Каким должен быть ML-инженер в команде AI-продукта
ML-инженеры - это ключевые люди в команде ИИ-продукта. Почему - тема отдельного поста. Сейчас же продолжу тему идеальной команды и опишу, как я вижу правильных ML-инженеров.
Ранее у меня уже были посты про идеальную команду, про то, каким должен быть продакт и дизайнер. Сегодня я заканчиваю описывать этот продуктовый треугольник 🙂
1. Проактивность и инициативность
Первое, с чего хотелось бы начать, что как и в случае с дизайнером, ML-инженер - это не тот член команды, который должен работать тупо по ТЗ. В принципе, из членов команды, по ТЗ может работать только тестировщик и то, я сомневаюсь даже в этом 😅 Хороший ML-инженер - это не только крутой спец по машинному обучению, но и человек, предлагающий какие-то идеи и подходы в решении задачи, с которой работает вся команда. Проактивность - это первое качество, которое должно у него быть. Хочешь работать тупо по ТЗ - тебе не место в продуктовой команде.
2. Понимание предметной области
Во-вторых, я очень ценю, когда ML-инженер не просто выполняет задачу, а пытается расширить свои компетенции в сторону индустрии, над задачей которой работает. Объясню на примере Skyeng. Наши задачи там были связаны с изучением английского языка. То есть затрагивали такие темы как лингвистику, преподавание и психологию. И насколько же это было круто, когда наши инженеры в разговорах с методистами прямо погружались в эти темы, приводили конкретные исследования, метрики и много чего другого. Это очень помогало в формировании требований к моделям, которые мы создавали, т.к. все говорили на одном языке, а не просто передавали задачи друг другу.
3. Коммуникабельность и умение объяснять сложные вещи простым языком
Третий момент - это умение объяснять простым языком свою часть и терпимость к тем, кто это не понимает. Когда я только пришел в R&D команду я уже довольно сильно был подкован в AI, но не в технической части. И когда мои ребята отвечали мне на мои бесконечные вопросы “А как?”, “А почему так?”, “А это что такое” и.т.д. это очень помогало не только лучше понимать, что происходит, но и лучше организовать их рабочий процесс. Помимо этого, часто в компаниях есть отделы, в которых вообще не знают, что такое ИИ, но очень его хотят. И на встречах с такими ребятами максимально круто проявляется сочетание этого и второго пункта. Благодаря этим качествам можно придти к очень крутым решениям.
4. Дополнительные важные качества
Помимо этого, я бы выделил такие важные качества как:
Насмотренность: очень круто, если инженер пробует много разных ИИ-продуктов, а не только кодит
Открытость ко всему новому: технологии развиваются стремительно, важно уметь адаптироваться и учиться
Опыт в разных сферах: помогает находить нестандартные решения и подходы
Умение работать в команде: разработка AI-продуктов - это командная работа, важно уметь эффективно взаимодействовать с коллегами
Структурированное мышление и умение решать проблемы: разработка ML-моделей - это постоянное решение сложных задач, важно уметь анализировать, разбивать проблему на части и находить оптимальные решения
Знание современных инструментов и фреймворков: помогает ускорить разработку и повысить эффективность работы
5. Страсть к своему делу
Ну и, конечно, хороший ML-инженер - это фанат своего дела, человек, искренне это любящий и уделяющий внимание своей работе и своему профессиональному развитию.
Найти идеального ML-инженера сложно, но возможно. Главное - искать не просто специалиста с нужными навыками, а человека, который разделяет ценности вашей команды и готов расти и развиваться вместе с вами. Мне повезло работать именно с такими!
ML-инженеры - это ключевые люди в команде ИИ-продукта. Почему - тема отдельного поста. Сейчас же продолжу тему идеальной команды и опишу, как я вижу правильных ML-инженеров.
Ранее у меня уже были посты про идеальную команду, про то, каким должен быть продакт и дизайнер. Сегодня я заканчиваю описывать этот продуктовый треугольник 🙂
1. Проактивность и инициативность
Первое, с чего хотелось бы начать, что как и в случае с дизайнером, ML-инженер - это не тот член команды, который должен работать тупо по ТЗ. В принципе, из членов команды, по ТЗ может работать только тестировщик и то, я сомневаюсь даже в этом 😅 Хороший ML-инженер - это не только крутой спец по машинному обучению, но и человек, предлагающий какие-то идеи и подходы в решении задачи, с которой работает вся команда. Проактивность - это первое качество, которое должно у него быть. Хочешь работать тупо по ТЗ - тебе не место в продуктовой команде.
2. Понимание предметной области
Во-вторых, я очень ценю, когда ML-инженер не просто выполняет задачу, а пытается расширить свои компетенции в сторону индустрии, над задачей которой работает. Объясню на примере Skyeng. Наши задачи там были связаны с изучением английского языка. То есть затрагивали такие темы как лингвистику, преподавание и психологию. И насколько же это было круто, когда наши инженеры в разговорах с методистами прямо погружались в эти темы, приводили конкретные исследования, метрики и много чего другого. Это очень помогало в формировании требований к моделям, которые мы создавали, т.к. все говорили на одном языке, а не просто передавали задачи друг другу.
3. Коммуникабельность и умение объяснять сложные вещи простым языком
Третий момент - это умение объяснять простым языком свою часть и терпимость к тем, кто это не понимает. Когда я только пришел в R&D команду я уже довольно сильно был подкован в AI, но не в технической части. И когда мои ребята отвечали мне на мои бесконечные вопросы “А как?”, “А почему так?”, “А это что такое” и.т.д. это очень помогало не только лучше понимать, что происходит, но и лучше организовать их рабочий процесс. Помимо этого, часто в компаниях есть отделы, в которых вообще не знают, что такое ИИ, но очень его хотят. И на встречах с такими ребятами максимально круто проявляется сочетание этого и второго пункта. Благодаря этим качествам можно придти к очень крутым решениям.
4. Дополнительные важные качества
Помимо этого, я бы выделил такие важные качества как:
Насмотренность: очень круто, если инженер пробует много разных ИИ-продуктов, а не только кодит
Открытость ко всему новому: технологии развиваются стремительно, важно уметь адаптироваться и учиться
Опыт в разных сферах: помогает находить нестандартные решения и подходы
Умение работать в команде: разработка AI-продуктов - это командная работа, важно уметь эффективно взаимодействовать с коллегами
Структурированное мышление и умение решать проблемы: разработка ML-моделей - это постоянное решение сложных задач, важно уметь анализировать, разбивать проблему на части и находить оптимальные решения
Знание современных инструментов и фреймворков: помогает ускорить разработку и повысить эффективность работы
5. Страсть к своему делу
Ну и, конечно, хороший ML-инженер - это фанат своего дела, человек, искренне это любящий и уделяющий внимание своей работе и своему профессиональному развитию.
Найти идеального ML-инженера сложно, но возможно. Главное - искать не просто специалиста с нужными навыками, а человека, который разделяет ценности вашей команды и готов расти и развиваться вместе с вами. Мне повезло работать именно с такими!
🔥5❤1👍1
Я играю в приставку в рабочее время
И считаю, что так и нужно делать! Почему? Потому что это и есть моя работа. Серьезно. VR-одно из направлений с которыми я работаю. В Pearson в течении полугода мы разрабатывали игру для изучения английского языка и бывали дни, когда я зависал в VR-е по 3 часа в течении работчего дня.
Вы, наверное, не это ожидали услышать, когда читали заголовок, да? 😁 А теперь давайте еще серьезнее. В Pearson я не работаю уже некоторое время, а на столе у меня всегда лежит Nintendo Switch и теперь еще и VR, оставшийся от Pearson. И довольно часто в перерывах между рабочими созвонами и задачами я беру в руки приставку и делаю перерыв на короткую игровую сессию. Это может быть матч в FC24, Monster Hunter или что-то еще. В принципе - не важно что. Главное - переключиться.
В среднем, у большинства людей максимальный период производительности за рабочий день - это порядка 4 часов. У кого-то больше, у кого-то меньше. То есть за весь день мы можем сконцентрированно проработать над чем-то 4 часа. Остальное - это время на фокусировку, созвоны и прочие отвлекающие факторы.
Для себя я нашел формулу, что эффективнее всего эти часы эффективности распределять не подряд, а с какими-то перерывами на деятельность, полностью забирающую на себя фокус внимания. И игры для этого подходят просто идеально, музыка, кстати, тоже работает отлично. Я просто беру и сгружаю из мозга все из реального мира, давая ему конфетку в виде виртуального, в котором он может не думать о дедлайнах, бюджетах и о том, чтобы кто-то продолбался. В результате нагрузка на наш мыслительный аппарат существенно спадает. И, как ни странно, лично у меня время моей эффективности в день, когда я делаю перерывы на игру, гораздо выше, чем в дни без этого.
Для сравнения - меня можно довольно быстро выжать созвонами на 4 часа подряд. Если такое происходит - в течении всего оставшегося дня я не могу сконцентрироваться на оставшихся задачах, потому что весь ресурс был потрачен во-первых на созвоны, во-вторых, на то, чтобы заставить себя на них сидеть эффективно. Лично я не могу держать фокус внимания на созвоне, который длинее полутора часов. Если что-то тянется так долго - я невольно начинаю отвлекаться на уведомления, происходящее за окном и разные звуки. И мне приходится буквально заставлять себя продолжать работать.
Совершенно иначе работает, если между созвонами я добавляю перерывчик и беру в руки приставку. В подобные дни мне удавалось проработать по 6+ часов эффективно.
В общем, друзья, если хотите работать хорошо:
- делайте перерывы между рабочими задачами
- играйте в игры либо делайте что-то другое, что вам нравится 🙂
И считаю, что так и нужно делать! Почему? Потому что это и есть моя работа. Серьезно. VR-одно из направлений с которыми я работаю. В Pearson в течении полугода мы разрабатывали игру для изучения английского языка и бывали дни, когда я зависал в VR-е по 3 часа в течении работчего дня.
Вы, наверное, не это ожидали услышать, когда читали заголовок, да? 😁 А теперь давайте еще серьезнее. В Pearson я не работаю уже некоторое время, а на столе у меня всегда лежит Nintendo Switch и теперь еще и VR, оставшийся от Pearson. И довольно часто в перерывах между рабочими созвонами и задачами я беру в руки приставку и делаю перерыв на короткую игровую сессию. Это может быть матч в FC24, Monster Hunter или что-то еще. В принципе - не важно что. Главное - переключиться.
В среднем, у большинства людей максимальный период производительности за рабочий день - это порядка 4 часов. У кого-то больше, у кого-то меньше. То есть за весь день мы можем сконцентрированно проработать над чем-то 4 часа. Остальное - это время на фокусировку, созвоны и прочие отвлекающие факторы.
Для себя я нашел формулу, что эффективнее всего эти часы эффективности распределять не подряд, а с какими-то перерывами на деятельность, полностью забирающую на себя фокус внимания. И игры для этого подходят просто идеально, музыка, кстати, тоже работает отлично. Я просто беру и сгружаю из мозга все из реального мира, давая ему конфетку в виде виртуального, в котором он может не думать о дедлайнах, бюджетах и о том, чтобы кто-то продолбался. В результате нагрузка на наш мыслительный аппарат существенно спадает. И, как ни странно, лично у меня время моей эффективности в день, когда я делаю перерывы на игру, гораздо выше, чем в дни без этого.
