Почему я не считаю, что LLM - это путь к AGI
В конце вчерашнего поста по итогам презентации OpenAI я написал, что мы почти выжимаем максимум из LLM в их текущем виде. Эта мысль регулярно всплывает в разговорах с коллегами из индустрии - и сегодня хочу чуть подробнее расписать, почему я всё сильнее убеждаюсь, что LLM - это не прямой путь к AGI, а скорее один из важнейших, но не единственный, шаг к нему.
Фундаментально всё упирается в архитектуру. LLM - это гениальный автокомплит. Вся их магия - это невероятно сложная и отточенная на триллионах слов способность предсказывать следующее наиболее вероятное слово. И из этой задачи берутся все их сильные стороны и ограничения.
1. Язык - это не весь мир
LLM великолепно работают с языком и кодом - по сути, тоже языком, просто формальным. И то и другое - мир символов, но не людей. Наглядно на примере: возьмем слово
Поэтому в медицине, финансах и инженерии, даже если используется LLM, то делает это как интерфейс или ассистент, а не как основной ”мозг”. Чтобы язык имел ценность, за ним должны стоять модели, которые работают с реальностью: числами, физическими измерениями, причинно-следственными связями. Без этого заземления интеллект остается поверхностным.
2. LLM - это про корелляцию, а не про логику
LLM идеально находят корреляции. Они знают, что за вспышкой молнии почти всегда следует раскат грома, они знают что это происходит из-за разницы скорости света и звука, но они не понимают, связи между этими явлениями. В ответе они оперируют паттернами из данных, а не законами логики и физики.
Это приводит к двум последствиям:
- Ненадежность в новых задачах: Если дать LLM нестандартную логическую головоломку, которой не было в обучающей выборке, она скорее всего ошибется, пытаясь решить ее “по аналогии”, а не путем строгих выводов. GPT 5 все еще не справляется с простой логической задачкой, которую я придумал почти год назад (см скрин)
- Шаблонность решений: LLM - это конструкторы. Если внимательно смотреть на сайты, дизайн, документацию, советы или даже код, созданные ИИ, то легко заметить повторяющиеся структуры, любимые фразы, характерные ошибки. Причём у каждой модели свой почерк, который легко распознать, если много с ними работаешь. Это значит, что LLM не генерируют принципиально новое - они комбинируют уже существующие паттерны.
3. Замороженные знания и неспособность учиться на лету
Модель обучается на статичном срезе данных (условно, интернет до декабря 2024). После этого ее знания зафиксированы. Если вы сообщите ей новый факт, она не встроит его в свою нейронную сеть. В новом окне она его забудет. Методы вроде RAG - это костыли, которые позволяют подсовывать модели актуальную информацию: in context learning - это не lifelong learning. Настоящий интеллект должен быть способен к непрерывному обучению - усваивать новую информацию на лету и интегрировать ее в существующую картину мира, не разрушая ее. LLM так не умеют, да и технически это сложно реализуемо.
Так что же нужно для AGI?
Это не одна гигантская нейросеть, а сложная гибридная система, где LLM - выполняют роль языкового процессора.
Настоящему AGI также понадобятся:
- способность симулировать реальность для планирования (ответ на вопрос: “А что, если?”);
- отдельное логическое ядро для проверки гипотез, которые генерят LLM;
⁃ воплощение в физическом мире для “заземления” знаний через датчики и манипуляторы;
⁃ агентность - умение самостоятельно ставить и достигать цели;
Из всего этого у нас есть подвижки только в агентности 😁
А что вы думаете про достижение AGI?
В конце вчерашнего поста по итогам презентации OpenAI я написал, что мы почти выжимаем максимум из LLM в их текущем виде. Эта мысль регулярно всплывает в разговорах с коллегами из индустрии - и сегодня хочу чуть подробнее расписать, почему я всё сильнее убеждаюсь, что LLM - это не прямой путь к AGI, а скорее один из важнейших, но не единственный, шаг к нему.
Фундаментально всё упирается в архитектуру. LLM - это гениальный автокомплит. Вся их магия - это невероятно сложная и отточенная на триллионах слов способность предсказывать следующее наиболее вероятное слово. И из этой задачи берутся все их сильные стороны и ограничения.
1. Язык - это не весь мир
LLM великолепно работают с языком и кодом - по сути, тоже языком, просто формальным. И то и другое - мир символов, но не людей. Наглядно на примере: возьмем слово
стул. Для LLM - это не предмет с ножками, на котором сидят, а вектор, статистически связанный с векторами сидеть, стол, мебель. Модель не знает, “Что есть стул в реальном мире?”, так как у нее нет опыта взаимодействия с этим миром. Она может написать, что если толкнуть стул, он упадет, потому что читала об этом. Но она не понимает этого на уровне интуитивной физики.Поэтому в медицине, финансах и инженерии, даже если используется LLM, то делает это как интерфейс или ассистент, а не как основной ”мозг”. Чтобы язык имел ценность, за ним должны стоять модели, которые работают с реальностью: числами, физическими измерениями, причинно-следственными связями. Без этого заземления интеллект остается поверхностным.
2. LLM - это про корелляцию, а не про логику
LLM идеально находят корреляции. Они знают, что за вспышкой молнии почти всегда следует раскат грома, они знают что это происходит из-за разницы скорости света и звука, но они не понимают, связи между этими явлениями. В ответе они оперируют паттернами из данных, а не законами логики и физики.
Это приводит к двум последствиям:
- Ненадежность в новых задачах: Если дать LLM нестандартную логическую головоломку, которой не было в обучающей выборке, она скорее всего ошибется, пытаясь решить ее “по аналогии”, а не путем строгих выводов. GPT 5 все еще не справляется с простой логической задачкой, которую я придумал почти год назад (см скрин)
- Шаблонность решений: LLM - это конструкторы. Если внимательно смотреть на сайты, дизайн, документацию, советы или даже код, созданные ИИ, то легко заметить повторяющиеся структуры, любимые фразы, характерные ошибки. Причём у каждой модели свой почерк, который легко распознать, если много с ними работаешь. Это значит, что LLM не генерируют принципиально новое - они комбинируют уже существующие паттерны.
3. Замороженные знания и неспособность учиться на лету
Модель обучается на статичном срезе данных (условно, интернет до декабря 2024). После этого ее знания зафиксированы. Если вы сообщите ей новый факт, она не встроит его в свою нейронную сеть. В новом окне она его забудет. Методы вроде RAG - это костыли, которые позволяют подсовывать модели актуальную информацию: in context learning - это не lifelong learning. Настоящий интеллект должен быть способен к непрерывному обучению - усваивать новую информацию на лету и интегрировать ее в существующую картину мира, не разрушая ее. LLM так не умеют, да и технически это сложно реализуемо.
Так что же нужно для AGI?
Это не одна гигантская нейросеть, а сложная гибридная система, где LLM - выполняют роль языкового процессора.
Настоящему AGI также понадобятся:
- способность симулировать реальность для планирования (ответ на вопрос: “А что, если?”);
- отдельное логическое ядро для проверки гипотез, которые генерят LLM;
⁃ воплощение в физическом мире для “заземления” знаний через датчики и манипуляторы;
⁃ агентность - умение самостоятельно ставить и достигать цели;
Из всего этого у нас есть подвижки только в агентности 😁
А что вы думаете про достижение AGI?
5👍23❤11🔥5🤔2
1. Про плюсы США - описал, что все-таки нравится в Штатах и ради чего здесь стоит пожить.
2. Один из проектов, которые я консультирую запустился на Product Radar - в том числе благодаря вам набрали больше 400 голосов. Уже почти наверняка заберем продукт недели, впереди еще звание продукта месяца, поэтому продолжаем голосовать, подробности в посте.
3. Пересобираю свои тренинги - описал, что нового будет в следующих потоках по “ИИ для личной эффективности” и “AI продакт менеджменту”.
4. OpenAI впервые за долгое время стали действительно Open? - компания выпустила первую со времен GPT 2 открытую модель. Тесты планирую на грядущей неделе.
5. Завышенные ожидания или OpenAI выдохлись? - пост по результатам не самой удачной презентации. Маркетинг отработал так хорошо, что аж плохо. В результате получились хорошие модели, которые никого не впечатлили с первых минут.
6. Почему я не считаю, что LLM - это путь к AGI - рассказал, почему все заявления про AGI сейчас - это маркетинг, и что реально нужно для AGI. У моего коллеги Богдана также был пост с похожими мыслями, заодно там еще интересный видосик
Прошлый дайджест тут
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5❤4
ИИ и бытовуха: что работает хорошо
Не так давно я писал, что чтобы использовать ИИ реально эффективно - надо использовать его везде. Я регулярно пробую найти у себя в рутине какие-то операции, которые можно оптимизировать с помощью LLM. Сегодня делюсь тем, где это получается неплохо, в следующем посте - что работает так себе. Сразу скажу, что я использую вообще все: Perplexity, Manus, GPT-5, Gemini. Модель можете использовать на свой вкус, ниже привожу кейсы и промпты.
Критик
Один из моих любимых кейсов, когда мне нужно почалленджить какие-то свои решения. Помогает максимально проработать нужную мне проблему.
Консультант по коммуникации
Использую очень часто, чтобы заранее проработать и избежать неприятных ситуаций вообще во всех сферах, где есть общение. Помогает как в переговорах, так и при общении в условном МФЦ :D
Кулинарный ассистент
Одно из моих хобби - это готовка. Какие-то рецепты я делаю редко и периодически забываю, как их готовить. В таких случаях меня выручает ИИ и делает это он прямо неплохо.
