Jev. Принципиально новый подход работы с ИИ или просто классификатор?
Друзья, привет, неделя релизов продолжается.
Наткнулся на подробный разбор Jev на хабре - новой модели от TypeSafe. Через два дня после запуска браузерный агент уже искал авиабилеты за семь секунд, появился торговый бот, а разработчик заявил, что за час пересобрал Tesla Full Self‑Driving на Jev. Ещё через день Jev появился в шлюзах, базах данных, плагинах и фильтрах контента.
Но самое интересное здесь не просто новая нейронка, а принципиально иной способ работы с ИИ.
Обычная LLM генерирует текст, JSON или код. Jev работает иначе: разработчик заранее задаёт конечный набор допустимых решений, а модель распределяет между ними вероятности.
Три базовых режима:
• Noul - ответ «да/нет»;
• Choice - выбор варианта из списка;
• Score - оценка по шкале от 2 до 10.
Например, обращение клиента можно одним запросом проверить на срочность, направить в нужный отдел и оценить уровень раздражения. Модель не сможет внезапно написать стихотворение, вернуть системный промпт или дать неправильную консультацию.
И это радикальный метод борьбы с галлюцинациями. Да, модель может по-прежнему неправильно выбрать варианты или не так проставить оценку. Но при этом пространство для ошибки сужается.
При этом нейронка работает в основном меньше одной секунды и потребляет в сотни раз меньше токенов.
То есть Jev - не замена LLM и не универсальный «мозг агента». Скорее, это быстрый и дешёвый слой принятия решений между моделью и обычным кодом.
Где он выглядит особенно уместно:
• маршрутизация запросов между моделями и инструментами;
• модерация, классификация и ранжирование;
• проверка действия агента перед исполнением;
• выбор следующего шага из разрешённого списка.
А генерацию текста, кода, планов, работу с датами и необратимые действия авторы рекомендуют оставлять другим моделям и обычному коду.
Это может сделать агентов быстрее и безопаснее. Но только если нужный ответ есть в списке, состояние собрано корректно, а опасное действие проверяет не сама модель.
Как вам такой подход: шаг вперёд для ИИ-агентов или просто хорошо упакованный классификатор?
PS: к самой нейронке через консоль пока доступа нет (не справляется с нагрузкой), но как появится, протестируем :)
#релиз
� ген ии | MAX
Друзья, привет, неделя релизов продолжается.
Наткнулся на подробный разбор Jev на хабре - новой модели от TypeSafe. Через два дня после запуска браузерный агент уже искал авиабилеты за семь секунд, появился торговый бот, а разработчик заявил, что за час пересобрал Tesla Full Self‑Driving на Jev. Ещё через день Jev появился в шлюзах, базах данных, плагинах и фильтрах контента.
Но самое интересное здесь не просто новая нейронка, а принципиально иной способ работы с ИИ.
Обычная LLM генерирует текст, JSON или код. Jev работает иначе: разработчик заранее задаёт конечный набор допустимых решений, а модель распределяет между ними вероятности.
Три базовых режима:
• Noul - ответ «да/нет»;
• Choice - выбор варианта из списка;
• Score - оценка по шкале от 2 до 10.
Например, обращение клиента можно одним запросом проверить на срочность, направить в нужный отдел и оценить уровень раздражения. Модель не сможет внезапно написать стихотворение, вернуть системный промпт или дать неправильную консультацию.
И это радикальный метод борьбы с галлюцинациями. Да, модель может по-прежнему неправильно выбрать варианты или не так проставить оценку. Но при этом пространство для ошибки сужается.
При этом нейронка работает в основном меньше одной секунды и потребляет в сотни раз меньше токенов.
✈️ Пример кейса: поиск авиабилетов за 7,073 секунды. Агент сделал 17 запросов к Jev, 11 действий в браузере и два обращения к другой модели для генерации текста. На Jev пришлось 90 558 входных токенов и около $0,0038. Бронирования не было: агент только нашёл результаты Google Flights, а первоначальная навигация и финальная проверка не вошли в таймер.
То есть Jev - не замена LLM и не универсальный «мозг агента». Скорее, это быстрый и дешёвый слой принятия решений между моделью и обычным кодом.
Где он выглядит особенно уместно:
• маршрутизация запросов между моделями и инструментами;
• модерация, классификация и ранжирование;
• проверка действия агента перед исполнением;
• выбор следующего шага из разрешённого списка.
А генерацию текста, кода, планов, работу с датами и необратимые действия авторы рекомендуют оставлять другим моделям и обычному коду.
По мне главная идея Jev - не «модель без галлюцинаций», а архитектура с ограниченной свободой. Ну и работа в формате JSON в режиме близком к реальному времени дает возможность автоматизации.
Это может сделать агентов быстрее и безопаснее. Но только если нужный ответ есть в списке, состояние собрано корректно, а опасное действие проверяет не сама модель.
Как вам такой подход: шаг вперёд для ИИ-агентов или просто хорошо упакованный классификатор?
PS: к самой нейронке через консоль пока доступа нет (не справляется с нагрузкой), но как появится, протестируем :)
#релиз
� ген ии | MAX
1🔥3❤2👍2🤔1
🤖 GAIN 2.0: открываем самодиагностику для организаций в beta-режиме
Друзья, привет, у нас отличная новость!
В январе 2025 года мы показали первую версию GAIN (Generative AI iNdex или индекс генеративного ИИ) - методику оценки готовности организаций к внедрению генеративного ИИ. С тех пор мы получили много обратной связи и существенно переработали подход.
Сегодня мы представляем GAIN 2.0. Главное изменение: теперь мы оцениваем не просто наличие инфраструктуры, пилоты и компетенции команды, а способность организации превращать генеративный ИИ в управляемый, безопасный и измеримый бизнес-результат.
Что изменилось по сравнению с первой версией:
1️⃣ От готовности - к зрелости практик. Раньше в основе были четыре направления: организационная, технологическая, финансовая и правовая готовность. Теперь их шесть: стратегия и управление; сценарии и ценность; люди и изменения; данные, технологии и эксплуатация; риски и ответственное применение; экономика и эффект.
2️⃣ Обновленные стадии развития. Вместо категорий «начинающие - продвинутые - профессионалы - лидеры» появились четыре наблюдаемые стадии: исследование, пилотирование, масштабирование и системное управление.
3️⃣ Анализ организации по 6 направлениям. GAIN показывает профиль по всем шести направлениям, уверенность оценки и критические ограничения. Например, отсутствие правил управления рисками или измеримого эффекта нельзя скрыть высоким баллом за технологии.
4️⃣ Два формата диагностики. Самодиагностика - быстрый экспресс-анализ из 18 вопросов, который вы можете пройти за 15 минут. Также есть полноценная диагностика с брифингом, углубленной проверкой практик применения ИИ, документов и результатов с участием ключевых функций организации.
