2445
Предприниматель и продакт в AI. Обучаю и внедряю. ex-CPO в канадском стартапе Tiggy. ex-Founder в эдтех-стартапе. В закрепе канала больше информации. Для связи: @vladkooklev
📖 Помните я писал несколько дней назад про будущее образования?
Наткнулся тут на пост Наташи Бабаевой. Она копает последние годы тему образования, делает курсы и рассылки, чтобы лучше в изучать в процессе интересные темы. Да и вообще у меня один из первых постов на канале с описанием концепции с ее курса.
В том посте она рассказывает, что в процессе подготовки последнего курса нашла для себя новый способ обучения — «потянуть за ниточку». Это когда ты начинаешь с интересной теме темы или человека, углубляешься, находишь смежное и изучаешь его тоже. В результате все идет от начального любопытства-интереса, и ты можешь дойти очень далеко расширяя свои знания темы.
Мне это отликается по нескольким причинам:
1️⃣ Это следование принципу (моего любимого) Навала Равиканта о том, что нам следует «pursuing our genuine curiosity». Самые крутые продукты получаются, когда человек следует за любопытством и развивает в процессе specific навык, и делает затем это круче чем 99.9% людей в мире.
2️⃣ Когда я впервые начал пользоваться ChatGPT, то одно из первых применений, которые я придумал — «om-demand graph wikipedia». Ты задаешь вопрос по теме — получаешь ответ и тут же список смежных вопросов, на которые тоже можешь получить ответ → так до бесконечности. Я как раз на днях наткнулся на такой продукт, поэтому не буду слишком углубляться в описание.
Для меня «тянуть за ниточку» выглядит ровно так. Если добавить к этому персонализацию, чтобы ответы генерились с учетом твоего бэкграунда, то получится лучший образовательный продукт, доступный сейчас.
3️⃣ Читаю сейчас книжку Andrew Chan про сетевые эффекты — «The Cold Start Problem». Но делаю это необычно, а с тем же процессом, что я завел для научных пейперов. Заливаю целиком книгу в чат и задаю ей ней вопросы — создается ощущение общения с автором.
Уже спустя день могу сказать, что давно не получал такого кайфа от чтения и давно так не погружался в книгу с головой. И это для меня тот же самый принцип «тянуть за ниточку». В коментарии закину, как выглядит «процесс чтения».
❓Как-то уже успели поменять свой процесс обучения за последние месяцы? Может есть какие-то хаки?
👀 Почему AI заменит разработчиков (и это ближе, чем вы думаете)
Заметил, что разработчиков больше, чем других триггерит от развития AI (в данном случае языковых моделей). И это нормальная реакция: не так легко принять, что привычный уклад жизни меняется — появляется отрицание и гнев. Ровно поэтому я не упустил возможности написать кликбейтный заголовок. И раз это уже привлекло ваше внимание — давайте разбираться в деталях.
Для начала: не поймите меня неправильно, я не утверждаю что это произойдет в один момент. Я исхожу из текущих трендов. Они ведут, к тому что неминуемо начнется процесс замены разработчиков при помощи языковых моделей. Процесс начнется с простых задач и неизвестно как далеко он зайдет.
🤩 Что уже сейчас может GPT-4:
1. Отлично писать код на уровне функции, реже на уровне файла и микро-проекта.
2. Проектировать архитектуру из бизнес-описания.
3. Писать тесты из кода и бизнес описания.
4. Составить для себя список задач, которые потом может выполнить.
😒 Что мешает делать больше:
1. Маленький контекст: можно ввести только 4k токенов (коротких английских слов). Все остальное приходится либо обрезать, либо саммаризировать. Если даже в ChatGPT скормить исходный код двумя сообщениями, то ему придется его сжать → большая вероятность потерять важный контекст.
2. Устаревшая документация: датасет из 2021, многие библиотеки уже прошли несколько мажорных релизов и обновились без поддержки старых версий, код просто не заведется (привет react-router).
3. Ручная работа: все равно приходится много работать руками и головой. Точно ли модель тут все правильно поняла? Не потерял ли важный контекст из примера кода, который я добавил?
