🤖 Microsoft 365 Copilot: Agent Store и новая серия обновлений

Microsoft анонсировала масштабное обновление Microsoft 365 Copilot (Wave 2), которое качественно улучшает работу людей с ИИ-агентами.

Особенно интересная часть — новый Agent Store, который открывает для Copilot доступ к каталогу ИИ агентов от Майкрософт и партнеров.

Что такое Agent Store и как это работает:
• Единая точка доступа ко всем агентам прямо в рабочем процессе
• Включает предустановленных агентов Researcher и Analyst, созданных на базе моделей глубокого рассуждения OpenAI
• Интеграция с агентами от партнеров: Jira, Monday.com, Miro и других
• Поддержка корпоративных кастомных агентов
• Возможность быстро находить, закреплять и использовать нужных агентов

Основные агенты и их возможности:
• Researcher — помогает проводить сложные многоэтапные исследования с более высоким качеством и точностью
• Analyst — "мыслит" как опытный дата-сайентист, позволяя преобразовывать сырые данные в инсайты за считанные минуты
• Skills agent — находит сотрудников с нужными навыками для формирования проектных команд

Другие ключевые обновления Copilot:
• Copilot Search — ИИ-поиск по корпоративным данным, подключается к внешним сервисам (ServiceNow, Google Drive, Confluence)
• Create — интеграция с GPT-4o для генерации изображений и контента в соответствии с корпоративными стандартами
• Notebooks — объединяет разнородный контент и даже создает аудио-обзоры материалов в формате подкаста
• Memory — персонализированная адаптация Copilot под ваш стиль работы с контролем конфиденциальности

Обновления начнут появляться у пользователей в конце мая, а агенты Researcher и Analyst уже доступны через программу Frontier.

#Microsoft #Copilot #AgentStore
———
@tsingular

Лестница AI Агентов

БАЗОВЫЙ уровень

- Большие языковые модели (LLMs): Модели как GPT, Claude, Gemini и LLaMA, которые генерируют человекоподобные ответы.
- Эмбеддинги и векторные базы данных: Хранение и извлечение семантической информации (например, Pinecone, Weaviate, FAISS).
- Инженерия промптов: Разработка оптимизированных промптов для улучшения ответов и точности AI.
- API и доступ к внешним данным: Подключение AI к внешним источникам данных через API (например, OpenAI API, Hugging Face, LangChain).

ПРОМЕЖУТОЧНЫЙ уровень

- Управление контекстом: Обработка длинных разговоров, истории сессий и взаимодействий с пользователем (например, Memory в LangChain, RAG).
- Механизмы памяти и извлечения: Краткосрочная и долгосрочная память (например, Retrieval-Augmented Generation, ChromaDB).
- Вызов функций и использование инструментов: Позволяет AI вызывать внешние инструменты и выполнять действия (например, OpenAI Functions, AutoGen).
- Многоэтапное рассуждение: Планирование и разбивка задач на более мелкие шаги для выполнения (например, Chain-of-Thought Prompting).
- Фреймворки, ориентированные на агентов: Инструменты для оркестровки нескольких AI агентов (например, LangChain Agents, AutoGen, CrewAI).

ПРОДВИНУТЫЙ уровень

- Мультиагентное сотрудничество: AI агенты взаимодействуют, делегируют и решают проблемы в командах (например, CrewAI, MetaGPT).
- Агентные рабочие процессы: Структурированные рабочие процессы, где AI агенты могут решать и действовать автономно (например, AutoGPT, BabyAGI).
- Автономное планирование и принятие решений: AI принимает независимые решения на основе целей пользователя (например, Reflexion, Ada Planner).
- Обучение с подкреплением и тонкая настройка: Настройка поведения AI через RLHF, управляемую тонкую настройку (например, LoRA, PEFT).
Самообучающиеся AI агенты: AI улучшает себя на основе обратной связи и прошлого опыта (например, Adaptive AI, AutoRL).
- Полностью автономные AI агенты: AI выполняет реальные задачи с минимальным вмешательством человека (например, Devin AI, OpenDevin).

