#ИИпятница

Интересные истории про работу и немного про ИИ

Вы знаете, как как на самом деле появился ChatGPT?

Боб МакГрю, бывший VP of Research в OpenAI рассказал об этом в своем интервью. История интересная и поучительная:

Осень 2022 года. На тот момент компании OpenAI 7 лет и в ней работает около 300 человек. GPT-3.5 полгода доступен по API разработчикам. Уже создана и натренирована мощная модель GPT-4, но компания не знает, что с ней делать. Все, что делали большие языковые модели на тот момент, - фактически только дописывали текст. И вся компания думает, как бы ее еще применить.

На одной из рабочих встреч Джон Шульман, глава команды Reinforcement Learning, предложил сделать модель способной разговаривать, то есть вести диалог. Джон сказал:

«да, модели не идеальны, и мы знаем, что GPT-4 будет лучше, но давайте попробуем просто взять, обучить и выложить диалоговую модель в интернет. Может, мы наберём хотя бы 10.000 пользователей, и они помогут нам понять, где LLM плоха, и мы сможем начать делать итерации и улучшать её»

Команда думала и сначала не очень хотела этим заниматься. Но затем решили попробовать. В итоге за ОДНУ НЕДЕЛЮ обучили модель общаться, сделали чат, подключили GPT-3.5 и выложили в интернет, без рекламы, без медиа.

Это был “low key research preview”, т.е. второстепенный проект из разряда “ну так и быть, давайте попробуем”

В результате он так взлетел, что оказался самым быстрорастущим продуктом всех времен. И через 2 месяца у него было 100.000.000 пользователей по всему миру. Что было дальше, вы знаете.

Всем хорошей пятницы🤗

Ссылки на источники: историю увидел в канале Силошная, видео "Детство без телефона" позаимствовал в канале Идеи для стартапов.

#ИИинтересно
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

На выходных сделал еще один инструмент в AI4HR, на этот раз для кандидатов. Он помогает адаптировать резюме под требования конкретной вакансии.

Цель - получать больше интереса и приглашений на собеседования от работодателей

Попробовать можно здесь

Буду благодарен за обратную связь 🙏

Дайджест ИИ-новостей 🌐

🔹 Яндекс Образование и ВШЭ провели исследование практики использования ИИ в российских и зарубежных ВУЗах и создали карту университетов, которые решили внедрить ИИ в процесс обучения.

🔹 Компания Physical Intelligence привлекла $400M при оценке в $2 миллиарда от Amazon, OpenAI и инвестфондов на создание foundation model для роботов различных видов. Цель компании - разработать ПО не специфичное для роботов какой-то определенной модели, а универсальное, - которое позволит обучить любых роботов выполнению любых задач.

🔹 Российское руководство рассчитывает решить проблему дефицита кадров, вызванного демографическими изменениями, за счет широкого внедрения в экономику технологий искусственного интеллекта и связанного с ним увеличения производительности труда.

🔹 LinkedIn запустил ИИ-ассистента рекрутера (Hiring Assistant). Его функционал позволяет подгрузить описание вакансии и получить на его основании список требований и шортлист кандидатов. Интересно, что это функционал, который мы у себя внутри iRecommendWork реализовали еще пол года назад. LinkedIn обещает добавить позже ИИ-ассистенту способность переписываться с кандидатами и назначать интервью.

🔹 Правительство России планирует в 2025 г. запустить единую HR-платформу для госслужащих на основе нейросетей. В платформе предполагается функционал цифрового профиля сотрудника, системы отбора, адаптации, мотивации и развития сотрудников. Ориентировочная стоимость проекта 8 млрд. руб.

🔹 Salesforce, крупнейший в мире поставщик CRM с ежегодной выручкой $35 млрд. (для сравнения, выручка 1C-Битрикс - $46 млн, HH - $300 млн.), выпустил ИИ-агентов, как полноценных ИИ-сотрудников - специалистов по продажам, разработчиков, маркетологов и специалистов технической поддержки. При этом они применили новацию в модели монетизации - оплата производится за выполненную работу (решенную проблему, сгенерированный лид и т.п.)

