Самый идеальный сеттинг У меня как-то был пост про выгодный сеттинг в Clair Obscur. Если кратко и очень упрощённо, суть в том, что там используется сеттинг волшебного мира, где может быть всё, что угодно, а любые странности, которые игрок может увидеть в рамках игры, объясняются магией. Это очень удобно в том числе и при арт пассом над локациями и даже, местами, левел дизайном. Потому что если в обычной игре случайно зависший в воздухе объект — это баг и недоработка, то в такой игре мы специально можем расставлять объекты таким образом, и тогда подобные ошибки в другом месте уже не будут вызывать вопросов. По крайней мере, на этой же локации. Конечно, это не значит, что мы специально пытаемся ошибиться при работе над уровнями. Но всё-таки здесь цена ошибки не так высока, и многие вещи в плане арта и дизайна уровня могут быть позволительными. Внезапно, я нашёл не менее выгодный сеттинг в Pragmata. Здесь локации тоже выглядят порой достаточно необычно, с застрявшими объектами, или недоделанными текстурами разных предметов. Надо ли говорить, что это позволяет художникам быть сильно менее ограниченными при работе над локациями. Внимание, впереди лёгкий спойлер: И объяснятся это очень изящно с точки зрения нарратива: большинство уровней в игре напечатано на супер-технологичном 3D принтере. Только местами этот принтер сбоит, потому что это экспериментальная технология печати из специального материала. Поэтому получаются вот такие странные места, как на скриншотах. И это воспринимается абсолютно нормально, потому что в рамках мира игры это логично. Более того, такой сеттинг чаще всего лучше запоминается по сравнению с более реалистичным. Разработчикам при таком сеттинге надо ещё уметь собрать подходящие по ЛД и визуалу локации, и в Pragmata с этим справились: локации получились с хорошим балансом реализма и атмосферы поломанного сеттинга из-за 3D печати. #Pragmata #narrative #анализ

Недавно дал интервью Business Insider про то, что на самом деле происходит с AI-увольнениями. Расскажу здесь основное. В Customertimes мы консультируем компании из Fortune 500 по внедрению AI и каждую неделю разговариваем с их финансовыми директорами, CIO и CEO. Так вот, почти никто из них не говорит, что заменяет людей на AI. За закрытыми дверями разговор устроен совсем не так, поэтому публичная истерия вокруг AI-увольнений выглядит странно. Что я вижу на самом деле, так это компании, которые объясняют через AI ту реструктуризацию, что была запланирована и без него. Процесс перестал иметь смысл, компанию реорганизовали, а решение упаковали в разговоры про искусственный интеллект. В самой реорганизации ради эффективности ничего необычного нет, бизнес занимался этим всегда. Проблема в том, что многие нечестны с сотрудниками и акционерами насчёт настоящей причины. С деньгами история такая же. Считается, что компания режет штат, кладёт сэкономленное в карман и выписывает руководству бонус побольше. А за кулисами эти же компании получают гигантские счета от AI-провайдеров. Финансовые директора регулярно признаются мне, что недооценили стоимость токенов, и многие сожгли свои AI-бюджеты куда быстрее, чем планировали. Некоторые называют это token maxxing, когда годовой бюджет на AI улетает за пару месяцев, а обещанного прироста продуктивности так и не случилось. Плюс они платят за то, чтобы их знания остались внутри компании, и содержат отдельную внутреннюю инфраструктуру, чтобы собственные процессы не утекали в публичные модели. Дёшево это не стоит. Так что экономия часто вообще не доходит до бонусов руководству, её съедают инфраструктура, лицензии и счета за токены. Я считаю, что компаниям стоило бы публиковать простую отчётность о том, куда реально ушла экономия от AI: в премии сотрудникам, в снижение цен для клиентов или в реинвестиции. Когда компания объявляет увольнения, показывает рекордную прибыль и ничего не объясняет, образуется информационный вакуум, а его всегда кто-нибудь заполняет. Помолчишь подольше и теорию заговора про тебя напишут за тебя. Ещё одно, что стоит сказать. AI прекрасно справляется с повторяемыми задачами, но он не берёт на себя ответственность. Презентацию CEO можно автоматизировать AI-аватаром, а вот ответственность за управление компанией автоматизировать не выйдет. @maxvotek | linkedin | substack