Для сравнения - меня можно довольно быстро выжать созвонами на 4 часа подряд. Если такое происходит - в течении всего оставшегося дня я не могу сконцентрироваться на оставшихся задачах, потому что весь ресурс был потрачен во-первых на созвоны, во-вторых, на то, чтобы заставить себя на них сидеть эффективно. Лично я не могу держать фокус внимания на созвоне, который длинее полутора часов. Если что-то тянется так долго - я невольно начинаю отвлекаться на уведомления, происходящее за окном и разные звуки. И мне приходится буквально заставлять себя продолжать работать.
Совершенно иначе работает, если между созвонами я добавляю перерывчик и беру в руки приставку. В подобные дни мне удавалось проработать по 6+ часов эффективно.
В общем, друзья, если хотите работать хорошо:
- делайте перерывы между рабочими задачами
- играйте в игры либо делайте что-то другое, что вам нравится 🙂
👍5❤4🤔1
Почему задержание Павла Дурова - это очень тревожный сигнал
Новости о задержании основателя Telegram во Франции по обвинениям в пособничестве терроризму и другой незаконной деятельности вызвали серьезную обеспокоенность. Telegram известен своим отказом сотрудничать со спецслужбами, и теперь Павлу Дурову пытаются вменить ответственность за то, что его мессенджер используется для противоправных действий.
Не стану здесь углубляться в вопросы свободы слова. В мире бизнеса существуют правила игры, и часть этих правил всегда диктуется государством. Однако тема приватности — это область, где бизнес всегда стремился к большей защите своих продуктов, и государство обычно не препятствовало этому, предпочитая разрабатывать или покупать средства для дешифровки.
Почему же в случае с Telegram выбран иной путь? Возможны три ответа: либо у Telegram действительно непревзойденные алгоритмы шифрования, либо это показательная акция с политическими целями, либо власти Франции демонстрируют крайнюю недальновидность и лицемерие.
Оставим в стороне вопросы качества шифрования и политики. Но третий пункт вызывает серьезную тревогу.
Почему недальновидность? Потому что создателям сервиса пытаются вменить ответственность за нецелевое использование их продукта. А учитывая, что это происходит в Европе, где распространено прецедентное право, это создает опасный прецедент.
Почему лицемерие? Во-первых, потому что Европа всегда выступала за приватность, особенно когда Telegram пытались заблокировать в России. Во-вторых, по аналогии можно обвинить любого производителя смартфонов или другой техники, ведь на них можно запускать ПО для такой коммуникации. Можно даже обвинить производителя бумаги в пособничестве терроризму, ведь на ней можно писать преступные планы.
Если Павлу Дурову предъявят обвинения, это будет означать, что разработчики любых цифровых сервисов потенциально могут быть привлечены к ответственности за нецелевое использование их продуктов. Под угрозу попадают прежде всего любые цифровые продукты, принципы функционирования которых будут непонятны государству. И это в первую очередь касается всего, что основано на искусственном интеллекте.
Почему ИИ особенно уязвим?
- Создатели могли не заложить достаточные методы защиты.
- Создатели могли не предполагать использования своего ИИ для негативных целей (например, фитнес-ассистент, которого хакнули и заставили выдать рецепт бомбы).
- В любом алгоритме ИИ могут присутствовать уязвимости.
- Создатели продукта вряд ли захотят делиться с государством данными об обучении моделей.
- Создателям продукта может быть самим непонятны принципы функционирования алгоритмов (например, LLM - это "черный ящик").
Задержание Павла — это тревожный сигнал для всех разработчиков цифровых продуктов, особенно в области ИИ. Если этот прецедент будет создан, это может привести к серьезным ограничениям инноваций и развитию технологий.
Буду надеяться на разрешение ситуации и скорейшее освобождение Павла #freedurov
Новости о задержании основателя Telegram во Франции по обвинениям в пособничестве терроризму и другой незаконной деятельности вызвали серьезную обеспокоенность. Telegram известен своим отказом сотрудничать со спецслужбами, и теперь Павлу Дурову пытаются вменить ответственность за то, что его мессенджер используется для противоправных действий.
Не стану здесь углубляться в вопросы свободы слова. В мире бизнеса существуют правила игры, и часть этих правил всегда диктуется государством. Однако тема приватности — это область, где бизнес всегда стремился к большей защите своих продуктов, и государство обычно не препятствовало этому, предпочитая разрабатывать или покупать средства для дешифровки.
Почему же в случае с Telegram выбран иной путь? Возможны три ответа: либо у Telegram действительно непревзойденные алгоритмы шифрования, либо это показательная акция с политическими целями, либо власти Франции демонстрируют крайнюю недальновидность и лицемерие.
Оставим в стороне вопросы качества шифрования и политики. Но третий пункт вызывает серьезную тревогу.
Почему недальновидность? Потому что создателям сервиса пытаются вменить ответственность за нецелевое использование их продукта. А учитывая, что это происходит в Европе, где распространено прецедентное право, это создает опасный прецедент.
Почему лицемерие? Во-первых, потому что Европа всегда выступала за приватность, особенно когда Telegram пытались заблокировать в России. Во-вторых, по аналогии можно обвинить любого производителя смартфонов или другой техники, ведь на них можно запускать ПО для такой коммуникации. Можно даже обвинить производителя бумаги в пособничестве терроризму, ведь на ней можно писать преступные планы.
Если Павлу Дурову предъявят обвинения, это будет означать, что разработчики любых цифровых сервисов потенциально могут быть привлечены к ответственности за нецелевое использование их продуктов. Под угрозу попадают прежде всего любые цифровые продукты, принципы функционирования которых будут непонятны государству. И это в первую очередь касается всего, что основано на искусственном интеллекте.
Почему ИИ особенно уязвим?
- Создатели могли не заложить достаточные методы защиты.
- Создатели могли не предполагать использования своего ИИ для негативных целей (например, фитнес-ассистент, которого хакнули и заставили выдать рецепт бомбы).
- В любом алгоритме ИИ могут присутствовать уязвимости.
- Создатели продукта вряд ли захотят делиться с государством данными об обучении моделей.
- Создателям продукта может быть самим непонятны принципы функционирования алгоритмов (например, LLM - это "черный ящик").
Задержание Павла — это тревожный сигнал для всех разработчиков цифровых продуктов, особенно в области ИИ. Если этот прецедент будет создан, это может привести к серьезным ограничениям инноваций и развитию технологий.
Буду надеяться на разрешение ситуации и скорейшее освобождение Павла #freedurov
👍8❤1
Почему я решил не искать работу в США (пока)
Продолжаю раскрывать подробности карьерной стороны работы продактом. Как вы знаете, в России я работал продактом, после переезда - некоторое время работал в Pearson, также продактом. Однако с января 2024 я занимаюсь исключительно консалтингом и работаю сам на себя. И, несмотря на переезд в США, работу здесь я решил пока что не искать. И на то есть несколько причин.
1. Усталость от работы в найме. Вопреки распространенному мнению, работа в найме не равно стабильность. За время работы в Skyeng я пережил 3 реорганизации, на 4-й моя позиция попала под сокращения из-за обрезки бюджетов. Я думал, ну ок, это российская компания, тут в принципе стабильности быть не может. Однако похожая ситуация была и в Pearson. Когда меня нанимали - руководитель говорил, что позиция железная и ребят из акселератора никто трогать не будет. Чем все обернулось? Изначально у меня в декабре 2023 заканчивался контракт, и приходил новый СЕО. Контракт должны были возобновить с конца января. После - мы договорились, что по приезде в США я перейду в штат на полноценную позицию с американской зарплатой. Однако этого не случилось. Новый СЕО долго рассматривал бюджеты на 2024, мне сначала пообещали новый контракт в конце февраля, потом в марте, потом в апреле. В итоге мой проект отдали другой команде. И компания приняла новую политику - не работать вообще ни с кем на контрактной основе. Я, который 4 месяца прождал, от этого, мягко говоря, офигел. Т.к. за те 4 месяца простоя планировал запросить Sign-on бонус за лояльность, ибо мне все время простоя никто не платил. Ок, контракты нельзя, тогда что? В Pearson немедленно открыли позиции в штат. Продакта, дизайнера, инженера. Руководитель написал мне, чтобы я подавал быстрее, но сказал, что я должен пройти через весь процесс найма, в том числе интервью с HR, потому что бюрократия. Ок, заполнил заявку, отправил резюме. Должны были назначать интервью. Через неделю зашел на портал и не обнаружил там открытой позиции, ни своей, ни дизайнерской, ни инженерной. Пишу руководителю - получаю ответ, что Pearson заморозили весь найм в связи с реорганизацией. То есть мой руководитель 4 месяца добивался согласования бюджета на новые позиции, чтобы через неделю их заморозили. Где тут стабильность? 🙃
2. Кризис на рынке труда в США.По статистике, которой со мной поделились - чтобы получить здесь оффер, нужно отправить 500-800 откликов. Каждый отклик - это адаптация резюме, написание сопроводительного письма. Нехилая такая умственная работа, даже если использовать ИИ для этого и иметь все шаблоны. Если отправлять в день по 3 отклика (что я считаю оптимальным, ибо есть и другие задачи), то для получения оффера понадобится полгода. Либо нужно отправлять больше откликов и ничем не заниматься, предположим, что 5 в день. Больше - уже сложно сфокусироваться. Тогда получим срок в 3-4 месяца. 3-4 месяца сидеть без работы. И фиг с ним с деньгами. Для специалиста по ИИ этот срок сопоставим с вечностью. За это время ты успеешь устареть. Да, можно следить за новостями, но ничто не способно заменить работу с реальными задачами и общение с инженерами. Я не хочу устаревать и упускать свое преимущество, и даже несмотря на то, что занятие консалтингом в краткосрочной перспективе приносит меньше денег - в долгосрочной оно сопоставимо с получением оффера. Ибо я зарабатываю здесь и сейчас, а не через полгода, при этом я получаю знания и опыт.
3. Нежелание идти на компромиссы. Очень ценю себя как специалиста и не собираюсь опускать свою планку ради получения оффера здесь. Из-за смены рынка с российского на американский, для того, чтобы получить оффер - мне нужно будет идти на компромиссы. Это либо продолжать работать в EdTech, который мне поднадоел, но позиция будет Senior уровня. Либо опускаться до Middle+ для работы в смежной сфере. Сменить сферу, сохранив уровень позиции очень сложно, а это А - потеря уровня в иерархии, Б - потеря в зарплате, т.к. оплата завязана на твоем грейде.
Продолжаю раскрывать подробности карьерной стороны работы продактом. Как вы знаете, в России я работал продактом, после переезда - некоторое время работал в Pearson, также продактом. Однако с января 2024 я занимаюсь исключительно консалтингом и работаю сам на себя. И, несмотря на переезд в США, работу здесь я решил пока что не искать. И на то есть несколько причин.
