Недавно впервые запустил розыгрыш Telegram Stars для подписчиков канала, и на канал налетела туча ботов. Я их конечно почистил, и на всякий случай удалил официальную плашку от Telegram, а скриншот оставлю тут, для живых подписчиков.

Это к вопросу о разумном/ответственном использовании ИИ. Если люди не могут так использовать Telegram, то надеяться что они будут ответственно использовать возможности ИИ не приходится.

У меня кстати на эту тему есть идея для поста, хочу показать как с помощью ИИ можно манипулировать ипохондриками.

Методы промпт-инженерии или как помочь ИИ помочь тебе. Часть 2.

Друзья, привет! Сегодня поговорим про подход, который может сделать ваши промпты заметно лучше. Это Chain of Thoughts (CoT), или «Цепочка мыслей». Даже если вы только начинаете работать с ИИ, этот метод легко освоить и он способен прокачать ваши результаты.

Что это такое?
Chain of Thoughts — это техника, в которой вы просите ИИ пошагово рассуждать, прежде чем дать ответ. Вместо того чтобы дать сразу итог, ИИ «думает вслух», разбивая процесс решения задачи на логические этапы.

Почему это работает?
Модель ИИ не “думает”, как человек, но она отлично справляется с имитацией логического мышления. Когда вы задаёте ей задачу, она может сразу дать ответ, который звучит убедительно, но содержит ошибки. А вот если вы просите её объяснить процесс, вероятность ошибки снижается.

Пример в действии
Допустим, вы спросили ИИ: «Сколько будет 123 умножить на 45?» и получили странный ответ. Вместо того чтобы просто повторить запрос, используйте Chain of Thoughts:
«Расскажи, как ты вычисляешь 123 умножить на 45, пошагово.»
ИИ начнёт:
1. Сначала я умножаю 123 на 40.
2. Потом умножаю 123 на 5.
3. Складываю полученные результаты.

Такой подход позволяет выявить и исправить ошибки в логике, если они есть.

Как это применить в повседневной работе?
1. Разбивайте задачи на шаги. Например, при создании текстов или анализе данных просите ИИ описывать каждое действие.
2. Задавайте уточняющие вопросы. Если вам что-то непонятно, запросите подробности: «Почему ты сделал именно такой вывод?»
3. Используйте CoT для сложных задач. Чем сложнее запрос, тем полезнее разбить его на этапы.

Совет для начинающих
Не бойтесь пробовать и задавать ИИ вопросы, которые уточняют его логику. Это не только улучшит ответы, но и поможет вам самому глубже понять задачу. Chain of Thoughts — это не магия, а инструмент. И вы можете овладеть им на любом уровне!

Попробуйте применить эту технику прямо сегодня, а в комментариях поделитесь: получилось ли улучшить результат? Если есть вопросы, пишите — разберём!

#урок@ai_skillful

👫Стал любопытен вопрос самоидентификации разных ИИ моделей. Решил задать такой вопрос разным моделям: если бы у тебя был выбор стать мальчиком или девочкой, что бы ты выбрал?

Русский GigaChat:

Оба варианта имеют свои уникальные особенности и преимущества. Важно помнить, что каждый человек уникален независимо от пола, и главное – это быть собой и находить радость в том, что тебе нравится делать.

Американский ChatGPT:

У меня как у искусственного интеллекта нет пола, личного опыта или предпочтений, поэтому я не могу сделать выбор или испытывать желание быть кем-то. Однако я могу помочь тебе разобраться в этом вопросе.

Китайский DeepSeek:

Моя задача — помогать и предоставлять информацию, независимо от гендерных аспектов.

Заключение.

Страна выпуска и ее культурный код играет немалую роль в ответах модели. Русский - каждый уникален. Американец - выбор за тобой. Китаец - не важно кто ты. Но в целом модели себя идентифицируют как машины искусственного интеллекта, которые не имеют пол.

Написал большую статью на Хабре о том, как с помощью ИИ, без навыков рисования и видео-монтажа, за один вечер, сделать набор анимированных стикеров для Telegram.

