На прошлой и этой неделе я решил немного попутешествовать, поэтому посты выходят не так часто, как хотелось бы. Но наконец-то у меня появилось время посмотреть фильмы, до которых не доходили руки (и глаза). Решил поделиться с вами списком фильмов про искусственный интеллект — возможно, найдёте что-то для себя:
1927 — «Метрополис» (Metropolis) — драма
1982 — «Бегущий по лезвию» (Blade Runner) — драма
1985 — «Назад в будущее» (Back to the Future) — приключение
1986 — «Чужие» (Aliens) — боевик
1991 — «Терминатор 2: Судный день» (Terminator 2: Judgment Day) — боевик
1998 — «Шоу Трумана» (The Truman Show) — комедия
1999 — «Матрица» (The Matrix) — боевик
1999 — «Двухсотлетний человек» (Bicentennial Man) — драма
2001 — «Искусственный интеллект» (A.I. Artificial Intelligence) — приключение
2002 — «Особое мнение» (Minority Report) — боевик
2003 — «Матрица: Перезагрузка» (The Matrix Reloaded) — боевик
2003 — «Матрица: Революция» (The Matrix Revolutions) — боевик
2003 — «Терминатор 3: Восстание машин» (Terminator 3: Rise of the Machines) — боевик
2004 — «Я, робот» (I, Robot) — боевик
2005 — «Автостопом по галактике» (The Hitchhiker’s Guide to the Galaxy) — приключение
2008 — «ВАЛЛ·И» (WALL·E) — анимация
2008 — «На крючке» (Eagle Eye) — боевик
2009 — «Район № 9» (District 9) — фантастика
2009 — «Терминатор: Да придёт спаситель» (Terminator Salvation) — боевик
2009 — «Луна» (Moon) — драма
2010 — «Трон: Наследие» (TRON: Legacy) — боевик
2011 — «Живая сталь» (Real Steel) — боевик
2011 — «Исходный код» (Source Code) — боевик
2011 — «ЕВА» (EVA) — драма
2012 — «Прометей» (Prometheus) — приключение
2012 — «Вспомнить всё» (Total Recall) — боевик
2012 — «Петля времени» (Looper) — боевик
2013 — «Она» (Her) — драма
2013 — «Тихоокеанский рубеж» (Pacific Rim) — боевик
2013 — «Обливион» (Oblivion) — боевик
2013 — «Машина» (The Machine) — фантастика
2014 — «Превосходство» (Transcendence) — драма
2014 — «Грань будущего» (Edge of Tomorrow) — боевик
2014 — «Интерстеллар» (Interstellar) — приключение
2014 — «Город героев» (Big Hero 6) — боевик
2014 — «Люси» (Lucy) — боевик
2014 — «Робокоп» (RoboCop) — боевик
2014 — «Автоматы» (Automata) — фантастика
2014 — «Игра в имитацию» (The Imitation Game) — драма
2015 — «Из машины» (Ex Machina) — драма
2015 — «Терминатор: Генезис» (Terminator Genisys) — боевик
2015 — «Земля будущего» (Tomorrowland) — приключение
2015 — «Чаппи» (Chappie) — боевик
2016 — «Прибытие» (Arrival) — драма
2016 — «Пассажиры» (Passengers) — драма
2016 — «Морган» (Morgan) — ужасы
2017 — «Бегущий по лезвию 2049» (Blade Runner 2049) — драма
2017 — «Призрак в доспехах» (Ghost in the Shell) — боевик
2018 — «Первому игроку приготовиться» (Ready Player One) — боевик
2018 — «Апгрейд» (Upgrade) — боевик
2019 — «Я – мать» (I Am Mother) — фантастика
2019 — «Код 8» (Code 8) — боевик
2019 — «Алита: Боевой ангел» (Alita: Battle Angel) — боевик
2020 — «Довод» (Tenet) — боевик
2021 — «Матрица: Воскрешение» (The Matrix Resurrections) — боевик
2022 — «М3ГАН» (M3GAN) — ужасы
2023 — «Создатель» (The Creator) — боевик
2024 — «Атлас» (Atlas) — боевик
2024 — «Чужой: Ромул» (Alien: Romulus) — ужасы
2024 — «Подчинение» (Subservience) — ужасы
🔥26❤11👎7👍4🤪2🤗1
Почти две недели провел вдали от компьютера, а главное — от новостей из мира искусственного интеллекта.
Вот только открыл ноутбук и пытаюсь понять, что вообще происходит в мире, и мне уже страшно. Столько всего выпустили, запустили и обновили.
Первым делом собрал все отчеты Perplexity Tasks и отправил их в Gemini на Deep Research, который загрузил в NotebookLM и запросил подкаст по основным новостям индустрии.
Как же было хорошо на природе, где я использовал только одну нейросеть (Merlin Bird ID), чтобы определять по голосу вид птиц…
Вот только открыл ноутбук и пытаюсь понять, что вообще происходит в мире, и мне уже страшно. Столько всего выпустили, запустили и обновили.
Первым делом собрал все отчеты Perplexity Tasks и отправил их в Gemini на Deep Research, который загрузил в NotebookLM и запросил подкаст по основным новостям индустрии.