И ещё важное: мы открыли самодиагностику в beta-режиме. Вы можете пройти самостоятельно и бесплатно.
В ней 18 основных вопросов по шести направлениям, два уточнения и блок барьеров. На выходе вы сразу получите предварительный индекс, стадию зрелости, профиль сильных и слабых сторон, а также ограничения для дальнейшего масштабирования. Ответы сохраняются в браузере и не отправляются на сервер.
Это не полноценный аудит, а возможность быстро собрать общую картину и подготовить предметный разговор о следующем шаге.
Пройдите диагностику и напишите в комментариях: насколько результат совпал с вашим ощущением? Ну и что стоит улучшить, пока инструмент находится в beta-режиме?
#полезное
💬 ген ии | MAX
Друзья, привет, у нас отличная новость!
В январе 2025 года мы показали первую версию GAIN (Generative AI iNdex или индекс генеративного ИИ) - методику оценки готовности организаций к внедрению генеративного ИИ. С тех пор мы получили много обратной связи и существенно переработали подход.
Сегодня мы представляем GAIN 2.0. Главное изменение: теперь мы оцениваем не просто наличие инфраструктуры, пилоты и компетенции команды, а способность организации превращать генеративный ИИ в управляемый, безопасный и измеримый бизнес-результат.
Что изменилось по сравнению с первой версией:
И ещё важное: мы открыли самодиагностику в beta-режиме. Вы можете пройти самостоятельно и бесплатно.
В ней 18 основных вопросов по шести направлениям, два уточнения и блок барьеров. На выходе вы сразу получите предварительный индекс, стадию зрелости, профиль сильных и слабых сторон, а также ограничения для дальнейшего масштабирования. Ответы сохраняются в браузере и не отправляются на сервер.
Это не полноценный аудит, а возможность быстро собрать общую картину и подготовить предметный разговор о следующем шаге.
Пройдите диагностику и напишите в комментариях: насколько результат совпал с вашим ощущением? Ну и что стоит улучшить, пока инструмент находится в beta-режиме?
#полезное
Please open Telegram to view this post
VIEW IN TELEGRAM
1❤4🔥4👏4
Сборник лучших практик соблюдения этики ИИ в финансовой отрасли
Друзья,
неделя релизов и новинок продолжается :)
В 2026 году Банком России совместно с Ассоциацией ФинТех (АФТ) и Альянсом в сфере ИИ была создана рабочая группа по этике в сфере ИИ на финансовом рынке в рамках отраслевого клуба «ИИ в финансах».
Сегодня мы публикуем результат ее работы - cборник лучших практик соблюдения Кодекса этики в сфере разработки и применения искусственного интеллекта на финансовом рынке.
Напомню, что в 2025 году Банк России опубликовал Кодекс этики в сфере разработки и применения искусственного интеллекта на финансовом рынке (писал об этом тут).
Для меня ценность сборника в том, что он переводит разговор об «ответственном ИИ» с языка общих принципов на язык конкретных решений: кто отвечает за модель, как оценивать риск, когда подключать человека, что объяснять клиенту и как действовать при ошибке.
В основе пять принципов:
• человекоцентричность
• справедливость
• прозрачность
• безопасность, надёжность и эффективность
• ответственное управление рисками
В сборнике описаны подходы и реальные примеры для семи направлений: от системы управления рисками и виртуальных ассистентов до скоринга, анализа рисков операций, финансовой доступности и внутренних ИИ-сервисов.
Что особенно важно на практике для организаций:
- вести единый реестр ИИ-моделей, назначать владельцев и присваивать уровень риска;
- оставлять человеку возможность пересмотреть решение ИИ, а клиенту - перейти к сотруднику;
- прямо обозначать, что ответ создан ИИ, раскрывать ограничения и не маскировать рекомендацию под «нейтральную подсказку»;
- проверять качество данных и модели не только перед запуском, но и в эксплуатации;
- фиксировать ИИ-инциденты, жалобы и действия по устранению последствий;
- учитывать уязвимые группы: возраст, образование, ограниченные возможности и уровень финансовой грамотности.
В сборнике есть примеры из банков, страховых компаний и инфраструктурных организаций: ассистенты, инвестиционные помощники, кредитный рейтинг, антифрод, инклюзивные сервисы и корпоративные базы знаний.
При этом авторы честно оговаривают: включение кейса - не знак качества и не подтверждение эффективности сервиса, а иллюстрация одного из возможных способов соблюдать Кодекс.
А у вас этика ИИ уже встроена в жизненный цикл создания продуктов?
PS: cам сборник приложу к первому коментарию
#этика
💬 ген ии | MAX
Друзья,
неделя релизов и новинок продолжается :)
В 2026 году Банком России совместно с Ассоциацией ФинТех (АФТ) и Альянсом в сфере ИИ была создана рабочая группа по этике в сфере ИИ на финансовом рынке в рамках отраслевого клуба «ИИ в финансах».
Сегодня мы публикуем результат ее работы - cборник лучших практик соблюдения Кодекса этики в сфере разработки и применения искусственного интеллекта на финансовом рынке.
Напомню, что в 2025 году Банк России опубликовал Кодекс этики в сфере разработки и применения искусственного интеллекта на финансовом рынке (писал об этом тут).
Эти документы - основа мягкого регулирования ИИ финансовой отрасли. Их цель - повышение доверия к ИИ на финансовом рынке, продвижение ответственных практик внедрения технологии и минимизация связанных с ней рисков.
Для меня ценность сборника в том, что он переводит разговор об «ответственном ИИ» с языка общих принципов на язык конкретных решений: кто отвечает за модель, как оценивать риск, когда подключать человека, что объяснять клиенту и как действовать при ошибке.
В основе пять принципов:
• человекоцентричность
• справедливость
• прозрачность
• безопасность, надёжность и эффективность
• ответственное управление рисками
В сборнике описаны подходы и реальные примеры для семи направлений: от системы управления рисками и виртуальных ассистентов до скоринга, анализа рисков операций, финансовой доступности и внутренних ИИ-сервисов.
Что особенно важно на практике для организаций:
- вести единый реестр ИИ-моделей, назначать владельцев и присваивать уровень риска;
- оставлять человеку возможность пересмотреть решение ИИ, а клиенту - перейти к сотруднику;
- прямо обозначать, что ответ создан ИИ, раскрывать ограничения и не маскировать рекомендацию под «нейтральную подсказку»;
- проверять качество данных и модели не только перед запуском, но и в эксплуатации;
- фиксировать ИИ-инциденты, жалобы и действия по устранению последствий;
- учитывать уязвимые группы: возраст, образование, ограниченные возможности и уровень финансовой грамотности.
