7787
Залипли и встали намертво, но хотите вырваться? Теория Каст и Ролей и прочее.
Холдинговая компания ютубера MrBeast планирует привлечь >$200 млн инвестиций при оценке в $5+ млрд — журналисты раздобыли питч-дек.
При этом его контентный бизнес (YouTube-канал) убыточен, о чем вы и так знаете, поскольку читаете этот канал ❤️
Из презы для инвесторов также стало известно, что:
• Подразделения контента и коммерции получили в 2024 году доход около $250 млн каждое — на 125% больше, чем в 2023.
• Контентное подразделение теряет деньги из-за огромных затрат на продакшен — более 90% от выручки (медиакит).
• Коммерция, которая в основном состоит из бренда Feastables, показало рост чистых продаж на 160% по сравнению с 2023. По прогнозам, в этом году продажи вырастут на 100%+.
• Прогнозируемый рост бизнеса до 2026 года в основном обусловлен Feastables (ожидаемый доход в $520 млн в 2025 и $780 млн в 2026 году) и запуском других CPG брендов.
• В целом, Beast Industries ожидает получить не менее $900 млн дохода в этому году, а затем около $1,6 миллиарда дохода в 2026.
Помимо Feastables, у MrBeast в ближайшие несколько лет появятся новые продукты, включая напитки, закуски и хлопья. В следующем году компания планирует запустить подразделение мобильных игр. Через 2-3 года обещают IPO.
Парню 26 лет.
п. 1 Вопрос о том, считать ли людей полезными идиотами более не стоит на повестке.
п. 2. Актуален вопрос - с какой степенью жесткости и беспринципности их использовать?
Знаете, когда я пишу про ИИ, всем нравится, потому что все верят, что именно ИИ более всего повлияет на их жизнь.
Но когда я пишу про действительно важное, все воротят лицо. И именно поэтому см. п.2. Сорри. Ничего личного.
Часть 3. И именно здесь кастомные GPT решают проблему. Они позволяют автоматизировать повторяющиеся процессы, повышая эффективность работы. Вы увидите, как даже небольшие настройки значительно расширяют функционал. В итоге вы сможете создать не просто ассистента, а полноценного помощника в вашей профессиональной области. На третьем уроке мы обсуждаем, как это делать. Но прежде чем перейти к деталям, важно понять - зачем вам идти дальше? Зачем инвестировать время? Какие проблемы вы сможете преодолеть? Какие новые возможности откроете?
Поняв это, вы получите чёткий ответ на вопрос, почему стоит потратить несколько часов, чтобы научиться не просто летать между звёздами, а путешествовать между галактиками. 🚀
Почему стоит сделать еще шаг и научиться создавать кастомные (индивидуальные) GPTs? Их возможности огромны, и все это мы сейчас изучим — от самых простых до более сложных на моем авторском бесплатном курсе: «Эффективное использование chatGPT». Посмотрите программу, вы будете удивлены: https://alexeykrol.com/courses/ai_intro/
Часть 1. Есть только 2 причины, по которой 99% людей еще верят, что ИИ это лишь какая-то проходная шняга, а не революция. Что это за причины?
Причина 1: Люди по большей части не представляют, в каких ситуациях можно использовать искусственный интеллект и какие задачи он способен решать.
Поэтому, когда кто-то начинает интересоваться этой темой, он видит огромные списки различных промптов: для анализа данных, редактирования, написания кода и многого другого. Выбор действительно очень большой. Сейчас можно найти буквально тысячи, если не десятки тысяч различных промптов для сотен сфер деятельности.
И когда люди узнают об этом, у них возникает ощущение: «Неужели так можно было?» Они преисполняются энтузиазма, который на следующем шаге полностью исчезает. Для этого есть…
Причина 2: Большинство людей берёт публично доступные бесплатные промпты, вводит их в искусственный интеллект и на выходе получает «какашку». После чего говорят: «Блин, ну он тупой» — и так далее. Эта разочарование возникает из-за того, что недостаточно просто понимать, где можно использовать искусственный интеллект.
Важно ещё и знать, как с ним правильно общаться на практике, как грамотно составлять промпты.
Потому что если вы не умеете их создавать, то абсолютно не важно, в какой области вы пытаетесь применить ИИ — результат будет посредственным.
Но если вы понимаете принципы создания промптов, саму методологию, то сможете получить хорошие результаты в любой сфере. Поэтому ключевой вопрос — как правильно задавать вопросы, как правильно общаться с ИИ, как делать эффективные промпты, чтобы получать лучший результат.
Если провести аналогию с программированием, то представьте, что у вас есть квалифицированный программист. Он может написать программу на любую тему, реализовать тысячи различных бизнес-кейсов.
