Не для ИИ роза цвела Если верить исследователям, мы всё дальше уходим в образ жизни, для которого наш мозг не предназначен. По логике этих исследований мы созданы ковырять песок палкой и писать одно письмо e-mail в месяц. Я не спец по эволюции, но здравый смысл подсказывает, что если мы уже около 100 лет ускоряемся и до сих пор массово не отъехали кукухой (не отъехали ведь?), то мозг — штука довольно адаптивная. На The Verge вышел любопытный материал, где автор сравнивает ИИ с джанк-фудом, типа не полезно: жирная еда когда-то была эволюционно необходима, но в избытке стала вредной. Аналогично с ИИ, который даёт слишком лёгкий доступ к результату и может убивать способность самостоятельно формировать знания. Отсюда и образ cognitive hot dog и метафора с говноедой. Главный риск, по мнению автора, не редкое использование ИИ (типа сожрал раз в неделю), а превращение его в постоянную часть ментального рациона. Он считает, что любой запрос к ChatGPT вреден, и опасается систематической передачи машине усилий, через которые человек вообще учится думать. Понятное дело, что тупели мы и от чтения книг, и от телевизора, и от компуктеров этих ваших, и "калькулятор не будет у тебя всегда в кармане", но автор статьи считает (и я с ним согласен), что ИИ принципиально отличается от прежних инноваций, потому что претендует на замену самого процесса мышления — формулирование, рассуждение, объяснение и принятие решений. Как результат, к давно знакомой нам дофаминовой петле добавляется петля когнитивного делегирования: чем чаще человек отдаёт рассуждение AI, тем более чахлым становится навык атономного мышления и, как следствие этого, частота и глубина делегирования увеличивается. Проще говоря, наша способность мыслить снижается. И если рилсы — это ковёрная бомбардировка состояния, то ИИ-чатботы бьют прицельно в мозг и его способности. Лоботомия такая получается. Как выглядит на практике: — Мы не формулируем точные запросы для поиска, а кидаем туда небрежные NLP-формулировки, чтоб не напрягаться — Мы не читаем лонгриды, а просим дать выжимку — Мы не анализируем метрики глубоко самостоятельно, а закидываем в бота и просим сделать выводы и накидать гипотез И знаете что этот автор-луддит предлагает? Внедрить зоны без ИИ, и одним из первых таких мест должна стать школа. И у меня тут пока нет однозначного мнения: с одной стороны, запреты могут работать (например, запрет на курение в общественных местах или запрет калькуляторов на экзаменах по математике), а с другой, уж больно сложно реализуемо, а ещё бьёт по навыкам, которые потом потребует у выпускников работодатель. Альтман недавно сказал, что (не дословно): "ИИ принесёт нам много всякого говна, но оно того стоит". Что думаете? 🔥 — ограничивать надо ❤️ — принять технологию и не жужжать 🦄 — где-то посерединке я

Новые ограничения FCC могут заставить разработчиков роботов отказаться от постоянной привязки к облаку и перенести ИИ-вычисления прямо на борт машин. 🤖 🤍Компании, создающие физический ИИ, сегодня сталкиваются с жестким выбором. Приходится решать, какие задачи должны крутиться на самом роботе, а что еще можно доверить облачным серверам. 🤍Главная проблема кроется в надежности. Зависимость от внешних дата-центров упирается в стабильность связи, требования безопасности и растущую прозрачность цепочек поставок.

В условиях новых регуляторных барьеров архитектура стека должна соответствовать самым строгим стандартам кибербезопасности,

— отмечают эксперты The Robot Report. ⚡️На практике это ускоряет тренд на edge AI — локальные вычисления, где робот принимает критические решения сам, без задержек на передачу данных в облако. Подробнее — в материале The Robot Report. 🤍Подробнее — в источнике. ————————— 🤖Подписывайтесь на лучший канал PRO Роботов 📲Мы в MAX

