Вже за тиждень зустрінемося з Аліною Ігнатюк, щоб дізнатися "How AI is reshaping product innovation in big enterprises" 😎

Чому про це розповість саме Аліна?

📍Працювала з Fractal, EPAM, Nielsen та Simporter
📍Останні 15 років займається створенням й реалізацією АІ-стратегій та SaaS-платформ на основі АІ для компаній, що входять до Fortune 500
📍Серед її клієнтів: Danone, Avon, Clorox, Mars, Regeneron, P&G та інші
📍Вела масштабні корпоративні проєкти з АІ- та data-трансформації у секторах CPG, фармацевтики та ритейлу
📍Наразі будує автономну product discovery платформу на основі АІ для стартапу, що базується в США

Наприкінці мітапу матимеш чітке уявлення сучасної ролі Data Scientist у тандемі з АІ, й зрозумієш, як створювати рішення, що пройдуть випробування часом.

А твої ідеї FMCG-продуктів нарешті займуть полички в серцях цільової аудиторії.

😉 Чекаємо саме на тебе! Квитки розлітаються, тож бронюй свій прямо зараз! Побачимося 30-го липня о 19:00 за київським часом 👋🏻

Google створив АІ, який «відновлює» давньоримські написи 📜 😦

Розшифровувати древні написи – заняття не з простих. Камінь стертий, частини фраз загублені, а самі об’єкти давно розкидані по світу.

Саме тому команда Google DeepMind разом із істориками представили Aeneas ("Еней") – АІ, що не просто розпізнає текст, а й підказує, коли, де і ким він був створений. Його натренували на 200k історичних написів із 16 млн символів 🫨

Що вміє Aeneas?
🔹 Визначає місце та дату напису (з точністю до 13 років)
🔹Пропонує варіанти слів, що могли б бути на місці втрачених
🔹Знаходить схожі написи в базі, щоб краще зрозуміти контекст

😮 У тесті на написах про імператора Августа, Aeneas назвав ті ж дати, про які ще досі сперечаються вчені.

23 історики вже протестували інструмент – 90% кажуть, що це реально допомогло їхній роботі.

Якщо АІ може допомогти з давньоримськими фрагментами II століття до н.е., то точно зможе розібратися з твоїм кодом legacy-мікросервісу 😅

Історія про те, як шпак став носієм PNG-зображення качки на 176 кілобайтів 😲

Блогер і музикант Бенн Джордан вирішив перевірити, наскільки реально використати птаха як фізичне сховище даних. Так-так, буквально 👀

📍Що відбулося:
Джордан записав звук, створений на основі спектрального зображення PNG-файлу качки (176 КБ), і кілька разів відтворив його шпаку, який вихований людьми з дитинства.

Птах не намагався скопіювати звук одразу, зате згодом, вдома, аналізуючи гігабайти запису птаха, на спектрограмі автор помітив: шпак відтворив фрагмент звуку, підтвердженням цього є малюнок качки на частотній шкалі.

З технічної точки зору:

1️⃣ Птах проспівав сигнал у тому самому частотному діапазоні, ефективно "передавши" 176 КБ сирих даних.

2️⃣ Якщо використати стиснення 10:1 – отримаємо до 2 МБ/с передачі.

3️⃣ Щоб "передивитися" всі 8 фільмів про Гаррі Поттера таким способом – шпак мусив би співати 33 години без перерви 😅

Юзери в Reddit та YouTube вже жартують про новий "природний" протокол передачі даних і потенційний бекап на випадок цифрового апокаліпсису. А дехто порівнює це з голосовими сигналами переспівниць в «Голодних іграх» 🌝

Що ви думаєте з цього приводу?

P.S. Ти ж пам'ятаєш, що ми тебе чекаємо 30 липня о 19:00 на нашому онлайн-мітапі "How AI is reshaping product innovation in big enterprises"
Залишилося 10 квитків, тому встигни вхопити свій!

OpenAI навчає ChatGPT розпізнавати ваші нервові зриви (і натякає: менше залипайте в чат) 😬

OpenAI готує ґрунт перед релізом GPT-5 – і вже запускає зміни в ChatGPT, щоб покращити “здорове використання” АІ, аби ви не залипали у ньому годинами, не залежали емоційно від бота і не питали його, чи звільнятись після складної розмови з менеджером 😶‍🌫️

Отож, з оновлень:

🗝 ChatGPT почав краще розпізнавати ознаки ментального виснаження чи дистресу.

