Яндекс открыл в Питере новое образовательное пространство — офлайн-площадку Школы анализа данных. Кто забыл, напомню: в ШАД крайне сложно поступить, но если осилить и дойти до финала – выйдешь хардовым спецом в DL и ML с кучей офферов.
Хорошая новость в том, что ребята начнут делать открытые мероприятия: будут делиться экспертизой с теми, кто занимается нейросетями, ML и AI и хочет проапгрейдить знания. Тизерят разные форматы – лектории, хакатоны, интенсивы и воркшопы от экспертов Яндекса и ведущих преподов Школы. И самые заряженные смогут вписаться в совместные с ШАДовцами учебные проекты, где нужны анализ данных, ML и AI.
Хорошая новость в том, что ребята начнут делать открытые мероприятия: будут делиться экспертизой с теми, кто занимается нейросетями, ML и AI и хочет проапгрейдить знания. Тизерят разные форматы – лектории, хакатоны, интенсивы и воркшопы от экспертов Яндекса и ведущих преподов Школы. И самые заряженные смогут вписаться в совместные с ШАДовцами учебные проекты, где нужны анализ данных, ML и AI.
👍18😁3
Forwarded from AB тесты и все вот про это вот все
Ребята из продуктовой аналитики Mail.ru в VK рассказали о своей расчетной архитектуре платформы для A/B-тестов Mail.Ru и ее недавнем обновлении, поделились опытом и инсайтами. Они создали архитектуру метрик для A/B-тестов, которая позволяет масштабировать сложность расчетов.
Сама статья - https://habr.com/ru/companies/vk/articles/781300/
Сама статья - https://habr.com/ru/companies/vk/articles/781300/
Функционал профессионального аналитика не ограничивается работой над продуктами с уже устоявшейся аудиторией и стабильной выручкой. Выгодным решением будет подключить его уже на Discovery фазе – это поможет увеличить долю эффективной работы над проектом и улучшить результаты по запуску.
Хорошим примером такого подхода стал кейс по рассылке спецпредложений на платформе Авито, которым поделилась продуктовый аналитик Мария Яблочникова.
Каким образом аналитики могут помочь на ранних этапах создания продукта?
✔️Оценив объем рынка, они определят потенциал продукта
✔️Сформулируют метрики, позволяющие команде оценить его эффективность и защитить продукт перед заинтересованными сторонами
✔️Определят целевую аудиторию для внедрения продукта и составят план поэтапного запуска
✔️Разработают систему логирования и построят архитектуру данных для отслеживания развития продукта и его состояния
✔️Исследуют и внедрят новые функции в продукт, а также проведут оценку его параметров
✔️Определят инкрементальность ценности продукта для бизнеса после того, как его начнут использовать регулярно
Хорошим примером такого подхода стал кейс по рассылке спецпредложений на платформе Авито, которым поделилась продуктовый аналитик Мария Яблочникова.
Каким образом аналитики могут помочь на ранних этапах создания продукта?
