Пост 3-в-1: Новые возможности NotebookLM от Google, human-in-the-loop, инструменты взаимодействия с ИИ и почему все это я смешал в одну кучу.
Human-in-the-Loop (Человек в петле) — это когда ИИ работает не один, а в паре с человеком. Это как автопилот в самолете: он отлично справляется с полетом по маршруту, но пилот всегда следит за ним, а взлет и посадку — самые сложные и ответственные этапы — выполняет вручную.
Почему это так важно? Потому что полностью автоматизированные ИИ-системы часто дают сбой, становясь причиной курьезов и ошибок. А вот системы с «человеком внутри» дают отличные результаты:
• Вайбкодинг в стартапах — помогает выпустить первую версию продукта в разы быстрее.
• Разработка курсов — ИИ переформулирует текст, генерирует примеры и картинки, а человек выверяет смысл и корректирует.
• Да и еще много всего…
Причина — контроль. ИИ не может гарантировать идеальный результат, а человек — может (в каком-то смысле 😄). Чем больше контроля, тем качественнее и предсказуемее итог.
Яркий пример, где контроль мог бы сделать продукт сильнее — обновленный Google NotebookLM. Теперь он может создавать презентации и инфографику из ваших материалов. Работает хорошо, но недостаточно. Инфографика красивая, «залипательная», но с ошибками и не везде понятная (а разве не в этом ее основная задача?😊).
Результат работы — это статичный PDF или картинка, которые не так просто и удобно редактировать.
Вот именно здесь и проявляется идея «человека в петле».
Представьте, если бы:
1. Презентации генерировались сразу в редактируемом PowerPoint/Google Slides.
2. В инфографике можно было бы кликнуть и поменять любой текст или элемент.
Это был бы не просто шаг вперед — это был бы переход в другой класс продуктов: от ИИ-генератора финальных версий к ИИ-партнеру для совместного творчества.
А теперь — главная мысль, ради которой я все это смешал в одну кучу.
Сейчас главный фокус у ИИ-гигантов — это гонка за мощностью моделей (конечно, упрощаю). Новые версии выпускают каждые полгода, и это, конечно, круто. Но есть проблема: с каждым релизом разница в качестве становится все менее заметной для обычного пользователя. Мы приближаемся к потолку, где «еще более умный» не всегда значит «еще более полезный».
А вот где скрыт колоссальный, почти нетронутый потенциал — так это в инструментах взаимодействия.
Представьте:
• Редактировать только часть изображения, как в том же Photoshop.
• Выбирать четкую цветовую палитру одним кликом, как в Recraft.
• Перегенерировать только фрагмент видео или изолированно звук и липсинк, а не делать все заново (такого, вроде, еще нет).
Это пока эксперименты, а не стандарт.
Такие инструменты дадут не просто «лучшую картинку», а принципиально новый уровень контроля и творчества. Они превратят ИИ из черного ящика, который «выплевывает» результат, в настоящую мастерскую, где вы — главный.
Итог: Будущее — не только за более мощными моделями, но и за интерфейсами, которые по-настоящему впустят «человека в петлю». Лучшие ИИ-проекты не заменяют нас, а усиливают, оставляя за нами последнее слово и право на легкую правку. Потому что финальное качество рождается на стыке возможностей машины и нашего здравого смысла.
Human-in-the-Loop (Человек в петле) — это когда ИИ работает не один, а в паре с человеком. Это как автопилот в самолете: он отлично справляется с полетом по маршруту, но пилот всегда следит за ним, а взлет и посадку — самые сложные и ответственные этапы — выполняет вручную.
По мере развития ИИ эта «петля» становится умнее. В идеале система сама понимает, когда ей нужна помощь (например, при распознавании опасности/мошенничества или принятии сложного решения), и приглашает человека в процесс.
Почему это так важно? Потому что полностью автоматизированные ИИ-системы часто дают сбой, становясь причиной курьезов и ошибок. А вот системы с «человеком внутри» дают отличные результаты:
• Вайбкодинг в стартапах — помогает выпустить первую версию продукта в разы быстрее.
• Разработка курсов — ИИ переформулирует текст, генерирует примеры и картинки, а человек выверяет смысл и корректирует.
• Да и еще много всего…
Причина — контроль. ИИ не может гарантировать идеальный результат, а человек — может (в каком-то смысле 😄). Чем больше контроля, тем качественнее и предсказуемее итог.
Яркий пример, где контроль мог бы сделать продукт сильнее — обновленный Google NotebookLM. Теперь он может создавать презентации и инфографику из ваших материалов. Работает хорошо, но недостаточно. Инфографика красивая, «залипательная», но с ошибками и не везде понятная (а разве не в этом ее основная задача?😊).
Результат работы — это статичный PDF или картинка, которые не так просто и удобно редактировать.
Вот именно здесь и проявляется идея «человека в петле».
Представьте, если бы:
1. Презентации генерировались сразу в редактируемом PowerPoint/Google Slides.
2. В инфографике можно было бы кликнуть и поменять любой текст или элемент.
Это был бы не просто шаг вперед — это был бы переход в другой класс продуктов: от ИИ-генератора финальных версий к ИИ-партнеру для совместного творчества.
А теперь — главная мысль, ради которой я все это смешал в одну кучу.
Сейчас главный фокус у ИИ-гигантов — это гонка за мощностью моделей (конечно, упрощаю). Новые версии выпускают каждые полгода, и это, конечно, круто. Но есть проблема: с каждым релизом разница в качестве становится все менее заметной для обычного пользователя. Мы приближаемся к потолку, где «еще более умный» не всегда значит «еще более полезный».
А вот где скрыт колоссальный, почти нетронутый потенциал — так это в инструментах взаимодействия.
Представьте:
• Редактировать только часть изображения, как в том же Photoshop.
• Выбирать четкую цветовую палитру одним кликом, как в Recraft.
• Перегенерировать только фрагмент видео или изолированно звук и липсинк, а не делать все заново (такого, вроде, еще нет).
