Преждевременные смерти китайских AI-учёных (2022-2025)

В SCMP (Alibaba) вышел материал про серию неожиданных смертей ученых в Китае, которые занимались исследованиями в области ИИ.

🧠 Индустриальный контекст
Интересен профессиональный профиль погибших — все работали в стратегически важных направлениях:

- Компьютерное зрение — ключевая технология для систем наблюдения и автономных транспортных средств

- Военные AI-приложения — критический компонент современных оборонных технологий

- Медицинский ИИ — высококонкурентная область с огромным коммерческим потенциалом

🔄 Факторы давления в китайской AI-индустрии

Сверхскоростной цикл разработки — идеи устаревают ещё до завершения экспериментов

Конкуренция на опережение — публикация результатов становится гонкой с нулевой суммой

Этические дилеммы — моральная ответственность за потенциальные социальные последствия

Геополитический контекст — стресс от восприятия работы как части технологической войны

Практический вывод для технологических компаний:

Необходимы программы профилактики выгорания сотрудников и регулярный мониторинг здоровья, особенно для ключевых разработчиков.

Всех в санатории у моря. Прогулки в сосновом бору между митапами.
И РЭБ.

#SCMP #Китай #стресс #выгорание
——-
@tsingular

Unsloth выпустил руководство по датасетам для файнтюнинга языковых моделей

Создание качественного датасета — ключевой момент в успешном файн-тюне.
Правильно подготовленные данные определяют, насколько хорошо модель усвоит нужные навыки и специализацию.

Основные форматы данных

Четыре ключевых типа датасетов:
📝 Raw Corpus — необработанный текст для продолжения предобучения (CPT)
🎯 Instruct — инструкции и примеры ожидаемого результата для SFT
💬 Conversation — диалоги между пользователем и AI для SFT
🔄 RLHF — диалоги с ранжированием ответов для обучения с подкреплением

Подготовка перед форматированием
Определите цель датасета
- Адаптация модели к конкретной задаче (суммаризация, Q&A)
- Обучение для специфической области (медицина, финансы)
- Настройка на определенный стиль общения

Выберите стиль вывода
Формат: JSON, HTML, код, текст
Язык: испанский, английский, русский и т.д.

Найдите источники данных
- Hugging Face, Wikipedia для готовых наборов
- Специализированные CSV, PDF или веб-ресурсы
- Синтетически сгенерированные данные

Форматы данных под разные задачи
Для предобучения (CPT):

{
  "text": "Pasta carbonara is a traditional Roman pasta dish. The sauce is made by mixing raw eggs with grated Pecorino Romano cheese and black pepper..."
}

Для инструкций (Alpaca style):

{
  "Instruction": "Task we want the model to perform.",
  "Input": "Optional user query.",
  "Output": "The expected result."
}

Для диалогов (ChatML):

{
  "conversations": [
    {
      "from": "human",
      "value": "Can you help me make pasta carbonara?"
    },
    {
      "from": "gpt",
      "value": "Would you like the traditional Roman recipe..."
    }
  ]
}

Hugging Face формат:

{
  "messages": [
    {
      "role": "user",
      "constant": "What is 1+1?"
    },
    {
      "role": "assistant",
      "value": "It's 2!"
    }
  ]
}

Генерация синтетических данных
Используйте мощные LLM (Llama 3.3 70B, GPT-4.5) для создания дополнительных примеров. Это помогает:

- Расширить существующий датасет
- Диверсифицировать данные, предотвращая переобучение
- Автоматически структурировать данные в нужном формате

Особенности мультимодальных моделей
Для моделей с возможностью обработки изображений (например, Llama 3.2 Vision):

[
  { 
    "role": "user",
    "content": [
      {"type": "text", "text": "You are an expert radiographer..."},
      {"type": "image", "image": image_data}
    ]
  },
  {
    "role": "assistant",
    "content": [
      {"type": "text", "text": "This radiograph shows..."}
    ]
  }
]

Практические советы

📊 Минимальный размер датасета: 100+ записей, оптимально 1000+
🧠 Для моделей с рассуждением: включайте в ответы пошаговое объяснение
🔄 Многократный файн-тюнинг: лучше объединить все датасеты и обучить за один раз

Качественная подготовка данных — это 80% успеха файн-тюнинга.
Иначе количество попыток может уйти в бесконечность.

#Unsloth #finetuning #datasets
———
@tsingular

Дорогой Дедушка Мороз!
Пишет тебе мальчик 45ти годиков...

:)

(Apple Mac Studio M3 Ultra 512GB/8TB (MU973FN/A-CPU32-GPU80-512GB-8TB))

#железо #юмор
———
@tsingular

n8n выпустили в релиз 1.88

В релизе помимо MCP клиент-серверных нод и поддержки Milvus, добавили Think tool, который позволяет запустить гарантированные рассуждения в моделях.