AltaIR Capital Игоря Рябенького инвестировал в канадский ИИ-стартап Expertise AI. Раунд на CA$3,2 млн возглавил фонд UpHonest Capital при участии AMINO Capital, Welight Capital и UpScaleX. Expertise AI был основан в 2023 году. Стартап помогает компаниям развивать практические навыки работы с искусственным интеллектом и внедрять ИИ-агентов в продажи и клиентскую поддержку, “совершая переход от экспериментов к воспроизводимым бизнес-процессам”, которые становятся доступны для организаций из традиционных отраслей. В Expertise AI для агентов и рабочих процессов каждого клиента разворачивают отдельный виртуальный сервер. Клиенты сами выбирают используемые модели, включая решения с открытым исходным кодом и модели с открытыми весами. При этом учитываются требования к производительности, стоимости и эксплуатации технологии.  AltaIR Capital был запущен в 2005 году. Его объем составляет $500 млн. Фонд фокусируется на инвестициях в компании на ранних стадиях, которые ориентируются на глобальный рынок и обладающие потенциалом капитализации в $100 млн. @rusven

Поехали посмотрим на тех корпоратов, кто пишет нейрослоп! Собственно, появился такой термин Trend Slop — корпоративный мир заполняется стратегиями, которые звучат правильно (дифференциация там, синергия, долгосрочное планирование), но по сути пустыми, потому что там нет реального опыта и точки зрения. Не то, чтобы это что-то новое, они всегда так делали, но теперь поднялся градус идиотизма. Первый опыт. Взяли финансовых консультантов BCG — чтобы туда попасть, надо быть выпускником Гарвада, Оксфорда или ещё каким-то пафосным типом. Часть работала с моделями, часть сами, по-дедовски. Для задач, с которыми модель справляется отлично, аугментированные просто разнесли тех, кто пытался сам. Быстрее и качественнее на треть. Самое смешное — те, кто до этого работал херово, улучшили свои показатели на 43%. Сильные спецы тоже стали работать лучше на 17%. КольтGPT сделал всех людей равными. Дальше взяли потрясающий XLS с красивыми числами как на всех презентациях + кучу интервью, в которых надо было разобраться и понять, что третья черепаха врёт. Фокус в том, что LLM не отличали тонкий подтекст типа "90% согласились" при "исследование не было анонимным"; или "Уровень удовлетворенности клиентов вырос до 85%" — но "после внедрения новой методологии опроса"; всякие "Задачу взял на себя эксперт с богатым кросс-функциональным опытом"; "Проект переходит в фазу оптимизации ресурсов и пересмотра фокусных метрик"; "Мы наблюдаем временную стабилизацию метрик на достигнутом плато" и т.п. На этом задании эксперты без модели решали правильно в 84,5% случаев, с моделью — в 65%. Почему? Ну, уснули за рулём. Взяли мощный инструмент и расслабились. Даже когда ответы ИИ-группы были неправильными, они были написаны очень красиво, логично и убедительно. Тут опыт на 293 писателях, 3 группы: — Сами — 1 подсказка от модели — 5 подсказок от модели Потом 600 человек читали рассказы и оценивали. — ИИ повышает качество текстов. — 1 подсказка: +5,4% к новизне, +3,7% к полезности. — 5 идей давали +8,1% по новизне и на +9% по полезности относительно мясного мозга. — Людям, которые от природы мыслят нестандартно, нейросеть вообще не помогла. Они и так были хороши. — Для людей с низкими творческими способностями ИИ стал суперсилой. +26,6% к качеству и +22,6% к увлекательности. Нейросеть берёт середнячка или слабого автора и подтягивает его до уровня таланта. LLM-рассказы оказались примерно на 10% более похожими друг на друга, чем истории, написанные чисто людьми. Авторы сильно цеплялись за структуру и образы, которые им выдавал алгоритм. В масштабах общества мы получим сужение творческого кругозора — историй становится много, но как под копирку. Самый прикол — человек часто не понимает, что пишет плохо, и не осознает, насколько сильно нейросеть улучшила его работу. Методология, конечно, косая насквозь, но идеи прикольные. Тут в препринте взяли 444 белых воротничков. Дали два типичных письменных задания, занимающих обычно 20–30 минут (например, написать пресс-релиз, короткий отчет или деликатное письмо сотрудникам про то, что бигдата оценила их успехи в Джире, и они все уволены). Сначала сами, потом второе задание — пополам, часть сами, часть с моделью. С ИИ +37% скорости, оценки выросли от среднего к хорошему. Такая же история — КольтGPT уравнял всех. Дальше платили реальные деньги тем, кто сделает хорошо. Казалось бы, люди должны взять текст нейросети и вылизать его до идеала. Но нет! Оказалось, что в стандартных офисных задачах человеческий труд не добавляет вообще никакой ценности машинному тексту. С моделью время на черновик упало в 2 раза, время на редактуру выросло. Но 68% просто копировали ответ модели и сдавали его вообще без правок. В конце участники реально испугались, насколько ИИ отберёт у них работу, и пошли внедрять у себя, чтобы это возглавить. 33% начали применять сами (обычный показатель — 18%), остальные сказали, что нейросеть не знает специфики их компании и секретных рабочих контекстов. -- Вступайте в ряды Фурье! | Лучшие посты Старый медведь ругает молодых: — Мы три года жили в офисе, свободно ходили по кабинетам, на нас не обращали внимания. Каждый день мы съедали по менеджеру. НО! НАФИГА ВЫ СОЖРАЛИ УБОРЩИЦУ?!