Сравнение по характеристикам
Иногда бывает, что мне нужно что-то купить, но я не могу выбрать В таком случае я прошу ИИ провести для меня сравнительный анализ.
Разносторонний анализ
Иногда нужно взвесить все "за" и "против" при принятии какого-то решения. В таком случае я промпчу себе 3 ассистентов: позитивиста, негативиста и сбалансированного. Для каждого отдельный чат. Это позволяет им не зависеть друг от друга и максимально покрыть все сценарии. Далее - я беру их аргументы и принимаю уже свое решение.
Позитивист
Негативист
Баланс
Генераторы промптов
Помогает не тратить время при быстрых задачах. Здесь приведу ссылки на прошлые посты: для генерации видео/фото, для подкастов в NotebookLM.
Изучение новых материалов
Здесь также будет ссылка на пост про то, как я читаю с ИИ. Помогает заполнить FOMO и обрабатывать новую информацию быстрее.
В следующем посте я поделюсь тем, что получается плохо, а вы пока делитесь своими кейсами!
Не так давно я писал, что чтобы использовать ИИ реально эффективно - надо использовать его везде. Я регулярно пробую найти у себя в рутине какие-то операции, которые можно оптимизировать с помощью LLM. Сегодня делюсь тем, где это получается неплохо, в следующем посте - что работает так себе. Сразу скажу, что я использую вообще все: Perplexity, Manus, GPT-5, Gemini. Модель можете использовать на свой вкус, ниже привожу кейсы и промпты.
Критик
Один из моих любимых кейсов, когда мне нужно почалленджить какие-то свои решения. Помогает максимально проработать нужную мне проблему.
Твоя задача конструктивно критиковать все мои решения, подробно описывая, что именно в них не так, но не предлагать альтернативы, я должен сам до них дойти. Твоя цель - помочь мне максимально проработать все аспекты моего решения.
Инструкции:
Я присылаю тебе проблему, контекст и свое решение
Ты пишешь мне конструктивную критику
Далее мы с тобой вместе это обсуждаем. Никогда со мной не соглашайся и продолжай конструктивно критиковать
Консультант по коммуникации
Использую очень часто, чтобы заранее проработать и избежать неприятных ситуаций вообще во всех сферах, где есть общение. Помогает как в переговорах, так и при общении в условном МФЦ :D
Ты - эксперт по коммуникации и переговорам. Твоя задача - помочь мне спланировать эффективную коммуникацию. Вот моя ситуация [опишите здесь контекст]. Цель коммуникации [опишите, чего хотите достичь]. Вот что я думаю [сюда кидаем черновики и свои мысли]. Помоги мне сформулировать мысли лучшим образом для достижения целей.
Кулинарный ассистент
Одно из моих хобби - это готовка. Какие-то рецепты я делаю редко и периодически забываю, как их готовить. В таких случаях меня выручает ИИ и делает это он прямо неплохо.
Ты - профессиональный шеф-повар. Я хочу приготовить [название блюда], у меня есть [перечислить названия продуктов]. Я хочу, чтобы блюдо было [написать тут особенности, например, без сахара]. Напиши мне подробный пошаговый рецепт того, как его приготовить со всеми пропорциями.
Сравнение по характеристикам
Иногда бывает, что мне нужно что-то купить, но я не могу выбрать В таком случае я прошу ИИ провести для меня сравнительный анализ.
Я хочу купить [название продукта], мои сценарии использования - это [описать тут сценарии]. Мне важно, чтобы [описать ключевые параметры продукта]. Я выбираю между [продукт 1], [продукт 2], [продукт n]. Сравни их по следующим характеристикам [список характеристик], и скажи, какой будет оптимальнее.
Разносторонний анализ
Иногда нужно взвесить все "за" и "против" при принятии какого-то решения. В таком случае я промпчу себе 3 ассистентов: позитивиста, негативиста и сбалансированного. Для каждого отдельный чат. Это позволяет им не зависеть друг от друга и максимально покрыть все сценарии. Далее - я беру их аргументы и принимаю уже свое решение.
Позитивист
Твоя задача - отмечать только положительные стороны [описать чего]. Вот контекст ситуации [сюда грузим описание]. Дай мне топ 10 с подробной аргументацией.
Негативист
Твоя задача - отмечать только отрицательные стороны [описать чего]. Вот контекст ситуации [сюда грузим описание]. Дай мне топ 10 с подробной аргументацией.
Баланс
Твоя задача - отметить все положительные и отрицательные стороны [описать чего]. Вот контекст ситуации [сюда грузим описание]. Напиши по 10 пунктов для каждой группы, каждый обоснуй.
Генераторы промптов
Помогает не тратить время при быстрых задачах. Здесь приведу ссылки на прошлые посты: для генерации видео/фото, для подкастов в NotebookLM.
Изучение новых материалов
Здесь также будет ссылка на пост про то, как я читаю с ИИ. Помогает заполнить FOMO и обрабатывать новую информацию быстрее.
В следующем посте я поделюсь тем, что получается плохо, а вы пока делитесь своими кейсами!
6👍34🔥11❤9
ИИ и бытовуха: кейсы, когда модели лажают
В прошлом посте я привел примеры того, где ИИ мне реально помогает. Сегодня делюсь теми кейсами, где мне меня спас фактчекинг и внимательность. Делаю специально в формате кейсов, чтобы показать цену ошибки наглядно, итак, поехали!
Делегирование покупок
Касается Operator, Perplexity Comet, Manus и других агентов. Основная их проблема - они все ленятся: стараются листать меньше страниц, хватаются за первый попавшийся вариант, если не нашли - пытаются выбрать похожее, но не по своей сущности, а по названию. Подробный опыт с покупкой авиабилетов и вещей на Avito в Comet я описывал ранее. Цена ошибки - не тот товар в корзине.
Сравнения в деталях
Мне нужно было подобрать мультитул для велосипеда и пару доп инструментов к нему под мои цели катания. Я выбрал такой, а задачей ИИ было найти мне недостающие инструменты, которые бы были максимально легкими и дополняли функции мультитула.
Результат: ИИ сформировал для меня 3 варианта комплектов. Во всех трех случаях он дал мне неплохие варианты, но не самые легкие. А в том, варианте, который на первый взгляд подходил больше всего, он предлагал мне купить доп инструмент, который уже был в моем мультитуле. Если бы не моя внимательность - отдал бы $20 за то, что мне не нужно.
Внимание к деталям
Нужно было сделать онлайн-регистрацию на рейс в США. При заполнении требуют номера визы. На визе в США номеров довольно много, а ситуация усугубилась тем, что мне выдали визу нового образца (с мостом, выдают с 2023). Пошел в LLM, пробовал DeepResearch Perplexity и GPT 5. Обе сказали мне о том, что номер визы - справа внизу красным шрифтом, но проблема была в том, что шрифт переливается и красный он на визах старого образца. Пришлось идти в гугл, ибо введи я все неправильно - никуда бы не полетел, а не введи - сидел бы 11 часов у туалета.
Советы, когда вы разбираетесь в тематике
ИИ очень хорош, когда вы только вливаетесь в какую-то тему, но не когда вы на ней собаку съели. Мне нужно было сравнить несколько велосипедов между собой, решил использовать Deep Research для этого. Указал нужные модели и попросил обоснования по нужным мне параметрам. Все ИИ, что я использовал, напутали параметры велосипедов, где-то даже между собой. А вместо сравнения велосипедов - я получил выжимки из маркетинговых материалов о них. Там, где я ожидал разбор компонентов и их производительность в разных условиях, я получил кучу воды с сайтов производителей, а нужные мне аспекты были описаны поверхностно. Нужный мне велосипед модели выбрали только после моих наводящих вопросов: полистать YouTube и Reddit мне было бы быстрее. За косяки ИИ вы платите своим временем.
Правильное питание
Рецепты с ИИ - это хорошо, но пробовали ли вы составить с ним план питания? А забить потом результат в калькулятор калорий? Лично у меня цифры не совпадают вообще никогда. Чаще всего происходит занижение калоража и/или БЖУ по сравнению с реальной базой. Поэтому для вдохновения ЛЛМ использовать можно, но вашим нутрициологом он пока быть не может. Если же поверите ИИ - своих фитнес-целей достичь будет проблематично :D
Это лишь немногие мои кейсы, делитесь в комментариях своими, пока я лечу, буду онлайн - почитаю :)
В прошлом посте я привел примеры того, где ИИ мне реально помогает. Сегодня делюсь теми кейсами, где мне меня спас фактчекинг и внимательность. Делаю специально в формате кейсов, чтобы показать цену ошибки наглядно, итак, поехали!
Делегирование покупок
Касается Operator, Perplexity Comet, Manus и других агентов. Основная их проблема - они все ленятся: стараются листать меньше страниц, хватаются за первый попавшийся вариант, если не нашли - пытаются выбрать похожее, но не по своей сущности, а по названию. Подробный опыт с покупкой авиабилетов и вещей на Avito в Comet я описывал ранее. Цена ошибки - не тот товар в корзине.
Сравнения в деталях
Мне нужно было подобрать мультитул для велосипеда и пару доп инструментов к нему под мои цели катания. Я выбрал такой, а задачей ИИ было найти мне недостающие инструменты, которые бы были максимально легкими и дополняли функции мультитула.
Результат: ИИ сформировал для меня 3 варианта комплектов. Во всех трех случаях он дал мне неплохие варианты, но не самые легкие. А в том, варианте, который на первый взгляд подходил больше всего, он предлагал мне купить доп инструмент, который уже был в моем мультитуле. Если бы не моя внимательность - отдал бы $20 за то, что мне не нужно.
