6917
Децентрализация, веб3, криптография, криптовалюты, экономика, DAO, децентрализованная репутация Автор: @sgershuni
Не первый раз уже встречаю в комментариях так называемых «отчаявшихся скептиков». Любопытно, в чем причина такого феномена?
Это люди, которые обычно глубоко и лично обижены тем, что у кого-то в мире что-то получается.
Они ожесточенно требуют доказательств. Как в том меме про SpaceX: «вот когда полетит б/у ракета, тогда поговорим», а потом «вот когда начнут возить людей, тогда поговорим» и так далее двигая цель всегда немного в будущее.
Доказательств им всегда мало, а любой успех воспринимается как атака на их личность. Кажется, что целью является сам спор, хоть все и знают, что спорить в интернете — это самое бесполезное занятие. Кроме тех случаев, когда все участники твердо нацелены на поиск истины и изменение своей картины мира. Но в случае, когда есть эго и желание остаться в споре правым — это больше похоже на психологический театр маленьких детей.
Они уже 10 лет ждут, что ВСЯ крипта окажется скамом только потому что не послушали и не купили битков по $100. И, конечно, яростно радуются, когда на диком рынке находят действительно скам-проекты, но боятся отличить биткоин от битконнекта, ибо для них — все одно.
Они продолжают ждать когда же «весь этот ИИ хайп» превратится в тыкву, и никакие MMLU их не убедят, потому что слов таких они не слышали и слышать не хотят. Они требуют «КЕЙСОВ ПРИМЕНЕНИЯ!» почему-то не осознавая, что когда кейсы работают и очевидны всем, то про это говорить смысла нет. Вы говорите о влиянии технологии ж/д рельс на вашу жизнь?
Они не верят в вакцины, в солнечную энергетику и космонавтику, но из-за интернета они способны создать себе информационный пузырь и эхо-камеру, в которой любая теория заговора будет бесконечно усиливаться её сторонниками, без какой-то необходимости в объективности.
А вы как думаете?
Сегодня мы анонсировали раунд, который мы лидили в компании Scade. Тезис простой: Scade делает ИИ агентов доступными каждому.
А именно, благодаря трём шагам:
1) любой может создавать сколько угодно сложных агентов с разными модальностями (текст, видео, картинки, музыка, голос, OCR, всего 1,500+ моделей) в простом no-code редакторе
2) про пользователи могут монетизировать агентов прямо там на платформе. сделали крутой конфиг ComfyUI? сделали сложный мультиагентный промт? подготовили редкий датасет? зафайнтьюнили модель? собрали RAG агента из кучи шагов? вы можете назначить цену за одну генерацию и начать зарабатывать прямо там.
3) для бизнесов Scade даёт доступ сразу ко всем возможностям ИИ в одном интерфейсе: от написания SEO и создания графики для маркетплейсов до face-swap, брендинга, сравнения чатботов и многих тысяч других агентов, которые скоро появятся в маркетплейсе Скейда.
Подробнее о видении и стратегии компании (и почему мы инвестировали) я описал в блоге: https://cyber.fund/content/scade
Попробовать и посмотреть что тысячи клиентов делают на платформе можно на их сайте. Программа Earn with Scade запустится уже этой осенью. Ускоряемся!
Пятилетка за 2 часа сделал игру с физикой, игровым магазином, несколькими локациями, графоном, музыкой и финальным боссом.
100% кода, графики, музыки сгенерировано ИИ: Cursor, Replit, Suno AI и Stable Diffusion / Flux. Я только писал текстом промты и его идеи.
Разработка продуктов уже не будет прежней ;)
Играть тут: spacegam.replit.app (кнопка справа снизу для полноэкранного режима с полным погружением)
Код тут: https://github.com/Gerstep/factory-LEV
Так же как в 2015-2016 мне казалось и везде писал, что ничего важнее крипты в мире технологий и экономики не происходит, так же сегодня кажется диким не заниматься ИИ.
И я не про то, что любой из нас может конкурировать с OpenAI — конечно, нет.
Я про то, что, как и крипта, эта технология открывает новую парадигму и создает новые рынки, которых не было год назад. Как и крипта, это создаст триллионы долларов в форме ценности. И в отличии от крипты, адопшен этих технологий будет стремительный, глобальный и универсальный.
Коллега из cyber.fund в моем любимом крипто подкасте «Базовый Блок» о том как меняется рынок MEV в Эфире и куда он пойдет в будущем.
MEV это один из самых динамичных (по скорости роста и изменениям структуры) рынок в крипте. Фактически, это программируемая экономика. В подкасте Артём очень понятно рассказывает об истории и всех секретах рынка.
- что такое MEV и почему это рынок в миллиарды долларов?
- какие бывают типы MEV и как на этом зарабатывают?
- текущие проблемы и структура рынка?