В сборнике есть примеры из банков, страховых компаний и инфраструктурных организаций: ассистенты, инвестиционные помощники, кредитный рейтинг, антифрод, инклюзивные сервисы и корпоративные базы знаний.
При этом авторы честно оговаривают: включение кейса - не знак качества и не подтверждение эффективности сервиса, а иллюстрация одного из возможных способов соблюдать Кодекс.
Этичный ИИ начинается не с декларации намерений, а с комплекса технологических и организационных мер. С реестра моделей. С понятного владельца риска. С права человека оспорить решение. С мониторинга после запуска. И с готовности остановить систему, если она причиняет вред.
А у вас этика ИИ уже встроена в жизненный цикл создания продуктов?
PS: cам сборник приложу к первому коментарию
#этика
Please open Telegram to view this post
VIEW IN TELEGRAM
1👍4❤2🔥2
Агенты_заменили_программистов?.pdf
4.9 MB
🤖 Как ИИ дизраптит процессы в сфере ИТ
Друзья, привет, с окончанием рабочей недели вас!
Недавно мы выпустили подкаст 2ТОК об агентной разработке с Рафаэлем Тонаканяном из Сбера и Валерием Ковальским из red_mad_robot.Кстати, если еще не видели - есть на YouTube или VK Video .
Теперь вместе с аналитическим центром red_mad_robot подготовили материал к выпуску - с цифрами и кейсами.
Кстати, почитайте, если хотите разобраться с этими новыми терминами: вайбкодинг, Spec-Driven Development, промпт-, контекст-, харнесс-, агентный, loop- и graph-инжиниринг.
Главный парадокс: ИИ ускорил написание кода, но выпуск готовых решений ускорился намного меньше.
Исследование на выборке из 100 тысяч разработчиков GitHub показало: объём написанного кода вырос в 8 раз, а число релизов - лишь на 30%. Узкое место переехало из кодинга в постановку задач, архитектуру, ревью, безопасность и принятие решений.
1️⃣ Код разрабатывается быстрее, чем мы умеем его проверять
ИИ для генерации кода используют 77% опрошенных Ассоциацией Финтех, для тестирования и QA - 73%, автономных агентов - 59%. Но автоматизированный код-ревью используют лишь 40%, а поиск уязвимостей - 39%.
2️⃣ Личная продуктивность растет быстрее продуктивности компании
95% респондентов говорят, что разработка стала быстрее. Но влияние ИИ на качество разделило участников поровну: 41% видят улучшение, ещё 41% - ухудшение.
На уровне бизнеса разрыв ещё заметнее: влияние на EBIT увидели 37% компаний, а прирост от 5% и выше - только 6%.
3️⃣ Сэкономленное время уходит на контроль
В среднем ИИ высвобождает около 10 часов в неделю. 45% специалистов меньше времени пишут код, но 42% больше времени тратят на ревью. Профессия не исчезает, но труд переносится из исполнения в проверку, архитектуру и оркестрацию агентов.
4️⃣ Ускорение без новых процессов создает технический долг
Когда агенты генерируют больше изменений, чем команда способна осмыслить, через несколько месяцев можно получить кодовую базу, архитектуру которой уже никто из людей не понимает. Она работает сегодня, завтра станет дорогой проблемой внутри организации.
5️⃣ Программиста может заменить не ИИ, а другой сотрудник
Его может вытеснить специалист, который соединяет разработку, работу с агентами и экспертизу в предметной области. Ценность смещается от «написать больше строк» к «принять решение, поставить задачу, построить проверку и довести результат до продакшена».
А вы используете ИИ в процессах разработки? Напишите в комментариях 👇👇👇
#2TOK
💬 ген ии | MAX
Друзья, привет, с окончанием рабочей недели вас!
Недавно мы выпустили подкаст 2ТОК об агентной разработке с Рафаэлем Тонаканяном из Сбера и Валерием Ковальским из red_mad_robot.
Теперь вместе с аналитическим центром red_mad_robot подготовили материал к выпуску - с цифрами и кейсами.
Кстати, почитайте, если хотите разобраться с этими новыми терминами: вайбкодинг, Spec-Driven Development, промпт-, контекст-, харнесс-, агентный, loop- и graph-инжиниринг.
Главный парадокс: ИИ ускорил написание кода, но выпуск готовых решений ускорился намного меньше.
Исследование на выборке из 100 тысяч разработчиков GitHub показало: объём написанного кода вырос в 8 раз, а число релизов - лишь на 30%. Узкое место переехало из кодинга в постановку задач, архитектуру, ревью, безопасность и принятие решений.
ИИ для генерации кода используют 77% опрошенных Ассоциацией Финтех, для тестирования и QA - 73%, автономных агентов - 59%. Но автоматизированный код-ревью используют лишь 40%, а поиск уязвимостей - 39%.
95% респондентов говорят, что разработка стала быстрее. Но влияние ИИ на качество разделило участников поровну: 41% видят улучшение, ещё 41% - ухудшение.
На уровне бизнеса разрыв ещё заметнее: влияние на EBIT увидели 37% компаний, а прирост от 5% и выше - только 6%.
В среднем ИИ высвобождает около 10 часов в неделю. 45% специалистов меньше времени пишут код, но 42% больше времени тратят на ревью. Профессия не исчезает, но труд переносится из исполнения в проверку, архитектуру и оркестрацию агентов.
Когда агенты генерируют больше изменений, чем команда способна осмыслить, через несколько месяцев можно получить кодовую базу, архитектуру которой уже никто из людей не понимает. Она работает сегодня, завтра станет дорогой проблемой внутри организации.
Его может вытеснить специалист, который соединяет разработку, работу с агентами и экспертизу в предметной области. Ценность смещается от «написать больше строк» к «принять решение, поставить задачу, построить проверку и довести результат до продакшена».
Агентная разработка не убирает разработчика из процесса. Она поднимает его уровнем выше - туда, где принимаются решения и создаётся бизнес-ценность.
А вы используете ИИ в процессах разработки? Напишите в комментариях 👇👇👇
#2TOK
Please open Telegram to view this post
VIEW IN TELEGRAM
1❤4👍3🔥2
🛡️ Безопасность ИИ становится измеримой
Друзья, привет, с началом рабочей недели вас!
Пока Бил Гейтс говорит о возможной утрате контроля над ИИ и необходимости большего регулирования ИИ на уровне государства и межгосударственных структур, наши компании разрабатывают решения и методики по контролю.
Недавно изучил новую методику оценки киберзащищенности ИИ SAIMM v2.0 от Swordfish Security. Меня порадовала рабочая Excel-модель: отвечаете на вопросы, получаете профиль зрелости и конкретные шаги, как улучшить ситуацию.
Что внутри?
