Возвращение к работе, создание тренингов и дальнейшие планы

Друзья, с наступившим Новым годом! Вот и я возвращаюсь к работе после нескольких дней заслуженного новогоднего отдыха. Эти дни прошли не просто так: большую часть времени я, конечно, отдыхал, а не работал. Мы даже съездили в Чикаго - было здорово сменить обстановку и окунуться в атмосферу современного мегаполиса.

В свободное от отдыха время я с удовольствием занимался будущими тренингами. Это сложно назвать работой, ведь я занимался этим исключительно по настроению, выгружая свои знания в структурированный формат.

Поделюсь текущим прогрессом:
- Готово уже 4 лекции из 8: «Основы ИИ», «Промпт-инжиниринг», «Продуктовая команда» и «Дизайн-мышление в разработке ИИ продуктов». Первые две лекции войдут в оба тренинга: как в общий по ИИ, так и для продакт-менеджеров.
- К каждой лекции составлен список дополнительных материалов: книги, научные статьи, видео, а также дополнительные источники для самостоятельного и более глубокого изучения темы.
- К каждой готовой лекции уже есть практические задания: практические упражнения по взаимодействию с ИИ, кейсы из моей практики для самостоятельного решения, а также задания открытого формата, где нужно будет применить изученные инструменты для решения личных задач в рамках темы лекции. Каждый сможет выбрать тот формат обучения, который ему больше подходит.
- Я экспериментирую с NotebookLM: для каждой лекции в качестве бонуса будут созданы AI-ассистенты, которые помогут в изучении и запоминании материала. Пока эта функция работает только на английском языке, но, поскольку я и так использую NotebookLM для подготовки материалов, решил, что для некоторых это станет приятным дополнением.

Что еще будет особенного в тренингах:
1. Легкий доступ к ИИ-инструментам: я беру на себя решение проблемы с доступом к платным ИИ-сервисам. Во время обучения мы будем работать с нейросетями без необходимости оформления подписок. Кроме того, на время обучения каждому студенту будет предоставлен доступ к моему частному VPN-серверу, через который будут доступны любые ИИ-инструменты.
2. Быстрая проверка домашних заданий с персональной обратной связью: я лично буду проверять практические задания в максимально сжатые сроки, независимо от количества студентов. Мне помогут ИИ-ассистенты, которые будут аннотировать каждую работу по заданным мной критериям. Похожую систему мы использовали в Skyeng, и теперь я внедрю эту оптимизацию в свои тренинги.
3. Сниженная цена для первого потока: я вижу, что стоимость аналогичных курсов у коллег достигает 150-200 тысяч рублей. Конечно, хочется зарабатывать, но не менее важно, чтобы мой продукт оставался доступным. Поэтому цена на полный тренинг по AI-продакт-менеджменту не превысит 75 тысяч рублей. С ценой на тренинг по ИИ пока не определился, но разумной кажется что-то в районе 25 тысяч рублей. Моя главная финансовая цель на первый поток — собрать бюджет на маркетинг второго и оплату размещения материалов в LMS, а уже потом думать о прибыли.

Приятные бонусы для подписчиков канала:
1. Дополнительная скидка для тех, кто подписался на канал до достижения отметки в 130 подписчиков: для получения скидки нужно будет предоставить скриншот из канала, на котором будет видно текущее количество подписчиков и факт вашей подписки.
2. Розыгрыш мест на тренингах: я думаю,что при определенных условиях разыграю 1 место на тренинг по продакт-менеджменту и 2 места на тренинг по ИИ. Детали розыгрыша пока в процессе разработки. Подробности будут в отдельном посте.

Добро пожаловать в канал!

Меня зовут Влад, я AI-продакт-менеджер и предприниматель. Этот канал — база знаний о том, как внедрять искусственный интеллект в бизнес и создавать на его основе сильные продукты.

🎓 Мой бэкграунд:
В IT более 7 лет, а с 2022-го сфокусирован исключительно на AI-решениях. Защитил в МГУ диссертацию по применению ИИ в бизнесе.
• Создавал и лидировал R&D-команду в Skyeng (11 технологий, 5 внедрений).
• Разрабатывал AI-продукты в американском подразделении корпорации Pearson (VR и генерация контента).
• Запустил более 22 успешных AI-продукта как для стартапов, так и для крупного бизнеса.
__

💡 Чем я могу быть полезен:
Я развиваю два ключевых направления, которые помогают компаниям и специалистам расти с помощью AI:

1. Внедрение AI в бизнес - Агентство EAI
Мы помогаем компаниям получать измеримый результат от ИИ: проводим аудит, строим стратегию и разрабатываем кастомные решения.
👉 Узнать больше о EAI Solutions

