ИИ крадёт у нас или учится у нас? 🧠 Недавно сидел на панельной дискуссии. Во время вопросов из зала прозвучало примерно следующее: — Как быть с тем, что ИИ будет обучаться на наших данных? Как защитить то уникальное, на создание чего человек потратил столько времени? Но тут возникает неудобный вопрос: а в чём именно заключается эта уникальность? Я люблю сравнивать работу ИИ с ЕИ — естественным интеллектом. Такое сравнение помогает лучше замечать некоторые паттерны человеческого мышления и обучения. Так вот: ЕИ тоже учится на чужих данных 📚 Человек читает книги, слушает преподавателей, разбирает чужие работы, наблюдает за другими людьми и запоминает удачные решения. В творческих профессиях это называют насмотренностью и начитанностью. А затем человек комбинирует знания и приёмы, придуманные до него, — и создаёт нечто, что мы считаем уникальным. Даже гены в некотором смысле можно рассматривать как накопленный поколениями опыт 🧬 Это, конечно, не обучение в обычном смысле, а результат эволюционного отбора. Но принцип сохранения успешных решений здесь тоже просматривается. Поэтому мне немного странно слышать от ЕИ, что ИИ обязательно что-то у него «украдёт». Ведь ИИ обучается на созданном людьми примерно так же, как сам человек когда-то учился на наследии предыдущих поколений. Возможно, главное, чему ИИ пока не научился, — это вкус 🎨 Не просто способность скомбинировать знакомые элементы, а умение почувствовать: что действительно стоит создавать, зачем и для кого. Хотя и вкус, если честно, тоже формируется не в вакууме. На фото мы с Радославом @girafe_ai — довольные тем, что обсудили эту тему и поняли друг друга с полуслова 🤝 💬 Как думаете, что на этом изображении создано с ИИ?

Ахахаха, ну это классика. Когда я арендую сервер для будущего приложения или бота, надо этот сервер настроить по безопасности. Чтобы всякие злодеи не завладели сервером и не украли оттуда данные. Надо прикрывать дыры, запрещать подбирать пароль от администратора и всё такое. У меня есть промпт, который помогает ИИ агенту настроить всё по чек-листу. И довольно часто бывает так, что пока ИИ-агент настраивает всякие фильтры и сам в них попадает из-за частых запросов на сервер. Или сам себя банит 😁 Каждый раз угараю, хотя везде в инструкциях прописано "держать одно подключение и не подключаться много раз, выделить отдельного пользователя для настройки и только потом когда всё проверенно и перепроверенно снести его"

Главное решение в моей ИИ-системе: память не принадлежит инструменту. Если завтра я поменяю Claude на что угодно другое - вся база останется моей. Рассказываю, как это устроено. Есть три слоя. 💚 Память живёт в облаке. Мои заметки, саммари встреч, проекты, решения, переписки с Клодом - это обычные текстовые файлы в приватном репозитории на GitHub. Рядом база Supabase, в ней задачи, напоминания, посты канала и статистика по ним. Даже если ноутбук закрыт, всё доступно с телефона. 💚 Сервер работает круглосуточно. Обычная виртуалка на Hetzner за 8 евро в месяц. На ней живёт Мира - мой личный помощник - телеграм-бот, и всё, что должно случаться по расписанию без меня. 💚 Разговаривать с системой и управлять проектами можно из двух мест. С ноутбука, где я работаю и откуда запускается всё остальное. И через Миру с телефона - она ходит в ту же самую память, так что разговор не начинается с нуля. Плюс коннекторы - система сама дотягивается до почты, календаря и таблиц. Мне не нужно ничего выгружать и копировать руками. Что происходит само? На Маке стоит планировщик (launchd - штатная macOS-штука, запускает программы по расписанию). В в 19 собирается дайджест почты, в девять вечера - дайджест из телеграм-каналов, в одиннадцать - разбор прожитого дня - кому я что пообещала и должна сделать. Отсюда же можно поставить на расписание любого агента: раз в неделю собирать идеи, каждое утро проверять что-то важное. Утром я открываю разобранную информацию. Теперь две вещи, на которых всё держится. Система Skills. Под каждую повторяющуюся задачу заведена своя инструкция (в следующих постах серии расскажу подробнее). Вызываю я их обычными словами - у каждого навыка описано, на какие фразы он откликается. Я говорю «посчитай по этой таблице» - подтягивается нужная инструкция со всеми проверками, а не общее знание модели. Проекты - это то, почему чаты раскладываются сами. У каждого моего проекта есть карточка: статус, следующий шаг, принятые решения и правила, которые в нём действуют. И к каждой приписан набор слов, по которым её узнают. Для аналитики продаж это «выручка, дашборд, направления, школы». Для канала - «контент, посты, идеи, дайджест». Когда я открываю новый разговор, система первым делом получает список активных проектов с этими словами и с тем, где каждый стоит. Дальше она слышит от меня «посмотри, что у нас по выручке за июль», сопоставляет со списком и открывает нужную карточку. Всё, что мы наработали, ложится туда же. Сейчас есть двенадцать проектов, и каждый разговор попадает в свой. И есть правила, по которым Claude сам предлагает завести новый проект, когда чувствует масштабность задачи. Файлы лежат в git, поэтому у каждого изменения есть история и я в любой момент вижу, что и когда поменялось. Читает их не только Claude - я открываю ту же базу в Obsidian и хожу по ней глазами, как по обычным заметкам. Что изменилось в моём подходе к решению задач. Теперь любую из них я начинаю одинаково: захожу в Claude и спрашиваю, что у меня уже есть по этой теме. Он собирает полную подборку - все документы, решения, встречи, к которым можно обратиться. И дальше я работаю, опираясь на этот фундамент, а не начинаю с чистого листа. А у вас где живёт ваш контекст? В голове, в переписках или всё-таки где-то, откуда его можно достать через полгода? Любовь на удаленке | Оля Сохнева #ИИ_наудаленке