1. Усталость от работы в найме. Вопреки распространенному мнению, работа в найме не равно стабильность. За время работы в Skyeng я пережил 3 реорганизации, на 4-й моя позиция попала под сокращения из-за обрезки бюджетов. Я думал, ну ок, это российская компания, тут в принципе стабильности быть не может. Однако похожая ситуация была и в Pearson. Когда меня нанимали - руководитель говорил, что позиция железная и ребят из акселератора никто трогать не будет. Чем все обернулось? Изначально у меня в декабре 2023 заканчивался контракт, и приходил новый СЕО. Контракт должны были возобновить с конца января. После - мы договорились, что по приезде в США я перейду в штат на полноценную позицию с американской зарплатой. Однако этого не случилось. Новый СЕО долго рассматривал бюджеты на 2024, мне сначала пообещали новый контракт в конце февраля, потом в марте, потом в апреле. В итоге мой проект отдали другой команде. И компания приняла новую политику - не работать вообще ни с кем на контрактной основе. Я, который 4 месяца прождал, от этого, мягко говоря, офигел. Т.к. за те 4 месяца простоя планировал запросить Sign-on бонус за лояльность, ибо мне все время простоя никто не платил. Ок, контракты нельзя, тогда что? В Pearson немедленно открыли позиции в штат. Продакта, дизайнера, инженера. Руководитель написал мне, чтобы я подавал быстрее, но сказал, что я должен пройти через весь процесс найма, в том числе интервью с HR, потому что бюрократия. Ок, заполнил заявку, отправил резюме. Должны были назначать интервью. Через неделю зашел на портал и не обнаружил там открытой позиции, ни своей, ни дизайнерской, ни инженерной. Пишу руководителю - получаю ответ, что Pearson заморозили весь найм в связи с реорганизацией. То есть мой руководитель 4 месяца добивался согласования бюджета на новые позиции, чтобы через неделю их заморозили. Где тут стабильность? 🙃
2. Кризис на рынке труда в США.По статистике, которой со мной поделились - чтобы получить здесь оффер, нужно отправить 500-800 откликов. Каждый отклик - это адаптация резюме, написание сопроводительного письма. Нехилая такая умственная работа, даже если использовать ИИ для этого и иметь все шаблоны. Если отправлять в день по 3 отклика (что я считаю оптимальным, ибо есть и другие задачи), то для получения оффера понадобится полгода. Либо нужно отправлять больше откликов и ничем не заниматься, предположим, что 5 в день. Больше - уже сложно сфокусироваться. Тогда получим срок в 3-4 месяца. 3-4 месяца сидеть без работы. И фиг с ним с деньгами. Для специалиста по ИИ этот срок сопоставим с вечностью. За это время ты успеешь устареть. Да, можно следить за новостями, но ничто не способно заменить работу с реальными задачами и общение с инженерами. Я не хочу устаревать и упускать свое преимущество, и даже несмотря на то, что занятие консалтингом в краткосрочной перспективе приносит меньше денег - в долгосрочной оно сопоставимо с получением оффера. Ибо я зарабатываю здесь и сейчас, а не через полгода, при этом я получаю знания и опыт.
3. Нежелание идти на компромиссы. Очень ценю себя как специалиста и не собираюсь опускать свою планку ради получения оффера здесь. Из-за смены рынка с российского на американский, для того, чтобы получить оффер - мне нужно будет идти на компромиссы. Это либо продолжать работать в EdTech, который мне поднадоел, но позиция будет Senior уровня. Либо опускаться до Middle+ для работы в смежной сфере. Сменить сферу, сохранив уровень позиции очень сложно, а это А - потеря уровня в иерархии, Б - потеря в зарплате, т.к. оплата завязана на твоем грейде.
👍2
Начало поста 👆
4. Нежелание бегать за работодателем. Как писал выше - работа в найме для меня не особо привлекательна, так как не гарантирует стабильности. Я хочу сам нести ответственность за то, есть работа у меня или нет. Если я получаю мало денег или не получаю их в этом месяце - я хочу, чтобы это было потому, что я продолбался или плохо поработал, а не из-за того, что в компании идет реорганизация. По этой причине, сейчас я хочу, чтобы работодатель сам ко мне приходил, а не я к нему. В России ко мне при открытом резюме приходило 2-3 HR-а в месяц в холодную. И я не хочу видеть иного здесь. Как этого достичь - я просто буду делать проекты, ориентированные на рынок США, получая релевантный опыт. И, если так сложится - устроюсь в компанию здесь. Если нет - в данный момент консалтинг меня полностью устраивает.
5. Отсутствие интересных позиций с удаленкой. Сейчас рынок в США изменился, и всех загоняют либо в офис, либо на гибрид. Мы живем в Мичигане. Позиции, которые мне интересны, находятся в других штатах: Калифорния, Техас, Нью-Йорк. Идти работать туда - тупо иррационально. Т.к. мы с Настей сюда переехали не для того, чтобы жить отдельно. Ни одна работа не стоит этого. Помимо этого, жить отдельно - это х2 расходы на жилье. И какой смысл от прироста дохода условно на $3 000 в месяц, если $2 500 из них будут уходить на аренду квартиры? При этом, что мне, что Насте придется быт тащить на себе в одиночку. Сомнительное преимущество 😀
В общем, задача сейчас - построить стабильный поток на консалтинг и пробовать запускать какие-то свои стартапные истории.
4. Нежелание бегать за работодателем. Как писал выше - работа в найме для меня не особо привлекательна, так как не гарантирует стабильности. Я хочу сам нести ответственность за то, есть работа у меня или нет. Если я получаю мало денег или не получаю их в этом месяце - я хочу, чтобы это было потому, что я продолбался или плохо поработал, а не из-за того, что в компании идет реорганизация. По этой причине, сейчас я хочу, чтобы работодатель сам ко мне приходил, а не я к нему. В России ко мне при открытом резюме приходило 2-3 HR-а в месяц в холодную. И я не хочу видеть иного здесь. Как этого достичь - я просто буду делать проекты, ориентированные на рынок США, получая релевантный опыт. И, если так сложится - устроюсь в компанию здесь. Если нет - в данный момент консалтинг меня полностью устраивает.
5. Отсутствие интересных позиций с удаленкой. Сейчас рынок в США изменился, и всех загоняют либо в офис, либо на гибрид. Мы живем в Мичигане. Позиции, которые мне интересны, находятся в других штатах: Калифорния, Техас, Нью-Йорк. Идти работать туда - тупо иррационально. Т.к. мы с Настей сюда переехали не для того, чтобы жить отдельно. Ни одна работа не стоит этого. Помимо этого, жить отдельно - это х2 расходы на жилье. И какой смысл от прироста дохода условно на $3 000 в месяц, если $2 500 из них будут уходить на аренду квартиры? При этом, что мне, что Насте придется быт тащить на себе в одиночку. Сомнительное преимущество 😀
В общем, задача сейчас - построить стабильный поток на консалтинг и пробовать запускать какие-то свои стартапные истории.
🔥7👍2🤔2👌1
Знаю, что у меня в канале есть ребята, которые интересуются ИИ не только со стороны продукта, но и с инженерной стороны.
Так вот, для вас очень рекомендую записаться на лекцию моего товарища - Виктора Кантора.
Познакомились с Виктором мы в 2022 году, когда мне повезло попасть гостем на его подскаст ТехТок.
Виктор очень крутой специалист. Ранее руководил бигдатой в Яндексе, был Chief Data Scientist в МТС. Сейчас ушел из менеджмента и делает свой образовательный проект. В 2020 году попал в рейтинг Forbes 30 до 30. В общем, явно тот человек, которого, как минимум, стоит послушать по тематике ИИ 😁
Искренне рекомендую!
Так вот, для вас очень рекомендую записаться на лекцию моего товарища - Виктора Кантора.
Познакомились с Виктором мы в 2022 году, когда мне повезло попасть гостем на его подскаст ТехТок.
Виктор очень крутой специалист. Ранее руководил бигдатой в Яндексе, был Chief Data Scientist в МТС. Сейчас ушел из менеджмента и делает свой образовательный проект. В 2020 году попал в рейтинг Forbes 30 до 30. В общем, явно тот человек, которого, как минимум, стоит послушать по тематике ИИ 😁
Искренне рекомендую!
👍1
Forwarded from Kantor.AI
Как компании экономят миллиарды с помощью ML-специалистов?
🔔Именно такие кейсы, показывающие востребованность и интересность задач в ML, я разберу на вебинаре уже в эту среду (завтра!). Зарегистрироваться на вебинар можно по ссылке ниже⬇️
[ Зарегистрироваться ]
❗️Важно: доступ к регистрации на вебинар закроется 28.08 в 19:00 по Мск, поэтому не откладывайте!
На мероприятии мы:
▪️обсудим, что вы сможете делать с помощью ML, и какие реальные кейсы его применения нас окружают,
▪️поговорим о том, как найти работу начинающему ML-специалисту,
▪️разберемся, с чего начать изучение ML, и какие навыки для этого нужны.
Встречаемся 28.08 в 20:00 по мск⏰
Вебинар – отличная возможность начать погружение в ML уже сейчас👍
🔔Именно такие кейсы, показывающие востребованность и интересность задач в ML, я разберу на вебинаре уже в эту среду (завтра!). Зарегистрироваться на вебинар можно по ссылке ниже⬇️
[ Зарегистрироваться ]
❗️Важно: доступ к регистрации на вебинар закроется 28.08 в 19:00 по Мск, поэтому не откладывайте!
На мероприятии мы:
▪️обсудим, что вы сможете делать с помощью ML, и какие реальные кейсы его применения нас окружают,
▪️поговорим о том, как найти работу начинающему ML-специалисту,
▪️разберемся, с чего начать изучение ML, и какие навыки для этого нужны.
Встречаемся 28.08 в 20:00 по мск⏰
Вебинар – отличная возможность начать погружение в ML уже сейчас👍
Gemini Gems уже доступны в Google Gemini
Слишком много Gem в одном предложении не бывает 😅
Gems - это аналог GPT’s от гугла. Доступны с сегодняшнего дня. Можно создавать своих ассистентов с ролями, инструкциями и ограничениями прямо из интерфейса Gemini.
Создавать можно абсолютно разные Gems, минусов, пока что, на мой взгляд, два: не нашел, можно ли делиться своими Gems и нельхя загружать файлы.
От гугла сейчас доступно несколько готовых Gems: Brainstormer, Career Guide, Coding Partner, Learning Coach, Writing editor.
Из прикольного - когда даешь инструкции при создании нового Gems, можно нажать на волшебную палочку и Gemini перепишет промпт, используя основные принципы промпт-инжиниринга.
Буду активно тестировать данную функцию!
Слишком много Gem в одном предложении не бывает 😅
Gems - это аналог GPT’s от гугла. Доступны с сегодняшнего дня. Можно создавать своих ассистентов с ролями, инструкциями и ограничениями прямо из интерфейса Gemini.
Создавать можно абсолютно разные Gems, минусов, пока что, на мой взгляд, два: не нашел, можно ли делиться своими Gems и нельхя загружать файлы.
От гугла сейчас доступно несколько готовых Gems: Brainstormer, Career Guide, Coding Partner, Learning Coach, Writing editor.
Из прикольного - когда даешь инструкции при создании нового Gems, можно нажать на волшебную палочку и Gemini перепишет промпт, используя основные принципы промпт-инжиниринга.
Буду активно тестировать данную функцию!
👍5
Трехмесячный стартап Ильи Суцкевера привлек 1 млрд долларов
Сегодня, наверное, главной новостью по AI стала эта!