Результат: сложно положиться на аутпут модели. Есть шанс свалиться в “да проще руками сделать, чем столько танцев с бубном делать вокруг”.
🚀 Какие тренды я вижу:
Теперь поговорим о самом интересном, из чего я делаю вывод, что отказ от разработчиков скоро все-таки начнется.
1. Увеличение контекста модели: вместе с GPT-4 представили версию на 32k токенов — в 8 раз больше. Уже больше похоже на то, что влезет документация или код среднего проекта. Доступа пока что нет почти ни у кого.
2. Техники оптимизации контекста: мощно растет рынок векторных БД (Pinecone, Chroma) и языковых фреймворков (Langchain). Это решает задачу «как мне передать в контекст только информацию, которая будет сейчас полезна, а не всю разом, чтобы она уместилась в контекст». Работает отлично, текущие решения занимают ~50 строк.
3. Мультимодальный ввод: еще одна вещь которую показали вместе с GPT-4. Заливаем изображение, и общаемся о нем с моделью. На демо был клевый пример, где сайт верстался из прототипа от руки. Здесь снова пока ни у кого нет доступа, но есть уже открытая модель Mini-GPT от комьюнити, в другом посте рассказал уже про нее.
🤖 Самый важный и объединяющий тренд:
AI-агенты: позволяют связываться между собой запросы в языковую модель: cписок задач → архитектура → реализация.
1. Агенты из коробки работают с веткорными хранилищами и умеют оптимизировать контекст даже на 4к моделях. Это позволяет работать с кодом на уровне проекта и с длинной документацией, при этом не терять важную информацию.
2. Агенты дают возможность работать с файловой системой, не только писать код и тесты, но и запускать → решать что делать дальше после анализа результатов выполнения.
3. У агентов есть доступ к интернету, откуда они могут брать свежую документацию.
Таким образ на апрель 2023 мы находимся в точке: агенту можно поставить четкое ТЗ → он его декомпозирует на задачи → найдет актуальную документацию → напишет код и тесты → запустит их → будет это итеративно делать, пока код не заведется, как описано в тз. А теперь вспомните про мульти-модальность. Пока не видел готовых демо, но ничто не помешает передать агенты и макет.
Ну что, какие мысли? Продолжать тему?
Как легко пообщаться с автором научной статьи?
Последние 4 года я хотел начать читать научные пейперы. Я тогда заметил, что все мои любимые книги основаны на научных статьях, которые вышли как минимум 6 лет назад. Вопрос: зачем мне ждать, пока кто-то напишет книгу с обобщением, если я могу иметь доступ к актуальным знаниям.
Я попытался, но столкнулся с трудностями — сложный текст. Оставалось либо углубляться и фундаментально начать разбираться в теме, либо пропускать сложные участки. Во втором случае смысл терялся, знания не приходили, и внедрить привычку не получалось. Тогда я и смирился на какое-то время, что это больше для умных ребят, а пока что стоит подтягивать базу.
До последнего времени это действительно было проблемой, но теперь у меня появились инструменты как справляться со сложностью научных статей:
1) Задаю ChatGPT вопросы в стиле Ричарда Фейнмана — "объясни мне простыми словами", "расскажи из первых принципов", "сделай так, чтобы понял 5-летний ребенок". Очень круто, но неудобный UX — приходится копировать и вставлять фрагменты статьи.
2) Новый продукт ChatPDF — заливаю файл и просто начинаю общаться в интерфейсе чата с текстом этой статьи: прошу раскрыть тему или уточнить непонятное. Это совсем новый подход к обучению, когда исходишь не из текста, а из своих вопросов, любопытства. Как будто беседуешь с автором статьи и не стыдно задавать глупые вопросы.
Постоянно думаю про будущее образования. Это один из примеров того, каким оно будет: персонализированным, адаптирующимся под твой уровень знаний, интересов и любопытства.
Пока вынашивал в голове пост, где рассказывал бы по шагам про агентов — Леша уже его написал, почитайте.
TLDR:
1. Люди прикинули, что если поставить GPT цель, то он неплохо справляется с ее декомпозицией на простые задачи.