#ИИновости
Подписывайтесь на Будущее наступает , чтобы ничего не пропустить🚀

#ИИдляначинающих ✍️

Инференс

Объяснение

Инференс больших языковых моделей (LLM – Large Language Models) – это процесс, в котором модель, такая как ChatGPT, обрабатывает запрос пользователя и генерирует на него ответ.

Говоря простым языком, инференс – это этап "запуска" уже обученной модели, когда она применяет свои знания для выполнения конкретной задачи.

Например, когда вы спрашиваете у ChatGPT что-то вроде "Как работает квантовая физика?", модель анализирует ваш запрос и "высчитывает" ответ на основе огромного количества ранее изученных данных.

Так как LLM обучены на массивных объемах текстов, они могут понимать смысл запросов, находить нужные связи и предоставлять логичные и содержательные ответы. Инференс – это именно тот момент, когда модель "думает" над вашим запросом и выдаёт ответ.

Как используется

Процесс инференса применяется каждый раз, когда модель взаимодействует с пользователем в реальном времени. Примеры:

👉 Чат-боты: В поддержке клиентов, например, при обращении в банк или магазин, LLM анализирует запрос клиента и предоставляет ответ (инструкцию, информацию или ссылки) на основе данных, на которых она была обучена. Каждая обработка запроса и предоставления ответа нейросетью является инференсом.
👉 Поисковые системы: LLM помогает поисковым системам, таким как Яндекс или Google, понимать сложные запросы и предоставлять ответы более точно. Каждый ваш поисковой запрос - запускает отдельный инференс нейросети.
👉 Инструменты для писателей и редакторов: LLM может быстро предлагать фразы, завершать предложения, помогать писать тексты в нужном стиле или подсказывать идеи. Обработка промпта и ответ на него также является примером инференса.

#чтоэтотакое
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

Контент, созданный человеком (видео, музыка, тексты), станет таким же редким и нишевым явлением, как сделанная вручную мебель сегодня — его будут ценить за уникальность, несовершенства и историю создателя.

Всё остальное будет создано искусственным интеллектом.

Полностью согласен. Источник: канал e/acc

Всем хорошей пятницы🤗

#ИИпятница
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

Как ИИ начинает менять работу врачей

Недавно Илон Маск предложил пользователям загружать рентгеновские снимки, ПЭТ, МРТ и другие медицинские изображения в Grok - его ИИ-чатбот - для анализа. Это вызвало как интерес среди его подписчиков, так и обеспокоенность в медицинском сообществе.

Возможности и ограничения Grok:

🔹 Маск утверждает, что Grok уже "довольно точен" в анализе медицинских изображений
🔹 Однако первые тесты показали смешанные результаты
🔹 Grok может определять тип изображения, но пока может еще ошибаться в конкретных диагнозах

Потенциальные преимущества доступа к ИИ-диагностике через чат-бот:

✅ Улучшение доступа к медицинской помощи в регионах с нехваткой специалистов
✅ Повышение точности клинических диагнозов

Kритика этого предложения Маска:

🔻 Вопросы конфиденциальности при загрузке медицинских данных через соцсети
🔻 Сомнения в точности диагностики ИИ
🔻 Этические вопросы использования ИИ в здравоохранении

Призыв Маска вызвал широкий резонанс в медиа. При этом мнения экспертов разделились: некоторые видят в ИИ будущее медицины, другие призывают к осторожности и подчеркивают незаменимость опыта врачей.

А вы что думаете об этом направлении развития ИИ❓

💬

#будущееработы
Подписывайтесь на канал Будущее наступает, чтобы ничего не пропустить🚀

Пока идет голосование в текущем опросе, вспомним опрос, который мы проводили 2 недели назад.

Тогда самым востребованным вариантом использования ИИ вы назвали “Повышение эффективности работы с данными”. За него проголосовало 70% респондентов.

