7787
Залипли и встали намертво, но хотите вырваться? Теория Каст и Ролей и прочее.
Вам шашечки или ехать? Если ехать, то сюда: https://alexeykrol.com/courses/ai_intro/
Будьте проще, и к вам потянуться люди. Сложность объяснение не признак вашей квалификации, а признак отсутствия ясного понимания предмета. Тьма "экспертов" - набитые дураки, за сложностью прячут свое невежество. Это не относится к Эйнштейну.🤣
Я: Перечисли 10 принципиальных РЕАЛЬНЫХ улучшений версии GPT-4.5, по сравнению с прошлыми версиями типа 4o, o1, o3 и т.п. И максимально конкретно с метриками.
Ответ:
GPT-4.5 представляет собой значительное обновление по сравнению с предыдущими версиями, такими как GPT-4o, o1 и o3. Ниже приведены 10 ключевых улучшений с конкретными метриками:
1. Снижение частоты галлюцинаций: Частота генерации неверной информации снизилась с 59,8% у GPT-4o до 37,1% у GPT-4.5.
2. Повышение точности ответов: В тесте SimpleQA точность ответов увеличилась с 38,6% у GPT-4o до 62,5% у GPT-4.5.
3. Улучшение эмоционального интеллекта: GPT-4.5 лучше понимает тонкие нюансы речи и реагирует на имплицитные запросы пользователей, делая взаимодействие более естественным.
4. Расширение знаний и понимания мира: Модель обладает более широкими знаниями и глубоким пониманием мира, что делает её более надежной в различных темах.
5. Улучшение креативности и гибкости: GPT-4.5 демонстрирует повышенную способность к созданию оригинальных формулировок и образных аналогий, улучшая качество генерируемого текста.
6. Повышение вычислительной эффективности: Несмотря на увеличение размера модели, её вычислительная эффективность улучшена более чем в 10 раз по сравнению с GPT-4.
7. Улучшение в многоязычных тестах: В многоязычном тесте MMLU GPT-4.5 показала небольшой рост точности по сравнению с GPT-4, особенно заметный в языках с меньшими датасетами.
8. Улучшение в тестах на общие и экспертные знания: В тестах на общие и экспертные знания наблюдается улучшение с 9%-ным ростом по сравнению с GPT-4o.
9. Снижение уровня галлюцинаций в PersonQA: В тесте PersonQA точность ответов выросла с 28% (GPT-4o) до 78% (GPT-4.5), а частота галлюцинаций снизилась с 52% до 19%.
10. Улучшение в бенчмарке SWE-bench: В бенчмарке SWE-bench GPT-4.5 смогла решить около 38% задач, что на 7% выше, чем GPT-4o.
Эти улучшения делают GPT-4.5 более точной, эффективной и гибкой моделью по сравнению с её предшественниками.
Вот полные ссылки на все источники, которые были использованы:
1. Financial Times (частота галлюцинаций, точность ответов и понимание мира)
https://www.ft.com/content/117ec9b2-745d-4c37-bfc4-6e545a7d3ac1
2. Habr (повышение креативности, вычислительная эффективность, многоязычные тесты, PersonQA, SWE-bench)
https://habr.com/ru/articles/886210/
3. Habr (дополнительные детали по многоязычным возможностям)
https://habr.com/ru/news/886532/
4. Habr (общее описание возможностей GPT-4.5)
https://habr.com/ru/articles/887032/
5. Neuro AI (улучшение эмоционального интеллекта и нюансов речи)
https://neuro-ai.ru/news/gpt-4-5-ot-openai-novye-vozmozhnosti-ili-prosto-marketing.html
Эти ссылки можно корректно скопировать и использовать.
А вот завезли бесплатный курс по основам chatGPT см. программу: https://alexeykrol.com/courses/ai_intro/
"Я сделал значительное количество инвестиций, в которых заработал многократную прибыль на вложенный капитал — в ряде случаев это было 50, 100 или даже 1 500 раз больше изначальной суммы. Я находил такие возможности благодаря готовности рассматривать маловероятное как возможное. То, что большинство людей этого не делают, только увеличивает награду для тех, кто готов мыслить иначе.
По моему опыту, подавляющее большинство людей смотрят на мир с точки зрения наиболее вероятного исхода и предполагают, что события развернутся именно таким образом.
Я же всегда учитываю как возможность, так и вероятность наступления маловероятных событий. Это помогает мне избегать рисков и находить возможности. В плане управления рисками я не иду на небольшие шансы с катастрофическими последствиями.
Такой взгляд также делает меня открытым для нестандартных, неочевидных точек зрения на мировые события.
В @X я время от времени поднимал возможность необычного объяснения какого-либо события или ситуации. Когда я это делаю, люди либо считают, что я сошел с ума, либо называют меня конспирологом, а то и чем-то похуже.
Напоминаю вам, что многие теории заговора, которые изначально высмеивали и отвергали, в итоге оказались правдой. Зачастую обвинение кого-то в конспирологии — это просто попытка дискредитировать или «отменить» человека, который слишком близко подобрался к истине.
Я открыт к неожиданным и маловероятным исходам — как хорошим, так и плохим. Это сделало меня лучшим инвестором и дало более глубокое понимание мира.
Моя готовность рассматривать маловероятные сценарии растет вместе с потенциальной наградой за их осуществление. Это может быть финансовая выгода, улучшение здоровья или объяснение ранее необъяснимых явлений, наряду с другими преимуществами. Если награда достаточно высока, дальнейшее исследование маловероятного оправдано.
Я призываю вас рассматривать и анализировать маловероятное. Когда-то это называлось открытым умом — пока такое мышление не стало редкостью." (с) Билл Акман, миллиардер, один из самых успешных инвестров в мире. Кстати, поддерживает Трампа, Маска. https://x.com/BillAckman/status/1896388938656321690
Вот ссылка на протокол - https://cursor.directory/mcp/stripe - это протокол, который позволяет вашим созданным агентам ИИ проводить платежи.
