ИИ

😏 Очередной пример, что почти всё можно реализовать кодом: Понравились у одного дизайнера вот эти дудл-арты, он рисует каждую отдельную черточку кодом Так что я конвертировал его идею в промт, можно генерить любую тему, не только людей:

[naive hand-drawn human doodle faces] Write one self-contained HTML file with no libraries and no image assets that uses canvas 2D to draw a grid of 40 variations of the subject in brackets above on textured off-white paper: give each one its own seeded PRNG (same seed = same drawing, click one to reroll it, one button regenerates the whole sheet); start by breaking the subject into 6-12 named parts, each a tiny function with several variants assembled from arcs and curves (that granularity means an eye is two arcs plus a pupil, a nose is one long curve around a tip); then put a rough 3D armature under the 2D art — the simplest solid the subject implies, an ellipsoid for a head or a body, a tilted disc for anything radial, a curve for anything that grows — give it random yaw/pitch/roll and pin every part to a (u,v) anchor on it, projecting that anchor to 2D for position but taking each part's orientation and scale from the armature's own global axes rather than the surface tangent (or the parts converge at the poles), and hide parts whose surface normal faces away; draw everything with a handmade pen: build point arrays, offset them by a smooth low-frequency wobble (a few summed sines, never per-point noise), stroke with round caps in one or two passes at slightly different width and opacity, scatter short scratchy hatch strokes, fill the heaviest masses solid black; then add a rules layer so nothing slides off the form — clamp parts inside the silhouette, keep anything worn or attached sitting on its outside, drop occluded parts on hard turns; keep the style deliberately naive and asymmetric — wobbly outlines, mismatched pairs, ink #232a22 on paper #e9e3d6, with occasional flat muted colour patches (terracotta, sage, dusty rose) laid under the ink.

Никаких библиотек, чисто ваш Claude + JavaScript + Canvas 2D А если еще докинуть к этому seed случайности, то получаем похожие но всегда уникальные образы Применение придумайте сами) ☕️ @tips_ai

Когнитивная нагрузка с приходом агентов Кодить стало очень легко и просто. Агенты за час без багов и проблем могут сделать такой объем, который раньше я бы делал пару дней с кучей багов и нервов. Сейчас внутренние продукты пилятся со 100-кратной (без преувеличения) скоростью. И как же сильно от этого устает мозг, но устает по-новому. Раньше основная нагрузка была в написании кода: вникнуть в библиотеку, поправить стили, отловить опечатку, разобраться, почему в одном браузере все едет. Сейчас этого почти нет. Вместо этого постоянно нужно думать о том, что именно делать и зачем. Поставить задачу. Не "сделай красиво", а нормально сформулировать. Спланировать реализацию вместе с агентом. Продумать детали и мелочи, которые агент не увидит. Принять продуктовое решение по каждой мелочи. И так по каждой задаче. Мозг реально устает от работы совсем по-новому: раньше такое количество принятий бизнес-решений у разработчика явно не было. Но есть и другая сторона! Вечером, перед окончанием работы, тратишь пару часов на заготовку задач агенту. Запускаешь агента и идешь домой. Через 5-6 часов получаешь ответ, что все готово. Утром приходишь и видишь, что 95% от всех задач сделаны, прекрасно оформлены и уже готовы к релизу в прод после моих проверок. И за эти 5-6 часов он делает столько, сколько я бы делал несколько недель... Я к этому одновременно уже привык и не представляю иначе и, в то же время, никак не могу к этому привыкнуть!