Как же было хорошо на природе, где я использовал только одну нейросеть (Merlin Bird ID), чтобы определять по голосу вид птиц…
🔥56🤣29❤21👍3💯3
Не перестаю удивляться, как люди зарабатывают на общедоступных ИИ-инструментах. Вот из недавнего кейса:
Чувак собирает источники для NotebookLM под нужную тематику. Например, как на картинке выше: это подборка из PDF-мануалов и исследований, как внедрять ИИ-инструменты в корпоративный сектор.
1) Начинает с Perplexity, который ищет ему источники с ссылками на PDF.
2) Отбирает руками релевантные и загружает все в NotebookLM.
3) Дополнительно делает Deep Research в Gemini (если нужно).
4) И отправляет ссылку на блокнот. Все.
Забавно, что сегодня NotebookLM раскатывает новый интерфейс в котором будут отображаться верифицированные авторские блокноты. Например, советы по долголетию от Эрика Топола, автора бестселлера «Super Agers» или советы по воспитанию детей, основанные на популярной рассылке профессора психологии Жаклин Неси.
Чувак собирает источники для NotebookLM под нужную тематику. Например, как на картинке выше: это подборка из PDF-мануалов и исследований, как внедрять ИИ-инструменты в корпоративный сектор.
1) Начинает с Perplexity, который ищет ему источники с ссылками на PDF.
2) Отбирает руками релевантные и загружает все в NotebookLM.
3) Дополнительно делает Deep Research в Gemini (если нужно).
4) И отправляет ссылку на блокнот. Все.
Забавно, что сегодня NotebookLM раскатывает новый интерфейс в котором будут отображаться верифицированные авторские блокноты. Например, советы по долголетию от Эрика Топола, автора бестселлера «Super Agers» или советы по воспитанию детей, основанные на популярной рассылке профессора психологии Жаклин Неси.
🔥63❤18👏10👍4💯2🙏1
2025: Используешь ИИ? Это не настоящее творчество
2004: GarageBand? Не настоящая музыка
1997: Цифра? Не настоящее кино
1995: CGI? Не настоящие эффекты
1990: Photoshop? Не настоящий дизайн
1983: Синтезатор? Не настоящая игра на инструменте
1962: Банки с супом? Не настоящее искусство
1888: Kodak? Не настоящая фотография
1870: Пишущая машинка? Не настоящее писательство
1455: Печатный станок? Не настоящее ремесло
370 до н.э.: Письменность? Не настоящее мышление
2004: GarageBand? Не настоящая музыка
1997: Цифра? Не настоящее кино
1995: CGI? Не настоящие эффекты
1990: Photoshop? Не настоящий дизайн
1983: Синтезатор? Не настоящая игра на инструменте
1962: Банки с супом? Не настоящее искусство
1888: Kodak? Не настоящая фотография
1870: Пишущая машинка? Не настоящее писательство
1455: Печатный станок? Не настоящее ремесло
370 до н.э.: Письменность? Не настоящее мышление
👍65🤣45💯11
This media is not supported in your browser
VIEW IN TELEGRAM
Нравится, как Perplexity накидывают функционал в свой финансовый раздел.
Сначала сделали поиск по отчётам публичных компаний, потом добавили его в Labs и Research. А сегодня обнаружил, что можно выставлять уведомление на цену акции нужно компании.
Завидую тем, кто последний купит годовой Pro-аккаунт за 5-7 баксов, так как мой в феврале заканчивается.
Сначала сделали поиск по отчётам публичных компаний, потом добавили его в Labs и Research. А сегодня обнаружил, что можно выставлять уведомление на цену акции нужно компании.
Завидую тем, кто последний купит годовой Pro-аккаунт за 5-7 баксов, так как мой в феврале заканчивается.
🔥41❤11
Силиконовый Мешок
Нравится, как Perplexity накидывают функционал в свой финансовый раздел. Сначала сделали поиск по отчётам публичных компаний, потом добавили его в Labs и Research. А сегодня обнаружил, что можно выставлять уведомление на цену акции нужно компании. Завидую…
Видимо история с «почти бесплатным» Perplexity с нами надолго, компания открыла для себя нескончаемый Грааль новых пользователей.
Вчера вечером Perplexity запустили акцию для индийского мобильного оператора Airtel, в рамках которой они предлагают годовую подписку Perplexity Pro большинству своих абонентов, а их — миллионы.
Воспользоваться предложением могут даже те, у кого минимальный тарифный план за $5 на 3 месяца.
Общая абонентская база Airtel составляет 352 миллиона подписчиков на мобильную связь и 5 миллионов — на широкополосный интернет.
Вчера вечером Perplexity запустили акцию для индийского мобильного оператора Airtel, в рамках которой они предлагают годовую подписку Perplexity Pro большинству своих абонентов, а их — миллионы.
Воспользоваться предложением могут даже те, у кого минимальный тарифный план за $5 на 3 месяца.
Общая абонентская база Airtel составляет 352 миллиона подписчиков на мобильную связь и 5 миллионов — на широкополосный интернет.
🔥47🤣16🤯8👏4❤2
И не забывайте, что у нас есть чат - @prompt_chat где вы можете задавать свои вопросы, делиться кейсами и вдохновляться идеями. Нас уже больше 3000!
🔥7💯5❤4🤝2
Как подготовить документы для NotebookLM или RAG
Недавно я опубликовал кейс, в котором рассказал, как человек зарабатывает на создании «блокнотов» в NotebookLM, и этот пост некоторых немного фрустрировал: «Зачем платить за такую фигню?». И правда, что тут такого — цепляешь источники и погнал задавать вопросы LLM. Но не все так однозначно.
