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
Почему ты постоянно пишешь про этику ИИ?
С таким вопросом подошла ко мне жена несколько дней назад, мол “этика же заключается в том, чтобы поступать правильно и все такое, а ты эту тему постоянно поднимаешь”. И тут меня осенило! Я-то начинал писать диссертацию с целой главой про этику ИИ еще 7 лет назад, в то время как большинство моих читателей начало взаимодействовать с ИИ в лучшем случае в 2022 году, а я - такой любитель философии постоянно пропихиваю им какую-то этику. Но этика ИИ намного ближе к каждому, чем философия и сейчас вы убедитесь в этом.
Итак, ликбез по этике ИИ!
Этика ИИ — это не просто набор абстрактных принципов. Эта широкая область рассматривает как фундаментальные вопросы, вроде экзистенциальной угрозы человеку (наподобие Скайнет из фильма "Терминатор") и влияния разработки ИИ на окружающую среду и глобальное потепление, так и кажущиеся на этом фоне безобидными проблемы дискриминации.
Два измерения этики ИИ
Я выделяю два основных измерения этики ИИ: этику разработки и этику применения.
Этика разработки ИИ: Эта область связана с тем, как разрабатываются продукты на основе ИИ. Она концентрируется на решении этических вопросов, возникающих до того, как система будет развернута и начнет использоваться. Основное внимание уделяется данным, алгоритмам, моделям, процессу проектирования и тестирования. Этика разработки ИИ — это непрерывный процесс, сопровождающий создание ИИ-продукта.
Этика применения ИИ: Затрагивает вопросы того, как ИИ используется в реальном мире. Сосредоточена на использовании ИИ-систем в реальном мире и их влиянии на людей и общество. Она касается этических вопросов, возникающих во время и после развертывания системы. Этика применения ИИ должна решать вопросы последствий и последействий (долгосрочных последствий) использования ИИ. Другими словами, мы ВСЕГДА должны думать об этике ИИ.
Примеры этических дилемм
Вот несколько примеров этических вопросов, которые стоят перед нами сегодня:
Почему этика ИИ так важна?
ИИ - это мощный инструмент, который может быть использован как во благо, так и во вред. Этика ИИ помогает нам использовать этот инструмент ответственно, минимизируя риски и максимизируя пользу.
Для тех, кто интересуется этикой ИИ, рекомендую почитать работы Ника Бострома и Стюарта Рассела.
Теперь, читая знаменитую фразу Хокинга: “ИИ станет либо лучшим, либо худшим событием в истории человечества”. Вы знаете, что это, прежде всего, про этику!
#развитиеии #обучающиематериалы
С таким вопросом подошла ко мне жена несколько дней назад, мол “этика же заключается в том, чтобы поступать правильно и все такое, а ты эту тему постоянно поднимаешь”. И тут меня осенило! Я-то начинал писать диссертацию с целой главой про этику ИИ еще 7 лет назад, в то время как большинство моих читателей начало взаимодействовать с ИИ в лучшем случае в 2022 году, а я - такой любитель философии постоянно пропихиваю им какую-то этику. Но этика ИИ намного ближе к каждому, чем философия и сейчас вы убедитесь в этом.
Итак, ликбез по этике ИИ!
Этика ИИ — это не просто набор абстрактных принципов. Эта широкая область рассматривает как фундаментальные вопросы, вроде экзистенциальной угрозы человеку (наподобие Скайнет из фильма "Терминатор") и влияния разработки ИИ на окружающую среду и глобальное потепление, так и кажущиеся на этом фоне безобидными проблемы дискриминации.
Два измерения этики ИИ
Я выделяю два основных измерения этики ИИ: этику разработки и этику применения.
Этика разработки ИИ: Эта область связана с тем, как разрабатываются продукты на основе ИИ. Она концентрируется на решении этических вопросов, возникающих до того, как система будет развернута и начнет использоваться. Основное внимание уделяется данным, алгоритмам, моделям, процессу проектирования и тестирования. Этика разработки ИИ — это непрерывный процесс, сопровождающий создание ИИ-продукта.
Этика применения ИИ: Затрагивает вопросы того, как ИИ используется в реальном мире. Сосредоточена на использовании ИИ-систем в реальном мире и их влиянии на людей и общество. Она касается этических вопросов, возникающих во время и после развертывания системы. Этика применения ИИ должна решать вопросы последствий и последействий (долгосрочных последствий) использования ИИ. Другими словами, мы ВСЕГДА должны думать об этике ИИ.
Примеры этических дилемм
Вот несколько примеров этических вопросов, которые стоят перед нами сегодня:
🤯Предвзятость: ИИ может быть предвзятым, если данные, на которых он обучался, были предвзятыми. Это может привести к дискриминации определенных групп людей.
📃Конфиденциальность: ИИ может использоваться для сбора и анализа больших объемов данных о людях. Это может привести к нарушению их конфиденциальности.
🔐Безопасность: ИИ может использоваться для создания автономных систем, которые могут причинить вред людям. Важно обеспечить безопасность таких систем.
🧑⚖️Ответственность: Кто несет ответственность за действия ИИ? Это сложный вопрос, который пока не имеет однозначного ответа.
🤖Автономность: Насколько автономным должен быть ИИ? Где границы его самостоятельности?
Почему этика ИИ так важна?
ИИ - это мощный инструмент, который может быть использован как во благо, так и во вред. Этика ИИ помогает нам использовать этот инструмент ответственно, минимизируя риски и максимизируя пользу.
Для тех, кто интересуется этикой ИИ, рекомендую почитать работы Ника Бострома и Стюарта Рассела.
Теперь, читая знаменитую фразу Хокинга: “ИИ станет либо лучшим, либо худшим событием в истории человечества”. Вы знаете, что это, прежде всего, про этику!