Посмотрел свежее интервью Митчелла Грина из Lead Edge Capital. Понравилась его формулировка: мы вполне можем быть в AI пузыре, он когда-нибудь лопнет, и при этом AI всё равно окажется больше интернета. Одно другого совершенно не исключает. Но занимает меня сейчас другое. Где в итоге останется экономическая ценность? Сегодня кажется, что ответ очевиден и это в железе. На фондовом рынке уже видна ротация от software к hardware. Nvidia стала главным символом AI бума, рядом растут производители памяти и сетевого оборудования, а также энергетическая инфраструктура. Хотя тут есть любопытный парадокс дешёвых токенов. Сами модели стремительно дешевеют: open source догоняет frontier-модели, Китай тоже. Тот же Kimi выпускает модели, которые по ряду задач приближаются к Claude, но стоят в разы дешевле. Корпорации уже активно считают экономику токенов - Uber, Spotify, Airbnb и другие могут запускать inference на открытых моделях через Fireworks, Baseten и аналогичные платформы существенно дешевле. Для огромного количества корпоративных задач прошлогодняя модель уже хватает с головой. То есть интеллект постепенно превращается в обычный товар. Казалось бы, для AI-инфраструктуры это медвежий сценарий: токены дешевеют, значит и денег на вычисления уйдёт меньше. Я думаю, будет ровно наоборот. Это парадокс Джевонса: рост эффективности ресурса часто не уменьшает его потребление, а увеличивает. Если inference подешевеет в 10 раз, компании не станут тратить в 10 раз меньше. Они запустят в 100 раз больше агентов. То, что сегодня экономически оправдано только для Fortune 500, станет доступно компании из 50 человек. А крупная корпорация вместо нескольких AI-use cases сможет постоянно держать тысячи агентов в продажах, разработке, finance, procurement, legal, customer service и R&D. Цена токена падает, а количество токенов растёт ещё быстрее. Поэтому среди моих фаворитов на этот год Nvidia, Micron и Broadcom. Для меня это три слоя одной ставки на экспоненциальный рост вычислений: ускорители, память и сетевая часть с заказными чипами. Но есть и риск. Исторически каждый раз, когда казалось, что вся ценность теперь навсегда осталась у производителей чипов, сами чипы со временем тоже коммодитизировались. Так что совсем не факт, что Nvidia будет забирать непропорциональную часть экономики AI следующие 20 лет. Но вот что произойдёт выше, на уровне приложений, понятно ещё меньше. Появятся ли огромные специализированные AI компании в медицине, legal, finance и enterprise software? или Claude, OpenAI, Gemini и open-source модели постепенно съедят большую часть этих приложений сами? По-моему, это сегодня и есть главный инвестиционный вопрос. Тут я честно не знаю. Мы пытаемся угадать победителей игры, которая началась пару лет назад и спокойно может тянуться ещё лет тридцать. Так что я допускаю и пузырь в оценках, и коммодитизацию моделей, и даже коммодитизацию чипов когда-нибудь, а вот коммодитизацию самого спроса на вычисления представить пока гораздо сложнее. Чем дешевле становится интеллект, тем больше железа потребуется миру, чтобы его производить. @maxvotek | linkedin | substack

✔️ Корпоративные клиенты игнорируют Fable 5 По данным финансовой платформы Ramp, бизнес не спешит переходить на самую мощную из доступных моделей Anthropic. За первый месяц после релиза на Fable 5 пришлось всего 6% от общего числа купленных через API токенов.

Рамп оговаривается, что выборка данных для Fable получена из собственной системы по управлению расходами токенов и несколько смещена в сторону технологических компаний. Фактическое внедрение Fable, вероятно, еще ниже этих оценок, если предположить, что Fable 5 используется в основном для кодинга.

Главной причиной слабого старта аналитики называют завышенный прайс - при цене $10 за миллион входных и $50 за миллион выходных токенов модель обходится вдвое дороже, чем GPT-5.6 Sol от OpenAI. В результате флагман Anthropic принес на четверть меньше выручки, чем топовое решение главного конкурента, несмотря на свою более высокую производительность. Слабые продажи Fable 5 вскрыли другую проблему - компаниям всё сложнее просчитать реальную окупаемость топовых ИИ-решений. Прирост в качестве ответов часто оказывается неочевидным в рутинных рабочих задачах и не оправдывает переплату. На фоне того, как разрыв в возможностях между коммерческими гигантами и открытыми решениями сокращается до нескольких месяцев, корпоративные пользователи всё активнее мигрируют на open-source. Эта тенденция уже привела к замедлению темпов роста клиентской базы как у Anthropic, так и у OpenAI. @ai_machinelearning_big_data #news #ai #ml