📂 Избранные кейсы, стратегия и аналитика:
1. Стратегия внедрения:
• Почему AI не нужен 99% бизнеса - разбор типичных ошибок
• Процесс создания AI-продуктов: Stage-Gate - моя методология для управления R&D-проектами.
• Кто реально выигрывает в гонке AI? - разбор отчета Microsoft: почему важна инфраструктура, а не только модели.
2. Кейсы из практики:
• Кейс Skyeng: Автоматизация HR - как мы ускорили проверку кандидатов в 500 раз.
• Кейс Pearson: Teaching Pal - 9 уроков разработки продукта для глобального рынка и работы с корпоративной бюрократией.
• AI в MedTech - 4 неочевидные проблемы внедрения ИИ в медицине.
• Кейс HealthTech: AI-нутрициолог - разработка для рынка Саудовской Аравии.
• Voice AI: Есть ли альтернатива ElevenLabs? - наш ресерч OpenSource моделей для клонирования голоса.
3. Анализ рынка:
• Кейс Klarna - почему компания нанимает людей обратно после громких заявлений о замене саппорта.
• Кейс Cursor - как облажаться с выбором бизнес-модели и разозлить пользователей.
__

2. Обучение AI для команд и специалистов - NGI Academy
Я провожу практические буткемпы. Учу не просто “писать промпты”, а системно использовать AI для кратного роста эффективности и создания продуктов. Веду как B2B, так и B2C направления.
👉 Посмотреть программы и записаться

📚 База знаний: навыки, инструменты и гайды:
1. Фундаментальные знания:
• Курс по AI-грамотности от Anthropic - мой перевод и дополнение лучшего базового курса (все лекции + сертификат).
• Что такое AI-агенты и что такое RAG - ликбез по ключевым технологиям.
2. Продвинутый промптинг:
• Запись практикума по управлению контекстом.
• SGR (Schema-Guided Reasoning) - как получать предсказуемый и качественный результат.
• Как бороться с «поддакиванием» модели - заставляем ИИ критиковать, а не соглашаться.
3. Практические воркфлоу:
• Как провести полноценный пользовательский ресерч с тремя AI-инструментами.
• ТЗ для кодинг-агентов - как ставить задачи ИИ, чтобы получать рабочий код.
• Как я навайбкодил LMS на 100к строк кода - пример создания сложных IT-продуктов.
4. Инструменты:
• Мой топ AI-инструментов на 2025 год - ревизия подписок: что оставить, а что выкинуть.
• Как развернуть Affine (альтернативу Notion) с AI на своем сервере

__

3. Индивидуальные консультации
Если вам нужен сфокусированный разбор вашей ситуации: от карьерного трека до стратегии AI-стартапа.
Подробно о формате, темах и стоимости я расписал в этом посте.

🚀 Влад Корнышев про AI и создание AI-продуктов

ИИ не уничтожает рабочие места, а создает их

Каждый раз, когда я слышу, что ИИ лишит кого-то работы, мне становится смешно! Прежде всего, потому что места людей, не использующих ИИ, займут не машины, а те, кто вовремя сориентировался и научился использовать технологии, а не бороться с ветряными мельницами. ИИ заменяет не специалистов, а рутинные функции, которые они выполняют. Если немного задуматься, становится понятно, что чем больше задач может выполнять машина, тем больше у нас появляется возможностей зарабатывать самим и давать возможность зарабатывать другим.

В данный момент уровень развития технологий уже ДОСТАТОЧЕН для того, чтобы заниматься так называемым solopreneurship (солопредпринимательством).Этим термином обозначается предпринимательство, которое человек ведет в одиночку. И я говорю отнюдь не о торговле овощами на рынке, а о действительно сложном бизнесе. Предположим, у вас есть бизнес-идея. Вы хорошо разбираетесь в какой-то сфере, верите в свою идею и даже провели небольшое исследование. Вы хотите разработать приложение, но у вас нет ни дизайнеров, ни разработчиков, а из свободных средств, допустим, всего 100 000 рублей, на которые сегодня никого не нанять.

Что делать?

Идти в Gemini/ChatGPT и создавать прототип. Идея проста: вам нужно любыми способами получить первых пользователей. Докажете, что на ваш продукт есть спрос, — придет и остальное. Какой алгоритм?

1. Создаем MVP (минимально жизнеспособный продукт), который будет закрывать самые базовые потребности пользователя. Делаем его достаточно стабильным, чтобы он позволял людям ощутить ценность вашего продукта.
2. Продумываем стратегию продвижения, изучаем основы маркетинга и все сопутствующие дисциплины.
3. Запускаем первые продажи, получаем прибыль.
4. Если все получилось — ищем инвестора, показываем ему прототип, цифры выручки, которых удалось достичь, и просим денег на дальнейшее развитие продукта, которое будет включать полноценный дизайн, маркетинг и разработку.

Готово, вы великолепны: запустили свой бизнес и создали несколько рабочих мест!

Хотите пример? Не найдя достойную платформу для размещения своих тренингов, я решил, что 4 доллара в месяц за оплату работы сервера с LMS (системой управления обучением), сделанной под мои потребности, будет явно выгоднее 40 долларов, которые просят существующие на рынке продукты.

Ключевые функции, которые будут в моей LMS:

- Система ролей: лектор и ученик.
- Добавление учеников в систему.
- Работа с материалами для лектора и ученика: возможность получить доступ к ссылкам и файлам с материалами по курсу.
- Управление учениками, доступом к темам, создание новых тем.
- Возможность осуществления рассылок по пользовательской базе.
- Аннотирование домашних заданий с помощью ИИ по индивидуальным критериям для каждой темы (ДЗ будет предварительно проверяться с помощью ИИ и после — отправляться лектору), что в несколько раз повышает скорость проверки.