1) AI-2040 – таймлайны В новом эссе авторы решили поиграть с роадмапом. Новый прогноз развивается гораздо более спокойно. Так называемый takeoff date (год, когда фронтир лаборатории автоматизируют AI research и начнется самоулучшение моделей) перенеслось с 2027 на 2030 годы. Но это не значит, что прогресс замедлился! Просто ребята решили рассмотреть другой прогноз. Самый дерзкий прогноз takeoff year авторов приходится на 2028, медиана – где-то между 2031 и 2035. Самоулучшение моделей практически равно сингулярности. В худшем случае апокалипсис или точка невозврата ожидается в течение года после начала эффективного самоулучшения. Несмотря на это, авторы несколько раз подчеркивают, что они хотели воздержаться от прогнозов с точными датами (слишком много неопределенности) и скорее хотят сделать прогноз с последовательностью событий, что и в каком порядке будет происходить. Поэтому на даты надо смотреть скептически, причем как про ускорение, так и про более медленный вариант событий.

Кто такой Энтони Левандовски, у которого Трэвис Каланик купил компанию Сегодня в утренних новостях неожиданно всплыл Энтони Левандовски. Основатель Uber Трэвис Каланик купил у него компанию Pronto для своего нового проекта Atoms. И в этот новый проект Каланик привлек гигантский раунд в $1,7 млрд. Так вот у Левандовски очень нелинейный путь. И это отличный повод про него рассказать. У Энтони Левандовски, которому сейчас 46, страсть к беспилотным автомобилям. Первым его проектом еще в нулевые был беспилотный мотоцикл Ghostrider. С этим проектом Левандовски участвовать в конкурсе DARPA. Вот можете посмотреть старенький видос с подробностями проекта. 🔵 А потом Левандовски попал в Google и стал там заниматься беспилотными авто. Сначала с Google сотрудничали компании Левандовски, разрабатывали разные прототипы. А потом эти компании купили, а Левандовски стал одним из технических лидеров беспилотного подразделения. Правда, денег заплатили не особо много — $20 млн. Из этого беспилотного подразделения позднее выросла Waymo — у нее сейчас сервис беспилотных такси. Собственно, Левандовски называют одним из сооснователей этого проекта. 🔵 Но в 2016-м Левандовски решил делать свой стартап. Взял несколько человек из Google и замутил проект Otto. Они разрабатывали беспилотный грузовик. Правда, стартап запустили в январе 2016-го, а уже через полгода(!) его купил Uber за $680 млн. И Левандовски стал сотрудником Uber — занимался тем же, но уже внутри компании. Каланик, кстати, тогда еще был гендиректором Uber, он ушел с поста в 2017-м. 🔵 Жизнь Левандовски удалась с таким экзитом? Не совсем. Дело в том, что в 2017-м Waymo обвинила Левандовски в том, что тот украл 14 000 конфиденциальных документов при уходе и передал их Uber. И вот тут начинается темная часть истории. Uber почти сразу уволил Левандовски, а с Google заключил мировое соглашение — обязались не использовать документы и отписали Google своих акций на $245 млн. А Левандовски из-за этого дела недоплатили за стартап — вроде как выплатили только $220 млн. Да и то кэшем дали только $100 000, а остальное акциями. 🔵 В 2019-м уже власти США выдвинули обвинения против Левандовски из-за этой кражи документов. Всего было 33 пункта обвинения. Но он, в итоге, признал вину только по одному. Левандовски осудили на 18 месяцев тюрьмы. Правда, посидеть Левандовски не успел. Исполнение наказания отложили. А в последние часы своего первого срока Дональд Трамп помиловал его. Хэппи энд? Не совсем. Помилование не распространилось на гражданские дела. А суд обязал Левандовски выплатить Google $175 млн компенсации. Но такой суммы у него не было, Левандовски объявил себя банкротом. 🔵 А когда Левандовски замутил нынешний стартап Pronto? Почти сразу после ухода из Uber. То есть все то время, что его судили и миловали, стартап уже существовал. Pronto тоже занимается беспилотными грузовиками. Изначально это была система помощи водителям. И в 2018-м грузовик Левандовски совершил в беспилотном режиме самую длинную поездку на тот момент — почти 5000 км. Но потом концепция поменялась. Левандовски стал делать не универсальный грузовик, а заточенный под определенные процессы. Для тех случаев, где известны маршруты. Проект стал разрабатывать беспилотный грузовик для горнодобывающей промышленности — для закрытых промышленных территорий, шахт и карьеров. При этом каких-то гигантских инвестиций Pronto не поднимал. По открытым данным, он собрал около $10,4 млн. Вот этот Pronto и купил Трэвис Каланик для своего нового проекта Atoms. Он собирается автоматизировать и роботизировать разные отрасли промышленности. И одно из направлений — горнодобывающая промышленность, куда Pronto и вписался. Неизвестно, правда, за сколько Каланик купил Pronto. Как думаете, вляпается Левандовски еще в какую-нибудь историю? 🦄 — вляпается! ❤️ — не, уже успокоился! @TheEdinorogBlog — тот самый канал про стартапы🦄