✔️Оценив объем рынка, они определят потенциал продукта
✔️Сформулируют метрики, позволяющие команде оценить его эффективность и защитить продукт перед заинтересованными сторонами
✔️Определят целевую аудиторию для внедрения продукта и составят план поэтапного запуска
✔️Разработают систему логирования и построят архитектуру данных для отслеживания развития продукта и его состояния
✔️Исследуют и внедрят новые функции в продукт, а также проведут оценку его параметров
✔️Определят инкрементальность ценности продукта для бизнеса после того, как его начнут использовать регулярно
❤2👍2
Ян Лекун - французский учёный в области информатики, специализирующийся на машинном обучении, компьютерном зрении, нейронных сетях и алгоритмах распознавания рукописного текста. Сейчас VP and Chief AI Scientist, Facebook
В новой лекции «Объектно-ориентированный ИИ: на пути к машинам, которые могут учиться, рассуждать и планировать» Ян Лекун рассматривает вопросы того как современные модели могут достигнуть уровня человеческого интеллекта
Например, интересная концепция, что модель может быть восприимчивой к состоянию внешней среды, в которой она действует. И инкрементально его «запоминать», соотнося свои действия с состоянием «внешнего мира» и предсказывая его следующее состояние
Также интересными мне показались слайды про авторегрессионные LLM и иерархическое планирование
Слайды: https://drive.google.com/file/d/1e6EtQPQMCreP3pwi5E9kKRsVs2NbWPrY/view?usp=drivesdk
Видео: https://www.youtube.com/watch?si=UeLf0MhMzjXcSCAb&v=d_bdU3LsLzE&feature=youtu.be
В новой лекции «Объектно-ориентированный ИИ: на пути к машинам, которые могут учиться, рассуждать и планировать» Ян Лекун рассматривает вопросы того как современные модели могут достигнуть уровня человеческого интеллекта
Например, интересная концепция, что модель может быть восприимчивой к состоянию внешней среды, в которой она действует. И инкрементально его «запоминать», соотнося свои действия с состоянием «внешнего мира» и предсказывая его следующее состояние
Также интересными мне показались слайды про авторегрессионные LLM и иерархическое планирование
Слайды: https://drive.google.com/file/d/1e6EtQPQMCreP3pwi5E9kKRsVs2NbWPrY/view?usp=drivesdk
Видео: https://www.youtube.com/watch?si=UeLf0MhMzjXcSCAb&v=d_bdU3LsLzE&feature=youtu.be
❤3
Запись 11го онлайн-митапа Авито по аналитике: https://www.youtube.com/watch?v=Uy1pertrnOQ
▫️ Специалист Авито Анна Москаленко рассказала о работе над пользовательским негативом. В чем он выражается и как его анализировать? Какова цена отписки? Спикер раскроет реальный опыт своей команды.
▫️ Эксперт из Яндекс.Карт Леонид Медников объяснил, как строить метрики качества данных на основе информации о миллионах компаний
▫️ Аналитик Samokat.tech Илья Лоладзе поделился, как при помощи эксперимента компании удалось расширить зоны экспресс-доставки.
▫️ Специалист Авито Анна Москаленко рассказала о работе над пользовательским негативом. В чем он выражается и как его анализировать? Какова цена отписки? Спикер раскроет реальный опыт своей команды.
▫️ Эксперт из Яндекс.Карт Леонид Медников объяснил, как строить метрики качества данных на основе информации о миллионах компаний
▫️ Аналитик Samokat.tech Илья Лоладзе поделился, как при помощи эксперимента компании удалось расширить зоны экспресс-доставки.
❤4👍1
Плейлист полезных видео с Yandex DataLens Festival 2023
https://www.youtube.com/playlist?list=PL1x4ET76A10YpUZsDCTEQ2oB7FhmQlmSb
https://www.youtube.com/playlist?list=PL1x4ET76A10YpUZsDCTEQ2oB7FhmQlmSb
👍4
Forwarded from Ах, этот Минфин (Olya Parkhimovich)
Изостатистика - одна из первых книг по инфографике
Так как мы решаем большую задачу «собрать бюджеты России за 100 лет», приходится часто искать новые источники исторических книг и документов. Одной из самых интересных находок стала книга И.П. Иваницкого «Изостатистика. Изобразительная статистика и венский метод», изданная в «Москве-Ленинграде» в 1932 году.
Изостатистика, как оказалось, примерно то же самое, что в современном мире называют «инфографикой», и что в книге зовется «количественной системой диаграммирования».
Книга описывает базовые принципы создания диаграмм, приводит большое количество примеров исторических инфографик и разбирает каждую из них.
К сожалению, книга черно-белая, но все равно уникальная.
Скачать книгу можно с сайта НЭБ (уникальный источник исторических книг): https://rusneb.ru/catalog/000199_000009_005073846/
#открытыеданные #инфографика #диаграммы
Так как мы решаем большую задачу «собрать бюджеты России за 100 лет», приходится часто искать новые источники исторических книг и документов. Одной из самых интересных находок стала книга И.П. Иваницкого «Изостатистика. Изобразительная статистика и венский метод», изданная в «Москве-Ленинграде» в 1932 году.