Конечно, единичные инструменты контроля уже появляются. Но они находятся в зачаточном состоянии (как в примерах выше) и, что ключевое, их почти нет в арсенале крупных игроков, задающих тренд.
Это пока эксперименты, а не стандарт.
Такие инструменты дадут не просто «лучшую картинку», а принципиально новый уровень контроля и творчества. Они превратят ИИ из черного ящика, который «выплевывает» результат, в настоящую мастерскую, где вы — главный.
Итог: Будущее — не только за более мощными моделями, но и за интерфейсами, которые по-настоящему впустят «человека в петлю». Лучшие ИИ-проекты не заменяют нас, а усиливают, оставляя за нами последнее слово и право на легкую правку. Потому что финальное качество рождается на стыке возможностей машины и нашего здравого смысла.
🔥9❤4👍4💯2
Вайбкодинг для симуляторов ПО
Собрать «стандартный» симулятор софта в привычных конструкторах несложно: наделал скриншотов, раскидал по слайдам, добавил кнопки-триггеры. Если заморочиться, можно прикрутить интерактив: слайдеры, галочки, поиск, и.т.д.
Но проблема в том, что такой подход почти не дает импакта (эффекта погружения).
Пользователь не чувствует, что работает в реальном ПО. У него сохраняется стойкое ощущение, что он просто кликает по картинкам. Интерактивность условная, опыт — «плоский».
Разработка полноценного демо-ПО — это обычно дорого, долго, а интерфейсы постоянно меняются — не угонишься.
Вайбкодинг решает эту проблему.
Механика простая: загружаешь* скриншоты разных окон в LLM, просишь «сделай как на картинке» — и ИИ делает 😄.
*не забываем про требования ИБ и персональные данные
Да, ИИ не идеально копирует иконки и некоторые UI элементы с первого раза (хотя очень близко), но это решается парой итераций и прямой подгрузкой иконок. Главное — интерфейс «живой», поля заполняются, кнопки реагируют.
Что важно понимать:
1. Это не кнопка «сделать все»
ИИ нужно объяснить, что код пойдет в LMS (и что он там должен работать😄), и прописать саму логику учебных сценариев.
2. Вопрос трудозатрат
Если вам нужно сделать простой линейный тренажер на 10 экранов, Time-to-Market у вайбкодинга будет сильно выше (это дольше, чем накидать скрины в конструктор). Но если речь о десятке сложных, больших сценариев — разница во времени стирается.
Зато результат — на голову выше. Такой продукт воспринимается реалистичнее, вовлекает сильнее, а значит, и перенос навыка в реальную работу происходит намного проще.
Собрать «стандартный» симулятор софта в привычных конструкторах несложно: наделал скриншотов, раскидал по слайдам, добавил кнопки-триггеры. Если заморочиться, можно прикрутить интерактив: слайдеры, галочки, поиск, и.т.д.
Но проблема в том, что такой подход почти не дает импакта (эффекта погружения).
Пользователь не чувствует, что работает в реальном ПО. У него сохраняется стойкое ощущение, что он просто кликает по картинкам. Интерактивность условная, опыт — «плоский».
Разработка полноценного демо-ПО — это обычно дорого, долго, а интерфейсы постоянно меняются — не угонишься.
Вайбкодинг решает эту проблему.
Механика простая: загружаешь* скриншоты разных окон в LLM, просишь «сделай как на картинке» — и ИИ делает 😄.
*не забываем про требования ИБ и персональные данные
Для примера я сделал симулятор amoCRM (видео и исходный скрин прилагаю).
Да, ИИ не идеально копирует иконки и некоторые UI элементы с первого раза (хотя очень близко), но это решается парой итераций и прямой подгрузкой иконок. Главное — интерфейс «живой», поля заполняются, кнопки реагируют.
Что важно понимать:
1. Это не кнопка «сделать все»
ИИ нужно объяснить, что код пойдет в LMS (и что он там должен работать😄), и прописать саму логику учебных сценариев.
2. Вопрос трудозатрат
Если вам нужно сделать простой линейный тренажер на 10 экранов, Time-to-Market у вайбкодинга будет сильно выше (это дольше, чем накидать скрины в конструктор). Но если речь о десятке сложных, больших сценариев — разница во времени стирается.
Зато результат — на голову выше. Такой продукт воспринимается реалистичнее, вовлекает сильнее, а значит, и перенос навыка в реальную работу происходит намного проще.
👍13🔥8❤2
Media is too big
VIEW IN TELEGRAM
Праздник к нам приходит... с помощью ИИ 🎅✨
В этом году Coca-Cola выпустила свою традиционную новогоднюю рекламу, полностью сгенерированную нейросетями — и она великолепна.
Конец декабря — время, когда многие готовят поздравления для команд. Если вы хотите сделать ИИ-видео, но не знаете, с чего начать, вот мой краткий гайд.
1. В чем генерируем видео?
Мой фаворит — Grok.
Он бесплатный и создает весьма неплохие шестисекундные ролики (в РФ, естественно, не работает, но, я думаю, вы знаете, что делать).
О нем и других инструментах (Veo, Sora) я уже писал на канале ранее.
2. Где брать исходный материал?
Генерация «текст-в-видео» — это лотерея. Чтобы управлять результатом, лучше идти по схеме «картинка-в-видео».
• Генерируем первый кадр (Chat GPT, Midjourney или Gemini).
• Если нужно — правим в редакторе.
• Загружаем кадр в Grok и описываем движения и слова (если нужны).
3. Если нужно больше 6 секунд?
Grok генерирует 6 секунд, Veo способна на 10 (но чем длиннее видео — тем больше в нем будет «косяков»). Если нужно больше — просто потребуется несколько генераций и склейка.
• Сделали первые 6 секунд, сохранили результат.
• Копируем последний кадр видео.
Это можно сделать, например, через QuickTime. Досмотрели видео до конца, нажимаем ctrl/cmd + С.
• Вставляем кадр в генератор видео и описываем следующие 6 секунд.