Внимание к деталям
Нужно было сделать онлайн-регистрацию на рейс в США. При заполнении требуют номера визы. На визе в США номеров довольно много, а ситуация усугубилась тем, что мне выдали визу нового образца (с мостом, выдают с 2023). Пошел в LLM, пробовал DeepResearch Perplexity и GPT 5. Обе сказали мне о том, что номер визы - справа внизу красным шрифтом, но проблема была в том, что шрифт переливается и красный он на визах старого образца. Пришлось идти в гугл, ибо введи я все неправильно - никуда бы не полетел, а не введи - сидел бы 11 часов у туалета.
Советы, когда вы разбираетесь в тематике
ИИ очень хорош, когда вы только вливаетесь в какую-то тему, но не когда вы на ней собаку съели. Мне нужно было сравнить несколько велосипедов между собой, решил использовать Deep Research для этого. Указал нужные модели и попросил обоснования по нужным мне параметрам. Все ИИ, что я использовал, напутали параметры велосипедов, где-то даже между собой. А вместо сравнения велосипедов - я получил выжимки из маркетинговых материалов о них. Там, где я ожидал разбор компонентов и их производительность в разных условиях, я получил кучу воды с сайтов производителей, а нужные мне аспекты были описаны поверхностно. Нужный мне велосипед модели выбрали только после моих наводящих вопросов: полистать YouTube и Reddit мне было бы быстрее. За косяки ИИ вы платите своим временем.
Правильное питание
Рецепты с ИИ - это хорошо, но пробовали ли вы составить с ним план питания? А забить потом результат в калькулятор калорий? Лично у меня цифры не совпадают вообще никогда. Чаще всего происходит занижение калоража и/или БЖУ по сравнению с реальной базой. Поэтому для вдохновения ЛЛМ использовать можно, но вашим нутрициологом он пока быть не может. Если же поверите ИИ - своих фитнес-целей достичь будет проблематично :D
Это лишь немногие мои кейсы, делитесь в комментариях своими, пока я лечу, буду онлайн - почитаю :)
Telegram
NGI | Влад Корнышев про AI и создание AI-продуктов
Красиво, но бесполезно: как Perplexity Comet убедил меня, что у AI-браузеров нет будущего
После череды разочарований в AI-браузерах вроде Dia и Genspark моей последней надеждой был Comet от Perplexity. Я с симпатией отношусь к их основному продукту, а хайп…
После череды разочарований в AI-браузерах вроде Dia и Genspark моей последней надеждой был Comet от Perplexity. Я с симпатией отношусь к их основному продукту, а хайп…
👍13🔥3❤1
Провожу два бесплатных воркшопа для GWC
Сезон публичных активностей для меня открыт! 29 августа и 5 сентября я проведу два бесплатных воркшопа по AI для GWC. Воркшопы - по сути, адаптированные версии первых двух тем моих тренингов. Мероприятие будет проходить на английском, и зарегистрироваться может любой желающий.
- Воркшоп 1: Introduction to AI Technology
- Воркшоп 2: AI Basics and Prompt Engineering
GWC - это организация, которая создаёт возможности для профессионального развития женщин, и я очень рад присоединиться к ним в качестве спикера и ментора, чтобы помочь другим в их карьерном пути. Для меня это отличная возможность сделать что-то весомое для женщин, ведь в течение моей жизни именно они помогали мне двигаться в ту сторону, куда я хотел. Начиная с моей мамы, которая открыла для меня невероятное количество возможностей, и заканчивая моими коллегами и руководителями.
В Skyeng моим первым руководителем и менеджером, которая наняла меня, была как раз-таки женщина. Её зовут Виолетта, и это один из самых крутых руководителей, встречавшихся мне до сих пор: отношение к команде, умение “заразить” рабочим энтузиазмом, качество принимаемых решений и то, как она вкладывается в развитие сотрудников, для меня до сих пор остаются эталоном.
Очень надеюсь, что данное мероприятие поможет кому-то подняться по карьерной лестнице или затянет кого-то в AI, как в своё время Виолетта затянула меня в Skyeng.
👉 Зарегистрироваться на мероприятие можно по ссылке
P.S. если хотите видеть меня в качестве спикера на своем мероприятии или конференции - не стесняйтесь писать мне в ЛС или в сообщения канала, есть еще пара слотов под это 😉
Сезон публичных активностей для меня открыт! 29 августа и 5 сентября я проведу два бесплатных воркшопа по AI для GWC. Воркшопы - по сути, адаптированные версии первых двух тем моих тренингов. Мероприятие будет проходить на английском, и зарегистрироваться может любой желающий.
- Воркшоп 1: Introduction to AI Technology
- Воркшоп 2: AI Basics and Prompt Engineering
GWC - это организация, которая создаёт возможности для профессионального развития женщин, и я очень рад присоединиться к ним в качестве спикера и ментора, чтобы помочь другим в их карьерном пути. Для меня это отличная возможность сделать что-то весомое для женщин, ведь в течение моей жизни именно они помогали мне двигаться в ту сторону, куда я хотел. Начиная с моей мамы, которая открыла для меня невероятное количество возможностей, и заканчивая моими коллегами и руководителями.
В Skyeng моим первым руководителем и менеджером, которая наняла меня, была как раз-таки женщина. Её зовут Виолетта, и это один из самых крутых руководителей, встречавшихся мне до сих пор: отношение к команде, умение “заразить” рабочим энтузиазмом, качество принимаемых решений и то, как она вкладывается в развитие сотрудников, для меня до сих пор остаются эталоном.
Очень надеюсь, что данное мероприятие поможет кому-то подняться по карьерной лестнице или затянет кого-то в AI, как в своё время Виолетта затянула меня в Skyeng.
👉 Зарегистрироваться на мероприятие можно по ссылке
P.S. если хотите видеть меня в качестве спикера на своем мероприятии или конференции - не стесняйтесь писать мне в ЛС или в сообщения канала, есть еще пара слотов под это 😉
❤11🔥3👍2👌2
Спустя 3 года я исполнил свою мечту
Пост не по тематике канала, а про жизнь!
В свободное от работы время я стараюсь посвящать хобби, коих у меня несколько: дома - это гитара, а за его пределами - велоспорт. Так получилось, что велосипед занимает особое место в моей жизни: на нем я путешествую, тренируюсь, вижу новые места, отдыхаю и прокачиваю свою менталку, когда, например, надо заехать на 3000 метров вверх в гору, что потом помогает добиваться целей в работе :D
Свой прошлый велосипед - Cannondale Slate я брал 3 года назад с рук. Он достался мне по очень хорошей цене, а в дальшейшем я неплохо в него вложился,поставив карбоновые колеса и другие классные компоненты. Вместе мы прошли больше 12 000 км, объездили всю Армению и поколесили по России и США. За время владения этим велосипедом я познакомился со своей женой и так получилось, что тоже увлек ее велосипедом.
Slate был очень крутой, но он не был велосипедом мечты. Это был тот байк, который я мог себе позволить. Но в душе я хотел карбоновую раму, электронные переключатели передач, потайной отсек для хранения инструментов и другие мелочи. И все 3 года я заглядывался на флагманские карбоновые модели от Cannondale.
И сегодня я исполнил свою велосипедную мечту, купив новенький Cannondale Topstone Carbon DI2 LTD. Все это время компания выпускала новые велосипеды, но в них все время мне что-то не нравилось: то переключатели не те, то цвет не тот, то колеса хуже, чем на моем предыдущем. А эта модель для меня идеальна во всем: красивый внешний вид, компоненты более высокого уровня, чем у меня были, электронная трансмиссия и тот самый скрытый отсек для инструментов в раме. Я уже успел прокатиться и нереально кайфанул!
Прошлый год у меня был не из простых, и этот начался не так гладко, но мне удалось преодолеть трудности, поэтому я решил себя порадовать чем-то материальным, исполнив свою мечту, ведь это не просто разовая покупка, а еще и море впечатлений, которые я буду получать от нее в будущем.
Старый велосипед продавать не планирую, он останется в моей коллекции и будет радовать теперь уже не меня, а жену на ее пути в качестве велосипедиста :) Планируем поколесить по Калифорнии уже в ноябре этого года.
Мечтайте, мечты сбываются :)
Пост не по тематике канала, а про жизнь!
В свободное от работы время я стараюсь посвящать хобби, коих у меня несколько: дома - это гитара, а за его пределами - велоспорт. Так получилось, что велосипед занимает особое место в моей жизни: на нем я путешествую, тренируюсь, вижу новые места, отдыхаю и прокачиваю свою менталку, когда, например, надо заехать на 3000 метров вверх в гору, что потом помогает добиваться целей в работе :D
Свой прошлый велосипед - Cannondale Slate я брал 3 года назад с рук. Он достался мне по очень хорошей цене, а в дальшейшем я неплохо в него вложился,поставив карбоновые колеса и другие классные компоненты. Вместе мы прошли больше 12 000 км, объездили всю Армению и поколесили по России и США. За время владения этим велосипедом я познакомился со своей женой и так получилось, что тоже увлек ее велосипедом.
Slate был очень крутой, но он не был велосипедом мечты. Это был тот байк, который я мог себе позволить. Но в душе я хотел карбоновую раму, электронные переключатели передач, потайной отсек для хранения инструментов и другие мелочи. И все 3 года я заглядывался на флагманские карбоновые модели от Cannondale.