Изостатистика, как оказалось, примерно то же самое, что в современном мире называют «инфографикой», и что в книге зовется «количественной системой диаграммирования».
Книга описывает базовые принципы создания диаграмм, приводит большое количество примеров исторических инфографик и разбирает каждую из них.
К сожалению, книга черно-белая, но все равно уникальная.
Скачать книгу можно с сайта НЭБ (уникальный источник исторических книг): https://rusneb.ru/catalog/000199_000009_005073846/
#открытыеданные #инфографика #диаграммы
🔥10
NEWHR Data провела большое исследование продуктовых и дата-аналитиков. Среди прочего, спросили аналитиков, кого читают, слушают и смотрят респонденты.
На основе опроса составлен список из более чем 500 экспертов, телеграм-каналов, ютубов и подкастов:
https://newhr.org/tpost/b0ssrbz8k1-za-kem-sledyat-produktovie-i-data-analit
Приятно, что в этом списке оказался и @datalytx
На основе опроса составлен список из более чем 500 экспертов, телеграм-каналов, ютубов и подкастов:
https://newhr.org/tpost/b0ssrbz8k1-za-kem-sledyat-produktovie-i-data-analit
Приятно, что в этом списке оказался и @datalytx
🔥11👍3
Avito Analytics Meetup #12
Запись докладов доступна по ссылке 👆
Эксперты из AvitoTech и других крупных компаний разобрали кейсы аналитической поддержки при создании нового продукта, а также рассказали как и зачем анализируют обратную связь о товарах в ритейле и не только.
Темы докладов:
👉 Аналитика нового продукта «под ключ»;
👉 Обратная связь в «Пятёрочке»: как работают с оценками товаров;
⚡️ Секретный доклад.
Запись докладов доступна по ссылке 👆
Эксперты из AvitoTech и других крупных компаний разобрали кейсы аналитической поддержки при создании нового продукта, а также рассказали как и зачем анализируют обратную связь о товарах в ритейле и не только.
Темы докладов:
👉 Аналитика нового продукта «под ключ»;
👉 Обратная связь в «Пятёрочке»: как работают с оценками товаров;
⚡️ Секретный доклад.
❤4👍2
Forwarded from Если быть точным
У нас новости! Мы обновили каталог датасетов — теперь в нем есть 240 миллионов строк муниципальной статистики, 135 тысяч судебных дел об убийствах и данные о смертности с 1999 года
В начале декабря мы запустили каталог — раздел с открытыми данными, собранными в удобные машиночитаемые датасеты. С тех пор им воспользовались больше трех тысяч раз, а данные скачивали как журналисты, так и исследователи.
Сегодня мы открыли доступ к пяти новым датасетам — четыре из них не найти в других источниках.
◾️ Муниципальная статистика c 2005 года. Это самый детализированный источник о жизни россиян. Здесь численность населения, миграция, зарплаты, доходы и расходы местных бюджетов, финансовые результаты компаний и много чего еще — всего 546 показателей. Можно скачать как отдельный показатель, так и подборку по определенной теме.
◾️ Проекты конкурса Фонда президентских грантов c 2017 года. Все поданные за семь лет заявки с подробными описаниями и суммами, которую получили победители. Можно смотреть, как изменились приоритеты государственной грантовой поддержки в последние годы.
◾️ Коэффициенты смертности в регионах России. Мы собрали длинные ряды коэффициентов смертности от разных причин с 1999 года в разрезе регионов, пола и возрастных групп.
◾️ Дела и тексты судебных решений по статье 105 УК «Убийство». В этом датасете 135 тысяч судебных дел за восемь лет. Он поможет проанализировать, при каких обстоятельствах в России чаще всего совершаются убийства и что влияет на решение суда.
◾️ Численность населения в муниципальных образованиях и населенных пунктах с разбивкой на мужчин и женщин. Мы пересобрали итоги переписи в удобный для работы формат плоской таблицы. А еще обогатили данными сервиса DaData о географических координатах муниципальных образований и населенных пунктов.