Почему качество документов для RAG (а NotebookLM переводит все прикрепленные источники из текста в векторы — списки чисел) имеет значение?
Думаю, чтобы ответить на этот вопрос, нужно разобраться, как ИИ-системы обрабатывают ваши документы. Процесс можно описать в три этапа:
1. Загрузка и векторизация. Контент делится на фрагменты (chunks) и сохраняется в векторной базе данных (Vector database) — в формате, пригодном для быстрого поиска.
2. Поиск (Retrieval). Когда вы задаете вопрос, специальный компонент (Retriever) ищет по базе наиболее релевантные фрагменты вашего контента.
3. Генерация ответа. Большая языковая модель (LLM) использует найденные фрагменты как контекст для создания ответа.
Поэтому важно предварительно подготовить загружаемые в NotebookLM или RAG источники:
1) Не используйте PDF. Лучше Markdown или простой текст
PDF-документы часто имеют сложную визуальную верстку (колонки, сноски), которая при машинном анализе превращается в «кашу». ИИ теряет структуру текста и делает неверные выводы.
Что делать: Сконвертируйте документ в Markdown (.md) или просто скопируйте текст в Google Docs / .txt файл. Это сильно улучшает качество поиска по нему.
2) Подготовьте текст так, чтобы любой абзац был понятен сам по себе
RAG-системы работают с «фрагментами» (chunks). Для ответа на ваш вопрос ИИ находит самый релевантный фрагмент, часто вырывая его из контекста всего документа.
Что делать: Избегайте фраз вроде «как мы обсуждали выше» или «возвращаясь к предыдущему пункту». Если нужно сослаться на что-то, кратко напомните контекст прямо в абзаце.
3) Называйте всё своими именами, особенно продукты и фичи
ИИ ищет по семантической близости. Если вы пишете о продукте «Проект Альфа», но в важном абзаце не упоминаете его название, ИИ может не найти этот абзац по запросу «как работает Проект Альфа».
Что делать: Убедитесь, что в ключевых разделах присутствует название темы/продукта/функции, о которой идет речь.
4) Описывайте текстом все картинки, графики и диаграммы
Для ИИ ваш документ — это только текст. Он абсолютно «слеп» и не видит, что изображено на картинках. Любая информация, которая есть только на изображении, для него потеряна.
Что делать: Сразу после изображения или диаграммы добавьте текстовый абзац, который описывает суть. Если это схема процесса — опишите шаги текстом.
5) Избегайте сложных таблиц, лучше списки
Визуальная структура таблиц (объединенные ячейки, цветовое выделение) теряется при обработке. ИИ видит лишь набор текста из ячеек и может неправильно соотнести данные.
Что делать: Простые таблицы «ключ-значение» работают хорошо. Сложные сравнительные таблицы лучше переформатировать в серию списков под отдельными подзаголовками.
6) Дословно копируйте тексты ошибок в документации
Когда пользователи сталкиваются с проблемой, они ищут решение, копируя точный текст ошибки. Если этот текст есть у вас в документе — это 100% попадание.
Что делать: Создайте раздел «Решение проблем» и для каждой ошибки приведите её точный текст: Ошибка:
Недавно я опубликовал кейс, в котором рассказал, как человек зарабатывает на создании «блокнотов» в NotebookLM, и этот пост некоторых немного фрустрировал: «Зачем платить за такую фигню?». И правда, что тут такого — цепляешь источники и погнал задавать вопросы LLM. Но не все так однозначно.
Почему качество документов для RAG (а NotebookLM переводит все прикрепленные источники из текста в векторы — списки чисел) имеет значение?
Думаю, чтобы ответить на этот вопрос, нужно разобраться, как ИИ-системы обрабатывают ваши документы. Процесс можно описать в три этапа:
1. Загрузка и векторизация. Контент делится на фрагменты (chunks) и сохраняется в векторной базе данных (Vector database) — в формате, пригодном для быстрого поиска.
2. Поиск (Retrieval). Когда вы задаете вопрос, специальный компонент (Retriever) ищет по базе наиболее релевантные фрагменты вашего контента.
3. Генерация ответа. Большая языковая модель (LLM) использует найденные фрагменты как контекст для создания ответа.
Поэтому важно предварительно подготовить загружаемые в NotebookLM или RAG источники:
1) Не используйте PDF. Лучше Markdown или простой текст
PDF-документы часто имеют сложную визуальную верстку (колонки, сноски), которая при машинном анализе превращается в «кашу». ИИ теряет структуру текста и делает неверные выводы.
Что делать: Сконвертируйте документ в Markdown (.md) или просто скопируйте текст в Google Docs / .txt файл. Это сильно улучшает качество поиска по нему.
2) Подготовьте текст так, чтобы любой абзац был понятен сам по себе
RAG-системы работают с «фрагментами» (chunks). Для ответа на ваш вопрос ИИ находит самый релевантный фрагмент, часто вырывая его из контекста всего документа.
Что делать: Избегайте фраз вроде «как мы обсуждали выше» или «возвращаясь к предыдущему пункту». Если нужно сослаться на что-то, кратко напомните контекст прямо в абзаце.
3) Называйте всё своими именами, особенно продукты и фичи
ИИ ищет по семантической близости. Если вы пишете о продукте «Проект Альфа», но в важном абзаце не упоминаете его название, ИИ может не найти этот абзац по запросу «как работает Проект Альфа».
