что такое build in public тренд в 2026м году 😎 build in public - это когда кто-то делает продукт открыто, то есть частично делится метриками и решениями в реальном времени. Началось это с инди-хакеров типа Питера Левелса aka levelsio (он кстати еще ангелом в cursor заходил) в середине 2010х, сейчас это уже мейнстрим - половина стартап-твиттера живет и растит аудиторию именно так зачем это нужно? 🤔 Аудитория b-i-p - это почти всегда другие фаундеры и технари, а не твои пользователи, поэтому b-i-p это в первую очередь канал дистрибуции для личного бренда фаундера, а не реклама продукта. Ну и свежий тренд - показывать метрики и решения, нишу, но продукт явно не называть. AI клон рабочего продукта собирается за недели (а то и быстрее), и по сути конкурентам отдается не только идея, но и валидация: вот ниша, вот работающий пейволл, вот юнит-экономика - копируйте не гипотезу, а проверенный ответ. Правда, цифры без продукта непроверяемы и часть таких аккаунтов это просто сторителлинг с нарисованным мрр, и наверняка читатели это понимают. Есть даже проекты которые проверяют метрики из revenue cat и дают "сертификацию" что метрика реальная 🐵 как по мне, прятать проект имеет смысл только в трех случаях, и кстати ни один не мой 1. сомнительная аппка - около скам в духе упражнений чтобы стать выше, лукмаксинг, похудей за 7 дней, шадоу-механики - про такое обычно не пишут, но вот метрики там красивые 2. аудитория b-i-p не пересекается с ЦА и зашумляет аналитику на старте. У нас половина платящих - парни, часто технари, которые хотят выглядеть стильно. Я регулярно нахожу супер-юзеров прямо из своего твиттера и для меня лично это тоже канал привлечения, пусть и не самый большой 3. бесплатная валидация новой ниши для клонов. Я видела минимум 6 наших копий в апсторе, скриншоты и креативы прям с нашими креаторами воруют регулярно, один раз даже вместе с моим лицом (видимо, решили, что я сгенерированная 😧) но все эти клоны появились не из моих твитов, а просто потому что аппка есть в сторе, реклама есть в инсте/тик токе, скрытый b-i-p от этого не спасает продукт с тех стеком уже пару лет как не конкурентное преимущество, дистрибьюшен уже тоже скоро им не будет, а вот личный бренд фаундера и комьюнити вокруг приложения быстро не скопировать - поэтому я думаю, что когда основатель публично пишет про свой продукт это всегда в плюс. Ну и совсем все детали вам рассказывать не обязательно - достаточно пары метрик которые вы выбираете сами, причем они не должны всегда расти, ведь интересно как вы справляетесь (или не справляетесь) с трудностями 🤵 @neural_prosecco

Сделал перевод сообщения от Peter H. Diamandis от 12th августа для подписчиков Metatrends: https://telegra.ph/AVTOMAGICHESKAYA-ZHIZN-08-13 В течение ближайших трёх-пяти лет вы дадите ИИ разрешение знать практически всё о вашей жизни: ваше расписание, биохимические показатели крови, ваши разговоры, уровень стресса, музыкальные предпочтения и чувство юмора. Взамен ваша жизнь станет «автомагической». ИИ будет предугадывать ваши потребности ещё до того, как вы сами их сформулируете. [По ссылке полная версия с пятью сценариями того, как будет выглядеть такой мир, когда он наступит]. Я уже некоторое время рассказываю об этой концепции в подкастах. Я называю её ambient AI — окружающий, или повсеместный ИИ. Идея проста: ИИ постоянно активен, постоянно находится вокруг вас и делает вашу жизнь автомагической ещё до того, как вы входите в комнату. Ваш ИИ знает, что вы подавлены или грустны, и меняет для вас музыку. Возможно, на экране телевизора появляется ваш любимый комик. ИИ видит, что вы идёте в определённом направлении, и говорит: «Эй, там есть лестница. Поднимись по лестнице вместо лифта». Я думаю, что всё это появится уже к 2028 году. Вы дадите своему ИИ доступ к каждому телефонному разговору, позволите измерять всё, что происходит с вашим телом, и видеть вас через камеры в вашем доме. Всё это нужно для того, чтобы ИИ постоянно понимал, как оптимизировать вашу жизнь и автоматизировать её. Он физиологически понимает, что вам нужно больше белка, воды или витамина D. Он знает ваши цели. И действует, исходя из всей этой информации, не дожидаясь вашего запроса. Я знаю, что здесь возникает вопрос приватности. Я уже много раз его обсуждал. Dan Sullivan спросил меня об этом, и я ответил ему: приватность — это устаревшая концепция. Мы и так постоянно понемногу отдаём свои данные. То, что окружающий ИИ даёт взамен, стоит этого компромисса. «ИИ находится везде, постоянно, в окружающей нас среде. Он становится нашим интерфейсом для взаимодействия со всем». Но как это будет ощущаться в реальной жизни? Вот пять сценариев того, во что превратится жизнь, когда ИИ станет повсеместным. https://telegra.ph/AVTOMAGICHESKAYA-ZHIZN-08-13