4. Как быть с озвучкой?
Если персонажи в видео будут говорить – нужно резать реплики на небольшие куски, чтобы персонаж успел проговорить их за 6 секунд. Генерация русского языка пока отработана не на 100%, так что лучше пишите слова так, как они слышатся. Грамматика только мешает.
5. Если я хочу, чтобы в кадре появилось что-то определенное (например, логотип или новый персонаж)?
Разберем на примере первой сцены, с ноутбуком. Сгенерировать сцену, на которой у нас появится логотип (надпись на русском/что-то еще, с очень четкими критериями) – практически невозможно. Но мы можем сгенерировать картинку с открытым ноутбуком, у которого на экране все, что нужно, закрыть его в видео, а потом просто сделать реверс.
В первой сцене был сгенерирован средний кадр. Из него была сделана сцена с реверсом, и потом сцена с горящими огоньками.
6. Ну и потом все склеиваем?
Ну и потом все склеиваем. Если не нужен сложный монтаж – подойдет любое ПО.
Итог:
Создавать такие видео — отдельное праздничное удовольствие 🎅🎄
✨✨✨✨
До Нового года осталась всего неделя🍾
Желаю спокойно завершить дела, с теплом подвести итоги и встретить 2026 год с ощущением волшебства, как в хорошей праздничной рекламе. С наступающим! ✨
В этом году Coca-Cola выпустила свою традиционную новогоднюю рекламу, полностью сгенерированную нейросетями — и она великолепна.
Конец декабря — время, когда многие готовят поздравления для команд. Если вы хотите сделать ИИ-видео, но не знаете, с чего начать, вот мой краткий гайд.
1. В чем генерируем видео?
Мой фаворит — Grok.
Он бесплатный и создает весьма неплохие шестисекундные ролики (в РФ, естественно, не работает, но, я думаю, вы знаете, что делать).
О нем и других инструментах (Veo, Sora) я уже писал на канале ранее.
2. Где брать исходный материал?
Генерация «текст-в-видео» — это лотерея. Чтобы управлять результатом, лучше идти по схеме «картинка-в-видео».
• Генерируем первый кадр (Chat GPT, Midjourney или Gemini).
• Если нужно — правим в редакторе.
• Загружаем кадр в Grok и описываем движения и слова (если нужны).
3. Если нужно больше 6 секунд?
Grok генерирует 6 секунд, Veo способна на 10 (но чем длиннее видео — тем больше в нем будет «косяков»). Если нужно больше — просто потребуется несколько генераций и склейка.
• Сделали первые 6 секунд, сохранили результат.
• Копируем последний кадр видео.
Это можно сделать, например, через QuickTime. Досмотрели видео до конца, нажимаем ctrl/cmd + С.
• Вставляем кадр в генератор видео и описываем следующие 6 секунд.
4. Как быть с озвучкой?
Если персонажи в видео будут говорить – нужно резать реплики на небольшие куски, чтобы персонаж успел проговорить их за 6 секунд. Генерация русского языка пока отработана не на 100%, так что лучше пишите слова так, как они слышатся. Грамматика только мешает.
5. Если я хочу, чтобы в кадре появилось что-то определенное (например, логотип или новый персонаж)?
Разберем на примере первой сцены, с ноутбуком. Сгенерировать сцену, на которой у нас появится логотип (надпись на русском/что-то еще, с очень четкими критериями) – практически невозможно. Но мы можем сгенерировать картинку с открытым ноутбуком, у которого на экране все, что нужно, закрыть его в видео, а потом просто сделать реверс.
В первой сцене был сгенерирован средний кадр. Из него была сделана сцена с реверсом, и потом сцена с горящими огоньками.
6. Ну и потом все склеиваем?
Ну и потом все склеиваем. Если не нужен сложный монтаж – подойдет любое ПО.
Для e-learning задач мне больше всего нравится Final Cut Pro. Очень простой в освоении, весь необходимый базовый функционал есть + куча шаблонов и макетов. Единственный минус – он есть только на Mac.
Это видео монтировал в Adobe Premier Pro. Его не рекомендую (другого софта не было под рукой) – большая сложная софтина с самолетными панелями, где вообще все находится в неочевидных местах (так исторически сложилось). Для профи – классная штука, для T-shaped специалистов избыточно сложно.
Итог:
Создавать такие видео — отдельное праздничное удовольствие 🎅
✨✨✨✨
До Нового года осталась всего неделя
Желаю спокойно завершить дела, с теплом подвести итоги и встретить 2026 год с ощущением волшебства, как в хорошей праздничной рекламе. С наступающим! ✨
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥14👍7🎉4❤1
Друзья, вот мы и на пороге 2026-го.
Если честно, 2025-й был сумасшедшим. Мы окончательно перестали смотреть на ИИ как на «диковинку» и начали жить с ним бок о бок. Мы учились промптить, автоматизировали рутину, спорили об этике и тестировали сотни новых инструментов.
Но знаете, что самое важное я вынес из этого года?
Технологии меняются с бешеной скоростью, тренды приходят и уходят, но в центре елернинга по-прежнему стоит Человек.
Ни одна нейросеть не заменит ту искру, когда студент вдруг начинает понимать материал. Никакой алгоритм не напишет курс с той эмпатией, которую вкладываете вы, зная боли своей аудитории.
Мы с вами — те люди, которые превращают холодный код/триггеры и терабайты данных в живые знания.
Я хочу пожелать вам в Новом году не только крутых метрик и доходимости. Я желаю вам не терять себя в гонке обновлений. Пусть ИИ будет вашим верным вторым пилотом, который забирает скуку, оставляя вам пространство для творчества и вдохновения.
Спасибо, что читаете, спорите и учитесь вместе со мной.
С наступающим! Пусть 2026-й будет умным, но человечным. 🎄✨
Если честно, 2025-й был сумасшедшим. Мы окончательно перестали смотреть на ИИ как на «диковинку» и начали жить с ним бок о бок. Мы учились промптить, автоматизировали рутину, спорили об этике и тестировали сотни новых инструментов.