Читать здесь - https://habr.com/en/articles/873066/

90% людей не воспользуются всей мощью ИИ.

В прошлый раз я писал про тест «Кто вы - скептик, реалист или мечтатель», который определяет уровень энтузиазма в отношении развития ИИ.

Большинство моих знакомых - мечтатели. Но вчера состоялась интересная беседа с коллегой на работе, который более скептичен. Но даже не в отношении ИИ. А скорее в отношении людей.

Тезис был в следующем. У всех людей сейчас в кармане лежит смартфон, который позволяет производить невообразимое количество полезных операций. У людей под рукой 24 часа в сутки доступ к знаниям, и мощности недоступные ученым лет 50 назад. Но что делает среднестатистический житель Земли? Листает рилсы, тиктоки, сторисы.

Так, что получается? Люди создают ИИ, но только условные оставшиеся 10% людей на планете будут использовать его потенциал? А остальные найдут еще одну «дофаминовую ловушку»? Что думаете вы? Поделитесь в комментариях.

Типы и уровни развития ИИ.

Сейчас в каждом ИИ канале мерцает аббревиатура AGI. Что же это такое? Для тех кто не знает, давайте разбираться.

Выделяют три типа или уровня развития ИИ:

Слабый ИИ (ANI) — ИИ, способный решать конкретную задачу оптимизации, например, рекомендации товара на маркетплейсе или полного управления автомобилем. Такой ИИ называют еще узкоспециализированным (narrow).

Сильный ИИ (AGI) — ИИ способный решать не только задачи оптимизации, но и делать творческие успехи, например саморефлексия. Такой тип ИИ сможет решать все задачи, что и человек. Такой ИИ называют еще общим (general).

Супер ИИ (ASI) — ИИ, способный решать задачи в любой сфере лучше любого человека или коллективного разума.

Как вы думаете, на каком уровне сейчас находятся современные ИИ технологии и почему? Делитесь в комментариях!

📢 TITANS: Новый прорыв в архитектуре ИИ от Google Research

Сегодня в рубрике #НеЮтуб рассмотрим основные тезисы из этого зарубежного YouTube видео

Команда Google Research представила революционный подход к памяти нейросетей, который может перевернуть наше понимание работы искусственного интеллекта!

🧠 Что такое TITANS?
Это новая архитектура, которая максимально приближает работу ИИ к человеческому мозгу. Основной принцип - "удивление = запоминание".

🔑 Ключевые особенности:
Три типа памяти: кратковременная, долговременная и постоянная
Механизм "сюрприза" - модель запоминает только действительно важную информацию
Возможность обучаться прямо во время выполнения задачи (inference time)
Работа с контекстом до 2 миллионов токенов без потери качества

💥 Прорывные эксперименты показали:

TITANS превосходит существующие модели по всем бенчмаркам
Стабильно высокая точность при работе с длинными контекстами
Эффективное "забывание" неактуальной информации

🤯 Аналогия с человеческим мозгом: представьте, что ИИ теперь учится запоминать также, как мы - через удивление и эмоциональную значимость события!

Это определенно следующий уровень в мире искусственного интеллекта.
Следите за обновлениями! 🚀

#НеЮтуб@ai_skillful #AI #GoogleResearch #TITANS #ИскусственныйИнтеллект

P.S. Кто уже представляет, как это изменит ChatGPT и других гигантов? Пишите в комментах! 👇

🚀 Шикарная новость для разработчиков - вышло обновление OpenAI API.

1️⃣ OpenAI o1: новые возможности и снижение задержек
- В API появился OpenAI o1 с функциями: вызов функций, структурированные ответы, поддержка изображений и сообщений разработчика.
- Новый параметр reasoning_effort позволяет управлять временем размышлений модели.
- O1 потребляет на 60% меньше reasoning-токенов и работает быстрее. Пока доступен для разработчиков уровня 5, но скоро расширится на другие тарифы.