⚫️ Если у вас есть пожелания по форматам данных или новым наборам — напишите в чат. Ваши замечания мы учтем в новых обновлениях. Чтобы у нас получилось собирать больше датасетов — поддержите нас. Это можно сделать через Boosty или Patreon.
В начале декабря мы запустили каталог — раздел с открытыми данными, собранными в удобные машиночитаемые датасеты. С тех пор им воспользовались больше трех тысяч раз, а данные скачивали как журналисты, так и исследователи.
Сегодня мы открыли доступ к пяти новым датасетам — четыре из них не найти в других источниках.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍15🔥8
Напоминаю, что помимо канала, в который я размещаю рекламу и периодически информативные репосты, у меня еще есть канал, где я делюсь разным про рабочие процессы, управление, философию, сложность систем и в особенности антропоцентричных систем
Например, недавно написал там пост про списки должностных обязанностей (ака job denoscriptions) и про то, что важно выходить за их рамки
Из более технического – пост про парадокс Джевонса и AI
В общем, если у вас есть желание читать длинные размышления о материях, из которых состоит наша жизнь – добро пожаловать в канал
Например, недавно написал там пост про списки должностных обязанностей (ака job denoscriptions) и про то, что важно выходить за их рамки
Из более технического – пост про парадокс Джевонса и AI
В общем, если у вас есть желание читать длинные размышления о материях, из которых состоит наша жизнь – добро пожаловать в канал
🤖 AI и SQL: союзники или конкуренты в аналитике данных? 📊
Оригинал: https://benn.substack.com/p/llms-shouldnt-write-sql от Benn Stancil
Benn рассуждает о роли AI в аналитике и его взаимодействии с SQL. Ключевой вопрос - смогут ли LLM полноценно заменить SQL в качестве основного интерфейса для запросов к данным? 🤔
Автор выделяет 2 типа анализа данных:
1️⃣ "Пользовательский" - когда уже известны метрики, KPI, есть структура виджетов и дашбордов. Тут уже сейчас используются BI-tools типа drag-n-drop с SQL "под капотом"
2️⃣ "Исследовательский" - разработка новых метрик и сложных ad-hoc запросов аналитиками в SQL/Python. Со сложными join и оконными функциями, часто не поверх витрин, а на базе raw data
Перспективы применения AI в первом типе:
✅ NLP-интерфейс для BI-tools, "переводящий" вопросы на естественном языке в SQL-запросы через data model.
❌ А вот прямая генерация SQL по вопросу без data model чревата ошибками и галлюцинациями.
Второй тип анализа требует точности и гибкости SQL, поэтому генерацию полных запросов из описаний на естественном языке Benn считает утопией. 😥
💡 Идеальный сценарий на стыке AI и SQL, по мнению автора - генерация корректных запросов из "псевдокода", где аналитик задает логику на SQL вперемешку с описанием деталей на английском. Тот же принцип, что в генеративном AI для графики - дорисовка по наброску.
👍 Такой гибридный подход позволит аналитикам писать запросы быстрее и абстрагироваться от технических деталей, сохраняя точность. А AI станет "суперсилой" аналитика, а не его заменой.
Вывод: SQL и AI будут не конкурировать, а дополнять друг друга, давая аналитикам новые суперспособности. 🦸♂️ Но для полной замены SQL "общением" с AI нужен большой прогресс в алгоритмах и архитектурах.
Оригинал: https://benn.substack.com/p/llms-shouldnt-write-sql от Benn Stancil
Benn рассуждает о роли AI в аналитике и его взаимодействии с SQL. Ключевой вопрос - смогут ли LLM полноценно заменить SQL в качестве основного интерфейса для запросов к данным? 🤔
Автор выделяет 2 типа анализа данных:
1️⃣ "Пользовательский" - когда уже известны метрики, KPI, есть структура виджетов и дашбордов. Тут уже сейчас используются BI-tools типа drag-n-drop с SQL "под капотом"
2️⃣ "Исследовательский" - разработка новых метрик и сложных ad-hoc запросов аналитиками в SQL/Python. Со сложными join и оконными функциями, часто не поверх витрин, а на базе raw data
Перспективы применения AI в первом типе:
✅ NLP-интерфейс для BI-tools, "переводящий" вопросы на естественном языке в SQL-запросы через data model.