#развитиеии #обучающиематериалы
🔥3❤2
Я создал для вас бесплатного ИИ-помощника! 🆕
Знакомьтесь, нейросова Нейджи! 🦉
Вы, наверное, слышали на днях, что Duolingo убили свою сову Duo. Так совпало, что я параллельно разрабатывал свою, только, в отличие от сородича, она реально умная и приносит много пользы 😁
Что умеет делать Нейджи
Нейджи - это Telegram-бот с ИИ, задача которого - помочь вам разобраться в тематике ИИ и AI-продакт-менеджмента.
Нейджи может:
- протестировать ваши знания в ИИ
- выдать вам обучающие материалы, которые помогут повысить ваш уровень ИИ-грамотности
- подобрать ИИ-инструменты под ваши конкретные задачи
- ответить на любые вопросы по тематике AI продакт-менеджмента и личной эффективности с ИИ
- развеселить вас: у Нейджи почти нет цензуры, она свободно обсуждает любые темы, умеет ругаться и шутить 😏
Как работает Нейджи
В основе Нейджи лежат аж 3 LLM, выполняющих разные задачи, и технология RAG. Я обучил сову правильно подбирать ИИ-инструменты, используя мою личную базу из 100+ нейросетей, которые я лично тестировал. Помимо этого, у Нейджи есть доступ к базе ответов на наиболее частые вопросы об ИИ.
Если углубиться еще немного, на LLM лежат следующие задачи:
- классификация и декомпозиция вашего вопроса на составляющие
- поиск релевантной информации в базах данных
- сопоставление найденной информации с вашим первоначальным запросом
- формирование итогового ответа, который бот отправляет вам в виде сообщения.
Какие ограничения есть у Нейджи
Для подписчиков моего канала доступ ко всем функциям Нейджи полностью бесплатный, но с некоторыми ограничениями:
- 3 запроса в день на подбор инструментов
- 3 вопроса в день, которые можно задать Нейджи
- ограничение на длину вопроса в 500 символов
- бот способен обработать сообщения не более 60 пользователей одновременно, проще говоря, если с вами в одну и ту же секунду ИИ-функциями воспользовалось 59 человек, бот выдаст ошибку и попросит повторить запрос.
Данные ограничения позволят пользоваться функционалом бота бесплатно. В дальнейшем я буду добавлять в Нейджи больше функций и полезных материалов, а также увеличу лимиты.
💵 Платный функционал не планирую, но возможно открою донаты Нейджи “на корм”, это позволит оплатить ей более мощный сервер, на котором она живет и увеличить лимит запросов 🦉
Нейджи уже ждет вас! Пишите ей и делитесь своими отзывами и предложениями под этим постом либо мне в личку, это поможет сделать данный инструмент полезнее!
Также делитесь ссылкой на Нейджи с друзьями и коллегами!
👉Написать Нейджи👈
#инструменты
Знакомьтесь, нейросова Нейджи! 🦉
Вы, наверное, слышали на днях, что Duolingo убили свою сову Duo. Так совпало, что я параллельно разрабатывал свою, только, в отличие от сородича, она реально умная и приносит много пользы 😁
Что умеет делать Нейджи
Нейджи - это Telegram-бот с ИИ, задача которого - помочь вам разобраться в тематике ИИ и AI-продакт-менеджмента.
Нейджи может:
- протестировать ваши знания в ИИ
- выдать вам обучающие материалы, которые помогут повысить ваш уровень ИИ-грамотности
- подобрать ИИ-инструменты под ваши конкретные задачи
- ответить на любые вопросы по тематике AI продакт-менеджмента и личной эффективности с ИИ
- развеселить вас: у Нейджи почти нет цензуры, она свободно обсуждает любые темы, умеет ругаться и шутить 😏
Как работает Нейджи
В основе Нейджи лежат аж 3 LLM, выполняющих разные задачи, и технология RAG. Я обучил сову правильно подбирать ИИ-инструменты, используя мою личную базу из 100+ нейросетей, которые я лично тестировал. Помимо этого, у Нейджи есть доступ к базе ответов на наиболее частые вопросы об ИИ.
Если углубиться еще немного, на LLM лежат следующие задачи:
- классификация и декомпозиция вашего вопроса на составляющие
- поиск релевантной информации в базах данных
- сопоставление найденной информации с вашим первоначальным запросом
- формирование итогового ответа, который бот отправляет вам в виде сообщения.
Какие ограничения есть у Нейджи
Для подписчиков моего канала доступ ко всем функциям Нейджи полностью бесплатный, но с некоторыми ограничениями:
- 3 запроса в день на подбор инструментов
- 3 вопроса в день, которые можно задать Нейджи
- ограничение на длину вопроса в 500 символов
- бот способен обработать сообщения не более 60 пользователей одновременно, проще говоря, если с вами в одну и ту же секунду ИИ-функциями воспользовалось 59 человек, бот выдаст ошибку и попросит повторить запрос.
Данные ограничения позволят пользоваться функционалом бота бесплатно. В дальнейшем я буду добавлять в Нейджи больше функций и полезных материалов, а также увеличу лимиты.
💵 Платный функционал не планирую, но возможно открою донаты Нейджи “на корм”, это позволит оплатить ей более мощный сервер, на котором она живет и увеличить лимит запросов 🦉
Нейджи уже ждет вас! Пишите ей и делитесь своими отзывами и предложениями под этим постом либо мне в личку, это поможет сделать данный инструмент полезнее!
Также делитесь ссылкой на Нейджи с друзьями и коллегами!
👉Написать Нейджи👈
#инструменты
Please open Telegram to view this post
VIEW IN TELEGRAM
Telegram
Нейросова Нейджи 🦉
Привет, я нейросова Нейджи 🦉
Помогаю в подборе ИИ под твои задачи и делюсь полезными знаниями об ИИ🦾
Автор: @vladkor97
Помогаю в подборе ИИ под твои задачи и делюсь полезными знаниями об ИИ🦾
Автор: @vladkor97
🔥8
Топ ИИ-сервисов, за которые стоит платить
За последний год количество ИИ-сервисов, за которые не жалко отдать кровно заработанные деньги, неуклонно растет. Если раньше, когда мы видели какой-то ИИ-продукт, то в большинстве случаев у него под капотом лежала просто модель GPT, и отдавать еще 20 долларов за очередную такую поделку давила жаба, то сейчас появляется все больше компаний, разработавших свои собственные модели и алгоритмы, подняв раунд-другой инвестиций.