Но знаете, что самое важное я вынес из этого года?
Технологии меняются с бешеной скоростью, тренды приходят и уходят, но в центре елернинга по-прежнему стоит Человек.
Ни одна нейросеть не заменит ту искру, когда студент вдруг начинает понимать материал. Никакой алгоритм не напишет курс с той эмпатией, которую вкладываете вы, зная боли своей аудитории.
Мы с вами — те люди, которые превращают холодный код/триггеры и терабайты данных в живые знания.
Я хочу пожелать вам в Новом году не только крутых метрик и доходимости. Я желаю вам не терять себя в гонке обновлений. Пусть ИИ будет вашим верным вторым пилотом, который забирает скуку, оставляя вам пространство для творчества и вдохновения.
Спасибо, что читаете, спорите и учитесь вместе со мной.
С наступающим! Пусть 2026-й будет умным, но человечным. 🎄✨
❤23🎉10🎄7👍2
Ну, Дед Мороз, погоди! 🐺 🐰🎅🏻
Поэтому решил провести эксперимент.
Симуляторы ПО вайбкодили, полезные инструменты тоже, пришло время игр.
Попросил ИИ создать ремейк легендарной игры «Ну, погоди!» (той самой, где волк ловит яйца на «Электронике» 1984 года), но в новогоднем сеттинге. По задумке, Дед Мороз должен ловить падающие подарки под новогоднюю музыку. Ну и, конечно, там должны быть зайчики (куда без них в новый год?).
Получилось... ну, вы сами видите как 😅
Но, полезные выводы из бесполезного занятия, все же можно извлечь:
1. Душа и фан — это пока не про алгоритмы. Игре не хватает того самого драйва и «магии», которая заставляла нас часами тыкать в кнопки «Электроники». Баланс сложности, «залипательность» и геймдизайн все еще требуют человеческой руки.
2. Эксперимент в очередной раз доказывает, что ИИ программирует по референсам. Более стандартные механики (такие, например, как раннер*) даются ИИ куда проще, чем что-то необычное.
*Видео с новогодним раннером прикладывать не стал. Он тоже ужасен (геймплейно не насколько как ловля подарков), но получился с первого раза.
3. Такой подход к вайбкодингу, когда мы просто пишем, что хотим видеть и получаем результат от ИИ – не самый лучший выбор для разработки игр (если не брать что-то совсем базовое, типа Тетриса или 2048).
Намного эффективнее использовать игровой движок (например, Unity или Unreal), часть механик прописывать вручную, а для части просить помощи у ИИ (а еще там есть ассеты*).
Так у нас будет больше контроля над конечным результатом, проще будет вносить правки и, конечно, получим все возможности игровых движков.
*Ассет — это готовый кусочек для игры (игровая механика, персонаж, анимация, и т.д.), который можно скачать и добавить к себе в проект в пару кликов.
Так что же, ИИ для разработки игр бесполезен? Конечно нет.
Просто его сильная сторона — не в создании «души», а ускорение рутины. ИИ запросто накидает базовых механик, а вот собрать из этих кусков кода интересный продукт – уже наша задача.
Праздники — время, когда мозг решительно отказывается потреблять серьезный контент про e-learning и методики обучения. Хочется чего-то простого, доброго и... ностальгического.
Поэтому решил провести эксперимент.
Симуляторы ПО вайбкодили, полезные инструменты тоже, пришло время игр.
Попросил ИИ создать ремейк легендарной игры «Ну, погоди!» (той самой, где волк ловит яйца на «Электронике» 1984 года), но в новогоднем сеттинге. По задумке, Дед Мороз должен ловить падающие подарки под новогоднюю музыку. Ну и, конечно, там должны быть зайчики (куда без них в новый год?).
Получилось... ну, вы сами видите как 😅
ИИ сделал первый вариант, в котором все изображения созданы из примитивных фигур на JS, во втором варианте я руками добавил ИИ-изображения… и получилось еще хуже 😅
Но, полезные выводы из бесполезного занятия, все же можно извлечь:
1. Душа и фан — это пока не про алгоритмы. Игре не хватает того самого драйва и «магии», которая заставляла нас часами тыкать в кнопки «Электроники». Баланс сложности, «залипательность» и геймдизайн все еще требуют человеческой руки.
2. Эксперимент в очередной раз доказывает, что ИИ программирует по референсам. Более стандартные механики (такие, например, как раннер*) даются ИИ куда проще, чем что-то необычное.
*Видео с новогодним раннером прикладывать не стал. Он тоже ужасен (геймплейно не насколько как ловля подарков), но получился с первого раза.
3. Такой подход к вайбкодингу, когда мы просто пишем, что хотим видеть и получаем результат от ИИ – не самый лучший выбор для разработки игр (если не брать что-то совсем базовое, типа Тетриса или 2048).
Намного эффективнее использовать игровой движок (например, Unity или Unreal), часть механик прописывать вручную, а для части просить помощи у ИИ (а еще там есть ассеты*).
Так у нас будет больше контроля над конечным результатом, проще будет вносить правки и, конечно, получим все возможности игровых движков.
*Ассет — это готовый кусочек для игры (игровая механика, персонаж, анимация, и т.д.), который можно скачать и добавить к себе в проект в пару кликов.
Так что же, ИИ для разработки игр бесполезен? Конечно нет.
Просто его сильная сторона — не в создании «души», а ускорение рутины. ИИ запросто накидает базовых механик, а вот собрать из этих кусков кода интересный продукт – уже наша задача.
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤10👍4🎉4🔥3🤔1😱1
Кто лучше вайбкодит?
В интернете можно найти сотни бенчмарков, по которым сравнивают нейросети: одни гоняют их по решению университетских задач и математических головоломок, другие проверяют логику и здравый смысл, третьи оценивают практическое применение: способность писать код, создавать тексты или генерировать идеи.
Почему бы не провести своё исследование?
Спойлер:на мой вгляд, Google справился лучше всех.
