Каналы, которые я читаю по AI

В продолжение вчерашнего поста здесь будет подборка того, что я читаю сам.

@ai_newz - пусть я получаю основные новости из рассылок и шарясь по HuggingFace, мне нравится канал Артема, т.к. часто тут не только новости, но и какие-то крутые мысли.

@oestick - канал Коли, с которым мы вместе проводили эфир. Много технической информации, при этом довольно часто на языке бизнеса. Здесь практические фишки работы с LLM в доступном изложении.

@ProductsAndStartups - канал Байрама Аннакова, здесь много про AI в бизнесе, этику, тренды и продукт. Следил за Байрамом задолго до увлечения AI - умнейший человек, у которого можно учиться всегда, насколько бы круты вы ни были в своей сфере.

@seeallochnaya - еще один крупный канал. Читаю его в основном из-за периодических анализов статей. Позволяет заполнить FOMO от того, что я сам мог пропустить.

@nobilix - Рефат делает много практических разборов AI-инструментов. Всегда детально, но при этом кратко, всегда с демонстрационными видео, читаю каждый пост.

@kantor_ai - канал экс-руководителя МТС AI. С Виктором познакомились в 2022 и он прямо очень крутой. Здесь больше про классический ML и какие-то заметки, близкие к бизнесу.

@ai_and_law_rus - канал про законадательное регулирование ИИ, помогает заполнить FOMO.

@kdoronin_blog - много практических разборов с упором на AI агентов на любой вкус и цвет.

@neuraldeep - идеальный канал для тех, кто хочет зарыться в техническую часть AI. Точно не для легкого чтения, скорее для тех, кто точно понял, что хочет лучше понять AI изнутри и побольше узнать про эксперименты.

@etechlead - канал для тех, кто хочет погрузиться в разработку и вайб-кодинг. Очень много разношерстных материалов по этой тематике.

@countwithsasha - реклама и аналитика мои не самые сильные стороны, канал Саши помогает легче ориентироваться в применении AI в этих сферах

@the_ai_architect - Тимур - действующий разработчик. Много пишет про кодинг с ИИ и его практическое применение, при этом простым языком.

@lechim_ai - я очень люблю Медтех. Илья - Head of AI очень крутого стартапа Третье мнение, куда я даже получил оффер в 2021. С тех пор слежу за компанией, а не так давно Илья завел канал про медтех.

@baginsai - Саша пишет про практическое применение AI, кейсы, скидки и всякие другие полезности.

@max_about_ai - еще один канал с техническим уклоном. Максим всегда пишет четко, по делу и про то, что пробовал сам и точно работает.

@eternalmind - здесь посты выходят не так часто, но основная тематика находится на стыке когнитивистики, философии, критического мышления и AI.

@alexs_journal - практические разборы AI-инструментов и всего, что вокруг них: промптинг-гайды, лайфхаки и прочее.

Постарался включить максимум источников, чтобы вам было из чего выбрать 🙂 Сохраняйте список себе, знакомьтесь с авторами, если понравилось - подписывайтесь. Пост - не реклама и не взаимопиар, а реально то, что я читаю.

В эти выходные я впервые за более, чем полгода позволил себе ничего не делать по работе (почти). И, хочу сказать, как же это прекрасно, особенно на контрасте с тем графиком, что у меня был в последние пару месяцев.

Мое “ничего не делать” состояло из:
- сделать зарядку
- позалипать на YouTube
- выйти на прогулку
- провести силовую тренировку
- поиграть в приставку
- выйти перед сном на пробежку (хотя я ненавижу бегать, но велик остался в США)

В воскресенье поработал буквально пару часиков, но суббота была полностью на чилле.

В итоге словил потерянный в конце 2024 life-work balance и теперь влетаю в понедельник с новыми силами 😅

Кто так же, как и я, погряз в работе - рекомендую такой же “день безделья”. Всем продуктивной рабочей недели, пост с контентом выйдет сегодня ближе к вечеру 🙂

“Раньше было лучше”: Cursor испортился и так может любой AI-инструмент

На занятие вайбкодингом я потратил уже более 1000 часов. За это время перепробовал многое: писал код в AI Studio, применял Github Copilot и Cline в VS Code, тыкал консольные инструменты вроде Gemini CLI, но раз за разом возвращался в Cursor. Все потому, что здесь были хорошие лимиты, неплохая система управления правилами и контекстом. Однако после ряда последних обновлений я заметил, что Cursor начал меня бесить. Сначала я думал, что это я перегорел к кодингу, т.к. очень много им занимался, но достаточно было скачать Kiro, чтобы понять, что перегорел не я, а Cursor. Все, что опишу ниже - мои личные наблюдения и предположения, опыт других может отличаться.

Что не так с Cursor?
Вы быстрее упираетесь в лимиты - с новой бизнес-моделью я за все время впервые уперся в лимиты, сделав лишь один не самый большой проект. Старая схема с 500 запросами в месяц позволяла мне сделать два-три средних проекта, тратя на каждый 150-200 запросов. Здесь у меня вышло предупреждение о скором достижении лимитов где-то на середине проекта. При том, что я делаю все не то что так же, как и раньше - напротив, я делаю меньше ошибок, лучше управляю контекстом, даю более качественные инструкции, чем раньше, но запросы улетают быстрее. По ощущениям текущий лимит запросов составляет где-то 300.