Я подобрал эти инструменты, с учетом своих задач, но полезное здесь найдет каждый!
Не буду делать долгих вступлений - перейду сразу к делу.
Мой топ платных ИИ-сервисов:
1. Google AI Premium. Я не скрываю, что Gemini - моя самая любимая ИИ-шка. Несмотря на то что почти все модели Gemini доступны в Google AI Studio бесплатно вообще любому, это единственная подписка, за которую я плачу на постоянной основе. Почему? Она самая выгодная.
За те же 20 долларов, за которые у ChatGPT вы получаете только доступ к LLM, Google дает вам:
* 2 терабайта облака;
* доступ к премиум-фичам NotebookLM (про нее будет отдельный пост);
* доступ к продвинутым моделям Gemini;
* доступ к Gemini в Google Документах и в почте;
* премиум для Google Meet с возможностью записи встреч;
* много всякой разной мелочи.
В общем, плачу я за одну подписку, а получаю премиум ИИ-фичи, видеозвонки без ограничений, огромное облако, и все это интегрировано с экосистемой Google! Титул лучшей подписки за свои деньги явно уходит этому сервису.
2. Anthropic Claude. На мой взгляд, одна из лучших LLM прямо сейчас. Непревзойденная работа с кодом, отличная обработка текстов. Да, для меня лично это не инструмент на каждый день, но при определенных сценариях я готов не глядя отдать за нее 20 долларов за месяц крутого опыта.
3. Napkin AI. Очень нишевый сервис для генерации схем и диаграмм. Ребята сейчас в бете и не имеют платной подписки. Однако, как только я увидел этот сервис, я почувствовал, какой груз упал у меня с плеч. В моей работе мне постоянно приходится работать с визуализацией. Потратить на создание красивого визуала 1 минуту вместо 40 - это то, за что лично я буду готов платить, когда оно станет платным.
4. Cursor. Наверное, самый классный редактор кода, который я пробовал, а пробовал я много, уж поверьте мне! Я не программист и не могу говорить за качество кода, который создается с помощью Cursor. Однако, для моих задач в рамках запуска моих личных проектов, создания чат-ботов и быстрых прототипов Cursor показал себя просто невероятно. В данный момент я готов платить за него 20 долларов эпизодически, когда мне нужно создать какой-то код. Если таких задач станет больше - не поскуплюсь на покупку годовой подписки.
5. Bolt. Сервис для создания ИИ-прототипов. Если Cursor заточен больше под работу с чисто кодом, то у Bolt сильнее прокачана визуальная часть. То, как он работает с библиотеками, и какой UX можно с ним создать, не могло пройти мимо меня незамеченным. Создать сайт? Быстро проверить гипотезу? Это все про Bolt. Есть свои нюансы использования, так как платные токены Bolt жрет просто вне себя, но мне удалось разработать эффективные стратегии его использования. (используйте мою реферальную ссылку для получения дополнительных 200 к токенов)
6. Perplexity. Лучший сервис для проведения исследований. Ни разу за него не платил, так как бесплатных лимитов мне хватает почти всегда, но если моя нагрузка по исследованиям увеличится - очередные 20 долларов улетят с моей карты именно этим ребятам, ибо оно все окупится.
Подводя итог:
Каждая подписка в этом списке для меня - инвестиция. Вложение в любую из них и активное использование окупается минимум в 100 раз. Однако для базовой работы мне хватает одной - Google AI Premium.
#инструменты
За последний год количество ИИ-сервисов, за которые не жалко отдать кровно заработанные деньги, неуклонно растет. Если раньше, когда мы видели какой-то ИИ-продукт, то в большинстве случаев у него под капотом лежала просто модель GPT, и отдавать еще 20 долларов за очередную такую поделку давила жаба, то сейчас появляется все больше компаний, разработавших свои собственные модели и алгоритмы, подняв раунд-другой инвестиций.
Я подобрал эти инструменты, с учетом своих задач, но полезное здесь найдет каждый!
Не буду делать долгих вступлений - перейду сразу к делу.
Мой топ платных ИИ-сервисов:
1. Google AI Premium. Я не скрываю, что Gemini - моя самая любимая ИИ-шка. Несмотря на то что почти все модели Gemini доступны в Google AI Studio бесплатно вообще любому, это единственная подписка, за которую я плачу на постоянной основе. Почему? Она самая выгодная.
За те же 20 долларов, за которые у ChatGPT вы получаете только доступ к LLM, Google дает вам:
* 2 терабайта облака;
* доступ к премиум-фичам NotebookLM (про нее будет отдельный пост);
* доступ к продвинутым моделям Gemini;
* доступ к Gemini в Google Документах и в почте;
* премиум для Google Meet с возможностью записи встреч;
* много всякой разной мелочи.
В общем, плачу я за одну подписку, а получаю премиум ИИ-фичи, видеозвонки без ограничений, огромное облако, и все это интегрировано с экосистемой Google! Титул лучшей подписки за свои деньги явно уходит этому сервису.
2. Anthropic Claude. На мой взгляд, одна из лучших LLM прямо сейчас. Непревзойденная работа с кодом, отличная обработка текстов. Да, для меня лично это не инструмент на каждый день, но при определенных сценариях я готов не глядя отдать за нее 20 долларов за месяц крутого опыта.