Приблизительно в то же время появился новый инструмент как раз для этой задачи - обновленный Claude 3.5 Sonnet от Антропика.

Если вы вдруг не знаете, Anthropic - это один из мировых лидеров в разработке AI. Его создали выходцы из OpenAI в 2021 г. A Claude - это их аналог ChatGPT, мощный и для ряда задач более способный, чем ChatGPT.

Я решил проверить, что он может. Для этого я выгрузил в CSV аналитику из Яндекс Метрики по одному из наших лендингов, подгрузил файлом в Клода и задал 3 простых промпта.

Промпт 1:

Проанализируй данные. Сделай 5 выводов. Найди 5 неочевидных инсайтов. Построй 2 графика, чтобы продемонстрировать 2 вывода.

Промпт 2:

Какие бизнес-решения или стратегические выводы вы могли бы предложить на основе этого анализа? Я заинтересован в том, как эти данные могут повлиять на наши планы по развитию продукта и маркетинговые инициативы.

Промпт 3:

Приготовь презентацию из 5 слайдов на основе этих данных. Для каждого слайда сделай короткий заголовок с одной основной мыслью, текст слайда (короткий), раскрывающий эту мысль и сделай 1 график с красивой визуализацией.

Результат - полные ответы, графики и презентацию - можно посмотреть здесь 📊

Кажется, что если бы для создания учетной записи из РФ не требовался заграничный телефонный номер и VPN, то работа аналитиков данных изменилась бы так же, как работа копирайтеров в прошлом году.

#юзкейсы
#практикум
#ИИинструменты
#будущееработы
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

#ИИдляначинающих ✍️

ИИ-агенты (AI Agents)

Объяснение

ИИ-агенты (AI Agents) - это сложные программные системы, разработанные для автономного выполнения задач от имени пользователей или других систем.

Представьте себе виртуального помощника, который может отвечать на ваши вопросы, бронировать билеты, заказывать доставку еды или даже управлять вашим умным домом.

Они сочетают в себе мощь больших языковых моделей (LLM) со способностью взаимодействовать с внешними инструментами и средами, что делает их более универсальными и способными, чем традиционные модели ИИ.

Ключевые характеристики ИИ-агентов

🔹 Автономность: Они могут работать самостоятельно, принимая решения и совершая действия без постоянного вмешательства человека.
🔹 Целенаправленное поведение: Агенты разработаны для достижения конкретных целей, используя свои возможности для планирования и выполнения задач.
🔹 Взаимодействие с окружающей средой: Они могут воспринимать окружение через различные интерфейсы и входные данные и действовать на их основе.
🔹 Адаптивность: ИИ-агенты могут учиться на опыте и соответственно корректировать свое поведение.
🔹 Использование инструментов: Они могут использовать внешние инструменты и базы данных для сбора информации и выполнения действий, выходящих за рамки их первоначального обучения.

#чтоэтотакое
Подписывайтесь на Будущее наступает, чтобы его не пропустить🚀

И снова про медицинскую диагностику при помощи ИИ 🤖

В прошлую субботу мы провели мини-опрос:

вы бы воспользовались медицинской ИИ-диагностикой через чат-бот для себя или своих близких?

20% ответили, что пока не знают
15% - что не доверяют ИИ-диагностике
56% - что доверяют и воспользуются, при возможности
а 9% - что уже пользовались!

Я столкнулся с этой темой три года назад, когда в Стартап-акселераторе познакомился с московским проектом Pirogov.AI. Ребята сделали очень крутую штуку: натренировали нейросеть распознавать инфекции уха.

Я помню объяснение коллег, что:
👉 точность диагноза терапевтов (неспециалистов) составляет около 50% (то есть практически то же самое, что бросить монетку)
👉 точность диагноза специалистов-отоларингологов составляет уже 73% (не зря же они долго учились и работали по специальности)
👉 а вот точность диагноза, поставленного ИИ, составляет 95%!