2. Люди также прикинули, что если хранить в памяти результаты запросов к GPT, и подбирать для каждого следующего запроса нужную информацию из памяти → то получится обойти ограничения инпута (сейчас это 5k токенов/коротких английских слов)
3. В результате можно поставить задачу агенту, он ее разобъет на подзадачи → начнет решать доступными средствами → будет сверять результат и задачу, продвигаясь все дальше.
4. В агентах нет ничего нового — это склейка нескольких существующих решений, в самом простом примере занимает 100 строчек кода. Они построены вокруг обычного GPT, который попросили писать себе списки задач → затем думать как их решить используя доступные средства. Из текущих средств — браузер + поиск.
Мой опыт:
1. Все эксперименты достаточно примитивны. Я пока ничего практичного не видел, кроме задач на рисерч и структуризацию информации из интернета. Но я вижу большой потенциал в том, что будут расширяться количество интеграций. Сейчас уже появился модуль, что читать ленту в твиттере и писать туда. На реддите видел эксперименты по тому, чтобы дать агентам доступ ко всей операционной системе.
2. Если видите, что кому-то autogpt заработал миллионы, то это полный буллшит.
Предсказания:
1. Контейнеризация агентов, aka “агент под задачу”. Например: агент-рисерчер соберет анализ сайтов конкурентов; агент-маркетолог опишет рекламную кампанию.
2. Расширение способов взаимодействия с миром для агентов. Сейчас это браузер, гугл и инструменты языковой модели. Дальше в руках агентов окажутся интеграции с большинством сервисов → расширится объем действий для достижения цели. Закрытые сервисы (Twitter) начнут еще сильнее душить свое API.
3. Агенты начнут вставать на место конкретных рекуррентных сценариев внутри компаний и делать со временем лучше людей.
AutoGPT — нейронка промптит саму себя
@vladkooklev поделился двумя интересными проектами на Гитхабе — AutoGPT и BabyAGI. Даёте GPT-4 конечное задание и моделька итеративно запрос за запросом двигается в решении. Можно буквально одной кнопкой составить отчёт на какую-то тему, разработать аппку на Питоне или написать фанфик.
Подобные проекты могут стать зачатком «автономных ИИ-агентов» — они уже умеют ходить в Интернет, подключаться к другим приложениям через ChatGPT плагины, а скоро ещё завезут мультимодальность. Но будьте осторожны: если оставить их включенными, они будут бесконечно платить OpenAI 🙂
Здесь появляется хорошая возможность вклиниться в пайплайн со своим LLM DevTool или инфраструктурным решением. Например, в обоих агентах используется векторная база данных Pinecoin. Подобные проекты сейчас активно поднимают инвестиции — см. Pinecoin, Langchain.
🤖🎙️ Видео на воскресенье — интервью с Сэмом Альтаманом у Лекса Фридмана
Почему это стоит посмотреть?
1./ Sam Altman — предприниматель и инвестор, бывший президент Y Combinator и нынешний CEO OpenAI.
2./ Lex Fridman — ученый, автор и ведущий курса по Deep Learning в MIT, один из самых популярных подкастеров в мире.
👉 Ссылка: https://www.youtube.com/watch?v=L_Guz73e6fw
Я пока не смотрел, но судя по тайм-кодам разговор получился сильный:
— Про разработку и возможности GPT-4
— Безопасность и предвзятость искусственного интеллекта
— Размеры нейронных сетей и достижение AGI
— Страхи и конкуренция в отрасли
— Антропоморфизм и будущие применения AI
— Советы молодым людям и размышления о смысле жизни
Смотрим?
🚀 Запустился магазин-приложений для ChatGPT
Ночью вышел крутой анонс — у ChatGPT теперь есть плагины. Они помогут ChatGPT получать актуальную информацию, выполнять вычисления и работать с сторонними сервисами. Таким образом решается одни из главных проблем — точность вычислений и доступ к актуальным данным реального мира.