И сегодня я исполнил свою велосипедную мечту, купив новенький Cannondale Topstone Carbon DI2 LTD. Все это время компания выпускала новые велосипеды, но в них все время мне что-то не нравилось: то переключатели не те, то цвет не тот, то колеса хуже, чем на моем предыдущем. А эта модель для меня идеальна во всем: красивый внешний вид, компоненты более высокого уровня, чем у меня были, электронная трансмиссия и тот самый скрытый отсек для инструментов в раме. Я уже успел прокатиться и нереально кайфанул!
Прошлый год у меня был не из простых, и этот начался не так гладко, но мне удалось преодолеть трудности, поэтому я решил себя порадовать чем-то материальным, исполнив свою мечту, ведь это не просто разовая покупка, а еще и море впечатлений, которые я буду получать от нее в будущем.
Старый велосипед продавать не планирую, он останется в моей коллекции и будет радовать теперь уже не меня, а жену на ее пути в качестве велосипедиста :) Планируем поколесить по Калифорнии уже в ноябре этого года.
Мечтайте, мечты сбываются :)
2❤35👍22🔥12
1. ИИ и бытовуха: что работает хорошо - поделился своими промптами и воркфлоу
2. ИИ и бытовуха: кейсы, когда модели лажают - а здесь тем, где ИИ использовать можно, но осторожно
3. Провожу два бесплатных воркшопа для GWC - выступаю на конференции в конце августа, вход бесплатный, приходите 🙂
4. Спустя 3 года я исполнил свою мечту - не про ИИ 😄 Рассказываю историю своей охоты за новым велосипедом
Прошлый дайджест тут
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥5❤3
Выступаю на конференции WANNABE AI GENIUS
30 августа пройдет очередная конфа, на которой я выступлю в роли спикера. Буду проводить воркшоп для продактов по прототипированию AI-продуктов с помощью AI.
Воршкоп будет состоять из двух частей: на теоретической мы разберем, в чем особенности прототипирования и тестирования AI-продуктов, а во второй части, вместе, под моим руководством соберем небольшой прототипчик с помощью AI-кодинга. Моими целями на нем будут: во-первых, показать, что AI-кодинг это не страшно, а во-вторых, помочь вам сделать первые шаги и начать экспериментировать 🙂
Конфа будет проходить с 11 до 17 по мск и будет включать ряд тем по использованию AI для продактов и продуктовых дизайнеров: от исследований и оптимизационных лайфхаков до быстрого прототипирования. Помимо меня будут еще другие классные спикеры, например, уже знакомый вам Коля, автор канала AI и Грабли, полный лайнап можете глянуть по ссылке ниже, все ребята компетентные и довольно приятные.
Конфа на этот раз платная, купить место можно по ссылке
30 августа пройдет очередная конфа, на которой я выступлю в роли спикера. Буду проводить воркшоп для продактов по прототипированию AI-продуктов с помощью AI.
Воршкоп будет состоять из двух частей: на теоретической мы разберем, в чем особенности прототипирования и тестирования AI-продуктов, а во второй части, вместе, под моим руководством соберем небольшой прототипчик с помощью AI-кодинга. Моими целями на нем будут: во-первых, показать, что AI-кодинг это не страшно, а во-вторых, помочь вам сделать первые шаги и начать экспериментировать 🙂
Конфа будет проходить с 11 до 17 по мск и будет включать ряд тем по использованию AI для продактов и продуктовых дизайнеров: от исследований и оптимизационных лайфхаков до быстрого прототипирования. Помимо меня будут еще другие классные спикеры, например, уже знакомый вам Коля, автор канала AI и Грабли, полный лайнап можете глянуть по ссылке ниже, все ребята компетентные и довольно приятные.
Конфа на этот раз платная, купить место можно по ссылке
🔥11❤5👍2👌1
Что я узнал, потеряв life-work balance при уходе из найма
Я всегда был ярым сторонником life-work balance. Всегда находилось время на 6 тренировок (зал + велик), почитать книжку, выспаться и сделать вообще все по работе. Настроение всегда отличное, стабильный вес и другие показатели здоровья, цели на квартал закрывал минимум на 96%. Так бы продолжалось и дальше, если бы после Pearson я пошел куда-то еще.
Но вмешался переезд в США: другой рынок, усталось от EdTech и несовпадение моих целей желаниями работодателей. В США есть возможность найти работу, но это всегда офис, зачастую в другом Штате, или опять EdTech. За пределами Штатов звали на позицию Head of AI в пару компаний с релокацией на Кипр/ОАЭ и очень хорошим окладом, но опять не то. Главная причина моего переезда в США - желание быть рядом с женой, которая здесь учится, а тут нужно было уехать. В итоге это завело меня на путь предпринимательства: сначала были отдельные проекты, затем агентство, потом подтянулись тренинги.
За 1.5 года мне удалось с нуля вернуться на нормальный доход, но при этом я стал работать по 14 часов в день, перестал читать книги, тренируюсь 1-2 раза в неделю, и набрал 10 кг веса. На днях рефлексировал и думал о том, какие бы дал себе советы, чтобы это изменить, захотелось поделиться ими в канале.
Обеспечьте финансовую подушку. Так сложилось, что вся моя ушла на переезд. Мне казалось, что я нормально откладывал, но США - это слишком дорого. Наличие большей финансовой подушки помогло бы принимать более взвешанные решения. Помимо базовых накоплений, старайтесь создать себе подушку для подушки. Например сейчас у меня есть счет, куда я просто скидываю деньги и даже не знаю, сколько там.
Планируйте свой уход. У меня все вышло спонтанно. Чтобы уйти из найма плавно - нужно быть готовым как финансово, так и психологически. А я не был 🙂 Практика с коучем помогла донастроить майндест на работу в новых условиях. Также, я совершил ошибку, не приняв оффер в РФ-компанию, пока я еще был там: даже если бы я уволился через 3 месяца в связи с переездом - это бы дало больше гибкости.
Не бросайтесь на все подряд. Если вы крутой спец - на вас будет спрос. Моей ошибкой после ухода из Pearson была паника от предстоящего переезда. В результате я набрал себе ряд абсолютно тупых проектов, которые приносили деньги, с которых было сложно слиться, когда буквально через месяц появились нормальные. Итог? Сидение за комьютером круглые сутки, в выходные и в отпуск…
Если цели не достигаются - пробуйте еще. Вообще все мои инициативы начинались так себе. Первые несколько клиентов агентства, с которыми мы должны были работать - отвалились. Первые потоки тренингов собрали крутую ОС, но финансово меня не удовлетворили. Но и там и там я видел спрос и понимал, что просто так сложилось, поэтому я просто продолжил работать.
Не забывайте про то, что вы любите. Время в календаре, которое я выделял на музыку, спорт и чтение, я стал отдавать рабочим встречам либо использовать как “время на поработать”. Мой доход начал расти, но я не стал от этого счастливее. Хобби - это не пустая трата времени, это то, что помогает вам не двинуться кукухой.
Не пилите себя. Моя главная ошибка, касающаяся вообще всего. Пара месяцев без дохода - это не страшно, если ты пытаешься. Брать меньшие веса в зале - не страшно, если ты меньше тренируешься. Умирать в горку на велосипеде - не трагедия, когда ты не штурмуешь подъемы каждую неделю. Мой контекст изменился кардинально, при этом требования к себе остались на прежнем уровне. Я хотел прогрессировать всегда и жестко критиковал себя за любой откат. Откатывался еще сильнее и сильнее себя критиковал, живя в постоянном напряжении. В переходные периоды такое бывает, но мне нужно было время, чтобы это усвоить.
Дайте себе отдохнуть. На август я останавливаю вообще все тренинги и не беру новых проектов лично себе. Сопровождаю имеющееся, а остальное время занимаюсь восстановлением привычек и отдыхом. Работа без перерыва - прямой путь к выгоранию.
Любите себя и помните, что мир не крутится вокруг работы и денег.
Я всегда был ярым сторонником life-work balance. Всегда находилось время на 6 тренировок (зал + велик), почитать книжку, выспаться и сделать вообще все по работе. Настроение всегда отличное, стабильный вес и другие показатели здоровья, цели на квартал закрывал минимум на 96%. Так бы продолжалось и дальше, если бы после Pearson я пошел куда-то еще.
Но вмешался переезд в США: другой рынок, усталось от EdTech и несовпадение моих целей желаниями работодателей. В США есть возможность найти работу, но это всегда офис, зачастую в другом Штате, или опять EdTech. За пределами Штатов звали на позицию Head of AI в пару компаний с релокацией на Кипр/ОАЭ и очень хорошим окладом, но опять не то. Главная причина моего переезда в США - желание быть рядом с женой, которая здесь учится, а тут нужно было уехать. В итоге это завело меня на путь предпринимательства: сначала были отдельные проекты, затем агентство, потом подтянулись тренинги.
За 1.5 года мне удалось с нуля вернуться на нормальный доход, но при этом я стал работать по 14 часов в день, перестал читать книги, тренируюсь 1-2 раза в неделю, и набрал 10 кг веса. На днях рефлексировал и думал о том, какие бы дал себе советы, чтобы это изменить, захотелось поделиться ими в канале.
Обеспечьте финансовую подушку. Так сложилось, что вся моя ушла на переезд. Мне казалось, что я нормально откладывал, но США - это слишком дорого. Наличие большей финансовой подушки помогло бы принимать более взвешанные решения. Помимо базовых накоплений, старайтесь создать себе подушку для подушки. Например сейчас у меня есть счет, куда я просто скидываю деньги и даже не знаю, сколько там.