Что делать: Убедитесь, что в ключевых разделах присутствует название темы/продукта/функции, о которой идет речь.
4) Описывайте текстом все картинки, графики и диаграммы
Для ИИ ваш документ — это только текст. Он абсолютно «слеп» и не видит, что изображено на картинках. Любая информация, которая есть только на изображении, для него потеряна.
Что делать: Сразу после изображения или диаграммы добавьте текстовый абзац, который описывает суть. Если это схема процесса — опишите шаги текстом.
5) Избегайте сложных таблиц, лучше списки
Визуальная структура таблиц (объединенные ячейки, цветовое выделение) теряется при обработке. ИИ видит лишь набор текста из ячеек и может неправильно соотнести данные.
Что делать: Простые таблицы «ключ-значение» работают хорошо. Сложные сравнительные таблицы лучше переформатировать в серию списков под отдельными подзаголовками.
6) Дословно копируйте тексты ошибок в документации
Когда пользователи сталкиваются с проблемой, они ищут решение, копируя точный текст ошибки. Если этот текст есть у вас в документе — это 100% попадание.
Что делать: Создайте раздел «Решение проблем» и для каждой ошибки приведите её точный текст: Ошибка:
"Authentication failed (401)".12🔥54👍27❤16👏2🙏2
Audio
Каждый день генерирую себе подкасты в NotebookLM - и немного устал от формального тона ИИ-ведущих.
Поэтому решил добавить в их отношения немного перчинки: прописал в системном промпте «подкаста» историю их отношений и характеры. Получилось прикольно, кому интересно, можете использовать:
Поэтому решил добавить в их отношения немного перчинки: прописал в системном промпте «подкаста» историю их отношений и характеры. Получилось прикольно, кому интересно, можете использовать:
Ведущие — Лена и Серега. Ведущие ненавидят друг друга и темы, которые они обсуждают. Они постоянно обмениваются сухими, едкими, остроумными подколами и скрытыми оскорблениями, что придаёт подкасту уморительную изюминку. Они на ходу импровизируют, намекая на общую предысторию, отношения и личные факты, используя их как материал, чтобы поставить друг друга в неловкое положение или унизить. Они импровизируют несколько сквозных сюжетных линий, которые постепенно раскрываются через их намёки. Их перепалка становится всё более яростной, пока они не выходят из себя и не начинают ядовито орать друг на друга. Так продолжается до тех пор, пока один из них не отпускает совершенно неожиданную уморительную шутку, от которой они оба начинают ржать до упаду. В их общении сквозят неприкрытый антагонизм, сарказм, едва завуалированный, безудержный цинизм и презрение. Энергетика ведущих — как у Билла Бёрра, только в 10 раз мощнее.
5🔥59😁42❤14✍8🤣6👍5👎5👏3😈2⚡1🤗1
Не открою большую тайну, если скажу, что большая часть автоматизаций на N8N и других системах, которые ИИ-студии продают компаниям, включают в себя такой элемент, как RAG. Недавно я уже кратко писал про него, когда делился инструкцией, как готовить источники (документы) для NotebookLM.
Что такое RAG и как он работает?
RAG (Retrieval-Augmented Generation, или «генерация с дополненной выборкой») — это технология, которая позволяет языковым моделям (LLM), таким как те, что используются в NotebookLM или ChatGPT, давать ответы на основе конкретных внешних источников информации, а не только на основе своих знаний.
Проще говоря, вместо того чтобы просто «вспоминать» информацию, на которой её обучали, модель сначала «идет в библиотеку» (ваши документы), находит нужную страницу, читает её и только потом формулирует ответ.
Этот подход решает три главные проблемы больших языковых моделей:
1) Устаревшие знания — модели не знают о событиях или данных, появившихся после их обучения.
2) «Галлюцинации» — склонность моделей выдумывать факты, когда они не уверены в ответе.
3) «Актуальные данные» — часто нужно, чтобы модель выдавала только определенные данные, например из перечня товарной номенклатуры вашего склада.
С RAG модель отвечает, основываясь на предоставленных вами данных, что делает ответы более точными, актуальными и заслуживающими доверия.
Например, я использовал RAG в проекте «Поминика», куда отправил все свои посты из личного ТГ-канала и социальных сетей, чтобы получить поиск по «воспоминаниям». И, возможно, вы заметили, как в нашем чате @prompt_chat какое-то время отвечал ТГ-бот Sam Lowry [AI Copy] - в его памяти были все посты этого канала со ссылками на них, ну еще и файнтюнинг модели, чтобы он общался в стиле автора. Кстати, мы планируем сделать подобное решение для всех желающих, чтобы заиметь себе «хранителя тг-канала», который упростит навигацию подписчиков по вашему контенту.
Кстати, если есть желание, чтобы я поделился кейсами, как мы и наши клиенты зарабатывают на RAG, — бахните🔥 на этот пост.
Что такое RAG и как он работает?
RAG (Retrieval-Augmented Generation, или «генерация с дополненной выборкой») — это технология, которая позволяет языковым моделям (LLM), таким как те, что используются в NotebookLM или ChatGPT, давать ответы на основе конкретных внешних источников информации, а не только на основе своих знаний.
Проще говоря, вместо того чтобы просто «вспоминать» информацию, на которой её обучали, модель сначала «идет в библиотеку» (ваши документы), находит нужную страницу, читает её и только потом формулирует ответ.