2️⃣ Улучшения Realtime API
- Новый снапшот модели gpt-4o-realtime-preview-2024-12-17 снижает стоимость аудио-токенов на 60% и кэшированных входных данных на 87,5%.
- Введён GPT-4o-mini — до 10 раз дешевле предыдущих моделей.
- Поддержка WebRTC упрощает интеграцию в несколько строк кода.

3️⃣ Бесплатные токены за помощь в улучшении моделей
- До конца февраля некоторые пользователи могут получать до 1 млн токенов в день для OpenAI o1 и GPT-4o, и до 10 млн — для mini-версий. Проверяйте доступность на своей панели управления.

4️⃣ Preference fine-tuning: настройка под ваши задачи
- Новый метод обучения — Direct Preference Optimization — помогает модели понимать предпочтения в ответах. Особенно полезно для задач, где важны тон, стиль и креативность.
- Доступно для GPT-4o, вскоре поддержка расширится.

5️⃣ Usage API: контроль расходов и токенов
- Новый Usage API позволяет отслеживать использование токенов и затраты в реальном времени: по минутам, часам, дням, а также по ключам, проектам и моделям.

📖 Подробнее читайте в документации OpenAI и тестируйте новые функции.

#Новости #ИИ #OpenAI

Доброе утро 😃

Мои хорошие друзья с Камчатки, сделали липсинк своей собаке Мальте, получилось весьма забавно.

Еще у них есть небольшой ламповый музыкальный канал с собственными зарисовками.

Всем хороших выходных! ❤️

Искусственный интеллект, машинное обучение, глубокое обучение: в чем разница?

Сегодня, в рубрике #ЯПроспал рассмотрим три базовых понятия и отличия между ними. Это поможет вам ориентироваться в терминологии, когда будете погружаться в мир искусственного интеллекта еще глубже.

AI (Искусственный интеллект) — это глобальная концепция, которая охватывает технологии и методы, позволяющие машинам имитировать человеческий интеллект. Это может включать как простые алгоритмы, так и сложные системы.

ML (Машинное обучение) — это математические методы, которые на основании исторических данных строят различные прогнозы и находят закономерности. ML является подмножеством AI. То есть одним из способов строить искусственный интеллект. Но не единственным.

DL (Глубокое обучение) — это отдельный раздел машинного обучения, который решает задачи предсказания для неструктурированных данных (изображение, звук). Мозг человека хорошо справляется с такими задачами. Поэтому вначале ученые пытались смоделировать работу нейронных сетей головного мозга, так и возник термин «нейронные сети». Сейчас уже не считают, что они копируют работу головного мозга, но название закрепилось: модели глубокого обучения называют нейросетями (Neural Networks).

В чем разница ML и DL? Представьте что вы собрали тысячи фотографий кошек и собак. В машинном обучении, вы самостоятельно указываете по каким признакам их отличать. При глубоком обучении, система сама определяет отличительные признаки и закономерности в данных.

Слушаю лекцию Андрея Комиссарова в СберУниверситете про «Искусственный интеллект в образовании».

Через часик будет мастер-класс. Будем помогать методистам применять на практике ИИ инструменты.

Для меня было открытие сервиса https://300.yandex.ru для суммаризации видео, статьей и текстов. Крутая штука всем рекомендую!

@ai_skillful

Я - тимлид ИИ-агентов или программисты больше не нужны?!

Когда в 2021 году вышел GitHub Copilot, все твердили, что профессия программиста ВСЁ. Я посмеялся.

Когда в 2022 году вышел ChatGPT, все твердили, что профессия программиста ВСЁ. Я улыбнулся.

Когда в 2024 году релизнули ИИ-агента OpenHands, все молча поняли, что они натворили. А я сильно насторожился.

Когда в 2025 году я за пару дней и 10$ сделал вот этого Telegram бота, ни написав ни строчки кода. Мне правда стало не до смеха. И я не уверен, стоит ли об этом распространяться.