РТК-ЦОД представил корпоративного ИИ-ассистента для безопасной работы с документами и базами знаний РТК-ЦОД, ИТ-сервис-провайдер полного цикла, представил на форуме «Цифровые решения» корпоративного ИИ-ассистента для организаций с повышенными требованиями к защите данных. Решение разработано в сотрудничестве с блоком информационных технологий «Ростелекома». ИИ-ассистент помогает сотрудникам мгновенно находить и анализировать информацию во внутренних документах и базах знаний. Продукт подходит для крупного бизнеса и способен оперировать тысячами файлов разных форматов, при этом данные никогда не покидают периметр организации. #ростелеком #россия #ии #информационнаябезопасность 📎Подробнее 🔖 3DNews в TG | MAX | VK

Один из лучших способов заработать на буме ИИ – вообще не заниматься ИИ. Сейчас будет несколько любопытных и местами вдохновляющих историй об этом. Можно, например, вложиться в производство термопрокладок и теплопроводящих гелей, как это сделал китайский продавец скотча и клея. Когда случился бум нейросетей, дата-центры и производители электроники выстроились в очередь к его компании Shenzhen HFC. Её продукция оказалась спасением для мощных ИИ-чипов, которые греются как утюги. В день выхода на биржу акции компании взлетели на 719%, и к вечеру бывший торговец клеем стал долларовым миллиардером. Таких историй за последние годы набралось немало. Криптомайнеры приспосабливают свои площадки, электричество и охлаждение под GPU-кластеры. Производители стекла зарабатывают на оптоволокне для дата-центров. Даже фабрика, где варят глутамат натрия, делает из побочных продуктов этой приправы изоляционную плёнку для чипов. Но моя любимая история – про японскую Toto. Компания больше века выпускает унитазы и биде. При этом ещё с 80-х у неё есть малозаметное побочное направление: керамические держатели, которые фиксируют кремниевые пластины при производстве микросхем. Десятилетиями оно считалось довеском к основному бизнесу. А с бумом нейросетей именно этот довесок стал приносить больше прибыли, чем вся сантехника. Акции компании за год подорожали вдвое, а инвестфонды называют её одним из самых недооценённых бенефициаров ИИ. Производителя унитазов! Большой тренд обогащает не только тех, кто находится в его эпицентре. Вокруг быстро возникает целая кормовая база для компаний, у которых уже есть нужная экспертиза, оборудование или инфраструктура. Поэтому, разглядывая очередную технологическую революцию, не спешите придумывать под неё новый бизнес. Сначала посмотрите на свой нынешний проект под другим углом: возможно, какая-то из ваших сильных сторон закрывает дефицит на соседнем, более маржинальном рынке. Тогда не придётся сжигать деньги и годы, строя что-то с нуля.