Задача: собрать лендинг для конференции Digital Learning с новым дизайном.
Условия:
1. Один плохой промпт (мы же хотим написать ИИшке «сделай хороший сайт для конференции» и чтобы она сделала, правда?);
2. Дал ссылку на лендинг конференции (чтобы было понятно, что за мероприятие, какая программа и условия);
3. Не больше 2 итераций правок (с бесконечными правками всё что угодно можно довести до идеала);
4. Нужна только главная страница сайта.
Участники: Google Gemini (с Antigravity (да, не совсем честно)), DeepSeek, GPT-5.1 (OpenAI) и Grok.
По каким критериям сравнивал?
1. Дизайн (субъективно)
2. Функциональность (наличие багов и прикольные/полезные/сложные функции)
3. Адекватность информации*
4. Скорость работы
*Конечно, правильно было бы разделить запрос на 2 части: в начале составить текст и отредактировать его, а потом попросить использовать этот текст в лендинге. Но с таким подходом любая нейросеть напишет адекватный текст.
🎨 Дизайн
Мне понравились все варианты.
Больше всех постарался Google: добавил кучу ховеров и анимаций, уместно использовал шрифты, «трендово» применил бенто-стиль (если бы вместо смайликов нарисовал иконки – цены бы ему не было).
С точки зрения мобильной версии – все справились хорошо, кроме ChatGPT. Адаптив там есть, но весь кривой.
⚙️ Функциональность и баги
Тут очевидное лидерство за Google (ну кто бы сомневался, т.к. я использовал Antigravity).
Всё работало с самого начала без багов. Отдельный плюс за удобную систему фильтров. В дополнительных итерациях добавил фотографии спикеров (ему, как и всем остальным, пришлось кидать ссылки на фотки) + воспользовавшись «инициативой» платформы, добавил чат с ИИ (промпт писал тоже Google, и над ним явно нужно поработать), но фишка классная.
DeepSeek сделал таймер обратного отсчёта (скопировал идею с оригинального сайта). Но если идея хорошая, почему бы и не скопировать?
Но был единственным, у кого были баги и после первой итерации, и после второй всё исправить не удалось.
ChatGPT добавил очень неудобную (но сложную) форму для заявок. Плюс за сложность, минус за UX.
📝 Адекватность информации
Тут не справились все.
DeepSeek более-менее постарался брать информацию с сайта, а не выдумывать всё полностью (не то чтобы получилось хорошо, но лучше, чем у других).
Grok вообще не заморачивался и накидал шаблон – дальше заполняй сам (вот тут поменяй имя на нужное тебе, сюда ссылку на фотку, дальше тему укажи, хочешь добавить ещё выступления – скопируй блок). Интересное сделал ИИ – рутину, человек, пожалуйста, делай сам.
⚡️ Скорость работы
Google, ChatGPT и Grok справились практически одновременно. А вот DeepSeek думал в несколько раз дольше, и контекст оказался слишком большим. Пришлось просить его продолжать.
А чья работа больше всего понравилась вам?
В интернете можно найти сотни бенчмарков, по которым сравнивают нейросети: одни гоняют их по решению университетских задач и математических головоломок, другие проверяют логику и здравый смысл, третьи оценивают практическое применение: способность писать код, создавать тексты или генерировать идеи.
Почему бы не провести своё исследование?
Спойлер:
Задача: собрать лендинг для конференции Digital Learning с новым дизайном.
Условия:
1. Один плохой промпт (мы же хотим написать ИИшке «сделай хороший сайт для конференции» и чтобы она сделала, правда?);
2. Дал ссылку на лендинг конференции (чтобы было понятно, что за мероприятие, какая программа и условия);
3. Не больше 2 итераций правок (с бесконечными правками всё что угодно можно довести до идеала);
4. Нужна только главная страница сайта.
Участники: Google Gemini (с Antigravity (да, не совсем честно)), DeepSeek, GPT-5.1 (OpenAI) и Grok.
Результаты есть в видео в шапке. При клике на ссылки выше можно «пощупать» сайты самим.
По каким критериям сравнивал?
1. Дизайн (субъективно)
2. Функциональность (наличие багов и прикольные/полезные/сложные функции)
3. Адекватность информации*
4. Скорость работы
*Конечно, правильно было бы разделить запрос на 2 части: в начале составить текст и отредактировать его, а потом попросить использовать этот текст в лендинге. Но с таким подходом любая нейросеть напишет адекватный текст.
🎨 Дизайн
Мне понравились все варианты.
Больше всех постарался Google: добавил кучу ховеров и анимаций, уместно использовал шрифты, «трендово» применил бенто-стиль (если бы вместо смайликов нарисовал иконки – цены бы ему не было).
С точки зрения мобильной версии – все справились хорошо, кроме ChatGPT. Адаптив там есть, но весь кривой.
⚙️ Функциональность и баги
Тут очевидное лидерство за Google (ну кто бы сомневался, т.к. я использовал Antigravity).
Всё работало с самого начала без багов. Отдельный плюс за удобную систему фильтров. В дополнительных итерациях добавил фотографии спикеров (ему, как и всем остальным, пришлось кидать ссылки на фотки) + воспользовавшись «инициативой» платформы, добавил чат с ИИ (промпт писал тоже Google, и над ним явно нужно поработать), но фишка классная.
DeepSeek сделал таймер обратного отсчёта (скопировал идею с оригинального сайта). Но если идея хорошая, почему бы и не скопировать?
Но был единственным, у кого были баги и после первой итерации, и после второй всё исправить не удалось.
ChatGPT добавил очень неудобную (но сложную) форму для заявок. Плюс за сложность, минус за UX.
📝 Адекватность информации
Тут не справились все.
DeepSeek более-менее постарался брать информацию с сайта, а не выдумывать всё полностью (не то чтобы получилось хорошо, но лучше, чем у других).
