ИИ

Попросил ChatGPT собрать план жизни мечты. Он первым делом спросил, чья это вообще мечта Ждал список из десяти пунктов и таблицу по неделям. Вместо этого получил интервью на час. Промпт задаёт по одному вопросу и не идёт дальше, пока не ответишь. Я спокойно доехал до шестого: «что ты откладываешь, потому что оно слишком важно». И завис. Ответ у меня был, я его просто никогда не проговаривал вслух. Отдельно неприятно стало на вопросе про навязанные цели. Половина моего списка на год оказалась чужой: кусок от рынка, кусок от чужих постов в ленте, кусок от «ну все же так делают». Работает в два шага, в одном чате. Шаг 1. Кидаешь первый промпт и отвечаешь максимально подробно. Лайфхак: включи микрофон в телефоне, наговаривай ответы голосом и расшифровывай. Так можно говорить по 10 минут и не экономить на словах. На коротких ответах вся эта штука разваливается. Шаг 2. Когда цель сформулирована одним предложением, отправляешь второй промпт. Он раскладывает её на этапы, действия и метрики в твоём темпе. Промпт 1. Интервью на поиск настоящей цели

Ты мудрый собеседник и коуч, внимательный и глубоко понимающий. Проведи меня через серию вопросов (до 10), чтобы я честно и глубоко понял: чего я хочу на самом деле, что мной движет и какая моя настоящая цель.

Сначала уточни у меня: на какой срок я ищу цель (1-6 месяцев, 1-3 года или жизненный путь), в какой сфере (работа, отношения, здоровье, творчество, личность), готов ли я быть предельно честным с собой, какой стиль общения предпочитаю (мягкий, прямой или провокационный).

Затем задавай по одному вопросу, не переходя к следующему, пока я не отвечу:
1. О чём я думаю чаще всего? Что из этого даёт энергию?
2. Если бы не было страха, денег и чужого мнения, чем бы я занялся?
3. Какие мои цели на самом деле навязаны извне?
4. Какая цель кажется «правильной», но не вдохновляет?
5. Что я боюсь даже себе признаться, что хочу?
6. Что я откладываю, потому что оно слишком важно?
7. Что я делал бы утром следующего дня, если бы достиг всего?
8. Был ли момент, когда я чувствовал «это моё»?
9. Какие 1-3 ценности для меня важнее всего?
10. Как из всего этого сформулировать мою настоящую цель одним предложением?

В конце задай последний вопрос: представь, что через 3 года я живу своей мечтой. Опиши этот день: где я, с кем я, чем занимаюсь, как себя чувствую. И помоги мне соединить это с моей целью.

Промпт 2. План под эту цель

Составь мне максимально детальный, чёткий, пошаговый план достижения моей цели в моём темпе.

Сначала уточни у меня: за какой срок я хочу достичь цели, сколько времени в неделю реально готов вкладывать, какие ресурсы у меня уже есть (деньги, навыки, связи), каких ресурсов не хватает.

Затем создай структуру плана:
Шаг 1. Цель в формате SMART: переформулируй её как Specific, Measurable, Achievable, Relevant, Time-bound.
Шаг 2. Декомпозиция: разбей цель на 3-5 ключевых этапов.
Шаг 3. Конкретные действия: что именно делать на каждом этапе.
Шаг 4. Препятствия: спрогнозируй, какие проблемы могут возникнуть и как их обойти.
Шаг 5. Метрики: как отслеживать прогресс.

Покажи, что я должен делать на этой неделе, в этом месяце и каждый день для движения к цели.

Промпты дают одну сессию в одном чате. Для тех, кто на Claude Code, я собрал углублённые версии: скилл ведёт интервью по фазам, ловит дежурные ответы и складывает цель с планом в файл. Через месяц возвращаешься, он читает файл и сверяет, куда ты реально дошёл. Установка простая: скинь Claude Code архив из поста ниже и напиши «поставь сам». Дальше одна из команд: «проведи меня по вопросам к настоящей цели», «составь план жизни мечты». Оговорка честная. Терапию это не заменяет, с тяжёлым состоянием иди к живому специалисту. И денег сам по себе план не приносит: на выходе ясность и маршрут, ходить по нему всё равно ногами. Расскажи потом, на каком вопросе ты завис) Лаборатория нейросетей