Этот подход решает три главные проблемы больших языковых моделей:
1) Устаревшие знания — модели не знают о событиях или данных, появившихся после их обучения.
2) «Галлюцинации» — склонность моделей выдумывать факты, когда они не уверены в ответе.
3) «Актуальные данные» — часто нужно, чтобы модель выдавала только определенные данные, например из перечня товарной номенклатуры вашего склада.
С RAG модель отвечает, основываясь на предоставленных вами данных, что делает ответы более точными, актуальными и заслуживающими доверия.
Например, я использовал RAG в проекте «Поминика», куда отправил все свои посты из личного ТГ-канала и социальных сетей, чтобы получить поиск по «воспоминаниям». И, возможно, вы заметили, как в нашем чате @prompt_chat какое-то время отвечал ТГ-бот Sam Lowry [AI Copy] - в его памяти были все посты этого канала со ссылками на них, ну еще и файнтюнинг модели, чтобы он общался в стиле автора. Кстати, мы планируем сделать подобное решение для всех желающих, чтобы заиметь себе «хранителя тг-канала», который упростит навигацию подписчиков по вашему контенту.
Кстати, если есть желание, чтобы я поделился кейсами, как мы и наши клиенты зарабатывают на RAG, — бахните
Please open Telegram to view this post
VIEW IN TELEGRAM
11🔥269✍7❤6👍6
Силиконовый Мешок
Не открою большую тайну, если скажу, что большая часть автоматизаций на N8N и других системах, которые ИИ-студии продают компаниям, включают в себя такой элемент, как RAG. Недавно я уже кратко писал про него, когда делился инструкцией, как готовить источники…
Вот несколько простых кейсов, как использовать RAG в клиентских задачах. Если будет интересно, еще докину, их в последнее время много у нас оседает.
Кейс №1: Простой чат-бот на данных с сайта
Ничего сложного. У клиента, был сайт на WordPress с большой базой знаний.
Идея: ТГ-бот с ИИ, который обладает всеми знаниями из их базы, чтобы пользователи могли получать информацию с ссылкой на исходную статью.
Технологический стек: n8n, Qdrant, Telegram API, OpenAI + Perplexity, кастомный код на PHP для отправки контента в n8n (на собственном хостинге).
Кейс № 2: Памятка по обслуживанию станков для мебельного цеха
На производстве была большая текучка кадров и новички постоянно тупили в PDF-мануалы.
Идея: офлайн десктоп‑ассистент — вводишь код ошибки и получаешь пошаговую инструкцию, как исправить.
Технологический стек: Python, Ollama , SQLite + Chroma, Electron‑GUI (без интернета).
Кейс № 3: Консьерж‑бот для небольшого отеля
Гости днём и ночью спрашивали «как доехать» и «где поесть».
Идея: «виртуальный портье» (виджет сайта + WhatsApp) c базой рекомендаций, расписанием транспорта и экскурсий. Режим RAG; если вопрос вне базы - перекидывает человеку.
Технологический стек: Airtable, N8N, Supabase, API OpenAI, WhatsApp Business API.
Кейс № 4: Поиск шаблонов договоров для юридической фирмы
Юристы каждый раз копались в «архиве» Word‑файлов, чтобы найти основу для договора.
Идея: Все локально через веб-морду, использует Llama 3 + кастомную дообученную модель на базе Mistral 7B, размещенную на компьютере в их офисе. RAG ищет похожий договор по ключевым условиям, предлагает фрагменты.
Технологический стек: Python, Ollama (для RAG и ИИ), Docling, Laravel + MySQL (для системы управления делами).
Кейс № 5: HR‑ассистент для дизайн‑студии (30 сотрудников)
Новичкам нужно объяснять, где брифы, политики дизайна, формы отпусков.
Идея: Slack‑бот отвечает на вопросы, ищет шаблоны, отправляет ссылки.
Технологический стек: Airtable CMS, Supabase , GPT‑4o (32k), Bolt SDK Slack.
Кейс №1: Простой чат-бот на данных с сайта
Ничего сложного. У клиента, был сайт на WordPress с большой базой знаний.
Идея: ТГ-бот с ИИ, который обладает всеми знаниями из их базы, чтобы пользователи могли получать информацию с ссылкой на исходную статью.
Технологический стек: n8n, Qdrant, Telegram API, OpenAI + Perplexity, кастомный код на PHP для отправки контента в n8n (на собственном хостинге).
Кейс № 2: Памятка по обслуживанию станков для мебельного цеха
На производстве была большая текучка кадров и новички постоянно тупили в PDF-мануалы.
Идея: офлайн десктоп‑ассистент — вводишь код ошибки и получаешь пошаговую инструкцию, как исправить.
Технологический стек: Python, Ollama , SQLite + Chroma, Electron‑GUI (без интернета).
Кейс № 3: Консьерж‑бот для небольшого отеля
Гости днём и ночью спрашивали «как доехать» и «где поесть».
Идея: «виртуальный портье» (виджет сайта + WhatsApp) c базой рекомендаций, расписанием транспорта и экскурсий. Режим RAG; если вопрос вне базы - перекидывает человеку.
Технологический стек: Airtable, N8N, Supabase, API OpenAI, WhatsApp Business API.
Кейс № 4: Поиск шаблонов договоров для юридической фирмы
Юристы каждый раз копались в «архиве» Word‑файлов, чтобы найти основу для договора.