Grok вообще не заморачивался и накидал шаблон – дальше заполняй сам (вот тут поменяй имя на нужное тебе, сюда ссылку на фотку, дальше тему укажи, хочешь добавить ещё выступления – скопируй блок). Интересное сделал ИИ – рутину, человек, пожалуйста, делай сам.
⚡️ Скорость работы
Google, ChatGPT и Grok справились практически одновременно. А вот DeepSeek думал в несколько раз дольше, и контекст оказался слишком большим. Пришлось просить его продолжать.
А чья работа больше всего понравилась вам?
🔥9❤5👍5👌2🦄2
Режим обучения в Google Gemini: даже гиганты пока не могут.
Google добавил режим обучения в свой ИИ-чат Gemini. Давайте разберемся, как он работает и что из себя представляет.
Как запустить?
Всё просто: заходим в Gemini и в нижнем меню выбираем соответствующий режим. Затем говорим ИИ, чему хотим научиться, и при необходимости загружаем файлы (учебники, стандарты), на которые он будет ориентироваться.
Что умеет?
1. Составляет программу обучения — предлагает гибкий выбор темы и перестраивает материал под уровень ученика.
- Круто звучит? Очень круто.
- Хорошо ли это работает? Нет.
o В начале мы получаем базовое описание темы, которой я хочу научиться.
Потом ИИ дает мне 3 темы на выбор, с чего бы я хотел начать. При этом зачастую начать с начала нельзя.
o ИИ не оценивает текущие знания. Было бы логично спросить пользователя о его уровне и, при необходимости, проверить его вопросами или тестом.
o Темы часто идут не по порядку, ключевые части пропускаются. Например, в технике продаж мы поверхностно прошли «выявление потребностей» (меньше страницы А4), задали один вопрос и перешли дальше. Подготовка и установление контакта вообще были пропущены.
o Создается ощущение, что под капотом — простой промпт:
«Объясни тему → задай вопрос → дай обратную связь → предложи 3 темы для продолжения».
o Мой промпт, написанный за минуту для DeepSeek, дал аналогичный результат. А с просьбой иллюстрировать ответы — DeepSeek начал рисовать схемы, фактически сравнявшись с функционалом Google.
2. Отвечает на вопросы по теме — это стандартная возможность любого ИИ-чата.
3. Составляет тесты для проверки знаний — работает хорошо, но чаще всего тест нужно запрашивать самостоятельно.
o Тесты имеют специальный удобный интерфейс.
o К вопросам можно запросить подсказку.
o Даётся развернутая обратная связь по ответам.
o Можно попросить объяснить ответ подробнее или задать вопрос в чате.
o В конце получаем красивую и функциональную табличку с результатами: можем проанализировать результаты, посмотреть основные тезисы на карточках или составить памятку. Удобно и полезно.
Главная проблема — в отсутствии педагогического дизайна. Google не строит образовательную траекторию, а просто выдает информацию блоками по шаблону. Нет настоящей адаптивности, глубокой проверки понимания, а погружение в тему поверхностное.
Концепция обучения с ИИ в подобных интерфейсах — это про инициативу ученика. Google пытается частично взять её на себя, немного «подпихивая» к знаниям.
Дает ли это эффект? Возможно.
Не могу сказать, что продукт плохой. Скорее это просто не то, чего хочется ожидать от «ИИ-репетитора от Google». Особенно после таких прорывных проектов как NotebookLM и Learn Your Way.
P.S. потратив 15 минут на разработку промпта, получил результат, возможно, даже интереснее чем в режиме обучения. Промпт в комментариях.
Google добавил режим обучения в свой ИИ-чат Gemini. Давайте разберемся, как он работает и что из себя представляет.
Как запустить?
Всё просто: заходим в Gemini и в нижнем меню выбираем соответствующий режим. Затем говорим ИИ, чему хотим научиться, и при необходимости загружаем файлы (учебники, стандарты), на которые он будет ориентироваться.
Что умеет?
1. Составляет программу обучения — предлагает гибкий выбор темы и перестраивает материал под уровень ученика.
- Круто звучит? Очень круто.
- Хорошо ли это работает? Нет.
o В начале мы получаем базовое описание темы, которой я хочу научиться.
Потом ИИ дает мне 3 темы на выбор, с чего бы я хотел начать. При этом зачастую начать с начала нельзя.
o ИИ не оценивает текущие знания. Было бы логично спросить пользователя о его уровне и, при необходимости, проверить его вопросами или тестом.
o Темы часто идут не по порядку, ключевые части пропускаются. Например, в технике продаж мы поверхностно прошли «выявление потребностей» (меньше страницы А4), задали один вопрос и перешли дальше. Подготовка и установление контакта вообще были пропущены.
o Создается ощущение, что под капотом — простой промпт:
«Объясни тему → задай вопрос → дай обратную связь → предложи 3 темы для продолжения».
o Мой промпт, написанный за минуту для DeepSeek, дал аналогичный результат. А с просьбой иллюстрировать ответы — DeepSeek начал рисовать схемы, фактически сравнявшись с функционалом Google.
Промпт
Представь, что ты тренер по продажам и к тебе пришел новый продавец, которого ты должен обучить технике продаж. Действуй по алгоритму:
Начни с базовой темы, в конце задай вопрос на проверку знаний → После того, как сотрудник ответит - дай обратную связь → Предложи выбор из 3 логичных тем для продолжения обучения.
2. Отвечает на вопросы по теме — это стандартная возможность любого ИИ-чата.
3. Составляет тесты для проверки знаний — работает хорошо, но чаще всего тест нужно запрашивать самостоятельно.
o Тесты имеют специальный удобный интерфейс.
o К вопросам можно запросить подсказку.
o Даётся развернутая обратная связь по ответам.
o Можно попросить объяснить ответ подробнее или задать вопрос в чате.
o В конце получаем красивую и функциональную табличку с результатами: можем проанализировать результаты, посмотреть основные тезисы на карточках или составить памятку. Удобно и полезно.
Главная проблема — в отсутствии педагогического дизайна. Google не строит образовательную траекторию, а просто выдает информацию блоками по шаблону. Нет настоящей адаптивности, глубокой проверки понимания, а погружение в тему поверхностное.