Базовую версию я создал буквально за один вечер, за 3 дня я отшлифовал ее, добавил дополнительные функции и устранил основные баги. И все это — лишь с базовыми навыками программирования (я учил Python несколько месяцев). Однако хорошая новость в том, что любой, кто пройдет обучение на тренинге, сможет также тестировать свои гипотезы и запускать продукты!

На видео — демонстрация работы LMS в режиме лектора.

WEF "подбросил" интересного! Это неожиданно перекликается с моими последним постом

В очередной раз иду не по своему контент-плану. Внимание привлек свежий отчет World Economic Forum "Future of Jobs Report 2025". Знаете, это чувство, когда встречаешь подтверждение своим размышлениям в авторитетных источниках? Вот именно его я сейчас и испытываю 😅 Не люблю дважды писать на одну тему, но сейчас хочется ее развить дальше.

В отчете содержится много разной информации: о рабочих местах, о востребованных навыках и о том, как ИИ влияет на это все. Также они делят навыки на те, что подлежат автоматизации и те, которые направлены на человека. Есть целый список профессий, который находится под “угрозой” замены. Но я беру угрозу в кавычки, потому что рассматриваю ее скорее как возможность.

Почему?
Во-первых, эффективный ИИ не возникает сам по себе. Его разработка требует участия квалифицированных специалистов в конкретных областях. Именно эти эксперты должны осуществлять проверку, контроль и задавать направление его развития. Без глубоких знаний и опыта профессионалов потенциал ИИ останется нереализованным.

Во-вторых, анализируя сильные стороны AI в определенной сфере, мы одновременно начинаем видеть и границы его возможностей. Аналогично работе с любым инструментом, понимание его функционала позволяет выявить и ограничения. Именно здесь открывается пространство для деятельности человека, где его опыт и экспертиза становятся незаменимыми. Отчет WEF наглядно демонстрирует эту взаимосвязь, подчеркивая, что, несмотря на успехи ИИ в обработке данных и автоматизации рутинных задач, он пока уступает в сферах, требующих эмоционального интеллекта и принятия сложных, нестандартных решений. Какие конкретно задачи ИИ выполняет эффективно, а где необходим человеческий контроль и корректировка? В каких процессах можно делегировать рутинные операции, а где требуется глубокий анализ и творческий подход?

И именно на этом моменте выводы отчета WEF становятся особенно актуальными. Подчеркивая технологические достижения, в частности в области искусственного интеллекта, как ключевой фактор трансформации бизнеса, они одновременно заостряют внимание на возникающей проблеме: нехватке квалифицированных специалистов, способных эффективно работать с этими передовыми технологиями. Эта нехватка становится своеобразным "бутылочным горлышком" для дальнейшего развития. И это прямой сигнал, указывающий направление для тех, кто готов не просто наблюдать за изменениями, а активно в них участвовать. Вместо того, чтобы испытывать опасения, стоит направить усилия на приобретение необходимых знаний и умений для эффективного использования новых инструментов. Если ваша специальность находится в зоне риска - это не значит, что нужно бежать и менять ее. Напротив, сочетание опыта в какой-либо предментной области + владение ИИ-инструментами и понимание того, как они функционируют, сделают из вас незаменяемого специалиста.

Таким образом, вместо того чтобы рассматривать отчеты об ИИ как источник угроз, стоит увидеть в них новые перспективы. Перспективы для профессионального роста, развития и возможности стать теми экспертами, которые будут формировать будущее своих отраслей в эпоху ИИ. Именно специалисты в различных областях знаний обладают необходимым пониманием для того, чтобы направлять развитие ИИ в нужное русло, превращая его в мощного союзника, а не потенциального конкурента.

Полный отчет можно посмотреть во вложении к посту!

#развитиеии

Мои предсказания, что будет с ИИ в 2025 году

В последнее время мне часто попадаются на глаза различные прогнозы о том, что ждет искусственный интеллект в этом году. Как специалист, занимающийся разработкой ИИ-систем, я тоже решил поделиться своим видением ситуации и посмотреть, какие из моих предсказаний сбудутся к концу года.

Как обычно, пост получился длинным, поэтому публикую его в виде статьи!

А какие у вас прогнозы, связанные с ИИ в 2025?

#развитиеИИ

Мультимодальность: даем ИИ зрение, слух и голос

Когда погружаешься в тему ИИ, то и дело слышишь про некую "мультимодальность". Недавно я уже рассказывал про креативность ИИ, а сегодня хочу подробнее остановиться на мультимодальности, и в будущем я планирую продолжить цикл статей, разъясняющих терминологию, связанную с ИИ.

Так что же это за зверь такой - мультимодальность, и почему о ней сейчас так часто говорят?
Если совсем просто, мультимодальность — это способность ИИ воспринимать и обрабатывать информацию из разных источников: текст, изображения, аудио, видео. Представьте, что обычная большая языковая модель (LLM) — это невероятно умный человек, но... слепой и глухой. Он виртуозно владеет словом, может генерировать тексты, писать код, но реальный мир для него ограничен лишь строчками текста, которые он получает на вход.