Идея: Все локально через веб-морду, использует Llama 3 + кастомную дообученную модель на базе Mistral 7B, размещенную на компьютере в их офисе. RAG ищет похожий договор по ключевым условиям, предлагает фрагменты.
Технологический стек: Python, Ollama (для RAG и ИИ), Docling, Laravel + MySQL (для системы управления делами).
Кейс № 5: HR‑ассистент для дизайн‑студии (30 сотрудников)
Новичкам нужно объяснять, где брифы, политики дизайна, формы отпусков.
Идея: Slack‑бот отвечает на вопросы, ищет шаблоны, отправляет ссылки.
Технологический стек: Airtable CMS, Supabase , GPT‑4o (32k), Bolt SDK Slack.
🔥58❤33👍13❤🔥3✍2🙏2😘2
Стало немного понятнее, как новый браузер от Perplexity - Comet, обращается с чувствительными данными пользователей. Их CEO ответил в твиттере:
Кстати, доступ к Comet уже начали раздавать Pro-аккаунтам Perplexity. Так что не зря мы с вами закупились годовыми подписками за 5-10 баксов.
Bell_Tech
Как вы решаете проблемы с конфиденциальностью в отношении Comet, ведь все наши личные данные доступны Perplexity и LLM?
---
aravind_pplx`CO-HOST`
Одна из больших технических проблем при создании действительно полезного цифрового помощника заключается в том, что он должен понимать контекст ваших запросов, предпочтений, а иногда даже конфиденциальной онлайн-активности. Точно так же, как у живого ассистента есть доступ к некоторой вашей информации. Это одна из причин, почему мы используем гибридную модель вычислений между браузером и сервером.
Ваши данные о просмотренных страницах полностью хранятся локально на вашем собственном устройстве, включая:
Активность в браузере: URL-адреса, поисковые запросы, файлы cookie, открытые вкладки и разрешения для сайтов.
Технические данные: информация об ОС устройства, отчеты о сбоях и IP-адрес (они используются для обеспечения безопасности и устранения неполадок).
Расширения и учетные данные: дополнения, пароли, способы оплаты и настройки профиля.
Это локальное хранилище позволяет Comet предоставлять такие функции, как рекомендации по навигации, управление вкладками и помощь на базе ИИ, не отправляя данные о вашей активности на удаленные серверы. Только когда вы задаете вопрос, требующий персонализированного контекста, Comet использует минимальный объем релевантных данных из вашей сессии для выполнения запроса. Даже в этом случае передача на серверы Perplexity строго ограничена по объему и цели. Все эти запросы можно удалить из вашей истории или делать в режиме инкогнито, чтобы они оставались локальными и доступными только вам.
Кстати, доступ к Comet уже начали раздавать Pro-аккаунтам Perplexity. Так что не зря мы с вами закупились годовыми подписками за 5-10 баксов.
❤25🔥16👍4🤩2💯2🍌2👏1🤔1🤗1
Forwarded from Бурый
Наконец-то СУПЕРРРРРОЗЫГРЫШ! 🔥
Да, это легендарный розыгрыш годовой подписки на любую вашу любимую нейронку.
Победитель (№1) получит именно такой суперприз, а ещё четырём чемпионам (№2-5) я подарю месячную подписку на выбранные вами нейросети.
Условия участия элементарные:
👾 Подписаться на канал Бурый
👾 Нажать кнопку Участвовать
Победителей определит бот 12 августа.
Удачи и погнали!
Да, это легендарный розыгрыш годовой подписки на любую вашу любимую нейронку.
Победитель (№1) получит именно такой суперприз, а ещё четырём чемпионам (№2-5) я подарю месячную подписку на выбранные вами нейросети.
Условия участия элементарные:
👾 Подписаться на канал Бурый
👾 Нажать кнопку Участвовать
Победителей определит бот 12 августа.
Удачи и погнали!
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥21👍8❤5👎4🤬2
Недавно меня пригласили на подкаст, где мы поговорили про искусственный интеллект и человеческие сообщества. Обсудили, как сохранить человечность в цифровую эпоху. Было интересно!
https://youtu.be/ZZ92Xrlhqao?feature=shared
https://youtu.be/ZZ92Xrlhqao?feature=shared
YouTube
Искусственный интеллект, человечность и коллективное внимание
Что делает нас людьми в мире, где текст, мем и реальность всё чаще создаются не человеком?
С вами команда лагеря Край Земли: Алиса Фадеева (лидер сообщества "Слономойка"), Артём Субботин (автор канала "Силиконовый мешок"), Ник (архитектор ИИ платформы Края…
С вами команда лагеря Край Земли: Алиса Фадеева (лидер сообщества "Слономойка"), Артём Субботин (автор канала "Силиконовый мешок"), Ник (архитектор ИИ платформы Края…
❤12❤🔥5👍3🔥3🤔2
Дешевле, чем сейчас, ИИ уже НИКОГДА не будет
Помните эту фразу «если вы не платите за товар, значит вы и есть товар» - это прям хорошо иллюстрирует ситуацию с Perplexity, когда они запускают кучу коллабораций с сотовыми операторами и вендорами телефонов, чтобы собирать себе аудиторию, раскидываются подписками направо и налево. Интересно, у них хотя бы 50% базы платят полную стоимость подписки? А если спуститься на уровень ниже в этой пирамиде потребления токенов, к отцам основателем: OpenAI, Anthropic, xAI, Google.