- 7 доменов: управление и риски, данные и приватность, безопасность модели, цепочка поставок, инфраструктура и эксплуатация, агентные системы и RAG;
- 60 критериев, каждый оценивается от 0 до 4: от полного отсутствия практики до адаптивного процесса, который измеряется и улучшается;
- 18 блокирующих вопросов. На мой взгляд, это самая интересная часть модели: высокий средний балл не позволяет спрятать критическую дыру. Одна блокирующая практика с оценкой 0–1 ограничивает зрелость домена первым уровнем, а две - нулевым. Например, если у компании нет правовых оснований обработки данных, на которых обучается ИИ-решение
- 52 активности развития с переходами между уровнями. Для каждой можно назначить ответственного, срок, статус и критерий готовности.
🔍 Отдельно радует, что агенты и RAG здесь также учтены. Для агентов проверяются инструменты и плагины, память, HITL, валидация планов, аудит действий, бюджеты и реагирование. Для RAG - источники, права на уровне фрагментов, инъекции через документы, качество поиска, дрейф эмбеддингов и цепочка поставок компонентов.
Критерии сопоставлены с таксономией угроз и мер защиты Swordfish Security, а уровни зрелости — с CMMI и ISO/IEC 33020. На официальной странице также заявлен учёт 187-ФЗ, приказа ФСТЭК №117 и российских ГОСТов в области ИИ.
⚠️ Важный нюанс: «общий уровень зрелости» здесь справочный. Усреднять безопасность агента, данные и инфраструктуру в одну красивую цифру опасно. Польза SAIMM именно в профиле по доменам и блокирующих вопросах.
А у вас безопасность ИИ уже измеряется как процесс или пока зависит от нескольких энтузиастов?
PS: в первом комментарии приложу сами документы 👇
#кибербез
💬 ген ии | MAX
Друзья, привет, с началом рабочей недели вас!
Пока Бил Гейтс говорит о возможной утрате контроля над ИИ и необходимости большего регулирования ИИ на уровне государства и межгосударственных структур, наши компании разрабатывают решения и методики по контролю.
Недавно изучил новую методику оценки киберзащищенности ИИ SAIMM v2.0 от Swordfish Security. Меня порадовала рабочая Excel-модель: отвечаете на вопросы, получаете профиль зрелости и конкретные шаги, как улучшить ситуацию.
Что внутри?
- 7 доменов: управление и риски, данные и приватность, безопасность модели, цепочка поставок, инфраструктура и эксплуатация, агентные системы и RAG;
- 60 критериев, каждый оценивается от 0 до 4: от полного отсутствия практики до адаптивного процесса, который измеряется и улучшается;
- 18 блокирующих вопросов. На мой взгляд, это самая интересная часть модели: высокий средний балл не позволяет спрятать критическую дыру. Одна блокирующая практика с оценкой 0–1 ограничивает зрелость домена первым уровнем, а две - нулевым. Например, если у компании нет правовых оснований обработки данных, на которых обучается ИИ-решение
- 52 активности развития с переходами между уровнями. Для каждой можно назначить ответственного, срок, статус и критерий готовности.
🔍 Отдельно радует, что агенты и RAG здесь также учтены. Для агентов проверяются инструменты и плагины, память, HITL, валидация планов, аудит действий, бюджеты и реагирование. Для RAG - источники, права на уровне фрагментов, инъекции через документы, качество поиска, дрейф эмбеддингов и цепочка поставок компонентов.
Критерии сопоставлены с таксономией угроз и мер защиты Swordfish Security, а уровни зрелости — с CMMI и ISO/IEC 33020. На официальной странице также заявлен учёт 187-ФЗ, приказа ФСТЭК №117 и российских ГОСТов в области ИИ.
⚠️ Важный нюанс: «общий уровень зрелости» здесь справочный. Усреднять безопасность агента, данные и инфраструктуру в одну красивую цифру опасно. Польза SAIMM именно в профиле по доменам и блокирующих вопросах.
Хороший фреймворк не просто перечисляет угрозы. После него понятно, что делать, кто отвечает и по какому признаку работа принята. SAIMM v2.0 выглядит именно таким инструментом. Но также напомню, что у организации должны быть определены недопустимые события и потенциальные векторы атак, один из которых может проходить через вычислительную инфраструктуру или ИИ-решение. Ну и как следствия, должны быть определены и реализованы механизмы защиты
А у вас безопасность ИИ уже измеряется как процесс или пока зависит от нескольких энтузиастов?
PS: в первом комментарии приложу сами документы 👇
#кибербез
Please open Telegram to view this post
VIEW IN TELEGRAM
1❤5👍2🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
🏋️ ИИ-агент в роли финтес-тренера
Друзья, привет,
Давно я не писал про кейсы личного применения ИИ-агентов. А ведь вы поставили аж 40 🔥🔥🔥 под прошлым постом.
Прочитал интересный пост на Хабр от разработчика, который собрал себе силового тренера прямо внутри Claude Code и выложил его в Open Source.
Автор быстро поймал знакомую проблему: модель уверенно предлагает рабочий вес, взятый непонятно откуда, и может ошибиться в арифметике по двум месяцам логов. Поэтому роли разделили. Claude выбирает методику, объясняет решения и задает вопросы. Все цифры считает обычный скрипт на Node.js.
🧠 "Под капотом" получилось неплохая система:
- 8 навыков и 8 специализированных субагентов;
- импорт старого дневника, в том числе по фотографиям;
- план тренировки с весами, разминкой и раскладкой блинов;
- голосовой отчёт с телефона;
- расчёт рекордов, застоев и признаков усталости;
- больше 400 юнит-тестов и eval-сценарии на живой модели.
Мне особенно понравилось простое правило: у каждой цифры в ответе должна быть команда кода, которая ее посчитала. Расчет максимума, тренды, рекорды и отклонения от прошлых тренировок проходят через детерминированный код. Модель может интерпретировать результат, но не притворяется калькулятором.
ИИ-агент также контролирует физическую безопасность. До первой программы тренер проводит анкету PAR-Q+. При опасных симптомах останавливает тренировку. Запросы на дозировки стероидов блокирует.
Но автор честно предупреждает: помощник не видит технику, не ставит диагнозы и не заменяет врача или живого тренера.
Вот ссылка на сам репозиторий на GitHub.
А вы бы доверили составление программы тренировок ИИ?
Ну и ставьте 🔥, если хотите больше разборов кейсов личного применения ИИ-агентов
#личное
💬 ген ии | MAX
Друзья, привет,
Давно я не писал про кейсы личного применения ИИ-агентов. А ведь вы поставили аж 40 🔥🔥🔥 под прошлым постом.
Прочитал интересный пост на Хабр от разработчика, который собрал себе силового тренера прямо внутри Claude Code и выложил его в Open Source.