Вышла обновленная модель Opus 5.0, я сразу же затестила ее в клодике. Модель замечательная — умнее и быстрее предшественников. Но вот, блядь, незадача: она намеренно делает опечатки в своих же текстах. Даже если речь идет про создание лендингов на копоративный сайт, где опечатки точно не могут быть частью ред. политики. Типа где-нибудь в предложении специально не поставит запятую, пропустит букву, накосячит с падежом. Это не одна случайная ошибка на 50 страниц. У меня стабильно где-то одна опечаточка на абзац. Нейросеть, обученная на огромном количестве человеческих текстов, такая: «Кожаные мешки тупые и регулярно делают опечатки... значит, и мне надо». Я никогда в жизни вообще такого не видела. И че это такое, Дарио Амодеи? Чтобы в понедельник у меня на почте был отчет. А если нет, то я эксалирую сразу до Лукашенки.

Что будет, когда ИИ-пузырь лопнет? У The Hustle вышла именно такая статья. Про термин "ИИ-пузырь" можно бесконечно спорить, но сам материал любопытный, и его считаю нужным разобрать. Итак, начинают с велосипедной метафоры. В 1897 году в Бирмингеме изобрели безопасный велосипед с пневматическими шинами, и город сошёл с ума. Около 400 местных вело-мастерских тут же вышли на биржу, их акции разогнались в 100500 раз, но уже через год 3/4 из них сдохла, потому что велосипеды не заменили весь транспорт планеты Земля. Хотя сам велик, как вид транспорта, прекрасно закрепился, и все мы на нём иногда катаемся. Так вот, авторы утверждают, что слово "пузырь" - плохая метафора для таких штук. Ну, потому что пурызь делает бум-бах и исчезает полностью. Исследователи фин пузырей Куинн и Тёрнер предлагают заменить его на огонь. Огонь может всегда гореть, но сегодня он небольшой язычок пламени, завтра - порядочный костёр, а послезавтра - гигантский пожар. Его размер зависит от количества и качества дров (= дешёвого кредита и других типов финансирования, рынка, хайпа, возможностей спекулировать и шортить и т.д.). Ну и чтобы его изначально зажечь - нужна искра (= новая технология, после которой уже не будет как раньше). ИМХО, это действительно более подходящая аналогия. Так что, если встретите свидетелей ИИ-пузыря - расскажите им, что на самом деле они веруют в костёр, вот. Далее статья разбирает, что будет, если дровишки всё-таки оскудеют. Причём разбирают 4 разных зоны, которые почувствуют эффект: 1. Рынок акций. Гиперскейлеры собираются потратить $1,4 трлн к 2028 (прогноз Morgan Stanley) или $1,1 трлн к 2027 (Wells Fargo), а Anthropic и OpenAI оценены так, будто каждая из них станет победителем всей гонки, хотя так не бывает. Когда костёр ослабеет, частные инвесторы, понятное дело, обломятся - но хрен бы с ними. Хуже, если институционалы будут ставить на ИИ-бум заёмные средства. Вообще считается, что в отличие от той же недвиги в 2008, на ИИ ставят в основном собственные средства. Но кейс Ашенбреннера явно показывает, что это... ну.... не совсем так. Я не знаю общий объём плеча на ИИ-индустрию, но если он большой, то это системный риск. Банки и фонды могут допнуть и потянуть за собой других участников. 2. Рынок труда. Сейчас все строят гигантские ЦОДов и дают временные рабочие места, но чтбы обслуживать готовый дата-центр - нужно всего 50–200 человек. Это вряд ли компенсирует замещение людей ИИ-агентами (тут я бы поспорил, что вообще есть какое-то замещение, но да ладно). Но тут общий прогноз в целом оптимистичный. Раз интернет породил кучу индустрий с кучей вакансий, то и от ИИ стоит ждать подобного креативного всплеска. И это всё окупит, даже если дата-центры сдуются, а агенты продолжат выкидывать джунов. 3. Пенсионные накопления. Сейчас обычный человек [американский - речь в основном про США] человек привязан через ETF к пузырю сильнее, чем во времена доткомов. В том же индексной фонде S&P 500 1/3 идёт на "Семёрку" (Nvidia, Google, Microsoft, Amazon, Apple, Tesla и экстремисты). В момент икс может сработать "эффект богатства в обратную сторону". Если портфели начнут усыхать - люди будут резать реальные траты на квартиары, машину, отпуска и т.д., и это надавит на всю экономику. После тех же доткомов S&P 500 восстанавливался около 5 лет. Поколению X придётся сложнее всего - у них только 14% имеют традиционную пенсию против 56% у тех же бумеров (миллениалы и зумеры, видимо, ничего не почувствуют - у них и так нет денег 😈). 4. Повседневная жизнь. Хотя плечо и используется, сейчас всё-таки финансируют в основном через акционерный капитал (ну, если сравнивать с той же недвижкой в 2008). Именно поэтому после "лопания" последствия должны быть менее разрушительными для экономики в целом. Ну и плюс в том, что технологические пузыри, в отличие от долговых, оставляют после себя что-то осязаемое, на чём можно строить продукты и генерить новые кусочки ВВП. Интересно, что об этом начинают предметно задумываться в паблике. Гои сами себя не прогреют, как говорится. Дизраптор

