Всякое рабочее с ИИ

Редко пишу про работу, но накину наблюдений без лишнего контекста:

По практике <2% мужчин замечают, что им пишет ИИ 🫢 под видом девушки. Помогают опечатки и генерация фото с аудио по запросу. А разоблачают чаще всего при невозможности позвонить, хе-хе

Самым дешёвым маркером копипейст ответа ChatGPT все еще остаётся список с подзагами по 2 предложения. Решал подобную задачу для hr-агентства, так как за последний год участились обращения, которые составлены по алгоритмам верно, а на интервью ни бе, ни ме. Так что, если откликаться на вакансию с применением нейронок, обращение повысит шанс ответа, если его написать 🤩 или переписать 🙂 самостоятельно

Знакомому продукт-дизайнеру отказали в работе в продукте с ИИ, когда тот не назвал метрики и не объяснил 🤓 архитектуру генеративной NLP-модели. «Читаю новости про нейросети, тестирую модели» уже, видимо, делают все. Для оффера на работу с ИИ нужно уметь объяснить низкую точность при жёстких SLA по latency и пути её роста. И это даже не уровень продактов и ML-инжинеров

⭐️ Кто считает метрики и обучает модели с дискретным выбором, рекомендую присмотреться к разбору Gumbel-Softmax на примере Городских сервисов Яндекса. Если слышите впервые, приём помогает вернуть градиент, не ломая логику выбора. В статье есть пошаговые выводы и пример с рекомендациями. Можно потестить после прочтения

По формату было интересно или я резко перешёл на другой язык? 🙂

💻 Вывел формулу любви и запустил AI-сервис по осознанным знакомствам в Tinder

Не секрет, что сервисы знакомств не заинтересованы в хорошем подборе знакомств, отношений и тем более. Дейтинги похожи на биржу труда из буклетов. Работу найти можно, но выбор ограничен, а качество так себе. Tinder’у выгодно, чтобы пользователи продолжали платить, а не нашли сразу нужный метч. Иначе платформа теряет сразу двух платящих пользователей после метча. И что бы они не заливали про совершенство по ML-подбору, давайте без эмоций посмотрим на исследование (спасибо, deep research в Perplexity):

🙂 Мужчине получить мэтч в 10 раз сложнее, чем женщине
🙂 Мужчины лайкают каждую 3 анкету, женщины — каждую 25
🥲 Для нахождения значимого партнёра требуется ~3960 свайпов (6-24 месяца жизни)
😭2 из 3 встреч заканчиваются ничем (люди не заметили проблем на этапе знакомства онлайн)
🧐 Мужчина за год тратит на дейтинг 350к+ рублей, женщина 240к+

И предлагаю это исправить. Для этого я с командой создали DateGuru — расширение для Chrome, которое учится выбирать партнёров в Tinder как вы. Просто обучите нейросеть на 50 своих свайпах или заполните форму, а DateGuru сам отсеит неподходящих и лайкнет тех, кто действительно вам понравится.

В анализе учитываются фото, контекст профилей, в особенности выставленные красные и зеленые флаги. Алгоритм учитывает, что важно соответствовать вашему вкусу и если не набирается проходящий балл или видны красные флаги, то такие анкеты лайк не получают. Помимо этого, с DateGuru получится:

🤑

В год сохранить 160-250 часов и сэкономить ~170к рублей (мужчины) и ~85к (женщины), снизив безрезультатные встречи

💬

Сразу перейти к нужному общению, минуя архаичный свайпинг

А сейчас еще и можно сэкономить деньги, так как воспользоваться DateGuru можно бесплатно ✔️ и без лимитов. Когда партнёр классный, остальное само встанет на свои места. Проверьте сами!

P.S. Если интересно почитать про историю создания DateGuru, то расписал подробнее в твитере

🤖 InNeuralNetwork