Автор быстро поймал знакомую проблему: модель уверенно предлагает рабочий вес, взятый непонятно откуда, и может ошибиться в арифметике по двум месяцам логов. Поэтому роли разделили. Claude выбирает методику, объясняет решения и задает вопросы. Все цифры считает обычный скрипт на Node.js.
🧠 "Под капотом" получилось неплохая система:
- 8 навыков и 8 специализированных субагентов;
- импорт старого дневника, в том числе по фотографиям;
- план тренировки с весами, разминкой и раскладкой блинов;
- голосовой отчёт с телефона;
- расчёт рекордов, застоев и признаков усталости;
- больше 400 юнит-тестов и eval-сценарии на живой модели.
Мне особенно понравилось простое правило: у каждой цифры в ответе должна быть команда кода, которая ее посчитала. Расчет максимума, тренды, рекорды и отклонения от прошлых тренировок проходят через детерминированный код. Модель может интерпретировать результат, но не притворяется калькулятором.
ИИ-агент также контролирует физическую безопасность. До первой программы тренер проводит анкету PAR-Q+. При опасных симптомах останавливает тренировку. Запросы на дозировки стероидов блокирует.
Но автор честно предупреждает: помощник не видит технику, не ставит диагнозы и не заменяет врача или живого тренера.
Вот ссылка на сам репозиторий на GitHub.
А вы бы доверили составление программы тренировок ИИ?
Ну и ставьте 🔥, если хотите больше разборов кейсов личного применения ИИ-агентов
#личное
Please open Telegram to view this post
VIEW IN TELEGRAM
1🔥6❤2🎉2👏1
Media is too big
VIEW IN TELEGRAM
🤑 ИИ уже помогает зарабатывать, но только тем, кто разбирается в инвестициях
Друзья, привет,
мы с партнерами red_mad_robot выпустили новый эпизод подкаста 2TOK про инвестиции, трейдинг.
Посмотреть его можно на YouTube и в VK Видео. Кстати, подпишитесь, если еще нет.
Главный вопрос, по которому мы с Ильей Филипповым мучали наших гостей: можно ли отдать ИИ не только аналитику, но и право покупать за нас финансовые инструменты на инвестиционном рынке?
Примечательно, что у наших гостей ответы почти противоположные (да-да, мы специально так подбираем спикеров, чтобы получилась интересная дискуссия) :
• Евгений Коган, инвестбанкир с 35-летним стажем и основатель медиахолдинга bitkogan, предлагает относиться к ИИ как к очень быстрому младшему аналитику. Он соберёт данные, сравнит компании, найдёт закономерности - и так же уверенно может ошибиться. Поэтому решение и ответственность должны оставаться у человека.
• Вячеслав Благирев, директор по инновационному развитию продуктов «Финама», видит другую сторону. За год упоминания ИИ в работе трейдеров выросли в 8 раз. А 8% опрошенных трейдеров (примерно каждый двенадцатый) пришли в профессию без классического обучения, осваивая её с помощью ИИ, и уже зарабатывают деньги. Правда, выборка ограничена: 60 интервью и около 40 кабинетных исследований, а не весь рынок.
Но самая показательная цифра другая: 9 из 10 трейдеров готовы использовать ИИ как «второй мозг», но не готовы доверить ему исполнение сделок.
В выпуске спорим, способен ли алгоритм учесть инсайд и манипуляции, чем ИИ отличается от обычного алготрейдинга, можно ли просчитать Трампа и не стал ли сам рынок ИИ новым пузырём.
Приятного просмотра, ну а мы будем рады вашим комментариям.
А вы готовы доверить ИИ свой кошелек?
#2TOK
💬 ген ии | MAX
Друзья, привет,
мы с партнерами red_mad_robot выпустили новый эпизод подкаста 2TOK про инвестиции, трейдинг.
Посмотреть его можно на YouTube и в VK Видео. Кстати, подпишитесь, если еще нет.
Главный вопрос, по которому мы с Ильей Филипповым мучали наших гостей: можно ли отдать ИИ не только аналитику, но и право покупать за нас финансовые инструменты на инвестиционном рынке?
Примечательно, что у наших гостей ответы почти противоположные
• Евгений Коган, инвестбанкир с 35-летним стажем и основатель медиахолдинга bitkogan, предлагает относиться к ИИ как к очень быстрому младшему аналитику. Он соберёт данные, сравнит компании, найдёт закономерности - и так же уверенно может ошибиться. Поэтому решение и ответственность должны оставаться у человека.
• Вячеслав Благирев, директор по инновационному развитию продуктов «Финама», видит другую сторону. За год упоминания ИИ в работе трейдеров выросли в 8 раз. А 8% опрошенных трейдеров (примерно каждый двенадцатый) пришли в профессию без классического обучения, осваивая её с помощью ИИ, и уже зарабатывают деньги. Правда, выборка ограничена: 60 интервью и около 40 кабинетных исследований, а не весь рынок.
Но самая показательная цифра другая: 9 из 10 трейдеров готовы использовать ИИ как «второй мозг», но не готовы доверить ему исполнение сделок.
И это, на мой взгляд, правильная граница на сегодня. ИИ отлично расширяет возможности человека: быстрее читает отчетность, проверяет гипотезы, помогает написать и протестировать стратегию, разбирает ошибки и даже работает как психолог трейдера. Но он не несет ответственность за убыток. Если агент потерял ваши деньги, виноват не агент - решение передать ему управление всё равно приняли вы.
В выпуске спорим, способен ли алгоритм учесть инсайд и манипуляции, чем ИИ отличается от обычного алготрейдинга, можно ли просчитать Трампа и не стал ли сам рынок ИИ новым пузырём.
Приятного просмотра, ну а мы будем рады вашим комментариям.
А вы готовы доверить ИИ свой кошелек?
#2TOK
Please open Telegram to view this post
VIEW IN TELEGRAM
1🔥7❤3👍3
Итоги деятельности российского финтеха за 10 лет
Друзья, давно я не делал анонсов, но тут большой повод.
6 октября на форуме «ФинТех х10» участники рынка подведут итоги десятилетия российского финтеха. Вместе с представителями Банка России участники будут разбирать ключевые события, которые оказали влияние на развитие российского финтеха. Но значительная часть разговора будет посвящена уже не прошлому, а следующему технологическому переходу - ИИ-трансформации финансового рынка.
В 10:00 форум откроется пленарной сессией «10 лет финтех-отрасли в России - ключевые результаты и вопросы развития финансовых технологий».
Модератор:
Максим Григорьев, генеральный директор Ассоциации ФинТех.