мне кажется, для работы с ии один из самых важных навыков, которые у людей быстро деградирует - внимательно читать то, что он тебе написал, включая длинные тексты. не пробежать глазами и поймать общий вайб. а разобраться, что именно ты сейчас одобряешь. ты обсуждаешь с моделью задачу, она пишет тз. потом выполняет работу и присылает результат. и то и другое нужно внимательно проверить. в тз надо разобраться: модель вообще собирается делать то, что тебе нужно? ничего не потеряла? не приняла за тебя решение там, где стоило спросить? результат тоже нужно сопоставить с задачей, разобраться в выводах, заметить допущения, понять, где отдельно проверить факты, расчеты или саму работу. «модель написала, что все готово» и «я проверил, что все готово» разные события. отсюда могло идти рассуждение на тему людей кто умеет пользоваться ии, а кто умеет генерировать слоп) и вот тут скилл конкурирует с привычкой к рилсам и вообще контенту, который должен за три секунды тебя заинтересовать, развлечь и донести главную мысль. кажется, из этого режима легко принести в работу ожидание, что любой текст должен усваиваться без усилий. стало сложно, скучно, непонятно? сократи. еще сократи. ладно, выглядит нормально, делай. но иногда именно в том абзаце, который хочется проскроллить, находится решение, с которым ты не согласен. карпатый недавно писал про эту же проблему со стороны интерфейса: нам придется больше разбираться в результатах работы моделей, и для этого можно просить не только текст, но и схемы, интерактивные страницы, персональные видеообъяснения. мне эта идея нравится. но есть разница между «покажи так, чтобы я лучше понял» и «сделай так, чтобы мне не пришлось вникать». иначе у тебя не управление агентами, а скроллинг с кнопкой одобрить (или даже без нее) . @aihappens

Александр, привет! Проблема действительно встречается, но она очень сильно зависит от конкретного кейса, реализации и региона, где агент внедрён. У меня на платформе сейчас 47 голосовых агентов в продакшене, около миллиона минут разговоров в месяц, и все они из разных отраслей. Может, твоему знакомому пригодится как бенчмарк. Вот несколько примеров того, как это выглядит у нас: Медицинские центры (запись к врачу): • Сразу просят человека: 17% • В течение разговора: 23% Интернет-провайдер (первая линия поддержки): • Сразу просят человека: 22% • В течение разговора: 57% Сервис лифтов: • Сразу просят человека 22% • В течение разговора: 35% Ресторан (бронирование): • Сразу просят человека: 17% • В течение разговора: 22% Сеть мед лабораторий: • Сразу просят человека: 30% • В течение разговора: 45% Аэропорт: • Сразу просят человека: 31% • В течение разговора: 38% Курьерская служба (входящая линия, не уведомления): • Сразу просят человека: 60% • В течение разговора: 76% Если будет полезно, могу сделать и более подробную разбивку: не только сколько людей просит человека, но и с какими вопросами звонят и какие интенты встречаются чаще всего. Надеюсь, кому-нибудь будет полезно.

Вайб-заводы На прошлой неделе у знакомого сломалась посудомойка — отлетела защелка. Он описал словами эту фигулину, ИИ сделал чертеж, 3D-принтер напечатал. И вауля — все работает. Потратил 200 рублей на пластик — сэкономил тыщ пятьдесят. Десять лет назад «железо» начиналось с инженера, билета в Китай и пресс-формы за десять штук баксов. Ты получал партию в 5000 изделий и книжку с молитвами, чтобы все продалось. Сегодня завод превратился в сайт: грузишь файл в SendCutSend или Xometry — через секунду цена, через несколько дней посылка. Хоть в одном экземпляре. А запросы типа «купить ручку для...» в Вордстате — готовый портфель заказов. Ждем вайб-производство и того, кто на этом заработает.

Отключение мозга ничего хорошего не сулит ИИ-агенту поручили поправить управление DATABASE_URL. Он разнёс решение примерно на 20 правок, добавил условия в NPM-скрипты и вызов Node в CI. Человек потом сделал то же самое добавлением одного слова — без единой новой строки. Примерно так и выглядит проблема, о которой пишет Дэн Луу: чем лучше становятся агенты, тем проще перейти в режим «поставить задачу → принять результат → при проблеме отправить обратно на исправление». Никлас Грюн назвал человека в этой цепочке «кожаным передатчиком». Сам Луу агентами пользуется постоянно. Но между помощью ИИ и передачей ему всего мыслительного процесса для него проходит довольно важная граница — и примеров того, где она проявляется, здесь хватает.