📊 Подведём небольшие итоги опроса про практику

Довольно интересный у нас получился опрос 🙂

Возможно, результаты ещё немного изменятся, но на данный момент картина такая: 🔵 Hack The Box — 43 голоса (35%) 🟢 TryHackMe — 42 голоса (34%) 🟠 PortSwigger Web Security Academy — 26 голосов (21%) 🟣 Свой вариант — 12 голосов (10%) Всего проголосовало 123 человека. И что самое интересное — HTB лидирует всего на один голос 😄 Честно, ожидал чуть большего разрыва. В комментариях уже написали, что некоторые, возможно, недооценивают PortSwigger — и с этим сложно спорить. Особенно если речь идёт именно о web-направлении: там огромное количество очень хороших лабораторий, и многие темы можно отрабатывать буквально по шагам. Но пока факт остаётся фактом:

🥇 Hack The Box впереди всех.

Совсем рядом идёт TryHackMe, поэтому по факту у нас получилась почти ничья. Я сам, кстати, довольно часто зависаю именно на TryHackMe 😄 Но тут всё просто — в своё время взял новогоднюю подписку с очень большой скидкой, поэтому теперь стараюсь использовать её по максимуму😄. При этом, как мне кажется, у каждой платформы своя сильная сторона: 🔵 HTB — ближе к самостоятельному поиску решений и полноценным цепочкам атак. 🟢 TryHackMe — отлично подходит для последовательного обучения и закрепления базы. 🟠 PortSwigger — очень сильная площадка именно для практики по web security. Поэтому после опроса, я понял, что вопрос был сформулирован не совсем правильно🤔

«Какая платформа лучше?»

Скорее:

«Какая платформа лучше именно для вашей текущей задачи?»

Если только входите в тему — одна. Если хотите больше самостоятельности — другая. Если качаете web — третья. И отдельный респект тем, кто написал свои варианты в комментариях — GOAD, SIEM + BadBlood и другие стенды тоже точно заслуживают внимания. Так что опрос получился реально полезный. Теперь хотя бы видно, чем в основном пользуется наше сообщество 👌 #опрос #практика #htb #tryhackme #portswigger #pentest

❗️На Луне нашли следы подповерхностных рек с жидкой водой — и это может стать главной угрозой для ее освоения Снимки с космических аппаратов в районе полюсов Луны — особенно северного — показали «желоба», очень похожие на те, что образовались при таянии водного льда на Марсе. Разница с марсианскими следами грязевых потоков, однако, режет глаз: на нашем естественном спутнике вакуум, вода должна выкипать чуть ли не мгновенно. Еще самая известная теория образования Селены гласит, что вне кратеров вечной тени на ней просто не может быть больших количеств воды, необходимых для таких потоков. И все-таки они есть на снимках, а теорию образования Луны пора серьезно обновить. Подробнее в нашем материале: https://naked-science.ru/article/astronomy/lunnaya-lovushka