Концепция обучения с ИИ в подобных интерфейсах — это про инициативу ученика. Google пытается частично взять её на себя, немного «подпихивая» к знаниям.
Дает ли это эффект? Возможно.
Не могу сказать, что продукт плохой. Скорее это просто не то, чего хочется ожидать от «ИИ-репетитора от Google». Особенно после таких прорывных проектов как NotebookLM и Learn Your Way.
P.S. потратив 15 минут на разработку промпта, получил результат, возможно, даже интереснее чем в режиме обучения. Промпт в комментариях.
👍8🔥7❤4
ИИ на твоем компьютере: что это дает e-learning?
Уже сейчас можно купить ноутбук за 1000$, на котором комфортно будет работать достаточно «умная» языковая модель. Да, это не будет топовая модель уровня OpenAI 5.1 (далеко не будет), но её будет достаточно для выполнения базовых задач.
Конечно, редкая компания может похвастаться офисными ноутбуками у сотрудников за 1000$+, но стоимость вычислений постоянно снижается (закон Мура все еще работает, пусть и не так резво, как 60 лет назад). Вполне можно ожидать, что то, что сейчас стоит 1000$, через 5 лет превратится в «обычный офисный ноутбук».
Иными словами, в ближайшем будущем у всех нас на рабочих компьютерах будет установлен «слабенький DeepSeek», который будет резво работать в фоновом режиме.
Так что это значит для e-learning?
Понятно, что облачные вычисления будут всегда на шаг впереди локальных (на огромную кучу шагов), и если нужно выполнить действительно сложные вычисления — тут облако единственный вариант. А вот что-то простое (например, проверку ответов на открытые вопросы, диалоговые тренажеры, подстраивание контента под уровень ученика и т.д.) — вот это запросто можно решить локально.
1. Никаких проблем по линии ИБ
Персональные данные в облако отправлять нельзя, чувствительные — тоже (а именно их, чаще всего, и хочется туда отправить). С локальными вычислениями все эти вопросы снимаются — отправляй все что хочешь.
2. Снижение стоимости масштабирования
Один запрос в ChatGPT стоит копеек. А если у нас будет не 1 пользователь, а, например, 10 000, и если каждый сделает не 1 запрос, а целую кучу? Получится круглая сумма. Локально — все бесплатно*. Как с обычными SCORM-курсами. Хочешь, на 100 человек назначь, хочешь на 10 000 — никакой разницы.
*Конечно, облачные вычисления тоже становятся дешевле, следовательно, и развернуть ИИ внутри контура со временем будет проще, но в любом случае это будет дефицитный ресурс.
3. Bye-bye, согласования бюджетов
Использование облачных API — это всегда «счетчик»: за каждый запрос, за каждый токен нужно платить.
Сколько пользователи сделают запросов? Какой будет их средний размер (тут еще нужно разделять размер запроса и размер ответа)? Ну… можно посмотреть на прошлый опыт и «поводить вилами по воде».
С локальными вычислениями все проще: методист считает, что интеграция с ИИ будет полезна — методист делает интеграцию с ИИ.
4. Работа без интернета
Это скорее бонус, а не общая боль всего e-learning. Если у вас есть специалисты, которые работают где-то, где с интернетом проблемы, — облака им могут только сниться. Локальная модель снимет проблему плохого интернета.
5. Новые возможности персонализации
Звучит как тема для отдельного поста. Если коротко: для персонализации нужны данные. А где их брать? Ваша личная модель может (а скорее, будет) знать о вас все и сама поможет подстроить контент под вас.
6. Рождение новых инструментов
Почему в конструкторе курсов, который вы используете, нет блока* «ИИ-проверка ответа на открытый вопрос»?
*Да, я знаю, что за последний год появились новые игроки, которые сделали такой функционал киллер-фичей своего продукта. Чаще всего это формат LMS+конструктор.
Казалось бы, элементарная функция, которая пишется за вечер (ну, может, немного утрирую, конечно). Но вендоры её не делают. Почему? (Фраза: «Могли бы уже 1000 раз сделать» в данном случае не является гиперболой).
По причинам №1 и №3. Совершенно непонятно, как вы затянете себе все это великолепие в контур и в каком формате будете оплачивать.
С локальными моделями таких ограничений нет, что «развязывает руки» разработчикам. Везде, где ИИ может быть полезен, — он будет.
Итог: ИИ в e-learning перестает быть стратегическим ИТ-проектом, а превратится в обычный методический инструмент. А значит, скорость внедрения вырастет не в разы, а на порядок.
Уже сейчас можно купить ноутбук за 1000$, на котором комфортно будет работать достаточно «умная» языковая модель. Да, это не будет топовая модель уровня OpenAI 5.1 (далеко не будет), но её будет достаточно для выполнения базовых задач.
Конечно, редкая компания может похвастаться офисными ноутбуками у сотрудников за 1000$+, но стоимость вычислений постоянно снижается (закон Мура все еще работает, пусть и не так резво, как 60 лет назад). Вполне можно ожидать, что то, что сейчас стоит 1000$, через 5 лет превратится в «обычный офисный ноутбук».
Мы вполне можем сравнивать топовые процессоры 15-летней давности за 1000$+ с современными ультрабюджетниками за 10-20$, и по многим параметрам современная техника будет принципиально эффективнее (а еще 1$ в 2011 году — это примерно 1.5$ сейчас).
Иными словами, в ближайшем будущем у всех нас на рабочих компьютерах будет установлен «слабенький DeepSeek», который будет резво работать в фоновом режиме.
Так что это значит для e-learning?
Понятно, что облачные вычисления будут всегда на шаг впереди локальных (на огромную кучу шагов), и если нужно выполнить действительно сложные вычисления — тут облако единственный вариант. А вот что-то простое (например, проверку ответов на открытые вопросы, диалоговые тренажеры, подстраивание контента под уровень ученика и т.д.) — вот это запросто можно решить локально.