3. Napkin AI. Очень нишевый сервис для генерации схем и диаграмм. Ребята сейчас в бете и не имеют платной подписки. Однако, как только я увидел этот сервис, я почувствовал, какой груз упал у меня с плеч. В моей работе мне постоянно приходится работать с визуализацией. Потратить на создание красивого визуала 1 минуту вместо 40 - это то, за что лично я буду готов платить, когда оно станет платным.
4. Cursor. Наверное, самый классный редактор кода, который я пробовал, а пробовал я много, уж поверьте мне! Я не программист и не могу говорить за качество кода, который создается с помощью Cursor. Однако, для моих задач в рамках запуска моих личных проектов, создания чат-ботов и быстрых прототипов Cursor показал себя просто невероятно. В данный момент я готов платить за него 20 долларов эпизодически, когда мне нужно создать какой-то код. Если таких задач станет больше - не поскуплюсь на покупку годовой подписки.
5. Bolt. Сервис для создания ИИ-прототипов. Если Cursor заточен больше под работу с чисто кодом, то у Bolt сильнее прокачана визуальная часть. То, как он работает с библиотеками, и какой UX можно с ним создать, не могло пройти мимо меня незамеченным. Создать сайт? Быстро проверить гипотезу? Это все про Bolt. Есть свои нюансы использования, так как платные токены Bolt жрет просто вне себя, но мне удалось разработать эффективные стратегии его использования. (используйте мою реферальную ссылку для получения дополнительных 200 к токенов)
6. Perplexity. Лучший сервис для проведения исследований. Ни разу за него не платил, так как бесплатных лимитов мне хватает почти всегда, но если моя нагрузка по исследованиям увеличится - очередные 20 долларов улетят с моей карты именно этим ребятам, ибо оно все окупится.
Подводя итог:
Каждая подписка в этом списке для меня - инвестиция. Вложение в любую из них и активное использование окупается минимум в 100 раз. Однако для базовой работы мне хватает одной - Google AI Premium.
#инструменты
Google
Plans & Pricing to Upgrade Your Cloud Storage - Google One
Google One has cloud storage plans for everyone. Discover what each plan offers, including access to Gemini Advanced with the AI Premium plan.
🔥9❤8👍1
Илон Маск пообещал нам «самый умный ИИ»
Думаю, что многие уже видели последний анонс от xAI. Но для тех, кто не в курсе, — коротко перескажу.
Сегодня ночью компания Илона Маска анонсировала новую версию своей большой языковой модели (LLM) — Grok 3.
Маск заявляет, что для тренировки модели использовалось в 10 раз больше компьютерных мощностей. Если верить анонсу, то новая модель по своей производительности в задачах на науку, математику и программирование превосходит всех конкурентов в лице Claude, ChatGPT и Gemini.
Reasoning модель («думающая») обходит GPT-3.5-turbo (high) и остальных конкурентов. На Chatbotarena тестовая версия Grok 3 вырвалась в лидеры.
Также анонсировали добавление голосового режима, а также что Grok 2 скоро выпустят в Open Source, что, без сомнения, хорошо для развития ИИ со стороны сообщества.
Вроде выглядит как большой анонс и очередной прорыв, но я бы не торопился с выводами.
Прежде всего потому, что мы еще не знаем, как модель покажет себя на реальных задачах. Уже давно ни для кого не секрет, что бенчмаркам доверять не стоит. Разработчики ИИ либо создают свои версии бенчмарков, по которым их модель ну уж точно будет лучше, либо подгоняют работу модели таким образом, чтобы она могла вырваться в топ этих самых бенчмарков. Но даже если она и обходит существующие модели, я не перестану повторять, что самый правильный подход для конечного пользователя — это не привязываться к продукту одной компании, а использовать разные модели для разных задач.
Grok 2 меня не особо впечатлила и не нашла места в моем списке ИИ на каждый день, но надеюсь, что 3 версия будет лучше, и, возможно, я начну ее активно использовать.
Grok 3 будет доступна для тестов в подписке за $50 в месяц в ближайшее время.
А что вы думаете по поводу анонса? Есть ли здесь те, для кого Grok — это основная рабочая модель?
#новости
Думаю, что многие уже видели последний анонс от xAI. Но для тех, кто не в курсе, — коротко перескажу.
Сегодня ночью компания Илона Маска анонсировала новую версию своей большой языковой модели (LLM) — Grok 3.
Маск заявляет, что для тренировки модели использовалось в 10 раз больше компьютерных мощностей. Если верить анонсу, то новая модель по своей производительности в задачах на науку, математику и программирование превосходит всех конкурентов в лице Claude, ChatGPT и Gemini.
Reasoning модель («думающая») обходит GPT-3.5-turbo (high) и остальных конкурентов. На Chatbotarena тестовая версия Grok 3 вырвалась в лидеры.
Также анонсировали добавление голосового режима, а также что Grok 2 скоро выпустят в Open Source, что, без сомнения, хорошо для развития ИИ со стороны сообщества.
Вроде выглядит как большой анонс и очередной прорыв, но я бы не торопился с выводами.
Прежде всего потому, что мы еще не знаем, как модель покажет себя на реальных задачах. Уже давно ни для кого не секрет, что бенчмаркам доверять не стоит. Разработчики ИИ либо создают свои версии бенчмарков, по которым их модель ну уж точно будет лучше, либо подгоняют работу модели таким образом, чтобы она могла вырваться в топ этих самых бенчмарков. Но даже если она и обходит существующие модели, я не перестану повторять, что самый правильный подход для конечного пользователя — это не привязываться к продукту одной компании, а использовать разные модели для разных задач.
Grok 2 меня не особо впечатлила и не нашла места в моем списке ИИ на каждый день, но надеюсь, что 3 версия будет лучше, и, возможно, я начну ее активно использовать.
Grok 3 будет доступна для тестов в подписке за $50 в месяц в ближайшее время.
А что вы думаете по поводу анонса? Есть ли здесь те, для кого Grok — это основная рабочая модель?
#новости
🤔1
Кейс Pearson. Работа в R&D: Инновации vs. Ограничения.