❌ А вот прямая генерация SQL по вопросу без data model чревата ошибками и галлюцинациями.
Второй тип анализа требует точности и гибкости SQL, поэтому генерацию полных запросов из описаний на естественном языке Benn считает утопией. 😥
💡 Идеальный сценарий на стыке AI и SQL, по мнению автора - генерация корректных запросов из "псевдокода", где аналитик задает логику на SQL вперемешку с описанием деталей на английском. Тот же принцип, что в генеративном AI для графики - дорисовка по наброску.
👍 Такой гибридный подход позволит аналитикам писать запросы быстрее и абстрагироваться от технических деталей, сохраняя точность. А AI станет "суперсилой" аналитика, а не его заменой.
Вывод: SQL и AI будут не конкурировать, а дополнять друг друга, давая аналитикам новые суперспособности. 🦸♂️ Но для полной замены SQL "общением" с AI нужен большой прогресс в алгоритмах и архитектурах.
benn.substack
LLMs shouldn’t write SQL
There's no direct path from a business question to a useful query.
🔥6👍3🤯1
Читаю я тут пост "Build Lines, Not Dots". Ключевая мысль там о том, что доверие инвесторов по отношению к стартапу сильно зависит от восприятия инвесторами последовательного роста и ощущения динамики, сдобренной грамотным принятием решений
То есть по сути надо создать картинку, что мы а) растим метрики б) этот рост обсуловлен нашим целеполаганием и действиями
А значит стартапер должен на любой стадии отношений уметь создавать сторилайн, который отображает ключевые точки роста компании, связывая их в линии. И вот это «связывание в линии» — важное качество не только для фаундеров, но и для аналитиков
👨🏫 Можно заменить «инвестора» на «стейкхолдера». То есть любую персону, которой вы презентуете результат аналитики (продакт, CPO, CEO, руководитель аналитики). Представляя информацию стейкхолдерам, аналитики должны фокусироваться не на единичных "точках", а выстраивать "линии". Каждая встреча, каждый инсайт - это точка. Но объединяя их в линию, мы показываем динамику, изменения, тренды. 📈
🤝 Инвесторы формируют доверие, когда видят последовательный прогресс, а не разрозненные факты. Так и аналитик должен стремиться выстроить доверие у заказчика, демонстрируя связь между инсайтами, показывая движение к некоторой цели.
💡 Но инсайты - это еще не все. Важно давать actionable recommendations: что конкретно нужно сделать, основываясь на данных и анализе? Какие шаги предпринять? Так решения будут приниматься быстрее.
🌉 Между аналитиком и стейкхолдером должен выстраиваться "мост" доверия и взаимопонимания. Через последовательные качественные инсайты, через регулярное общение, через понимание и удержание в картинке аналитика целей бизнеса. 🤝
🧘♂️ Быть аналитиком - это искусство балансировать между наукой и творчеством, объективностью и эмпатией, деталями и большой картиной. Совмещая эти роли, мы становимся по-настоящему ценными для бизнеса.
Вот такой путь от точек - к линиям, от разрозненных фактов - к пониманию и действиям. Каждый аналитик способен пройти его - было бы желание! 😉
То есть по сути надо создать картинку, что мы а) растим метрики б) этот рост обсуловлен нашим целеполаганием и действиями
А значит стартапер должен на любой стадии отношений уметь создавать сторилайн, который отображает ключевые точки роста компании, связывая их в линии. И вот это «связывание в линии» — важное качество не только для фаундеров, но и для аналитиков
👨🏫 Можно заменить «инвестора» на «стейкхолдера». То есть любую персону, которой вы презентуете результат аналитики (продакт, CPO, CEO, руководитель аналитики). Представляя информацию стейкхолдерам, аналитики должны фокусироваться не на единичных "точках", а выстраивать "линии". Каждая встреча, каждый инсайт - это точка. Но объединяя их в линию, мы показываем динамику, изменения, тренды. 📈
🤝 Инвесторы формируют доверие, когда видят последовательный прогресс, а не разрозненные факты. Так и аналитик должен стремиться выстроить доверие у заказчика, демонстрируя связь между инсайтами, показывая движение к некоторой цели.