Илья Суцкевер - один из сооснователей OpenAI, ушедший из компании. В OpenAI у Ильи были какие-то разногласия с менеджментом по поводу безопасного ИИ. В итоге что произошло - правильно, была создана компания, занимающаяся созданием безопасного ИИ, SSI. Ей отроду 3 месяца. Фокус компании - на том, чтобы создать мощный ИИ, который будет разрабатываться ответственно и без угрозы человечеству.
В итоге под эту идею получилось привлечь 1 млрд долларов при оценке, по данных инсайдеров, в 5 млдр. Вот так и рождаются единороги!
Среди инвесторов - Andreessen Horowitz и Sequoia Capital. Средства будут направлены на закупку оборудования для обучения и найм топовых талантов.
Очень верю, что из этого что-то получится. Ибо OpenAI не особо то и Open, а за последние полгода лично для меня приобрели вообще образ какой-то корпорации зла, со всеми этими интригами, увольнениями и скандалами вокруг данных для обучения.
Сегодня, наверное, главной новостью по AI стала эта!
Илья Суцкевер - один из сооснователей OpenAI, ушедший из компании. В OpenAI у Ильи были какие-то разногласия с менеджментом по поводу безопасного ИИ. В итоге что произошло - правильно, была создана компания, занимающаяся созданием безопасного ИИ, SSI. Ей отроду 3 месяца. Фокус компании - на том, чтобы создать мощный ИИ, который будет разрабатываться ответственно и без угрозы человечеству.
В итоге под эту идею получилось привлечь 1 млрд долларов при оценке, по данных инсайдеров, в 5 млдр. Вот так и рождаются единороги!
Среди инвесторов - Andreessen Horowitz и Sequoia Capital. Средства будут направлены на закупку оборудования для обучения и найм топовых талантов.
Очень верю, что из этого что-то получится. Ибо OpenAI не особо то и Open, а за последние полгода лично для меня приобрели вообще образ какой-то корпорации зла, со всеми этими интригами, увольнениями и скандалами вокруг данных для обучения.
Reuters
Exclusive: OpenAI co-founder Sutskever's new safety-focused AI startup SSI raises $1 billion
AI safety is a hot topic amid fears that artificial intelligence could act against the interests of humanity or even cause human extinction.
🔥1
Не отбрасывайте простые решения, работая с AI
Нам зачастую кажется, что AI - это сложно. Что он требует каких-то определённых подходов, что для решения задачи нужно прописать какой-то алгоритм и дать чёткие инструкции.
Сейчас можно найти много курсов по промпт-инжинирингу, которые говорят, как правильно писать промпты. Я сам писал несколько постов по данной теме. И это работает. Однако, переходя от проекта к проекту, я всё чаще замечаю, что нельзя сразу сбрасывать со счетов простые варианты.
Не нужно сразу писать огромный промпт, применять какие-то сложные стратегии и делать пошаговые инструкции. Возможно, что всю вашу задачу или какую-то её часть AI может решить без необходимости каких-то сложных процедур. Работая с AI, я понимаю, что у меня появляется склонность (bias) в сторону предпочтения чего-то более сложного. Однако ИИ разрабатывается людьми и для людей.
Именно поэтому всегда есть место чему-то простому. Нужно настроить звучание гитары, чтобы было как у любимой группы? Сначала спросите об этом напрямую, спросите, как работают различные функции на панели управления вашего звукового процессора. Нужно написать код, создать рекламу? Просто спросите у AI - как это сделать.
Нужно что-то сделать? Просто спросите AI об этом. Довольно часто нет необходимости в дообучении моделей.
Вот несколько принципов, которых нужно придерживаться при работе с ИИ, которые я сейчас для себя вывел:
1. Начинать с простого: если есть задача - нужно просто спросить.
2. Возвращаться к простому: если вы пытаетесь решить задачу с использованием каких-то комплексных стратегий и инструментов, и у вас не получается - вспомните, начинали ли вы с простого? Вполне вероятно, что решение могло оказаться очевидным, а вы забыли про пункт 1.
3. Пробовать вести диалог: я также отношу это к простому. Довольно часто у меня бывало так, что с первого раза модель не давала нужного мне ответа, однако после того, как я отпишу ей, что именно не так - она позволяла мне достигнуть намеченной цели.
Нам зачастую кажется, что AI - это сложно. Что он требует каких-то определённых подходов, что для решения задачи нужно прописать какой-то алгоритм и дать чёткие инструкции.
Сейчас можно найти много курсов по промпт-инжинирингу, которые говорят, как правильно писать промпты. Я сам писал несколько постов по данной теме. И это работает. Однако, переходя от проекта к проекту, я всё чаще замечаю, что нельзя сразу сбрасывать со счетов простые варианты.
Не нужно сразу писать огромный промпт, применять какие-то сложные стратегии и делать пошаговые инструкции. Возможно, что всю вашу задачу или какую-то её часть AI может решить без необходимости каких-то сложных процедур. Работая с AI, я понимаю, что у меня появляется склонность (bias) в сторону предпочтения чего-то более сложного. Однако ИИ разрабатывается людьми и для людей.
Именно поэтому всегда есть место чему-то простому. Нужно настроить звучание гитары, чтобы было как у любимой группы? Сначала спросите об этом напрямую, спросите, как работают различные функции на панели управления вашего звукового процессора. Нужно написать код, создать рекламу? Просто спросите у AI - как это сделать.
Нужно что-то сделать? Просто спросите AI об этом. Довольно часто нет необходимости в дообучении моделей.
Вот несколько принципов, которых нужно придерживаться при работе с ИИ, которые я сейчас для себя вывел:
1. Начинать с простого: если есть задача - нужно просто спросить.
2. Возвращаться к простому: если вы пытаетесь решить задачу с использованием каких-то комплексных стратегий и инструментов, и у вас не получается - вспомните, начинали ли вы с простого? Вполне вероятно, что решение могло оказаться очевидным, а вы забыли про пункт 1.
3. Пробовать вести диалог: я также отношу это к простому. Довольно часто у меня бывало так, что с первого раза модель не давала нужного мне ответа, однако после того, как я отпишу ей, что именно не так - она позволяла мне достигнуть намеченной цели.
👍6🤔2
Почему Notion - самый отвратительный продукт, которым я когда-либо пользовался, но я не могу от него отказаться
Из-за небольшой болезни постов в последнее время не было. Параллельно занимался переносом нескольких сотен страниц из Notion, что и станет темой сегодняшнего поста.
9 сентября Notion в связи с санкциями США вместо уточнения геолокации, удалил аккаунты всех, у кого в качестве платежного средства когда-либо была привязана российская карта.
Для пользователей, находящихся не в России, Notion официально предлагает сделать бэкап данных и восстановить его. Я подумал: “Ок, сделаю, пересоздам аккаунт". Ведь Notion - отличная база знаний, которой я пользуюсь больше 4 лет. Но все оказалось не так просто. Такой базовый функционал, как восстановление и работа с информацией, не проработан от слова совсем. Это заставило меня в очередной раз поразмышлять о том, что Notion при всех своих плюсах - очень плохой продукт.
Итак, почему Notion плох:
У продукта нет достойных альтернатив. При всей простоте самого продукта, его до сих пор никто нормально не скопировал. А это действительно крутой продукт, как минимум для личных проектов. В нем удобно хранить информацию, вести учет задач, сохранять знания. И такое превосходство одного продукта над всем остальным - это очень плохо, как ни странно, для самого продукта. Условная монополия Notion позволяет принимать непопулярные решения и политики по отношению к пользователю. Кейс с удалением аккаунтов - это одно. Однако также в один момент они могут навязать какие-то платные функции без возможности отказаться.
В Notion отвратительно реализован функционал бэкапа и восстановления своего рабочего пространства. Мы привыкли, что на Apple, Android, Garmin - ты можешь сделать бэкап и восстановить. В Notion так не работает. Ты не можешь просто сохранить свои данные и восстановить. При импорте сохраненных данных нарушается структура страниц, пропадают базы данных, не сохраняются изображения, нарушается верстка. В общем, практически любые восстановленные данные нужно руками править. Но это не самое худшее.
Если хотите перейти на другой продукт - нормально импортировать данные из Notion никуда невозможно. Их придется дорабатывать и переделывать. И переделывать данные, импортированные из Notion куда-то, намного более затратно, чем переделывать данные, импортированные из Notion в Notion. То есть мы заведомо оказываемся в ситуации, когда выбираем между плохим и очень плохим решением.
Действия команды Notion, на мой взгляд, максимально некомпетентны. Это наплевательское отношение к пользователям, что вызывает мое крайнее возмущение как продакта. Я всегда был и буду адвокатом пользователей. И если компания может плюнуть на клиентов и решит не искать путей решения проблем лояльных пользователей, для меня это плохая компания. Кроме того, подобное решение создает прецедент. Ведь подобные действия можно осуществить в сторону любых пользователей из любых стран.
То, что происходит сейчас - это по сути нарушение GDPR (правил хранения и обработки информации). В в случае, если она принимает решение об удалении данных пользователя на основании ошибочных предположений (например, о стране пользователя), это карается штрафом до 20 млн евро. Фишка в том, что это несложно доказать. Например, моя карта была добавлена в аккаунт Notion в 2020 году. В России я не живу уже 2 года, однако мой аккаунт удаляют как аккаунт пользователя из России. Таких, как я, очень много, и можно было бы сделать коллективный иск в сторону Notion, но, увы, никто этим не будет заниматься.
Несмотря на все недостатки, я продолжаю пользоваться Notion. У него есть неоспоримые преимущества, и пока нет достойной альтернативы, которая бы полностью удовлетворяла мои потребности. По крайней мере для ведения рабочих проектов. Личные документы буду переносить в гугл и Notability. При этом, надеюсь, что команда Notion пересмотрит свою политику и отношение к пользователям, а также улучшит функционал бэкапа и восстановления данных. В противном случае, они рискуют потерять лояльность своих клиентов и столкнуться с серьезными юридическими проблемами.
Из-за небольшой болезни постов в последнее время не было. Параллельно занимался переносом нескольких сотен страниц из Notion, что и станет темой сегодняшнего поста.
9 сентября Notion в связи с санкциями США вместо уточнения геолокации, удалил аккаунты всех, у кого в качестве платежного средства когда-либо была привязана российская карта.
Для пользователей, находящихся не в России, Notion официально предлагает сделать бэкап данных и восстановить его. Я подумал: “Ок, сделаю, пересоздам аккаунт". Ведь Notion - отличная база знаний, которой я пользуюсь больше 4 лет. Но все оказалось не так просто. Такой базовый функционал, как восстановление и работа с информацией, не проработан от слова совсем. Это заставило меня в очередной раз поразмышлять о том, что Notion при всех своих плюсах - очень плохой продукт.
Итак, почему Notion плох:
У продукта нет достойных альтернатив. При всей простоте самого продукта, его до сих пор никто нормально не скопировал. А это действительно крутой продукт, как минимум для личных проектов. В нем удобно хранить информацию, вести учет задач, сохранять знания. И такое превосходство одного продукта над всем остальным - это очень плохо, как ни странно, для самого продукта. Условная монополия Notion позволяет принимать непопулярные решения и политики по отношению к пользователю. Кейс с удалением аккаунтов - это одно. Однако также в один момент они могут навязать какие-то платные функции без возможности отказаться.