Читать полностью…
Тезисы большого 3-х часового интервью Джо Рогана с Илоном Масков в группе "Политика с Мясником": https://www.facebook.com/groups/tcrpolitcs
Читать полностью…
Пост с выжимкой трансляции:
— модель будет в API вместе с выпуском в Pro-подписку (сегодня)
— Модель будет доступна разработчикам в API ВСЕХ ТИРОВ (не только тем, кто потратил $100+ или $250+). У меня уже появился доступ. В теории завтра-послезавтра появятся независимые бенчмарки... если авторы наскребут денег на тесты ;) новая модель ОЧЕНЬ дорогая
— в остальные тиры (Plus за $20) попадёт уже на следующей неделе
— появился блог: https://openai.com/index/introducing-gpt-4-5/
— модель уже работает с Canvas и поиском (инструменты в ChatGPT), а самое главное поддерживает загрузку файлов
— «GPT-4.5 демонстрирует более сильную эстетическую интуицию и креативность» (прилагаются результаты слепого тестирования на пользователях, как часто они предпочитали ответ одной модели другой). Новая модель побеждает в 57%-63% чатов (более высокий процент достигается на «профессиональных» запросах, что бы это не значило).
— модель тренировалась на нескольких датацентрах одновременно (как Gemini 1.0 год назад)
— как я писал, сделали акцент на том, что новая модель будет очень крутой базой для обучения рассуждающих моделей. Второй акцент — на существенном уменьшении галлюцинаций и улучшении надёжности.
UPD: появились цены!
— $75 долларов за миллион токенов на входе, $150 за миллион на выходе — существенно дороже, чем на релизе была GPT-4. Сейчас GPT-4o стоит $2.5/$10 — в 30 и 15 раз дешевле соответственно (а ведь это ещё и не самая дешёвая модель на рынке DeepSeek стоит значимо дешевле). Страшно представить, сколько будут рассуждалки стоить..
— модель похоже реально ОГРОМНАЯ, скорость генерации ну очень маленькая. Даже простых ответов приходится ждать... как будто вернулся в март '23-го и свежую GPT-4.
Длина контекста остаётся 128k токенов, но почти для всех кейсов этого хватает. Всё равно длинный контекст не так надёжен сам по себе :)
UPD2: модель имеет знания до Октября 2023-го года, согласно документации, то есть как o1/o3/GPT-4o. Это очень не здорово( хотелось хотя бы плюс 8-10 месяцев данных получить...
Интересное видение про трансформацию продуктовых команд из-за AI, как раз в тему канала, от Silicon Valley Product Group
https://www.svpg.com/a-vision-for-product-teams/
Главные изменения:
💡 Смещение фокуса на Discovery
Продуктовые команды выполняют две ключевые функции:
- Product Discovery – понимание проблемы и поиск решений
- Product Delivery – разработка, тестирование и внедрение
ИИ уже сильно ускоряет Product Delivery, а значит, основной работой команд станет именно Discovery – определение наилучшего решения.
👥 Команды станут меньше
Сейчас в типичной команде 8 человек: 6 инженеров, PM и дизайнер. В будущем ИИ снизит потребность в разработке, и мы увидим команды из 3-х человек:
- Продукт-менеджер – отвечает за бизнес-констрейны
- Дизайнер – отвечает за UX
- Инженер – отвечает за технологию
⚙️ Инструменты ИИ ≠ автоматизация всей работы
ИИ помогает с генерацией идей, дизайном, кодингом, но успешный продукт требует глубокого понимания рынка, клиентов и стратегии. Инструменты могут ускорить процесс, но не заменить ключевые навыки.
📈 Рост продуктивности ≠ исчезновение ролей
ИИ уже повышает производительность инженеров на 20-30%, а в ближайшие годы может сократить необходимость в разработке до минимума. Но это не значит, что продукт-менеджеры и дизайнеры исчезнут – их работа просто станет еще более интеллектуально сложной.
💰 Влияние на бизнес
- Компании смогут существенно снизить затраты – из 15 команд по 8 человек останется 3–5 команд по 3 человека.
- Зато снизится порог входа для стартапов – теперь не нужны миллионы долларов на создание продукта, что приведет к всплеску инноваций.
- Но и конкуренция возрастет многократно – существующим компаниям придется адаптироваться быстрее.
🔮 Будущее
Этот сценарий несет и выгоды, и риски. С одной стороны, продуктовые команды станут более автономными, инновационными и гибкими. С другой – многие люди потеряют работу или будут вынуждены обучаться новым навыкам.
Главный вывод: ИИ – это не угроза, а инструмент. Те, кто научится использовать его правильно, окажутся в выигрыше.
Вместе с более широким релизом DeepSearch, теперь доступного и пользователям с подпиской за $20, OpenAI выпустили системную карточку о модели — в ней есть пара интересных моментов.
Первое: что это за модель? Уже говорилось, что в её основе лежит o3, крупная версия продвинутой рассуждающей модели (которая, судя по всему, всё ещё базируется на GPT-4o, а не на Orion).
«Модель основана на ранней версии OpenAI o3 и оптимизирована для просмотра веб-страниц. Она была обучена на новых наборах данных браузинга, созданных специально для исследовательских сценариев использования. Модель изучила основные возможности просмотра страниц (поиск, нажатие, прокрутка, понимание файлов), как использовать инструмент Python в изолированной среде (для проведения вычислений, анализа данных и построения графиков), и как рассуждать и синтезировать большое количество веб-сайтов, чтобы находить определенные фрагменты информации или писать комплексные отчеты с помощью обучения с подкреплением по этим задачам просмотра»
TLDR: это o3, у которой ещё лучше длинный контекст работает, и она лучше пользуется инструментами, включая Python. Это подводит нас к тому, что даже если ей отключить интернет, то, возможно, на передовых бенчмарках модель покажет себя ещё лучше, чем o3 (ну или по крайней мере не хуже).
Второе: а вот и бенчмарки! В статье их много, но хочу обратить внимание на два:
1) Внутренний бенчмарк OpenAI по написанию кода в Pull Request на реальных задачах, которые решали инженеры и исследователи компании. Этот код и недоступен в интернете (так как репозиторий закрыт), и не участвовал в тренировке модели. Для каждой задачи отдельно прописаны описание, набор тестов и эталонное решение.