ИИ дорисовывает невидимые атомы Чтобы просчитать на компьютере свойства материала нужно точно знать, где в кристалле стоит каждый атом. Координаты берут из баз данных, собранных по результатам рентгеновской дифракции. И вот тут вылезает досадная беда: водород этот метод улавливает плохо. В итоге в описании структуры водород либо стоит не там, либо отсутствует вовсе. Кристалл выглядит почти целым — и при этом непригоден для расчётов. Группа учёных из университетов Пармы и Модены решили исправить это с помощью компьютерного зрения. Там есть задача под названием inpainting: восстановить вырезанный кусок изображения. Нейросеть смотрит на то, что вокруг, и достраивает недостающее так, чтобы оно сошлось с окружением. Старые методы засыпали шумом всю картинку целиком и собирали её заново. Современные бьют сильным шумом только по неизвестной области. Ровно этот приём перенесли на кристаллы. Модель XtalPaint шумит только там, где координат нет. Известные позиции атомов остаются на месте и служат опорой всё время реконструкции. Отсюда, по словам аспиранта Тимо Реентса, и рост точности, и экономия вычислений. Проверяли так: брали структуры, где водород уже был найден, стирали его координаты и просили модель восстановить. В 87% случаев она попала точно в известную конфигурацию. Ещё в 10% предложила расположение, энергетически более устойчивое, чем записанное в базе. Итого 97% успеха. Побочный эффект оказался не менее полезным: методом уже ловят ошибки в базах, которые возникают при переносе данных из оригинальных статей. Дальше — литий и натрий. Их позиции модель тоже умеет восстанавливать, а это прямая дорога к поиску материалов для аккумуляторов. Ну и к водородным хранилищам с возможными новыми сверхпроводниками — ради них всё и затевалось. @vselennayaplus

Вообще не осталось продакт-менеджеров, которые бы не упоролись напрочь в нейросети. Мне кажется это какие-то неправильные менеджеры, кто этого еще не сделал. Поэтому я и веду свой второй канал @gleb_pro_ia, и делаю это примерно в 100 раз активнее, чем этот. Чего-то высасывать из пальца при этом тоже не хочется. И я все думал. а про что ж писать тут? Решение висело под носом. Тут уже написано в заголовке про бизнес, значит буду продолжать писать про бизнес. Пусть и с нейросетевым уклоном, так как без этого сейчас ну вообще без вариантов. А на втором канале продолжу исповедовать гонзо-журналистику про то, каких агентов я потрогал сегодня, и как они меня возблагодарили в ответ.