В Notion отвратительно реализован функционал бэкапа и восстановления своего рабочего пространства. Мы привыкли, что на Apple, Android, Garmin - ты можешь сделать бэкап и восстановить. В Notion так не работает. Ты не можешь просто сохранить свои данные и восстановить. При импорте сохраненных данных нарушается структура страниц, пропадают базы данных, не сохраняются изображения, нарушается верстка. В общем, практически любые восстановленные данные нужно руками править. Но это не самое худшее.
Если хотите перейти на другой продукт - нормально импортировать данные из Notion никуда невозможно. Их придется дорабатывать и переделывать. И переделывать данные, импортированные из Notion куда-то, намного более затратно, чем переделывать данные, импортированные из Notion в Notion. То есть мы заведомо оказываемся в ситуации, когда выбираем между плохим и очень плохим решением.
Действия команды Notion, на мой взгляд, максимально некомпетентны. Это наплевательское отношение к пользователям, что вызывает мое крайнее возмущение как продакта. Я всегда был и буду адвокатом пользователей. И если компания может плюнуть на клиентов и решит не искать путей решения проблем лояльных пользователей, для меня это плохая компания. Кроме того, подобное решение создает прецедент. Ведь подобные действия можно осуществить в сторону любых пользователей из любых стран.
То, что происходит сейчас - это по сути нарушение GDPR (правил хранения и обработки информации). В в случае, если она принимает решение об удалении данных пользователя на основании ошибочных предположений (например, о стране пользователя), это карается штрафом до 20 млн евро. Фишка в том, что это несложно доказать. Например, моя карта была добавлена в аккаунт Notion в 2020 году. В России я не живу уже 2 года, однако мой аккаунт удаляют как аккаунт пользователя из России. Таких, как я, очень много, и можно было бы сделать коллективный иск в сторону Notion, но, увы, никто этим не будет заниматься.
Несмотря на все недостатки, я продолжаю пользоваться Notion. У него есть неоспоримые преимущества, и пока нет достойной альтернативы, которая бы полностью удовлетворяла мои потребности. По крайней мере для ведения рабочих проектов. Личные документы буду переносить в гугл и Notability. При этом, надеюсь, что команда Notion пересмотрит свою политику и отношение к пользователям, а также улучшит функционал бэкапа и восстановления данных. В противном случае, они рискуют потерять лояльность своих клиентов и столкнуться с серьезными юридическими проблемами.
🤔3👍1🔥1
На днях Open AI выпустили новую модель O1 и O1-mini: прорыв или так себе?
Возвращаюсь в ритм с постом про новую модель от Open AI!
Кто еще не слышал, они выпустили новую модель, которая ранее мелькала в сети под названием Strawberry. Отличительная ее особенность, что она "думает" перед тем, как ответить. На бумаге все должно работать так: вы задаете вопрос, модель составляет на него ответ, далее проводит факт-чекинг этого ответа, ищет логические несоответствия и выдает вам более точный ответ. Но как оно на самом деле?
Несколько дней я пробовал новую модельку, и, сказать честно, она меня не впечатлила.
Первое, что я пошел проверять - работу с задачами, где есть какие-то цифры. Суть проблемы состоит в том, что в силу своей природы, языковые модели плохо работают с числами, при этом "решение математических задач" является одним из бенчмарков, что забавно :) В общем, подгрузил я ее парой своих рабочих задач - получил косяки в расчетах. При цене токенов в несколько раз дороже - модель все так же косячит. Возможно реже, но косячит. И, на мой взгляд, гораздо лучше взять ту же GPT-4o mini и указать ей на ошибку/попросить пересчитать, чем платить за дорогие запросы новой О1.
Во-вторых, в целом, качество ответа с одного запроса для меня также показалось не достаточно хорошим. Исходя из моей практики, few shot промптинг более простых моделей дает гораздо лучшие результаты, чем Zeroshot новой модели.
В-третьих - мой исследовательский интерес. Мне нравится наблюдать за тем, как думает модель. Здесь от этого остались только короткие надписи о том, над чем в данный момент она размышляет. Почему мне это так важно? Прежде всего, потому что это моя работа и моя работа - знать, как и что происходит. Но не менее важным является еще и то, что глядя на ход "мыслей" модели я могу придти к каким-то выводам или вопросам, на которые не обратил внимания.
В общем и целом, концепт того, что ИИ все делает за меня, мне как-то не "зашел". А вот о GPT-4o mini я свое мнение изменил. В текущих проектах модель показала себя очень классно и при этом стоит не дорого.
А как вам новые "о-шки" от Open AI? Кто-то успел с ними повзаимодейстовать?
Возвращаюсь в ритм с постом про новую модель от Open AI!
Кто еще не слышал, они выпустили новую модель, которая ранее мелькала в сети под названием Strawberry. Отличительная ее особенность, что она "думает" перед тем, как ответить. На бумаге все должно работать так: вы задаете вопрос, модель составляет на него ответ, далее проводит факт-чекинг этого ответа, ищет логические несоответствия и выдает вам более точный ответ. Но как оно на самом деле?
Несколько дней я пробовал новую модельку, и, сказать честно, она меня не впечатлила.
Первое, что я пошел проверять - работу с задачами, где есть какие-то цифры. Суть проблемы состоит в том, что в силу своей природы, языковые модели плохо работают с числами, при этом "решение математических задач" является одним из бенчмарков, что забавно :) В общем, подгрузил я ее парой своих рабочих задач - получил косяки в расчетах. При цене токенов в несколько раз дороже - модель все так же косячит. Возможно реже, но косячит. И, на мой взгляд, гораздо лучше взять ту же GPT-4o mini и указать ей на ошибку/попросить пересчитать, чем платить за дорогие запросы новой О1.
Во-вторых, в целом, качество ответа с одного запроса для меня также показалось не достаточно хорошим. Исходя из моей практики, few shot промптинг более простых моделей дает гораздо лучшие результаты, чем Zeroshot новой модели.
В-третьих - мой исследовательский интерес. Мне нравится наблюдать за тем, как думает модель. Здесь от этого остались только короткие надписи о том, над чем в данный момент она размышляет. Почему мне это так важно? Прежде всего, потому что это моя работа и моя работа - знать, как и что происходит. Но не менее важным является еще и то, что глядя на ход "мыслей" модели я могу придти к каким-то выводам или вопросам, на которые не обратил внимания.
В общем и целом, концепт того, что ИИ все делает за меня, мне как-то не "зашел". А вот о GPT-4o mini я свое мнение изменил. В текущих проектах модель показала себя очень классно и при этом стоит не дорого.
А как вам новые "о-шки" от Open AI? Кто-то успел с ними повзаимодейстовать?
🤔1
Как спорт и другие телесные практики помогают в работе продакт-менеджера
Ранее я не раз писал, что являюсь сторонником активного образа жизни и спорта. Для меня велосипед, кроссфит, тренировки в зале - являются неотъемлемой частью моей жизни, которые помогают мне оставаться сфокусированным и здоровым.
Каждое утро - начинается с зарядки. Я начал возвращать себе эту привычку в январе этого года. И с тех пор пропустил может 5 или 7 раз, причем в половине случаев - из-за ночных перелетов. Хотя бы короткую пятиминутку я сделаю. В чем плюсы? Помогает начать день с самой сложной победы - победы над собой, помогает проснуться и с нормальным фокусом работать над задачами.
Хотя бы раз в неделю - силовая работа. У меня это либо тренировки на велосипеде на скорость либо работа с весами в зале, либо технически сложные упражнения со своим весом (приседания на одной ноге, различные вариации отжиманий). Помимо очевидной пользы для здоровья и мышц-стабилизаторов это помогает мне сильнее закалять характер и работать через силу там, где кажется, что вот-вот сдашься. Попробуйте проехать на велосипеде час с пульсом 160. После этого любая работа покажется мелочью.
Люблю пробовать новое. Новые занятия. На самом деле, это то, что вдохновило на пост сегодня. Залетел сегодня на открытое занятие по йоге от Biomachine. Раньше йогу пробовал, но в составе комплекса для велосипедистов. Т.е. для меня это была просто необычная растяжка. Сегодняшняя тренировка, в свою очередь, раскрыла эту дисциплину по-другому. В начале пришлось изрядно попотеть и потерпеть. И все время ловил себя на мысли о том, что зачем мне еще одна силовая работа? Однако весь кайф, как оказалось не в растяжке, не в силовой работе, не в сожженных калориях, а в том, что происходит в конце. Я не достиг какого-то "просветления", но в процессе мне удалось максимально расслабиться как телом, так и головой. В условиях информационной перегруженности и большого количества задач, сегодня достичь подобного эффекта очень сложно, от чего он является еще более ценным. Очень рекомендую.
В общем, друзья, занимайтесь спортом, выявите, чего вам не хватает и найдите себе вид спорта, который это заполнит. Будете и здоровее и эффективнее.
Ранее я не раз писал, что являюсь сторонником активного образа жизни и спорта. Для меня велосипед, кроссфит, тренировки в зале - являются неотъемлемой частью моей жизни, которые помогают мне оставаться сфокусированным и здоровым.
Каждое утро - начинается с зарядки. Я начал возвращать себе эту привычку в январе этого года. И с тех пор пропустил может 5 или 7 раз, причем в половине случаев - из-за ночных перелетов. Хотя бы короткую пятиминутку я сделаю. В чем плюсы? Помогает начать день с самой сложной победы - победы над собой, помогает проснуться и с нормальным фокусом работать над задачами.
Хотя бы раз в неделю - силовая работа. У меня это либо тренировки на велосипеде на скорость либо работа с весами в зале, либо технически сложные упражнения со своим весом (приседания на одной ноге, различные вариации отжиманий). Помимо очевидной пользы для здоровья и мышц-стабилизаторов это помогает мне сильнее закалять характер и работать через силу там, где кажется, что вот-вот сдашься. Попробуйте проехать на велосипеде час с пульсом 160. После этого любая работа покажется мелочью.
Люблю пробовать новое. Новые занятия. На самом деле, это то, что вдохновило на пост сегодня. Залетел сегодня на открытое занятие по йоге от Biomachine. Раньше йогу пробовал, но в составе комплекса для велосипедистов. Т.е. для меня это была просто необычная растяжка. Сегодняшняя тренировка, в свою очередь, раскрыла эту дисциплину по-другому. В начале пришлось изрядно попотеть и потерпеть. И все время ловил себя на мысли о том, что зачем мне еще одна силовая работа? Однако весь кайф, как оказалось не в растяжке, не в силовой работе, не в сожженных калориях, а в том, что происходит в конце. Я не достиг какого-то "просветления", но в процессе мне удалось максимально расслабиться как телом, так и головой. В условиях информационной перегруженности и большого количества задач, сегодня достичь подобного эффекта очень сложно, от чего он является еще более ценным. Очень рекомендую.
В общем, друзья, занимайтесь спортом, выявите, чего вам не хватает и найдите себе вид спорта, который это заполнит. Будете и здоровее и эффективнее.
👍6❤4🔥3
Meta Connect: ИИ во все поля!
Запрещенная в России Meta отгремела со своей ежегодной конференцией, и, честно говоря, я под впечатлением.
Новые VR-штуки – это круто, а галографические очки явно интереснее, чем у Apple. Но самое главное – Meta конкретно вложилась в AI и показала кучу реально полезных фишек.