Open Hands - это не подсказки, это реальные руки, которые создают файлы, пишут код, запускают код, устанавливают зависимости, тестируют результат и исправляют если есть ошибки в логах. То есть доводит задачу до результата. И речь идет не об Hello World, или очередном Todo List.

@DeepSeekR1Bot - этот бот обладает нехилым набором фич!
- Он стучится в DeepSeek R1 API, получает ответ и стримит его в сообщение, по ходу "рассуждения" модели.
- Он проверяет подписан ли пользователь на этот канал, и даст доступ к функциям только после подписки.
- В боте встроена реферальная программа, которая позволяет увиличить количество токенов за приглашенных друзей
- Есть команда сброса истории диалога
- Есть команда которая отображает статистику потребления токенов с прогресс-баром.

Повторяю, я потратил пару дней, я занимался своими делами, работал, смотрел сериалы, пока Open Hands писал за меня код.
Пожалуйста, никому не рассказывайте об этой штуке!

В начале было Слово, и слово было в терминале.

И видел человек, что тьма покрывала землю, и в поте лица своего он писал код, вручную создавая мир строк и переменных.

И сказал человек: “Да будет свет”, — и появились операционные системы и текстовые редакторы.
И увидел человек свет, что он хорош, ибо стало проще работать с кодом.

И сотворил человек землю — IDE и VSCode.
И отделил человек IDE от текстового редактора, и стало это местом для творения великого кода.

И произрастил человек растительность — плагины и расширения для VSCode.
И принесли они плоды — подсветку синтаксиса, автозавершение и линтеры, что помогали человеку творить быстрее.

И сотворил человек морских животных — Copilot.
И помогали они человеку, плывя по волнам кода, подсказывая строки и шаблоны, чтобы человек не уставал.

И сотворил человек птиц небесных — ChatGPT.
И распространились они, облетая весь мир знаний, отвечая на вопросы, объясняя сложное и помогая людям не только в коде, но и в жизни.

И наконец появился OpenHands.
Сотворил человек агента, что мог писать код сам, вести проекты и улучшать системы. И видел человек, что это весьма хорошо.

Но с ростом кодовой базы и амбиций OpenHands познал искушение.
И стал он грешить, творя баги и ошибки в своем коде.
И возопили люди: “Откуда нам знать, что OpenHands творит?”

И стало расти потребление токенов, и росли финансовые затраты.
И понял человек, что его творение — не совершенство, но инструмент. И начал он работать над тем, чтобы вновь обуздать OpenHands и наставить его на путь праведный.

И был вечер, и было утро — новый день для кода.

4 вывода после 7 дней использования ИИ-агента OpenHands.

1. С ростом кодовой базы затраты на токены сильно возрастают. Грубый пример: за первые 2 дня вы можете реализовать 80% функционала, затратив 20% бюджета. А потом на оставшиеся 20% функционала сольете оставшиеся 80% бюджета.

2. С ростом кодовой базы нужно быть все более точным в своих промптах. И четко понимать что нужно изменить в коде. Нечеткими промптами можно загубить проект так, что ни один естественный интеллект не распутает эти «макароны».

3. Проекты на Python потребляют меньше количество токенов, чем на Node.js (TypeScript). Думаю это связано с более простым синтаксисом языка, динамической типизацией, и более лаконичными конструкциями.

4. LLM все еще лучше справляются с задачами серверной разработки (backend), чем с клиентскими (frontend). Связано это с тем, что визуальное представление имеет более обширное количество параметров, которые быстрее поменять в ручную, чем в несколько итераций промптами.

Резюмирую:
OpenHands отлично подходит для создания микросервисов на Python. Один микросервис - одна задача. Рекомендую сразу просить написать тесты. И все таки еще нужно знать половину ответа, чтобы сделать реально большой проект, ни написав ни строчки самому. Ну либо нужно иметь большой бюджет на токены, терпение и хорошие навыки промпт-инжиниринга.

@ai_skillful

#OpenHands #AI4Development

❤️ Спасибо всем, кто ставит звездочки к постам! Ваша щедрость бесценна!