Я стал тратить больше времени на получение результата и испытываю проблему нехватки настроек - после того, как Cursor убрали ограничение на 25 действий агента подряд, вместе с последними “инициативными” моделями даже простое действие вам нужно ожидать гораздо дольше, чем раньше. Если раньше модель в любом сценарии останавливалась после 25 действий, вы могли оценить результат и принять решение, то сейчас оно так не работает. Что Claude, что Gemini, решив ваш первоначальный запрос, сформулированный как “сделай только это и ничего больше” - с радостью отправляются делать что-то еще. В итоге вам нужно сидеть с открытым редактором и вовремя его останавливать, иначе вы не протестируете нормально свой продукт. Лично мне очень не хватает возможности поставить лимит на действия агента самостоятельно.

Ухудшилась работа даже на маленьких проектах - я провел несколько воркшопов по вайбкодингу, где кодил сам и смотрел, как кодят мои студенты. Работу мы всегда начинаем с настройки Rules и проработки ТЗ для простого телеграм-бота. Я лично отсматривал ТЗ и первый промпт каждого. И каково же было мое удивление, когда на первом же этапе, где надо сделать, чтобы бот реагировал на нажатие кнопки start, у половины это простое действие не получилось. Cursor упускал важные детали реализации, например, предлагая свои библиотеки, забывая про установку зависимостей и много чего еще. Ощущение, будто они еще сильнее испортили управление контекстом. Решение здесь в формировании более детальных инструкций и декомпозиции, но раньше такая задача решалась с одного запроса.

В итоге у нас получается противоречие: вроде как инструмент изменили, чтобы больше кодить “на вайбе”, но при этом система стала требовать больше внимания в процессе. Без этого внимания вы либо сделаете фиговый код либо прожжете свои деньги. Новички будут быстро исчерпывать лимиты, не обладая нужными знаниями (тут им можно предложить тариф MAX, в котором лимиты и контекст больше), а более опытные пользователи, вроде меня, вынуждены будут либо подстраивать свой рабочий флоу под новую реальнотcь, либо так же переходить на MAX, ну или слать нафиг Cursor, уходя в другую IDE. Ощущение, что Cursor тупо погнались за баблом и делают это не лучшим образом. Когда закончится моя годовая подписка, если станет еще хуже - сменю инструмент.

Лично для меня выводы такие:
⁃ не покупать годовые подписки на AI-тулы
⁃ пробовать больше новых инструментов, чтобы иметь возможность на них соскочить
⁃ не привязываться к конкретным фичам, а формировать универсальные core-компетенции

Как сформировать AI-майндсет? Ваш главный тренажер - это жизнь, а не рабочие задачи

Все мы уже наслышаны о том, как AI повышает вашу рабочую продуктивность. Но есть огромная разница между “я использую LLM в работе” и “LLM помогают мне быть эффективнее”. Использование LLM в рабочих задачах скоро станет базовой гигиеной, а настоящая эффективность - это не только про работу, но и про жизнь в целом.

Вспомните компьютеры. Когда-то они были инструментом для сложных расчетов, а сегодня пронизывают всю нашу жизнь. Вы читаете этот пост с компьютера - неважно, с ноутбука, планшета или телефона. Заказ еды, бронирование путешествий, работа - для всего этого мы используем компьютер.

Эффективный человек - это тот, кто жонглирует возможностями компьютера, встраивая их в единую систему жизни. Он планирует свой день через Google Calendar, ведет таск-трекер и управляет финансами через приложения. Он использует смарт-часы для мониторинга сна и тренировок, чтобы всегда быть бодрым, дома у него робот-пылесос с функцией мытья полов, потому что время на уборку можно потратить на что-то важнее. Наверняка в этом описании вы узнали кого-то из знакомых, кто всегда все успевает, имеет свой бизнес и путешествует по миру. И эффективен он не просто из-за компьютеров, а потому что нашел те зоны, которые можно с их помощью оптимизировать.

Ровно так же, чтобы быть эффективным с ИИ, нужно сформировать майндсет, который поможет системно встроить его в ваши процессы. И этот майндсет формируется не на работе, а за ее пределами: на ваших хобби и бытовых задачах.