Но если вы не способны правильно поставить перед ним задачу, он просто не сможет её выполнить. Почему? Потому что программист специализируется на создании программ, а не на вашей конкретной деятельности. Он не знает её деталей, поэтому ему нужно чёткое объяснение.
Если вы умеете правильно ставить задачу, то разработчик сможет сделать работу качественно. Успех состоит из двух частей:
1. Исполнитель (программист или ИИ) должен быть квалифицированным.
2. Вы должны чётко объяснить, что вам нужно.
В случае с искусственным интеллектом всё работает так же. ИИ — это искусный исполнитель.
Если вы научились правильно формулировать промпты, то результат будет замечательным.
Проблема в том, что между моментом, когда вы просто понимаете, в каких задачах можно использовать ИИ, и моментом, когда вы УЖЕ умеете составлять качественные промпты, лежит огромная дистанция — словно межзвёздное расстояние. Но есть ещё более высокий уровень.
Это когда мы не просто учимся делать хорошие промпты для общения с ChatGPT в режиме диалога, а создаём кастомные пользовательские ассистенты — то, что называется GPTs. Это открывает совершенно новые возможности и решает ряд проблем, которые возникают при диалоговом взаимодействии с ChatGPT. Особенно если у вас не разовая задача, а нужно реализовать какой-то процесс.
Те, кто работает в бизнесе, знают, что любая деятельность строится на повторяющихся процессах, которые могут быть сложными и рутинными. Поэтому важно не просто научиться общаться с ChatGPT, но и сделать так, чтобы он автоматически выполнял за вас множество повторяющихся задач.
Простое диалоговое взаимодействие в таких случаях становится неудобным. Если вам нужно регулярно решать сложные задачи, каждый раз прописывать промпты вручную — это неэффективно.
Допустим, вы уже немного поняли, что такое промпты и начали с ними экспериментировать, то, скорее всего, столкнулись с тем, что для решения серьёзных задач придумать действительно эффективный промпт — не так уж просто. Иногда приходится потратить пару-тройку часов, чтобы создать промпт, который даёт нужный результат.
Управляющий партнёр Y Combinator Джаред Фридман рассказал, что у четверти стартапов акселератора 95% кодовой базы сгенерировано ИИ. Здесь пруф.
Это так - чтобы вы понимали, что даже если вы не программист, ТЕПЕРЬ вы можете делать, что угодно. Это не избавляет от необходимости немного прокачать себя, но 10 часов основ не 2 года обучения непонятно ради чего? Почему 10 часов? Именно такая примерная длительность моего авторского бесплатного курса по эффективному использованию chatGPT. Посмотрите программу здесь: https://alexeykrol.com/courses/ai_intro/
Сделал тестового ИИ эксперта по единоборствам на основании загруженного моего старого обоснования темы диссертации по психологии (1994 год). Пока без RAG.
Загрузил текст под названием: Обоснование диссертации на тему" "Исследование динамики состояний сознания на основе деятельности в особых условиях (воинское искусство)".
Специальность: Общая психология Ключевые слова:
измененные состояния сознания, трансценденция текущего состояния сознания, устойчивость и неустойчивость состояний сознания, обучение или психотерапия основанные на изменении состояния сознания, стрессовые ситуации, воинское искусство, невербальная деятельность, творчество и импровизация в реальном времени, разрушение личности, распад структуры, динамический хаос, странный аттрактор, самоорганизация, синергетика, катастрофы и бифуркации.
Итог: Немного прихуел от того, как он осмысленно отвечал, учитывая МОЙ текст.😂 Правда, конечно кроме этого текста пришлось разбить его, добавить индексный файл, файл кодекса, файл бриджа межу моим текстом и общим корпусом психологии + поколдовать над промптом. Т.е. пришлось на ходу создать архитектуру "личности".
Часть 2. Есть много кейсов, которые я могу решить и БЕЗ ИИ, просто дольше. Но этот кейс, который я НЕ МОГ БЫ решить без ИИ. Вообще. Никак!
В месяц у меня уходит около 3000$ на разные сервисы, и некоторые приносят больше пользы, некоторые меньше. Каждый доллар имеет свой ROI, но я пока не вижу более выгодной инвестиции, чем оплата chatGPT. Т.е. это НЕ ЗАТРАТЫ, это инвестиции.
В данном кейсе я использовал o1 и o3-minu.
Так как я решил проблему? Я задавал вопросы и не переживал о том, что я выгляжу полным кретином. Понимаете в чем суть?
Суть не просто в ИИ, в том, чтобы понимать, что спрашивать. Именно это мы подробно разбираем на бесплатном курсе: Эффективное взаимодействие с chatGPT с 0. Курс очень короткий и открыт для любого. Можете посмотреть программу: https://alexeykrol.com/courses/ai_intro/
Мораль. Вы + ИИ = безграничные возможности.