🤬 Новая охота на ведьм На The Verge вышла отличная статья, которая откликается у нашей редакции. Раньше преподаватели гоняли работы через антиплагиат: система сравнивала текст с базой сайтов и научных статей и выдавала процент совпадений. Теперь охотятся не за копипастой, а за нейросетью. Детекторы вроде GPTZero, Pangram и других, работают иначе. Собственная ИИ-модель анализирует лексику, ритм, структуру предложений, длину и тон и выносит вердикт. Оценка выходит субъективной и особенно часто спотыкается на тех, для кого английский неродной. Масштаб уже приличный: по опросу Center for Democracy and Technology, в 2024–2025 годах детекторами регулярно пользовались 43% американских учителей средних и старших классов. Француз Тьерри Риньоль судится с Йелем: профессор прогнал его экзаменационную работу через GPTZero, и студент получил незачёт и год отстранения. В феврале студент Университета Адельфи выиграл похожий иск. А недавно Джек Осборн, сын Оззи, обвинил журналистку Кэт Тенбардж в том, что статью за неё написала нейросеть, и показал 3,5 миллионам подписчиков «доказательство» из детектора. Опровержение она опубликовала, а он обвинение так и не снял и видео не удалил. Самое любопытное, что сами разработчики предупреждают о недостатках. Grammarly просит не полагаться на детектор в одиночку. GPTZero признаёт, что стопроцентного детектора не существует. OpenAI и вовсе закрыла свой ещё в 2023-м из-за низкой точности. Университеты мирового уровня: Йель, Джонс Хопкинс, Вандербильт, Джорджтаун и другие уже отключили или ограничили такие проверки. MIT вообще говорит, что детекторы не работают. Вместо них советуют менять сами задания — писать в аудитории, дробить длинные работы, разрешать указывать, где помогал ИИ. Мы, кстати, сталкиваемся с этим постоянно. И это, на наш взгляд, новый вид паранойи, который породил ИИ: читатель заранее подозревает текст, а живой автор старается писать так, чтобы «не звучать как нейросеть». Например, конструкция “это не просто А, а это Б”, вообще забанена нашим редактором. Хотя до появления нейросетей этот приём часто использовался в текстах. @droidergram

Клиентка удивилась: "Ого, так быстро!" Я скинула ей отчёт с рекомендациями утром. На самом деле вся картинка по ее продуктам у меня сложилась как только накануне поздно вечером она прислала их фото - красивые дизайнерские гитары. И ответы на мои уточняющие вопросы. У меня в голове сразу понеслись мысли, я быстро записала их в диктофон и заметки. Утро мне нужно было, чтобы перепроверить все мысли на свежую голову + расписать так, чтоб клиентке и ее партнеру сразу было понятно, что и как делать. Когда мои рекомендации готовы, для проверки и из любопытства я сейчас прогоняю товары через 5 ИИ и смотрю, что предложат они. На практике они обычно дают 1-2 идеи, которые не увидела я, и не видят 2-3 самых важных стратегии + 5-10 небольших мыслей. Часто вообще не замечают самое ключевое, что переворачивает всё развитие проекта. Опыт не заболтаешь ☝️ Здесь 1 из ИИ подсказал ещё одну хорошую идею, я добавила ее в отчёт и развила от нее ещё 5 рекомендаций. 2 других наболтали поверхностного бреда. И, разумеется, пришлось их возвращать к РФ реалиям. А то они даже мотивации поступков клиентов любят лепить по американским калькам. Ни один не назвал 20 рекомендаций, которые дала я. Я финализировала отчёт и отправила клиентке. "Разбор за час" занял суммарно 1ч15 на составление отчёта и ~40 минут на первичные переговоры с клиенткой и запись летящих идей в процессе.