Какие плагины доступны уже сейчас:
— Планирование путешествий с Expedia
— Онлайн-шопинг с Klarna
— Бронирование столиков в ресторанах с OpenTable
— Обучение языкам с Speak
Подход “промпт как интерфейс” все сильнее укрепляется для разных задач. Интересно, как далеко это зайдет. Вот к примеру портфельная компания OpenAI фонда делает редактор видео и подкастов на промтах.
https://openai.com/blog/chatgpt-plugins
Не верится, что мне пришлось написать предыдущий пост ради этого, но все же..
Прочитайте перед ним обязательно словарик ↑↑↑
На днях вышла модель от китайских рисерчеров для генерации видео по промпту.
Через день под модель уже вышел экстеншен для WebUI, так что я быстро развернул ее в интерфейсе. Дальше 20 минут на подбор промпта, иии.. получаем видео взрывающего на столе хинкали 🏃♂
На самом деле результат пока сомнительный, тут важно другое. Stable Diffusion Moment — это событие, когда современная модель выкладывается в открытый доступ и дальше ее подхватывает сообщество.
Значит в ближайшие месяцы нас будут ждать новые и новые модельки заточенные на более узкие сценарии, а качество будет расти. Кстати, на какие именно кейсы комьюнити в первую очередь будет тюнить модельку можно угадать из предыдущего поста.
Выступил позавчера в сообществе R-Founders про GPT. Продуктов внутри GPT-экосистемы стало так много, что решил охватить сразу все (вместе c GPT-4 конечно же).
Рассказал как мы с вами оказались в текущей точке; как я добываю полезную информацию и хаки на GPT-рынке; как нахожу новые продукты на этом рынке; какие GPT-стартапы не стоит придумывать и запускать ни в коем случае;
Публичной записи вероятно не будет, но материал получился мощный — поэтому думаю где еще могу его рассказать.
Идеи?
Обожаю Линкедин! Лучшая соцсеть после Твиттера.
В тоже время ненавижу писать там ответы на сообщения, а 90% переписок — дефолтное вежливое общение.
В честь этого собрал браузерный экстеншен, который генерирует ответ через GPT-3 исходя из контекста. Мне теперь нужно только выбрать намерение ответа через кнопку быстрого ответа.
Думаете это все? А нет — 98% кода экстеншена написано через ChatGPT. Я только командовал и подсвечивал ошибки, как опытный тимлид.
Рассказать больше?
Как работает ChatGPT (ч.1) 🤖 →
Последние недели часто объясняю, как Чат работает изунтри. Отсюда и вырос запрос написать этот текст. Это будет серия постов, где будем вместе разбираться почему с одной стороны это прорыв, а с другой стороны технология, которая доступна уже почти три года.
=== Погнали ↓
Начнем с верхнего уровня: на нем две части, и это неожиданно — Chat и GPT. Сегодня сфокусируемся на GPT.
→ GPT — это GPT-3 — языковая модель, которую компания OpenAI выпустила в мае 2020-го года. После этого ее несколько раз дорабатывали. Последний раз год назад — эта версия и крутится внутри ChatGPT.
В момент релиза GPT-3 стала прорывом, отчасти потому что была обучена на всей текстовой информации в интернете. В последней версии это информация из конца 2021-го. Например, ютуб-видео или подкасты попали внутрь только если у них была текстовая расшифровка в интернете на тот момент.
Модель получилась настолько мощной, что ее не стали выкладывать в открытый доступ, как делали обычного до этого. С одной стороны из-за безопасности, а с другой стороны, чтобы лучше монетизировать. Так GPT-3 стала доступна через API: OpenAI на своей стороне проводят модерацию и берут деньги за каждый запрос.
Также GPT-3 — это черная коробка, на вход она принимает «инпут», а возвращает «аутпут». В базовом сценарии единственный способ повлиять на аутпут — это переписать инпут. Мы не можем гарантировано получить от нее один и тот же аутпут при одинаковом инпуте. Мы не может детально узнать, почему она ответила именно таким текстом. Хотя отмечу, что ребята из OpenAI проделали много работы, чтобы сделать ответы более предсказуемыми.
Технологии почти три года, последнее обновление было год назад. Так почему она взлетела только сейчас? Об этом расскажу в следующем посте.