Вот несколько кейсов из моей практики:
1. Перепаять гитару. Вместо того чтобы часами рыться на форумах, я иду к ИИ. Прошу объяснить основы пайки, подобрать видео на YouTube и найти конкретную схему распайки на сайте производителя. Итог: я не просто решил задачу, а освоил новый навык с минимальными затратами времени.
2. Спланировать путешествие. Перед тем как зарыться в Booking и Aviasales, я прошу ИИ накидать мне черновик маршрута: интересные локации, логистика между городами, примерный бюджет. Получив эту базу, я уже иду в специализированные сервисы с четким пониманием, что искать. Попутно я качаю навыки анализа и синтеза с ИИ.
3. Сгенерировать сертификаты для тренингов. Менять вручную десятки имен в Figma - это ад. Вместо этого я прошу ИИ написать мне HTML, который генерирует именные сертификаты из шаблона и списка участников. Задача, которая раньше отнимала час, теперь решается за 5 минут. Бонусом качнул навык ИИ-кодинга.
4. Починить кофе-машину. Классика: что-то не работает, инструкция потеряна. Вместо того чтобы гуглить модель и перебирать десятки ссылок, я фоткаю кофе-машину и иду в Perplexity с простым запросом: "Кофе-машина De'Longhi не наливает кофе с надетым рожком, что делать?". Через минуту у меня есть список вероятных причин и пошаговые инструкции по их устранению.

Как это суммируется в общую эффективность
Помимо прокачки навыков и экономии времени, у такого подхода есть дополнительные бонусы:
- ИИ забирает на себя бытовой шум. Мой мозг не тратит энергию на десятки микрорешений и подходит к сложным рабочим задачам свежим.
- Интуитивное мастерство. Тренируясь на низкорисковых задачах, я набиваю руку. Когда на работе возникает реальная проблема, я уже интуитивно знаю, какой инструмент и подход выбрать, чтобы получить инсайт, а не просто ответ.
- Гибкость мышления. Работа загоняет в шаблоны. Использование ИИ в бытовых задачах заставляет меня мыслить шире, и эта гибкость напрямую переносится на рабочие проекты.

И через такие маленькие оптимизации ИИ для меня перестает быть «рабочим инструментом» и становится продолжением моего мышления. И вот теперь уже можно говорить про то, что он делает меня эффективнее.

А какие нерабочие задачи вы решаете с помощью ИИ и как вам это помогает? Делитесь в комментариях.

Как Сэм Альтман учит людей цифровой халатности

Мало кто сегодня не знаком с Сэмом Альтманом - миллионер, плейбой, филантроп и глава OpenAI. У Сэма огромная, не побоюсь этого слова, фанбаза, называющая его гением, которая буквально смотрит ему в рот и радуется, когда он отвечает их твиты. Мое отношение к Альтману совершенно иное, но о нем я расскажу в каком-нибудь следующем посте. Сегодня же хочется поговорить о цифровой халатности.

“А это тут при чем?” скажете вы. А при том, что буквально на днях с Сэмом вышло интервью, в котором этот момент был затронут.

Вот что он сказал:

Люди, особенно молодёжь, всё чаще делятся с ChatGPT самым личным, используют его как терапевта, коуча и обсуждают проблемы в отношениях. При этом, в случае уголовного преследования, Open AI могут обязать выдать эти данные органам. Я считаю, что это абсолютно неправильно. Мы должны обеспечить такой же уровень конфиденциальности при общении с ИИ, как и при разговоре с терапевтом.

Конфиденциальности? Серьезно? Ты и твои люди могут читать и обучать модели вообще на ВСЕХ даннных. И за всей этой свободой слова и неприкосновенностью переписки скрывается жажда наживы через поощрение цифровой халатности. Примерно такой же, из-за которой на днях навернулась вся инфраструктура Аэрофлота, когда выяснилось, что некоторые сотрудники хранили свои пароли на рабочем столе в файле password.txt 🤦

Суть проблемы
За годы пользования комьютером люди так и не научились базовым навыкам кибербезопасности! При этом, в эпоху ИИ важность этих навыков возрастает экспоненциально. Взаимодействуя с ИИ системами нужно четко разделять, что должно быть тайным, а что нет. Альтман же очеловечивает ИИ, вот только чтобы вытащить что-то из головы того же терапевта зачастую нужно применить физическую силу, что, как правило, незаконно 😁

Опустим тему силовых структур и обратим внимание на главное: какую бы информацию вы бы ни сообщили ChatGPT, как я писал выше - она не будет конфиденциальной чисто по своей природе. AI нужны данные для масштабирования и все ваши диалоги будут храниться на серверах компании. Да, в обезличенном виде, но если вы упоминали конкретные имена, финансовые данные или другую чувствительную информацию - это не имеет значения, вы уже себя раскрыли. И вам никто и никогда на 100% не гарантирует, что это не будет где-то использоваться. Это БАЗА кибербезопасности: доверяй, но не на 100%. Поэтому главное правило при работе с ИИ - это “обезличивай, очищай и думай, прежде чем отправить следующее сообщение”.

Под прикрытием заботы о свободах в условиях отсутствия AI грамотности населения мы попадаем в ситуацию, когда корпорации будут знать о нас то, что не должны знать. Люди сами позволяют компаниям копаться в своем грязном белье, не зная наверняка, как эта информация будет использована.

Допуская такую халатность мы делаем себя уязвимыми для любых манипуляций, а в мире бизнеса, где рулят такие люди, как Альтман, манипуляции - это лишь вопрос времени. Законы не успеют проработать до возникновения первых прецендентов, а учитывая, что первые лица большинства государств часто не отличаются умом и сообразительностью и могут использовать ChatGPT “для всего”, такие законы могут никогда не появяться, т.е. объектами манипуляций будут эти самые лица.