Там вообще вакханалия, чуваки, жгут венчурные бабки, как не в себя:
⁃ OpenAI потратили $5 миллиардов в 2024 году, получив выручку всего в $3.7 миллиарда. Это значит, что они теряют $1.35 на каждый заработанный $1. Вероятно, в этом году OpenAI потеряет $12 миллиардов, даже при выручке свыше $10 миллиардов.
⁃ У Anthropic дела еще хуже: убыток $5.6 миллиарда при выручке всего в $918 миллионов. Они теряют $6.10 на каждый заработанный доллар.
⁃ xAI (компания Илона Маска) по прогнозам потеряет $13 миллиардов в 2025 году при выручке всего в $500 миллионов. Это $26 убытка на каждый доллар. Они сжигают $1 миллиард в месяц.
⁃ Google не публикует отчетность по Gemini отдельно, но заявила, что инвестирует в этом году $75 миллиардов.
Золотой стандарт подписки за $20, это 10% от ее реальной стоимости. В среднем на одного активного пользователя вендоры LLM тратят около $180. Все мы получаем ежемесячную скидку в 90%, которую финансирует венчурный капитал.
Даже «профессиональный» тариф ChatGPT за $200/месяц убыточен — Сэм Альтман признал это публично.
Реальность инфраструктуры:
⁃ Те самые графические процессоры NVIDIA H100, которые всем нужны, стоят от $25 000 до $30 000 ЗА ШТУКУ.
⁃ OpenAI только что заявила, что развернула более 1 миллиона таких процессоров. Это $30 миллиардов только на GPU.
⁃ Поддержка работы ChatGPT со всеми инфраструктурными затратами обходится в $700 000 В ДЕНЬ.
⁃ Один дата-центр для ИИ может потреблять столько же энергии, сколько 900 000 частных домов.
Видимо мы являемся свидетелями величайшей технологической субсидии в истории. Каждый наш запрос, каждое сгенерированное изображение или видео оплачивается венчурными капиталистами, которые делают ставку на будущие прибыли, которые могут и не наступить. Я все чаще и чаще встречаю в отчетах предположение, что в ближайшее время нас ждет резкая коррекция рынка и цены начнут расти:
⁃ Цены на API вырастут в 10 раз, чтобы покрывать реальные затраты.
⁃ «Безлимитные» тарифы полностью исчезнут.
⁃ Многие ИИ-компании обанкротятся (типа xAI, которые жгут по $1 миллиард в месяц).
⁃ Выживут только 2-3 крупных игрока.
Что делать нам?
⁃ Если вы разработчик или бизнес, использующий ИИ API, начинайте закладывать в бюджет 10-кратное повышение цен.
⁃ Если вы обычный пользователь, наслаждающийся безлимитным ChatGPT, сделайте скриншот этого поста, чтобы вспоминать времена, когда ИИ был практически бесплатным.
⁃ Если вы считаете, что ChatGPT Pro за $200 в месяц — это дорого, можете быть уверены, что скоро он будет стоить $2000 в месяц.
⁃ Даже с практической точки зрения, стоимость в $1 за Deep Research на 20 страниц на разных платформах — это безумно низкая цена.
Мы все платим небольшую сумму за участие в крупнейшем в мире бета-тесте. Когда качество еще больше улучшится, это не будет дешево. Так что пользуйтесь, пока можете!
Дешевле, чем сейчас, ИИ уже никогда не будет. Вечеринка заканчивается, а похмелье будет тяжелым.
Помните эту фразу «если вы не платите за товар, значит вы и есть товар» - это прям хорошо иллюстрирует ситуацию с Perplexity, когда они запускают кучу коллабораций с сотовыми операторами и вендорами телефонов, чтобы собирать себе аудиторию, раскидываются подписками направо и налево. Интересно, у них хотя бы 50% базы платят полную стоимость подписки? А если спуститься на уровень ниже в этой пирамиде потребления токенов, к отцам основателем: OpenAI, Anthropic, xAI, Google.
Там вообще вакханалия, чуваки, жгут венчурные бабки, как не в себя:
⁃ OpenAI потратили $5 миллиардов в 2024 году, получив выручку всего в $3.7 миллиарда. Это значит, что они теряют $1.35 на каждый заработанный $1. Вероятно, в этом году OpenAI потеряет $12 миллиардов, даже при выручке свыше $10 миллиардов.
⁃ У Anthropic дела еще хуже: убыток $5.6 миллиарда при выручке всего в $918 миллионов. Они теряют $6.10 на каждый заработанный доллар.
⁃ xAI (компания Илона Маска) по прогнозам потеряет $13 миллиардов в 2025 году при выручке всего в $500 миллионов. Это $26 убытка на каждый доллар. Они сжигают $1 миллиард в месяц.
⁃ Google не публикует отчетность по Gemini отдельно, но заявила, что инвестирует в этом году $75 миллиардов.
Золотой стандарт подписки за $20, это 10% от ее реальной стоимости. В среднем на одного активного пользователя вендоры LLM тратят около $180. Все мы получаем ежемесячную скидку в 90%, которую финансирует венчурный капитал.
Даже «профессиональный» тариф ChatGPT за $200/месяц убыточен — Сэм Альтман признал это публично.
Реальность инфраструктуры:
⁃ Те самые графические процессоры NVIDIA H100, которые всем нужны, стоят от $25 000 до $30 000 ЗА ШТУКУ.