Сотрудник OpenAI, бывший сотрудник Белого Дома, публично в твиттере: «(новая китайская модель) Kimi K3 — очень крутая, и хорошо бы, чтобы администрация президента США напугала (буквально FUD) госорганы и крупные компании, чтобы они не запускали open source модели самостоятельно. Но не слишком напугало, чтобы гиперскейлеры (OpenAI, Anthropic и ко) могли зарабатывать на хостинге open source моделей. There is a sweet spot (sic)» конец цитаты 🤮 Не перестаю убеждаться, что все всё говорят (и пишут), нужно только слушать. Глава OpenAI, публично в твиттере, через пару дней: вы не поверите, какой кибервзлом совершила наша последняя модель! Взлом при этом на самом деле классный, автономные агенты в OpenAI взломали HuggingFace — главную ИИ-платформу для хранения моделей. Но вишенка не в том, что современные модели могут взломать что угодно, а в том, что защищающиеся в HuggingFace не смогли использовать ведущие американские модели для защиты — они не могут отличить защиту от нападения и отказываются вести такую работу. Так что для этой задачи, эта американская компания использовала китайскую модель GLM-5.2, запущенную локально. 🤡 Тем временем, китайская опенсорс модель Kimi K3, которая так напугала OpenAI, обогнала Fable в соревновании на фронтенд-задачи, и стоит в разы дешевле. Все эти соревнования — туфта, но всё равно показательно. Разрыв между публично доступными американскими SOTA (state of the art, лучшими из лучших) моделями и китайскими моделями все уменьшается. Как бы китайцы так весь американский ИИ-пузырь не взорвали. А что делают корпорации, когда не могут победить инновациями? Конечно — лоббируют, и мы возвращаемся к началу поста. — Интересно, в каком направлении движутся Мия Мурати с Суцкевером и ко. (помните, они ушли из OpenAI и основали компанию Thinking Machines Lab?): их продукт — это собственная open weight модель Inkling и инфраструктура для обучения и тюнинга моделей Tinker. Все серьезные пользователи нейросетей тюнят свои модели (даже мы уже делаем это для клиентов), крутая ниша. — Если бы мне нужно было делать ставку — я бы ставил на локальные модели. Но слава богу, мне ставки делать не нужно, мы пока пользуемся американскими SOTA моделями по личными подпискам и ждем, когда же появится достаточно производительное и недорогое железо, а локальные модели и open-source харнес ещё немного подрастут. 🍿 — Завершая этот пост, переведу отличную шутку, которая описывает состояние индустрии. Контекст: у moonshot, компании-создателя Kimi, не хватает мощностей, чтобы удовлетворить ажиотажный спрос на их модель Kimi K3. Они объявляют, что приостанавливают регистрацию новых пользователей, чтобы хватило текущим. Шутка: «абсолютно непрофессионально. если кими хочет стать ведущей лабораторией, она должна вести себя соответствующе — например, начать отвечать на запросы пользователей более слабыми моделями, ну или хотя бы опубликовать пост про крах цивилизации».

💰 В Москве выставят на торги коллекцию картин стоимостью ₽1 млрд 26 июля Московский аукционный дом проведет торги произведений русских художников XIX–XX веков. Общая оценочная стоимость коллекции составляет около ₽1 млрд. Одним из главных лотов станет пастель Николая Рериха "Идольское место", созданная в конце 1900-х годов. Ее оценили в ₽18 млн. Также на торги выставят картину Ивана Айвазовского "У берегов Ялты" 1868 года с предварительной оценкой около ₽33 млн и пейзаж Карла Фердинанда Когельгена "Крым. Вид Гурзуфа", стоимость которого оценивается в ₽11 млн. Самыми дорогими лотами станут три портрета Бориса Григорьева. Каждый из них оценен примерно в ₽39,3 млн. Кроме того, в каталоге представлены "Полулежащая обнаженная натурщица" Кузьмы Петрова-Водкина стоимостью ₽2,2 млн, "Портрет Раисовой" Константина Маковского за ₽7 млн и картина Михаила Нестерова "У скита", оцененная примерно в ₽15,7 млн. 📍 Подписаться на канал | Мы в MAX