GPT-4o решала всего 6% (задачи там по идее сильно сложнее, чем в SWE bench, так что ожидаемо), o1 уже 12%, а DeepResearch с o3 в основе разогналась аж до 42%. И это БЕЗ браузинга, то есть она даже не может подсмотреть описание популярных багов в библиотеках или прогуглить какую-то ошибку, заглянуть на StackOverflow. Это результат сильно превосходит мои ожидания. Да, моделька закрывает половину рабочих задач (из некоторого подмножества) программиситов OpenAI, а чо таково)
2) Недавно выпущенный OpenAI бенчмарк SWE-Lancer. Я про него написал заметки, но не опубликовал пост (может, ещё будет). В нём взяли 1500 задач компании Expensify, которая ведёт бизнес по принципу «фронтенд и части бекенда мы отдаём на произвол сообщества; за каждую закрытую задачу платим деньги». Это прям реальные задачи, за которые действительно заплатили фрилансерам, некоторые из задач дешёвые, $20 за пятиминутный фикс, другие тяжелые, стоят больше $30'000 и решались несколько недель. Суммарно фонд выплат составил ~$500k.
Так вот модели соревнуются не за решение абстрактных равноценных задач, а за зарабатывание как можно большей суммы из этого полумиллиона. Можно решить 2/3 задач, но самых дешёвых — и метрика не будет высокой.
Sonnet 3.5 в бенчмарке обогнал o1, заработав $58k из $236k (сумма не $500k потому что это половинка, которая опубликована для всех; вторая осталась закрытой) — это прям сами OpenAI намерили, сказали, что модель Anthropic лучше (а это даже не Sonnet 3.7!).
А вот DeepResearch БЕЗ ИНТЕРНЕТА (то есть не может подглядеть как там реальное решение выглядело) набирает $107k из $236k, почти вдвое больше. Тоже впечатляет, но видно, что самые дорогие задачки пока не берутся.
Очен ждом GPT-5 🙂
Deep Research стал доступен всем платным пользователям (10 запросов в месяц если у вас Plus), поэтому ловите практические советы как лучше его использовать:
— Неважно какую модель вы выбрали в ChatGPT, у Deep Research своя модель во время поиска, он проигнорируют выбор модели (UI-костыли, привет)
— Указывайте на каком языке писать отчет и на каком языке искать материалы
— Попросите его «ВАЖНО: не дублируй одну и ту же мысль много раз в тексте, если она уже описана», по умолчанию он так делает
— Deep Research не умеет смотреть на картинки — не ожидайте от него исследований где что-то нужно визуально исследовать
— Просите научные источники если хотите максимально научный отчет на фактах, можете также указать год с которого искать релевантные данные
— Поставьте приложение 11 labs — каждый такой отчет, это примерно 30-40 минут прослушивания, идеально для поездок (встроенная в ChatGPT фича глючит с длинным текстом)
— Deep Research основан на рассуждающей модели, это значит что вам все еще нужно очень детально описать, что вы хотите видеть, что не хотите, что считается банальным — иначе получите поверхностный отчет
— Deep Research имеет доступ к написанию кода, то есть он может генерировать графики, таблицы и тп тд, и включать их в финальный отчет
— Можете подсказать ключевые слова на которых стоит сделать акцент, модель же ищет в интернете и там иногда много ненужного
— Deep Research поддерживает файлы (и ссылки), можете сказать ему что в них смотреть, он может их сделать как частью контекста отчета, так и построить поиск на основе файлов (но из-за UI костылей OpenAI, сначала нужно выбрать 4o или любую модель, что поддерживает файлы на входе)
— Это все еще нейрока — ответы могут содержать ошибки и требует верификации человеком, например в тестах видел как модель делала отчет на основе картинок ПО НАЗВАНИЯМ картинок, bruh
— Это все еще лучший автономный ресечер что у нас есть, никто не может конкурировать — и Perplexity, и Google
— Deep Research не умеет смотреть за пейволл, такие статьи нужно прикладывать самим к чату
И напоследок, когда использовать Deep Research:
Когда вы начинаете исследовать какую-то тему — это быстрый и легкий способ погрузиться во что-то, дальше вы можете строить свое исследование на базе знаний из прошлых отчетов, углубляясь в тему с каждым запросом все глубже — от бизнеса до науки, пока не нашел сферу где нельзя было бы применить такой инструмент
Какое направление в ИИ для вас важней всего. Сделал простой опрос из пары кликов, регистрироваться не надо.
Не сочтите за труд, перейдите по ссылке и ответьте на единственный вопрос. Я перечислил основные направления - маркетинг, контент и еще с десяток. Надо просто выбрать. Это поможет сфокусироваться на самом востребованном направлении.
Вот ссылка:
https://airtable.com/apphqV53mWmQH5Tv2/pagAszBRngIdyaL9n/form
PS: Улетаю на несколько дней на другую планету. Не поубивайте тут себя пока. Впрочем, не страшно, такое уже бывало. Откатим, сделаем форк новой линии и присвоим ей статус main, а ту, где вы себя поубивали - на анализ и в архив.
За последние 70 лет вы себя уже раз 200 поубивали... Не считая других причин... эээ... от вас не зависящих (пару раз сервера упали.🤣). Но все в архивах.
Помнить вы ничего не будете, так дежавю иногда, но вам же не привыкать. Игра должна продолжаться, уважаемые биологические сущности, наивно верящие, что вы - биологические. Все, все. Молчу!
Часть 4. Кого-то напрягает, что я что-то предлагаю? Да плевать, что кто-то обо мне думает. Вам по любе придется учится. Никуда вы с подводной лодки не денетесь, если не хотите через несколько лет жить в коробке. Курсов, видео навалом, кстати и бесплатных, на Udemy есть очень хорошие курсы, всего за 19$, но на английском. Не надо задавать мне вопросы - где и что найти, не надо просить меня рекомендовать. Спрашивайте у chatGPT, спрашивайте у Perplexity или Groc3 в режиме Deep Search - это бесплатно. Поймите, в 90% случаев спрашивать у ИИ эффективней. Ничего личного. Если хотите быть уверенным, что он не врет, просите ссылок, или используйте Perplexity. Повзрослейте, наконец.
И напоминаю, если вы считаете, что ИИ тупой не смог ответить на ваш вопрос, то на 99% причина не в ИИ, а том что вы не умеете его правильно спрашивать, создавать промпты.
Кстати, если вы не умеете создавать промпты (а вы НЕ УМЕЕТЕ), есть уже сервис у Антропика, который создает КАЧЕСТВЕННЫЕ промпты за вам. Бесплатно, все как вы любите.
