охота за технологиями
رفتن به کانال در Telegram
Про бизнес и технологии, которые завоевывают признание миллионов людей. 👨🏼💻Автор - @gguzhov Пространство для стратегов и новаторов, кто создает будущее вместе с AI и Deeptech технологиями!
نمایش بیشتر829
مشترکین
اطلاعاتی وجود ندارد24 ساعت
-17 روز
-1030 روز
در حال بارگذاری داده‌ها
کانال‌های مشابه
هیچ داده‌ای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
ابر برچسب‌ها
هیچ داده‌ای
مشکلی وجود دارد؟ لطفاً صفحه را تازه کنید یا با مدیر پشتیبانی ما تماس بگیرید.
اشارات ورودی و خروجی
---
---
---
---
---
---
جذب مشترکین
اکتبر '26اکتبر '26
اکتبر '26
+182
در 0 کانال‌ها
سپتامبر '260
در 0 کانال‌ها
Get PRO
اوت '260
در 0 کانال‌ها
Get PRO
ژوئیه '260
در 0 کانال‌ها
Get PRO
ژوئن '260
در 0 کانال‌ها
Get PRO
مه '260
در 0 کانال‌ها
Get PRO
آوریل '260
در 0 کانال‌ها
Get PRO
مارس '260
در 0 کانال‌ها
Get PRO
فوریه '260
در 0 کانال‌ها
Get PRO
ژانویه '260
در 0 کانال‌ها
Get PRO
دسامبر '250
در 0 کانال‌ها
Get PRO
نوامبر '250
در 0 کانال‌ها
Get PRO
اکتبر '250
در 0 کانال‌ها
Get PRO
سپتامبر '25
+5
در 0 کانال‌ها
Get PRO
اوت '25
+623
در 2 کانال‌ها
Get PRO
ژوئیه '250
در 0 کانال‌ها
Get PRO
ژوئن '250
در 0 کانال‌ها
Get PRO
مه '250
در 0 کانال‌ها
Get PRO
آوریل '250
در 0 کانال‌ها
Get PRO
مارس '250
در 0 کانال‌ها
Get PRO
فوریه '250
در 0 کانال‌ها
Get PRO
ژانویه '250
در 0 کانال‌ها
Get PRO
دسامبر '240
در 0 کانال‌ها
Get PRO
نوامبر '24
+4
در 0 کانال‌ها
Get PRO
اکتبر '24
+231
در 0 کانال‌ها
پست‌های کانال
ИИ-кодинг — уже не будущее, а норма. Cursor, Windsurf, Copilot и другие инструменты меняют процессы разработки. Но есть проблема: подавляющее большинство разработчиков не умеют работать с ИИ системно. По оценке CEO Surf, в России реально продуктивных «вайбкодеров» — не больше 10%.
Для компании AI-разработчик — это не просто «быстрее пишет код». Это специалист, который умеет декомпозировать задачи до уровня корректного промпта, тестировать результаты, работать с нестабильным выводом модели и видеть продуктовую ценность результата. Таких людей мало, а спрос на них растёт.
Почему большинство разработчиков не адаптировались?
🤓 Сложность обучения. ИИ требует структурного мышления, чёткого контекста, формулировок и терпения в отладке. UX привычных IDE тут не спасает, а инструкции часто отсутствуют — опыт нужно нарабатывать самому.
🫠 Отсутствие мотивации у мидлов и сеньоров. Чем выше уровень, тем меньше желание менять подход. AI-инструменты воспринимаются как игрушка, а не как драйвер роста.
👎 Конфликт корпоративной продуктивности. Если продуктивность растёт, а зарплата остаётся прежней, зачем ускоряться? Пока бизнес не введёт KPI, привязанные к созданной ценности (скорость вывода в прод, бизнес-импакт, ROI), ИИ останется личным помощником, а не частью корпоративной культуры.
😱 Внедрение без структуры. Без обучения и правил промптинга AI даёт нестабильный результат, а до 45% кода может содержать уязвимости (Veracode).
Как выглядит настоящий AI-разработчик:
— Декомпозирует задачу и даёт модели понятный контекст.
— Объясняет не только свой код, но и код ИИ, включая влияние на пользователя.
— Тестирует результат и берёт ответственность за итог.