(вернул клоуна в реакции — можно ставить)
upd: я передумал
Впервые начал вести телеграм-канал в 2016. В пике он был раскачан до 3-4 тысяч подписчиков. Легко закрывал запуск своего курса на пару сотен тысяч рублей из одной его аудитории.
Пролистал сейчас посты, и вот навскидку:
- Предсказание DALLE2-based продуктов и юзкейсов
- Манифесты против классического карьеризма и работы в корпорациях
- Офигенная инструкция по отклику на работу в IT, хоть сейчас могу рекомендовать
Писал это 5 лет назад, в 21 год. Тогда же обучил несколько сот будущих разработчиков Питону. Пиздец я тогда был умный (!!!)
То есть конечно я сейчас знаю в разы больше. Но эти знания как-будто меня сдерживают. Я постоянно стремился последние годы к новым знаниям, мне казалось что есть точка в обучении пройдя которую что-то произойдет. Но теперь мне кажется уже тогда в 2018 у меня было всё, чтобы разрывать. И ни одна новая прочитанная книга или пройденный курс тут не помогут.
Именно поэтому я начал снова писать посты именно с запроса на «обнуление». Меньше думать → больше делать. Пускай это будет моим манифестом на этот год.
Ровно год назад мы жили в «тайском доме» на Пангане — тогда самой большой проблемой были муравьи в доме и постоянная жара.
Пройдет три недели и за тарелкой манной каши в русском кафе я узнал, что началась война. Еще минут через 15 я сниму все деньги в наличные, бегло прогуглив что тайский бат стабилен к доллару последние много лет.
Я несколько раз по фотографиям и сообщениям в ТГ старался восстановить хронологию того дня, пробелов все равно очень много. Я точно знаю, что с первых минут не сомневался, что друзьям и коллегам нужно уезжать из страны и им нужно помочь.
Каким-то образом из этого получился гайд, затем статья на виси. Затем появились и другие гайды, которые уже собирали целые команды, они выполняли свою задачу намного лучше. Но мой был первым и я собрал несколько сотен тысяч просмтров, а люди еще неделями писали и благодарили за помощь.
При этом, главное намерение, которое я изначально вкладывал в гайд было не помощь другим — это была попытка помочь самому самому себе. Я пытался собрать в инструкцию мир, который рушился у меня на глазах. Тогда это был единственный способ обрести контроль и найти точки стабильности. Это помогло.
После этого я еще много раз буду повторять это упраженение в ситуациях, когда ничего непонятно и все вокруг рушится. Человек, бегло изучавший нейробиологию подскажет, что так мы перехватываем контроль у импульсивной лимбической системы мозга и отдает его рациональной префронтальной коре. Более того, любой текст, который мы пишем — это рефлексия, он помогает вырваться из цикла одних и тех же мыслей, взглянуть на мир по другому.
Не хочется избегать и не использовать такой инструмент.
По итогам поста хочется написать:
1️⃣ За день так и не услышал весовых аргуемнтов, почему этого не произойдет (честно говоря хотелось бы услышать больше).
2️⃣ Вместо «замены разработчиков» можно для начала обсудить влияние на рынок труда. Последние 10 лет спрос на разработчиков рос из года в год. На этом росли курсы → на рынок поступало еще больше разработчиков → их все равно не хватало. С 2018 по 2022 сложно представить ситуацию в которой фронтендер с хотя 2+ годами опыта искал бы работу больше недели. И давайте скажем честно — часто это была работа уровня двигания и покраски кнопок.
Уже сейчас я знаю опытных ребят-фронтендеров, которые ищут работу месяцами. И это только на одном эффекте сокращений из-за рецессии. Экономика пока и не думает восстанавливаться, и тут уже подъезжает AI-революция с автоновными агентами, которые тоже умеют писать код.
Куда это приведет? Сложно сказать — сейчас наиболее вероятной кажется ситуация, в которой есть 10х разработчики обвешанные AI-тулами, которые заменяют собой целую команду. Будем наблюдать, как скоро это произойдет и сколько еще нас ждет волн сокращения.