Вводите туда чего хотите спросить на своем косноязычном русском, и он вам выдает качественный пропт, который вы уже можете вставлять в любой ИИ чат, которым пользуетесь - chatGPT, Groc3, DeepSeek и т.п.: https://console.anthropic.com/dashboard
PS. Хорошая новость. Эту статью я сначала надиктовал, и Mac Whisper хорошо справляется с расшифровкой и очисткой мусора, но с креативной редактурой не справился. Так что еще есть место для человека. Это, кстати, не означает, что ИИ не справляется с редактурой текста вообще. SEO тексты пишет отлично + всякие мануалы.
Часть 2. Мы не знаем, что будет через год или два. Однако, уже сейчас все корпоративные процессы — юридические, бухгалтерские, вопросы безопасности, логистика — давно алгоритмизированы и формализованы. Еще 30–40 лет назад появились ERP-системы, кейс средства, систиеме Rational Rose почти 40 лет, системы бизнес-аналитики (BI) - это старые технологии. Оптимизация бизнес-процессов как индустрия существует уже 70–80 лет, а когда мне говорят, что в финансах все сложно, я только улыбаюсь. Любая сфера, где можно провести формализацию — описать процессы в понятных терминах и нотациях, с четко определенными входами, операторами и выходами, — неизбежно будет полностью покрыта искусственным интеллектом.
Сейчас агенты еще достаточно простые. То, что я видел, в основном похоже на цепочки автоматизации, которые уже существуют в Zapier, Make, n8n и аналогичных сервисах. Это пока относительно примитивные решения. Пока. Они ничего не изменили, добавили лишь один элемент:
Интеграцию с система ИИ, и это немедленно создало качественный скачок, революцию, когда на определенных участках процессов вместо алгоритма можно воткнуть ИИ. 30 лет назад первые программы были тоже достаточно примитивными. Но сейчас мы имеем сложные программные комплексы. То же самое и с развитием и внедрением ИИ. Пока многие процессы выполняют люди, но постепенно появляются библиотеки совершенно другого уровня, кейс-средства, инструментарий. В каком-то смысле это уже происходило много раз. Просто сейчас все будет развиваться гораздо быстрее. Это приведет к тому, что огромное количество людей окажется без работы. И тезис о том, что искусственный интеллект создаст новые рабочие места, не выдерживает критики. ПочемуЮ
Потому что ИИ покрывает все больше задач. Даже если возникает новая специальность, например, промпт-инжиниринг, через год искусственный интеллект сам будет справляться с этим лучше, чем человек. Соответственно, все, кто работает в найме, за редким исключением, окажутся в зоне риска. Останутся топ-менеджеры, которые принимают решения об увольнении, и некоторые уникальные специалисты, работающие в сложных процессах с высоким уровнем комплексности. Но это исключения. Да и встречаются они только в очень высокотехнологичных компаниях.
Более того, мы не можем прогнозировать дальнейшее развитие событий. Сейчас передовые разработки направлены не на агентов, а на создание ИИ-ученых. Недавно Google объявила об этом. Все борются за создание ИИ ученого, способного делать открытия вместе с человеком, но быстрее и эффективнее, чем сам человек. Мы видим этот тренд.
Теперь о малом бизнесе. Здесь никто вас не уволит, и автоматизация выгодна владельцам, фриленсерам, микро-командам. Меньшими усилиями можно делать больше. Причем раньше вы просто не могли бы выполнять эти задачи — вам не хватало квалификации, ресурсов. Малый бизнес сможет конкурировать с крупными компаниям, потому что то, что в крупных компаниях делали люди, теперь будет делать ИИ. Кроме того, существенно снижается барьер входа, технологии доступны всем. Инструменты ИИ станут массовыми. Запуск бизнеса упростится. В перспективе появятся суперагенты-сервисы, как сейчас Shopify, которые будут выполнять закупки, прогнозы, маркетинг.
Вам не нужны разработчики программисты. Вы справитесь лучше, потому что понимаете свой бизнес. А разработчики бизнеса не понимают. Вы можете с помощью ИИ делать то, что ранее было просто невозможно без привлечения разработчиков. Вам останется только одно — вложить деньги. Но так как у вас денег не будет, этим займутся цифровые банки. Банк проанализирует бизнес-план, составленный тем же ИИ, оценит риски и решит, стоит ли вас кредитовать и на каких условиях. Эти технологии станут доступными для всех.
Главный тезис таков:
Несмотря на свою публичность, Youtube до сих пор замалчивает свою статистику. Сколько там контента? Сколько людей его видит? Как вообще устроена платформа?
Google не спешит раскрывать эти данные, но исследователи из Массачусетского университета нашли способ обойти систему. Они разработали скрипт-скрейпер, который случайным образом генерирует URL видео, проверяя, существуют ли такие ролики. Получилось обработать более 18 триллионов ссылок, а на их основе составить свою статистику:
Например, в 2006 году загружалось 65 000 видео в день, плюс недавно Гугл называл цифру — 500 часов контента в минуту. В 2022 году на платформу загрузили 9 миллиардов роликов, а к 2024 — уже 14,8 миллиардов (рост на 60%).
Но самый сок в следующем:
💙 Медианное число просмотров — всего 41.
💙 4% видео никогда не были просмотрены ни разу.
💙 74% видео — без комментариев, 89% — без лайков.
💙 Около 40% роликов — просто музыка без речи.
💙16% – это вообще неподвижные изображения.
💙 Медианная длина видео – 64 секунды, треть роликов короче 33 секунд.
💙 Только 0,21% видео монетизируются.
YouTube выглядит как мир блогеров и профессионального контента, но эта статистика рисует другую картину: платформа больше похожа на глобальное цифровое хранилище, где большинство роликов остаются незамеченными.
Возможно, новых креаторов это демотивирует. Но за 20-летнюю историю Ютуба стало очевидно одно: успех здесь — это не случайность, а следствие упорства и последовательности.
Креаторы против больших корпораций
Один из главных челленджей в креаторских бизнесах — это сохранить свою неприкосновенность от рук крупных бизнесов. Ты можешь создать гениальный продукт с большой фанбазой, но мало что тебя защитит от копирования более крупными игроками. Иногда не помогает даже патент.