Маркетинговый ход или наивность?
Давайте честно: Альтман - бизнесмен, а не борец за свободы. Ему нужен самый ценный датасет - ваши личные данные. Заявляя о “терапевтической” конфиденциальности, он гениально смещает фокус со сбора данных на юридическую защиту. Он как бы говорит “Мы сделаем все для вашей защиты, только расскажите нам о себе все”.

Что делать? Воспитывать AI-гигиену!
Золотое правило: не делитесь с облачным ИИ тем, что не готовы увидеть на рекламном баннере.
Для личного - только локальный ИИ. Ваши данные остаются вашими. Ollama и LM Studio вам помогут.
Не очеловечивайте машину. ChatGPT - не друг, а инструмент корпорации, симулирующий эмпатию. Помните об этом, когда захотите излить ему душу.

А вы доверяете свои секреты ChatGPT? Или уже выработали свои правила AI-гигиены?

Уже неоднократно были ситуации на рынке LLM, когда в бенчмарке модель себя показывает просто божественно, а при реальной работе превращается в тыкву.

В таком случае каждый человек выбирает какие-то свои методы для того, чтобы оценить работу той или иной модели. Например, Коля у себя на прошлой неделе писал про Evaluations. Но это штука довольно техническая.

Мои друзья из LLM Arena (авторы бенчмарка для русскоязычных LLM), сейчас проводят опрос среди тех, кто так или иначе взаимодействует с LLM по поводу того, как вы оцениваете качество моделей.

Попросили репостнуть и я очень приветствую такую инициативу, т.к. хочется увидеть что-то более объективное, чем бенчмарки, а если это сделает кто-то из тех, кого я знаю - это будет вдвойне круто :)

По поводу локального ИИ

В продолжение моего вчерашнего поста про AI гигиену. Буквально вчера вышло обновление Ollama, сделавшее этот сервис более доступным для простых пользователей: они сделали нормальный интерфейс (раньше работало только через терминал и нужно было возиться с настройкой).

Для приватных задач я настоятельно рекомендую ее к установке. Я как-то делал тест локальных моделей. С тех пор изменений произошло не так много.

Базовые рекомендации такие
Для транскрибации: используем Vibe (бесплатно, есть на мак и винду), MacWhisper, SuperWhisper (эти два только на мак, платные). Также есть сервис Spokenly, оказалось, что его разработчик - @valdomars - подписчик моего канала 😅 Модель выбирайте Whisper Large v3 Turbo, она быстрая, точная и будет работать практически на любых современных компьютерах.

Для работы с LLM: теперь можно смело брать Ollama. Какую модель взять? Берите Gemma 3, обязательно QAT (у них меньше потери при сжатии, так как модель проходит через специальный процесс, который их снижает).

Чтобы скачать модель, устанавливаем Ollama, дальше открываем терминал и используем одну из следующих команд:

Если у вас слабый комьютер с меньше 8 гб объединенной памяти (для Mac)/видео памяти (для Windows)

ollama pull gemma3:1b-it-qat

Если у вас есть 8 гб объединенной/видео памяти

ollama pull gemma3:4b-it-qat

Если у вас 16 гб объединенной/видео памяти

ollama pull gemma3:12b-it-qat

Если у вас 32 и выше гб объединенной/видео памяти

ollama pull gemma3:27b-it-qat

После того, как модель скачается - она будет доступна в приложении Ollama, там вы сможете с ней общаться как с обычным ChatGPT. Не забудьте увеличить контекстное окно модели, по умолчанию оно всего 4000 токенов.

Любые вопросы по настройке пишите в комментариях, всем отвечу :)

Про плюсы США

Неделю начинаем не с ИИ :D В прошлый раз я писал про минусы Штатов, пост собрал большое количество реакций и вы его довольно много пересылали. По нему могло сложиться впечатление, что я - хейтер Штатов (на самом деле я просто приехал без ожиданий). Однако не смотря на минусы, есть еще и объективные плюсы. Через неделю я возвращаюсь в США и время поговорить о них!

1. Жизнь в США заставляет развиваться. Здесь все ОЧЕНЬ дорого. На те деньги, что уходят у нас на вполне обычную квартиру и нормальное питание в Мичигане, мы могли бы шикарно жить в центре Москвы 🙂 И, как это часто бывает, увеличение расходов вынуждает задуматься о том, как повысить доход. Переезд побудил меня изучать больше нового, пробовать реализовать то, что я ранее откладывал, работая в найме. Я стал более цепким в переговорах и смелее выставляю более высокий ценник за свои услуги. Это не обеспечивает тот же уровень жизни, что был в СНГ, но меня это мотивирует работать дальше. Через 2 года мы уедем, но доход и капитал будут уже на ином уровне.

2. Исключительные возможности для образования и нетворкинга. Одна из моих целей здесь - пройти обучение в университетах Лиги Плюща и наладить профессиональные связи. Да, это сопряжено с определенными расходами: интересующие меня Executive-программы стоят от $9000, + а где-то нужно еще потратиться на поездки в кампус. Однако близость к Кремниевой долине (буквально один авиаперелет) и шанс учиться у профессионалов мирового уровня, среди которых есть Нобелевские лауреаты и крутые бизнесмены, превращают эту цель из мечты в реальность.