Высокая точность диагностики достигается путем обучения нейросети на большом наборе данных (медицинских снимков), каждый из которых был независимо размечен 3-мя специалистами-отоларингологами.

В основе лежит простая математика: количество снимков, которые увидела нейросеть в разы больше того, сколько снимков увидит отдельный врач-специалист за всю свою профессиональную карьеру. А независимая разметка, даже тремя врачами-специалистами, уменьшает вероятность ошибки каждого из них в отдельности.

Это насчет медицинской диагностики по снимкам (изображениям).

🆕 А совсем недавно вышло новое исследование, которое подтверждает похожий результат при диагностике заболеваний по описанию симптомов болезни. Исследование показало, что врачи общей практики ставят диагноз с точностью в среднем 74%, а нейросеть (ChatGPT) с точностью 90%. Короткий пост с хорошим описанием исследования можно прочитать здесь.

Я думаю, это закрывает вопрос о будущем работы врачей-диагностов 👩‍⚕️👨‍⚕️

#будущееработы
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

На видео - презентация нового китайского робота с удивительной проходимостью.

#ИИинтересно
#ИИроботы
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

Между тем, Международная федерация робототехники опубликовала отчет об уровне использовании промышленных роботов в мире.

Метрика, которая используется для оценки уровня развития промышленной робототехники стран - это количество роботов на 10.000 сотрудников.

Топ 20 стран представлены на графике. Наблюдения:

1️⃣ На первом месте - Южная Корея - 1012
2️⃣ На втором месте - Сингапур - 770
3️⃣ На третьем месте - Китай - 470 (планирует занять первое место к 2030 г.)
4️⃣ На четвертом месте - Германия - 429 (обгоняют Японию, но уступили Китаю)
1️⃣1️⃣ США - на 11 месте - 295 (впервые выбыли из первой десятки)

В среднем по миру этот показатель - 162 робота на 10 тысяч сотрудников.

‼️ В России этот показатель - 11 (одиннадцать).

Я, конечно, не эксперт в робототехнике и промышленной политике, но что-то мне подсказывает, что этот показатель очень низкий 🤔

#ИИисследования
#ИИроботы
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

😵‍💫 Как проходит обучение гуманоидных роботов на производстве BMW

Помните, в январе была новость о том, что BMW хочет заменить рабочих на гуманоидных роботов компании Figure.AI и начинает тестировать их на своем производстве в США? А затем в марте был апдейт о том, что они уже освоили некоторые навыки общения, выбора правильных предметов из набора и простых действий?

Недавно Figure.AI выпустилo обновление по результатам нескольким месяцев работы с BMW.

Детали эксперимента

➡️ Для обучения роботов была создана точная физическая и цифровая копия, повторяющее рабочее пространство завода
➡️ Роботы тренировались на одной конкретной задаче: снимать три детали со специального держателя и класть их на специальную форму с точностью до полусантиметра

Компания Figure.AI заявила, что была достигнута производительность в 1000 установок деталей в день. Так как информации больше не дали, непонятно это показатель одного робота или бригады роботов. Интересно, что роботы тоже трудятся бригадами🤔

🔵 Одновременно, заявляется, что производительность на этом участке работы выросла в 4 раза, а точность выполнения задач в 7 раз. Что, прямо скажем, немало.

Что это значит

💡Пока роботы Figure.AI умеют выполнять только одну узкую операцию. До полной замены человека гуманоидным роботом на производстве еще далеко. Но прогресс налицо – машины учатся быть точнее, быстрее и самостоятельнеe🤖

#ИИдляначинающих
#юзкейсы
#будущееработы
#ИИроботы
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

Одно из преимуществ работы с оригинальным ChatGPT (а не, например, с ботом в Телеграм) в том, что общаясь с вами, он лучше узнает вас. То есть через некоторое время вы можете задавать ему вопросы о себе.

Вот один из примеров того, что можно сделать. Я его видел в нескольких Телеграм-каналах и не знаю, кто автор, поэтому ссылку на автора не даю.