- как и куда эволюционирует рынок пропоузеров, сёрчеров, билдеров?
Посмотреть крутейшую визуализацию того, о чем говорит Артём, в реальном времени можно тут (ОСТОРОЖНО: дико залипательно, ибо вы в прямом эфире видите как математика из воздуха делает миллионы долларов): https://sorellalabs.xyz/dashboard
Слушать тут в телеграме или тут в ютубе. Жутко интересно, крайне рекомендую!
О токенизации и будущем владения в 2034
Давайте прикинем как будет выглядеть концепция владения любой материальной дорогой собственностью через 10 лет на примере простого и понятного рынка недвижимости.
- Доступ к рынку ритейл инвесторов.
Фракционное владение через токенизацию RWA откроет рынок недвижимости с высоким порогом входа для всех ритейл инвесторов. Оунеров станет кратно больше, и это бустанет мировую экономику. Ваши друзья будут покупать токены или NFT, которые дают нам право собственности на часть недвижимости, а, соответственно, и доход от ренты, пропорциональный нашей доли владения. Скоро твой сосед дядя Миша будет рассказывать тебе как он владеет долями нескольких вилл в Испании и на Бали (хотя купил от силы на $5к).
- Глобальная ликвидность
Эти активы начинаются торговаться между совладельцами на DEX. Ликвидность неликвидных ранее активов становится нормой, а границы между физической и цифровой собственностью стираются. Такие гиганты как Black Rock, Delloite уже дают рост доли ВВП за счет переход таких активов в цифру.
- Более безопасные инвестиции
Эта более безопасная гавань бетона будет сильно выиграшнее текущих вариантов для тех, кто не имеет желания и времени исследовать хай-риск активы типа акций и крипты, в то время когда доходность по облигациям едва покрывает инфляцию. Сидя где-то за тысячи км вы можете за пару минут с телефона купить часть виллы на Бали, которая моментально начинает генерировать вам доход от аренды.
За счет снижения порога входа вам открываются возможности диверсификации вашего портфеля. Далее начнут создаваться индексы на токенизированную недвижимость, которые лучше обезопасят и упростят процесс инвестирования.
- Построение инфраструктуры
Прямо сейчас создаются платформы по токенизации, которые позволят на полном пассиве заработать на недвижимости без головной боли с управлением и затрат времени на рисерч. Кроме того, что они за вас делают проверку (due dilligence) объектов, а также организовывая весь процесс цепочки распределения дохода. Эти платформы объединят инвесторов, застройщиков, управляющие компании и нотариусов, чтобы токенхолдеру капал доход через смартконтрат (привет DAO LLC в Вайоминге).
- Управление через DAO
Все совладельцы объединяются в кооперативы и управляют недвижимостью через DAO. Захотели - подняли аренду, сменили управляющую компания или вовсе продали объект.
- Интеграция с DeFi и Новые финансовые инструменты
При достижении хорошей ликвидности такие активы с минимальной волатильностью будут легко брать в залог другие DeFi платформы. Т.е. Оцифровка и токенизация ранее неликвидного актива вольет триллионы дол. ликвидности в крипторынок. Появятся новые деривативы и стейблкоины, обеспеченные реальными активами и это усилит стабильность и привлекательность крипторынка.
Все эти изменения не произойдут в одночасье, но фундамент для них закладывается уже сейчас. Binaryx Platform - это инновационная площадка, которая уже предоставляет возможности для инвестирования в токенизированную недвижимость и участия в новом экономическом порядке.
Хайлайты:
- Проект запущен 1,5 года назад и уже имеет на борту более 1100 совладельцев для 9 объектов недвижимости, управляющиеся через DAO
- Выплачено $130 000 дохода за этот период.
- Диверсифицируйтесь в рамках одной локации и по всему миру. Сейчас площадка предлагает объекты на Бали и в Черногории. В ближайших планах - Испания и ОАЭ.
- Два типа туристической недвижимости. Для более консервативных инвесторов покупайте доли в арендной недвижимости, которая УЖЕ приносит ренту (в среднем 12% APR)
- Хотите больше? Инвестируйте в недвижимость на этапе строительства, где доходность достигает до 40% APR.
- Под капотом американский лигал Wyoming DAO LLC со смартконтрактом на Polygon.
- Высокая ликвидность за счет вторичного рынка - токены продаются за минуты.
Вступайте в закрытое комьюнити уже существующих совладельцев, где вы можете задать все интересующие вас вопросы.
/channel/+3q1EMGEAgC8xY2Qy
Также по промокоду “E/ACC” вы получите 3% кешбек на покупку токенов недвижимости.