Мультимодальность же дает ИИ "органы чувств". Это как если бы наш слепой и глухой гений вдруг прозрел и обрел слух! Теперь он может не только прочитать описание картины, но и увидеть ее, не только получить текст песни, но и услышать ее мелодию, уловить интонации.

Именно мультимодальность делает ИИ по-настоящему применимым в реальном мире. Ведь мы с вами живем не в мире текста. Нас окружают звуки, образы, видео – целый вихрь информации, которую мы, сами того не замечая, обрабатываем ежесекундно. Чтобы ИИ стал не просто умной игрушкой, а полноценным помощником, способным решать реальные задачи, ему необходимо научиться воспринимать мир во всем его многообразии.

Помните Джарвиса из "Железного человека"? Этот остроумный ИИ-ассистент Тони Старка — яркий пример мультимодальности в действии. Джарвис анализирует визуальные данные с камер, распознает речь, генерирует голографические интерфейсы, да и вообще, ведет себя как полноценный собеседник. Конечно, до такого уровня нам еще далеко, но именно к этому стремятся все крупные игроки ИИ-рынка.

Google, OpenAI, Anthropic – все они активно прокачивают мультимодальные возможности своих моделей. Добавляют голосовой ввод, распознавание изображений, генерацию видео. И это не просто погоня за хайпом. Компании понимают, что за мультимодальностью – будущее.

Мы сейчас находимся на том самом этапе, когда эта технология активно развивается. И результаты уже впечатляют! Взгляните, например, на Android XR – операционную систему для устройств дополненной реальности. Совместно с умными очками и продвинутым ИИ-ассистентом Gemini, она обещает совершенно новый уровень взаимодействия с цифровым миром. Прикрепляю небольшое видео с демонстрацией к этому посту.

Думаю, что в ближайшие годы мы увидим еще более впечатляющие примеры применения мультимодальности. И, возможно, Джарвис уже не будет казаться нам такой уж фантастикой. 😉

#обучающиематериалы

$500 млрд в ИИ: благо или катастрофа?

Вы, наверное, уже слышали новость о том, что Дональд Трамп объявил о создании компании Stargate, которая в ближайшие несколько лет инвестирует 500 миллиардов долларов в развитие технологий искусственного интеллекта. Это одно из самых крупных денежных вливаний США за всю историю со времен инвестиций в Лунную программу. В одном из своих предыдущих постов я говорил о том, что в 2025 году нас ждет громкий скандал, связанный с вопросами этики ИИ. И вот, похоже, мои опасения начинают сбываться.

На мой взгляд, такое быстрое вливание денег в ИИ способно стимулировать ситуацию, когда мы просто не будем успевать нормально оценивать его работу и следить за безопасностью. И тут дело не только в OpenAI, которая уже попадала в этические скандалы, а сейчас только на строительство их датацентров потрятят 100 млрд. долларов. Чем больше денег, тем больше искушение проигнорировать вопросы этики. Я вижу, как многие компании, одержимые техническим прогрессом, идут на компромиссы, связанные с безопасностью ИИ. А теперь, когда есть огромные деньги, они точно будут еще сильнее пренебрегать правилами.

Эти инвестиции также свидетельствуют о том, насколько сильно продвинулся Китай в сфере ИИ. Помните, я писал про силу Китая? Подобные действия со стороны США не могут не стимулировать ответных действий со стороны КНР. Это неизбежно. На фоне этих событий, России тоже стоило бы подсуетиться с инвестициями в ИИ, мы и так отстаем, а такими темпами рискуем остаться в каменном веке.

Еще один негативный аспект этих инвестиций — это их влияние на окружающую среду. Наряду с планом Трампа на добычу нефти "Бури, детка, бури" и выходом из Парижского соглашения по предотвращению глобального потепления, строительство датацентров — это настоящая экологическая катастрофа. Количество тепла, выделяемого датацентрами, явно не пойдет на пользу климату нашей планеты. Возникает закономерный вопрос: стоит ли технический прогресс такой цены? Да, возможно ИИ поможет нам решить глобальные проблемы, но не усугубит ли он их до такой степени, что мы достигнем точки невозврата? Это очень сложный вопрос. Если уж мы инвестируем такие огромные деньги в развитие ИИ, то стоило бы всерьез задуматься о строительстве датацентров на Луне. Такая экономика, как США, явно может себе это позволить, и это было бы явно лучше для нашей планеты.

Конечно, есть и положительные стороны. Подобные инвестиции, несомненно, стимулируют гонку ИИ. Игроки рынка начнут предпринимать более активные действия, чтобы не допустить монополии компаний из США. Мы явно ускоримся на пути к созданию мощного ИИ, который поможет в решении глобальных проблем, таких как борьба с раком, старением и проблемами экологии.