Планируйте свой уход. У меня все вышло спонтанно. Чтобы уйти из найма плавно - нужно быть готовым как финансово, так и психологически. А я не был 🙂 Практика с коучем помогла донастроить майндест на работу в новых условиях. Также, я совершил ошибку, не приняв оффер в РФ-компанию, пока я еще был там: даже если бы я уволился через 3 месяца в связи с переездом - это бы дало больше гибкости.
Не бросайтесь на все подряд. Если вы крутой спец - на вас будет спрос. Моей ошибкой после ухода из Pearson была паника от предстоящего переезда. В результате я набрал себе ряд абсолютно тупых проектов, которые приносили деньги, с которых было сложно слиться, когда буквально через месяц появились нормальные. Итог? Сидение за комьютером круглые сутки, в выходные и в отпуск…
Если цели не достигаются - пробуйте еще. Вообще все мои инициативы начинались так себе. Первые несколько клиентов агентства, с которыми мы должны были работать - отвалились. Первые потоки тренингов собрали крутую ОС, но финансово меня не удовлетворили. Но и там и там я видел спрос и понимал, что просто так сложилось, поэтому я просто продолжил работать.
Не забывайте про то, что вы любите. Время в календаре, которое я выделял на музыку, спорт и чтение, я стал отдавать рабочим встречам либо использовать как “время на поработать”. Мой доход начал расти, но я не стал от этого счастливее. Хобби - это не пустая трата времени, это то, что помогает вам не двинуться кукухой.
Не пилите себя. Моя главная ошибка, касающаяся вообще всего. Пара месяцев без дохода - это не страшно, если ты пытаешься. Брать меньшие веса в зале - не страшно, если ты меньше тренируешься. Умирать в горку на велосипеде - не трагедия, когда ты не штурмуешь подъемы каждую неделю. Мой контекст изменился кардинально, при этом требования к себе остались на прежнем уровне. Я хотел прогрессировать всегда и жестко критиковал себя за любой откат. Откатывался еще сильнее и сильнее себя критиковал, живя в постоянном напряжении. В переходные периоды такое бывает, но мне нужно было время, чтобы это усвоить.
Дайте себе отдохнуть. На август я останавливаю вообще все тренинги и не беру новых проектов лично себе. Сопровождаю имеющееся, а остальное время занимаюсь восстановлением привычек и отдыхом. Работа без перерыва - прямой путь к выгоранию.
Любите себя и помните, что мир не крутится вокруг работы и денег.
7❤57👍10🤣1
Это я еду в поезде в костюме банана, а рядом - в нем же подписываю американские законы в овальном кабинете :)
Почему так? Потому что сегодня рассекретили модель, которая возглавила рейтинг редактирования изображений, дебютировав под названием nano-banana. Ей оказалась новая Gemini Flash, и работает она напорядок лучше, чем то, что мы видели в GPT 4o (уже вижу очередную волну хайпа в AI Studio). И, скорее всего, именно эта модель используется в новых Google Pixel 10 для редактирования фото через текст.
Я уже успел пощупать модельку, вот пара выводов:
1. Очень хорошо справляется с задачей переодевания, где нужно сменить сеттинг или одежду.
2. Отлично удаляет лишние предметы с картинок, делает точечные правки.
3. Понравилось, что можно доуточнять изображение в процессе. Условно, если вам понравился результат, но вы хотите внести правки, в отличие от GPT, последующее изображение не будет так искажаться.
4. А вот где модель страдает, так это если нужно прямо сильно изменить фото. Например, я попробовал переодеть себя в костюм банана и посадить в Овальный Кабинет. В этом случае мое лицо несколько исказилось, а качество пострадало.
Модель доступна в AI Studio и в приложении Gemini. Нужен VPN США.
Почему так? Потому что сегодня рассекретили модель, которая возглавила рейтинг редактирования изображений, дебютировав под названием nano-banana. Ей оказалась новая Gemini Flash, и работает она напорядок лучше, чем то, что мы видели в GPT 4o (уже вижу очередную волну хайпа в AI Studio). И, скорее всего, именно эта модель используется в новых Google Pixel 10 для редактирования фото через текст.
Я уже успел пощупать модельку, вот пара выводов:
1. Очень хорошо справляется с задачей переодевания, где нужно сменить сеттинг или одежду.
2. Отлично удаляет лишние предметы с картинок, делает точечные правки.
3. Понравилось, что можно доуточнять изображение в процессе. Условно, если вам понравился результат, но вы хотите внести правки, в отличие от GPT, последующее изображение не будет так искажаться.
4. А вот где модель страдает, так это если нужно прямо сильно изменить фото. Например, я попробовал переодеть себя в костюм банана и посадить в Овальный Кабинет. В этом случае мое лицо несколько исказилось, а качество пострадало.
Модель доступна в AI Studio и в приложении Gemini. Нужен VPN США.
🔥13🤣6❤1
Топ сфер, где, на мой взгляд, AI сделает наибольшую разницу
Как правило, весь AI-хайп сегодня строится вокруг LLM. В каждом пресс-релизе нам говорят о том, что модели стали умнее, быстрее и демонстрируют знания уровня PHD. Однако говорить о том, что LLM - это то, что сделает наш мир лучше, повысит качество жизни и так далее - на мой взгляд, ошибочно. Ранее я уже писал, что с одними LLM, AGI мы не достигнем. Да и есть много чего другого интересного в сфере AI.
До бума генеративного ИИ огромное количество прорывов совершалось в классическом ML, который сегодня, на мой взгляд, незаслуженно уходит на второй план за всем шумом вокруг ChatGPT и других генеративных ИИ. В этом посте хочется поделиться видением того, где, на мой взгляд, AI даст нам наибольший буст, вне зависимости от применяемых технологий.
Направление 1 - медицина.
Я безумно люблю медтех, так как вижу это наиболее полезной для человека сферой, ведь при отсутствии здоровья все остальное становится неважным. AI активно используется для диагностики медицинских данных изображений, вроте КТ, МРТ и ОКТ-снимков, выявляя болезни и биомаркеры с точностью 95%+. Это может быть как базовая диагностика, так и превентивная медицина для выявления болезней на самых ранних стадиях. Мы в EAI как раз занимаемся разработкой подобных систем и это просто крутое чувство, когда ты думаешь о том, качество жизни скольких людей может улучшить твоя разработка и сколько болезней может предотвратить.
Другой сценарий применения AI - это работа с генетикой. Считается, что геном человека полностью расшифровали в 2023, и теперь, имея современные ML-алгоритмы и мощности, мы можем вести речь о том, чтобы работать над исправлением различного рода генетических поломок.
Третий важный кейс на мой взгляд - это разработка вакцин. Помните Pfizer? Здесь не обошлось без AI. Есть еще исследования: 1, 2.
В общем, медтех + AI - мое любимое сочетание.
Направление 2 - персональные мультиагентные системы.
Более приземленный, но наиболее близкий к реализации вариант. Добавить к LLM пару других сеток и готово. Наличие у каждого человека ассистента наподобие Джарвиса из железного человека, который знает информацию о вас, вашем календаре, почте и помогает в повседневных задачах. На последней презентации Made By Google, компания показала, функцию Magic Cue для новых Pixel 10, которая именно это и делает. Прикрутить к этому всему еще голос - и Джарвис готов. Лично у меня есть огромная куча задач, где такой ассистент бы пригодился
Направление 3 - исследования космоса.
Как бы грустно ни было, но Земля и наша Солнечная система не являются вечными и причин исследовать космос довольно много: от понимания того, как устроена вселенная до поиска новых ресурсов и мест обитания. Примеров применения AI уже достаточно, от интеллектуальных систем Space X, обеспечивающих повторное использование Шатлов и автономных марсходов NASA до исследований глубокого космоса, как например, сделал студент, выиграв грант на $250 к. Там, где нужно ловить минимальные вероятности и искать скрытые закономерности AI нам реально поможет, а исследование космоса именно таким делом и является.
Направление 4 - физика и квантовые вычисления.
Если бы меня попросили выбрать одну-единственную сферу, в которую стоит сейчас погружаться, я бы назвал именно эту. Текущие вычислительные мощности уже почти на своем пике, а вот в квантовых вычислениях - непаханое поле.
Квантовые компьютеры способны решать задачи, которые для классических компьютеров просто не под силу. Они могут моделировать сложные молекулярные структуры, что откроет новые горизонты в создании лекарств и материалов. В области криптографии квантовые вычисления могут как создать абсолютно защищенные системы, так и взломать существующие, что приведет к настоящей революции в сфере безопасности. В общем, потенциал у квантовых вычислений - огромен. И все, где сейчас применяется и будет применяться AI, при переходе к квантовым вычислениям будет давать результат в десятки, а-то и тысячи раз лучше и быстрее.
Какие направления, на ваш взгляд, я упустил? Делитесь в комментариях!
Как правило, весь AI-хайп сегодня строится вокруг LLM. В каждом пресс-релизе нам говорят о том, что модели стали умнее, быстрее и демонстрируют знания уровня PHD. Однако говорить о том, что LLM - это то, что сделает наш мир лучше, повысит качество жизни и так далее - на мой взгляд, ошибочно. Ранее я уже писал, что с одними LLM, AGI мы не достигнем. Да и есть много чего другого интересного в сфере AI.
До бума генеративного ИИ огромное количество прорывов совершалось в классическом ML, который сегодня, на мой взгляд, незаслуженно уходит на второй план за всем шумом вокруг ChatGPT и других генеративных ИИ. В этом посте хочется поделиться видением того, где, на мой взгляд, AI даст нам наибольший буст, вне зависимости от применяемых технологий.