💡 Но инсайты - это еще не все. Важно давать actionable recommendations: что конкретно нужно сделать, основываясь на данных и анализе? Какие шаги предпринять? Так решения будут приниматься быстрее.
🌉 Между аналитиком и стейкхолдером должен выстраиваться "мост" доверия и взаимопонимания. Через последовательные качественные инсайты, через регулярное общение, через понимание и удержание в картинке аналитика целей бизнеса. 🤝
🧘♂️ Быть аналитиком - это искусство балансировать между наукой и творчеством, объективностью и эмпатией, деталями и большой картиной. Совмещая эти роли, мы становимся по-настоящему ценными для бизнеса.
Вот такой путь от точек - к линиям, от разрозненных фактов - к пониманию и действиям. Каждый аналитик способен пройти его - было бы желание! 😉
🔥7👍4❤1
Появились записи с A/B platform meetup от команды СберМаркета
🟡 Система автоматического расчёта А/В тестов. Рамиль Чермантеев, руководитель команды аналитиков-инженеров платформы экспериментов СберМаркета, рассказал, что автоматический расчет из себя представляет и с какими трудностями ребята столкнулись при его развитии.
🔴 Как привести эффекты от A/B-экспериментов к масштабу всей компании? Артем Дронов, аналитик АВ-платформы, Авито, поделился методологией приведения и оценки результатов экспериментов к масштабу всей компании.
🔵 Система офлайн-экспериментов. Полина Ревина, и.о. руководителя A/B-платформы в СберМаркете, рассказала о свитчбэк-тестах и тестах в магазинах, сплитование для которых делается офлайн.
🟡 Open Talks: Как развивать и масштабировать платформы и процесс проведения экспериментов. Модератор дискуссии со спикерами – Искандер Мирмахмадов, co-founder EXPF.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍4❤2🔥1
Запись стрима «Как проходит собеседование на продуктового аналитика в Авито?»
Вместе с Вовой Камчаткиным, продуктовым аналитиком в компании inDrive, увидите, какие вызовы и задачи ждут вас и как к ним лучше подготовиться
Самое интересное:
Рассказ про опыт и вопросы: SQL, Python, ML, продуктовые кейсы
Пример задачи со сложными аналитическими подходами
Техническая задача про кубик (теорвер)
Продуктовый кейс на примере Telegram
Фидбек Вове по итогам собеседования по матрице компетенций аналитиков Авито
Вместе с Вовой Камчаткиным, продуктовым аналитиком в компании inDrive, увидите, какие вызовы и задачи ждут вас и как к ним лучше подготовиться
Самое интересное:
Рассказ про опыт и вопросы: SQL, Python, ML, продуктовые кейсы
Пример задачи со сложными аналитическими подходами
Техническая задача про кубик (теорвер)
Продуктовый кейс на примере Telegram
Фидбек Вове по итогам собеседования по матрице компетенций аналитиков Авито
YouTube
Собеседование продуктового аналитика в Авито
4 апреля показали, как строится собеседование аналитика в Авито: были реальные вопросы, задачи и кейсы, развернутый фидбек. Вместе с кандидатом слушатели отвечали на вопросы интервьюера в чате и задали свои.
Таймкоды:
00:00 | Начало трансляции
3:57 | Приветствие…
Таймкоды:
00:00 | Начало трансляции
3:57 | Приветствие…
❤2
Forwarded from Data Nature 🕊 (Alexandr Barakov)
BI Adoption Guide.pdf
12.9 MB
Размышлял над темой год и пора упаковать и переключится.
Еще родился шаблон для воркшопа, чтоб самим провести анализ в команде.
Кому эта тема интересна пишите и приходите на курс по BI стратегии в мае.