В большом выигрыше будут те, кто занимается ИИ: работает в этой сфере, ученые, менеджеры и инженеры. Трамп пообещал создание 100 тысяч рабочих мест, и это только начало. Это не только сами рабочие места, но и то, как это повлияет на глобальный рынок. Зарплаты у AI-специалистов станут выше, как и спрос на них. Если кто-то еще не занимается ИИ, то учиться нужно именно на эту специальность и желательно — прямо сейчас.

В заключение хочется сказать, что подобные инвестиции в ИИ — это палка о двух концах. С одной стороны, мы можем достичь невиданного прогресса, но с другой — можем столкнуться с серьезными этическими, экологическими и экзистенциальными проблемами. Важно не забывать о безопасности и этике, а также искать пути минимизации негативного влияния на окружающую среду. В противном случае, погоня за прогрессом может привести к печальным последствиям. Как когда-то сказал Стивен Хокинг, ИИ станет "либо лучшим, либо худшим" событием в истории человечества.

#развитиеии

Google похоронили GPT-4o?

По крайней мере, на какое-то время 🙂

Вчера вечером, как обычно, работая в Google AI-studio над своими задачами, я заметил кое-что интересное. Переключившись на модель Gemini Flash Thinking Experimental, я увидел, во-первых, что она обновилась до версии от 21 января, а во-вторых, что ее контекстное окно увеличилось с 32 000 токенов до 1 млн+! 32 тысячи мне было мало, 128 тысяч в GPT-4o хватало, но не для всех задач.

Что это значит и почему такой кликбейтный заголовок?
Давайте разберемся, как работают LLM. Если не вдаваться в детали, языковые модели говорят и "мыслят" не так, как мы. Они не склонны к анализу в нашем понимании. Их задача — предсказывать следующий токен, основываясь на заложенных в них знаниях. Проще говоря, они определяют, какие кусочки слов, знаки препинания, буквы с наибольшей вероятностью должны идти следующими в предложении. Именно поэтому, несмотря на то, что модели языковые, структура команд для них строится не на понимании и додумывании информации, как у человека, а на строгом алгоритме.

У моделей как будто есть свой диалект внутри привычного языка, который выражается в четких инструкциях — промптах. Промпт-инжиниринг помогает нам формулировать запросы к модели на этом "родном" для нее диалекте.

Погрузимся в лингвистику!
Представьте: у вас в квартире делают ремонт рабочие из Средней Азии, которые плохо говорят по-русски, но в целом все понимают. Вы хотите объяснить им, как сделать планировку. В каком случае они лучше справятся? Если вы скажете им напрямую или если будет прораб, который переведет ваши требования на их родной язык? Очевидно, второй вариант эффективнее.

Вернемся к моделям!
GPT-o и Gemini Thinking как раз имеют функцию такого “прораба”. Размышляя, они создают "план действий" и четко ему следуют. Поэтому сейчас набирают обороты LLM managed workflows, когда модель сначала составляет план, а затем выполняет его. Как это работает у меня? Я иду в Gemini Flash Thinking или GPT-4o, описываю задачу и прошу составить план. Затем использую этот план с "не думающей" версией модели. Это экономит время на промпт-инжиниринг: модель делает план за меня, и я просто выполняю его шаг за шагом.

Как Google "убил" OpenAI?
Главным недостатком "думающей" модели для меня было малое контекстное окно. Работая над большими задачами, мне нужно было периодически оценивать прогресс и корректировать план. И тут — бац! — токены заканчивались. Примеры таких задач: написание кода, анализ интервью, проведение исследований, обработка материалов тренинга и многое другое. Теперь, с контекстным окном в миллион токенов, мне не нужно держать кучу окон и переключаться между ними. Достаточно просто переключить модель, и у нее будет ВЕСЬ контекст по задаче и все инструкции! А это, знаете ли, дает свои плюшки 😉

В общем, это огромный буст к продуктивности, и он обеспечен размером контекстного окна! Когда же OpenAI этим займутся? 🤔

#новости #инструменты

👆Пост выше
Редактировал пост с помощью своего заготовленного Gem. Gemini повелся на заголовок и обрадовался 🤣

Китайцы навели шуму в ИИ, обогнав ChatGPT по загрузкам в Appstore!

Мои прогнозы на 2025 начинают сбываться слишком быстро и я теперь боюсь, как бы не пришлось составлять новый топ 😅

Китайская модель DeepSeek R1 стала главной темой для обсуждения в мире ИИ, особенно здесь, в США.

Что произошло?
Пока Китай пытались душить санкциями, сами китайцы не тратили время зря. Еще в конце 2024 они представили DeepSeek V-3, модель, которая обходила GPT 4o по многим бенчмаркам. Сейчас, их новая модель - DeepSeek R1 находится на первой строчке в трендах Huggingface (я писал, что это такое ранее).

Китайцы развиваются просто с нереальной скоростью, у них уже доступны на Android и iOS. Хорошая новость для моих читателей - они доступны в России и без ограничений, ведь компания китайская!

