Product Management & AI
3 состояния продакт-менеджера: – Продакт описывает фичу. – Продакт, когда разработка говорит, что релиз с фичей задерживается. – Продакт после релиза. Старина Линч желает эпичных майских! ✨
Media is too big
VIEW IN TELEGRAM
Дэвид Линч на этих выходных рассказывает о том, как размышлять, исследовать и становиться лучше.
✨
🕳️
🕳️
Please open Telegram to view this post
VIEW IN TELEGRAM
Product Management & AI
This media is not supported in your browser
VIEW IN TELEGRAM
RIP поиск Google – OpenAI анонсировал прототип "поисковика" SearchGPT.
1) Быстрые ответы на поисковые запросы.
2) Информация в режиме "реального времени" с указанием источников.
4) Интуитивный поиск через уточняющие вопросы (чат-разговор).
5) Визуальные результаты для более глубокого понимания контекста и ответов.
1) Быстрые ответы на поисковые запросы.
2) Информация в режиме "реального времени" с указанием источников.
4) Интуитивный поиск через уточняющие вопросы (чат-разговор).
5) Визуальные результаты для более глубокого понимания контекста и ответов.
То, как пользователи ищут (и находят), становится всё сложнее
Мета анонсировала Segment Anything Model 2 (SAM2) — ИИ-модель, разработанную для обнаружения, сегментации, трекинга и покадровой обработки изображений-объектов внутри любого видео (Q&A о технологии).
Как быстро "снять" 3D-кино-сиквел в эпоху ИИ?
1. Скармливаем старое кино SAM2, распознаем и собираем всех главных героев и объекты.
2. Новый сценарий с безумными ответами пишет ChatGPT, образы новых персонажей генерим в Midjourney.
3. Быстренько анимируем всё с Animate Anyone AI.
4. Новые сцены и декорации доснимаем на коленке с дрона/LiDAR SLAM и генерим в 3D с Luma AI.
5. Необходимые предметы для съемок генерим с помощью ИИ в Point-E.
6. По сценам скармливаем материал Sora, которая будет собирать из этого новый фильм.
7. Заливаем готовое кино в Apple Vision и смотрим новый 3D-"фильм" в VR/AR.
👓🍿🥤
Как быстро "снять" 3D-кино-сиквел в эпоху ИИ?
1. Скармливаем старое кино SAM2, распознаем и собираем всех главных героев и объекты.
2. Новый сценарий с безумными ответами пишет ChatGPT, образы новых персонажей генерим в Midjourney.
3. Быстренько анимируем всё с Animate Anyone AI.
4. Новые сцены и декорации доснимаем на коленке с дрона/LiDAR SLAM и генерим в 3D с Luma AI.
5. Необходимые предметы для съемок генерим с помощью ИИ в Point-E.
6. По сценам скармливаем материал Sora, которая будет собирать из этого новый фильм.
7. Заливаем готовое кино в Apple Vision и смотрим новый 3D-"фильм" в VR/AR.
👓🍿🥤
Product Management & AI
Оптимизация размышлений ИИ на примере мультиагентного фреймворка MindSearch.
MindSearch: Mimicking Human Minds Elicits Deep AI Searcher наглядно демонстрирует работу многоагентной LLM-структуры, которая объединяет "ИИ + Web Search" для обработки запросов и расширенного поиска данных.
Мультиагентные связки структурируют работу ИИ и распределяют задачи "рассуждения-поиска" между специализированными ИИ-агентами (привет, социальные сети для ИИ):
1) WebPlanner моделирует многошаговый поиск информации как процесс построения динамического графа: он разбивает запрос пользователя на атомарные подвопросы в качестве нод в графе и постепенно расширяет этот граф на основе результатов поиска от WebSearcher.
2) WebSearcher, которому поручен каждый подвопрос, выполняет иерархический поиск информации с помощью Google и собирает ценную информацию для WebPlanner.
Подобные ИИ-конструкции не только повышают качество и релевантность ответов ИИ, но и позволяют всей Сети ИИ-Агентов искать и обрабатывать информацию параллельными и масштабируемыми потоками.
👁️ - Orchestration
Больше деталей: https://arxiv.org/abs/2407.20183
MindSearch: Mimicking Human Minds Elicits Deep AI Searcher наглядно демонстрирует работу многоагентной LLM-структуры, которая объединяет "ИИ + Web Search" для обработки запросов и расширенного поиска данных.
Мультиагентные связки структурируют работу ИИ и распределяют задачи "рассуждения-поиска" между специализированными ИИ-агентами (привет, социальные сети для ИИ):
1) WebPlanner моделирует многошаговый поиск информации как процесс построения динамического графа: он разбивает запрос пользователя на атомарные подвопросы в качестве нод в графе и постепенно расширяет этот граф на основе результатов поиска от WebSearcher.
2) WebSearcher, которому поручен каждый подвопрос, выполняет иерархический поиск информации с помощью Google и собирает ценную информацию для WebPlanner.
Подобные ИИ-конструкции не только повышают качество и релевантность ответов ИИ, но и позволяют всей Сети ИИ-Агентов искать и обрабатывать информацию параллельными и масштабируемыми потоками.