Друзья, о чём вам сейчас реально интересно читать? Я думаю, вы заметили, что количество постов в канале упало. Раньше я стабильно выходил на связь 3-5 раз в неделю, а сейчас пишу совсем редко. Решил честно поделиться, почему так произошло и куда планирую двигаться дальше. Причин наложилось сразу несколько: 1. Лето и фокус на жизни. Пока тепло, стараюсь больше времени проводить на свежем воздухе и ловить совместные выходные с женой, когда совпадают наши графики, а не сидеть за компьютером. Честно - самое лучшее решение! 2. Устоявшийся workflow. Как я неоднократно писал, индустрия ИИ немного замедлила свой безумный темп, да и я сам перестал тестировать по 3-5 новых сервисов в неделю. Уровень текущих инструментов меня устраивает, а там, где есть нюансы, я уже выстроил свои workflow и workaround-ы. Все эти бесконечные новые плагины и мелкие фичи для LLM сейчас кажутся скорее гиковской историей - классические 80% усилий ради 20% реального выхлопа в повседневной работе. 3. Вопросы к формату и легкое авторское выгорание. Блокировки Телеграм в РФ, общая ситуация с глобальным интернетом и просевшие охваты заставляют задуматься, ради чего и для кого пишется контент. Расти в Telegram стало сложнее, и писать в пустоту не хочется. В MAX я не перейду. Считаю, что моя аудитория умнее аудитории этого мессенджера и скорее я вообще перестану вести блог, чем пойду в эту помойку. Поэтому у тех, кто меня читает регулярно хочется узнать, что вам интересно? При этом вот мысли по тому, чего я точно делать не хочу: - Превращать канал исключительно в историю про обучение. Это лишь способ монетизации, а не цель канала для меня. - Уходить в новостную повестку - мне это никогда не было интересно. - Делать из канала сугубо технический блог - хардкорного техконтента вокруг и так хватает, да и моя аудитория больше про бизнес. Мне самому по-прежнему интересны три вектора: бизнес, практическая применимость и наука вокруг ИИ. Хочу давать то, что действительно принесет вам пользу и будет интересно читать. Пишите в комментариях: Каких тем, разборов или форматов вам не хватает? О чём вам хотелось бы почитать в ближайшее время?

ИИ меняет всю логику рекламы - но не совсем так, как многие думают Наткнулся на пост Сриниваса Рамеша - довольно культового чувака из adtech-тусовки и автора известной рассылки про рекламу "The AdTech Signals". Так вот, его ключевой тезис такой. Пока все обсуждают, как эйай генерит креативы и анализирует метрики, настоящий слом проходит гораздо глубже - в самой логике рекламных платформ. И в результате они начинают делать то, что раньше казалось сверхспособностью, и для чего железно нужен был подкованный человек. Рамеш поясняет на примерах: Amazon. Раньше Sponsored Ads (реклама в их поиске) и DSP-программатик (автоматическая закупка через аукцион) жили в разных мирах, и сводить их надо было вручную. А сейчас это один контур: рекламодатель задаёт продукт и цель - система сама собирает кампании в поиске + в программатике и сводит отчётность в одном месте, а креативы генерит их собственная моделька Nova, которая теперь встроена в общий движок. Google. У них давно есть Performance Max - штука, которая автоматизирует таргетинг, ставки и размещения через все каналы разом. Но теперь в неё встроили Gemini. Она берёт длинные, разговорные поисковые- и эйай-запросы, раскладывает их на ключи и подбирает под них рекламу даже там, где раньше формальных ключевых слов просто не было (точнее, они были, но их не видели). То есть, воронка расширяется не через оптимизацию старого трафика, а через выхватывание совершенно нового спроса. Яндекс. Раньше их система помнила десятки последних действий пользователя. А теперь тысячи, причём растянутые на год. У них есть Argus - генеративная модель, которая учитывает "длинную" историю юзера. Её память увеличили в 30 раз, и это ключевой момент - система стала видеть реально далеко. Отдельно добавили Gorgona - другую модельку, которая прогнозирует поведение уже после клика (сколько человек листал, что добавил в корзину и т.д.) и дополняет Argus. Это комбо позволяет гораздо точнее предсказывать, совершит ли человек покупку. Тут мозг тянется сделать вывод: "Ну окей, платформы теперь лучше угадывают, что мы купим - когда мы ещё сами не поняли". Это да. Но это база-основа и вообще уже баян. Предиктивный таргетинг и look-alike (поиск похожей аудитории) гоняют уже лет 15. А сейчас системы меняют не "ЧТО", а "КАК" угадывать, и это ключевой момент. Раньше воронка была набором отдельных ИИ-тулов. Один считал, кому показать, другой - сколько платить, третий фигачил баннер, четвёртый считал метрики... А сводил всё это дело человек ручками. Сейчас же платформы сшивают всё в один движок, который учится не на кликах по кампании, а на итоговом результате бизнеса. Условно, раньше эйай-штуки помогали правильно завернуть на каждом отдельном перекрёстке, а сейчас вся машина едет на автопилоте из пункта А в пункта Б. Поэтому ремесло медиабайера меняется даже быстрее, чем многие другие профессии. Раньше нужен был спец, который руками собирает таргетинги и балансирует ставки, а теперь площадка просто берёт бюджет и цель - ну и всё, дальше всё делает сама, обучаясь на миллионах кампаний параллельно и калибруясь после каждого шага. Понятно, что люди всё ещё нужны (автопилот тоже нужно контроллить) - но а) у них будут другие задачи и б) не в таком числе. Как рекламная индустрия будет адаптироваться - большой вопрос. Возможно, агентства мигрируют на уровень выше - например, в стратегию и бренд. Но там уже другой пирог со своей конкуренцией. В общем, если вы работаете в рекламной индустрии (а с ней плотно соприкасаются очень многие - в том числе я), то держите в уме эти изменения. Они не так сильно бросаются в глаза, как, скажем, эйай-сдвиги в кодинге или в создании контента, но по факту могут быть даже радикальнее. Дизраптор