1. Никаких проблем по линии ИБ
Персональные данные в облако отправлять нельзя, чувствительные — тоже (а именно их, чаще всего, и хочется туда отправить). С локальными вычислениями все эти вопросы снимаются — отправляй все что хочешь.
2. Снижение стоимости масштабирования
Один запрос в ChatGPT стоит копеек. А если у нас будет не 1 пользователь, а, например, 10 000, и если каждый сделает не 1 запрос, а целую кучу? Получится круглая сумма. Локально — все бесплатно*. Как с обычными SCORM-курсами. Хочешь, на 100 человек назначь, хочешь на 10 000 — никакой разницы.
*Конечно, облачные вычисления тоже становятся дешевле, следовательно, и развернуть ИИ внутри контура со временем будет проще, но в любом случае это будет дефицитный ресурс.
3. Bye-bye, согласования бюджетов
Использование облачных API — это всегда «счетчик»: за каждый запрос, за каждый токен нужно платить.
Сколько пользователи сделают запросов? Какой будет их средний размер (тут еще нужно разделять размер запроса и размер ответа)? Ну… можно посмотреть на прошлый опыт и «поводить вилами по воде».
С локальными вычислениями все проще: методист считает, что интеграция с ИИ будет полезна — методист делает интеграцию с ИИ.
4. Работа без интернета
Это скорее бонус, а не общая боль всего e-learning. Если у вас есть специалисты, которые работают где-то, где с интернетом проблемы, — облака им могут только сниться. Локальная модель снимет проблему плохого интернета.
5. Новые возможности персонализации
Звучит как тема для отдельного поста. Если коротко: для персонализации нужны данные. А где их брать? Ваша личная модель может (а скорее, будет) знать о вас все и сама поможет подстроить контент под вас.
6. Рождение новых инструментов
Почему в конструкторе курсов, который вы используете, нет блока* «ИИ-проверка ответа на открытый вопрос»?
*Да, я знаю, что за последний год появились новые игроки, которые сделали такой функционал киллер-фичей своего продукта. Чаще всего это формат LMS+конструктор.
Казалось бы, элементарная функция, которая пишется за вечер (ну, может, немного утрирую, конечно). Но вендоры её не делают. Почему? (Фраза: «Могли бы уже 1000 раз сделать» в данном случае не является гиперболой).
По причинам №1 и №3. Совершенно непонятно, как вы затянете себе все это великолепие в контур и в каком формате будете оплачивать.
С локальными моделями таких ограничений нет, что «развязывает руки» разработчикам. Везде, где ИИ может быть полезен, — он будет.
Итог: ИИ в e-learning перестает быть стратегическим ИТ-проектом, а превратится в обычный методический инструмент. А значит, скорость внедрения вырастет не в разы, а на порядок.
❤5🔥5👍4
Друзья!
В прошлом году я был в жюри конкурса разработчиков курсов от Nova Academy и Курсомании.
Это был потрясающий опыт! Участники за короткий срок сделали не просто концепты, а реальные рабочие проекты для бизнес-заказчиков. Показали разные подходы к решению задач — был даже крутой кейс с эффективным использованием ИИ для развития умений.
Для меня это была отличная прокачка насмотренности!
Здорово, когда классные начинания получают продолжение.
И вот — в этом году конкурс стартует снова!🚀
Я снова в жюри и очень этому рад🎉 .
А в следующем посте — подробности:
как это было в прошлом году и, главное, что ждёт всех в этом сезоне!
В прошлом году я был в жюри конкурса разработчиков курсов от Nova Academy и Курсомании.
Это был потрясающий опыт! Участники за короткий срок сделали не просто концепты, а реальные рабочие проекты для бизнес-заказчиков. Показали разные подходы к решению задач — был даже крутой кейс с эффективным использованием ИИ для развития умений.
Для меня это была отличная прокачка насмотренности!
Здорово, когда классные начинания получают продолжение.
И вот — в этом году конкурс стартует снова!
Я снова в жюри и очень этому рад
А в следующем посте — подробности:
как это было в прошлом году и, главное, что ждёт всех в этом сезоне!
Please open Telegram to view this post
VIEW IN TELEGRAM
❤🔥6🎉6👍5🔥4
E-Learning больше не будет тихим! Встречайте — ЛАМПА РЕЙВ!
Наши друзья Nova Academy x Курсомания 1 апреля врубают басы и открывают двери ивента, который разнесёт в щепки привычное представление о конкурсах для разработчиков.
Что в лайнапе?
😄 Хард-скиллы: 4 мощных мастер-класса от оргов — методология, дизайн, геймификация и креатив. Никакой воды, только «мясо».
😄 Реальные брифы: Делимся на команды и пилим продукты для настоящих заказчиков.
😄 Наставники-практики: Помогут докрутить ваш проект до идеала, чтобы не было стыдно на питче.
😄 Честный фидбек и призы: Соревновательный дух на максималках. Лучшие заберут экспертное признание и ценные подарки.
Финал: офлайн-афтепати! Встречаемся в реале, награждаем победителей и устраиваем настоящий рейв: стробоскопы, музыка и атмосфера.
Кому быть обязательно: Разработчикам курсов, методистам, дизайнерам и всем, кто устал от стандартных форматов.
Старт: 1 апреля (и это не шутка)
Врывайся в ритм тут.
Наши друзья Nova Academy x Курсомания 1 апреля врубают басы и открывают двери ивента, который разнесёт в щепки привычное представление о конкурсах для разработчиков.
Что в лайнапе?
Финал: офлайн-афтепати! Встречаемся в реале, награждаем победителей и устраиваем настоящий рейв: стробоскопы, музыка и атмосфера.
Хочешь понять вайб?😁 Посмотри, как это было в прошлом сезоне.
Кому быть обязательно: Разработчикам курсов, методистам, дизайнерам и всем, кто устал от стандартных форматов.
Старт: 1 апреля (и это не шутка)
Врывайся в ритм тут.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥7👍6❤🔥5🎉2