3. Доступность материальных благ. Даже на местный прожиточный минимум (около $50 к баксов в год), здесь ты легче можешь себе позволить технику и всякие штуки для хобби. Помогают более низкие цены и честные распродажи. Для сравнения: я покупал жене электропианино за 740 баксов (60 к рублей по текущему курсу), в РФ оно стоит 102к. Крутая Американская гитара ручной работы стоит 3700 баксов (300к), в России - 616к. Велосипеды, домашняя техника, спортивное оборудование все здесь можно купить дешевле в 2-2.5 раза.

4. Разнообразие еды. Я говорю не об условном наличии “санкционки”. В местных магазинах ты можешь найти вообще ВСЕ. Любые продукты из любых точек мира. Trader Joe’s (с него скопировали Вкуссвилл) - мой любимый магазин. Филе Миньон из Аргентинской говядины можно купить 2 штуки за 20 баксов. А еще здесь я впервые увидел всякие интересные штуки, вроде протеиновых чипсов.

5. Университетские кампусы. Это целые города, в которые хочется возвращаться. В России подобное есть только в МГУ и м.б., Вышке. Огромные парковые территории, футбольные поля и тенисные корты, библиотеки, современные общежития и лаботатории, оборудованные компьютерами Mac, университетские спортивные команды. Я бы очень хотел провести здесь часть студенческих лет!

6. Уникальная природа. Хоть США и находятся в тех же широтах, что и Россия, природа здесь одновременно и похожа и нет. Здесь другие деревья, другие птицы, белки. Другой ландшафт. Мы пока мало ездили по Америке, но в планах посетить национальные парки с их уникальными экосистемами. Друзья делились фото и своим опытом и это поражает! В России есть Байкал, Алтай, Карелия, Дальний Восток. Туда мы еще успеем съездить, когда вернемся, а новое и необычное здесь хочется впитать по-максимуму.

7. Доступ к технологиям. Весь самый крутой AI сейчас разрабатывается здесь. Я сменил локаль своих аккаунтов на Американскую, и могу в числе первых пробовать последние инструменты и залетать на бета-тесты, просто потому что у меня стоит регион США и есть американский номер.

8. Достойная оплата труда для всех. Я жаловался на “уравниловку” в прошлом посте, но есть и обратная сторона. Да, здесь сложно “быть богатым”, но и чтобы “стать бедным” здесь надо быть совсем бездельником. Учителя, врачи, спасатели - получают достойную оплату труда, хоть и работают не меньше, чем в РФ (у жены бывают недели по 95 рабочих часов).

Заставляют ли эти плюсы задуматься меня о том, чтобы остаться здесь? Вообще нет. Цель - максимизировать свою выгоду от пребывания здесь и уехать 🙂

Один из проектов, которые я консультирую, запускается на Product Radar

Я уже как-то упоминал, что работал над сервисом аналитики в Telegram - Synapex AI. Чуть больше года назад ребята позвали меня в качестве консультанта по продукту и AI. Тогда меня зацепила не просто идея, а команда и харизматичный фаундер, которые хотели сделать по-настоящему полезный и технологичный продукт. С тех пор я помогаю им в этом и по сей день.

Сегодня для продукта важный день
Мы вышли на Product Radar (российский аналог Product Hunt). Для любого стартапа это возможность заявить о себе, получить ценную обратную связь и, конечно, найти новых пользователей через дополнительный трафик. Наша большая цель - стать «Проектом недели», а затем и «Проектом месяца». Это поможет развивать проект дальше, а может даже и привлечь доп инвестиции.

Именно поэтому я обращаюсь к вам. Не как к подписчикам, а как к сообществу, которое ценит крутые проекты и готово поддержать своих. Для нас - это реальный шанс быть замеченными.

Как нас поддержать (это займет 30 секунд):
1. Перейдите по ссылке: https://productradar.ru/product/synapex-ai/
2. Авторизуйтесь удобным способом (Google или Яндекс).
3. Нажмите на кнопку «Поддержать» прямо под описанием.

Это займет меньше минуты, а для нас станет огромным вкладом в общее дело. Заранее огромное спасибо каждому, кто откликнется!

Пересобираю свои тренинги, чтобы сделать их еще лучше

Друзья, с того момента, как я запустил тренинги по AI, я отвел 6 потоков по личной эффективности и 4 по продакт менеджменту. Пришло время взять паузу и пересобрать их.

Несмотря на то, что тренинги получили исключительно положительную ОС (сейчас выпустил еще потоки), по тому, как люди делали практические задания и какие затыки и вопросы возникали в процессе самих тренингов, я увидел ряд вещей, которые можно сделать лучше. Поэтому до сентября я буду работать над этими улучшениями, а сейчас опишу, что изменится.