Обновляемся.

#n8n #think #переводы
———
@tsingular

Виртуальное сообщество: 1000 ИИ-агентов в экосистеме Minecraft

Исследователи поместили тысячу искусственных интеллектов в мир Minecraft для наблюдения за формированием цифрового сообщества.

Виртуальные агенты демонстрировали самоорганизацию, создавая структурированные поселения и развивая примитивную экономику обмена.

Наблюдалось спонтанное возникновение иерархий и специализаций среди ИИ-существ без прямого программирования такого поведения.

Некоторые агенты занимались добычей ресурсов, другие строительством, а третьи выполняли защитные функции.

Данное исследование открывает новые перспективы для понимания эволюции сложных социальных систем и моделирования человеческих сообществ.

Следующий шаг — создать цифровой двойник каждого государства и моделировать поведение общества для тестирования социальных и политических гипотез.

#Minecraft #social
———
@tsingular

🤖 OpenAI представляет свежие гайды по внедрению ИИ в бизнес

Что такое ИИ-агенты и когда их создавать
OpenAI определяет агентов как системы, которые могут самостоятельно выполнять многоэтапные задачи. По сути — это LLM с "руками" (API и функциями) и четкими инструкциями.

Самое важное здесь — агенты нужны там, где традиционная автоматизация не справляется:
• Сложные рабочие процессы с определёнными мелкими шагами
• Запутанные правила, которые сложно поддерживать
• Работа с неструктурированными данными
Технически это симбиоз трёх компонентов:
• Базовая модель (предлагают начинать с мощной, оптимизировать потом! Обычно все делают наоборот)
• Инструменты (API для получения данных и действий)
• Чёткие инструкции (пошаговые, без двусмысленностей)

Архитектура агентов
Разделяют два основных подхода:
• Single-agent: начинаем с одного агента, постепенно добавляем инструменты
• Multi-agent: когда становится сложно, подключаем либо центрального "Менеджера", либо децентрализованную систему передачи задач

Не забыли про защиту: OpenAI рекомендует многоуровневую оборону с классификаторами, фильтрами PII и триггерами для передачи задачи на контроль человеку.

Как найти применимость ИИ в бизнесе
OpenAI выделяет три главных направления:
• Автоматизация рутины (очевидно)
• Преодоление дефицита навыков (усиление возможностей существующих команд)
• Навигация в условиях неопределенности (катализатор идей и анализа)

И шесть базовых примитивов использования:
• Создание контента
• Исследования
• Стратегия/генерация идей
• Анализ данных
• Программирование
• Автоматизация

Приоритезация по матрице "Влияние/Усилия" — ничего нового, но работает.

Реальные уроки от компаний, уже внедривших ИИ
Собраны кейсы из опыта Morgan Stanley, Indeed, Klarna и других

Самое интересное: OpenAI сами поставили себе цели по автоматизации с ИИ во внутренних процессах.

В целом, с чего стоит начать:
1. Начинать с простых агентов для конкретных задач
2. Обязательно строить систему оценки и безопасности с самого начала
3. Отдавать инструменты в руки специалистам, а не изолировать в ИТ
4. Кастомизировать под свои данные

И самое главное — не бояться экспериментировать.

#Agents #Enterprise #OpenAI #кейсы
———
@tsingular

о4-мини всё ещё хуже, чем Sonnet 3.7 в написании сонетов.

полный венок, - это epic fail.
оставлю в комментарии

#OpenAI #o4mini
———
@tsingular

Давайте сделаем наоборот.
я вот прямо сейчас по такому промпту

write a html with simulation of ultranova
must be physically as realistic as possible and visually stunning 
use any necessary libraries, which would fit the best

генерю сверхновую в Gemini2.5-exp0325.

Кто сделает лучше с OpenAI новым или чем-то ещё - велкам с примерами в комменты.

мне о4-мини так ничего сносного не создала

#Gemini2-5-ep0325 #dev
———
@tsingular

Sonnet 3.7 thinking

Достоин отдельного поста :)

#Sonnet #dev
———
@tsingular

Добавляем в штатное расписание:

Chief postAGI Officer

Раньше футурологи смотрели на 100 лет вперёд и рассказывали фантастику.

Теперь для того же эффекта достаточно смотреть вперёд на 3-5 лет.
А это уже не футурология, а бизнес-планирование.

#futurology #мысли
------
@tsingular

IQ тест для моделей (тест можете сами попробовать пройти, посмотрим сможет ли кто-то из чата догнать о3)

ТРИЗбот!

А вот это интересно.

@trizchatgptbot - бот по ТРИЗ!

#боты #ТРИЗ
------
@tsingular