Заметили, что в запрещённой инсте Meta AI всё чаще мелькает? Это не просто так. Цукерберг решил, что ИИ должен быть везде, и круто! Конкуренция и новые продукты!
🦙LLaMa 3.2 – теперь с картинками и в опенсорсе!
LLaMa обновилась до версии 3.2 и стала мультимодальной. Проще говоря, теперь она не только текст понимает, но и картинки. Раньше разработчикам приходилось использовать что-то типа LLaVa, а теперь всё из коробки.
Модель умеет описывать изображения, искать объекты по описанию и даже разбирается в графиках. Да, ChatGPT это умел, но он не опенсорсный.
🧘 Meta AI Assistant – умный помощник на стероидах
Ассистент от Meta не так давно появился в Инсте, Вотсапе и Мессенджере, а теперь его ещё и прокачали.
- Картинки: как и LLaMa 3.2, ассистент научился понимать изображения.
- Голос: теперь можно общаться с ассистентом голосом. И не просто общаться, а выбирать разные голоса, включая Джона Сину!
- Перевод: появился авто-дубляж на другие языки в Reels.
- Фотошоп голосом: Захотели подправить фотку? Теперь не нужно тыкать пальцем в экран, можно просто сказать Meta AI, что нужно сделать.
🕶 Ray Ban by Meta – очки поумнели
Теперь с ними можно общаться более естественно, используя короткие фразы.
Очки научились понимать контекст. Видите номер телефона на объявлении? Скажите очкам позвонить. Увидели QR-код? Попросите отсканировать.
♊ Цифровые двойники и AI-персонажи
Meta анонсировала возможность создания AI-персонажей на основе ваших интересов. Инфлюенсеры смогут создавать своих цифровых двойников, а обычные пользователи – персонажей для общения, отражающих их увлечения. Общаться с этими AI можно будет в Messenger, Instagram и WhatsApp.
Запрещенная в России Meta отгремела со своей ежегодной конференцией, и, честно говоря, я под впечатлением.
Новые VR-штуки – это круто, а галографические очки явно интереснее, чем у Apple. Но самое главное – Meta конкретно вложилась в AI и показала кучу реально полезных фишек.
Заметили, что в запрещённой инсте Meta AI всё чаще мелькает? Это не просто так. Цукерберг решил, что ИИ должен быть везде, и круто! Конкуренция и новые продукты!
🦙LLaMa 3.2 – теперь с картинками и в опенсорсе!
LLaMa обновилась до версии 3.2 и стала мультимодальной. Проще говоря, теперь она не только текст понимает, но и картинки. Раньше разработчикам приходилось использовать что-то типа LLaVa, а теперь всё из коробки.
Модель умеет описывать изображения, искать объекты по описанию и даже разбирается в графиках. Да, ChatGPT это умел, но он не опенсорсный.
Ассистент от Meta не так давно появился в Инсте, Вотсапе и Мессенджере, а теперь его ещё и прокачали.
- Картинки: как и LLaMa 3.2, ассистент научился понимать изображения.
- Голос: теперь можно общаться с ассистентом голосом. И не просто общаться, а выбирать разные голоса, включая Джона Сину!
- Перевод: появился авто-дубляж на другие языки в Reels.
- Фотошоп голосом: Захотели подправить фотку? Теперь не нужно тыкать пальцем в экран, можно просто сказать Meta AI, что нужно сделать.
🕶 Ray Ban by Meta – очки поумнели
Теперь с ними можно общаться более естественно, используя короткие фразы.
Очки научились понимать контекст. Видите номер телефона на объявлении? Скажите очкам позвонить. Увидели QR-код? Попросите отсканировать.
♊ Цифровые двойники и AI-персонажи
Meta анонсировала возможность создания AI-персонажей на основе ваших интересов. Инфлюенсеры смогут создавать своих цифровых двойников, а обычные пользователи – персонажей для общения, отражающих их увлечения. Общаться с этими AI можно будет в Messenger, Instagram и WhatsApp.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥4👍2🤯1
Тренд на возвращение в офис
Все чаще наблюдаю, что крупные компании предпринимают активные меры к возвращению сотрудников в офис. Изначально был тренд на гибридный график, типа 3 дня в офисе и 2 на удаленке, который лично я считаю неэффективный, но понять можно. Сейчас же сотрудников возвращают в офис на все 5 дней.
Одними из первых буквально недавно это инициировали Amazon. И, если честно, я искрене не понимаю этой обсессии работой в офисе.
Во-первых, компании автоматически сокращают количество потенциально крутых кандидатов. Из моих наблюдений, все меньше людей согласятся работать на какую-либо компанию в офисе из-за ее имени, если у них есть комфортная занятость на удаленке с хорошей оплатой.
Во-вторых, содержание офисов - это не самая дешевая история. Все стремятся к оптимизации, делают лейоффы, хотя можно просто закрыть нафиг офисы и сэкономить больше.
В-третьих, хорошие специалисты уже показали и доказали, что могут работать на удаленке не менее эффективно. Да, сейчас есть исследования, что удаленка, мол, не так эффективна, как это думали ранее. Но буст 2020 года вполне объясним эйфорией. То, что у вас люди начали работать менее эффективно - это проблема не удаленки, а хреновой работы с мотивацией ваших сотрудников. Но менеджеры решили, что это не они не умеют мотивировать, а просто сотрудники ленивые и успевают меньше.
В-четвертых, работа в офисе отнимает драгоценное время и сказывается на продуктивности. Не у всех есть такая роскошь, как возможность жить в 5 минутах от оффиса. Большинсву людей нужно тратить от 40 минут до 1.5 часов, чтобы добраться до места, особенно в условиях современных мегаполисов. Это пробки, общественный транспорт, стресс. Сомневаюсь, что такие вещи улучшают продуктивность.
В-пятых, по моему опыту и по опыту общения с коллегами, работа в офисе стимулирует людей чаще создавать видимость работы, нежели работать не покладая рук. Общение с коллегами, перекуры, посидеть за обедом вместе не час, а 1.5 часа, открытая рабочая табличка в браузере, которая не движется 2 часа, пока в телефоне кто-то листает рилсы, крик о том, что идет руководитель и все уперлись в свои ноутбуки за гробовой тишиной. Это то, что я видел, когда работал гибридно в офисе Xiaomi в Москве в 2017 году. Знакомая картина, не правда ли? На мой взгляд, лучше делать четкие коммиты и хорошую систему мотивации и пусть человек из дома смотрит рилсы, но делает что угодно, чтобы справиться с задачей, чем вот так просиживает штаны в офисе.
Большая часть менеджмента, который принимает такое решение - это люди, которым уже за 40. Которые уже лет 15-20 проработали в офисном формате и при малейшем затыке хотят вернуть все как было. Но на мой взгляд, их время прошло. Люди меняются, меняется мир.
Я не говорю, что работа должна быть удаленной всегда. На мой взгляд, идеальный график - это гибридный. Но не 3/2 - офис/дом. Здравый максимум, который я считаю приемлемым - это 1/4, где сотрудники приезжают на пару часов на какие-то планерки раз в неделю в оффис, проводят бреинстормы и всякое такое. Но учитывая наличие кучи дистанционных сервисов - даже, на мой взгяд, излишне. Лучше купить всем VR-очки и проводить такие собрания в VR, это будет дешевле содержания офисов 🙂
Самым же адекватным гибридом я считаю очные синхронизации (1 день в офисе) раз в месяц и 5 дней в офисе раз в квартал для обсуждения стратегических вопросов.
А что вы думаете про тренд на возврат в офисы?
Все чаще наблюдаю, что крупные компании предпринимают активные меры к возвращению сотрудников в офис. Изначально был тренд на гибридный график, типа 3 дня в офисе и 2 на удаленке, который лично я считаю неэффективный, но понять можно. Сейчас же сотрудников возвращают в офис на все 5 дней.
Одними из первых буквально недавно это инициировали Amazon. И, если честно, я искрене не понимаю этой обсессии работой в офисе.
Во-первых, компании автоматически сокращают количество потенциально крутых кандидатов. Из моих наблюдений, все меньше людей согласятся работать на какую-либо компанию в офисе из-за ее имени, если у них есть комфортная занятость на удаленке с хорошей оплатой.
Во-вторых, содержание офисов - это не самая дешевая история. Все стремятся к оптимизации, делают лейоффы, хотя можно просто закрыть нафиг офисы и сэкономить больше.
В-третьих, хорошие специалисты уже показали и доказали, что могут работать на удаленке не менее эффективно. Да, сейчас есть исследования, что удаленка, мол, не так эффективна, как это думали ранее. Но буст 2020 года вполне объясним эйфорией. То, что у вас люди начали работать менее эффективно - это проблема не удаленки, а хреновой работы с мотивацией ваших сотрудников. Но менеджеры решили, что это не они не умеют мотивировать, а просто сотрудники ленивые и успевают меньше.
В-четвертых, работа в офисе отнимает драгоценное время и сказывается на продуктивности. Не у всех есть такая роскошь, как возможность жить в 5 минутах от оффиса. Большинсву людей нужно тратить от 40 минут до 1.5 часов, чтобы добраться до места, особенно в условиях современных мегаполисов. Это пробки, общественный транспорт, стресс. Сомневаюсь, что такие вещи улучшают продуктивность.
В-пятых, по моему опыту и по опыту общения с коллегами, работа в офисе стимулирует людей чаще создавать видимость работы, нежели работать не покладая рук. Общение с коллегами, перекуры, посидеть за обедом вместе не час, а 1.5 часа, открытая рабочая табличка в браузере, которая не движется 2 часа, пока в телефоне кто-то листает рилсы, крик о том, что идет руководитель и все уперлись в свои ноутбуки за гробовой тишиной. Это то, что я видел, когда работал гибридно в офисе Xiaomi в Москве в 2017 году. Знакомая картина, не правда ли? На мой взгляд, лучше делать четкие коммиты и хорошую систему мотивации и пусть человек из дома смотрит рилсы, но делает что угодно, чтобы справиться с задачей, чем вот так просиживает штаны в офисе.
Большая часть менеджмента, который принимает такое решение - это люди, которым уже за 40. Которые уже лет 15-20 проработали в офисном формате и при малейшем затыке хотят вернуть все как было. Но на мой взгляд, их время прошло. Люди меняются, меняется мир.
Я не говорю, что работа должна быть удаленной всегда. На мой взгляд, идеальный график - это гибридный. Но не 3/2 - офис/дом. Здравый максимум, который я считаю приемлемым - это 1/4, где сотрудники приезжают на пару часов на какие-то планерки раз в неделю в оффис, проводят бреинстормы и всякое такое. Но учитывая наличие кучи дистанционных сервисов - даже, на мой взгяд, излишне. Лучше купить всем VR-очки и проводить такие собрания в VR, это будет дешевле содержания офисов 🙂
Самым же адекватным гибридом я считаю очные синхронизации (1 день в офисе) раз в месяц и 5 дней в офисе раз в квартал для обсуждения стратегических вопросов.
А что вы думаете про тренд на возврат в офисы?
Подготовка тренинга по AI как разработка AI-продукта
Помните, летом писал про набор джунов? Кто успел - тот успел.