➡️ Задайте чату GPT такой вопрос:

Эй, GPT, что ты можешь рассказать о моем стиле общения со всеми плюсами и минусами на основе всего, что ты обо мне знаешь? Только коротко и списком с + и -

И он выдаст вам детальный анализ вашего стиля коммуникации, расскажет что у вас получается хорошо, а на что стоит обратить внимание.

➡️ Затем спросите его, как вы можете стать лучше:

Предложи возможные улучшения

➡️ И, наконец, попросите совет, как вы можете просто интегрировать эти улучшения в вашу повседневную жизнь:

Как я могу легко применить эти улучшения в моей практике общения?

В первом комментарии к этому посту вы можете посмотреть то, что он посоветовал мне⬇️

Интересно, получилось ли у вас проанализировать свой стиль общения с помощью ChatGPT⁉️ И, если да, то узнали ли вы о себе что-то новое и ценное⁉️

#ИИдляначинающих
#практикум
#ИИинструменты
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

#ИИдляначинающих ✍️

Transfer Learning

Объяснение

Transfer Learning, или "перенос обучения", — это метод в машинном обучении, который позволяет модели использовать знания, полученные при решении одной задачи, для решения другой, похожей задачи.

Представьте, что вы изучали иностранный язык. Если вы уже знаете испанский, то изучение итальянского будет проще, потому что многие слова и грамматические структуры схожи.

Transfer Learning работает аналогично: модель, обученная на одной задаче, может перенести свои знания на другую, что значительно ускоряет процесс обучения и улучшает результаты.

Пример

Допустим, у вас есть модель, которая хорошо распознаёт кошек и собак на фотографиях. Теперь вам нужно создать модель для распознавания других домашних животных, таких как попугаи и морские свинки. Вместо того чтобы обучать новую модель с нуля, вы можете взять уже обученную модель (которая распознает кошек и собак) и адаптировать ее к новой задаче, добавив несколько изображений попугаев и морских свинок. Это экономит время и ресурсы.

Как используется

Transfer Learning активно используется в различных приложениях. Например:
🟣🔵- Компьютерное зрение: Модели, обученные на больших наборах данных, таких как ImageNet, могут быть адаптированы для решения более узких задач, например, распознавания определённых объектов в медицинских снимках.
🔵🟣- Обработка естественного языка: Модели, такие как BERT или GPT, используют Transfer Learning для понимания текста и выполнения задач, таких как анализ тональности или автоматический перевод, основываясь на предварительном обучении на больших объемах текста.

Где ещё используется

Transfer Learning находит применение в различных сферах:
1️⃣ Медицина: Модели могут быть обучены для диагностики заболеваний на основе изображений, используя знания, полученные от других моделей, обученных на различных медицинских данных.
2️⃣ Финансовый сектор: Модели могут использоваться для прогнозирования рыночных трендов, применяя ранее полученные знания о других финансовых инструментах.
3️⃣ Игровая индустрия: В разработке компьютерных игр Transfer Learning помогает создавать более умных NPC (неигровых персонажей), которые учатся на опыте взаимодействия с игроками.
4️⃣ Аграрный сектор: Модели могут быть использованы для анализа состояния растений, адаптируя знания, полученные от других моделей, обученных на фотографиях различных культур.

Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

🔴 Вчера Сэм Альтман объявил, что сегодня OpenAI начнут 12 дней прямых эфиров, в которых будут представлять новые продукты. Некоторые из них прорывные, другие - просто новые.

Трансляция начнется через 1.5 часа 📺

Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

🤔 OpenAI опубликовала системную карточку своей последней модели о1.

Системная карточка ИИ - это такой специальный "паспорт" для искусственного интеллекта, который рассказывает простым языком, что это за модель, как она работает, что умеет, какие у неё есть возможности и ограничения, чтобы любой мог понять, с чем именно он имеет дело.

Похоже, в ней может содержаться ответ на вопрос "есть ли у ИИ сознание". Как вы считаете? 👇

Всем хорошей пятницы🤗

#ИИпятница
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