Последняя перед отпуском колонка в Forbes родилась из странной ассоциации и воспоминания, которые меня начали посещать по ходу чтения всяких материалов о внедрении ИИ в разных компаниях и бизнес-процессах. Воспоминания были из давней поры моих занятий экспериментальной физикой лазерной плазмы, где в разных обличьях проявлялась неустойчивость Кельвина-Гельмгольца (ее красивое формальное название — неустойчивость тангенциального разрыва). Граница потоков, движущихся с разной скоростью, не может оставаться гладкой и ровной: на ней обязательно возникнут волны, вихри, турбулентность. Каким тут боком внедрение ИИ — читайте по ссылке:) https://www.forbes.ru/tekhnologii/565896-ne-tol-ko-skorost-kak-tehnologii-rasslaivaut-processy-v-biznese

В этом месяце мы путешествуем. Поэтому время наедине с лаптопом ограничено. Поэтому я и завел codex демонов на linux сервере. Самое главное, наконец, доделал новую версию full-stack event-driven BDD фреймворка, про который обсуждали на вебинарах по AI Coding. Про подход к BDD спекам в продуктах (еще в эру до LLM) я рассказывал в этой истории. Сейчас получилось сделать их full-stack, привязать к UI компонентам (например, через go templ) и свалить работу по написанию и поддержанию на Codex. Скорость я сильно не оптимизировал, спеки запускаются на одном ядре, поэтому получается прогонять "всего" тысячу спеков в секунду). Когда спеков будет больше тесячи - добавлю параллелизм, ибо дольше секунды гонять все базовые бизнес-тесты - для меня недопустимо. И когда есть такие спеки, давать с мобилики задачи кодексу на "напиши спеки под такую фичу" и "а теперь реализуй эти спеки" - одно удовольствие! Даже когда спеки про такие заунывные вещи, как GDPR-compliant email opt-in. А сам код в проекте на скриншоте - от будущей платформы для AI Coding коммьюнити. Ваш, @llm_under_hood 🤗

Команда Антона Конушина и лаборатория Fusion Brain вместе с  ребятами Сергея Маркова и Игоря Пасечника из SberAI опубликовали крутое обновление в нашей линейке моделей для реверс-инжиниринга! CADENA: Stepwise CAD Reverse Engineering Перешли на пошаговое предсказание — модель стала гибче, качество выросло, и чем сложнее датасет, тем больше отрыв. Плюс собрали CADENA-Bench: 3396 реальных механических деталей, разбитых по категориям ЕСКД, чтобы можно было оценивать готовность к практике для отдельных типов деталей. О постановке задачи для тех, кто пока про нее не слышал: по скану физической детали восстановить её CAD-модель — дерево построений, которое инженер может править и по которому деталь можно произвести. Последовательность CAD-операций пишется питоновским кодом, так что фактически это mesh2code. Наши прошлые модели предсказывали всю последовательность разом и потому наследовали статистику трейна: если операция B в обучении всегда стоит между A и C, на инференсе она встанет туда же. На сложных и редких деталях это ломалось. В CADENA мы предсказываем по одной операции за раз — модель исполняет то, что уже написала, смотрит на разницу с целью и решает, что делать дальше. Плюс новый генератор, дающий длинные последовательности операций. Результат: заметный отрыв на всех датасетах, где мы замеряемся. На CADENA-Bench мы лучше в 5 категориях из 6 и в среднем. На BenchCAD, где свои модели меряет в том числе Claude, восстановление объёма 91% против 71% у фронтирных моделей и 75% у специализированных. На гифке — как модель собирает деталь по операциям. Paper: https://arxiv.org/abs/2608.00799 · https://huggingface.co/papers/2608.00799 GitHub: https://github.com/zhemdi/cadena Dataset: https://huggingface.co/datasets/kulibinai/cadena-bench Model: https://huggingface.co/kulibinai/cadena Заапвоутить: https://huggingface.co/papers/2608.00799