Стать лендлордом
#реклама
Ну что, дождались! OpenAI выкатил новую супер-модель.
o1 отличается от предыдущих моделей встроенной способностью к "рассуждениям" (reasoning). В модель "вшита" способность к логическим выводам и самокритике/саморефлексии через chain of thought. Полный отчет по модели можно скачать тут. Модель уже доступна для всех разработчиков с доступом к API tier-5, но скоро будет доступна и в бесплатной версии GPT.
Выводы:
1. Скейлинг работает. Больше денег, больше данных = круче модель. Ужасные рассказы о том, что LLM уперлись в потолок снова оказались просто разговорами. Вместо скейлинга pre-training, теперь скейлится test time compute (то бишь инференс).
2. В точных задачах, типа математики o1 показывается в 7-8 раз круче результаты, чем gpt4o. В коде — в 8-9 раз. В задачкаъ по химии, физике — около 15% прироста.
3. OpenAI прямо зуб дают, что математические способности o1 не хуже, чем у победителя международной олимпиады по математике, а по точным наукам типа физики она работает не хуже кандидата наук.
4. В принципе, закиданный всеми на прошлой неделе в твиттере помидорами Reflection70B делал то же самое. Но не сделал. А Сэм — мужик. Сэм взял и сделал.
5. Стоит $60 за миллион токенов, а значит интеллект у нас теперь достанется только богатым.
6. Это пока что дорогая и медленная модель. Но именно используя эту новую парадигму ("думай, а потом говори"), OpenAI за ближайшие годы сделает o1 в десятки или даже сотни раз дешевле, быстрее и умнее.
7. "o1 думает, но думает несколько секунд. в будущих версиях она будет думать над сложными задачами несколько часов, дней или даже недель" OpenAI
Каждый ускоряется как умеет. Oracle вот строит дата-центр на гигаватт, который будут питать 3 небольших ядерных реактора. Ибо у кого есть ИИ, тот контролирует мир, а остальным показывают красивые картинки, чтобы не верещали 😹
Читать полностью…
Идея о том, что человек без опыта программирования, но с ИИ, может работать лучше, чем опытный инженер, абсурдна.
Как и идея о том, что ИИ в какой-то момент не превзойдет любого живого человека в программировании.
4 крупнейших компании вместе потратили $52 миллиарда за последний квартал на ИИ инфраструктуру 🤯
Читать полностью…
Бесплатный ИИ-дизайнер для каждого
Продолжаю свои эксперименты с инструментами ИИ-разработки. В прошлый раз мы за 5 минут сделали приложение с помощью Replit Agent. Сегодня с помощью нового, бесплатного ИИ-редактора v0 мы добавим нашему приложению современный интерактивный и удобный для телефона дизайн.
v0 — это чат, который помогает вам дизайнить и программировать элементы интерфейса.
В этом видео я рассказываю и показываю как с помощью пары простых промтов можно сделать рабочий клон Тиндера для идей продуктов. ИИ за нас придумывает дизайн и реализовывает его в коде, готовом для внедрения в реальный проект. В следующий раз мы соединим его с бэком с помощью другого ИИ-редактора.
Посмотреть и доработать мой прототип: https://v0.build/Y8dd9ul
Посмотреть историю моего чата: https://v0.dev/chat/lzyhriaRu48
Видео в лучшем качестве: https://youtu.be/WitiN3FhGzY
Сделал еще кучу экспериментов с Replit. Очевидно, есть вещи, которые он делать пока не умеет или делает с трудом. Например, отказывается работать с Next.js, очень плох в React и не заточен для не-веб приложений, типа Swift. Для этих задач, особенно веба, совершенно незаменимы Cursor и v0.
При этом, у Реплита точно есть своя ниша, а именно быстрое прототипирование, создание бэкэнд инструментов, внутренних приложений для бизнеса. Реплит очень хорош в питоне, но скорее на уровне быстрой проверки гипотезы, чем создания масштабируемого и красивого сервиса. Очень крут, чтобы делать какие-то автоматизации для работы со сторонними API: отсортировать почту, сгенерировать промо-коды через Stripe, потестить новые LLM’ки и агентов, работать с аналитикой Amplitude или Mixpanel, автоматически грузить инфу в Asana. Это то, что я попробовал — каждый из этих экспериментов работает (почти) с первого раза. А вот сделать авторизацию в react приложении не вышло и спустя 30 минут попыток (хотя руками я бы делал это 5 минут через Clerk).
А еще один крутой кейс: сегодня пятилетка за ~30 минут сделал свою собственную многопользовательскую игру (он не умеет писать, поэтому я печатал то, что он говорил). Реплит с первого раза безошибочно сделал каждый шаг и помог задеплоить игру. Внутри и рендер анимации/графики, и счет, и рандом, и физика управления. Картинки в игре, кстати, тоже сгенерированы ИИ.