Чёт пздц какой-то, не? )) Книга Market Power of Technology 2023г от дядьки что я в мае постил - Private power & democracy's decline, от Mordecai Kurz. Откуда взялись монополии бигтехов и как капитализм еще 130 лет назад эксплоитил социум: Четко понимай эпоху, в которой живешь - Сегодняшний мир едет с 1986г, а до этого с Великой депрессии за 50 лет прогрессивных налогов таких проблем не было - Рыночная власть технологий всегда доминирует рынки, ростит маржу (как вам 50%?) и extreme концентрацию: техно-конкуренция отличается от прочей что лишь 1-2 winners Откуда берутся монополии - И 1-ый Позолоченный век, и 2-ой сегодняшний (с 1980ых) сопровождались политикой либерализации и laissez-faire - а иначе их не было бы. После Великой депрессии максимальные ставки личных налогов в США росли до 91% в 1951г, а corporate tax до 46-52% (а до Великой депрессии ~15%) но - Но в 1986 актер Рейган их обрушил в разы - и вот вам мир мега-неравенства. Фридман и пропагандисты-либертарианцы пролоббировали эту хрень - А ведь в 1929-1986 нормально же жили, и никто не ныл про налоги. А тем более про катапультирование во всякие network states Эффекты и последствия - Просто капитал сам по себе не так важен как monopoly power. Эта власть на будущие десятки лет и объясняет абнормальные P/E сегодня. Патенты на 20-30 лет, кстати, это же просто гос.индульгенция на монополии (e.g. патенты GE - Westinghouse были с 1896 по 1929) - отсюда эта патентная дичь США - С 80ых доля monopoly wealth как % от всего рынка акций США доросла до 80% (но финансируется это все долгом). А доля монополий в общих прибылях США щас 25-30% (в 1985г 7%) - В демократиях регулирование лагает (в начале XX в. минюсту США понадобилось 20 лет) - отсюда и взлет неравенства. Это рационально: монополии и снижают общую экономическую активность в стране, и рынки труда поляризуют (см. Silicon Valley vs. прочие США) - Китай лидировал в мире до XVIIв, но с 1500ых гг европейцы освоили монополизации: пресс Гутенберга ли или специи из Индии итп. Адам Смит в 1776 задурил Запад, спутав laissez faire и техно-прогресс (а именно он драйвит рост экономик) - В США средней монополии 40 лет, т.е. половина monopoly wealth в США щас - это айтишечка. Christensen'а про disruptive innovations не так поняли: крупняк непрерывно скупает стартапы чисто ради патентов Хищники - Кстати, держатели корпоративного долга тупят: ведь так весь wealth и остается у держателей акций - Но еще больше корпорации эксплоитят своих сотрудников.. Пикетти, кстати, глупый что якобы wealth копится поколениями - видно же, что монополии на наших глазах вырастают.. - Мега-overinvestments в AI связаны с тем, что вход конкурентам возможен именно в моменты смены техно-парадигм Масштабы value - Монополии легко определить тем, что их intangible assets на балансе (все эти патенты, софт, бренд итп) пипец огромные по сравнению с традиционными капитальными активами (заводы, шахты итп). В 1975 IP стоило 17% от индекса SP500, а щас 92% - С 1980ых в США доля труда в доходах корпораций упала с 65% до 55%, а доля капитала с 30% до 15% - остаток и есть прибыль монополий, рост с 5% до 30% - Диффузия инноваций монополиями не оч. замедляется, но зато потом конкуренты блочатся (в тч исками). И цены: e.g. электричество в США НЕ дешевело в 1915-1939, хоть его выпуск и вырос в 7 раз Без регуляций никуда - В любом макро-моделировании всегда видно, что чем меньше регуляции и ниже ставка ЦБ, тем быстрее взлёт монопольного неравенства. А какие у нас были ставки с 1986го? - Бигтехи США прячутся в офшорах по миру, надо бы 50% tax. И патентное право менять. И non-compete убрать. А платформы и вертикально интегрированные конгломераты а-ля Amazon или SpaceX разбирать на части (антитраст законам Шермана уже 130 лет) - Гений Рузвельта был в защите общественного блага после Великой депрессии.. А Рейган устроил демонтаж. И чё делать - хз: США тонут в модели с лоббизмом, где, по факту, доноры выборов решают кого изберут в законодатели ** Академично и длинно - не читать, моего саммари хватит. Можно графики полистать Деду 91 год - тоже хочу ясный мозг )

Заметки на полях Ошибка продуктовых компаний: они часто измеряют то, что растёт, а не то, что объясняет экономику продукта Например, онлайн-кинотеатр измеряет часы просмотра и рапортует, что они выросли на 2%, примерно до X млн. часов. Но если аудитория при этом выросла быстрее, то watch hours per subscriber могли снизиться. То есть агрегированная метрика позволяет рассказать историю «engagement растёт», даже если средний пользователь смотрит меньше. Это универсальная ловушка: для растущих платформ абсолютные метрики почти всегда выглядят лучше когортных. Поехали дальше. Но возможно, watch hours per subscriber вообще не главная метрика онлайн-кинотеатра. Пользователь платит не за каждый просмотренный час. Он платит за опциональность: «Когда мне захочется что-нибудь посмотреть, у сервиса будет что предложить». Ценность продукта не обязана быть пропорциональна интенсивности использования. Поэтому человек, который посмотрел онлайн-кинотеатр 8 часов, необязательно менее ценен или менее удовлетворён, чем человек, посмотревший 25. Для бизнеса гораздо важнее: есть ли у пользователя достаточно причин не отменять подписку? Поэтому engagement надо связывать не с количеством часов, а с вероятностью продления подписки. Интересная продуктовая метрика могла бы выглядеть скорее так: контент → просмотр → ценность → retention → revenue. И тогда может оказаться, что дополнительные 10 часов просмотра почти ничего не дают retention.А один сериал, который человек действительно ждал, даёт очень много. То есть не все часы одинаковы. Более того: разные типы просмотра имеют разную экономическую ценность. Час прямой трансляции ЧМ по футболу и час сериала одинаково попадут в метрику watch hours. Но бизнес-эффект может быть совершенно разным. Сами понимаете, почему.

