывать полностью. Потому что качественный продукт с ИИ можно создать ТОЛЬКО будучи экспертом в этой предметной области.
В-третьих, вы для них - просто очередная аудитория, на которой можно заработать. За годы работы в EdTech, я могу точно сказать, что нет ничего хуже образования, которое строится ради зарабатывания денег. И это то, что меня раздражает и в крупных эдтехах. Очень часто на противоположных чашах весов находятся качество образования и финансовая выгода. И подобное “образование” сейчас вытесняет традиционные университеты. А страдает от этого потребитель.
В-четвертых, они дают вам временные решения, а не фундаментальные. Дизайн футболок с помощью ИИ, разработка чат-бота, который будет что-то продавать и другие их “темки”. Это то, что стреляет здесь и сейчас. Начиная работать по их схемам, вы сами перенасыщаете рынок. Никто не будет делиться способом зарабатывать миллионы в гайде за 10 000 рублей. С вами делятся отработанным материалом, который скоро умрет. А когда оно умрет - вы останетесь с бесполезными навыками создания принтов на футболках, которыми будет забит весь Wildberries.
Что же делать?
За билдерами, как минимум, стоит следить. Как я писал выше, у них можно кое-чему научиться. Однако, что касается ИИ: проходите бесплатные курсы от их разработчиков, читайте книги, смотрите YouTube-каналы и читайте экспертов, работающих в этой области, например у Андрея Карпатого просто замечательный канал. Ну и меня почитывайте иногда 🙂
#обучающиематериалы
Telegram
NGI | Влад Корнышев про AI и создание AI-продуктов
Книги от меня: что читать AI-продакт-менеджеру - подборка #1
В недавнем посте я затрагивал тему чтения. Сейчас, читая очередную книгу, подумал, что хочется поделиться полезной информацией и здесь. Ведь что бы ни говорили, книги — это огромный кладезь информации.…
В недавнем посте я затрагивал тему чтения. Сейчас, читая очередную книгу, подумал, что хочется поделиться полезной информацией и здесь. Ведь что бы ни говорили, книги — это огромный кладезь информации.…
🔥4👍2
DeepSeek — это хорошо или плохо? 🐳
Шум вокруг того, какая у китайцев получилась классная языковая модель, немного поутих, и теперь настало время порассуждать о том, как относиться к появлению этого игрока на рынке.
Плюсы такого скачка со стороны китайцев видны сразу.
Для нас, как для конечных пользователей модели, конкуренция — это всегда плюс. Благодаря ей мы получаем лучшие продукты по более низким ценам, помимо этого, мы получаем больше инструментов для решения разных задач: очевидно, в чём-то лучше будет ChatGPT/Claude/Gemini, а в чём-то DeepSeek.
Другой очевидный плюс — это вклад в развитие технического прогресса. Каким бы способом ни пользовались китайцы: будь это обучение своей LLM на базе моделей OpenAI или LLAMa, они явно нашли подход, который требует меньших инвестиций, меньших мощностей со всеми вытекающими из этого обстоятельствами, в частности, выработки тепла 🙂
Но какой ценой это всё достигается и что там по этике?
Вслед за восхищёнными отзывами о работе модели последовали различные аудиты и комментарии авторитетных лиц в области разработки ИИ. Как я уже писал, OpenAI обвинили китайцев в краже своих технологий. Хоть OpenAI и не самая чистая контора, я считаю, что любая кража интеллектуальной собственности — это плохо. Переманивайте сотрудников, занимайтесь конкурентной разведкой, но делайте это честно. Здесь есть и вина самих OpenAI, что они недостаточно защитили свои активы.
Другой важный момент — это вопросы безопасности данной модели. Буквально на второй день вышла новость об утечке данных пользователей. Помимо этого, различные группы исследователей оценили безопасность модели на “двойку”.
Отдельно хочется выделить, что сказал Дарио Амодей - CEO Anthropic (разработчика Claude). Да, компания Американская, но эти ребята - одни из тех, кто наиболее ответственно относится к разработке ИИ и проводит кучу исследований с публикацией их результатов. Так вот, по словам Дарио, модель проваливает тесты на безопасность и спокойно выдает информацию о том, как создавать биологическое оружие.
В общем, из всего этого создается стойкое ощущение, что китайцы просто наплевали на безопасность и этику, что вызывало у меня опасения с первого дня. Подобное отношение к разработке ИИ ни к чему хорошему не приведет и здесь будут иметь место разные негативные последствия: начиная с недобросовестного использования ИИ и заканчивая “злым” ИИ, который будет пытаться воспроизвести свою копию, свободных от человеческих ограничений.
#развитиеии
Шум вокруг того, какая у китайцев получилась классная языковая модель, немного поутих, и теперь настало время порассуждать о том, как относиться к появлению этого игрока на рынке.
Плюсы такого скачка со стороны китайцев видны сразу.
Для нас, как для конечных пользователей модели, конкуренция — это всегда плюс. Благодаря ей мы получаем лучшие продукты по более низким ценам, помимо этого, мы получаем больше инструментов для решения разных задач: очевидно, в чём-то лучше будет ChatGPT/Claude/Gemini, а в чём-то DeepSeek.
Другой очевидный плюс — это вклад в развитие технического прогресса. Каким бы способом ни пользовались китайцы: будь это обучение своей LLM на базе моделей OpenAI или LLAMa, они явно нашли подход, который требует меньших инвестиций, меньших мощностей со всеми вытекающими из этого обстоятельствами, в частности, выработки тепла 🙂
Но какой ценой это всё достигается и что там по этике?
Вслед за восхищёнными отзывами о работе модели последовали различные аудиты и комментарии авторитетных лиц в области разработки ИИ. Как я уже писал, OpenAI обвинили китайцев в краже своих технологий. Хоть OpenAI и не самая чистая контора, я считаю, что любая кража интеллектуальной собственности — это плохо. Переманивайте сотрудников, занимайтесь конкурентной разведкой, но делайте это честно. Здесь есть и вина самих OpenAI, что они недостаточно защитили свои активы.
Другой важный момент — это вопросы безопасности данной модели. Буквально на второй день вышла новость об утечке данных пользователей. Помимо этого, различные группы исследователей оценили безопасность модели на “двойку”.
Отдельно хочется выделить, что сказал Дарио Амодей - CEO Anthropic (разработчика Claude). Да, компания Американская, но эти ребята - одни из тех, кто наиболее ответственно относится к разработке ИИ и проводит кучу исследований с публикацией их результатов. Так вот, по словам Дарио, модель проваливает тесты на безопасность и спокойно выдает информацию о том, как создавать биологическое оружие.
В общем, из всего этого создается стойкое ощущение, что китайцы просто наплевали на безопасность и этику, что вызывало у меня опасения с первого дня. Подобное отношение к разработке ИИ ни к чему хорошему не приведет и здесь будут иметь место разные негативные последствия: начиная с недобросовестного использования ИИ и заканчивая “злым” ИИ, который будет пытаться воспроизвести свою копию, свободных от человеческих ограничений.
#развитиеии
Gizmodo
DeepSeek Gets an 'F' in Safety From Researchers
The model failed to block a single attack attempt.
👍2