Спикеры:
• Зульфия Кахруманова - заместитель председателя Банка России
• Ольга Скоробогатова - первый заместитель президента - председателя правления Банка ВТБ
• Николай Козак - член правления, управляющий директор ДОМ.РФ; заместитель председателя правления ДОМ.РФ Банка
• Ольга Мямлина - заместитель председателя ПСБ
• Яков Сергиенко - партнер, руководитель компании «Яков и партнеры»
Один из центральных вопросов пленарной дискуссии - переход от экосистем и открытых платформ к экономике ИИ-агентов. Станет ли он продолжением привычных бизнес-моделей или радикально изменит роль банков и их отношения с клиентами?
ИИ проходит через всю программу форума. Будут обсуждаться следующие темы:
- Как агентская экономика изменит банковские продукты?
- Кто выиграет битву за клиента: банк, маркетплейс или независимый ИИ?
- Что означает переход к модели AI-native для финансовых организаций?
- Как искусственный интеллект уже изменил повестку CIO?
- Какая облачная инфраструктура нужна для развития ИИ?
- Где искать людей и компетенции для новой технологической эпохи?
- Когда в разработке можно довериться ИИ, а когда программисту всё-таки стоит взять клавиатуру в свои руки?
Конечно, обсудят и результаты прошедшего десятилетия: СБП, биометрию, общую финансовую инфраструктуру, платформизацию и конкуренцию между банками. Но главный вопрос форума звучит уже иначе: какой проект станет следующим СБП и какую роль в нём сыграет искусственный интеллект?
📍 6 октября, с 10:00 Международный мультимедийный пресс-центр МИА «Россия сегодня», Зубовский бульвар, 4
👉 Программа и регистрация на форум
‼️ Регистрация закроется 2 октября в 20:00, так что лучше зарегистрируйтесь сегодня
#анонс
💬 ген ии | MAX
Друзья, давно я не делал анонсов, но тут большой повод.
6 октября на форуме «ФинТех х10» участники рынка подведут итоги десятилетия российского финтеха. Вместе с представителями Банка России участники будут разбирать ключевые события, которые оказали влияние на развитие российского финтеха. Но значительная часть разговора будет посвящена уже не прошлому, а следующему технологическому переходу - ИИ-трансформации финансового рынка.
В 10:00 форум откроется пленарной сессией «10 лет финтех-отрасли в России - ключевые результаты и вопросы развития финансовых технологий».
Модератор:
Максим Григорьев, генеральный директор Ассоциации ФинТех.
Спикеры:
• Зульфия Кахруманова - заместитель председателя Банка России
• Ольга Скоробогатова - первый заместитель президента - председателя правления Банка ВТБ
• Николай Козак - член правления, управляющий директор ДОМ.РФ; заместитель председателя правления ДОМ.РФ Банка
• Ольга Мямлина - заместитель председателя ПСБ
• Яков Сергиенко - партнер, руководитель компании «Яков и партнеры»
Один из центральных вопросов пленарной дискуссии - переход от экосистем и открытых платформ к экономике ИИ-агентов. Станет ли он продолжением привычных бизнес-моделей или радикально изменит роль банков и их отношения с клиентами?
ИИ проходит через всю программу форума. Будут обсуждаться следующие темы:
- Как агентская экономика изменит банковские продукты?
- Кто выиграет битву за клиента: банк, маркетплейс или независимый ИИ?
- Что означает переход к модели AI-native для финансовых организаций?
- Как искусственный интеллект уже изменил повестку CIO?
- Какая облачная инфраструктура нужна для развития ИИ?
- Где искать людей и компетенции для новой технологической эпохи?
- Когда в разработке можно довериться ИИ, а когда программисту всё-таки стоит взять клавиатуру в свои руки?
Конечно, обсудят и результаты прошедшего десятилетия: СБП, биометрию, общую финансовую инфраструктуру, платформизацию и конкуренцию между банками. Но главный вопрос форума звучит уже иначе: какой проект станет следующим СБП и какую роль в нём сыграет искусственный интеллект?
📍 6 октября, с 10:00 Международный мультимедийный пресс-центр МИА «Россия сегодня», Зубовский бульвар, 4
👉 Программа и регистрация на форум
‼️ Регистрация закроется 2 октября в 20:00, так что лучше зарегистрируйтесь сегодня
#анонс
Please open Telegram to view this post
VIEW IN TELEGRAM
1👍5❤4🔥4
🏭 Промышленный ИИ в 2026 году
Друзья, привет,
В конце аж 2024 года (как быстро течет время!) мы делали с Минпромторгом России исследование по практикам применения ИИ в промышленности. Это была фундаментальная работа, где мы отсмотрели больше 250 кейсов и 76 из них отобрали для сборника.
На днях вышел альманах Института ИИ МФТИ об искусственном интеллекте в промышленности. Это просто фантастика, как оформлен отчет(вы это уже увидели в скриншотах) !
В альманахе представлено 17 сценариев: от предсказания поломок и контроля качества до автономных самосвалов и поиска по техдокументации.
Примеры кейсов с экономическим эффектов:
- сокращение простоя оборудования на 7 часов оценивается в 65 млн рублей;
- оптимизация технологического процесса дала рост производительности на 11,4% и эффект 254 млн рублей в год;
- интегрированное планирование производства - до 7% прироста EBITDA;
- оптимизация цепочек поставок - минус 20% складских издержек и 2,76 млрд рублей эффекта в год;
- компьютерное зрение при сортировке руды - около 115 млн рублей на одной площадке;
- автономные буровые установки - 2% прироста добычи и 457 млн рублей в год.
Интересно также раскрыта роль генеративного ИИ. В промышленности он не заменяет физику процесса и не управляет заводом «из чата». Его сильная роль заключается в том, чтобы работать поверх уже созданного цифрового контура.
Два интересных сценария применения ген ИИ:
1️⃣ Проверка BIM-моделей, спецификаций и проектной документации. Потенциал - предотвращение до 40% ошибок и 158 млн рублей эффекта в год.
2️⃣ RAG-помощник по регламентам, чертежам и инструкциям. Поиск нужной информации ускоряется в 5 раз, оценка эффекта - 43 млн рублей в год.
То есть LLM в промышленности - не фундамент, а верхний этаж. Под ним должны быть IIoT, сенсоры, цифровые двойники, интеграция с АСУ ТП, MES и ERP, вычислительная инфраструктура, машинное зрение и предиктивная аналитика. Если этих этажей нет, красивый ассистент будет бесполезным и отвечать только общими знаниями.
И ещё важная оговорка: часть цифр в альманахе - оценки МФТИ или публичные данные участников проектов. Авторы прямо пишут, что не во всех случаях могли независимо подтвердить методики расчёта и фактический эффект.