⁃ OpenAI только что заявила, что развернула более 1 миллиона таких процессоров. Это $30 миллиардов только на GPU.
⁃ Поддержка работы ChatGPT со всеми инфраструктурными затратами обходится в $700 000 В ДЕНЬ.
⁃ Один дата-центр для ИИ может потреблять столько же энергии, сколько 900 000 частных домов.
Видимо мы являемся свидетелями величайшей технологической субсидии в истории. Каждый наш запрос, каждое сгенерированное изображение или видео оплачивается венчурными капиталистами, которые делают ставку на будущие прибыли, которые могут и не наступить. Я все чаще и чаще встречаю в отчетах предположение, что в ближайшее время нас ждет резкая коррекция рынка и цены начнут расти:
⁃ Цены на API вырастут в 10 раз, чтобы покрывать реальные затраты.
⁃ «Безлимитные» тарифы полностью исчезнут.
⁃ Многие ИИ-компании обанкротятся (типа xAI, которые жгут по $1 миллиард в месяц).
⁃ Выживут только 2-3 крупных игрока.
Что делать нам?
⁃ Если вы разработчик или бизнес, использующий ИИ API, начинайте закладывать в бюджет 10-кратное повышение цен.
⁃ Если вы обычный пользователь, наслаждающийся безлимитным ChatGPT, сделайте скриншот этого поста, чтобы вспоминать времена, когда ИИ был практически бесплатным.
⁃ Если вы считаете, что ChatGPT Pro за $200 в месяц — это дорого, можете быть уверены, что скоро он будет стоить $2000 в месяц.
⁃ Даже с практической точки зрения, стоимость в $1 за Deep Research на 20 страниц на разных платформах — это безумно низкая цена.
Мы все платим небольшую сумму за участие в крупнейшем в мире бета-тесте. Когда качество еще больше улучшится, это не будет дешево. Так что пользуйтесь, пока можете!
Дешевле, чем сейчас, ИИ уже никогда не будет. Вечеринка заканчивается, а похмелье будет тяжелым.
🔥93🌚21👍18❤12👎10😢6💯6💊6
Белый дом выкатил документ «America’s AI Action Plan» (План действий США в сфере ИИ) - это такой роудмэп с дальнейшими шагами государства на рынке искусственного интеллекта. Довольно интересное чтиво. Я вам его перевел и выложил в комментариях нашего чата: @prompt_chat
Но если лень читать 35 страниц перевода:
1) Бороться с дипфейками правовыми инструментами: стандарты NIST, обновления правил доказательств, гайды DOJ.
2) Построить нацэкосистему оценок ИИ (бенчмарки, тестовые стенды, NIST‑консорциум) и вшить её в регуляторку.
3) Упростить и ускорить разрешительные процедуры для ЦОДов, фабрик чипов и энергетики — «строить, строить и ещё раз строить».
4) Строить дешёвую, мощную и защищённую инфраструктуру: энергетика, ЦОДы, чипы, сеть.
5) Экспортировать американский ИИ‑стек союзникам и перекрыть доступ противникам (жёсткий экспорт‑контроль, закрытие лазеек).
6) Дерегулировать и ускорить внедрение ИИ в экономике и госаппарате.
7) Ставить на открытые модели и открытые веса, обеспечив доступ к компьютиу стартапам и академии.
8) Возвращать производство полупроводников в США с фокусом на ROI для налогоплательщика, без идеологических условий.
9) Защитить критическую инфраструктуру: AI‑ISAC, стандарты реагирования на ИИ‑инциденты.
10) Агрессивно внедрять ИИ в Пентагоне и разведке: виртуальные proving grounds, приоритетный доступ к компьютингу, автоматизация процессов.
Но если лень читать 35 страниц перевода:
1) Бороться с дипфейками правовыми инструментами: стандарты NIST, обновления правил доказательств, гайды DOJ.
2) Построить нацэкосистему оценок ИИ (бенчмарки, тестовые стенды, NIST‑консорциум) и вшить её в регуляторку.
3) Упростить и ускорить разрешительные процедуры для ЦОДов, фабрик чипов и энергетики — «строить, строить и ещё раз строить».
4) Строить дешёвую, мощную и защищённую инфраструктуру: энергетика, ЦОДы, чипы, сеть.
5) Экспортировать американский ИИ‑стек союзникам и перекрыть доступ противникам (жёсткий экспорт‑контроль, закрытие лазеек).
6) Дерегулировать и ускорить внедрение ИИ в экономике и госаппарате.
7) Ставить на открытые модели и открытые веса, обеспечив доступ к компьютиу стартапам и академии.
8) Возвращать производство полупроводников в США с фокусом на ROI для налогоплательщика, без идеологических условий.
9) Защитить критическую инфраструктуру: AI‑ISAC, стандарты реагирования на ИИ‑инциденты.
10) Агрессивно внедрять ИИ в Пентагоне и разведке: виртуальные proving grounds, приоритетный доступ к компьютингу, автоматизация процессов.
🔥15❤8👍6✍1🤣1
Media is too big
VIEW IN TELEGRAM
Я большой фанат «Back to the Future» и часто смотрю разные тематические фанфики по фильмам. И скажу честно, то что это ИИ-генерация, я понял только к середине ролика…
❤21👍9🔥7🤣6🤩2💯2🦄2🗿1