Вот свежий кейс: дизайнер и основательница YouTube-канала blogilates">Blogilates Кэсси Хо столкнулась с таким сценарием. В прошлом году она радовалась, когда Тейлор Свифт появилась в её юбке-шортах в клипе. А теперь вынуждена отстаивать этот дизайн в суде.
Бренд Gottex выпустил абсолютно аналогичный продукт в тех же цветах, что и Кэсси. Вот только Gottex не маленький бизнес, а принадлежит крупнейшему американскому ритейлеру Nordstrom.
Кэсси отправила бренду письмо с требованием прекратить продажи, в ответ ей стали угрожать судом. На стороне Nordstrom компания оцениваемая в $4 млрд, у Кэсси — зарегистрированный патент на модель и 10,6 млн подписчиков, которые готовы поддержать любимого креатора.
Возмущённые фанаты завалили комментариями страницы Gottex, из-за чего бренд отключил активность под постами. Nordstrom тоже попал под удар: их несвоевременный запуск коллабы с фитнес-креатором Sweat and the City провалился.
Сама Кэсси просто требует прозрачности и адекватного ответа от Nordstrom. В конце концов, совместная коллаборация была бы куда разумнее, чем украденный дизайн и годы судебных разбирательств. Но пока Nordstrom молчит, ситуацией воспользовался Shein — китайский гигант сразу написал Кэсси с предложением о сотрудничестве.
История неприятная, но наглядная. Если у вас есть суперфаны, вы точно не пропадёте. Иногда сильная комьюнити может сделать больше, чем юридические документы.
🎮Игра за пару часов с Grok 3
Один парень в твиттере показал, как создал 2д игру с Grok 3. Выглядит очень прилично, а не просто квадратики. На его пост даже отреагировал Маск, написал: "Cool"
Также автор у себя в треде (ветка с комментами под постом, если кто не в курсе) описал все действия, которые совершал пошагово. Копипастить сюда не буду — кому интересно ссылка ниже.
Если есть желание повозиться с такой задачей — ссылка на автора
Grok 3 всё ещё бесплатный, кто не тестил — пора
1. Позавчера завершили 1-е занятие Введение в сhatGPT, а сегодня опубликовали более фундаментальный раздел 2. Введение в промпты.
2. Учитывая, что я работаю с chatGPR очень плотно с самого начала, как в режиме диалога, создавая GPTs + создают утилиты для работы через API, мне потребовалось почти 7-8 часов для завершения раздела.
3. Если бы я это делал без chatGPT, то ушла бы неделя. До написания раздела я посмотрел около 7 ведущих курсов по промтингу, начиная с классики от Эндрю Энга, топые платные курсы на Udemy (более 250 тыс. студентов) типа этого: https://www.udemy.com/course/complete-ai-guide/ и еще пяток.
4. Хотел понять - не бред ли я несу и не лезу ли со свиным рылом в калашный ряд. С удовлетворением отметил, что у меня покруче, но есть куда расти. Фундаментальное образование и опыт не пропьешь.
5. Также смотрел штук десять братских могил промтптов на гитхабе типа: https://github.com/f/awesome-chatgpt-prompts/blob/main/prompts.csv - это все, конечно, совсем начальный, примитивный уровень. Реальных прикладных задач этим не решить.
6. Как кто-то писал, что промпт-инжиниринг умер не успев родиться. Нет, это не так. Цветет и пахнет. Тестировал сервисы - https://console.anthropic.com/dashboard и аналоги. Это, конечно, упаковка для лошков. Маркетинг. Для простых задач оно не надо, а для сложных не тянет. Т.е. это все средний уровень - из серии написать приветственное письмо службы поддержки рандомному клиенту, сэкономить на копирайтинге. То, что в качестве примеров предлагает Open AI - уровень школьников, просто для прогеров: https://platform.openai.com/docs/examples . Здесь более полезно: https://platform.openai.com/docs/guides/prompt-engineering
Но идеи есть. На биржах фриленсеров разработка промпта от 100$ до 1000$. Это, конечно, смешно. Это гораздо дороже. Разработка и отладка нормального промпта от 8 часов, а сложного... Ну там совсем все иначе.
Смотрел свежий урок Карпатого - есть много интересного.
7. Я не делал в разделе ничего сложного, никакой рокет сайнс, уровень с 0, объяснял принципы, методологию, базу, ключевые ошибки и их природу.
8. В следующем разделе:
- Работа с рутинными задачами. Повторяющиеся промпты.
- Маркетплейс GPTs.
- Как создавать микро ИИ под рутинную задачу (GPTs) .
- Дрифт моделей и как преодолевать в циклических задачах (очень важно).
- Деградация диалогов и как преодолевать? (Полезно, если ИИ заблудился а 3-х соснах).
Курс бесплатный, программа здесь: https://alexeykrol.com/courses/ai_intro/
1. Поиск решения почти любой задачи у меня постепенно сводится к общению или использованию ИИ.
2. Сначала я просто общаюсь, потом выделяю паттерн, потом создаю инструмент на базе того же ИИ. Иногда GPTs достаточно, иногда с кодом через API.
3. И в результате у меня постепенно все увеличивающийся набор узких инструментов, с помощью которых я решаю задачи, которые казались мне творческими и рутинными.
4. Т.е. если ранее у меня было, к примеру 100 проектных задач и 20 регулярных рутинных активностей, то сейчас 80% проектных задач сводится к общению с ИИ, формированию задач для него, а 80% рутинных активностей уже выполняется ИИ помощниками.
5. Я пока не загоняюсь объединением всего этого зоопарка в мульти арендную среду с кучей RAGов в облаке и общим прокси интерфейсом, но это задача где-то впереди нарисовалась, я одновременно прокачиваюсь во всех этих аспектах.
6. Если говорить в терминах бизнеса и творчества, то, грубо говоря, на входе все эти задачи и активности, на выходе рост денег и дохода. Просто до ИИ я что-то делал сам + управлял исполнителями людьми.
7. Сейчас я по прежнему работаю по 10-11 часов/ день, но делаю в 5 раз больше стратегических задач, потому что моим активности и задачу в многом ускорены через ИИ + мы уволили всех фриленсеров, потому что мы + ИИ делаем быстрей в 50 раз и лучше, чем мы + фриленсеры. А уж какая экономия денег и нервов?
8. ИИ, как музыкальный инструмент - чем больше практики, тем больше возможностей.