Направление 1 - медицина.
Я безумно люблю медтех, так как вижу это наиболее полезной для человека сферой, ведь при отсутствии здоровья все остальное становится неважным. AI активно используется для диагностики медицинских данных изображений, вроте КТ, МРТ и ОКТ-снимков, выявляя болезни и биомаркеры с точностью 95%+. Это может быть как базовая диагностика, так и превентивная медицина для выявления болезней на самых ранних стадиях. Мы в EAI как раз занимаемся разработкой подобных систем и это просто крутое чувство, когда ты думаешь о том, качество жизни скольких людей может улучшить твоя разработка и сколько болезней может предотвратить.
Другой сценарий применения AI - это работа с генетикой. Считается, что геном человека полностью расшифровали в 2023, и теперь, имея современные ML-алгоритмы и мощности, мы можем вести речь о том, чтобы работать над исправлением различного рода генетических поломок.
Третий важный кейс на мой взгляд - это разработка вакцин. Помните Pfizer? Здесь не обошлось без AI. Есть еще исследования: 1, 2.
В общем, медтех + AI - мое любимое сочетание.
Направление 2 - персональные мультиагентные системы.
Более приземленный, но наиболее близкий к реализации вариант. Добавить к LLM пару других сеток и готово. Наличие у каждого человека ассистента наподобие Джарвиса из железного человека, который знает информацию о вас, вашем календаре, почте и помогает в повседневных задачах. На последней презентации Made By Google, компания показала, функцию Magic Cue для новых Pixel 10, которая именно это и делает. Прикрутить к этому всему еще голос - и Джарвис готов. Лично у меня есть огромная куча задач, где такой ассистент бы пригодился
Направление 3 - исследования космоса.
Как бы грустно ни было, но Земля и наша Солнечная система не являются вечными и причин исследовать космос довольно много: от понимания того, как устроена вселенная до поиска новых ресурсов и мест обитания. Примеров применения AI уже достаточно, от интеллектуальных систем Space X, обеспечивающих повторное использование Шатлов и автономных марсходов NASA до исследований глубокого космоса, как например, сделал студент, выиграв грант на $250 к. Там, где нужно ловить минимальные вероятности и искать скрытые закономерности AI нам реально поможет, а исследование космоса именно таким делом и является.
Направление 4 - физика и квантовые вычисления.
Если бы меня попросили выбрать одну-единственную сферу, в которую стоит сейчас погружаться, я бы назвал именно эту. Текущие вычислительные мощности уже почти на своем пике, а вот в квантовых вычислениях - непаханое поле.
Квантовые компьютеры способны решать задачи, которые для классических компьютеров просто не под силу. Они могут моделировать сложные молекулярные структуры, что откроет новые горизонты в создании лекарств и материалов. В области криптографии квантовые вычисления могут как создать абсолютно защищенные системы, так и взломать существующие, что приведет к настоящей революции в сфере безопасности. В общем, потенциал у квантовых вычислений - огромен. И все, где сейчас применяется и будет применяться AI, при переходе к квантовым вычислениям будет давать результат в десятки, а-то и тысячи раз лучше и быстрее.
Какие направления, на ваш взгляд, я упустил? Делитесь в комментариях!
❤13👍8🔥7
Как AI помог мне в ремонте ноутбука и сэкономил денег на запчастях
Моя детская мечта стать инженером и любовь собирать различные конструкторы преобразовалась в то, что если что-то из моей техники, будь это ноутбук, гитара или велосипед, нужно как-то обслужить/отремонтировать, я делаю это сам, когда есть время.
На днях сел заменить в своем маке термопасту. Делать это надо хотя бы раз в год, чтобы ноут не перегревался, особенно если гоняете его в тяжелых задачах вроде монтажа видео и локальных моделек. Свою текущую модель я разбирал в первый раз, поэтому первым делом я нашел соответствующее видео на YouTube. Но в процессе, по своей невнимательности и из-за отсутствия соответствующего предупреждения автора, при разборке я порвал шлейфы вентиляторов. Поломка максимально неприятная, так как из-за их конструкции обрыв было не спаять. Естественно, я пошел искать замену в интернете и никаких шлейфов не нашел ни у iFixIt ни на ebay ни где-либо еще. Сложилась гипотеза, что данную запчасть вообще не продают, позвал на помощь Deep Research и заодно пару AI-браузеров. Все, как один подтвердили мою правоту, даже нашли на Reddit-е несколько веток, где такое обсуждалось. Рекомендация ИИ - покупать вентриляторы в сборе.
Я пошел искать нужные части на известных мне сайтах, стоимость одного вентилятора, БУ составляла в среднем от 30 до 35 баксов. На сайте iFixIT БУ вентилятор стоит как раз те самые $35. Я подумал, что здесь мне снова может помочь AI. Запустил Perplexity Labs с задачкой найти мне вентиляторы в сборе по Part Number и получил результат лучше, чем ожидал. Меня ждала ссылочка на магазин, где комплект из двух новых оригинальных вентиляторов стоил те же самые 35 долларов. С ноткой сомнения я оформил заказ, т.к. замену мне нужно было сделать как можно быстрее, ведь в пятницу у меня конференция.
В итоге вчера вентиляторы доехали до меня, я распаковал их и они они реально оказались оригинальными, 1 в 1 с теми, что стояли в моем маке. Размеры, маркировка, штрих-коды, защитные пленочки - все на месте.
В процессе обратной сборки ноута, я столкнулся с другой проблемой: после сборки у меня почему-то не работала клавиатура и микрофон. Позвал на помощь Gemini Live, снял на видео внутрянку мака. Gemini сказал мне, на какие соединения смотреть и подсказал, что на на этих шлейфах должна быть защелка. Так и оказалось. В отличие от предыдущей модели, Apple изменили конструкцию нескольких шлейфов и после их соединения нужно было подвинуть защелку. В итоге этот пост я пишу с полностью рабочего ноута.
Итого получился кейс, где AI во-первых, помог мне проверить правильность хода своих мыслей, затем обеспечил экономию на оригинальных запчастях в два раза и, наконец, помог разобраться и исправить мои косяки.
Моя детская мечта стать инженером и любовь собирать различные конструкторы преобразовалась в то, что если что-то из моей техники, будь это ноутбук, гитара или велосипед, нужно как-то обслужить/отремонтировать, я делаю это сам, когда есть время.
На днях сел заменить в своем маке термопасту. Делать это надо хотя бы раз в год, чтобы ноут не перегревался, особенно если гоняете его в тяжелых задачах вроде монтажа видео и локальных моделек. Свою текущую модель я разбирал в первый раз, поэтому первым делом я нашел соответствующее видео на YouTube. Но в процессе, по своей невнимательности и из-за отсутствия соответствующего предупреждения автора, при разборке я порвал шлейфы вентиляторов. Поломка максимально неприятная, так как из-за их конструкции обрыв было не спаять. Естественно, я пошел искать замену в интернете и никаких шлейфов не нашел ни у iFixIt ни на ebay ни где-либо еще. Сложилась гипотеза, что данную запчасть вообще не продают, позвал на помощь Deep Research и заодно пару AI-браузеров. Все, как один подтвердили мою правоту, даже нашли на Reddit-е несколько веток, где такое обсуждалось. Рекомендация ИИ - покупать вентриляторы в сборе.
Я пошел искать нужные части на известных мне сайтах, стоимость одного вентилятора, БУ составляла в среднем от 30 до 35 баксов. На сайте iFixIT БУ вентилятор стоит как раз те самые $35. Я подумал, что здесь мне снова может помочь AI. Запустил Perplexity Labs с задачкой найти мне вентиляторы в сборе по Part Number и получил результат лучше, чем ожидал. Меня ждала ссылочка на магазин, где комплект из двух новых оригинальных вентиляторов стоил те же самые 35 долларов. С ноткой сомнения я оформил заказ, т.к. замену мне нужно было сделать как можно быстрее, ведь в пятницу у меня конференция.
В итоге вчера вентиляторы доехали до меня, я распаковал их и они они реально оказались оригинальными, 1 в 1 с теми, что стояли в моем маке. Размеры, маркировка, штрих-коды, защитные пленочки - все на месте.
В процессе обратной сборки ноута, я столкнулся с другой проблемой: после сборки у меня почему-то не работала клавиатура и микрофон. Позвал на помощь Gemini Live, снял на видео внутрянку мака. Gemini сказал мне, на какие соединения смотреть и подсказал, что на на этих шлейфах должна быть защелка. Так и оказалось. В отличие от предыдущей модели, Apple изменили конструкцию нескольких шлейфов и после их соединения нужно было подвинуть защелку. В итоге этот пост я пишу с полностью рабочего ноута.
Итого получился кейс, где AI во-первых, помог мне проверить правильность хода своих мыслей, затем обеспечил экономию на оригинальных запчастях в два раза и, наконец, помог разобраться и исправить мои косяки.
❤24👍10🤯2
Media is too big
VIEW IN TELEGRAM
Google начали раскатывать Gemini в Chrome на всех - записал быстрый обзор
Сегодня открыл свой ноутбук и там меня ждало обновление, которого я очень ждал! Gemini в Chrome начала выходить из беты и это прямо прикольно. Сразу скажу, что в отличие от Comet и Genspark - это не агент, который может контролировать ваш компьютер и принимать решения за вас, но с точки зрения коллаборативной работы Gemini меня прямо порадовал.