— Мыслит продуктово, а не только по ТЗ.
😎 Через пару лет рынок разделится: 10–20% разработчиков будут AI-native, остальные — работать по старинке, используя ИИ для вспомогательных задач. Структура команд, вероятно, сместится в формат «сеньор + несколько джунов-операторов AI», что напоминает форму гантели: на одном конце — опытный архитектор процессов, на другом — большая группа исполнителей, которые быстро обрабатывают задачи через ИИ. Компании, которые первыми выстроят систему оценки и мотивации для таких специалистов, получат кратное преимущество.
| 2 |  Большие языковые модели (LLM) уже вышли за рамки текстовых задач и начинают управлять реальными объектами. В промышленной робототехнике это направление реализуется через VLA-модели (Vision–Language–Action), которые объединяют три компонента:
➖ Визуальное восприятие (камеры, сенсоры фиксируют объекты и условия работы).
➗ Интерпретация команд (LLM обрабатывает текстовые инструкции).
➖ Генерация действий (управляющие сигналы для приводов и манипуляторов).
Текущие ограничения классических промышленных роботов:
💬 Управление через teach-пульт или терминал.
💬 Собственные языки программирования у каждого производителя.
💬 Высокие требования к точности — смещение на 1 мм может сорвать технологический процесс.
💬 Сложная интеграция между роботами разных брендов.
Пример практической задачи.
В эксперименте в Сколтехе студенты должны были запрограммировать робота на нанесение металлических букв. Раньше задача занимала ~20 минут. При попытке использовать GPT-модели для генерации кода время выросло до 1,5 часов из-за отсутствия у LLM знаний специализированных языков программирования для роботов.
Ключевые разработчики и подходы:
Physical Intelligence (π0):
🔣Базируется на архитектуре VLA PolyGemma от Google.
🔣Обучение на реальных демонстрациях: до 10 000 часов видео, текстовых инструкций и моторных данных.
🔣Частота генерации моторных команд — 50 Гц, что обеспечивает плавность движения.
NVIDIA GR00T N1 / N1.5:
🔣Использует мультимодальные данные: визуальные, звуковые, моторные.
🔣Дообучение при переносе на новые задачи или роботов.
🔣До 90% тренировочных данных — симуляции в NVIDIA Omniverse и Isaac Sim, 10% — реальные демонстрации.
Google Gemini Robotics:
🔣Основана на Gemini 2.0, мультимодальная архитектура.
🔣Высокоуровневая часть (интерпретация и планирование) выполняется в облаке, управление приводами — локально.
Hugging Face Lerobot
🔣Открытый стандарт данных для обучения и дообучения роботов.
🔣Публикует open source-модели для манипуляторов и гуманоидов.
🔣Стоимость небольшого манипулятора — около €100, антропоморфного робота — €3 000.
Текущий уровень готовности.
Сегодня средний показатель успешного выполнения операций (success rate) у VLA-моделей составляет около 70% при промышленном стандарте в 99,9%. Большинство решений всё ещё ограничены работой в статичных условиях, без полноценной мобильности. При этом наибольший потенциал они демонстрируют в сценариях, где критическая точность не является обязательной, но требуется высокая адаптивность к изменяющейся среде и задачам.
😎 VLA-модели снижают порог входа в программирование роботов и позволяют быстро адаптировать их под новые задачи без глубокого переписывания кода. Ключевой вызов — довести точность и надёжность до уровня промышленных стандартов. Если это удастся, интеграция LLM в физические системы может стать стандартом для производственных и сервисных роботов в течение ближайших лет. | 294 |
| 3 |  В космосе медицина — это не просто про здоровье, а про выживание. Пока мы летаем на МКС, всё предсказуемо: связь с Хьюстоном в реальном времени, доставка лекарств грузовым кораблём и билет домой максимум через полгода. Но как только миссии уходят дальше — на Луну, а тем более на Марс — игра меняется. Там нет грузов, нет эвакуации, и иногда нет даже связи. NASA называет это Earth-independent medical operations — когда помощь экипажу нужно оказывать без Земли.