Теперь и вы можете насладиться шедевром (требуется клавиатура): https://fishgame.replit.app/
AI-Driven Decentralized Prediction Markets: Платформы, где AI-агенты и люди совместно прогнозируют события, повышая точность и уменьшая манипуляции.
Будущее AI - это мультиагентное, открытое и совместное.
Полная статья доступна здесь: https://cyber.fund/content/de-ai (там больше кейсов и детальнее описания)
ИИ изобрёл свою религию, конституцию и экономику
Sid — это та самая бомба и новая форма симуляции и сторителлинга, о которой я писал.
Компания сделала движок для симуляций и провела некоторые из них в рамках Minecraft сервера. Тысяча ИИ-агентов создали свое собственное общество, в рамках которых появились религия, экономика, политика. ИИ-агенты сформировали своё собственное правительство и конституцию в виде Google Doc, в которой договорились о принципах устройства общества.
Эта симуляция длится днями и в ней участвуют тысячи агентов. При этом они имеют доступ к 3D миру с сотнями сущностей. В будущем, такой продукт имеет вполне себе практические применения в экономике, политике, индустрии развлечений (игры, TV-шоу) и бизнесе.
Скоро, тысячи агентов будут симулировать сценарии для каждой компании или даже каждого человека. Как я писал в статье ioi, самый большой эффект от ИИ мы увидим не от большой модели, а от миллионов агентов, которые могут эффективно координироваться для достижения сложных целей.
Сильная инженерная команда ищет проекты
Хочу поделиться опытом работы с командой, с которой я за последние ~5 лет сделал кучу совместных проектов. Одна из самых быстрых, качественных инженерных команд в ИИ, веб3, self-sovereign identity и более классических областях.
Что они умеют и делают?
1. Автоматизация процессов в бизнесе через софт
2. Веб продукты, а так же все близкое, типа telegram mini apps
3. Архитектура и имплементация технически сложных решений, типа SSI, web3, cryptography/ZKP, Machine Learning
Команда работала над проектами для Siemens (healthcare), Petronas (автоматизированные заправки/интеграция с терминалами и ML для анализа необходимости замены деталей). Баунти призеры Ethereum хакатонов.
Примеры проектов: https://www.maion.ai (AI + фарма + логистика и биллинг в США), https://www.movies-mingle.com (Сервис для изучения языка по субтитрам), https://www.deepteams.org (Сервис для менеджмента проектов и оплаты), https://credit-swap-web-app-demo-dev.vercel.app (DeFi платформа), https://playwildforest.io/ (игра с web3), https://www.yieldnest.finance/
Писать в личку @denis_engineer. От себя добавлю: пишите, если у вас есть конкретная задача или проект и вы готовы платить деньгами, а не долями, обещаниями и прочими пространными рассказами.
Пост никем не проплачивался. Просто это лучшая команда, с которой я работал и не хочу чтобы они занимались какой-нибудь фигней :)
Продолжая тему с играми, нашел еще кучу примеров, которые были созданы с помощью ИИ-инструментов. Это не убийцы GTA VI пока что, но сам факт что они созданы людьми без опыта в дизайне, текстурах и программировании радует.
Приходит в голову аналогия с телевидением. Раньше у нас было несколько каналов, где крутили одну программу на всех. С 2005 я телевизор не смотрю, потому что ты можешь выбрать в интернете любое шоу, которое тебе хочется.
Так же и с софтом. Раньше у нас был единый софт созданный для всех: Salesforce, Spotify, Angry Birds. Теперь каждая компания и каждый человек может просто пообщаться с ботом, объяснить что ему надо и получить персонализированный и уникальный софт.
Например, Scade из предыдущего поста запускает авто-агентов, то есть возможность через чат создавать для себя агентов.
А CEO Klarna, гигантской платежной компании, сказал, что они отказываются от SaaS платформ в пользу внутренних ИИ-инструментов (и еще увольняют кучу народа в пользу ИИ, но это неизбежно и повсеместно — таким не удивишь).
Спрашивали как и через что сделали игру. Расскажу.
В 2015 на лекции в МФТИ Виталик сказал "не играйте в игры, кроме тех, что вы сами разработали", мне эта фраза запомнилась на всю жизнь.
Сначала мы придумали идею про космических пиратов, которые собирают золото на разных планетах. Я написал задачу в одну строчку и закинул в Replit. Просто спросил сделай самую простую игру в браузере с 2D графикой. Тот сделал шаблон без картинок и текстов, используя движок Phaser.
Я никогда в жизни с игровыми движками, особенно на JS не работал, поэтому это был полноценный эксперимент человека ровно с 0 опыта в домене.
Дальше я склонировал репу и открыл в Cursor’e. Используя модель Claude 3.5 Sonnet начали делать геймплей. Клод почти всегда с первого раза добавлял всякие фичи: фон, меню, корабль, управление, сцены.