Работа в R&D подразделениях — это палка о двух концах. С одной стороны, ты на переднем крае инноваций, работаешь над тем, что завтра изменит мир. С другой — сталкиваешься с ограничениями, которые могут охладить пыл любого энтузиаста. Конечно, это зависит от компании, например, в Skyeng я активно ездил по конференциям вроде EdCrunch и ЦИПР и даже давал коментарии для российского Forbes. Но в Pearson было иначе.
Мой опыт в Pearson
В Pearson, одном из гигантов образовательной индустрии, я работал в акселераторе AI-продуктов для изучения английского языка. Мы исследовали рынок, генерировали идеи и создавали прототипы, чтобы проверить их жизнеспособность.
Наша команда состояла из 5 продактов, каждый со своей специализацией. Я, например, занимался разработкой VR-игры Lingoverse для изучения английского и инструмента для генерации образовательного контента, который, к слову, скоро будет запущен. Мой коллега Альваро, бывший сотрудник Amazon, работал над голосовыми AI-тьюторами. А Шон, опытный чувак из Англии, создавал Digital Tutor — AI-учителя на базе игрового движка Unreal Engine, который, наконец, запустился пару недель назад.
Закрытость как ограничение
Однако, несмотря на интересные проекты, Pearson — максимально закрытая компания. И это накладывало свой отпечаток на нашу работу. В частности, закрытость проявлялась в следующем:
1. Непубличность. Мы не могли говорить о своих проектах до релиза, а это значит никаких конференций и обмена опытом.
2. Ограничения на фриланс. В некоторых случаях нам приходилось обходиться без помощи фрилансеров, чтобы, например, быстро найти специалистов с нужной экспертизой, что тормозило процесс.
3. Внутренние инструменты. Мы были ограничены в использовании инструментов, доступных внутри компании, даже если внешние были бы эффективнее. Например, все исследования нужно было проводить строго через usertesting.com. Платформа хорошая, но мне, например, на ней не хватало настоящих преподов английского, чтобы протестировать мой продукт. А выписывать гифт-карты на Amazon тем, кто не зарегистрирован на usertesting компания не позволяла.
4. Shared Teams. Вместо выделенных команд мы работали с общими департаментами дизайнеров, разработчиков и ML-инженеров. Это приводило к сложностям с планированием (загруженность этих ребят нужно было планировать сильно заранее), бюрократии (между подразделениями нужно было выписывать чеки) и задержкам (моему инженеру или дизайнеру могла прилететь "срочная задача" от другой команды).
5. Медленная скорость разработки. Ограничения на найм, бюрократия и общие ресурсы существенно тормозили разработку. Если в начале моего проекта у него был только один аналог, то к моменту защиты продукта перед менеджментом этот аналог уже успел поднять инвестиции, и появилось еще 5 конкурентов. А мы все еще занимались утверждением бюджетов, хотя начинали разработку раньше. С ресурсами Pearson мой продукт можно было запустить за 3 месяца
Плюсы и минусы закрытости
Плюсы: Честно говоря, в том виде, в котором закрытость реализована в Pearson, я их не вижу.
Минусы:
— Неповоротливость. Компания становится громоздкой и медленной в принятии решений.
— Ограниченные возможности для сотрудников. Невозможность делиться достижениями и участвовать в конференциях снижает мотивацию.
— Торможение инноваций. В современном мире скорость — ключевой фактор успеха. Закрытость и бюрократия замедляют разработку и внедрение новых продуктов, что может привести к потере конкурентных преимуществ. Прототип того же Digital Tutor был полностью готов в июне 2023, я лично его тестировал и работал он прекрасно. На запуск продукта у компании ушло 1.5 ГОДА.
Работа в R&D — это всегда баланс инноваций и ограничений. В Pearson закрытость компании создавала больше проблем, чем преимуществ. Но, я рад, что получил этот опыт и смог поработать над крутыми продуктами.
#кейсы
Работа в R&D подразделениях — это палка о двух концах. С одной стороны, ты на переднем крае инноваций, работаешь над тем, что завтра изменит мир. С другой — сталкиваешься с ограничениями, которые могут охладить пыл любого энтузиаста. Конечно, это зависит от компании, например, в Skyeng я активно ездил по конференциям вроде EdCrunch и ЦИПР и даже давал коментарии для российского Forbes. Но в Pearson было иначе.
Мой опыт в Pearson
В Pearson, одном из гигантов образовательной индустрии, я работал в акселераторе AI-продуктов для изучения английского языка. Мы исследовали рынок, генерировали идеи и создавали прототипы, чтобы проверить их жизнеспособность.
Наша команда состояла из 5 продактов, каждый со своей специализацией. Я, например, занимался разработкой VR-игры Lingoverse для изучения английского и инструмента для генерации образовательного контента, который, к слову, скоро будет запущен. Мой коллега Альваро, бывший сотрудник Amazon, работал над голосовыми AI-тьюторами. А Шон, опытный чувак из Англии, создавал Digital Tutor — AI-учителя на базе игрового движка Unreal Engine, который, наконец, запустился пару недель назад.
Закрытость как ограничение
Однако, несмотря на интересные проекты, Pearson — максимально закрытая компания. И это накладывало свой отпечаток на нашу работу. В частности, закрытость проявлялась в следующем:
1. Непубличность. Мы не могли говорить о своих проектах до релиза, а это значит никаких конференций и обмена опытом.
2. Ограничения на фриланс. В некоторых случаях нам приходилось обходиться без помощи фрилансеров, чтобы, например, быстро найти специалистов с нужной экспертизой, что тормозило процесс.
3. Внутренние инструменты. Мы были ограничены в использовании инструментов, доступных внутри компании, даже если внешние были бы эффективнее. Например, все исследования нужно было проводить строго через usertesting.com. Платформа хорошая, но мне, например, на ней не хватало настоящих преподов английского, чтобы протестировать мой продукт. А выписывать гифт-карты на Amazon тем, кто не зарегистрирован на usertesting компания не позволяла.