YC в поисках стартапов, которые помогут «снизить стоимость 1 убийства». А что ищут ещё? На скриншоте — коллаба Y Combinator и U.S. Army, где они зовут в акселератор тех, кто пилит технологии для обороны. Вот другие: • Self-Maintaining APIs (самообслуживающиеся API). API-коммуникация сломана: изменения в документации часто остаются незамеченными и ломают код. Решение — AI-агент, который отслеживает изменения API, находит затронутый ими код на стороне клиента и сам создаёт пул-реквест с исправлениями. • AI-Native Compliance Infrastructure (инфраструктура c AI под капотом для организации комплаенса). Комплаенс до сих пор держится на таблицах, разрозненных сервисах и дорогих специалистах. AI может взять на себя мониторинг изменений в законах, поиск аномалий, отчётность и аудит. • Proving You're Human (способы доказать, что ты человек). Из-за дипфейков мы больше не можем быть уверены, что по ту сторону коммуникации действительно человек. Нужен новый слой доверия в интернете — система, подтверждающая, что собеседник реальный человек. Сохраняя его приватность. • Data for the Real World (данные о физическом мире). AI уже отлично работает с цифровыми данными, но данных о физическом мире всё ещё катастрофически мало. Возможность — создавать новые способы массового сбора данных с помощью роботов, сенсоров и устройств, чтобы точнее моделировать и управлять «физикой» — справляться с ураганами, бороться с опустыниванием, охлаждать планету. • В крипте — лучшее время. YC считает текущий спад рынка лучшим временем для создания криптостартапов. YC особенно интересуют стартапы из этих ниш — привлечение капитала, новые стейблкоины и их применение, торговля с AI-агентами, трейдинг, институциональные продукты и масштабируемые приватные блокчейны. • New Operating Systems for the Physical World (новые операционные системы для физической работы). 80% мировой рабочей силы не сидит за компьютером, но софт для такого труда почти не изменился за 20 лет. С AI возникнет новый класс OS, которые одновременно управляют людьми, AI-агентами и роботами. • AI for the Aging Population (AI для пожилых). К 2030 каждый 5-й американец будет старше 65, а людей для ухода уже не хватает. AI даёт возможность создавать продукты для пожилых — от голосовых помощников и мониторинга безопасности до роботов, помогающих организовывать работу по дому. • AI-Powered Consumer Products for 1 Billion People (AI-продукты для миллиарда потребителей). Каждый технологический сдвиг создаёт новых техгигантов, но за 3 года AI дал лишь ChatGPT. Самое время создавать массовые AI-продукты. YC ищет продукты, которые меняют то, как мы работаем, передвигаемся, учимся, заботимся о здоровье, управляем деньгами, развлекаемся и общаемся. • Compute at Sea (вычисления в море). AI упирается в нехватку вычислительных мощностей, а дата-центры — в дефицит земли и электричества. Возможное решение — перенести вычисления в море: модульные плавучие дата-центры могут использовать огромное пространство океана и его естественное охлаждение. • Multiplayer AI (многопользовательский AI). AI-агенты пока остаются одиночным инструментом, хотя многие задачи уже требуют командной работы. Возможность — сделать AI мультиплеерным: чтобы несколько сотрудников могли одновременно подключаться к агенту. • A Cloud for Small Software (облако для небольшого софта). AI-агенты позволяют легко создавать «маленький софт» — кастомные инструменты для себя/команды. Но его всё ещё сложно безопасно разворачивать и делиться им. Возможность — создать облако под такой софт, где запуск, доступы и совместная работа будут такими же простыми, как у Google Docs. • AI-репетитор. Он будет годами адаптироваться под конкретного ребёнка, обучая не только чтению, письму и математике, но и мышлению и рассуждению. Идея — сделать качество персонального репетитора доступным каждому ребёнку, а не только тем, кто может себе его позволить. Подаёмся? @y_everyday 💀

Возвращаем разборы стартапов? Вчера на конференции рассказывал, как AI помогает собрать питч-дек. Если сжать все до одного тезиса, то нейросеть красиво упакует то, что вы уже продумали, но не продумает это за вас. Раньше у нас был формат живых разборов: приглашаю фаундера в эфир, слушаю питч, задаю вопросы как инвестор, разбираем дек вместе. По сути моя обычная работа на первой встрече со стартапом, только в открытую. Вот пример такого разбора: https://t.me/startup_venture/355 Появилась идея вернуть формат. Вы бы смотрели такой контент? 🗣Поставьте лайк, если считаете, что разборам стартапов быть. Наберем 50 ❤️ - буду делать. Андрей Резинкин | Money For Startup