#агенты #схемы #обучение
———
@tsingular

Maxime Labonne обновил курс и добавил инженерию агентских систем.

📚 Дополнительные ссылки:
Курс по агентам: Популярный курс по агентам ИИ от Hugging Face.
Сравнение агентов ИИ от Янника Майерхофера: Сравнение функций различных фреймворков агентов ИИ с открытым исходным кодом.
LangGraph: Обзор построения агентов ИИ с помощью LangGraph.
Агенты LlamaIndex: Примеры использования и ресурсы для создания агентов с помощью LlamaIndex.
smolagents: Документация с обзорным туром, практическими руководствами и более концептуальными статьями.

#обучение #maximeLabonne
———
@tsingular

Тут промпт Антропик Клода вирусится.

https://raw.githubusercontent.com/asgeirtj/system_prompts_leaks/refs/heads/main/claude.txt

Изучаем.

#prompts #Claude
------
@tsingular

Вайб-Фракталинг.

Я пробежался по интернетику, в поисках быстрого визуализатора Мандельбалба и нашел либо старые ацкия программы для виндовс 10-летней давности. Либо хитрые примеры на ShaderToy, где его рендерят как 3Д-шейдер.

А так чтобы с крутилками и в вебе - не нашел.

Ну думаю, пора развайбкодироваться.

Write three.js code for interactive webgl simulation of mandelbulb 3d. I want to change all typical parameters like Power or Bailout and see realtime render of mandelbulb. 

Лучше всего показал себя Gemini 2.5 - почти с первого раза, нормальные крутилки параметров, управление мышкой.

o4 тупила, 4o выдала корявый дизайн, без управления мышкой, плохими слайдерами в духе юникса из 90х.

Но я просто взял скриншот из Гемини и сунул его в o4 - и она быстро прозрела.

Короче, за часок на навайбкодил крутилку Мандельбалба прямо в браузере на стероидах WebGL. Учитывая, что Мандельбалб задается итеративно по формуле для следующей точки типа Z = Z**N + C, где Z и С просто 3Д-вектора, Гемини проделал отличную работу, написав аппроксиматор поверхностей. Явшоке.

Сейчас мы с Гемини разбираемся с шейдерами.

А пока вот результат работы:
https://cgevent.ru/man1.html
и
https://cgevent.ru/man3.html

На телефоне(андр) тоже работает, если лёжа.

Покрутите Power и Bailout угоните в 2-4, чтобы дырки пропали.

И да, это реалтайм, поэтому качество такое.

@cgevent

Когнитивный ИИ от ZAC: обучение на 5-50 примерах вместо тысяч

Z Advanced Computing, Inc. (ZAC), разработали Cognitive Explainable AI (CXAI).
Эта технология — шаг вперед в решении проблемы "черного ящика" и обучения на малых данных.

Технологические особенности ZAC:
* Concept-Learning: В основе — алгоритм "обучения на концепции", позволяющий машине понимать суть, а не просто корреляции.
* Few-Shot Learning: Основное преимущество — для обучения модели достаточно всего 5-50 примеров! Это радикально снижает требования к данным по сравнению с традиционными нейросетями (CNN, LLM).
* Объяснимость (XAI): Модели могут "объяснить" логику своих решений, что критически важно для надежности и отладки в приложениях.

🏆 Практическое применение и успехи:
Технология ZAC уже показала себя в проектах для:
* ВВС США (USAF): Распознавание сложных 3D-объектов на аэрофотоснимках.
* Bosch/BSH: Умная бытовая техника с улучшенным пониманием окружения.

Потенциальные сферы: Оборона, Медицина (диагностика), Автономные транспортные средства, Промышленный контроль качества, финтех, e-commerce, безопасность — везде, где данных мало, а цена ошибки высока.

🧠 Разработчики:
Сильная команда ученых (Dr. Saied Tadayon) и внушительный пул советников (включая Нобелевского лауреата David Lee и "отца нечеткой логики" Lotfi Zadeh).

Портфолио команды насчитывает более 450 изобретений и 14 выданных патентов в США.

Представьте: вместо сбора петабайтов данных достаточно показать ИИ пару десятков примеров. А в будущем, глядишь, и с первого раза поймет, - не то, что эти человеки.
Звучит максимально многообещающе.