9. Уже сейчас совершенно очевидно, что каждый (кто дружит с головой) будет создавать и обучать собственного ИИ партнера (мультиагентого, с внешним защищенным RAG), который будет одновременно пребывать во многих ролях от "подушки поплакать" до мудрого советчика, шустрого ассистента, инженера, который всегда на твоей стороне.
19. Сейчас пока это технически геморно (не слишком), надо учится. Не то что это сложно, учит-то тебя все равно ИИ, а не человек, но это требует какое-то время. Но мониторя этот рынок, видя динамику - больших корпораций и стартапов, ясно, что в горизонте 1-2 года это все будет в телефоне или в очках, или в умной колонке, короче в любом форм факторе.
20. Уже сейчас я заметил, что по привычке общаюсь часто через чат (если это не потоковые задачи через API), но все больше и более сложные задачи голосом. ИИ умнеет и постепенно учится сам оценивать то, что он делает.
21. Каковая моя роль? Я задаю правильный вопрос, определяю вектор, плюс предлагаю более прагматичные (бережливые решения). Т.е. ИИ не заменяет меня, а дополняет и пока это самый эффективный партнер, которого я встречал за свою жизнь. Ну, по крайней мере в интеллектуальных задачах.
22. Главный вопрос, который возникает у начинающих: "Как я могу использовать ИИ в моей жизни, профессии, бизнесе? Ведь я толком не понимаю, что такое ИИ и чего он может, чего не может, чего от него ждать, а чего нет?"
Я создал коротенкий бесплатный курс по теме, и сегодня, наконец, запустил его. Программу можно посмотреть здесь:
https://alexeykrol.com/courses/ai_intro/
Как начать работать с ИИ? Вопрос, который задают себе многие. Точнее, они задают себе иной вопрос: "А что я могу делать с ИИ? Как ИИ может повлиять на мою жизнь? Все мы находимся в отношении ИИ на 10 стадиях понимания:
1. 80% населения: Чо? Какой такой ИИ? Отродясь этого не было и не будет. Фу, мерзость какая! Анализируя комменты, могу сказать, что так мыслят на 70% в России и на 90% в Украине. Почему - не знаю.
Кстати, Казахстан более продвинут,чем все остальные СНГ. 90% - воспринимают ИИ с огромным энтузиазмом. Мужчинки тупят и сопротивляются страшно.
2. 10% населения: ИИ? Да это развод, бесполезная игрушка гиков. Нахер мне он сдался?
3. 5%: ИИ? Хм! А что я могу делать с ИИ? Что это? Как ИИ может повлиять на мою жизнь? Вроде живу без ИИ. Какие есть возможности?
4. 2%: Чувствую, что ИИ это круто: Как начать работать с ИИ? Как научится? Какой ИИ выбрать?
5. 1% Как с помощью ИИ оптимизировать процессы - креатив, тексты, поиск, анализ, маркетинг, управление проектами, кучу всякой активности? Какие полезные сервисы есть, которые уже можно использовать? Что ни умеют? Для каких задач? Какие есть бизнес кейсы использования ИИ?
6. 0,5%: Как с помощью ИИ создавать инструменты и агенты ДЛЯ СЕБЯ, кодить, создавать приложения? Идей-то у меня море и вижу бизнес возможности, но кодить не умею. Говорят ИИ помогает. Как научиться создавать с помощью ИИ?
7. 0,1% Как можно создать свой ИИ, обучить свой аватар, создать моего персонального помощника, партнера, консультанта, чтобы он не только работал вместе со мной, но и давал от моего имени консультации, отвечал на запросы?
8. 0,01? Как загрузить свою базу материалов, как размечать материалы, как работать с RAG, файнтюнить модель, кастомизировать ответы? Как работать с https://huggingface.co/ и подобными площадками, как работать с https://civitai.com/?
9. 0,001% Как создать систему, которая использует инфраструктуру вендоров, но была бы от нее независима?
10. Только 1 человек задает этот вопрос. Что надо создавать СЕЙЧАС, учитывая, что
- почти 100% того, что сейчас придумывают стартапы, на чем делают деньги - через 2-3 года станет базовым функционалом больших вендоров типа OpenAI /Антропик/ Гугл и т.п.,
- через 5-7 лет никаких SaaS не будет, а будет AGI, который вам сконфигурирует любой кастомный SaaS в течении секунд.
- конкурировать в технологиях станет бессмысленным, т.е. любой человек с помощью ИИ сможет создать, что угодно, если хотя-бы будет отвечать на наводящие вопросы ИИ?
Итог:
Если вы на стадии 3 и 4 - хотите разобраться с 0 и усилить свою жизнь в 10 раз, посмотрите программу бесплатного мини курса: Эффективное использование chatGPT - https://alexeykrol.com/courses/ai_intro/
Если вы уже на стадии 5 , 6, 7, 8, и хотите, чтобы ИИ усилил вашу жизнь в 100 раз и стал инструментом бизнеса, посмотрите программу следующего курса: https://alexeykrol.com/courses/ai_full/
Вот это круто: Stripe запустил выделенный сервер для ИИ-агентов, на базе протокола MCP от Anthropic. Теперь LLM-агенты смогут выполнять платежные API вызовы к Stripe, получать данные клиентов из базы и т.д.
Чуть позже напишу подробней.
Главное шоу уходящего февраля - общение Зеленского с Трампом и Ко. Утром были только короткие фрагменты и все подумали, что Трамп... Но несколько часов назад подвезли полное видео, и картинка развернулась на 180 градусов. Политику обсуждаем здесь, чтобы не травмировать нежные души: https://www.facebook.com/groups/tcrpolitcs
Те, кто утром сформировал свое мнение не могут допустить, что их мнение оказалось в корне неверным.🤣
✔️ ElevenLabs представили новую функцию для преобразования аудио в текст, которая действительно впечатляет!
ElevenLabs представила Scribe — своё первое решение для преобразования речи в текст, которое уже завоевало звание лидера по точности в этой области. В независимых тестах Scribe достигла Word Error Rate всего 7.7%, что значительно лучше результатов Whisper v2 и v3 (~10%).
Scribe поддерживает 99 языков, включая русский.
