👏 OpenAI победили старость (почти)

OpenAI совместно с Retro Bio, биотех-стартапом из Силиконовой долины, разработали специализированную версию искусственного интеллекта GPT-4b micro, предназначенную для сложных задач белковой инженерии и клеточного программирования.

Факторы Яманаки (OSKM) - это четыре белка-регулятора генов: OCT4, SOX2, KLF4 и c-MYC. Они работают как переключатели, которые могут вернуть взрослую клетку в состояние "универсальной заготовки" - стволовой клетки. Эти стволовые клетки можно потом превратить почти в любой тип тканей: сердце, нервную клетку, печень. В 2012 году Синъя Яманака получил Нобелевскую премию за открытие этих клеток.

Используя GPT-4b micro, учёные спроектировали усовершенствованные варианты факторов Яманаки. В природе они работают очень медленно и имеют побочки. ИИ ускорил работу белков в 50 раз и убрал все негативные эффекты.

Пока говорят о потенциальных +10 лет к жизни. Таблетка от старости становится все реальнее.

🧠 Покупки через ChatGPT

Люди все больше и больше слезают с гугления. Я лично почти забыли про поиск в Google.

Тут логичный вопрос. Раз теперь так много трафика у LLM провайдеров, а финансовая модель чисто на продаже токенов и подписках пока не сходится, то что делать?

А вот и ответ. OpenAI уже тестируют функцию оформления заказов в ChatGPT вместе с партнёрами, такими как Shopify

Такая модель является угрозой для Google, ведь всё больше людей ищут товары не через поисковик, а через чат-ботов, а когда можно будет там же и покупать — все остальное станет не нужным

Уверен, у таких гигантов как OpenAI уже давно лежат на столе проекты по монетизации брендов нативно внутри генераций. Так при вопросе про лучшие пиццерии в СНГ - Dodo Pizza все еще в топе, и пока за это никто не платит.

😍 Вашу ПРИВЛЕКАТЕЛЬНОСТЬ может оценить ИИ

Нашел сервис How Attractive am I, где алгоритмы измеряют вашу внешность по 100-бальной шкале

1️⃣ Загружаем своё фото
2️⃣ Получаем оценку за 20 секунд
3️⃣ ИИ подскажет ваши лучшие черты

Не верим, но проверить надо — тут.

🎚️ Если обойдешь меня по скору, то кидай в комментарии)

😤 Боже, в интернет утекла информация про наш курс по AI агентам.

Дороничев показал в интервью, как уже бахнул себе команду AI агентов для анализа исследований научных публикаций.

Ладно, раз уж мы не смогли сохранить запуск в тайне, ловите информацию про наш новый огненный интенсив по автоматизации.

Мы вынашивали идею год, а готовили его три месяца.

5 блоков, где разберем все от погружения в n8n до создания первого боевого AI агента для автоматизации коммерческого заказа.

Курс уже проходит первая волна студентов. Опубликованны 3 из 6 модулей. Традиционно цена пока стартовая, для своих 😉

🤫 Читайте информацию по ссылке - промокод DATAFEELING

🏆 Что будет на курсе по n8n?

В этом курсе мы сделаем большой фокус как на изучении самого n8n, так и на изучении сопутствующих технологий.

Вы научитесь подключать AI агента к Google таблицам, реляционным базам данных, строить интеграции с мессенджерами, почтой и ещё с десятками иных полезных сервисов.

Обязательно поработаем с RAG, векторными базами данных (Qdrant, Supabase), окунемся в работу с MCP серверами… Вы освоите все, что нужно для построения качественных автоматизации.

И конечно же поговорим про принципы построения решений с LLM под капотом, которые позволят вам создавать по-настоящему "умных" агентов и не наступать на «новичковые грабли».

🎚️ Промокод действует до конца недели

Если у вас есть скепсис по поводу эры AI агентов, то загляните в комменты ко мне или какой-нибудь другой канал. Там много примеров 😃

Эти LLM-backed сущности уже тут. Вопрос только в том, используете ли их вы и приносит ли вам это ценность.

AI vs IT: кто победит на рынке труда в 2025?🤖

Откапал график, который будто бы прошел мимо всех)

IT-рынок в 2025 году - это история о двух трендах.

С одной стороны, общее количество IT-вакансий упало. С другой - спрос на специалистов по искусственному интеллекту и машинному обучению растёт, несмотря на общий спад.

Нашел статистику в этой любопытной статье (источник) с графиком вакансий в технологической сфере США.

Как четко видно по графику, после пандемии спрос на IT взлетел - в начале 2022 года вакансий было в 2 раза больше, чем в феврале 2020-го.