#ZAC #xAI #ConceptLearning
———
@tsingular

Сэм Альтман:
2025 — год ИИ-агентов
2026 — год научных исследований и прорывов
2027 — год, когда ИИ и робототехника действительно начнут взаимодействовать с физическим миром
Погнали!

@data_analysis_ml

Выкидываем DeepResearch в корзину.

Курсор + tavily search MCP - все, что нужно.

Результат в следующем посте.

#MCP #Cursor #DeepResearch
———
@tsingular

🚀 ИИ-Горизонты Науки: Якуб Пачоцки из OpenAI о Новой Эре Исследований

Интервью Якуба Пачоцки, Chief Scientist OpenAI (с мая 2024), для Nature (‘AI models are capable of novel research’: OpenAI’s chief scientist on what to expect) раскрывает перспективы ИИ в трансформации науки.

Пачоцки, стоявший у истоков GPT-4 и OpenAI Five, предвидит ИИ как полноценного участника исследований.

🧠 "Рассуждающие Модели" для Автономных Открытий
Ключевой вектор развития — "рассуждающие модели" (reasoning models), которые в ближайшие 5 лет смогут проводить новые научные исследования (novel research).

Это означает переход от ИИ-ассистентов к автономным агентам, способным к самостоятельной постановке задач, генерации гипотез и их верификации.

OpenAI Deep Research: Уже сейчас этот инструмент, базирующийся на будущей модели OpenAI o3, демонстрирует способность к автономному анализу и синтезу информации из сотен онлайн-источников, создавая отчеты уровня аналитика.

Он обучен с помощью сквозного обучения с подкреплением (end-to-end RL) для сложных исследовательских задач.

⚙️ Технологии: Обучение с Подкреплением и "Мышление" ИИ

Пачоцки акцентирует внимание на возросшей роли обучения с подкреплением (RL) в создании рассуждающих моделей, позволяя им "находить собственный способ мышления".

Важно, что ИИ-"мышление" отлично от человеческого: модели оперируют знаниями без осознания процесса их получения.

🌍 Открытость, Вызовы и Этика

OpenAI, реагируя на критику по энергопотреблению и использованию данных, планирует выпустить "open-weight" модель (с открытыми весами) "в ближайшие месяцы" (данные на март 2025).

Эта модель, первая со времен GPT-2, будет обладать "рассуждающими" способностями уровня OpenAI o3-mini.

Этот шаг направлен на повышение прозрачности и доступности технологий для исследователей, частично решая проблему доминирования проприетарных систем.

💡 Практическое Применение и Взгляд в Будущее
Развитие рассуждающих ИИ-систем, таких как Deep Research, сулит прорывы в:

- Ускорении научных открытий через анализ больших данных.
- Междисциплинарном синтезе знаний.
- Персонализированной медицине и материаловедении.

Интеграция ИИ в науку углубляется, предвещая эру ИИ-партнеров в исследованиях.

О чем, собственно, и говорит Альтман в предыдущем посте.
Ждем открытий при непосредственном лидирующем участии ИИ.

#OpenAI #JakubPachocki #AIinScience #ReasoningModels #DeepResearch #ReinforcementLearning #OpenWeightModels #AGI #FutureTech
———
@tsingular

Любая встреча в ближайшие месяцы :)

#MCP #юмор #мемы
———
@tsingular

📖 Хватит уже ходить на платные курсы :)

Общаюсь тут с некоторыми,- туда сходил, объяснили, не понял, тут деньги за курс содрали, - еще просят.

Держите коллекцию бесплатных обучающих материалов по промптам и агентам. :)

PDF в комментариях:
1. Руководство по промптам от Гугла
2. От OpenAI 3 руководства:
- как индентифицировать ИИ кейсы
- как строить агентов
- ИИ в крупных компаниях
и 2 ссылки на материалы Антропика:
- Промпт инжиниринг
- Как создавать агентов

Весь интернет уже в этих руководствах, а люди еще на платные курсы ходят, ну как так.

#обучение
———
@tsingular