Основные преимущества:
- Отличное различение голосов разных спикеров
- Возможность экспорта результатов в самые популярные форматы, включая SRT для субтитров на YouTube
- Бесплатное использование доступно до 9 апреля
💰 Ценообразование: Scribe относится к премиум-классу и стоит 6,67 долл. за 1 тыс. минут аудио, что значительно ниже, чем у Hyperscaler, но выше, чем у Whisper.
▪Бенчмарки: https://artificialanalysis.ai/speech-to-text
▪ Потестить можно здесь: https://elevenlabs.io/speech-to-text
@ai_machinelearning_big_data
#ElevenLabs #tts
В опросе какое направление применения ИИ вам больше всего интересно поучаствовало примерно 1500 человек, на картинке распределение и комментарий:
1. Под помощников подразумевается выполнение рутинных задач, требующих много времени и повторных операций, связанных с поиском и обработкой информации, чтение писем и ведения переписки, чтение новостей, ведения персонального графика, назначение встреч. Часто к этому можно отнести создание и постинг контента и т.п. Поэтому можно сказать, что все перечисленные функции вместе по сути и образуют помощника, особенно, если можно с ним общаться голосом.
2. Создание курса это по сути создание, упаковка контента и загрузка его в систему управления обучением.
3. Авто-постинг это такое же создание контента + загрузка в соц. сеть.
4. Реклама это тоже создание контента + загрузка инвентаря.
В итоге: 90% это создание, чтение, загрузка, анализ контент, при этом в мультимодальном режиме это и есть кирпичики, из которых по сути можно создать любого ИИ помощника, агента, который спрофилирован на обучение, маркетинг, коммуникации. Хотя если подумать, маркетинг это частный случай обучения.
При этом каждый Агент это процесс, в котором участвует сервисы типа Gmail, Соц.сети, в общем тысячи сервисов и эти сервисы на входе получают документы, которые являются частным случаем данных, на выходе тоже данные.
И между сервисами вы вставляете chatGPT, каждый из которых принимает на вход те же данные, промпт, и на выходе ДРУГИЕ данные или действия - типа зайти в почту, прочитать и т.п.
Так из этих кубиков можно построить любого Агента, который может выполнять огромное число задач, используя простые автоматизации и интеграцию с chatGPT. Но это СЛЕДУЮЩИЙ шаг, а сначала надо освоить базу - бесплатный курс: Эффективное использование chatGPT - см. программу https://alexeykrol.com/courses/ai_intro/
очень круто, даже если не понимаете всего, прочитайте
Читать полностью…
Deep Research стал доступен всем платным пользователям (10 запросов в месяц если у вас Plus), поэтому ловите практические советы как лучше его использовать:
— Неважно какую модель вы выбрали в ChatGPT, у Deep Research своя модель во время поиска, он проигнорируют выбор модели (UI-костыли, привет)
— Указывайте на каком языке писать отчет и на каком языке искать материалы
— Попросите его «ВАЖНО: не дублируй одну и ту же мысль много раз в тексте, если она уже описана», по умолчанию он так делает
— Deep Research не умеет смотреть на картинки — не ожидайте от него исследований где что-то нужно визуально исследовать
— Просите научные источники если хотите максимально научный отчет на фактах, можете также указать год с которого искать релевантные данные
— Поставьте приложение 11 labs — каждый такой отчет, это примерно 30-40 минут прослушивания, идеально для поездок (встроенная в ChatGPT фича глючит с длинным текстом)
— Deep Research основан на рассуждающей модели, это значит что вам все еще нужно очень детально описать, что вы хотите видеть, что не хотите, что считается банальным — иначе получите поверхностный отчет
— Deep Research имеет доступ к написанию кода, то есть он может генерировать графики, таблицы и тп тд, и включать их в финальный отчет
— Можете подсказать ключевые слова на которых стоит сделать акцент, модель же ищет в интернете и там иногда много ненужного
— Deep Research поддерживает файлы (и ссылки), можете сказать ему что в них смотреть, он может их сделать как частью контекста отчета, так и построить поиск на основе файлов (но из-за UI костылей OpenAI, сначала нужно выбрать 4o или любую модель, что поддерживает файлы на входе)
— Это все еще нейрока — ответы могут содержать ошибки и требует верификации человеком, например в тестах видел как модель делала отчет на основе картинок ПО НАЗВАНИЯМ картинок, bruh
— Это все еще лучший автономный ресечер что у нас есть, никто не может конкурировать — и Perplexity, и Google
— Deep Research не умеет смотреть за пейволл, такие статьи нужно прикладывать самим к чату
И напоследок, когда использовать Deep Research:
Когда вы начинаете исследовать какую-то тему — это быстрый и легкий способ погрузиться во что-то, дальше вы можете строить свое исследование на базе знаний из прошлых отчетов, углубляясь в тему с каждым запросом все глубже — от бизнеса до науки, пока не нашел сферу где нельзя было бы применить такой инструмент
Всем привет. Небольшая поездка в ЛА. Буду эпизодически.
Читать полностью…
Часть 3. Вся история человечества, профессионального роста и карьерных лифтов строилась на уникальности знаний. Если ваши знания и навыки уникальны, это давало вам конкурентное преимущество даже перед более богатыми людьми, у которых есть капитал, средства производства. Но искусственный интеллект нивелирует это преимущество. Какие-то уникальные специалисты останутся, но их доля будет неуклонно снижаться, по мере увеличения количества специализированных Агентов. ИИ покроет все больше и больше областей. Этот тренд очевиден. Те, кто следит за развитием технологий, понимают, что это так. Если вы этого не понимаете, значит, вы уже отстали лет на пять.
Исходя из этого, возникает главный вопрос: что делать? Сейчас мы не обсуждаем, будет ли базовый доход. Скорее всего, будет. Если из индустрии уйдет огромное количество людей, затраты сократятся, и логично ожидать снижение цен. Корпорации сделают это самостоятельно или под давлением государства, потому что власти понимают, к чему все идет, и наверняка примут меры.
Но что дальше? Все превратится в цифровое гетто. Люди будут получать пособия, чтобы поддерживать покупательную способность. Цены на товары массового потребления упадут. 99% товаров и услуг станут коммодитизованы. Конечно, останется люкс-сегмент, но в целом даже сложные продукты станут коммодити. Айфон — уже коммодити. Apple просто удерживает цену, но сам по себе продукт давно стал стандартным.