👁️ - Orchestration
Больше деталей: https://arxiv.org/abs/2407.20183
– Грейды продакт-менеджера
– Где у руководителей точки роста
– Подборка обучалок по GPT
– Скорость – стратегия и оружие
– Синтетические... пользователи
– Кросс-функциональные метрики
– Product Requirements Document
– Для кого мы работаем
– Фреймворки для анализа стейкхолдеров
– Чек-лист оценки онбординга
– ПМство – это Бизнес
– «Вернусь, когда сделаю» — хреновый принцип
– Как измерять Качество
– Работа с исследовательским бэклогом
– Сегментация клиентов по психологическим особенностям
– Найм методом погружения
– Шапка для вашей документации
– Типы болей пользователей
– Holdout в A/B-тестах
– Product Architecture Framework
– Модель управления сложными изменениями
– Как синхронить CJM
Волшебных выходных ✨
И да – AI is A NEW RELIGION
Please open Telegram to view this post
VIEW IN TELEGRAM
Product Management & AI
Продолжаем разбираться в особенностях UX при работе с ИИ.
Причины: размытые и плохо сформулированные цели, недостающие детали и... ограниченный словарный запас.
– ИИ-агенту приходится выбирать между тем, насколько важно прояснить ситуацию у пользователя и насколько рискованно предполагать и приписывать недостаточно определённые или отсутствующие детали от пользователя.
Зондирующие вопросы, интерактивное уточнение, расширенные подсказки и прочие множественные ИИ-интерпретации в материале на Smashing Magazine.
Главная проблема работы с интерфейсами ИИ — людям сложно излагать идеи в письменной форме и половина населения просто не может этого сделать – (с) Jakob Nielsen
Причины: размытые и плохо сформулированные цели, недостающие детали и... ограниченный словарный запас.
– ИИ-агенту приходится выбирать между тем, насколько важно прояснить ситуацию у пользователя и насколько рискованно предполагать и приписывать недостаточно определённые или отсутствующие детали от пользователя.
Ключ к эффективному взаимодействиию с ИИ — баланс между запросами пользователя и предположениями ИИ
Зондирующие вопросы, интерактивное уточнение, расширенные подсказки и прочие множественные ИИ-интерпретации в материале на Smashing Magazine.
Smashing Magazine
How To Design Effective Conversational AI Experiences: A Comprehensive Guide — Smashing Magazine
This in-depth guide takes you through the three crucial phases of conversational search, revealing how users express their needs, explore results, and refine their queries. Learn how AI agents can overcome communication barriers, personalize the search experience…
Product Management & AI
Бернард Лонерган (1904-1984), выдающийся канадский философ, теолог, экономист и главный архитектор «обобщенного эмпирического метода» (GEM). – Разум достигает знания путем восхождения от данных через гипотезу к проверке. – Лонерган расширил понятие данных…
Если ИИ растёт и обучается "как человек", то значит ей пора в универ 📚 🍻
Шутки-шутками, но механики ИИ мне чем-то напоминают написание научной диссертации(только вот кто её пишет?) .
Наткнулся на эти мысли, изучая схемы, подсказки, карты и модели по организации и работе с любыминаучными Знаниями, Данными и Информацией.
Шутки-шутками, но механики ИИ мне чем-то напоминают написание научной диссертации
Наткнулся на эти мысли, изучая схемы, подсказки, карты и модели по организации и работе с любыми
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Расширяем кругозор с GOAP (Goal-Oriented Action Planning) – методикой и фреймворком проектирования ИИ в играх, при котором цепочки поведений и действий агентов (NPC, абстрактных сущностей, "живых" препятствий) моделируют игровые миры и события в режиме live.
+ Часть 2: Непредсказуемый ИИ: интеллект толпы
Погружение в GOAP:
– Extending Behavior Trees with Classical Planning
– Three States and a Plan: The A.I. of F.E.A.R.
– AI in Games: Automated Planning (lecture 5)
+ Часть 2: Непредсказуемый ИИ: интеллект толпы
Погружение в GOAP:
– Extending Behavior Trees with Classical Planning
– Three States and a Plan: The A.I. of F.E.A.R.
– AI in Games: Automated Planning (lecture 5)
Хабр
Проектирование непредсказуемого интеллекта в играх. Часть 1 — архитектура
Создаем персонажа, который сам решает, что ему стоит сделать с игроком. NPC делает селфи после убийства игрока, почему нет? Введение В этой статье я познакомлю вас с Goal-Oriented Action Planning, а...
Product Management & AI
Расширяем кругозор с GOAP (Goal-Oriented Action Planning) – методикой и фреймворком проектирования ИИ в играх, при котором цепочки поведений и действий агентов (NPC, абстрактных сущностей, "живых" препятствий) моделируют игровые миры и события в режиме live.…
Есть два(?) момента:
1) Каждое состояние должно реализовывать метод «Evalute», который оценивает себя относительно мира и/или агента;
2) Каждое действие должно реализовывать метод Execute, который занимается своим выполнением в игровом мире.
Обо всём остальном должен заботиться фреймворк.
1) Каждое состояние должно реализовывать метод «Evalute», который оценивает себя относительно мира и/или агента;
2) Каждое действие должно реализовывать метод Execute, который занимается своим выполнением в игровом мире.
Обо всём остальном должен заботиться фреймворк.