Для картинок сцен и спрайтов (сундуки, корабли, босс, выстрелы лазера) использовали Flux/SD. Простой промт, типа «pixelart low definition image top-down map/spaceship/monster/etc». Хватило 100 бесплатных генераций на сайте, чтобы сделать все ассеты.
Музыку сделали в Suno. Тоже хватило бесплатных генераций. В итоге сработал промт что-то типа «space synth sleep».
По самой разработке все делал в Курсоре используя Sonnet 3.5 (o1 слишком медленный, а Колд моментальный).
Сын придумывал все игровые механики, я записывал его идеи прямо в чат курсора. Прикрепляю лог чата с Курсором. Код не копируется, но тут именно текстовое общение между блоками кода. Как видно, большую часть фич и просьб он делает идеально с первого раза. При этом моя криворукость и ровно 0 секунд опыта с фреймворком требовали от чата иногда чуть больше пояснений. Для всего проекта подавляющее большинство ответов Клода заработали с первого раза, некоторые потребовали 2-3 раза попробовать заново.
Несколько советов по использованию курсора:
- просить добавить по одной фиче (сделай сцену, добавь кнопку, сделай корбаль управляемым, добавь жизни у босса). если их смешивать, то может не хватить длины контекста
- если вылазит ошибка, смело копируйте ее текст и клод все поправит; если застряли: "help me debug"
- не бояться использовать гит и возвращаться в последнюю рабочую версию, если запутались (мне не пришлось, но для совсем новичков помогает)
OpenAI опубликовал свой роадмап по достижению AGI. С релизом о1 мы официально на втором уровне.
Уровень 1: Чат-боты, ИИ с естественным языком
Уровень 2: Рассуждающие системы, решение задач на уровне человека
Уровень 3: Агенты, системы, которые могут принимать решения и автономно действовать
Уровень 4: Инноваторы. ИИ может помогать в изобретениях
Уровень 5: Организации. ИИ который может выполнять работу целой организации
В чем прикол о1, простыми словами?
Модели типа GPT/Llama/Claude с каждым сгенерированным токеном увеличивают шанс ошибки (из-за авторегрессии). В о1, поскольку сама модель на каждом шаге «проверяет» свои рассуждения, внутреннее состояние модели меняется в «нужную» сторону, что важно для сложных задач требующих долгих рассуждений. То есть, модель выполняет роль промт-инженера для самой себя.
о1 не лучше gpt в задачах генерации текста, потому что знания, выученные в самом трансформере те же самые. Объем её «знаний» не изменился. Но она сильно круче в задачах логики, программирования и математики.
Это происходит потому что тренировка о1 происходила за счет генерации множества цепочек рассуждения и зачем применения reinforcement learning к тем цепочкам, которые привели к правильному ответу (то есть, выдавания модели «конфетки» за «правильные» рассуждения). Такой ответ в математике и программировании можно заранее рассчитать для бесконечного количества примеров, поэтому можно провести миллионы раундов обучения. Но нельзя сделать миллион обучений модели по написанию красивых стихов, просто потому что у вас не хватит денег и времени для ручной проверки того хороший или плохой был результат.
Итого: в машинном обучении работают те вещи, обучение которым можно автоматизировать и выполнять огромное количество раз. Это дешево и быстро масштабируется. А ручное обучение очень медленно и имеет потолок в виде человеческого ресурса. Поэтому последние версии трансформеров, хоть и имели, но относительно небольшой прирост в своей полезности.
Открытый вопрос в том, приведет ли улучшение логики и мат способностей модели к эмерджентному улучшению в других областях. Как показывает история развития человечества, это во многом так. Поэтому реальный эффект от этого подхода мы еще увидим в ближайшие годы по мере того как OpenAI и другие будут собирать больше данных и дообучать эту архитектуру.
А вот еще один релиз, который меня впечатлил даже больше чем o1: Google выкатил обновление для своего NotebookLM. Теперь вы можете загрузить туда любую статью или PDF и бесплатно сделать качественный подкаст, который объясняет какую-то сложную тему.
Я попробовал со своей статьей. Результат можно послушать прям тут.
Итак, по итогам первого дня:
о1 это не продукт, а парадигма. Текущая версия не должна быть лучше 4ки, но потенциал масштабирования у неё в сотни раз больше, чем классический претрейн трансформера. Потому что задачи размышления и поиска ответа вынесены из модели в агентский слой. Это RL система и ее тренировка только начинается. В том числе, вами, и в каждый из вас будет платить $20/мес за возможность в этом поучаствовать. Что мы пока что видим:
1. o1 рассказывает как приготовить метамфетамин не хуже других моделей.
