Вы когда-нибудь пробовали описать, чем электронные доски типа Miro отличаются от обычных настенных маркерных?

Я попробовала ))
Быстро выловила 15+ значимых факторов; некоторые -- в пользу электронных инструментов, некоторые наоборот.

Записала видео про первые 5 параметров, по которым Miro сильнее классических досок: https://youtu.be/2uk9ZgGV860

Если хотите поддержать меня в деле видеопубликаций -- черкните под роликом комментарий!
"Я за Miro" / "Я за тетрадки" / "Mural forever" / "Мне все равно, но расскажи про следующие факторы" / что-нибудь посложнее, если приходит в голову 🙃

И мне будет приятно, и ютубовая машинерия подкормится статистикой

📝 Мыслестикеры

Психологические аспекты одной семантической функции независимого инфинитива

Я регулярно вспоминаю эту картинку 👆, привожу ее в пример; и каждый раз найти ее -- трудная задача. Поэтому пусть будет тут, чтобы не терялась. Источник фото -- исторически здесь, но сейчас что-то недоступен.

Перед тем, как читать дальше, посмотрите еще раз на табличку на фото и прислушайтесь к себе -- какой отклик она вызывает?

И теперь про инфинитивы!

Лингвистическое

Инфинитив (глагол в начальной форме: быть, плыть, спать) в русском языке может выполнять много функций, в частности:

Выражать неизбежность:
* быть грозе великой
* я знаю -- город будет, я знаю --  саду цвесть

Такое значение еще красиво называют "эпистемическая необходимость", а предложения такого типа -- экзистенциальными.

Выражать невозможность:
* не бывать этому
* не понять мне тебя

Больше интересного про инфинитивы -- в этой статье.

Таким образом, если вам показалось, что табличка на фото говорит "здесь перелезть в принципе невозможно" -- вам не показалось.

Психологическое

Мой немедленный отклик, когда смотрю на эту табличку: "в смысле не перелезть?! Еще как перелезть! Вот сейчас!"
В общем, читается табличка как челлендж-вызов. И многие знакомые, кому показывала фото -- смеются и соглашаются что да, вызов.

А у вас как?

📝 Мыслестикеры

Опубликовала видео: говорим с Максом о нейросетях, ChatGPT, LLM, откуда они такие умные и как это использовать

https://youtu.be/6X9qHAL5CuM?si=yR1Q6rggQ2r5MS72

В первой половине говорим о технических деталях, а начиная примерно с 32:46 переходим к пользовательским свойствам нейросеточек (кстати, в описании видео есть кликабельные таймкоды, можно выбрать что интереснее всего)

На этом история с нейросетями не заканчивается; скоро опубликую еще один разговор про нейросети, с другим экспертом (уже записались, на очереди обработка).

Но это не совсем все ))
Тема большая, подумываю, не сделать ли еще выпусков про нейросети, LLM, ChatGPT?

Если интересуют какие-нибудь вопросы про все это -- пишите в комментарии, задам их при случае эксперту

📝 Мыслестикеры

У меня новое видео: про руководство разработчиками и нейросетями, про найм в эпоху LLM, как нейросети подражают поведению и устройству человеческой психики, и про всякое другое.

Смотрите, делитесь с теми, кому еще может быть интересно; пишите, какие еще вопросы интересно про нейросети выяснить!