Там это все обсудится и пошарится
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7
Forwarded from Чартомойка (Aleksandr Bogachev)
Это очень вдохновляюще. Выход из рутины, работа на вечные ценности, вот это всё
https://vc.ru/design/112303-veb-dizayner-prevrashchaet-starinnye-knigi-i-broshyury-19-veka-v-interaktivnye-sayty
via
https://vc.ru/design/112303-veb-dizayner-prevrashchaet-starinnye-knigi-i-broshyury-19-veka-v-interaktivnye-sayty
via
vc.ru
Веб-дизайнер превращает старинные книги и брошюры 19 века в интерактивные сайты — Дизайн на vc.ru
Среди работ Николаса Руже — гид Вернера по основным цветам, встречающимися в природе, интерактивный учебник геометрии «Начала» Евклида и реставрация ботанической энциклопедии «Иллюстрации естественного порядка растений».
❤4🔥4
Недавно прочитал у Романа Нестера пост «Прощай, объективность» про то, что OpenAI планирует внедрить в ChatGPT рекламу и продвижение "партнерского" контента от избранных издателей
При условии, что эта задумка реализуется, высок риск, что ответы модели будут смещены в сторону маркетинговых интересов спонсоров. И это вызывает некоторые опасения, что реклама, интегрированная в ответы ChatGPT, будет казаться органичной частью ответа, и не вся «маркетинговая выдача» будет явно промаркирована как реклама. Тем самым это по сути усиливает манипулятивный потенциал такого ответа от LLM и скрытое влияние на пользователей.
В целом, такой шаг довольно-таки ожидаем и неизбежен. Не хочу звучать как левак, но прозвучу как типичный левак: это закономерный шаг в логике капиталистической системы, задача которой подчинять сущности некоторому императиву прибыли. ИИ-сервисы пойдут таким же путем как и в своё время поисковые системы — включать рекламу для того, чтобы окупить операционные издержки
Кажется в этой же логике может находится и открытие доступа всем желающим к GPT-4o. Видимо, в юнит-экономике монетизация через рекламу потенциально приносит существенно больше, чем платная подписка
Интересно пофантазировать к чему это вообще может привести. Увидим ли мы LLM, в которой будет через аукционную модель реализовываться возможность для рекламодателей изменять веса выходного слоя? То есть не просто рекламные вставки, а непосредственное подмешивание рекламного контента в результаты генерации. В теории это возможно, хотя и сложно, а ещё вызывает кучу этических вопросов
Я думаю, что всё это будет иметь ряд долгосрочных последствий. Попробую попрогнозировать и пофантазировать:
1. Дерьмофикация (такой новоязовский термин действительно существует) ИИ-сервисов — мы все больше будем видеть растущий класс пользователей, которые будут ругаться на обилие рекламы и «раньше было лучше»
2. Попытки со стороны регуляторов явно промаркировать рекламный контент, а также создать рамки, которые призваны бороться с манипулирование поведением потребителя через ИИ
3. Модели ИИ будут обучаться за счет данных, предоставляемых рекламодателями (возможно, как часть сделки). Что в перспективе приведет к тому, что качество моделей будет находится в некоторой корреляции от количества рекламодателей
4. Создание инструментов, которые позволяли бы проверять «объективность» ответов от ИИ — то есть нужны будут какие-то алгоритмы, чтобы чекать некоторый bias моделей в сторону наличия рекламного контента (тут можно дальше уйти и вообще пофантазировать о том, что появятся анализаторы контента, которые будут определять некоторое «намерение» самого контента по отношению к пользователю, например, чтобы чекать политическую пропаганду)
5. Появление аналога адблокеров для LLM
6. Рост open-source моделек как попытки сделать «чистый ИИ». Но тут вопрос опять же о том, что такое этот самый «чистый ИИ» и как может быть ИИ вне идеологии. То есть фантазии об объективном ИИ — это всегда будут некие фантазии на тему объективности, а не объективность
7. Разные виды API. Если OpenAI предложит два вида API - с рекламными механизмами и без них - то вторые могут стоить существенно дороже. Это повысит порог входа и затраты на ИИ для бизнеса.