«ВЫЕЗЖАЮ СРЕДА ВСТРЕЧАЙ ВОКЗАЛ ЦЕЛУЮ» Пословная оплата телеграммы заставляла выкидывать предлоги и союзы, восстанавливая смысл по контексту, и люди изобрели сжатие текста с потерями за сто лет до того, как мы повторили тот же трюк в SMS по 160 символов. Читаешь телеграфные регламенты Российской империи и ловишь стойкое дежавю, будто перед тобой описание сетевого протокола. Каждая депеша несла служебный заголовок с адресом и числом слов, лежала в очереди на узловых станциях, а в спорных случаях приёмная сторона запрашивала повтор и сверяла текст обратно. Правительственные депеши летели вне очереди, служебные об авариях шли впереди коммерческих, частные ждали своей подачи. Очереди, приоритеты, подтверждения, метаданные, и всё это на столбах с одним железным проводом и землёй вместо обратной жилы. Узнаем, как далеко тянется параллель между проводом XIX века и современной сетью.

5 неочевидных способов проверить, что ваш продукт нужен рынку до запуска 🍿 Правильнее даже спросить, реальна ли проблема, которую вы собираетесь решать и почему ее до сих пор не решили конкуренты и не навайбкодил какой-нибудь умник из твиттера? спойлер - скорее всего навайбкодил, просто про его продукт никто не узнал 🤣 первое, что приходит в голову - поспрашивать знакомых, а потом и их знакомых и это главная ошибка начинающего фаундера (часто люди врут из вежливости). Когда у вас нет данных, искать их в своем пузыре - значит собрать заведомо искаженные сигналы и принять их за валидацию. Очень приятно, но бесполезно 😐 с чего бы я начала, запускай я новый продукт сейчас: 1️⃣ наведалась в гости к конкурентам окей, у меня пока нет данных, значит, пойду к тому, у кого они есть, а именно - в комментарии в соц сетях и в отзывы в апсторе/гугл плее. Помним, что ищем не точки, а повторяющиеся паттерны. Например в digital wardrobe apps это почти всегда оцифровка гардероба, потому что людям лень фоткать 200 вещей. Поэтому мы в свое время в aesty сделали ее супер простой и удобной 2️⃣ поняла, где живут ваши пользователи и как решают проблему сейчас обычно если проблема реальная, то она уже как-то решается - криво, долго, костылями, но решается. Например наши пользователи живут в пинтересте. Место, где люди ищут решение, но оно неудобное - это ваш рынок, уже собранный в одном месте и ваш value proposition - это короткая дорожка в этом сложном пути. Если такого места нет вообще - стоит проверить, большая ли проблема. Создавать рынки с нуля очень сложно 3️⃣ проверила, платят ли уже - хоть кому-нибудь например стилист за $150/час, курс по капсульному гардеробу еще больше, даже пдфки с собранными образами продают за $10 - все это деньги, которые уже лежат в нише. Если за дорогое и/или неудобное решение платят - спрос доказан, вопрос только в упаковке и цене. Если не платят никому и нигде - возможно, проблема есть, а рынка нет 4️⃣ разобралась, как люди формулируют боль своими словами для б2с я бы изучила запросы в гугле, поиск в тиктоке, ключевые слова в апсторе, видео от инфлюенсеров. В итоге вы понимаете как говорить с пользователями на одном языке - то есть те самые слова, которыми боль описывают реальные люди. Я вот узнала что в моей нише обожают отсылки на гардероб Шэр из фильма Clueless как референс приложения для подбора аутфитов - даже фильм посмотрела, чтобы лучше понять аудиторию 😁 5️⃣ продавала бы проблему до продукта почему бы не попробовать опубликовать 10-20 постов про боль там, где сидят ваши таргет кастомеры - с макетом и формой на предзаказы или можно даже без продукта и ссылки? Затем я бы посмотрела на реакцию, причем метрика это не лайки, а сохранения и что будут предлагать люди в комментариях и вообще собирается ли внимание вокруг проблемы Мы с вами отлично знаем, что почти любой продукт теперь можно навайбкодить за неделю в какой-то альфа версии, а спрос - нет и поэтому стоит проверять его в первую очередь на реальных данных, а не отчетах маккинзи 🐵 @neural_prosecco