Сегодня я нажал кнопку "раскатать на всех" в эксперименте, над которым моя команда работала с начала года. Эксперимент положительный, доверительный интервал глубоко зеленого цвета. Опытный экспериментатор отметит тот факт, что граница доверитильного интервала далеко от нуля, а значит confidence у этого эксперимента достаточно высокий. Вне всяких сомнений, это улучшение опыта клиентов немного заметное даже на масштабе всей огромной компнии. Успех в этом эксперименте фактически означает, что мы выполнили свои цели на этот год, и дальше можно работать уже имея большую свободу: вкладываться в какие-то долгосрочные проекты без немедленной отдачи, или доводить какие-то более мелкие штуки. Ну и немного улучшить ситуацию с тех. долгом, поработать над нашим собственным тулингом, углубить интеграцию с AI в конце концов. Суть улучшения не все поймут даже внутри компании, а наружу про нее говорить вообще пока нельзя, но это на стыке модного AI (LLM-driven) и классического ML. Я очень рад, что именно эта гипотеза сработала. Дело в том, что новомодный AI, конечно, обладает большими возможностями, и иногда слабо отличим от магии, но для задач, где нужно обработать огромное количество данных, он почти не применим: и дорого и медленно. Недавно стали появляться подходы, которые позволяют их эффективно скрещивать, и использовать магию LLM в том числе на BigData задачках, но они пока технически достаточно сложные. Один из них сработал у нас. Я надеюсь, через пол года об этом напишут статью, и тогда можно будет рассказывать уже в деталях, а пока просто хочется разделить с вами эту эмоцию.

Про культурный код моделей и соответствие каким-то ценностям LLM. Мне много стали присылать в лс такую новость. 😬 Тлдр. Модели AI будут проверять на соответствие культурным ценностям, для получения звания национальных или суверенных. 😐 Я очень много писал о том, почему такие проверки сделать непросто. Вот пример. 🦻 Если коротко, на просторах сети мало русских текстов в отношении доли к английским. И тк модели учатся в тч на этих текстах, их доля там привалирует, ну иначе, вам не обучить модель на 700B параметров только на ру базе, это будет не оптимально. Да есть синта, соглашусь, но синта не даёт такой буст, как мультилингв данные. Таким образом, на этапе уже предобучения у вас лежит возможность сгенерировать не то, что соответствует культурном коду вашей страны. Особенно если перейти на запрос на английском или китайском языках. Что же с ру LLM? А теперь если посмотреть на все модели в ру сегменте, то это или Qwen-like модели, с инициализацией с весов (а значит часть информации уже лежало там с претрена китайцами), или модели, где 65%+ не ру дата в претрене. Отсюда остаётся вопросы: Как пройти проверку? Какие эксперты, на каких сетах и на каком языке будут проверять соответствие? В целом, тк уже на уровне языков в обучении можно пробить модель на чужой культурный код, то остаются только методы: - гвардов сверху и спец логики рядом (если обстрел по апи) - sft и RL элаймент модели под нужное поведение под сеты оценки, а я не уверен, что методология и сеты оценки будут закрыты от оцениваемых. И оба способа НЕ идеальны, тк и в гардах и sft/RL есть понятие OOV примеров, те запросов, которые модель никогда не видела и даже не смогла на уровне "эмерджентности" аппроксимировать. Те вас рано или поздно пробьют всеравно. А ещё есть галлюцинации... 🚬 Таким образом, пройти проверку можно, есть и хаки, и честные способы, но и есть понятные причины рисков. И будет жутко интересно, особенно, когда какая-то модель пройдёт тесты, а потом в какой-то соц сети её пробьют, выложат скрины и скажут, ну как так. Что уже не раз бывало. 👍