Экстраполяция IT

Спочатку вони обіцяють захопити світ нейронками, а потім нейронки осьо намагаються зрозуміти задуми людей.

Ability AI, MarTech-стартап, що розробляє платформу з управління маркетингом за допомогою штучного інтелекту, залучив фінансування на $1,1 млн. Pre-seed раунд очолив український фонд SMRK VC за участю відомих технологічних підприємців та інвесторів. Інвестиції допоможуть стартапу розширити команду, оновити розробку продукту та запустити платформи для клієнтів у США та Європі. Детальніше про це

Несеться )

Хлопчіки та дівчатка. Бумласочка пошерьте, або хоча б пролайкате та напішіть коментар до посту. В мене лінкедин мовчазний, тому треба ваша допомога. Це пост про те, що ми залучили інвестиції. Дякую. https://www.linkedin.com/posts/aratak_our-project-ability-ai-has-just-taken-its-activity-7211051393711800320-Mj6P

Як добре, що сучасні штучні інтелекти допомагають писати код. Меньше помилок та описів. Як ми без цього раніше жили?

Бляха, в каментах вже перша співбесіда пройшла.

​​Ми тут в ability.ai працюємо разом з AI для автоматизації маркетингу. Нашій команді розробників зараз необхідний Python Інженер, який зацікавлений сфокусуватися над складанням промптів, та взагалі побудуванням спілкування з різними LLM. «Prompt Engineering» інакше кажучи. Маємо багато задач, де необхідно буде генерувати промпти, код і працювати над покращенням одного і другого. Якщо вам цікаво долучитися до освоєння нових підходів у розробці, надішліть CV і посилання на ваш GutHub на [email protected] з темою «Prompt Engineer». Якщо у вас є запитання, задавайте мені у приватні або Єду на вищевказану пошту. P.S. Ось так DALL•E бачить типового промпт-Інженера. Якщо у вас сім моніторів і ви їх використовуєте у роботі — це жирний на співбесіді.

Спочатку ви посміхнетесь, а потім серйозно замислитися. ЧатГПТ був згаданий у титрах до індійського фільму, як автор слів пісні.

​​Цікава проблема вилізла протягом вивчення проблеми будування агентської системи, яка базується на штучному інтелекті. Виявилося, що людство не придумало нічого притомного, для того, щоб перевірити чи агент працює добре чи погано. Навіть якщо обмежити агента вузькою нішею, чітким спектром можливих задач, все одно залишається проблема субʼєктивного вирішення та оцінювання проблеми. Все, до чого прийшло людство — це тест Тьюрінга або похідні від нього. Тобто беремо низьку експертів та просимо їх оцінити відповідь від чорного ящику. Додаємо плацебні відповіді від людини, стохастичність відповідей нівелюємо середнім значенням від різних суддів. І все. Кращого варіанта не існує.

У великих мовних моделей є три види контексти. Перший контекст — загальна освіта. Знання про те, яка заввишки Єйіфелева вежа або скільки клапанів у серця жирафа. З цим більш-меньш мовні моделі впорались, але великою ціною тренування на суперкомпʼютерах. Другий контекст — контекст співрозмовника або «доменний контекст». Або короткострокова памʼять. Коли кажеш «хлопчик склеїв у клубі модель» треба розуміти загальник контекст розмови. Чи ми кажемо про моделювання літаків чи про тусу під техно з текілою. Це мовні моделі пропонують додавати у додатковий системний промт, де загалом треба описати контекст ситуацію. І нарешті третій контекст — довгострокова памʼять. Посилання на попередні розмови, оперування існуючими висновками та припущеннями. З цим зараз не може впоратись ніхто і пропонують або постійно дотреновувати модель на нових контекстних даних або вигрібати у короткострокову памʼять якісь дані із довгострокової. Корочше, людство вирішило одну проблему із трьох. До сингулярності залишилось ще дві. Тому працюємо далі, бо штучний інтеллект сам себе не винайде.