Так что что делать? Куда двигаться? Вопрос не праздный. Разработка ПО, программное обеспечение, технологии — под риском. Да, какие-то уникальные проекты останутся, но не с точки зрения технологий, а с точки зрения продукта. Найдут очередную потребность у нового поколения, переупакуют под миллениалов и зумеров. Но в чем специфика таких стартапов? До настоящего момента стартапы выигрывади только за счет быстрого запуска. Раньше, если стартап появлялся, у конкурентов уходило полгода-год, чтобы его скопировать. Скоро на это будет уходить секунда. Запускаете ИИ-агента, который анализирует код, интерфейс, API стартапа — и через минуту у вас его точная копия. Кому-то это кажется фантастикой. Но в горизонте 2–3 лет это станет реальностью.
Да, технологии и инженерия не исчезнут сразу и не вся. Но постепенно. Все, что можно формализовать, что можно свести к перебору комбинаций, окажется в зоне риска. И это не только софт. Речь идет об электронике, механике, архитектуре, устройствах. Все это неизбежно формализуется. Причем не просто формализуется, а начнет восприниматься ИИ, как набор требований, которые нужно выполнить. Вопрос времени.
Наука продержится дольше. Но что такое наука? Главным инструментом станут ИИ-ученые. Роль человеческих ученых изменится. Они не будут разрабатывать эксперименты сами — их задача будет общаться с ИИ, компенсируя его недостаток креативности. Но это только гипотеза.
У меня есть одна идея, где еще можно побороться, но, возможно, это просто надежда. Я еще должен подумать. Сегодняшний день был интересным. Раньше я читал много теорий о том, что ИИ заберет рабочие места, но это было на уровне догадок. А сегодня я увидел процесс. Я посмотрел десятки видео, часть на ускоренной перемотке, часть внимательно. Я увидел, как это работает. 90% операционных процессов в компаниях будут автоматизированы.
Это не вопрос «если». Это вопрос «когда». Так что делать? Как все это воспринимать?
Я не могу предсказывать будущее, но ясно одно - человечество разделится на тех, кто научился эффективно взаимодействовать с ИИ и тех, кто по каким-то причинам подумал, что его это не коснется. Особенно этим грешат все, кто что-то делает руками. Чтобы вы не расслаблялись в след. Посте я вам покажу несколько видео, и если у вас есть голова, то вы задумаетесь. А пока надо с чего-то начать и я предлагаю свой бесплатный микро-курс: «Как использовать chatGPT эффективно?»: https://alexeykrol.com/courses/ai_intro/
Часть 1. Развитие искусственного интеллекта вынуждает каждого задаться вопросом: «Каково мое место в этом мире?»
Когда я начал глубже исследовать тему агентов, особенно в прикладном смысле — конкретно, как их создавать, — сначала казалось, что вариантов очень много. Но в конечном итоге все сводится к тому, что искусственный интеллект (назовем его агентом) постепенно начинает выполнять не только рутинные задачи, но и все больше задач, требующих креативности, определенного рода исследований, а также работы в условиях неопределенности.
Конечно, изначально мы все с энтузиазмом погружаемся в новую область «Создание ИИ», и мы рассуждаем примерно так: «Вот мой рабочий день, рабочая неделя: я выполняю одни и те же задачи, где-то приходится проявлять креативность. Даже если я не знаю, как пришить пуговицу — это тоже своего рода креативность. И вот здесь я все время буду на шаг впереди ИИ».
Однако, хотя наблюдения, которое я сделал, естественно, ограничены, но уже видны определенные направления и паттерны, и неумолимо искусственный интеллект становится все более эффективным в задачах с высоким уровнем неопределенности. Задачах, которые требуют креативности. Где мы считает себя чемпионами.
Даже если сейчас вы не понимаете этой технологии, то через месяц, другой вы научитесь. Либо через полгода. Появляется множество сервисов и инструментов, все крупные корпорации и дикое количество стартапов начинают их предлагать. Сначала инструменты сложные, но постепенно, как обычно, все упрощаются. Появляется много шаблонов, огромное количество людей осваивает эти технологии. При этом через какое-то время будет проще и выгоднее учиться у искусственного интеллекта, чем у людей. Это будет эффективнее. То есть, все это вы освоите, и вот здесь возникает интересный момент.
Если вы работаете в найме, то фактически начинаете автоматизировать процессы, за которые несете ответственность и за которые получаете деньги. В каком-то смысле вы «каннибализируете» свою собственную функцию, потому что рано или поздно наступит день, когда вы (пусть не сразу, но постепенно) создадите целую систему агентов, способных выполнять 95% ваших должностных обязанностей. Но и это не все.
Агент сможет выполнять задачи не только за вас, но и за ваших коллег в неограниченном количестве. Это неизбежно приведет к сокращению. Если раньше определенный объем работы выполняли 100 человек, то пусть не через год, но через два — учитывая стремительное развитие инструментов, их «умность» и продвинутость — останется лишь несколько специалистов. Возможно, главный бухгалтер и пара-тройка разработчиков, которые изначально создавали и поддерживали эту систему. А через какое-то время и этих экспертов заменят. Почему?
Вовсе не потому что автоматизация и вовлечение искусственного интеллекта будут расти. Это очевидно. А вот, что будет важно, так это то, что если сейчас агентов создают люди, то через год 30% агентов будут разрабатывать другие агенты. Это не фантастика — такие технологии уже существуют. В ряде областей они работают прямо сейчас. Соответственно, у компании не будет причин вас удерживать.
Все компании операционно устроены одинаково, и есть лишь одна относительно узкая сфера с максимальной неопределенностью — как правило, это маркетинг. Не просто маркетинг, а конкретно user acquisition. Профессионалы понимают, что ключевые креативные задачи связаны с брендингом, идеями, высокоуровневым копирайтингом. И пока человек выполняет эту работу лучше ИИ. Но это на текущем уровне.
К примеру chatGPT o1 не справился с творческой редактурой этой статьи. Обработку аудио, чистку мусора, орфографию, пунктуацию сделал, а редактуру неспособен, потому что творческая редактура это всегда переписывание. Как в Голливуде: «Сценарии не пишут, а переписывают». Поэтому ИИ еще не способен создавать качественные тексты. Пока, но что будет через пару лет - не знаю.
это сейчас, а что будет через год?
Читать полностью…