Как повлияло появление DeepSeek R1 на рынок ИИ?
1. В данный момент приложение DeepSeek обогнало по загрузкам в AppStore ChatGPT
2. Модель показывает настолько крутые результаты, превосходя o1 от OpenAI, что сами OpenAI поспешили анонсировать, что их еще невыпушенная модель o3 mini будет доступна в бесплатном плане (нужно же как-то конкурировать с китайцами)
3. Компания NVIDIA потеряла 384 600 млрд долларов в капитализации. Связанно это с тем, что как оказалось, можно сделать крутые ИИ-модели, без инвестиций в дорогущие видеокарты техногиганта

Чем DeepSeek так хороша?
1. Цена. Мощные ЛЛМ, МОГУТ быть дешевыми. Для сравнения:
- цена за 1 млн токенов R1 составляет 16 юаней ( 220 рублей) в то время, как Open AI o1 обойдется в 60 долларов (6000 рублей).
2. Модель отвечает гораздо быстрее, чем ChatGPT
3. Она либо бьет либо на равных соревнуется в бенчмарках с лучшими моделями от Anthropic, Google и OpenAI
4. У модели отсутствует цензура (сомнительный плюс), но про всякие кровавые бойни она вам расскажет, в отличие от конкурентов
5. Функция Search - некий аналог Perplexity и Deep Research от Google - позволяет вам суммаризировать информацию из поиска с помощью ЛЛМ. Работает как доп инструмент в веб-интерфейсе DeepSeek
6. Функция DeepThink - аналог размышлений, как это реализовано в Gemini Flash Thinking. Как раз тут работает модель R1.
7. Open Source - исходный код модели доступен каждому
8. Базовая версия не требует подписки
9. Доступность из России (для тех, кто в России)

Конкуренция со стороны Китая явно встряхнет рынок ИИ и заставит крупных игроков пересмотреть свои взгляды. Однако остаются вопросы: как именно Китайцы это сделали, насколько ответственно отнеслись к вопросам этики (отсутствие цензуры напрягает, как и отсутствие информации о том, где и как оно училось).

Буду экспериментировать с этой моделью и позже напишу пост с полноценным мнением о ней.

#новости

Космическая гонка XXI века: почему России необходимо инвестировать в ИИ

На днях на YouTube посмотрел фильм про полет Гагарина в космос. Это по-истине что-то невообразимое, и когда задумываешься, что эти люди делали все расчеты вручную, проектируя ракеты, фактически, вслепую, чтобы отправить их в неизвестность - еще больше поражаешься тому, какие великие умы всем этим занимались. Это не может не восхищать!

По-истине историческое прошлое, которым стоит гордиться. Однако история - штука цикличная. И если чуть больше 60 лет назад, ведущие государства участвовали в космической гонке, то сегодня главная гонка человечества - это ИИ-гонка. И, говоря о цикличности истории, не могу не отметить, насколько ироничен тот факт, что в ней мы вновь видим противостояние американского капитализма и коммунизма, но на этот раз, не советского, а китайского. После объявления Трампа о запуске проекта Stargate с инвестициями в ИИ $500 млрд, ответ Китая не заставил себя ждать -  1 триллион юаней ($138 млрд) будет инвестированно в ИИ компании КНР.

Шумиха на фоне успеха DeepSeek от китайцев сейчас подутихает, начинают вскрываться различные детали. OpenAI уже обвинили китайскую компанию в использовании своих наработок, многие специалисты выражают сомнения по поводу дешевизны китайского подхода к обучению, мол, они делали вторичное обучение, а $5 млн - это цена финального цикла обучения.

Однако, на мой взгляд, можно сколько угодно спорить и кричать, но китайцы доказали несколько важных вещей:
- во-первых, количество вложенных денег не всегда прямо пропорционально получаемому результату;
- во-вторых, для достижения крутого результата совершенно необязательно делать что-то с нуля, достаточно взять существующий продукт и применить в нем другие подходы;
- в-третьих, необязательно иметь доступ к самым крутым технологиям, чтобы создавать что-то прорывное, можно и нужно работать даже под санкциями.

Даже Трамп вчера это оценил, сказав, что круто, что Китайцы достигли успеха, если они могут, значит могут и наши ученые!

Все это наталкивает меня на мысли о том, что Россия просто обязана делать ставку на ИИ и давать свой ответ. Почему?

Конкуренция - это круто. Она стимулирует развитие.
Китай доказал: санкции - это всего лишь мелкое препятствие. У России же за плечами исторический опыт со времен СССР в виде победы в космической гонке. Говорить, что ИИ у нас не развивается из-за санкций - это простые отговорки. Компании могут их обходить и даже обходят. Железо для обучения моделей спокойно завозится в страну, а для разработки моделей Тинькофф и Сбер явно используют зарубежные наработки и наборы данных.
В ИИ-гонке, как и в космической, победит не тот, кто больше вложил денег и кричал о своих достижениях, а тот, кто будет более хитрым и вовремя сделает свою ставку, рискнув всем. У России есть огромный потенциал в сфере ИИ, который просто на просто не используется. Из нашей страны выходят самые светлые умы в области инженерии. Я могу это сказать даже по своему опыту. За время работы в Pearson я поработал со специалистами из Великобритании, США, Польши. Со мной работали бывшие сотрудники Amazon и Microsoft, они очень крутые спецы, но по глубине мыслей и использованию нестандартных подходов они даже рядом не стоят с теми ребятами, с которыми я общался в России. И я уже не говорю о возможностях и ресурсах, которые у нас есть для строительства датацентров.