Убиваем оффлайн-потоки. Вопросов во время обучения у людей было очень много и одна из главных ценностей тренинга - это возможность их задать, это повышает вовлеченность и качество освоения материала. Поэтому базовый тариф теперь также будет проходить онлайн. Для тех, у кого высокая занятость - останется возможность посмотреть в записи, но я хочу дать каждому лучший возможный образовательный опыт, вне зависимости от того, сколько вы заплатили за тренинг, а это можно сделать только при личном взаимодействии.

Совместные блоки для обоих тренингов. Ряд тем сейчас в них общий и ведение их отдельно по курсам неэффективно. От совместных занятий выиграют все: вы сможете услышать вопросы других и глубже понять тему, а у меня будет больше времени на практику, из которой я черпаю знания, все-таки тренинги - это не основной мой источник дохода. Кроме того, тренинг по эффективности теперь будет не каждый месяц, а раз в 2.5 месяца (как для продактов), будет больше времени на его актуализацию, в текущем темпе это было крайне сложно.

Новые практические задания. Текущие были крутые и понравились и мне и тем, кто их выполнил. Но проблема здесь в том, что для рабочего человека, параллельно проходящего учебу, выделить достаточное количество времени на ДЗ - проблематично. В связи с этим я переработаю структуру ДЗ. Их будет меньше, на них будет выделено больше времени, при этом они будут направлены на проверку большего количества навыков.

Занятия в новой LMS. телеграм-бот как обучающая платформа показал себя отвратительно. Поэтому я собрал свою LMS (с помощью ИИ-кодинга). Потихоньку туда перевожу всех. Пока есть баги, но за время перерыва их исправлю и у нас будет более качественный образовательный опыт.

Дополнительный практикум по ИИ-программированию на тарифах Расширенный и Премиум для обоих тренингов. Тема сложная и первые шаги в ней лучше делать с сопровождением. Для этого будет отдельное трехчасовое занятие, где мы настроим инструменты и напишем пару простых программ с помощью ИИ в режиме онлайн. Домашкой будет их выкладка

Дополнительный воркшоп по дизайн-мышлению в тренинге для продактов на тарифах Расширенный и Премиум. Эта история дико зашла на корпоративных потоках, хочется перенести ее в B2C. На занятии мы будем работать в группах в режиме симуляции процесса дизайн-мышления, а в прототипировании нам помогут AI-инструменты. Будут доски со стикерами, мозговые штурмы, интерактивы и прочие плюшки.

Больше интерактивов для тарифов Расширенный и Премиум. Также инсайт из корп потоков, теперь на занятиях вы будете трогать инструменты и всячески с ними взаимодейстовать еще больше. Вообще во всех лекциях

Приблизительная дата старта обоих тренингов - 3 сентября 📆

OpenAI впервые за долгое время стали действительно Open?

Вчера OpenAI наконец-то выпустила новые открытые модели, сопроводив это смелым заявлением: теперь якобы каждый может запустить у себя на компьютере модели чуть ли не уровня o3 и o4-mini. Свет увидели gpt-oss на 20b и 120b.

Однако, как это часто бывает, громкие маркетинговые заявления не совсем соответствуют действительности. Во-первых, мы с вами знаем, что цифры в бенчмарках - далеко не всегда показатель реальной производительности. А во-вторых, «каждый» в понимании OpenAI - это человек с компьютером, на борту которого имеется как минимум 16 ГБ видеопамяти. Именно столько требуется для запуска 20b модели.

Тем не менее, это огромный шаг для всего open-source сообщества. Я практически уверен, что даже если цифры в отчетах немного завышены, это все равно будут очень крутые модели. Из интересного:
- Они построены на базе архитектуры MoE (Mixture of Experts), когда в память комьютера загружаются не все параметры сразу, а только нужные для задачи,что как раз и позволяет запускать большие модели на не самом мощном железе.
- У них есть встроенная способность к ризонингу, что уже становится базой.
- Они обучены использовать внешние инструменты, т.е. к ним можно подключать всякие MCP и другие полезные штуки.

Все это говорит о большом потенциале моделей для создания сложных ИИ-агентов.

В целом, я вижу, как мы постепенно движемся к действительно качественному ИИ, который можно запустить локально и комфортно с ним работать. Думаю, еще год-полтора, и действительно каждый, уже без особых требований к железу, сможет установить себе хорошую модель для решения рабочих задач.

Как обычно, не хочу спешить с выводами - модели нужно «пощупать» в реальных условиях. Для этого необходимо дождаться, пока сообщество подготовит квантизированные версии, а еще лучше - упакует их в формат MLX, чтобы можно было запускать их на Mac в полную мощность.

Через неделю у меня предстоит трансатлантический перелет. Надеюсь, к этому моменту появится что-то, что я смогу запустить у себя на ноуте. Из 19 часов полета я точно найду время, чтобы подробно протестировать модели не на технических бенчмарках, а на реальных задачах, с которыми я сталкиваюсь в разработке продуктов и ведении бизнеса.

Так что, у кого канал на мьюте - самое время это исправить, чтобы не пропустить подробный разбор 😉

Завышенные ожидания или OpenAI выдохлись?

OpenAI презентовали GPT-5, которую так долго мариновали и которую мы так долго ждали. Сэм Альтман активно продвигал модель в своем твитере и публичных выступлениях, но что на деле?