Внедрение рекламы в ИИ-сервисы, подобно поисковым системам, неизбежно повлечёт за собой значительные изменения в их функционировании и восприятии пользователями. Тут возникает много этических вопросов и открывает путь к новому витку борьбы за "чистый" и объективный контент (хах, верните старый интернет по диалапу). Так что в будущем мы точно ещё увидим интересные события в ходе балансирования между коммерциализацией и прозрачностью и объективностью.
Больше про ИИ читайте у меня в AI FORGE
При условии, что эта задумка реализуется, высок риск, что ответы модели будут смещены в сторону маркетинговых интересов спонсоров. И это вызывает некоторые опасения, что реклама, интегрированная в ответы ChatGPT, будет казаться органичной частью ответа, и не вся «маркетинговая выдача» будет явно промаркирована как реклама. Тем самым это по сути усиливает манипулятивный потенциал такого ответа от LLM и скрытое влияние на пользователей.
В целом, такой шаг довольно-таки ожидаем и неизбежен. Не хочу звучать как левак, но прозвучу как типичный левак: это закономерный шаг в логике капиталистической системы, задача которой подчинять сущности некоторому императиву прибыли. ИИ-сервисы пойдут таким же путем как и в своё время поисковые системы — включать рекламу для того, чтобы окупить операционные издержки
Кажется в этой же логике может находится и открытие доступа всем желающим к GPT-4o. Видимо, в юнит-экономике монетизация через рекламу потенциально приносит существенно больше, чем платная подписка
Интересно пофантазировать к чему это вообще может привести. Увидим ли мы LLM, в которой будет через аукционную модель реализовываться возможность для рекламодателей изменять веса выходного слоя? То есть не просто рекламные вставки, а непосредственное подмешивание рекламного контента в результаты генерации. В теории это возможно, хотя и сложно, а ещё вызывает кучу этических вопросов
Я думаю, что всё это будет иметь ряд долгосрочных последствий. Попробую попрогнозировать и пофантазировать:
1. Дерьмофикация (такой новоязовский термин действительно существует) ИИ-сервисов — мы все больше будем видеть растущий класс пользователей, которые будут ругаться на обилие рекламы и «раньше было лучше»
2. Попытки со стороны регуляторов явно промаркировать рекламный контент, а также создать рамки, которые призваны бороться с манипулирование поведением потребителя через ИИ
3. Модели ИИ будут обучаться за счет данных, предоставляемых рекламодателями (возможно, как часть сделки). Что в перспективе приведет к тому, что качество моделей будет находится в некоторой корреляции от количества рекламодателей
4. Создание инструментов, которые позволяли бы проверять «объективность» ответов от ИИ — то есть нужны будут какие-то алгоритмы, чтобы чекать некоторый bias моделей в сторону наличия рекламного контента (тут можно дальше уйти и вообще пофантазировать о том, что появятся анализаторы контента, которые будут определять некоторое «намерение» самого контента по отношению к пользователю, например, чтобы чекать политическую пропаганду)
5. Появление аналога адблокеров для LLM
6. Рост open-source моделек как попытки сделать «чистый ИИ». Но тут вопрос опять же о том, что такое этот самый «чистый ИИ» и как может быть ИИ вне идеологии. То есть фантазии об объективном ИИ — это всегда будут некие фантазии на тему объективности, а не объективность
7. Разные виды API. Если OpenAI предложит два вида API - с рекламными механизмами и без них - то вторые могут стоить существенно дороже. Это повысит порог входа и затраты на ИИ для бизнеса.
Внедрение рекламы в ИИ-сервисы, подобно поисковым системам, неизбежно повлечёт за собой значительные изменения в их функционировании и восприятии пользователями. Тут возникает много этических вопросов и открывает путь к новому витку борьбы за "чистый" и объективный контент (хах, верните старый интернет по диалапу). Так что в будущем мы точно ещё увидим интересные события в ходе балансирования между коммерциализацией и прозрачностью и объективностью.
Больше про ИИ читайте у меня в AI FORGE
👍7