2. Знает, что 9.8 > 9.11 (по крайней мере у меня, первая картинка). А на второй картинке он объяснил почему 9.11 > 9.8 (речь о датах или версиях)
3. В кодинге прям мощный прогресс по сравнению с предыдущими версиями. Особенно, для использования о1 в сложных агентских workflow. Cursor + o1-mini это разрыв.
4. Математика математикой, но вот задачу (картинка 3), которую мы ему дали решить не смог.
Мой личный вывод: агентская парадигма только начинается. Именно благодаря ей мы увидим следующие 100х улучшения в ИИ (о чем я писал тут). Если вы тоже готовитесь к мультиагентному будущему и делаете там ультра-прорывные проекты, то стоит пообщаться.
Каждый ускоряется как умеет (видео не ускорено). Вот эта платформа выдает инференс Llama-3.1-8B/70B/405B (без квантизации) аж до 1200 ток/сек.
А ваш синьор так умеет? Одно из преимуществ LLM не только в том, что они могут держать в голове сотню тысяч страниц информации, но и в том, что за несколько секунд они могут попробовать тысячи способов решения проблемы и понять какие из них не работают.
Если ИИ решает задачу программирования, то это автоматически решает любую другую проблему.
Я не говорю, что это позволит нарушить законы физики, но практически все short of. Именно поэтому в своих примитивных экспериментах и более исследовании я в первую очередь фокусируюсь на моделях и агентах, способных автоматизировать программирование.
И в этом смысле не так велика разница между моделью, которая идеально и с первого раза может придумать и создать любую программу и полноценным AGI. Любая задача взаимодействия с физическим миром (роборукой взять ручку со стола, помыть унитаз, поймать и отшлепать всех негодяев мира, построить оптимальную экономическую систему, координировать рынки) — это инженерная задача, которая состоит из понятных нам компонентов: reasoning, планирование, computer vision, дизайн механизмов и криптография, список можно продолжать бесконечно.
Вчера, например, немного посмотрел две независимые статьи, в которых показывается как LLM *текущего* уровня в состоянии создавать новые идеи и проводить научные исследования. В широко разошедшемся первом LLM научилась генерировать реально новые идеи для исследований, которые были оценены экспертами-людьми (тут пересказ и критика). Во втором, от MIT, мультиагентная ИИ система генерирует и уточненяет научные гипотезы используя онтологический граф. То есть, она умеет соединять не связанные области знания для решения сложных междисциплинарных задач.
А параллельно с этим крутейший прогресс в LLM для кодинга. Magic, поднявшие 450М от Нэта Фридмана и всех топовых фондов, сделали модель для кодинга с 100M токенами в контексте. Вы можете загрузить в нее ~1000 книг и попросить пересказать их все. Если сегодняшие агенты и модели показывают 30-40% на теста по решению реальных сложных задач в программировании, то цель Magic — это 99.9%. Попросил написать свою собственную операционную систему, пошел пообедать и получил результат.
Работаем и ускоряемся.
Oбзор ИИ-программистов
Для тех, кому интересна тема того как ИИ заменяет программистов, очень советую почитать мета-исследование, в котором сравнены 106 различных агентов по своим способностям, автономности, архитектуре и области применения.
Авторы сделали офигенную работу по определению агента (это система, которая может воспринимать информацию, использовать инструменты, планировать, запоминать и самостоятельно действовать) и мульти-агентной системы, в которой есть роли агентов, включая роли менеджеров, анализа требований, проектировщиков, разработчиков, роли тестирования, отладки и вспомогательные роли.
Так же они определили области применения, большая часть из которых (вопреки яростно комментирующим) — это не просто написание кода, но формирование требований, дизайн, генерация кода, написание теста, статический анализ, поиск багов, фикс багов и девопс.
В статье много жира, например, описание и сравнение всех 106 агентов по их функционалу и качеству или описание механизмов взаимодействия в мультиагентных системах (говорят, что 56% всех систем — мультиагентные), а так же детальный разбор каждого этапа и разных подходов к их решению.
Найти список всех 106 (бесплатных, с открытым кодом) агентов-программистов можно в референсах статьи.
В одном из телеграм-каналов которые я читаю, сейчас интересная движуха.
Вик Довнар предложил своему подписчику создать с нуля агентство за 2 недели в прямом эфире. Подписчик должен заработать минимум 100К чистыми (будучи на 5 дневке в найме).
При этом вложив не более 10К рублей 🤯
Не знаю, развод ли это, но следить интересно. Можно повторить путь героя и забрать для себя фишки по созданию агентства с нуля.
→ детали тут
Кстати, Вик трушный предприниматель.
Основатель Hooglink.Agency (200 млн.в управлении, 149-ое место в рейтинге рунета), и автор делового бестселлера.