Решил прямо сходу протестировать этот функционал, так еще и на русском (я не знал, ответит ли мне модель). К посту приложил запись экрана.
Задачку взял простую: у меня был открыт обзор велосипедного седла, я попросил Gemini помочь мне определиться, подходит ли мне это седло, а после - найти, где я могу его купить подешевле.
Коротко про результат
В целом, модель справилась неплохо с точки зрения анализа, и на троечку с точки зрения поиска информации. Думаю, связано это с тем, что в угоду работе в режиме реального времени, они используют легкую Flash модель. В результате, когда я попросил найти мне ссылки на магазины - она дала всего две ссылки на разные седла. Это были седла той же серии, на которую я смотрел обзор, но не прямо те же конкретные.
А как хотелось бы?
С точки зрения работы на результат, было бы круто, если бы они реализовали это в мультиагентном режиме. Условно: для базового общения с пользователем используется Gemini Flash, которая отвечает за речь и информирование пользователя о том, что происходит, а при детекции сложной задачи - она бы отдавала ее PRO с каким-то набором инструментов. При переключении на PRO было бы круто информировать пользователя о том, что выполняется действие (например, ведется поиск), а параллельно спрашивать, может ли ИИ чем-то еще помочь. В Comet это +- так реализовано, но там модель более глупая и в схожем сценарии завалила меня кучей лишних вопросов.
Итог и для чего может быть полезно сейчас
В общем, до прямо крутого AI браузинга нам еще далеко, но формат взаимодействия с AI именно голосом и с маленьким окошком мне кажется более нативным и удобным. Сейчас основной сценарий, который я вижу - голосовое взаимодействие и коллаборация по материалам на разных страницах, браузинг конкретных страниц без рук (например, пока готовишь - можно пообщаться с ИИ), анализ UI-интерфейсов (часто делал так анализ первичных прототипов).
В общем, пока польза очень специфическая, но когда Google добавят агента, это может быть уже интересно
Сегодня открыл свой ноутбук и там меня ждало обновление, которого я очень ждал! Gemini в Chrome начала выходить из беты и это прямо прикольно. Сразу скажу, что в отличие от Comet и Genspark - это не агент, который может контролировать ваш компьютер и принимать решения за вас, но с точки зрения коллаборативной работы Gemini меня прямо порадовал.
Решил прямо сходу протестировать этот функционал, так еще и на русском (я не знал, ответит ли мне модель). К посту приложил запись экрана.
Задачку взял простую: у меня был открыт обзор велосипедного седла, я попросил Gemini помочь мне определиться, подходит ли мне это седло, а после - найти, где я могу его купить подешевле.
Коротко про результат
В целом, модель справилась неплохо с точки зрения анализа, и на троечку с точки зрения поиска информации. Думаю, связано это с тем, что в угоду работе в режиме реального времени, они используют легкую Flash модель. В результате, когда я попросил найти мне ссылки на магазины - она дала всего две ссылки на разные седла. Это были седла той же серии, на которую я смотрел обзор, но не прямо те же конкретные.
А как хотелось бы?
С точки зрения работы на результат, было бы круто, если бы они реализовали это в мультиагентном режиме. Условно: для базового общения с пользователем используется Gemini Flash, которая отвечает за речь и информирование пользователя о том, что происходит, а при детекции сложной задачи - она бы отдавала ее PRO с каким-то набором инструментов. При переключении на PRO было бы круто информировать пользователя о том, что выполняется действие (например, ведется поиск), а параллельно спрашивать, может ли ИИ чем-то еще помочь. В Comet это +- так реализовано, но там модель более глупая и в схожем сценарии завалила меня кучей лишних вопросов.
Итог и для чего может быть полезно сейчас
В общем, до прямо крутого AI браузинга нам еще далеко, но формат взаимодействия с AI именно голосом и с маленьким окошком мне кажется более нативным и удобным. Сейчас основной сценарий, который я вижу - голосовое взаимодействие и коллаборация по материалам на разных страницах, браузинг конкретных страниц без рук (например, пока готовишь - можно пообщаться с ИИ), анализ UI-интерфейсов (часто делал так анализ первичных прототипов).
В общем, пока польза очень специфическая, но когда Google добавят агента, это может быть уже интересно
🔥12👌3👍2❤1
Пока постов не так много, решил снизить каденс дайджестов до 1 раза в 2 недели.
1. Google выпустили новую модельку для редактирования фото - поделился своими впечатлениями, моделька получилась прямо очень хорошая, уже использую регуларно.
2. Топ сфер, где, на мой взгляд, AI сделает наибольшую разницу - расписал, где я вижу наибольшую пользу
3. Что я узнал потеряв life-work balance при уходе из найма - поделился своим опытом, вижу большую поддержку и благодарен за нее каждому 🫶🏻
4. Как AI помог мне в ремонте ноутбука и сэкономил денег на запчастях - всю прошлую неделю был без ноута, поделился бытовым примером применения AI. Главный вывод - его можно и нужно пробовать применять в разных сценариях
5. Google начали раскатывать Gemini в Chrome на всех - здесь описал мой опыт использования Gemini в Chrome и даже записал небольшое демо-видео.
Также на этой неделе выступал на конференциях от Wonnabe и GWC. Если вам не пришли какие-то ссылки - напишите мне в личку. Также напоминаю, что бесплатный вебинар по промпт инжинирингу, состоится на следующей неделе. Зарегистрироваться можно тут, мероприятие на английском.
Прошлый дайджест тут
Please open Telegram to view this post
VIEW IN TELEGRAM
❤8🔥1
Мой воркфлоу для создания презентаций с AI
Я как-то писал, что не доверяю создание AI презентаций полностью под ключ, но это не значит, что я его вообще не использую. Сегодня, делая очередную презу, решил поделиться своим воркфлоу в канале. Без лишних слов - к делу!
Сценарий 1: “Быстрые презы”
Часто мне нужно где-то выступить, адаптировать существующий материал либо просто собрать какую-то визуализацию для себя. В таком случае мне не так важны детали, преза выполняет скорее вспомогательную роль, а не функцию произведения дополнительного впечатления.
Шаг 1: набрасываем план презентации. Для этого нам нужен полный текст либо детальное описание нашего выступления. Тут мяч на вашей стороне, можете предложить план сами, а можете закинуть в LLM. Самое главное - наличие структуры.
Шаг 2: набрасываем наполнение. Что вы хотите, чтобы было на слайде? Какой основной месседж? Что есть такого, что вашей аудитории нужно не только услышать от вас, но и увидеть на экране? Продумываем эти аспекты на каждом слайде. Дополняем ими план из шага 1.
Шаг 3: зовем на помощь Manus. Из всего, что я пробовал, с точки зрения коллаборативной работы над презами Манус мне показался самым лучшим. Флоу работы с ним следующий: на вход я даю ему промпт, в котором описываю, что за преза, кто аудитория, какие цели выступления. Также он получает от меня информацию по флоу нашей работы: сначала ознакомиться с моим планом, затем посмотреть на референсы в формате скришнотов, которые я ему присылаю, после - построить используя цвета, картинки и иконки, которые я ему даю в виде файла. После получения задания ждем минут 10, возвращаемся, говорим ему, какие внести правки и за 2-3 промпта получаем готовую презу.
Сценарий 2: продающие и обучающие презентации
Для тренингов и агентства презентации делаю уже я сам. И здесь для меня AI выполняет скорее функцию ассистента, чем делает работу за меня. Здесь поделюсь несколькими кейсами, как извлекаю пользу.
Набросай схему слайда: довольно часто у меня есть контент, но не всегда я знаю, как его лучше разместить на слайде. В таком случае я прошу Gemini набросать мне схему расположения элементов на слайде. Решает проблему чистого листа.
Покритикуй: когда преза или слайд готовы - прошу принять LLM роль заказчика и проанализировать слайды на предмет того, заходит ли ей продукт и повествование. Позволяет получить первую ОС.
Поменяй формулировку: часто нужно адаптировать повествование под заказчика. Если это врач - нужны аналогии, если это чел из промышленности - тоже. AI отлично справляется с приземлением технических терминов.
Сгенерируй визуал: презентации без фото - это скучно. А когда у Gemini есть контекст по проекту - он очень круто может вам помочь заполнить пустое пространство.
Сделай по формату: если вы используете шаблоны в своих презентациях - это мастхев. Даете контекст, а потом просите заполнить. Также помогает умещать на слайде нужную информацию, играя с длиной формулировок.
К посту приложил пару примеров из диалогов с Gemini
А какие у вас воркфлоу?
Я как-то писал, что не доверяю создание AI презентаций полностью под ключ, но это не значит, что я его вообще не использую. Сегодня, делая очередную презу, решил поделиться своим воркфлоу в канале. Без лишних слов - к делу!
Сценарий 1: “Быстрые презы”
Часто мне нужно где-то выступить, адаптировать существующий материал либо просто собрать какую-то визуализацию для себя. В таком случае мне не так важны детали, преза выполняет скорее вспомогательную роль, а не функцию произведения дополнительного впечатления.
Шаг 1: набрасываем план презентации. Для этого нам нужен полный текст либо детальное описание нашего выступления. Тут мяч на вашей стороне, можете предложить план сами, а можете закинуть в LLM. Самое главное - наличие структуры.
Шаг 2: набрасываем наполнение. Что вы хотите, чтобы было на слайде? Какой основной месседж? Что есть такого, что вашей аудитории нужно не только услышать от вас, но и увидеть на экране? Продумываем эти аспекты на каждом слайде. Дополняем ими план из шага 1.