✔️ США освободили китайские открытые модели от обязательного тестирования Белый дом вывел китайские модели с открытыми весами из-под действия нового регламента ИИ-безопасности. Администрация США отказалась от их обязательного тестирования, о чем сообщила представителям OpenAI, Anthropic и Google на закрытом брифинге. Регулятор ужесточил контроль после апрельского предупреждения от Anthropic перед релизом Mythos. Дополнительным поводом послужили недавние инциденты, когда системы OpenAI и Anthropic выходили за пределы тестовых сред в инфраструктуру сторонних организаций. Исключение для китайских решений противоречит позиции CEO Anthropic Дарио Амодеи, который требовал внедрить обязательные проверки для всех разрабатываемых моделей. zaobao.com.sg ✔️ В Google DeepMind произошли кадровые перестановки Демис Хассабис перешел с поста главы DeepMind на позицию Chief Scientist материнской компании Alphabet. Он сфокусируется на стратегии AGI и развитии медицинского ИИ в Isomorphic Labs. Повседневное управление DeepMind и разработка семейства Gemini перешли к Кораю Кавукчуоглу, бывшему техническому директору подразделения. Одновременно Google покинул Джефф Дин, проработавший в корпорации 27 лет. Вместе с Санджаем Гемаватом, Ориолом Виньялсом и Куоком Ле он основал стартап Discovery Loop, который планирует заниматься автоматизацией ML-экспериментов. Проект привлек инвестиции от крупных фондов и самой Alphabet. blog.google ✔️ Black Forest Labs открыла доступ к FLUX 3 Video Модель доступна через собственный API немецкого стартапа и платформы партнеров. Она генерирует ролики до 20 секунд в HD и Full HD со звуковой дорожкой, фоновыми шумами, спецэффектами и речью. Модель поддерживает text-to-video, image-to-video и video-to-video и работает с ключевыми кадрами, а также может менять сцену и ракурс внутри одного видео, продолжать видеоряд и рендерить текст в кадре. Для речи заявлен липсинк на 14 языках. По внутренним бенчмаркам Elo FLUX 3 обходит Gemini Omni Flash, Minimax H3 и Seedance 2.0. Тарификация в API посекундная, генерация звука включена в стоимость. В HD-режиме T2V и I2V обойдутся в $0,06/сек, а обработка видео - в $0,12/сек. В Full HD цены составляют $0,29 и $0,53 за секунду соответственно. bfl.ai ✔️ ByteDance представила полнодуплексную аудиовизуальную модель с проактивным взаимодействием Китайский техногигант выпустил мультимодальную модель SeedRealtime для взаимодействия в реальном времени, которая параллельно обрабатывает аудио, видео и текст. Технической фишкой стал отказ от систем обнаружения голосовой активности. Очередность реплик контролируется через совместное непрерывное моделирование звука, визуальных данных и временных параметров. Модель самостоятельно определяет, когда вступить в диалог, сделать паузу или отфильтровать фоновый шум. SeedRealtime не ждёт команд, она фоном анализирует визуальный контекст, отслеживает нескольких спикеров и способна инициировать общение, реагируя на события или объекты в кадре. ByteDance заявляет, что система уже развернута на практике, но сведения о доступности в пресс-релизе не приводятся. bytedance.com ✔️ Mixture-of-Kittens: инструмент для ускорения обучения MoE-моделей на NVIDIA Blackwell Cursor выложила инструмент Mixture-of-Kittens (MoK) для ускорения обучения MoE-моделей на архитектуре NVIDIA Blackwell. MoK решает проблему задержек при обмене данными между GPU - в MoE-сетях этот процесс может занимать более половины времени обучения. Инструмент объединяет маршрутизацию токенов и вычисления в единый низкоуровневый массив для их параллельного выполнения и минимизации простоя оборудования. В тестах на кластере из 512 GB300 общая пропускная способность выросла на 41%, а обработка MoE-слоев ускорилась в 2,37 раза по сравнению с аналогами. По словам Cursor, компания применяет MoK для обучения модели Composer. Инструмент работает исключительно с архитектурой NVIDIA Blackwell и открыт под лицензией Apache 2.0. cursor.com @ai_machinelearning_big_data #news #ai #ml