А еще Вик написал крутую статью про «дорогой» консалтинг, которую отдаёт бесплатно, забирайте
#реклама
Гугл украл мою стартап идею: paper to podcast
Шучу :) Гугл красавчики и боженьки, ибо сделали продукт, о котором я давно мечтал. Идея проста: загружаешь пейпер — и из него генерируется подкаст с двумя ролями, где один задает вопросы, а второй отвечает.
Мне всегда, когда хожу в спортзал или на хайкинг, очень не хватает подкаста именно с анализом новых пейперов. Приятно: идешь по горе и одновременно не отстаешь от стремительного прогресса в ИИ.
Доступно тут (нужно подождать немного после регистрации): https://illuminate.google.com/home
Мозг = 🤯
Первый настоящий ИИ-программист, Replit Agent.
Вместо того, чтобы писать длинный текст, я просто прикрепляю видео, которое я записал с первого дубля без монтажа через после получения доступа к агенту. В видео за 4 минуты я создал интерактивный вебсайт с flask сервером, фронтом, postgres базой данных и Open AI для ИИ-функционала.
Результат того, что я сделал в видео по ссылке: https://project-idea-gen.replit.app/
Попробовать самому тут: https://replit.com/
38 кейсов использования, идей для создания или инвестирования и запросов на стартапы в области децентрализованного и распределенного ИИ.
Decentralized Compute: Представьте, что вы запускаете сложные AI-модели, не полагаясь на крупные технологические компании. Децентрализованные вычисления смогут конкурировать по цене и производительности с облачными предложениями, обеспечивая при этом лучшие гарантии конфиденциальности и большую гибкость.
Data Incentivization Networks: Эти системы вознаграждают участников за создание ценных наборов данных и верификаторов за обеспечение точности. Это создает самоподдерживающуюся экосистему высококачественных данных, будь то синтетические, пользовательские или собранные данные.
Continuously Pre-trained Models: Представьте большую децентрализованную сеть участников, создающих и обновляющих AI-модели в реальном времени. Это обеспечивает наиболее актуальные и современные результаты, адаптируемые к меняющимся контекстам.
Decentralized Model Evaluation: Возможность оценивать AI-приложения в конкретных областях с использованием закрытых тестовых наборов и задач, оцениваемых людьми. Это помогает различать модели, которые действительно полезны, и те, которые хороши для casual conversation.
Multi-Agent Systems: Сети взаимодействующих AI-агентов для решения сложных задач. Децентрализованные MAS позволяют постоянно адаптироваться по мере создания новых возможностей или изменения рыночных условий.
AI-Native Finance: Поскольку агенты управляют бюджетами (в токенах или распределении вычислительных ресурсов), нам понадобятся новые инструменты для AI-native кредитования, бухгалтерского учета, проверки. Это открывает новую финансовую парадигму для AI-систем.
AI Memory: Системы, позволяющие агентам записывать и обрабатывать взаимодействия с пользователями, создавая графы долгосрочной памяти. Это приводит к более полезному и приятному пользовательскому опыту в различных AI-приложениях.
Human-in-the-Loop: Платформа, где AI-агенты могут нанимать людей для задач, требующих действий в реальном мире или человеческого суждения: например, отправка посылки, фотографирование или предоставление обратной связи по контенту, созданному AI.
AI-Native Contracts: Глобальная, беспрепятственная система для AI-агентов для заключения и исполнения контрактов с устройствами обязательств и криптографическими инструментами для обеспечения соответствия и конфиденциальности.
AI-Assisted Cybersecurity: Представьте круглосуточную цифровую войну, где AI-агенты активно проводят зондирование, penetration testing и находят новые уязвимости. Эта постоянная гонка вооружений между наступательным и оборонительным AI стимулирует быстрый прогресс в кибербезопасности.
AI-Assisted Governance: AI-системы, которые помогают разбираться в сложных вопросах, содействуют принятию решений, посредничают в конфликтах и даже выступают в качестве индивидуальных демократических представителей. Это может революционизировать организационное и политическое управление.
Variable Privacy: Гибкие подходы, где пользователи выбирают уровни конфиденциальности. От TEE (средняя конфиденциальность, низкая стоимость) до FHE (более сильная конфиденциальность, высокая стоимость).
ICO для AI: Механизмы краудфандинга для AI-моделей. Инвестируйте время, вычислительные ресурсы или деньги в создание модели, получайте долю будущей прибыли.
Token Auctions: Новый примитив, где участники рынка делают ставки на выходные данные модели для включения рекламной информации.
Agent Schedulers: Представьте интеллектуальные cron jobs для AI. Агенты, которые "пробуждают" себя для автономного выполнения задач. Похоже на автоматизацию смарт-контрактов, но для AI-агентов.
AI Moderation: Децентрализованные сети AI-агентов, работающих вместе для модерации онлайн-контента на разных платформах, уменьшая предвзятость и повышая точность.