🗝 Якщо щось іде не так – він може делікатно порадити звернутись до ресурсів з доказовою базою.

🗝 Модель більше не буде давати прямі відповіді на особисті питання типу “змінювати роботу чи ні?” – лише допомагати структурувати думки.

🗝 OpenAI залучили 90+ експертів (психіатри, педіатри, терапевти), щоб навчити ChatGPT краще реагувати в чутливих ситуаціях і не давати шкідливих порад.

Що ж, тепер ChatGPT не просто каже, що робити, а ще й запитує, чи ви добре виспались 👀

🎓 OBRIO надає гранти на IT-магістратуру в SET University!

Хочеш отримати престижну IT-освіту та старт або розвиток у технологічній індустрії?

Українська продуктова ІТ-компанія OBRIO та SET University запускають унікальну соціальну ініціативу — іменні гранти для майбутніх студентів магістратури.
OBRIO надає грант у розмірі 520 тис. грн.

Завдяки цьому троє вступників у 2025 році отримають фінансове покриття навчання на магістратурі SET University:
- ШІ та стратегічне лідерство в технологіях — 100%
- Компʼютерні науки: Інноваційна інженерія — 50%
- Компʼютерні науки: ШІ та хмарна інженерія — 50%

💡 Пріоритет — для молоді з малих громад, деокупованих територій, ветеранів, людей з інвалідністю та тих, хто втратив батьків через війну.

Магістерські програми поєднують глибоку технічну експертизу, роботу з технологіями майбутнього та мʼякі навички, які не замінить ШІ — саме те, що цінується на ринку та в топових компаніях сьогодні.

Тому гранти — не просто фінансова підтримка, а інвестиція у майбутнє українських інженерів, лідерів і засновників стартапів.

❗️Дедлайн реєстрації — 10 серпня, тому поспішай!

GEPA: новий "еволюційний" оптимізатор підказок, який обходить RL у власній грі 🫣

Дослідники з Berkeley, Stanford, MIT та Databricks представили GEPA – алгоритм Reflective Prompt Evolution, який оптимізує LLM-системи не через важкі тисячі rollouts у стилі Reinforcement Learning, а за допомогою “мовних роздумів” і генетичної еволюції підказок.

🔍 Як це працює:

GEPA дивиться на роботу всієї системи (chain-of-thought, виклики інструментів, помилки), викликає цю ж LLM та за допомогою неї описує, що пішло не так, звичайною людською мовою.

Потім пропонує нову версію промпту, комбінує кращі рішення з різних спроб та при цьому всьому зберігає межу Pareto - набір промптів, які найкраще підходять принаймні для одного навчального прикладу.

І як результат – швидке навчання з мінімумом запусків.

👉🏻 З цікавого те, що на чотирьох бенчмарках (HotpotQA, IFBench, HoVer, PUPA) GEPA обійшов GRPO до +10.1% точності, використавши до 35× менше повних проходів системи.

👉🏻 Проти MIPROv2 – +14% у середньому, і ще й промпти у 9 разів коротші.

👉🏻 Показав потенціал і в генерації високопродуктивного коду для GPU та NPU.

GEPA виглядає як must-have для оптимізації агентів, коли рахунок іде на сотні ітерацій виконання, а не сотні тисяч. Якщо так піде далі – RL може залишитися “олдскулом” для дуже специфічних кейсів 👀

🤖 AI-агенти: пустий хайп, міф чи нові колеги по роботі?

Агентів обговорюють усі, але без відповіді лишається одне питання: вони реально допомагають бізнесу чи це лише красива теорія?

Ми розклали все по поличках на Hackernoon і ділимося кількома інсайтами тут:

🔹 Агент ≠ будь-яка LLM. Це система з пам’яттю, можливістю планувати, доступом до тулзів й логікою перевірки результату.
🔹 LangGraph і CrewAI дозволяють будувати складні пайплайни, де агенти ділять контекст і працюють паралельно.
🔹 У продакшені агенти вже оптимізують роботу фінансистів (економія до $20k/міс), команд підтримки (відповіді швидші у 4 рази) і DevOps (авто-моніторинг та реакція за секунди).

А ще вони реально допомагають ML-командам: зберігають історію експериментальних прогонів моделей, впорядковують інформацію у Slack та нотатках, і дозволяють зосередитися на гіпотезах замість рутини.

👉 Хочеш більше деталей і прикладів? Читай повну статтю на Hackernoon