Шаг 3: зовем на помощь Manus. Из всего, что я пробовал, с точки зрения коллаборативной работы над презами Манус мне показался самым лучшим. Флоу работы с ним следующий: на вход я даю ему промпт, в котором описываю, что за преза, кто аудитория, какие цели выступления. Также он получает от меня информацию по флоу нашей работы: сначала ознакомиться с моим планом, затем посмотреть на референсы в формате скришнотов, которые я ему присылаю, после - построить используя цвета, картинки и иконки, которые я ему даю в виде файла. После получения задания ждем минут 10, возвращаемся, говорим ему, какие внести правки и за 2-3 промпта получаем готовую презу.
Сценарий 2: продающие и обучающие презентации
Для тренингов и агентства презентации делаю уже я сам. И здесь для меня AI выполняет скорее функцию ассистента, чем делает работу за меня. Здесь поделюсь несколькими кейсами, как извлекаю пользу.
Набросай схему слайда: довольно часто у меня есть контент, но не всегда я знаю, как его лучше разместить на слайде. В таком случае я прошу Gemini набросать мне схему расположения элементов на слайде. Решает проблему чистого листа.
Покритикуй: когда преза или слайд готовы - прошу принять LLM роль заказчика и проанализировать слайды на предмет того, заходит ли ей продукт и повествование. Позволяет получить первую ОС.
Поменяй формулировку: часто нужно адаптировать повествование под заказчика. Если это врач - нужны аналогии, если это чел из промышленности - тоже. AI отлично справляется с приземлением технических терминов.
Сгенерируй визуал: презентации без фото - это скучно. А когда у Gemini есть контекст по проекту - он очень круто может вам помочь заполнить пустое пространство.
Сделай по формату: если вы используете шаблоны в своих презентациях - это мастхев. Даете контекст, а потом просите заполнить. Также помогает умещать на слайде нужную информацию, играя с длиной формулировок.
К посту приложил пару примеров из диалогов с Gemini
А какие у вас воркфлоу?
🔥18👍9❤3
AI Agent vs. Agentic AI: Почему “больше” не всегда значит “лучше”?
На днях один из моих заказчиков прислал мне схему и попросил просто и понятно объяснить, в чем же разница между AI Agent и Agentic AI. Можно долго рассуждать о корректности архитектуры на изображении, но если отбросить детали, фундаментальное различие между этими концепциями действительно есть, и оно крайне важно.
Если упростить до предела, то разница вот в чем:
AI Agent - это, как правило, один специализированный ИИ-помощник, который выполняет за вас конкретную, часто узконаправленную задачу. Отличный пример - любая модель с функцией Deep Research. Вы ставите задачу, контролируете процесс и получаете результат.
Agentic AI - это уже мультиагентная система. Представьте себе команду, где несколько ИИ-агентов (например, аналитик, тестировщик, разработчик) распределяют задачи между собой, чтобы в итоге выдать вам готовое комплексное решение.
Иными словами, первый подход предполагает ваше активное вовлечение, а второй работает по принципу “отдал задачу и забыл”. Интуитивно всем хочется второго сценария, ведь это звучит как настоящая магия. Но действительно ли он лучше?
Далеко не всегда. Я бы даже сказал, что в подавляющем большинстве случаев для серьезной работы - нет. И вот почему.
1. Рентабельность: цена за автономность
Как правило, инструменты, работающие по принципу “отдал и забыл”, потребляют колоссальное количество токенов. И это неизбежно, какими бы качественными ни были внутренние пайплайны и промпты. В контексте бизнеса такая конструкция окупается очень тяжело, если окупается в принципе. Автономность стоит дорого, и за нее приходится платить буквально.
2. Эффект домино: каскадные галлюцинации
Галлюцинации у LLM - это данность, особенно при работе с большими объемами информации. А теперь представьте: когда у вас работает один агент, вы имеете дело с одним потенциальным источником ошибки. Но когда у вас три агента, работающих последовательно, риски многократно возрастают. Ошибка или неточность первого агента становится входными данными для второго. Тот, в свою очередь, может добавить свои фантазии поверх уже искаженной информации, и так далее. В итоге конечный результат может кардинально отличаться от первоначальных требований.
3. Проблема “черного ящика”: потеря контроля и прозрачности
Чем автономнее система, тем меньше у нас контроля над промежуточными этапами. Агент реже возвращается к вам, чтобы показать свои наработки, и в результате наше понимание того, что происходило «под капотом» и откуда взялись те или иные выводы, стремится к нулю. Здесь в полный рост встает проблема Lost in the Middle, о которой мы говорили на эфире про управление контекстом. И неважно, над какой задачей мы работаем - будь то код, исследование или стратегия, - человеку становится гораздо сложнее включиться в процесс и скорректировать его. Это и есть цена, которую мы платим за делегирование.
Так что же, Agentic AI совсем не нужен?
И казалось бы, при всех этих недостатках, есть ли у таких систем будущее? На мой взгляд - да, и еще какое. Важно понимать, что описанные проблемы по большей части временные. Я верю, что вопросы стоимости и галлюцинаций в сложных системах со временем удастся решить.
Но самый главный поинт - это разница в сценариях использования. Если вам нужно что-то сделать очень быстро, Agentic AI может быть невероятно полезен. Например, собрать прототип для проверки гипотезы - инструмент вроде Shotgun здесь будет идеальным выбором. Но если вы хотите построить надежный продукт и продумать его архитектуру, здесь придется больше думать самостоятельно и использовать более контролируемые AI-агенты.
Какой из этого можно сделать вывод? Всё дело в правильном выборе инструмента для конкретной задачи. Для глубокой, вдумчивой и контролируемой работы - используем AI Agents. А там, где нужна скорость, быстрое прототипирование и проверка идей - на помощь приходит Agentic AI. Вот такая выходит разница.
На днях один из моих заказчиков прислал мне схему и попросил просто и понятно объяснить, в чем же разница между AI Agent и Agentic AI. Можно долго рассуждать о корректности архитектуры на изображении, но если отбросить детали, фундаментальное различие между этими концепциями действительно есть, и оно крайне важно.
Если упростить до предела, то разница вот в чем:
AI Agent - это, как правило, один специализированный ИИ-помощник, который выполняет за вас конкретную, часто узконаправленную задачу. Отличный пример - любая модель с функцией Deep Research. Вы ставите задачу, контролируете процесс и получаете результат.
Agentic AI - это уже мультиагентная система. Представьте себе команду, где несколько ИИ-агентов (например, аналитик, тестировщик, разработчик) распределяют задачи между собой, чтобы в итоге выдать вам готовое комплексное решение.
Иными словами, первый подход предполагает ваше активное вовлечение, а второй работает по принципу “отдал задачу и забыл”. Интуитивно всем хочется второго сценария, ведь это звучит как настоящая магия. Но действительно ли он лучше?
Далеко не всегда. Я бы даже сказал, что в подавляющем большинстве случаев для серьезной работы - нет. И вот почему.
1. Рентабельность: цена за автономность
Как правило, инструменты, работающие по принципу “отдал и забыл”, потребляют колоссальное количество токенов. И это неизбежно, какими бы качественными ни были внутренние пайплайны и промпты. В контексте бизнеса такая конструкция окупается очень тяжело, если окупается в принципе. Автономность стоит дорого, и за нее приходится платить буквально.
2. Эффект домино: каскадные галлюцинации
Галлюцинации у LLM - это данность, особенно при работе с большими объемами информации. А теперь представьте: когда у вас работает один агент, вы имеете дело с одним потенциальным источником ошибки. Но когда у вас три агента, работающих последовательно, риски многократно возрастают. Ошибка или неточность первого агента становится входными данными для второго. Тот, в свою очередь, может добавить свои фантазии поверх уже искаженной информации, и так далее. В итоге конечный результат может кардинально отличаться от первоначальных требований.
3. Проблема “черного ящика”: потеря контроля и прозрачности
Чем автономнее система, тем меньше у нас контроля над промежуточными этапами. Агент реже возвращается к вам, чтобы показать свои наработки, и в результате наше понимание того, что происходило «под капотом» и откуда взялись те или иные выводы, стремится к нулю. Здесь в полный рост встает проблема Lost in the Middle, о которой мы говорили на эфире про управление контекстом. И неважно, над какой задачей мы работаем - будь то код, исследование или стратегия, - человеку становится гораздо сложнее включиться в процесс и скорректировать его. Это и есть цена, которую мы платим за делегирование.
Так что же, Agentic AI совсем не нужен?
И казалось бы, при всех этих недостатках, есть ли у таких систем будущее? На мой взгляд - да, и еще какое. Важно понимать, что описанные проблемы по большей части временные. Я верю, что вопросы стоимости и галлюцинаций в сложных системах со временем удастся решить.
Но самый главный поинт - это разница в сценариях использования. Если вам нужно что-то сделать очень быстро, Agentic AI может быть невероятно полезен. Например, собрать прототип для проверки гипотезы - инструмент вроде Shotgun здесь будет идеальным выбором. Но если вы хотите построить надежный продукт и продумать его архитектуру, здесь придется больше думать самостоятельно и использовать более контролируемые AI-агенты.
Какой из этого можно сделать вывод? Всё дело в правильном выборе инструмента для конкретной задачи. Для глубокой, вдумчивой и контролируемой работы - используем AI Agents. А там, где нужна скорость, быстрое прототипирование и проверка идей - на помощь приходит Agentic AI. Вот такая выходит разница.
❤13👍8🔥5🤯1