4. Shared Teams. Вместо выделенных команд мы работали с общими департаментами дизайнеров, разработчиков и ML-инженеров. Это приводило к сложностям с планированием (загруженность этих ребят нужно было планировать сильно заранее), бюрократии (между подразделениями нужно было выписывать чеки) и задержкам (моему инженеру или дизайнеру могла прилететь "срочная задача" от другой команды).
5. Медленная скорость разработки. Ограничения на найм, бюрократия и общие ресурсы существенно тормозили разработку. Если в начале моего проекта у него был только один аналог, то к моменту защиты продукта перед менеджментом этот аналог уже успел поднять инвестиции, и появилось еще 5 конкурентов. А мы все еще занимались утверждением бюджетов, хотя начинали разработку раньше. С ресурсами Pearson мой продукт можно было запустить за 3 месяца
Плюсы и минусы закрытости
Плюсы: Честно говоря, в том виде, в котором закрытость реализована в Pearson, я их не вижу.
Минусы:
— Неповоротливость. Компания становится громоздкой и медленной в принятии решений.
— Ограниченные возможности для сотрудников. Невозможность делиться достижениями и участвовать в конференциях снижает мотивацию.
— Торможение инноваций. В современном мире скорость — ключевой фактор успеха. Закрытость и бюрократия замедляют разработку и внедрение новых продуктов, что может привести к потере конкурентных преимуществ. Прототип того же Digital Tutor был полностью готов в июне 2023, я лично его тестировал и работал он прекрасно. На запуск продукта у компании ушло 1.5 ГОДА.
Работа в R&D — это всегда баланс инноваций и ограничений. В Pearson закрытость компании создавала больше проблем, чем преимуществ. Но, я рад, что получил этот опыт и смог поработать над крутыми продуктами.
#кейсы
Pearson
Digital Language Tutor for business - Mondly by Pearson
Boost your employees' language skills with our AI-powered Digital Language Tutor. Offering interactive role-plays, personalized feedback, and live tutoring for effective workplace communication.
❤2👍2
Важный опрос
Друзья, очень интересный пост запланировал на завтра, а пока - небольшой интерактив!
Я так полагаю, раз уж вы все здесь тут собрались, значит мой контент вас тем или иным образом заинтересовал. Сейчас я активно занимаюсь развитием канала и мне нужно получить больше людей, похожих на вас.
Это привело к тому, я что я активно начал выкладывать видео в Instagram, YouTube и TikTok и задался вопрос: а в какое время вы занимаетесь просмотром коротких видео?
Для тех, кому интересен видео-контент, вот ссылки на сети:
YouTube
TikTok
Instagram
Друзья, очень интересный пост запланировал на завтра, а пока - небольшой интерактив!
Я так полагаю, раз уж вы все здесь тут собрались, значит мой контент вас тем или иным образом заинтересовал. Сейчас я активно занимаюсь развитием канала и мне нужно получить больше людей, похожих на вас.
Это привело к тому, я что я активно начал выкладывать видео в Instagram, YouTube и TikTok и задался вопрос: а в какое время вы занимаетесь просмотром коротких видео?
Для тех, кому интересен видео-контент, вот ссылки на сети:
YouTube
TikTok
В какое время дня вы смотрите короткие видео?
Anonymous Poll
7%
С 6 до 8 утра
7%
с 8 до 10 утра
0%
С 10 до 12 дня
13%
С 12 до 14 дня
0%
С 14 до 16 дня
7%
С 16 до 18 вечера
20%
С 18 до 20 вечера
27%
С 20 до 22 вечера
20%
С 22 до 00 ночи
Кейс: AI для Mental Health. Попытка создать классный продукт, споры с фаундером и отказы платить за работу
А вот и обещанный пост :)
Фаундер, который считает себя умнее всей команды, устаревший дизайн в стиле "дорого-богато", попытки сэкономить на исследованиях, и, конечно же, отказ платить за работу. Все это — история одного провального стартапа, который я всеми силами пытался удержать наплаву. Как я попал в эту ситуацию и что из этого вынес — читайте в полной статье 😁
#кейсы
А вот и обещанный пост :)
Фаундер, который считает себя умнее всей команды, устаревший дизайн в стиле "дорого-богато", попытки сэкономить на исследованиях, и, конечно же, отказ платить за работу. Все это — история одного провального стартапа, который я всеми силами пытался удержать наплаву. Как я попал в эту ситуацию и что из этого вынес — читайте в полной статье 😁
#кейсы
Telegraph
Кейс: AI для Mental Health. Попытка создать классный продукт, споры с фаундером, отказы платить за работу
Весной 2023, когда стало понятно, что ситуация с Pearson затягивается, а мы уже точно переезжаем в США, я осознал необходимость набрать больше проектов, так как переезд в Штаты — дело затратное. Это и привело меня к кейсу, о котором я сегодня расскажу. Спойлер…
🤯2❤1🤔1
Media is too big
VIEW IN TELEGRAM
Я протестировал лучшие LLM и они провалили 2/3 моих заданий
Как вы уже знаете, для маркетинга канала меня занесло в съемку Reels. И так как мне не хочется плодить тупые рилсы в стиле “Почему мне не говорили, что ИИ может это?”, я решил показывать людям реальность так, как она есть. Большинство блогеров по ИИ - просто монетизируются, не понимая, как ИИ работает.
И у меня родилась идея!
Я взял последние версии Claude, Gemini, ChatGPT и DeepSeek и задал 3 простых вопроса: на логику, творчество, и понимание программирования и физики. Как вы поняли из названия - все плохо :)
🕵️♀️Тест на логику
Я попросил LLM решить следующую задачу:
У всех 4 моделей ответ был - 17. К решению данной задачи подойти можно по-разному. С точки зрения классической логики, вверный ответ -12 . Если вы мыслите нестандартно - можете ответить, “в комнате не может быть моста” , либо попросить Виктора и Бориса взять девушек на руки и тогда ответ будет 7 .