ИИ научился «читать» мозг незрячего человека — и улучшил его зрительный имплант Искусственный интеллект помог точнее управлять зрительным протезом, имплантированным в мозг ослепшего после травмы человека. Модель глубокого обучения подбирала схемы электрической стимуляции, предсказывала реакцию мозга и позволяла получать нужный эффект с меньшим током. Исследователи считают, что такой подход может сделать кортикальные протезы более точными и персонализированными — устройство сможет адаптироваться к особенностям мозга конкретного человека. https://hightech.plus/2026/08/10/ii-nauchilsya-chitat-mozg-nezryachego-cheloveka--i-uluchshil-ego-zritelnii-implant

Что делать, когда на рынке жопа Несколько важных принципов, которых придерживаюсь сам и вижу, что они сейчас работают у других. — Не держи в штате людей, без которых можешь обойтись. ФОТ это самый опасный постоянный кост, который долго и дорого сокращать в правовом поле. Поэтому любой новый найм только если ты сам разобрался и уверен на 100%, что без него не обойтись, а не потому, что тебе так говорит команда. — Берегись неразумных трат. Если точно не понимаешь, как этот расход повлияет на выручку или прибыль, то лучше не экспериментировать. Не парься, как оптимизация может выглядеть в глазах команды, клиентов или твоих друзей. — Кэш на счетах дороже, чем на бумаге. Значительная часть твоей выручки висит в дебиторке, лежит на складе, в договорах на подписании и т. д. Ищи способы быстрее превращать всё это в деньги сейчас, а не ждать идеального момента, курса или отскока рынка. Например, просроченную дебиторку можно продать с дисконтом так же, как и товар на складе. — Начни разбираться и внедрять ИИ. Это правда один из немногих инструментов, который сейчас влияет на эффективность. ИИ точно не спасет плохую бизнес-модель и процессы и не усилит слабую команду. Тут без лишних ожиданий и фанатизма. Но даже простые внедрения ИИ помогут ускорить то, что у тебя уже работает. — Прими новую реальность. Издержки растут, а твоя маржинальность вбелую (иначе точно нельзя) будет сокращаться. В России было много ниш, где маржа исторически была выше, чем на зарубежных рынках. Настраивай себя на то, что теперь придется привыкать к другим цифрам и в моменте станки могут работать в ноль, чтобы их не тушить. Возможно, что это повод честно поговорить с собой: а нужен ли такой бизнес? Хорошая новость в том, что плюс-минус все находятся в одинаковых условиях. — Не забивай на себя. Здоровье и энергия основателя — один из самых недооцененных активов. В тяжелые времена способность дольше выдерживать давление может стать серьезным конкурентным преимуществом. Твой сон, спорт и отдых сейчас как никогда нужны твоему бизнесу. — Чаще выходи в поля. Общайся с клиентами напрямую, а не только через отчеты руководителей. Говори чаще без посредников с линейными сотрудниками: на ресепшене, складе, в магазине, на производстве. Кто каждый день видит клиентов и знает, как реально устроены твои процессы. Спроси, что их бесит, что они бы исправили первым делом, чтобы им стало проще работать и радовать клиентов. — Общайся с другими предпринимателями. Причем не только из своей отрасли. Выходи из офиса. Интересуйся, что прямо сейчас у них работает в маркетинге, продажах, найме, программах господдержки и так далее. Мой любимый вопрос: «Что в твоем бизнесе за последнее время дало рост, которого раньше не было?». — Дефицит ресурсов может быть полезен. Скорее всего, когда ты создавал свою компанию, у тебя был жесткий дефицит денег, людей и знаний. И именно этот дефицит заставлял тебя быть более гибким, изобретательным и находить решения в те времена, когда тебе было нечего терять. Всё получится! @kutergin_on_fire