Если Россия направит усилия и деньги не на ведение войн, а на участие в гонке ИИ, а другие страны позволят ей это сделать - так будет лучше для всего мира. Мы быстрее и экологичнее приблизимся к разработке мощного и этичного ИИ, который поможет нам в решении глобальных проблем. Как минимум, за счет стимулирования конкуренции на рынке благодаря появлению еще одного мощного игрока.

P.S. фильм про Гагарина можно посмотреть тут, канал очень рекомендую :)

#развитиеии

Меня забанили в ChatGPT

И нет, это не кликбейт, реально забанили 😅

Вчера пришло такое письмо и я, мягко говоря, удивился. Что интересно - последнее обновление правил пользования сервисом (их кто-нибудь читает?) было 29 числа, а на 30 - я получил бан. Но в чем причина?

Что-то мне подсказывает, что все не просто так. Во-первых, потому что ChatGPT со своего личного аккаунта я пользуюсь максимально редко. Честно - не помню, когда туда в последний раз заходил. Во-вторых, из “запрещенных” локаций я туда явно не заходил, я не в России с мая 2024. А когда был там - пользоваться ChatGPT, предварительно не включив VPN было в принципе невозможно. В-третьих, за нарушение политик использования меня также вряд ли могли привлечь. Да, я периодически занимаюсь так называемым “джейлбрейком” моделей, заставляя их делать то, что им запрещено делать. Зачем? Образовательные и исследовательские цели 😄 Однако даже это я делаю не на своем аккаунте.

Так в чем причина?
Возможных причин, как мне кажется, несколько.

Причина 1 - OpenAI читают мой Telegram и узнали, что я их не люблю. Сомнительно, но я не мог не озвучить эту версию 😁

Причина 2 - до них как-то дошла история происхождения моего аккаунта. Дело в том, что регистрировал аккаунт там я еще только когда они появились на радаре, используя Российский номер. Возможно применилась логика “раз ты из России, то получай”. Как-то поздно, но вполне вероятный вариант.

Причина 3 - DeepSeek. Я думаю многие видели новость о том, что после успеха DeepSeek, OpenAI поспешили их обвинить в том, что у них украли технологии (чему все только рады). И вполне возможно, что моя любимая “Корпорация зла” решила просто тупо забанить подозрительные аккаунты. Почему мой аккаунт мог стать подозрительным? Понятия не имею, в Китае я не был, хотя учитывая сотрудничество Китая с Россией, может быть и здесь меня забанили “потому что я из России”:)

Причина 4 - опять DeepSeek. За успехом DeepSeek сразу последовала новость о том, что они допустили утечку пользовательских данных. Это, кстати, к теме о том, почему я не сразу побежал активно пользоваться китайской LLM, пока что я успел создать там только 2 чата. Но полагаю, что это также может быть связано между собой. Оба аккаунта у меня зарегистрированны через Google. Возможно OpenAI придумали какую-то заумную систему банов и я попал под раздачу.

Однако, если подумать - все причины просто притянуты за уши и иначе, как маразмом это назвать нельзя.

Написал этим идиотам в саппорт, буду разбираться. Хоть я и не являюсь активным пользователем ChatGPT, терять свой личный аккаунт не хочется, как минимум из принципа и научных соображений 😅

Я попробовал почти все AI-инструменты для написания кода и выбрал лучшие для использования непрограммистом

В процессе подготовки тренинга я столкнулся с тем, что нужно было делать очень много всего. Одна из задач, которую мне нужно было решить - это создание сайтов для продажи тренингов. Я сразу отбросил использование конструкторов сайтов, вроде Tilda. Хотелось сделать сайт необычным и функциональным. При этом я не хотел тратить кучу времени на его создание и редактирование. На Tilda можно сделать крутой сайт, но нужно потратить много времени, а время сейчас - у меня ресурс максимально ограниченный. Решил, что здесь пойду по стандартному своему пути и привлеку ИИ!

В процессе у меня были разные идеи, я наткнулся на кучу разных инструментов, основных варианта было три:

- создать дизайн с помощью специализированных сервисов генерации макетов, которые я потом смогу экспортировать в конструктор сайтов, например, Webflow;
- написать код с помощью LLM либо редактора кода с ИИ и потом опубликовать сайт на своем сервере;
- найти какой-то специализированный инструмент для создания веб-приложений с помощью ИИ и опубликовать сайт на своем сервере.

Попытка создать дизайн с помощью сервисов генерации макетов
Данный вариант мне показался самым экономным с точки зрения времени. Из таких сервисов мне понравился Relume. Я взял пробную подписку, но столкнулся с двумя проблемами: во-первых, набор возможных дизайнов сильно ограничен и не было нужного мне типа блоков, во-вторых, у них сейчас можно генерировать только сильно упрощенные версии дизайнов - вайрфреймы, функция генерации чего-то красивого находится в бете. Сервис крутой на будущее, но сейчас мне не подошел.