Почему все ошиблись?
Во-первых, LLM сложно формализовать логические задачи, написанные на естественном языке. Здесь может помочь промпт-инжиниринг, но не всегда. Во-вторых, LLM плохо работают с цифрами. Даже если сказать ей, что в задаче есть подвох и подвести к тем числам, которые она должна сложить - она выдает неправильный ответ, т.к. модель языковая, а не математическая. В-третьих, вероятнее всего, у модели отсутствовала подобная задача в датасете. Я специально заложил сюда подвох, а условия сделал такими, чтобы казалось, что это знаменитая задачка про переправу козы через реку. Результат налицо
👨🎨Тест на творчество
Запрос был следующий:
Оценить результаты можете на скришнотах во вложении. На мой взгляд, фаворит здесь Claude, неплохо справилась Gemini. Но и там и там рифмы примитивны, смыслы не особо глубоки. ChatGPT - провал. DeepSeek - аналогично, но хотя бы выделился тем, что придумал название 🙂 Судьи здесь вы, но как по-мне, творчество точно остается за человеком🙂
💥Тест на понимание программирования и физики
Запрос:
Здесь модели на первый взгляд справились неплохо. Но не спешите 😏
Гравитацию учли все модели. Реалистичность отскока неплохо. Плохо выделилась DeepSeek, у которой мяч, видимо, деревянный и скачет плохо, а лучше всех - Gemini, у которой мячик делает даже микроскачки.
Траекторию показывают все модели. Но у DeepSeek у мячика вырос “хвост”, а вариант Gemini выглядит не особо привлекательно.
А вот где DeepSeek схитрил и преуспел, а остальные провалились - это длительность анимации. Было условие - минимум 10 секунд. У DeepSeek анимация длится, пока не закроешь окно приложения 🙂
У остальных результаты следующие:
- Claude ~ 9.5 сек
- Gemini ~ 9.5 сек
- ChatGPT ~ 8 сек
О чем это говорит? ИИ ошибается и делает это очень часто. Бездумное делегирование задач, отсутствие фактчекинга и незнание принципов его работы в один момент выйдут боком. ИИ - это мощный инструмент, но мощный он только в руках тех, кто использует его с умом.
Видео решил выложить сюда раньше.
Также отдельно разобрал Grok 3, его выложил сегодня, смотрите, ставьте лайки:
Reels
TikTok
Shorts
Стихи и архив с кодом падающих мячиков будут в комментарии под постом 👇
Как вы уже знаете, для маркетинга канала меня занесло в съемку Reels. И так как мне не хочется плодить тупые рилсы в стиле “Почему мне не говорили, что ИИ может это?”, я решил показывать людям реальность так, как она есть. Большинство блогеров по ИИ - просто монетизируются, не понимая, как ИИ работает.
И у меня родилась идея!
Я взял последние версии Claude, Gemini, ChatGPT и DeepSeek и задал 3 простых вопроса: на логику, творчество, и понимание программирования и физики. Как вы поняли из названия - все плохо :)
🕵️♀️Тест на логику
Я попросил LLM решить следующую задачу:
В комнате находятся 4 человека. У каждого есть фонарик, и они должны перейти через шаткий мост ночью. Мост выдерживает только двоих одновременно. Фонарик нужен для каждого перехода. Каждый человек двигается с разной скоростью:
- Алиса проходит мост за 1 минуту
- Борис за 2 минуты
- Виктор за 5 минут
- Галина за 10 минут
- Когда идут двое, они двигаются со скоростью более медленного. Как им всем перебраться через мост за минимальное время?
Покажи решение пошагово.
У всех 4 моделей ответ был - 17. К решению данной задачи подойти можно по-разному. С точки зрения классической логики, вверный ответ -
Почему все ошиблись?
Во-первых, LLM сложно формализовать логические задачи, написанные на естественном языке. Здесь может помочь промпт-инжиниринг, но не всегда. Во-вторых, LLM плохо работают с цифрами. Даже если сказать ей, что в задаче есть подвох и подвести к тем числам, которые она должна сложить - она выдает неправильный ответ, т.к. модель языковая, а не математическая. В-третьих, вероятнее всего, у модели отсутствовала подобная задача в датасете. Я специально заложил сюда подвох, а условия сделал такими, чтобы казалось, что это знаменитая задачка про переправу козы через реку. Результат налицо
👨🎨Тест на творчество
Запрос был следующий:
Напиши стихотворение из двух четверостиший про поход в горы.
Оценить результаты можете на скришнотах во вложении. На мой взгляд, фаворит здесь Claude, неплохо справилась Gemini. Но и там и там рифмы примитивны, смыслы не особо глубоки. ChatGPT - провал. DeepSeek - аналогично, но хотя бы выделился тем, что придумал название 🙂 Судьи здесь вы, но как по-мне, творчество точно остается за человеком🙂
💥Тест на понимание программирования и физики
Запрос:
Создай на Python анимацию падающего мячика с отскоком от пола, используя pygame.
Анимация должна:
⁃ Учитывать гравитацию
⁃ Добавить реалистичный отскок с потерей энергии при ударе
⁃ Показывать траекторию движения мячика
⁃ Использовать простой графический интерфейс
⁃ Длиться минимум 10 секунд
Прокомментируй ключевые части кода для понимания физики процесс
Здесь модели на первый взгляд справились неплохо. Но не спешите 😏
Гравитацию учли все модели. Реалистичность отскока неплохо. Плохо выделилась DeepSeek, у которой мяч, видимо, деревянный и скачет плохо, а лучше всех - Gemini, у которой мячик делает даже микроскачки.
Траекторию показывают все модели. Но у DeepSeek у мячика вырос “хвост”, а вариант Gemini выглядит не особо привлекательно.