Если раньше для реализации многих идей вам нужно было нанимать кого-то, то все идет к тому, что вы сами все способны сделать. Не сразу, но этому стоит учиться, причем лучшим учителем выступает сам ИИ.
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…
Все еще считаете, что производство контента - ерунда?
Читать полностью…
Единственная ценность, которая не подвержена снижению, девальвации, снижению цены и разочарованию - это женщина. Ее ценность, ее красота только растет, и добавить к этому нечего. Мужчина способен делать миллион дел, но, подчас, только любимая женщина способна дать ему смысл. Всю лучшую, более умную и самую красивую половину человечества с праздником. Счастья вам. А особенно моей Тане, второй такой нет во Вселенной. Я знаю точно, у меня проверенная информация.
Читать полностью…
Часть 3. И тут возникает проблема: вот вы, пройдя через множество итераций, наконец-то придумали хороший промпт, получили нужный результат, завершили задачу и пошли заниматься своими делами. Затем, через час, два или день, у вас снова возникает та же самая задача. А промпт вы забыли. Или его нужно искать в старых диалогах, копировать, вставлять, но контекст не всегда сохраняется. Приходится либо запоминать промпт, либо где-то его хранить.
Если речь идёт о простых промптах, такой проблемы нет. Но если задача сложная и к тому же рутинная (то есть её нужно повторять не два раза, а, скажем, 200 раз), то это превращается в неудобство. Например, мне часто приходится обрабатывать большие массивы текстов, выполняя разные операции. Но это касается не только текстов — то же самое с анализом данных и другими рутинными процессами.
Каждый раз начинать новый чат, копировать и вставлять промпт — неудобно. Новички иногда пытаются решать это в рамках одного чата, но это часто приводит к так называемому “дрейфу модели”. Суть в том, что если делать две-три итерации, модель ещё помнит изначальный промпт. Но начиная с третьей, она начинает его забывать и ориентируется на последние реплики. В итоге, чтобы избежать “дрейфа модели”, приходится постоянно вручную копировать и вставлять промпты, хранить их где-то отдельно. А если к этому добавляются файлы, которые тоже нужно подгружать, то процесс становится ещё сложнее. И сложность этого процесса прямо пропорциональна количеству повторений, необходимых для выполнения рутинных операций.
Важно понимать, что рутинная операция — это не всегда что-то простое. Промпт для неё может быть сложным и требовать тщательной настройки. Для решения этой проблемы и существуют кастомные GPT. Создать такой GPT очень просто, но главная ценность в том, что если вы один раз подобрали хороший промпт, вам больше не нужно вводить его вручную. Он уже предустановлен и готов к использованию.
Например, если вам нужно анализировать таблицы и вы долго настраивали промпт, чтобы модель правильно распознавала данные, выделяла приоритеты, то после настройки кастомного GPT вам больше не нужно каждый раз загружать промпт или дополнительные файлы. Всё уже заранее настроено. Это значительно ускоряет и упрощает работу. Более того, такой GPT можно поделиться с коллегами, командой или даже продавать через маркетплейс.
С кастомными GPT можно создать 10, 20, 30 таких ассистентов, каждый из которых будет решать узкую задачу. Более того, если у вас сложная задача, её можно разбить на этапы. Тогда один GPT будет отвечать за первый этап, а его выходные данные станут входными для следующего. Таким образом, можно значительно оптимизировать работу.
Ещё одно преимущество — автоматизация. Вы можете не выполнять рутинную работу сами, а поручить её другому человеку, даже не обладающему высокой квалификацией. Достаточно дать ему документ и ссылку на GPT — он загрузит данные и получит результат. То есть интеллектуальную работу выполняет не человек, а искусственный интеллект. Это очень удобно.
Настроить GPT можно на разных уровнях сложности: от простых до более сложных. Мы всё это разберём, и вы увидите, как возможности будут расти по мере усложнения задач. Фактически, можно создать не просто ассистента, а узкоспециализированного помощника — будь то юрист, маркетолог или аналитик. Причём один раз обучив такой GPT, вы сможете использовать его постоянно.
Представьте ситуацию: у вас есть сотрудник, которому вы объясняете рутинную, но сложную задачу. Он понял, вы убедились, что он справляется, и теперь просто даёте ему данные — он выполняет работу.
А теперь представьте, что каждый раз, когда возникает новая микрозадача, вам снова нужно объяснять ему всё заново. Это было бы абсурдно.
То же самое происходит в диалоге с AI. Пока задачи разовые — проблем нет. Но как только речь заходит о повторяющихся сложных задачах, всё становится неудобным.