Но с конца 2022-го начался резкий спад, и сейчас IT-вакансий на 36% меньше, чем до пандемии 😂

Почему так случилось? Есть две основные версии:
1️⃣ Последствия бурного найма после пандемии и ужесточение экономических условий (рост ставок ФРС, общая стагнация рынка).
2️⃣ Влияние ИИ - автоматизация и новые технологии снижают потребность в ряде IT-специалистов.

Так кто же в итоге победит - AI или IT-спецы? На мой взгляд, выигрывают те, кто успеет адаптироваться и прокачать AI-навыки.

📈 А вы как думаете? Интересный график?)

✍️ Mikhail Shufutinsky typing

Агент или пайплайн? Разбираемся на пальцах 🤌

Понять, чем агент отличается от пайплайна - это первый шаг к созданию ИИ, который действительно умеет думать и принимать решения самостоятельно.

Из каждого утюга мы слышим слово «агент», но далеко не все агенты действительно агентны. Большинство - это просто скам пайплайны.

Агентность - это когда система сама решает, что делать дальше, исходя из результатов предыдущих действий. Это не просто «выполнить шаг 1, потом шаг 2», а гибкий, адаптивный процесс.

Как отличить?

☑️ Если после шага X заранее известно, что будет дальше - это пайплайн.
☑️ Если система сама выбирает следующий шаг - это агент.
☑️ Если выбор алгоритма жёстко прописан извне - это всё ещё пайплайн, пусть и с условиями.

Примеры:
Пайплайн:

sites = await search_google(query)
response = await generate_response(query, sites)
Всё просто и линейно.

Пайплайн с условием:

sites = await search_google(query)
if len(sites) < 10:
query = await optimize_user_query(query)
sites += await search_google(query)
response = await generate_response(query, sites)
Решение о ветвлении принимает программист, не ИИ.

Частичный агент:

sites = await search_google(query)
if not await check_enough_info(query, sites):
query = await optimize_user_query(query)
sites += await search_google(query)
response = await generate_response(query, sites)

Здесь модель решает, искать ли ещё, но порядок шагов фиксирован.

Настоящий агент:

state = {"query": query, "sites": []}

while "response" not in state:
action = await choose_next_step(state)
if action == "search_google":
state["sites"] += await search_google(state["query"])
elif action == "optimize_query":
state["query"] = await optimize_user_query(state["query"])
elif action == "generate_response":
state["response"] = await generate_response(state["query"], state["sites"])

Агент сам выбирает, что делать дальше, исходя из текущего состояния.

Как сделать агента надёжным?

Используйте структурированные описания действий и состояния - например, через pydantic. Это помогает модели лучше понимать, что от неё хотят, и выбирать следующий шаг. Такой подход называется Structured Guided Reasoning (SGR).

🔘 Мини-пример pydantic моделей

from pydantic import BaseModel
from typing import List, Literal, Optional, Union

class SearchGoogleAction(BaseModel):
action: Literal["search_google"]
query: str

class OptimizeQueryAction(BaseModel):
action: Literal["optimize_query"]
query: str

class GenerateResponseAction(BaseModel):
action: Literal["generate_response"]
query: str
sites: List[str]

AgentAction = Union[SearchGoogleAction, OptimizeQueryAction, GenerateResponseAction]

class AgentState(BaseModel):
query: str
sites: List[str] = []
response: Optional[str] = None

🔘 Краткий цикл агента с SGR

async def choose_next_step(state: AgentState) -> AgentAction:
if state.response:
return None
if not state.sites:
return SearchGoogleAction(action="search_google", query=state.query)
if len(state.sites) < 5:
return OptimizeQueryAction(action="optimize_query", query=state.query)
return GenerateResponseAction(action="generate_response", query=state.query, sites=state.sites)

Итоги:

✅ Агент - это не просто набор шагов, а система, которая сама выбирает, что делать дальше.
✅ Большинство «агентов» - на самом деле пайплайны.
✅ Структурированный подход с pydantic и SGR помогает создавать настоящих, гибких агентов.

Если интересно - могу поделиться еще более подробными примерами и другими продвинутыми патернами.

🧑🏻‍🎤ВБ украл твою идею виртуальной примерочной

С помощью новой функции можно примерить любую одежду на свою фигуру

В мобильном приложении можно найти кнопку «Посмотреть вещь на себе». Пока опция, разработанная на базе GenAI, тестируется, поэтому доступна не во всех карточках товаров.

Чтобы ей воспользоваться, нужно загрузить своё фото или сделать новое и посмотреть, как вещь будет сидеть на вас 🛍

Я уже писал про похожую штуку на Ozon. Видимо вот и ВБ до бежал 🦒

🎚️ Сколько раз вам самим приходила эта стартап-идея в голову?)