В общем, одна из целей этого мероприятия - стимулировать себя к выгрузке знаний и обкатать тренинг по AI PM. Пока делаем больше упора на теорию, но сейчас взялся за это дело плотнее и придумываю для ребят упражнения для отработки знаний. На выходе Win-Win. Ребята получают от меня знания, а я получаю лучшее понимание о своем продукте + делаю это в относительно комфортном графике, т.к. у меня нет платящих мне пользователей, которые оказывают на меня моральное давление, потому что они заплатили.
Я хотел создать курс, который будет преследовать, в первую очередь, цель шаринга знаний и развития экспертизы, а не финансового обогащения. Проблема большинства курсов по AI-пм - это то, что они преследуют цель словить хайпа и заработать денег, потому что тематика сейчас популярно. Однако данные курсы не имеют ничего общего с реальной практикой и реально необходимыми знаниями. Для новичка знания будут иметь эффект “вау” и казаться полезными. Да, они полезны, но они не сделают из вас AI-продакта.
Поясню почему. AI-продакт - это человек, который знает основы ИИ, человек, который может сам разработать POC для AI-продукта, человек, умеющий писать промпты, знающий основы управления командой. AI-продакт обладает насмотренностью в использовании различных AI-продуктов разной направленности. AI-продакт умеет и любит исследовать рынок и пользователя. Все, что сейчас можно пройти дает либо поверхностное представление об ИИ либо базу по продакт-менеджмента, однако я не увидел ни одного тренинга, где это все бы совмещалось. Поэтому решил сделать свой. Большая часть лекций уже проведена - осталось собрать из них нормальный продукт, определить стратегию продвижения и цену.
Проводить планирую в формате онлайн-вебинаров с заданиями.
Помните, летом писал про набор джунов? Кто успел - тот успел.
В общем, одна из целей этого мероприятия - стимулировать себя к выгрузке знаний и обкатать тренинг по AI PM. Пока делаем больше упора на теорию, но сейчас взялся за это дело плотнее и придумываю для ребят упражнения для отработки знаний. На выходе Win-Win. Ребята получают от меня знания, а я получаю лучшее понимание о своем продукте + делаю это в относительно комфортном графике, т.к. у меня нет платящих мне пользователей, которые оказывают на меня моральное давление, потому что они заплатили.
Я хотел создать курс, который будет преследовать, в первую очередь, цель шаринга знаний и развития экспертизы, а не финансового обогащения. Проблема большинства курсов по AI-пм - это то, что они преследуют цель словить хайпа и заработать денег, потому что тематика сейчас популярно. Однако данные курсы не имеют ничего общего с реальной практикой и реально необходимыми знаниями. Для новичка знания будут иметь эффект “вау” и казаться полезными. Да, они полезны, но они не сделают из вас AI-продакта.
Поясню почему. AI-продакт - это человек, который знает основы ИИ, человек, который может сам разработать POC для AI-продукта, человек, умеющий писать промпты, знающий основы управления командой. AI-продакт обладает насмотренностью в использовании различных AI-продуктов разной направленности. AI-продакт умеет и любит исследовать рынок и пользователя. Все, что сейчас можно пройти дает либо поверхностное представление об ИИ либо базу по продакт-менеджмента, однако я не увидел ни одного тренинга, где это все бы совмещалось. Поэтому решил сделать свой. Большая часть лекций уже проведена - осталось собрать из них нормальный продукт, определить стратегию продвижения и цену.
Проводить планирую в формате онлайн-вебинаров с заданиями.
👍3🔥2
Свершилось! Вручили нобелевку за работу над нейронками!
Forwarded from эйай ньюз
Нобелевка за нейронки
Нобелевскую премию по физике выиграли Джеффри Хинтон и Джон Хопфилд. Премию присудили за "Фундаментальные открытия и изобретения, которые способствуют машинному обучению с искусственными нейронными сетями". При чём здесь физика - сложно понять. Похоже, комитет просто пытался хоть куда-то приткнуть нейронки, а физика тут ближе всего. Хотя, по-моему, тут больше бы подошла даже медицина - там хотя бы AlphaFold совершил прорыв в чём-то, а с открытиями в области физики из-за нейронок как-то негусто.
Возможно, причина в том, что Хопфилд всё-таки по образованию физик. Хотя его основной вклад в науку - изобретение сетей Хопфилда, рекуррентных сетей, которые во многом положили начало возрождению нейронных сетей в 80-х и 90-х.
Хинтон изобрёл метод обратного распространения ошибки для тренировки нейронок, который позволил тренировать многослойные сети. А студенты Хинтона - Илья Суцкевер и Алекс Крижевский, создали AlexNet. Именно она начала всю эту гонку нейронок, показав, что их можно масштабировать через тренировку на GPU.
В общем, хайп по нейронкам теперь проник и в Нобелевский комитет.
@ai_newz
Нобелевскую премию по физике выиграли Джеффри Хинтон и Джон Хопфилд. Премию присудили за "Фундаментальные открытия и изобретения, которые способствуют машинному обучению с искусственными нейронными сетями". При чём здесь физика - сложно понять. Похоже, комитет просто пытался хоть куда-то приткнуть нейронки, а физика тут ближе всего. Хотя, по-моему, тут больше бы подошла даже медицина - там хотя бы AlphaFold совершил прорыв в чём-то, а с открытиями в области физики из-за нейронок как-то негусто.
Возможно, причина в том, что Хопфилд всё-таки по образованию физик. Хотя его основной вклад в науку - изобретение сетей Хопфилда, рекуррентных сетей, которые во многом положили начало возрождению нейронных сетей в 80-х и 90-х.
Хинтон изобрёл метод обратного распространения ошибки для тренировки нейронок, который позволил тренировать многослойные сети. А студенты Хинтона - Илья Суцкевер и Алекс Крижевский, создали AlexNet. Именно она начала всю эту гонку нейронок, показав, что их можно масштабировать через тренировку на GPU.
В общем, хайп по нейронкам теперь проник и в Нобелевский комитет.
@ai_newz
🔥2👍1
Нельзя просто так взять и сделать продукт с AI
Внедрять AI или строить продукты на базе AI сейчас очень модно. Вместе с тем, как разработчики LLM предлагают всё более низкие цены на токены, всё больше людей — фаундеров и собственников бизнеса — пытаются внедрить API OpenAI в свои продукты либо построить продукты, ядром которых будет это API.
Однако сделать продукт с AI — не то же самое, что сделать продукт с API OpenAI. Очень многие воспринимают ChatGPT как волшебную пилюлю, которая может всё, но это не так. Почему?
1. Часто люди забывают или не знают о природе LLM. Они не мыслят категориями разработчиков и инженеров, для них есть некий искусственный интеллект, который всё знает, и если он может ответить на их вопрос, то может и решить некую их задачу. Однако наиболее часто приходят с запросами, чтобы ИИ им сделал какие-то расчёты/подсчёты и дал некие выводы. И сюрприз — расчёты оказываются неверными. LLM — large language model, большая языковая модель. Условно говоря, они просят гуманитария помочь им с математикой.
2. Решить задачу не равно решить задачу качественно. Очень часто можно встретить приложения и сервисы с названием AI-что-то: AI-тренер, AI-психолог, AI-маркетолог и т. д. Однако результат работы этого AI-чего-то всегда будет на порядок хуже результата работы того специалиста, работу которого они должны имитировать. Моделям либо не достаёт знаний, либо не хватает креативности, либо начинаются галлюцинации, и так по списку. ChatGPT — это не волшебный шар, который знает всё. Он может давать приемлемые результаты, но для того, чтобы он выполнил задачу какого-то специалиста, этот самый специалист должен его проверять и контролировать.
3. Люди упрощают архитектуру продукта. Часто мысли о создании AI-продукта ограничиваются исключительно внедрением API OpenAI. Однако, как я писал выше, модели может не доставать знаний, точности, правильности расчётов. Всё это зачастую — дополнительные модули, которые необходимо разработать для создания полноценного продукта. А это совершенно другие сроки и бюджеты.
4. Использовать ChatGPT как продакшен-решение = медленно загонять свой продукт в могилу. Во-первых, потому что с предобученной моделью вы не добьётесь тех результатов, которые даст вам кастомная модель. Для общих сценариев — да. Для каких-то частых и узкоспециализированных минимум необходим файн-тюнинг (дообучение моделей), а как правило — нужен целый набор моделей и инструментов, отвечающих за определённые функции. Во-вторых, уже неоднократно замечал, как качество ответов моделей время от времени меняется. Мы не можем контролировать, что происходит «под капотом» у условных OpenAI. В-третьих, использование готовых решений = вендор лок. Если вы рассчитываете, что научили промптами выдавать LLM от OpenAI вам нужный результат и сможете жить спокойно, то нет, не сможете. Так как с одной стороны — будут обновления модели, с другой — вы построили свой продукт на основании другого продукта, заточив все особенности его работы под конкретное решение. Отключат OpenAI — что делать? А если они поднимут цены, а у вас юнит-экономика посчитана, то что делать?
Использовать готовые API для Proof of Concept — это отличное решение. Но не в продукте, который должен быть стабильным и давать ожидаемый результат. Логичный флоу — это сделать POC на готовых решениях, сделать research по кастомным моделям и вопросам файн-тюнинга опенсорса, типа LLaMA, для масштабирования, затем поднять инвестиции на разработку и переходить на своё решение вместе с масштабированием бизнеса.
Внедрять AI или строить продукты на базе AI сейчас очень модно. Вместе с тем, как разработчики LLM предлагают всё более низкие цены на токены, всё больше людей — фаундеров и собственников бизнеса — пытаются внедрить API OpenAI в свои продукты либо построить продукты, ядром которых будет это API.
Однако сделать продукт с AI — не то же самое, что сделать продукт с API OpenAI. Очень многие воспринимают ChatGPT как волшебную пилюлю, которая может всё, но это не так. Почему?
1. Часто люди забывают или не знают о природе LLM. Они не мыслят категориями разработчиков и инженеров, для них есть некий искусственный интеллект, который всё знает, и если он может ответить на их вопрос, то может и решить некую их задачу. Однако наиболее часто приходят с запросами, чтобы ИИ им сделал какие-то расчёты/подсчёты и дал некие выводы. И сюрприз — расчёты оказываются неверными. LLM — large language model, большая языковая модель. Условно говоря, они просят гуманитария помочь им с математикой.
2. Решить задачу не равно решить задачу качественно. Очень часто можно встретить приложения и сервисы с названием AI-что-то: AI-тренер, AI-психолог, AI-маркетолог и т. д. Однако результат работы этого AI-чего-то всегда будет на порядок хуже результата работы того специалиста, работу которого они должны имитировать. Моделям либо не достаёт знаний, либо не хватает креативности, либо начинаются галлюцинации, и так по списку. ChatGPT — это не волшебный шар, который знает всё. Он может давать приемлемые результаты, но для того, чтобы он выполнил задачу какого-то специалиста, этот самый специалист должен его проверять и контролировать.
3. Люди упрощают архитектуру продукта. Часто мысли о создании AI-продукта ограничиваются исключительно внедрением API OpenAI. Однако, как я писал выше, модели может не доставать знаний, точности, правильности расчётов. Всё это зачастую — дополнительные модули, которые необходимо разработать для создания полноценного продукта. А это совершенно другие сроки и бюджеты.