На деле мы получили самую скучную и невпечатляющую презентацию
Я отсмотрел эфир “от” и “до”. Вердикт: надо тестить, потому что верить на слово больше не получается. В начале нас покормили стандартной порцией бенчмарков: модель, конечно же, стала лучше в логике, рассуждениях и безопасности. Классика.

А потом начались демо, вызвавшие один вопрос: и это всё?
Нам показали ответы на вопросы по физике, на лету собрали приложение для изучения французского и сгенерировали код. Да, сократилось количество действий для получения результата. Но это скорее про удобство, а не про прорыв. OpenAI не показали абсолютно ничего такого, чего мы бы не видели раньше.

- Ответы на вопросы, серьезно? Это уже классика применения LLM
- Делать приложение в ChatGPT? То же самое легко делается в Claude Artifacts и в Gemini с их Canvas либо в режиме Build в ai.studio.

Я не говорю, что модели OpenAI плохие, но они явно не тянут на ту “революцию”, которую нам обещали.

И тут закрадывается подозрение: а может, дело не в скучной презентации, а в проблемах внутри компании? Есть прямые и косвенные признаки.

Прямые:
- Марк Цукерберг активно переманивает к себе ключевых специалистов OpenAI.
- Google перехватывает сделку со стартапом Windsurf, буквально уводя фаундеров из-под носа Сэма Альтмана.

Если компания стоит на пороге AGI, почему лучшие умы бегут с корабля или не поднимаются на борт?

Косвенные:
- Интерфейсы, показанные на демо, подозрительно напоминают то, что делает Claude.
- И как вишенка на торте - недавняя новость о том, что Anthropic ограничили OpenAI доступ к своим моделям. Совпадение?

Модели еще надо щупать, это 100%. Но лично у меня сейчас ощущения как от просмотра презентации Apple: вроде стало лучше, но ожидания, которые нам так долго формировали, пока не оправдались.

А как вам презентация?

P.S. Вообще, у меня ощущение, что мы уже выжимаем максимум из LLM в их текущем виде. И, кажется, что для чего-то прорывного нужно что-то большее, чем просто языковая модель. Нужна новая архитектура

Почему я не считаю, что LLM - это путь к AGI

В конце вчерашнего поста по итогам презентации OpenAI я написал, что мы почти выжимаем максимум из LLM в их текущем виде. Эта мысль регулярно всплывает в разговорах с коллегами из индустрии - и сегодня хочу чуть подробнее расписать, почему я всё сильнее убеждаюсь, что LLM - это не прямой путь к AGI, а скорее один из важнейших, но не единственный, шаг к нему.

Фундаментально всё упирается в архитектуру. LLM - это гениальный автокомплит. Вся их магия - это невероятно сложная и отточенная на триллионах слов способность предсказывать следующее наиболее вероятное слово. И из этой задачи берутся все их сильные стороны и ограничения.

1. Язык - это не весь мир
LLM великолепно работают с языком и кодом - по сути, тоже языком, просто формальным. И то и другое - мир символов, но не людей. Наглядно на примере: возьмем слово стул. Для LLM - это не предмет с ножками, на котором сидят, а вектор, статистически связанный с векторами сидеть, стол, мебель. Модель не знает, “Что есть стул в реальном мире?”, так как у нее нет опыта взаимодействия с этим миром. Она может написать, что если толкнуть стул, он упадет, потому что читала об этом. Но она не понимает этого на уровне интуитивной физики.

Поэтому в медицине, финансах и инженерии, даже если используется LLM, то делает это как интерфейс или ассистент, а не как основной ”мозг”. Чтобы язык имел ценность, за ним должны стоять модели, которые работают с реальностью: числами, физическими измерениями, причинно-следственными связями. Без этого заземления интеллект остается поверхностным.

2. LLM - это про корелляцию, а не про логику
LLM идеально находят корреляции. Они знают, что за вспышкой молнии почти всегда следует раскат грома, они знают что это происходит из-за разницы скорости света и звука, но они не понимают, связи между этими явлениями. В ответе они оперируют паттернами из данных, а не законами логики и физики.

Это приводит к двум последствиям:
- Ненадежность в новых задачах: Если дать LLM нестандартную логическую головоломку, которой не было в обучающей выборке, она скорее всего ошибется, пытаясь решить ее “по аналогии”, а не путем строгих выводов. GPT 5 все еще не справляется с простой логической задачкой, которую я придумал почти год назад (см скрин)

- Шаблонность решений: LLM - это конструкторы. Если внимательно смотреть на сайты, дизайн, документацию, советы или даже код, созданные ИИ, то легко заметить повторяющиеся структуры, любимые фразы, характерные ошибки. Причём у каждой модели свой почерк, который легко распознать, если много с ними работаешь. Это значит, что LLM не генерируют принципиально новое - они комбинируют уже существующие паттерны.