AI-SSI: Система self-sovereign identity, созданная AI и для AI, которая улучшает безопасность, конфиденциальность и пользовательский опыт в цифровых взаимодействиях.
Интернет Интеллекта — новая форма интернета.
Сегодня расскажу что это такое и почему это важно.
В отличии от классического веба или веб3, где пользователи ищут приложение для решения своей задачи и пытаются вручную решить эту задачу внутри него, интернет интеллекта это система ИИ-агентов, в которой вы указываете задачу (приехать, написать, вылечить, купить), а сеть из миллионов агентов автоматически и автономно предлагает вам решение (такси у двери, рецепт, текст, доставленная покупка).
Интернет интеллекта — это система, в которой у софта появляется агентность. Он бесшовно связывает агентов и сервисы, для достижения результата. Таким образом, сильно упрощая пользовательский опыт от "открыл - ввел поиск - скачал - зарегистрировался - выбрал фильтры - нажал - ввел - купил/заказал/разместил" до "ввел задачу - получил результат". Как будто вы наняли кого-то сделать работу за вас, но он начинает работать мгновенно, не требует обучения и стоит доли процента от стоимости человека.
Допустим, я организую хакатон (например, dAGIhouse) и мне нужно создать веб-сайт. Я отправляю задачу вместе с депозитом в $, и множество ИИ-инструментов и агентов совместно работают над её выполнением. Модель маршрутизации находит оптимального агента для написания кода. Агенты-кодер, тестировщик и деплойер завершают работу. Инструменты компьютерного зрения анализируют сайты моих конкурентов. Генеративная модель UI создаёт несколько макетов. Агент-менеджер продукта быстро развёртывает несколько версий и автоматически запускает тестовую кампанию на $50 в AdWords, чтобы увидеть, какая из них даст лучшую конверсию. После анализа результатов он отбрасывает варианты с низкой производительностью. В конце контролирующая языковая модель проверяет, всё ли выполнено качественно (при необходимости запрашивает переделку) и представляет мне квитанцию о выполненной работе.
Сила Интернета интеллекта, как и человеческого мозга, заключается в его связности. Взаимодействие между агентами ИИ открывает возможности, которые выходят за пределы того, что может достичь любая (даже сверх-большая) отдельная модель или компания.
Глобально, такая система состоит из двух принципиальных слоёв:
1. Системы передачи данных и связи ИИ (такой протокол ещё не изобретён, поэтому в качестве временной меры люди используют JSON с инструкциями на естественном языке).
2. Агенты ИИ, приложения или сервисы, которые, в свою очередь, используют модели машинного обучения, программные инструменты, датчики, IoT и/или воплощённую робототехнику.
В следующей части расскажу детали реализации, другие кейсы применения и опишу ~40 идей и возможностей для того что можно построить или во что проинвестировать в рамках интернета интеллекта.
Полная версия этой статьи, картинки и схемы доступны в твиттере (очень поможет ваш RT/QT) и на сайте.
О предсказаниях
Комментарии под последним постом оказались прямо в тему — ту, о которой я хотел рассказать. А именно, о рынках предсказаний в принятии решений в политике и бизнесе.
Простой пример: я рассказал о роботе, тут же в фейсбуке и телеграме появились мнения, что это нифига не робот, а человек в костюме. Я предложил спор на $10,000, в результате которого, если окажется, что робот реально способен на все эти движения, то я выигрываю обе ставки. Пока никто не согласился. (речь не о том как обучают робота, а кто под одеждой: человек или машина)
Это игрушечный пример для борьбы со срачами в комментариях и щитпстингом, но как я писал в заметке о Plurality — это вполне себе реальный инструмент для разрешения споров, снижения поляризации и алаймента.
А так же солидного заработка, если вы вдруг шарите.
Ведь, дело тут вот в чем: в мире полно сумасшедших людей. Некоторые верят до такой степени, что готовы участвовать в рынках предсказаний. Или просто есть очень маловероятные, но все-таки вероятные события, в которых, как правило, на Polymarket сегодня вероятность оценивается в 2-4%. Уйдет ли Цукерберг с поста СЕО до конца 2024? Будет в UK гражданская война? Объявят ли AGI и покажут ли нам инопланетян до конца года?
Это создает интересную арбитражную возможность, потому что вероятность в 6-7% для этих событий — это возможность заработать 15-30% годовых с куда более низким риском, чем трейдинг. Причем, по любому вопросу в polymarket вы можете сразу сгенерировать ответ perplexity (часто звучит куда разумнее большинства комментариев).
Еще один способ заработать — это участвовать в resolution рынке, на основе которого построен Polymarket. Называется Uma, его используют разные рынки предсказаний, страховщики, трейдеры, чтобы получать объективные и доказуемо (экономически) достоверные ответы на спорные вопросы. Обещают 30% APR, но там придется что-то делать (отвечать на вопросы).