https://youtu.be/tatJ5MzvdFA

00:00 Intro
01:20 Привет
02:17 Сегодняшняя тема: LLM-ы глазами CTO (техдира)
02:30 Контекст Паши
06:27 Цикл отрицания-торга-депрессии; в чем сила LLM относительно исторического Machine Learning
09:07 Скепсис опытных разработчиков vs. подростковый энтузиазм
10:02 Поворотный момент
13:15 С LLM-ами получаешь новую свободу в программировании; LLM — как карманная команда разработчиков
14:56 Ограничения LLM в программировании; как поменяется работа разработчиков в эпоху LLM
16:12 Синтаксис не нужен?
17:07 LLM не только для программирования
17:25 Что будет с джунами и откуда возьмутся мидлы и синьоры
21:46 Про найм разработчиков вообще и в эпоху LLM в частности
27:52 Боль от собеседований фронтендеров
29:25 Как читать резюме кандидатов
32:13 Как LLM пишут тесты (местами слабо)
35:51 Стоит ли переписывать все с нуля (и легче ли это делать с LLM, чем без них)
40:41 Аналитика и миграции данных с LLM
44:44 А люди-то как думают?
46:37 Архитектура человека как LLM
48:29 Как улучшать LLM-продукты, вдохновляясь человеческой физиологией и психологией
51:13 Как модели (не) обучаются в процессе разговора
52:21 Уровни обучения модели
53:19 Непредсказуемость обучения моделей
54:37 Vendor lock и что бы про LLM подумал Ричард Столлман?
56:32 Кого LLM-ы уволят раньше — программистов или менеджеров?
58:06 LLM-ы пришли и останутся, живем с этим, пользуемся
01:01:03 Суммаризация
01:06:09 Делимся, кого что зацепило
01:08:51 Вопросы слушателям
01:10:49 Как модели умеют с уверенным видом гнать пургу
01:11:56 Прощаемся
01:12:17 Бонусная история


📝 Мыслестикеры

С командой строкой и vim-ом все получается лучше, и нейросеточки тоже становятся полезнее

Понадобилось мне из одного заметочного ТГ-чата выбрать все сообщения с определенным тегом, слегка распарсить, и сложить в гуглотабличку.

Первое — скачала историю чата в json (это можно сделать на десктопе, премиум не нужен, но если у кого Мак — нужен правильный клиент, гуглится по "telegram download chat history mac"). Чат не то чтобы сильно большой, но json получился 300 килобайт, 10k строчек.

Второе: как попроще выбрать из этого json нужные сообщения?

Пошла модным путем — попыталсь добиться от Cursor, чтобы оно мне написало питоновский скрипт. И... ничего путного не получилось. И я не очень опытный пользователь Cursor, и Cursor повел себя не очень помогающе, а табличка нужна, и поскорее.

Скорректировала метод: пусть будут нейросеточки, но добавим классических инструментов.
Сделала короткий json-пример с нужным и ненужным сообщением, и попросила DeepSeek написать фильтр для программы jq (https://jqlang.org/).

DeepSeek — лапочка, написал фильтр, а фильтр там ого-го, я бы такой замучалась сочинять; да еще и все объяснил (не то чтобы я сильно вчитывалась за пределами "это действительно одна команда для jq, подозрительных инъекций не видно"; но все равно приятно).

Применила команду к своему полному json, получила почти чистый текст, его чуть доработала vim-ом, и вот — табличка готова.

Cursor-ом и аналогичными кодопишущими инструментами научиться решать подобные задачи тоже хочется, но вот для разовой операции "превратить чат в таблицу" вариант "велеть нейросеточке написать параметры для команд-лайновой программы" — очень даже работает, я довольна, рекомендую.

А мораль какая? Не обязательно в один момент выкидывать все старые инструменты и пытаться использовать только новые. Можно смешивать старое и новое в разных пропорциях, и получится хорошо.

Команда в итоге была вот такая:

cat telegram.json |jq '.messages[] | select(.text_entities[]?.type == "hashtag" and (.text_entities[]?.text // "" | contains("#mytag"))) | .text_entities[] | select(.type == "plain") | .text' > list.txt

#command_line_magic

📝 Мыслестикеры

Не так-то легко нейросетью нарисовать приоткрытую матрешку с кубиком Рубика внутри 🤔

А как справятся ваши любимые модели? Делитесь картинками в комментариях, если не жалко

📝 Мыслестикеры