3. Замороженные знания и неспособность учиться на лету
Модель обучается на статичном срезе данных (условно, интернет до декабря 2024). После этого ее знания зафиксированы. Если вы сообщите ей новый факт, она не встроит его в свою нейронную сеть. В новом окне она его забудет. Методы вроде RAG - это костыли, которые позволяют подсовывать модели актуальную информацию: in context learning - это не lifelong learning. Настоящий интеллект должен быть способен к непрерывному обучению - усваивать новую информацию на лету и интегрировать ее в существующую картину мира, не разрушая ее. LLM так не умеют, да и технически это сложно реализуемо.

Так что же нужно для AGI?
Это не одна гигантская нейросеть, а сложная гибридная система, где LLM - выполняют роль языкового процессора.

Настоящему AGI также понадобятся:
- способность симулировать реальность для планирования (ответ на вопрос: “А что, если?”);
- отдельное логическое ядро для проверки гипотез, которые генерят LLM;
⁃ воплощение в физическом мире для “заземления” знаний через датчики и манипуляторы;
⁃ агентность - умение самостоятельно ставить и достигать цели;

Из всего этого у нас есть подвижки только в агентности 😁

А что вы думаете про достижение AGI?

ИИ и бытовуха: что работает хорошо

Не так давно я писал, что чтобы использовать ИИ реально эффективно - надо использовать его везде. Я регулярно пробую найти у себя в рутине какие-то операции, которые можно оптимизировать с помощью LLM. Сегодня делюсь тем, где это получается неплохо, в следующем посте - что работает так себе. Сразу скажу, что я использую вообще все: Perplexity, Manus, GPT-5, Gemini. Модель можете использовать на свой вкус, ниже привожу кейсы и промпты.

Критик
Один из моих любимых кейсов, когда мне нужно почалленджить какие-то свои решения. Помогает максимально проработать нужную мне проблему.

Твоя задача конструктивно критиковать все мои решения, подробно описывая, что именно в них не так, но не предлагать альтернативы, я должен сам до них дойти. Твоя цель - помочь мне максимально проработать все аспекты моего решения.
Инструкции:
Я присылаю тебе проблему, контекст и свое решение
Ты пишешь мне конструктивную критику 
Далее мы с тобой вместе это обсуждаем. Никогда со мной не соглашайся и продолжай конструктивно критиковать

Консультант по коммуникации
Использую очень часто, чтобы заранее проработать и избежать неприятных ситуаций вообще во всех сферах, где есть общение. Помогает как в переговорах, так и при общении в условном МФЦ :D

Ты - эксперт по коммуникации и переговорам. Твоя задача - помочь мне спланировать эффективную коммуникацию. Вот моя ситуация [опишите здесь контекст]. Цель коммуникации [опишите, чего хотите достичь]. Вот что я думаю [сюда кидаем черновики и свои мысли]. Помоги мне сформулировать мысли лучшим образом для достижения целей.

Кулинарный ассистент
Одно из моих хобби - это готовка. Какие-то рецепты я делаю редко и периодически забываю, как их готовить. В таких случаях меня выручает ИИ и делает это он прямо неплохо.

Ты - профессиональный шеф-повар. Я хочу приготовить [название блюда], у меня есть [перечислить названия продуктов]. Я хочу, чтобы блюдо было [написать тут особенности, например, без сахара]. Напиши мне подробный пошаговый рецепт того, как его приготовить со всеми пропорциями. 

Сравнение по характеристикам
Иногда бывает, что мне нужно что-то купить, но я не могу выбрать В таком случае я прошу ИИ провести для меня сравнительный анализ.

Я хочу купить [название продукта], мои сценарии использования - это [описать тут сценарии]. Мне важно, чтобы [описать ключевые параметры продукта]. Я выбираю между [продукт 1], [продукт 2], [продукт n]. Сравни их по следующим характеристикам [список характеристик], и скажи, какой будет оптимальнее.

Разносторонний анализ
Иногда нужно взвесить все "за" и "против" при принятии какого-то решения. В таком случае я промпчу себе 3 ассистентов: позитивиста, негативиста и сбалансированного. Для каждого отдельный чат. Это позволяет им не зависеть друг от друга и максимально покрыть все сценарии. Далее - я беру их аргументы и принимаю уже свое решение.

Позитивист

Твоя задача - отмечать только положительные стороны [описать чего]. Вот контекст ситуации [сюда грузим описание]. Дай мне топ 10 с подробной аргументацией.

Негативист

Твоя задача - отмечать только отрицательные стороны [описать чего]. Вот контекст ситуации [сюда грузим описание]. Дай мне топ 10 с подробной аргументацией.

Баланс

Твоя задача - отметить все положительные и отрицательные стороны [описать чего]. Вот контекст ситуации [сюда грузим описание]. Напиши по 10 пунктов для каждой группы, каждый обоснуй.

Генераторы промптов
Помогает не тратить время при быстрых задачах. Здесь приведу ссылки на прошлые посты: для генерации видео/фото, для подкастов в NotebookLM.

Изучение новых материалов
Здесь также будет ссылка на пост про то, как я читаю с ИИ. Помогает заполнить FOMO и обрабатывать новую информацию быстрее.

В следующем посте я поделюсь тем, что получается плохо, а вы пока делитесь своими кейсами!