4. Использовать ChatGPT как продакшен-решение = медленно загонять свой продукт в могилу. Во-первых, потому что с предобученной моделью вы не добьётесь тех результатов, которые даст вам кастомная модель. Для общих сценариев — да. Для каких-то частых и узкоспециализированных минимум необходим файн-тюнинг (дообучение моделей), а как правило — нужен целый набор моделей и инструментов, отвечающих за определённые функции. Во-вторых, уже неоднократно замечал, как качество ответов моделей время от времени меняется. Мы не можем контролировать, что происходит «под капотом» у условных OpenAI. В-третьих, использование готовых решений = вендор лок. Если вы рассчитываете, что научили промптами выдавать LLM от OpenAI вам нужный результат и сможете жить спокойно, то нет, не сможете. Так как с одной стороны — будут обновления модели, с другой — вы построили свой продукт на основании другого продукта, заточив все особенности его работы под конкретное решение. Отключат OpenAI — что делать? А если они поднимут цены, а у вас юнит-экономика посчитана, то что делать?
Использовать готовые API для Proof of Concept — это отличное решение. Но не в продукте, который должен быть стабильным и давать ожидаемый результат. Логичный флоу — это сделать POC на готовых решениях, сделать research по кастомным моделям и вопросам файн-тюнинга опенсорса, типа LLaMA, для масштабирования, затем поднять инвестиции на разработку и переходить на своё решение вместе с масштабированием бизнеса.
👍3
Что такое “креативность” ИИ
Здесь пойдет речь генеративном ИИ: LLM, моделях для создания изображений, видео и.т.д.
Как я уже писал в комментариях к предыдущему посту, для генеративного ИИ креативность — это степень предсказуемости выдаваемого результата.
Вернемся к аналогии с художником. Представим, что я изучил 1000 картин с изображением животных, повторил их, а теперь создаю что-то свое. Под «изучил» я подразумеваю, что разбил процесс написания картины на составляющие: цвета, характерные для определенного стиля, форма мазков кисти, расположение предметов, внимание к деталям и т.д. На основании тех 1000 картин, что я изучил, у меня формируется представление о том, как должна выглядеть картина и определенные объекты на ней. А дальше начинается интересное.
Предположим, что я этот художник, и меня попросили нарисовать слона. Я никогда не видел слонов вживую и не видел их нигде, кроме как на этих картинах. Допустим, что из 1000 картин на 15 присутствовали слоны. И для меня слон — это нечто, обладающее определенными признаками: что-то большое, серое, ушастое, с 4 ногами, хвостом, хоботом и т.д. Когда меня попросят нарисовать слона, я нарисую нечто, отвечающее этим признакам, но я не повторю в точности изображение ни с одной из тех 15 картин, где были слоны. Это будет что-то обобщенное, но совершенно новое. Примерно так же генеративный ИИ создает что-то по вашему запросу.
Пойдем дальше. Как я говорил, креативность — это степень предсказуемости выдаваемых результатов. Для управления креативностью ИИ существует такой параметр, как температура. Чем выше температура, тем более непредсказуемый и менее детерминированный результат выдает модель; чем ниже температура, тем более предсказуемый и менее разнообразный результат выдает модель. Диапазон температуры для большинства ИИ регулируется от 0.01 до 2. Стандартное значение — 1.
Предположим, что когда я рисовал слона в первый раз, температура была равна единице — получился некий общий образ слона.
Что будет, если понизить температуру? Наш слон станет сильнее похож на тех 15 слонов, которые были в базе картинок. Я повторю наиболее часто встречающийся ракурс, скопирую в точности цвета, морщинки на коже слона я нарисую только те, которые наиболее часто встречаются, и т.д. Будет ли это копирование какого-то одного изображения слона? Нет. Но те, кто видел картинки, на которых я обучался, уже явно заметят, чем я вдохновлялся.
Что будет, если повысить температуру? Признаки «слоновости» расширятся. Что-то серое, с круглой головой, у него длинный нос и т.д. Под это описание начинают частично попадать другие животные, например, дельфин или мышь. И я инкорпорирую эти признаки в своего нового слона. В результате, если температура будет слишком высока, у меня получится что-то отдаленно напоминающее слона. Но, опять же, это будет нечто новое и уникальное.
Можно ли это считать креативностью? С оговоркой. Это лишь ее часть. Креативностью ИИ я бы называл сочетание вот этих особенностей генерации и команд, которые задает человек на входе.
Вот такие мысли :) Изображение чудо-зверя прилагаю 🐘🐭🐬
Здесь пойдет речь генеративном ИИ: LLM, моделях для создания изображений, видео и.т.д.
Как я уже писал в комментариях к предыдущему посту, для генеративного ИИ креативность — это степень предсказуемости выдаваемого результата.
Вернемся к аналогии с художником. Представим, что я изучил 1000 картин с изображением животных, повторил их, а теперь создаю что-то свое. Под «изучил» я подразумеваю, что разбил процесс написания картины на составляющие: цвета, характерные для определенного стиля, форма мазков кисти, расположение предметов, внимание к деталям и т.д. На основании тех 1000 картин, что я изучил, у меня формируется представление о том, как должна выглядеть картина и определенные объекты на ней. А дальше начинается интересное.
Предположим, что я этот художник, и меня попросили нарисовать слона. Я никогда не видел слонов вживую и не видел их нигде, кроме как на этих картинах. Допустим, что из 1000 картин на 15 присутствовали слоны. И для меня слон — это нечто, обладающее определенными признаками: что-то большое, серое, ушастое, с 4 ногами, хвостом, хоботом и т.д. Когда меня попросят нарисовать слона, я нарисую нечто, отвечающее этим признакам, но я не повторю в точности изображение ни с одной из тех 15 картин, где были слоны. Это будет что-то обобщенное, но совершенно новое. Примерно так же генеративный ИИ создает что-то по вашему запросу.
Пойдем дальше. Как я говорил, креативность — это степень предсказуемости выдаваемых результатов. Для управления креативностью ИИ существует такой параметр, как температура. Чем выше температура, тем более непредсказуемый и менее детерминированный результат выдает модель; чем ниже температура, тем более предсказуемый и менее разнообразный результат выдает модель. Диапазон температуры для большинства ИИ регулируется от 0.01 до 2. Стандартное значение — 1.
Предположим, что когда я рисовал слона в первый раз, температура была равна единице — получился некий общий образ слона.
Что будет, если понизить температуру? Наш слон станет сильнее похож на тех 15 слонов, которые были в базе картинок. Я повторю наиболее часто встречающийся ракурс, скопирую в точности цвета, морщинки на коже слона я нарисую только те, которые наиболее часто встречаются, и т.д. Будет ли это копирование какого-то одного изображения слона? Нет. Но те, кто видел картинки, на которых я обучался, уже явно заметят, чем я вдохновлялся.
Что будет, если повысить температуру? Признаки «слоновости» расширятся. Что-то серое, с круглой головой, у него длинный нос и т.д. Под это описание начинают частично попадать другие животные, например, дельфин или мышь. И я инкорпорирую эти признаки в своего нового слона. В результате, если температура будет слишком высока, у меня получится что-то отдаленно напоминающее слона. Но, опять же, это будет нечто новое и уникальное.
Можно ли это считать креативностью? С оговоркой. Это лишь ее часть. Креативностью ИИ я бы называл сочетание вот этих особенностей генерации и команд, которые задает человек на входе.
Вот такие мысли :) Изображение чудо-зверя прилагаю 🐘🐭🐬
👍2
Пропал с радаров потому что…
Немного сместился фокус с создания контента для канала и резерв по креативу чуть истощился.
Немного новостей по поводу того, чем сейчас занимаюсь:
1. Готовим к запуску новый AI-продукт на глобал-рынок. Последние 3 месяца работали с цифровыми двойниками. Сделали много исследований, экспериментов и собрали свой продукт. Сейчас делаем финальную полировку перед боевыми тестами. Хочу написать пост про тестирование AI-продуктов, надеюсь, что хватит на это времени. Также, если кому-то интересна тема цифровых AI-двойников - также готов создать пост по этой тематике.
2. Сейчас с партнерами занимаемся активным развитием фирмы по AI-консалтингу. Создание сайта, вопросы дизайна, иллюстраций, адаптации сайта и посылов под ЦА, оказываемых услуг и позиционирования - это то, что съедает немало так ресурсов. Возможно из-за моего перфекцинизма или продуктового подхода или и того и другого одновременно. Очень скоро расскажу больше, но коротко говоря, на горизонте ближайшего месяца превращусь из консультирующего продакта в CPO. Не нанимают на какую-то позицию - создай ее сам 😄
3. Работа с образовательными проектами. Как-то вдохновила меня тема шаринга знаний и получения за это еще и финансовой выгоды. Вписался в несколько образовательных проектов. Обучения как B2C, так и для корпоративных клиентов. Сейчас реализую пару пробных проектов. Возможно будет у меня еще одно направление, которым буду заниматься.
4. Творчество. Работу надо как-то балансировать. Погода становится пасмурной, на велосипеде порой выходить уже не так приятно. Сейчас вновь погрузился в музыку, запустил свой YouTube-канал, на который записал первый кавер. Планирую хотя бы с периодичностью раз в 2 недели что-то туда выкладывать.
Немного сместился фокус с создания контента для канала и резерв по креативу чуть истощился.
Немного новостей по поводу того, чем сейчас занимаюсь:
1. Готовим к запуску новый AI-продукт на глобал-рынок. Последние 3 месяца работали с цифровыми двойниками. Сделали много исследований, экспериментов и собрали свой продукт. Сейчас делаем финальную полировку перед боевыми тестами. Хочу написать пост про тестирование AI-продуктов, надеюсь, что хватит на это времени. Также, если кому-то интересна тема цифровых AI-двойников - также готов создать пост по этой тематике.
2. Сейчас с партнерами занимаемся активным развитием фирмы по AI-консалтингу. Создание сайта, вопросы дизайна, иллюстраций, адаптации сайта и посылов под ЦА, оказываемых услуг и позиционирования - это то, что съедает немало так ресурсов. Возможно из-за моего перфекцинизма или продуктового подхода или и того и другого одновременно. Очень скоро расскажу больше, но коротко говоря, на горизонте ближайшего месяца превращусь из консультирующего продакта в CPO. Не нанимают на какую-то позицию - создай ее сам 😄
3. Работа с образовательными проектами. Как-то вдохновила меня тема шаринга знаний и получения за это еще и финансовой выгоды. Вписался в несколько образовательных проектов. Обучения как B2C, так и для корпоративных клиентов. Сейчас реализую пару пробных проектов. Возможно будет у меня еще одно направление, которым буду заниматься.
4. Творчество. Работу надо как-то балансировать. Погода становится пасмурной, на велосипеде порой выходить уже не так приятно. Сейчас вновь погрузился в музыку, запустил свой YouTube-канал, на который записал первый кавер. Планирую хотя бы с периодичностью раз в 2 недели что-то туда выкладывать.
YouTube
Breaking Benjamin - Awaken | Guitar cover (ESP LTD BB-600B) | New Song 2024
It's been a while since I wanted to start uploading covers to YouTube. And now I have two reasons. My lovely wife gifted me Ben Burnley's signature guitar, and Breaking Benjamin has a new single out. I tried to reproduce the lead part by ear. I'm not sure…
🔥5👍3👌1