3️⃣ Какие разработчики все равно будут нужны? Есть мнение, что на каждый AI потребуется своя команда настройщиков и промт-инженеров — я в это не очень верю. Кажется с таким справится и один человек в роли около-девопса. Я больше верю в то, что останется спрос на продуктовых разработчиков. Продуктовый разработчик работает в парадигме get shit done. Не важно какой стек и какие инструменты, если это помогает достигать цели бизнеса. AI просто один из тулов в наборе такого разработчика. Если у компании есть проблема → я использую свои знания и свой тулкит, чтобы ее решить и начать приносить бизнесу пользу.
🔮 Последние дни в Ванкувере проходил TED 2023
Это такой тип мероприятия, где собираются умнейшие люди планеты, общаются и выступают.
В этом году все ожидаемо крутилось вокруг AI. Пока вышло только два видео: выступление президента OpenAI Грега Брокмана и QA-cессия с CEO Тиктока. Остальные видео будут выходить еще месяцами.
А пока что может почитать пост Андрея Дороничева с краткими итогами. Лично мне отлкинулись несколько мыслей:
1. Цитирует Ленина: бывают десятилетия, когда не происходит ничего, а бывают недели, когда происходят десятилетия. Консенсус такой, что в грядущих неделях нас ждут как раз эти десятилетия.
2. В остальном широкий разброс мнений от AI-оптмистов, которые видят в нем рост ВВП и уровня жизни И пессимистов с другой стороны, которые подводят к уничтожению человечества.
3. Тут процитирую Андрея целиком: «1. AGI возможен, и мы на пути к нему 2. Нужны еще 1-2 больших прорыва типа «трансформеров» 3. Экстенсивным путем улучшать LLMки долго не получится 4. Нам всем придется снова перепридумать как мы работаем»
Контрибьюшн в опен-сорс в 2023 би лайк:
Читать полностью…
Попросил вчера AutoGPT собрать мне несколько рисерчей:
1./ План на поездку в Будапешт в Мае →
Сработало неплохо, но все равно нет доверия, что информация актуальная. Хочется видеть источник и узнать почему именно такой выбор, думаю можно просить уточнять выбора через промтп. Оценка: 4/5
2./ Список документов на визу номада в Испанию →
Не нашел несколько важных документов и наоборот подтащил денежные требования из другой программы. Оценка: 2/5
——
Почему на такие задачи не подходит запрос к обычному GPT и нужен AutoGPT с доступом к интернету?
Ответ в датасете: внутри GPT информация актуальная на конец 2021-го года. Какие-то места в Будапеште уже могли закрыться, а испанская программа кочевника вообще появилась только в начале года. Поэтому нужно ходить по сайтам и рисерчить, это он и пытается делать автоматически.
Давно не писал — чуть позжде расскажу чем занимался все это время (будет интересно!)
А пока репостну один из любимых каналов. Рассказал там про новую хайповую технологоию на базе GPT ↓
👨💻Что у тебя в доке на Маке?
Часто интересно какими программами ежедневно пользуется знакомый человек.
По шэрингу экрана с доком я могу построить обширный образ и распознать своего чувака.
Специально для таких ценителей, есть сайт dockhunt, где люди шэрят свои доки.
Я своим тоже поделился! Правда у меня что на телефоне, что на маке все взаимодействие давно идет через поиск, так что получилось минималистично.
Бонус — через секцию топ приложений удобно находить новые интересные аппы. Я так для себя открыл браузер Arc и терминал Warp.
* продолжаем *
6./ Сид — каждая генерация выдает случайный результат, но есть способы частично контролировать результат. Сид как раз один из таких способов. Если используешь одинаковый сид и промпт — можно рассчитывать на похожий результат.
7./ Файнтюнинг — в контексте SD это процесс, когда берется готовая модель и дополнительно обучается лучше решать новую задачу. Вспомните Дримбуф и цифровые аватары из первой части. По сути это Файнтюнинг на то, чтобы генерировать *чье-то реальное лицо* по заданному промпту.
8./ txt2img, img2img — два разных подхода к генерации картинок. В первом задача для генерации целиком задается при помощи промпта. Во втором случае за основу берется картинка, которую загружаешь. В случае с img2img промты все равно можно вводить и управлять генерацией. Также в ход идет важный параметр denoising strength — насколько генерация должна быть похожа на исходную картинку.