Альманах приложил к посту, настоятельно рекомендую ознакомиться всем, кто работает в промышленности 👇👇👇
#аналитика
💬 ген ии | MAX
Друзья, привет,
В конце аж 2024 года (как быстро течет время!) мы делали с Минпромторгом России исследование по практикам применения ИИ в промышленности. Это была фундаментальная работа, где мы отсмотрели больше 250 кейсов и 76 из них отобрали для сборника.
На днях вышел альманах Института ИИ МФТИ об искусственном интеллекте в промышленности. Это просто фантастика, как оформлен отчет
В альманахе представлено 17 сценариев: от предсказания поломок и контроля качества до автономных самосвалов и поиска по техдокументации.
Примеры кейсов с экономическим эффектов:
- сокращение простоя оборудования на 7 часов оценивается в 65 млн рублей;
- оптимизация технологического процесса дала рост производительности на 11,4% и эффект 254 млн рублей в год;
- интегрированное планирование производства - до 7% прироста EBITDA;
- оптимизация цепочек поставок - минус 20% складских издержек и 2,76 млрд рублей эффекта в год;
- компьютерное зрение при сортировке руды - около 115 млн рублей на одной площадке;
- автономные буровые установки - 2% прироста добычи и 457 млн рублей в год.
Интересно также раскрыта роль генеративного ИИ. В промышленности он не заменяет физику процесса и не управляет заводом «из чата». Его сильная роль заключается в том, чтобы работать поверх уже созданного цифрового контура.
Два интересных сценария применения ген ИИ:
То есть LLM в промышленности - не фундамент, а верхний этаж. Под ним должны быть IIoT, сенсоры, цифровые двойники, интеграция с АСУ ТП, MES и ERP, вычислительная инфраструктура, машинное зрение и предиктивная аналитика. Если этих этажей нет, красивый ассистент будет бесполезным и отвечать только общими знаниями.
И ещё важная оговорка: часть цифр в альманахе - оценки МФТИ или публичные данные участников проектов. Авторы прямо пишут, что не во всех случаях могли независимо подтвердить методики расчёта и фактический эффект.
Альманах приложил к посту, настоятельно рекомендую ознакомиться всем, кто работает в промышленности 👇👇👇
#аналитика
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
1🔥4❤3👍3
⚡️ Почему ИИ не работает без качественных данных или зачем идти на Data & AI Talks 7.0
Друзья, привет,
Я к вам с очередным анонсом(да, осенью ОООЧЕНЬ много качественных мероприятий) .
15-16 октября 2026 года Ростелеком с дочерними организациями и партнерами проводит мероприятие Data & AI Talks 7.0.
16 октября я буду выступать в онлайне по теме ИИ-агентов для руководителей (расскажу про Штурман и как руководителю работать по-новому), в расписании это появится чуть позже, но будет трансляция онлайн.
Главная мысль конференции кажется очевидной, но на практике о ней постоянно забывают: любой ИИ-проект упирается в данные. Не только в их объем, но и в качество, доступность, безопасность и понятную экономику.
Что будут обсуждать:
- сколько бизнесу на самом деле стоят плохие данные
- как защищать данные, когда к ним получает доступ ИИ
- чем генеративный ИИ уже сегодня помогает дата-инженеру
- как считать финансовый эффект от ИИ, а не ограничиваться красивым пилотом
- что нужно, чтобы эксперимент превратился в работающий промышленный сервис
Программу разделили на два дня. 15 октября 2026 года - стратегический день: очно в Москве и онлайн. 16 октября - технологический день, полностью онлайн.
Если вы отвечаете за данные, ИИ-продукты, архитектуру или цифровую трансформацию, стоит заглянуть. И да, вы можете также подать заявку на доклад и выступить спикером на официальном сайте.
Участие бесплатное, программа и форма регистрации тут.
#анонс
💬 ген ии | MAX
Друзья, привет,
Я к вам с очередным анонсом
15-16 октября 2026 года Ростелеком с дочерними организациями и партнерами проводит мероприятие Data & AI Talks 7.0.
16 октября я буду выступать в онлайне по теме ИИ-агентов для руководителей (расскажу про Штурман и как руководителю работать по-новому), в расписании это появится чуть позже, но будет трансляция онлайн.
Главная мысль конференции кажется очевидной, но на практике о ней постоянно забывают: любой ИИ-проект упирается в данные. Не только в их объем, но и в качество, доступность, безопасность и понятную экономику.
Что будут обсуждать:
- сколько бизнесу на самом деле стоят плохие данные
- как защищать данные, когда к ним получает доступ ИИ
- чем генеративный ИИ уже сегодня помогает дата-инженеру
- как считать финансовый эффект от ИИ, а не ограничиваться красивым пилотом
- что нужно, чтобы эксперимент превратился в работающий промышленный сервис
Программу разделили на два дня. 15 октября 2026 года - стратегический день: очно в Москве и онлайн. 16 октября - технологический день, полностью онлайн.
Если вы отвечаете за данные, ИИ-продукты, архитектуру или цифровую трансформацию, стоит заглянуть. И да, вы можете также подать заявку на доклад и выступить спикером на официальном сайте.
Участие бесплатное, программа и форма регистрации тут.
#анонс
Please open Telegram to view this post
VIEW IN TELEGRAM
2❤5👍5🔥3
🕵️ ChatGPT начнёт оставлять в текстах невидимый след
Друзья, привет,
По поводу маркировки сгенерированного контента сейчас идут дебаты и даже выложен законопроект на сайте Думы.
Я всегда считал, что можно маркировать аудио контент (через мета-данные или отдельную пустую музыкальную «дорожку»), видео контент (25 кадр, мета-данные и другие способы). Но как маркировать текстовый сгенерированный контент для меня всегда было загадкой.
Даже если контент сгенерирован и определяется детекторами, то можно написать «перепиши так, как это сделал бы человек» и системы уже не могут задетектировать сгенерированный контент.
Но, кажется, что OpenAI всерьез взялся за эту проблему. В ближайшие недели компания начнёт маркировать часть текстов ChatGPT и Codex для пользователей в Евросоюзе. Маркировка появится на всех тарифах, но только у подходящих под условия пользователей в ЕС. В API её уже можно включить добровольно для отдельных моделей из любой страны.
Это не плашка «создано ИИ» и не запись в свойствах файла. Технология textGrain слегка меняет выбор слов во время генерации и встраивает в текст невидимый статистический сигнал. Специальный детектор затем ищет этот рисунок. Человек при чтении ничего не увидит.
Почему OpenAI делает это сейчас? Статья 50 европейского AI Act требует, чтобы синтетические тексты, изображения, аудио и видео были отмечены в машиночитаемом формате и распознавались как созданные или изменённые ИИ.
Отдельно Еврокомиссия разрабатывает кодекс практики, который должен уточнить, как именно выполнять требования к маркировке.