А вот где DeepSeek схитрил и преуспел, а остальные провалились - это длительность анимации. Было условие - минимум 10 секунд. У DeepSeek анимация длится, пока не закроешь окно приложения 🙂
У остальных результаты следующие:
- Claude ~ 9.5 сек
- Gemini ~ 9.5 сек
- ChatGPT ~ 8 сек
О чем это говорит? ИИ ошибается и делает это очень часто. Бездумное делегирование задач, отсутствие фактчекинга и незнание принципов его работы в один момент выйдут боком. ИИ - это мощный инструмент, но мощный он только в руках тех, кто использует его с умом.
Видео решил выложить сюда раньше.
Также отдельно разобрал Grok 3, его выложил сегодня, смотрите, ставьте лайки:
Reels
TikTok
Shorts
Стихи и архив с кодом падающих мячиков будут в комментарии под постом 👇
❤3🤔3🤯3👍1🔥1
Claude Sonnet 3.7 вышла и затмила собой все последние релизы
Antropic наконец-то выпустили свою новую модель. Вопреки ожиданиям, она получил номер версии не 4.0, а 3.7.
Claude - это тот редкий случай, когда я иду тестировать новые модели сразу. И главная тому причина - природа компании. Я уже писал, что ребята делают огромную кучу исследований, которые я регулярно использую для самообразования. Компания максимально ответственно подходит к разработке мощного, но при этом этичного ИИ.
Так что же такого в Claude, что это вызвало у меня такое восхищение и кликбейтный заголовок?
Во-первых, Anthropic использовали революционный подход к разработке reasoning (в простонародье “думающих”) моделей. Если у Open AI, Gemini и Deepseek для размышлений используется отдельная модель для этого, то в случае Claude разработчики приводят аналогию с человеческим мозгом, говоря о том, что и для размышлений и для быстрых ответов у нас мозг один. По-сути данный подход аналогичен стратегии промпт-инжиниринга “self-evaluating prompting”. В нем мы даем модели больше времени на конструирование ответа и проверку себя. Также использование одной модели просто удобнее для конечного пользователя. Я уже протестировал Reasoning-режим для генерации планов питания и каллории здесь считаются точнее, чем у конкурентов. А вот с задачкой из поста выше модель не справилась и выдала 17 :) А еще, Claude не скрывает своих “мыслей”. Привет OpenAI с их черными ящиками в моделях o1 и o3.
Во-вторых, при разработке Reasoning-моделей компания работала не над улучшением показателей в математике и Computer Science (в чем модель на голову выше всех), а на выполнении реальных бизнес-задач и следовании инструкциям. Наконец-то этим кто-то занялся!
В-третьих, без того крутую производительность в задачах на программирование, прокачали еще сильнее. Прокачали также Visual Reasoning. Проще говоря, теперь с Claude проще писать код непрограммистам. Когда вы кидаете модели скриншот желаемого интерфейса она с большей точностью его воспроизведет. Все еще не замена разработчикам, но для прототипирования в инструментах вроде Bolt и Cursor - идеально. Здесь я также дал модели задачку с мячиком и она ее перевыполнила, добавив счетчики времени и ускорения мячика :)
В общем, по первым впечатлениям и метрикам - кажется, что это лучшая LLM прямо сейчас для выполнения комлексных задач. Планирую исследовать ее и дальше, как самостоятельно, так и в рамках других продуктов
P.S. про подход Antropic к Reasoning-моделям они написали в своей статье
#новости
Antropic наконец-то выпустили свою новую модель. Вопреки ожиданиям, она получил номер версии не 4.0, а 3.7.
Claude - это тот редкий случай, когда я иду тестировать новые модели сразу. И главная тому причина - природа компании. Я уже писал, что ребята делают огромную кучу исследований, которые я регулярно использую для самообразования. Компания максимально ответственно подходит к разработке мощного, но при этом этичного ИИ.
Так что же такого в Claude, что это вызвало у меня такое восхищение и кликбейтный заголовок?
Во-первых, Anthropic использовали революционный подход к разработке reasoning (в простонародье “думающих”) моделей. Если у Open AI, Gemini и Deepseek для размышлений используется отдельная модель для этого, то в случае Claude разработчики приводят аналогию с человеческим мозгом, говоря о том, что и для размышлений и для быстрых ответов у нас мозг один. По-сути данный подход аналогичен стратегии промпт-инжиниринга “self-evaluating prompting”. В нем мы даем модели больше времени на конструирование ответа и проверку себя. Также использование одной модели просто удобнее для конечного пользователя. Я уже протестировал Reasoning-режим для генерации планов питания и каллории здесь считаются точнее, чем у конкурентов. А вот с задачкой из поста выше модель не справилась и выдала 17 :) А еще, Claude не скрывает своих “мыслей”. Привет OpenAI с их черными ящиками в моделях o1 и o3.
Во-вторых, при разработке Reasoning-моделей компания работала не над улучшением показателей в математике и Computer Science (в чем модель на голову выше всех), а на выполнении реальных бизнес-задач и следовании инструкциям. Наконец-то этим кто-то занялся!
В-третьих, без того крутую производительность в задачах на программирование, прокачали еще сильнее. Прокачали также Visual Reasoning. Проще говоря, теперь с Claude проще писать код непрограммистам. Когда вы кидаете модели скриншот желаемого интерфейса она с большей точностью его воспроизведет. Все еще не замена разработчикам, но для прототипирования в инструментах вроде Bolt и Cursor - идеально. Здесь я также дал модели задачку с мячиком и она ее перевыполнила, добавив счетчики времени и ускорения мячика :)
В общем, по первым впечатлениям и метрикам - кажется, что это лучшая LLM прямо сейчас для выполнения комлексных задач. Планирую исследовать ее и дальше, как самостоятельно, так и в рамках других продуктов
P.S. про подход Antropic к Reasoning-моделям они написали в своей статье
#новости
❤6👍3