9./ Контролнет — еще один способ контролировать результат генерации. Контролнет модели заточены на то, чтобы взять какой-то конкретный параметр исходной картинки — например позу или очертания силуэта. Дальше на основе этих параметром можно сгенерировать новое изображение. Словами объяснить сложновато, посмотрите сами примеры по ссылке.
10./ Чекпоинт — по сути синоним слова модель, которое я использовал выше. Подразумевается, что у модели в процессе тюнинга нет одного финального состояния. Обычного принято делать выгрузку состояния каждые N-шагов обучения и потом тестировать, какой из чекпоинтов срабатывает лучше. Переобучение модели такая же большая проблема, как недостаточное обучение, так что тут всегда ищется баланс количества шагов.
Словарик генеративного арта v.1
За последние недели разобрался, как устроен рынок генеративного арта и фотографии. Хочу начать про него тоже писать, но сначала давайте проясним все базовые термины.
1./ SD (Stable Diffusion) — главный драйвер революции на рынке. Это аналог закрытых моделей DALLE-2 и Midjourney. Ее выложили в открытый доступ и AI комьюнити подхватило разработку. Теперь каждый день выходят модели на SD-архитектуре затюненные под конкретные задачи — например фотореалистичная генерация, аниме или порно.
2./ Промпт — текстовый запрос через который описываем желаемый результат генерации. Для SD-моделей есть еще негативный промт, где описывается то чего не должно быть в генерации. Хорошие генерации это всегда комбинация обычного и негативного промта.
3./ Automatic1111 WebUI — SD-модели стали выходить регулярно, но интерфейсы были на тот момент неудобными. Тогда пришло время локальных веб-интерфейсов. Самый популярный от Automatic1111 — туда можно вводить промты, смотреть результаты и крутить настройки. Затем довезли поддержку расширений → на нем теперь можно крутить десятки моделей основанных на промтах, не только SD.
4./ Дримбуф — технология обучения цифрового аватара, чтобы потом генерить с ней изображения. Помните приложение Ленза выпустила аватары? Там внутри как раз работает Дримбуф. Особенность Дримбуфа в том, что он есть много ресурсов и на выходе получаем совсем новую модель. В основном все сейчас делают Дримбуф на базе SD — на выходе получается отдельный файл модели на несколько гигабайт.
5./ Лора — похожая технология, но если Дримбуф переобучает модель целиком, то Лора внедряется через промт и влияет только на нужный участок. За счет этого можно легко обучить Лору на 20-30 артах определенного художника → прокинуть в промтп при генерации изображения → получить изображение в стилистике этого художинка. Чаще всего это все получается уместить в несколько МБ веса — cами посмотрите.
/— словарик будет пополняться по мере усложнения тем постов —/
А вот еще одно потверждение, что Твиттер — лучшая соцсеть.
Такой же пост как здесь, там слегка завирусился и собрал под 1000 просмотров.
Самое смешное: твит дошел даже до человека, на котором я тестил экстеншен и записал видео-пример. Хотя бы не были подписаны друг на друга..
Телеграм в этом плане намного сильнее ограничен в плане виральности и больше походит на уютный бложик, чем на площадку с потенциалом на масштабирование.
В любом случае мне нравится формат постов в тележку — буду продолжать их писать и эксперементировать с форматами 🕺
Обожаю моменты, когда сначала придумываю продукт, который мне бы обелгчил жизнь.
А затем обнаруживаю, что такой продукт уже сделали и он работает 🤩
Вчера:
- Обсудили продукт c саммаризацией ютуб-видео. Я рассказал, почему он должен работать по другому.
- Это же нелогично сначала заходить на страницу видео, а потом читать там саммари (!!!)
- Намного круче выбрать интересные темы или вопросы и получить по ним саммари из всех видео автора.
- Привел пример своего любимого подкаста Эндрю Хубермана.
- Хочу задать вопрос про силовые упражнения и получить обобщенный ответ из всех подкастов.