Поэтому отсутствие сигнала не доказывает, что текст написал человек. Его могли отредактировать, перевести, сократить или получить в другой модели. И наоборот, найденная метка не определяет автора, не раскрывает промпт, не измеряет вклад человека и ничего не говорит о достоверности текста.
Доступ к детектору пока получат только одобренные исследователи и профильные организации. OpenAI опасается, что публичный инструмент будут использовать как безошибочный «детектор списывания», хотя сама технология такой гарантии не даёт.
И еще есть один вопрос, который мне не дает покоя. Если добросовестные участники рынка создадут маркировку контента, не приведет ли это к популярности сервисов недобросовестных участников и открытых моделей?
А вы бы хотели видеть такую проверку встроенной в браузер, мессенджеры или сервисы?
#маркировка
💬 ген ии | MAX
Друзья, привет,
По поводу маркировки сгенерированного контента сейчас идут дебаты и даже выложен законопроект на сайте Думы.
Я всегда считал, что можно маркировать аудио контент (через мета-данные или отдельную пустую музыкальную «дорожку»), видео контент (25 кадр, мета-данные и другие способы). Но как маркировать текстовый сгенерированный контент для меня всегда было загадкой.
Даже если контент сгенерирован и определяется детекторами, то можно написать «перепиши так, как это сделал бы человек» и системы уже не могут задетектировать сгенерированный контент.
Но, кажется, что OpenAI всерьез взялся за эту проблему. В ближайшие недели компания начнёт маркировать часть текстов ChatGPT и Codex для пользователей в Евросоюзе. Маркировка появится на всех тарифах, но только у подходящих под условия пользователей в ЕС. В API её уже можно включить добровольно для отдельных моделей из любой страны.
Это не плашка «создано ИИ» и не запись в свойствах файла. Технология textGrain слегка меняет выбор слов во время генерации и встраивает в текст невидимый статистический сигнал. Специальный детектор затем ищет этот рисунок. Человек при чтении ничего не увидит.
Почему OpenAI делает это сейчас? Статья 50 европейского AI Act требует, чтобы синтетические тексты, изображения, аудио и видео были отмечены в машиночитаемом формате и распознавались как созданные или изменённые ИИ.
Отдельно Еврокомиссия разрабатывает кодекс практики, который должен уточнить, как именно выполнять требования к маркировке.
🔍 Но водяной знак довольно хрупкий. При целевой доле ложных срабатываний 1% детектор находил метку примерно в 80% фрагментов длиной 200 токенов и в 95% фрагментов по 400 токенов. Замена синонимами всего 10% слов снижала обнаружение с 92% до 66%. После замены четверти слов метка сохранялась лишь в 17% случаев.
Поэтому отсутствие сигнала не доказывает, что текст написал человек. Его могли отредактировать, перевести, сократить или получить в другой модели. И наоборот, найденная метка не определяет автора, не раскрывает промпт, не измеряет вклад человека и ничего не говорит о достоверности текста.
Доступ к детектору пока получат только одобренные исследователи и профильные организации. OpenAI опасается, что публичный инструмент будут использовать как безошибочный «детектор списывания», хотя сама технология такой гарантии не даёт.
И еще есть один вопрос, который мне не дает покоя. Если добросовестные участники рынка создадут маркировку контента, не приведет ли это к популярности сервисов недобросовестных участников и открытых моделей?
А вы бы хотели видеть такую проверку встроенной в браузер, мессенджеры или сервисы?
#маркировка
Please open Telegram to view this post
VIEW IN TELEGRAM
2👏3❤2👍2
🤖 Почему 99,9% на бенчмарке - это ещё не AGI
Друзья, привет,
сегодня в 15:00 по Москве участвую в прямом эфире Ai4Dev «AGI уже здесь?». Кому позволяет график, тоже подключайтесь :)
Повод громкий: GPT-6 Astra показала 99,9% на ARC-AGI-3. Но дьявол кроется в деталях: в стандартной среде результат составил 62,7%, а 99,9% модель получила с адаптером, который сохраняет состояние рассуждений.
Именно здесь начинается интересный разговор. Что мы на самом деле измеряем: интеллект модели, способность выполнять задачи на уровне человека или эффективность всей системы вокруг нее (харнеса) - памяти, инструментов, агентной обвязки и участия человека?
Для меня AGI - это не модель, которая идеально проходит тест.
Общий интеллект должен уметь:
• осваивать действительно незнакомые задачи, а не узнавать знакомый шаблон;
• переносить полученный опыт между разными областями знаний;
• вести длинный проект без постоянного присмотра и Human in the loop;
• замечать собственные ошибки и менять стратегию;
• устойчиво работать не только в лаборатории, но и в реальных процессах.
В эфире поспорим, где проходит граница между сильной моделью и общим интеллектом, кому принадлежит результат, как распределяется ответственность между человеком и ИИ и на каких задачах по-прежнему ломаются любые модели.
Формат - час живой дискуссии без презентаций.
🔴 Подключайтесь сегодня, 7 октября, в 15:00 МСК: прямая трансляция
И напишите в комментариях: что должен сделать ИИ, чтобы лично вы признали: «да, это уже AGI»?
#live
💬 ген ии | MAX
Друзья, привет,
сегодня в 15:00 по Москве участвую в прямом эфире Ai4Dev «AGI уже здесь?». Кому позволяет график, тоже подключайтесь :)
Повод громкий: GPT-6 Astra показала 99,9% на ARC-AGI-3. Но дьявол кроется в деталях: в стандартной среде результат составил 62,7%, а 99,9% модель получила с адаптером, который сохраняет состояние рассуждений.
Именно здесь начинается интересный разговор. Что мы на самом деле измеряем: интеллект модели, способность выполнять задачи на уровне человека или эффективность всей системы вокруг нее (харнеса) - памяти, инструментов, агентной обвязки и участия человека?
Для меня AGI - это не модель, которая идеально проходит тест.
Общий интеллект должен уметь:
• осваивать действительно незнакомые задачи, а не узнавать знакомый шаблон;
• переносить полученный опыт между разными областями знаний;
• вести длинный проект без постоянного присмотра и Human in the loop;
• замечать собственные ошибки и менять стратегию;
• устойчиво работать не только в лаборатории, но и в реальных процессах.
В эфире поспорим, где проходит граница между сильной моделью и общим интеллектом, кому принадлежит результат, как распределяется ответственность между человеком и ИИ и на каких задачах по-прежнему ломаются любые модели.
Формат - час живой дискуссии без презентаций.
🔴 Подключайтесь сегодня, 7 октября, в 15:00 МСК: прямая трансляция
И напишите в комментариях: что должен сделать ИИ, чтобы лично вы признали: «да, это уже AGI»?
#live
Please open Telegram to view this post
VIEW IN TELEGRAM
1❤3👍2🎉2