Попытка написать код с помощью LLM или редактора кода
Здесь я попробовал вообще все! Качал Coursor, активировал Github Assistant в VS Code, пробовал писать код с помощью Claude 3.5 и Gemini Flash Thinking 2.0, GPT-o1. Если коротко - для человека, не знакомого с разработкой - все варианты слишком сложны. Можно создать что-то простое, но это займет очень много времени. По итогу я использовал все эти инструменты для точечных доработок кода, который создал с помощью других инструментов. Что хотелось бы отметить: Claude 3.5 проявил себя лучше всех в написании кода, но у него слишком низкие лимиты для создания сайта, Gemini лучше всех помогал мне фиксить баги и ошибки в коде. Но сам сайт я разработал иначе.

Специализированные инструменты для создания прототипов - то, что мне помогло
Таких есть несколько, и я попробовал все. Из тех, что мне понравился - хочу отметить Bolt. Это продукт, у которого под капотом лежит этот самый Claude 3.5. Поэтому код получался крутой, а реализация именно такой, какой я хотел. У сервиса есть ряд недоработок и подводных камней: во-первых, он может нормально реализовать далеко не все из-за того, как он работает, во-вторых - система подписки у него такая, что тебе дается ограниченное количество токенов и, если не знать определенных правил - они улетают очень быстро. Я не знал об этом, и первые $20 у меня сгорели, когда я доделал еще не все. Пришлось закидывать еще $20, чтобы завершить разработку. Но благодаря этому я сформировал детальный гайд по работе с этим инструментом, который будет доступен в обоих курсах. Всего на разработку сайта у меня ушло 5 часов моего времени и чуть меньше $40, что очень круто, сайт для консалтинга мы делали пару месяцев! По моему гайду можно будет создать практически любой сайт в пределах базовой подписки всего за $20 потратив куда меньше времени.

Итого:
Лендинги у меня готовы, осталось решить вопросы с принятием оплаты и пару юридических моментов, и я готов к запуску.

P.S. Скриншот главной страницы прилагаю 😁

#инструменты

Новые Gemini вышли из Beta и теперь доступны всем

Пока Open AI выпускают свою Deep Research модель только для избранных, аналог которой с точно таким же названием доступен в Gemini уже больше, чем 1.5 месяца, Google представили ряд новых моделей семейства 2.0. Большинство из них я использовал еще в бете практически каждый день, поэтому здесь мне есть что сказать.

Gemini Flash Thinking Experimental 2.0 - про эту модель я писал уже неоднократно. Модель несколько раз обновлялась за это время и становилась только лучше. Здесь увеличили длину выходного текста до с 8 тыс токенов до 65. Также увеличили контекстное окно с 35 тыс до 1 млн.

По моим наблюдениям, лучше всего модель работает в двух сценариях:
- когда мы уперлись в какую-то проблему/задачу не можем разрешить обычной LLM, и нужно предложить пути ее решения. В моих задачах это было написание контента на сложные темы и исправление ошибок в программном коде.
- когда мы хотим сделать план для выполнения большой задачи.

Нравится видеть “мысли модели”, по это, кстати. будет отдельный пост в ближайшее время. Но в целом, данная моделька была мне очень полезна в последний месяц.

Помимо этого, Google выпустила другую версию этой модельки для работы с приложениями, включая YouTube, Google Docs и другие сервисы компании. Данную модель выпустили только сегодня, в теории - можно отлично использовать для извлечения знаний из видео на YouTube и учиться более эффективно, однако пока что это не работает. Попробовал залить в модельку видео из YouTube - она сказала, что не может мне дать по нему информацию. Посмотрел “Мысли” модели - пишет, что не может вызвать Tool просмотра видео на YouTube. Видимо сломалась при релизе, думаю, в ближайшие день-два это исправят.

Gemini 2.0 Pro Experimental - вторая модель, которую я ранее пробовал. Здесь просто убойное контекстное окно в 2 миллиона токенов (пока не представляю задач, которые можно решить с ним, у меня было максимум 800 тысяч токенов в одной задаче). И если “думающая” версия модели хороша в планировании - эта была очень крута в исполнении. Снова вернусь к примеру с кодом:

Я нашел ошибку, попросил Thinking модель дать варианты решения этой проблемы. После - попросил исправить эту ошибку. Модели нужно было выполнить 2-3 шага для осуществления правок.

В случае с Pro версией модели, если я в нее закидывал варианты решения, сгенерированные через Thinking модель, правильное решение она находила с первого раза. В общем, опять проявляется сила сочетания разных моделей для разных задач. Единственный минус - скорость ответов, она не такая быстрая. Поэтому к этой модельке я обращаюсь только когда задача очень серьерзная.

Помимо этого для разработчиков выпустили еще одну модель, которую я пока не трогал - 2.0 Flash-Lite. Она стоит как Flash 1.5 и превосходит ее, но при этом хуже, чем Flash 2.0 практичеки по всем показателям. По-моему мнению модель не стоит внимания нас как пользователей и больше нужна для того, чтобы мягко стимулировать разработчиков к переходу на новое поколение.

#новости #инструменты