Вы что в танке? штоле? А что я по вашему на своем курсе показываю? Как все это делать с кодом? Мне что делать больше нечего в 61 год, как кодить? В этом возрасте надо СОЗИДАТЬ, а не кодить. Кодит за вас ИИ.😂
Читать полностью…
Меня благодарят за то, что мы отвечаем в поддержке на каждый запрос в течении суток 100%. Да)))) Не избалованы нормальным сервисом те, кто не живет в США. Особенно те, кто покупает курсы у инфоцыган. Здесь, в США - общение с клиентом это маст. Даже если он пока не платит. Потому что репутация - прямой путь к продажам. Не слышали такого?😂
Читать полностью…
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.🤣
Часть 1. "Так можно было?" Этот вопрос мы задаем, когда возможности лежали под носом. А когда эти возможности не просто экономят тонны денег, но позволяют делать то, чего раньше в принципе не мог... Ну вы понимаете. Расскажу по порядку.
1. Утром я получил гору запросов, что в одном из тестов к курсу не видно ответов на вопросы теста. Такое бывает редко из-за настроек броузера. Нужно поменять броузер или стереть куки, но не в этот раз.
2. Я зашел с разных броузеров, и увидел, что ситуация имеет место быть, и это создало проблему. Почему?
Потому что, если что-то происходит с сайтом, то в 95% ситуаций я знаю, что делать. Грубо говоря, "Обнови плагин, и порядок!", что я немедленно сделал, и все тут же .... упас - не изменилось.
Те самые 5%, когда вообще нет идеи, что с этим делать, куда смотреть. Как быть?
Было 2 варианта.
Вариант 1: Искать фриленсера, который понимает в WordPress и вообще способен пофиксить проблемы.
Я уже ходил этим путем, и по опыту это требует от 3-4 дней, 100$ в простом случае, 500+ в более сложном и регулярные платежи, если платишь какому-то админу. Я уволил своего админа пару лет назад, сэкономил на этом примерно 5000$/ год в надежде, что он мне больше не понадобится. И тут такой упс! Неприятие. Сейчас то у меня никого нет. И поэтому...
Вариант 2: спросить chatGPT. Спойлер - проблема была найдена и исправлена в течении 30 минут, из которых chatGPT потратил 2 секунды, а остальное время тупил я, и сейчас я расскажу, как все было, но прежде, оговорка - я не программист. Я научился работать с разными билдерами и low-code/no-code на хорошем уровне, но я - НЕ ПРОГРАММИСТ.
Поэтому, когда ЖПТ написал мне типа: Проверьте консоль браузера на ошибки, я подвис. Итак что я сделал по шагам:
1. Сначала я послал ему картинку, которую видите, и написал, что сайт перестал показывать версии ответов на вопрос теста, как на картинке + я указал, что работаю с WordPress и LearnDash.
2. Он мне объяснил вероятные причины и что надо сделать, но все это я и так УЖЕ сделал. Проблема глубже.
3. Тогда, - ответил он - Вероятнее всего проблема связана с конфликтом кода (чаще всего CSS или JavaScript).
4. Отлично, но как это искать? Я же НЕ программист фронтэнда. В результате он мне объяснил, что именно надо открыть в консоли, куда смотреть, что искать и все это я сделал, но причины ошибки не нашел.
90% того, что он мне говорил - я НЕ ПОНИМАЛ, поэтому посылал ему скриншоты, а он мне - идиоту терпеливо объяснял. Объяснял ВСЕ, а не мутил, как все админы.
5. После этого я просто загрузил ему полный код страницы в HTML, и он подсказал, что скорее всего суть конфликта в том, что плагин показывает проблемный элемент в нормальном цвете, а настройки темы его отменяют.
6. Само по себе это объяснение не помогло, но подвигло на простой эксперимент - я выделил проблемный элемент, и оказалось, что действительно он есть на страницу, но в нормальном состоянии показывается тем же цветом, что и фон.
5. Я сделал скиншот с пояснением, после чего ЖПТ в течении секунды написал:
Понятно, тогда всё-таки дело именно в цвете: тема где-то прописывает для <label> (или его родителя) белый цвет на белом/светлом фоне. Поэтому при выделении текст «всплывает, а в нормальном режиме не виден.
Как быстро исправить?
Зайдите в Appearance → Customize → Additional CSS.
Вставьте (или добавьте к уже имеющемуся) принудительное правило:
.wpProQuiz_questionListItem label {
color: #111827 !important; /* или любой другой тёмный цвет */
}
Это заставит текст стать тёмным, и вы увидите его даже без выделения. Сохраните и очистите кэш, если используете плагин кэширования. Обновите страницу и проверьте.
6. Я все сделал и все мгновенно заработало. Я был в шоке. Я осознаю, что для программистов это плевое дело, но для меня в данном случае это было рокетсайнс.
Я в течении 40 минут решил проблему, на решение которой у меня без ИИ раньше ушло бы несколько дней и необходимость искать исполнителя. И это лишь один кейс из сотен, но есть принципиальный момент.
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