Сегодня:
- Буквально натыкаюсь на чатбота обученного на подкастах Эндрю Хубермана
- Он может ответить на любой вопрос по теме его выпусков
- Больше не нужно слушать 1000 часов подкастов…
Что мне сейчас интересно →
Прямо сейчас есть три основные темы:
1. AR и цифровая мода 👟 — с декабре работаю в Фарфече в команде AR/3D. Мы переносим опыт оффлайн-шопинга в мобильное приложение и на сайт. С нашими технологиями можно примерить кроссовки, одежду и часы через камеру телефона, а сумки можно рассмотреть в деталях в 3D.
Вот на днях релизнули в мобильное приложение 3D-просмотрщик для сумок (кстати это мой продукт теперь).
2. ЧАТЖИПИТИ (ChatGPT) и похожие сетки 🤖 — эххх сейчас бы рассказать, как оптимизировал через ИИ свой рабочий день и теперь не работаю, но такого нет. Вместо этого я копаю его с самых основ: фундаментальные ограничения, какие недостатки легко обойти, какие сферы обязательно изменятся в ближайшие годы под влиянием ИИ.
3. Релокация, стартап и номад-визы ✈️ — сама по себе релокация из обузы для меня начинает потихоньку превращаться стартап, где нужно рисерчить, искать хаки и тестить гипотезы. Помимо этого в голове есть гора рефлексии после жизни в 5 странах по 2+ месяца.
Про эти темы я планирую писать ближайший месяц, а дальше уже посмотрим.
Самое время подписаться и скинуть друзьям, которым это тоже интересно 😎
Сегодня тестирую новый модный тул на Мак — Rewind.
Основных фичей две:
— Посмотреть что у меня было на экране в определенное время в любой день → по сути регулярные скриншоты экрана
— Поиск по тексту на этих скриншотах за все время + по всему что было произнесено и услышано (зумколы и ютуб-видео)
Обещают, что все хранится локально и распознование происходит на устройстве. Поиск пока работает только на английском, с голосом думаю тоже самое.
Основной сценарий использования — работа с большим количеством информации в течении недели.
По сути Rewind помогает расслабиться, не раскладывать постоянно информацию по местам «где она не потеряется». К информации всегда можно вернуться, если она понадобится, а в остальных случаях просто не тратишь ресурсы.
Стоит $20/mo, есть триал на месяц. Мнение?
Про рабочее место →
В самом начале 22-го мы улетели в Таиланд, тогда я же в последний раз работал из своего домашнего офиса.
Сейчас я понимаю, что это место было идеальным: редактируемый по высоте глубокий стол, икеевский стул Маркус, настольная лампа, отдельная комната.
Первое с чем сталкиваешься в переездах — нужно постоянно заново придумывать откуда ты будешь работать. Интернет, шум вокруг, розетки, насколько удобно и как быстро устает спина. Чем больше звонков, тем сложнее.
Между странами процесс тоже отличается. В Таиланде важным фактором выбора будет кондиционер нормальной температуры. В Турции таким фактором будет вайфай из-за того, что нет полноценного мобильного безлимита.
Я посчитал, что переехал с того момента — 27 раз. Собрал для себя небольшой список пунктов по тому, как выбирать жилье и места для работы в перездах.
Расказать?
Заметил себя в состоянии:
— Голова ломится от мыслей, идей: я их никуда не пишу → они там остаются → не появляется пространства для появления новых. В лучшем случае выливаю в чаты или личные сообщения.
— Мозг отказывается воспринимать новый контент: книги и статьи читать не хочется и все ощущается вторичным.
На это же накладывается паралельное обесценивание контента в интернете. Раньше за контентом всегда стоял человек или в худшем случае копирайтер. Теперь это может быть просто выжимка человеческих знаний прогнанная через нейросеть. Вероятность наткнуться на булшит-контент с каждым днем становится больше.
В любом случае принял для себя два решения:
— По максимуму убираю из жизни все источники информации. Удаляю подписки, приложения, эмейл-рассылки.
— Начинаю регулярно выгружать из головы мысли. В приорите на русском в этот канал, затем возможно подключу что-то другое.
Thats it.