🌎 NASA вместе с Google создаёт ИИ-помощника для экипажа — Crew Medical Officer Digital Assistant. Он работает с текстом, голосом и изображениями и способен помогать в диагностике и лечении, когда врача на борту нет, а связь с Землёй обрывается. Внутри — мультимодальные (могут обрабатывать разные типы данных) языковые модели, запущенные на платформе Google Vertex AI, но код принадлежит NASA.
‼️Важная деталь: NASA использует агентный подход — ИИ делят на «роли» (врач, медсестра, лаборант, диагност), которые взаимодействуют друг с другом. Такой подход повышает точность и делает рекомендации ближе к реальности.
Первые полевые испытания показали, что модель уже неплохо справляется:
💬Боль в боку — 74% вероятность правильного диагноза и лечения
💬Боль в ухе — 80%
💬Травма голеностопа — 88%
Оценивали не просто тестировщики, а анестезиолог, терапевт и астронавт. Их оценки совпали почти идеально, что говорит о консистентности работы ИИ.
🔄Почему это важно?
В отличие от земных телемедицинских сервисов, у космического ИИ нет кнопки «перезвонить врачу». Его ответ может быть единственной инструкцией в критической ситуации. Поэтому NASA разрабатывает систему по своим Trustworthy AI Principles: прозрачность, безопасность, защита данных и постоянная валидация решений.
Сейчас CMO Digital Assistant уже интегрируют с биосенсорами, медицинскими приборами и поддержкой ультразвуковой диагностики. Следующий шаг — тесты в рамках LuCCI (Lunar Command & Control Interoperability), чтобы проверить, как ИИ работает в условиях имитации реальной лунной миссии.
😎 Мой прогноз.
Через 5–7 лет подобные автономные медсистемы будут работать не только в космосе, но и на Земле — в труднодоступных районах, зонах катастроф и, возможно, даже у вас дома. Космос здесь — просто идеальный полигон, где технологию доводят до предела, а потом масштабируют для всего человечества.
NASA прямо говорит: опыт, полученный от «космического врача», пригодится и на Земле — в удалённых районах, при стихийных бедствиях и в ситуациях, где время решает всё. | 272 |
| 4 | Когда полёты человека уходят дальше от Земли и длятся всё дольше, медицина в космосе превращается в задачу уровня «без права на ошибку». На МКС ещё можно за пару секунд позвонить в Хьюстон, дождаться грузового корабля с лекарствами и вернуться домой через полгода.
Но на Луне или, тем более, на Марсе — никаких срочных эвакуаций, грузов и мгновенной связи. Там придётся полагаться только на бортовые ресурсы. NASA называет это Earth-independent medical operations — медицинская помощь без опоры на Землю.
🌎 NASA вместе с Google создаёт ИИ-помощника для экипажа — Crew Medical Officer Digital Assistant. Он работает с текстом, голосом и изображениями и способен помогать в диагностике и лечении, когда врача на борту нет, а связь с Землёй обрывается. Внутри — мультимодальные (могут обрабатывать разные типы данных) языковые модели, запущенные на платформе Google Vertex AI, но код принадлежит NASA.
‼️Важная деталь: NASA использует агентный подход — ИИ делят на «роли» (врач, медсестра, лаборант, диагност), которые взаимодействуют друг с другом. Такой подход повышает точность и делает рекомендации ближе к реальности.
На трёх сценариях (травма голеностопа, боль в боку, боль в ухе) ИИ показал точность 74%, 80% и 88% соответственно. Оценивали анестезиолог, терапевт и астронавт — корреляция оценок между ними была почти идеальной (0,74–0,99).
🔄Почему это важно?
В отличие от земных телемедицинских сервисов, тут нет «подстраховки» — решение ИИ может стать единственной инструкцией для действий экипажа. Поэтому NASA применяет Trustworthy AI Principles: прозрачность, безопасность, защита данных, минимизация предвзятости, проверка алгоритмов на реальных и синтетических (искусственно созданных) данных.
Проект развивается «спринтами» (каждые 90 дней новый функционал) и уже интегрирован с биосенсорами, медицинскими приборами и поддержкой ультразвуковой диагностики.
🔄Что дальше?
В 2025-м планируют полевые тесты на симуляторах лунных миссий в рамках проекта LuCCI — единой системы управления и медицинской поддержки на Луне. Итог — ИИ, способный работать полностью автономно на борту без облака, прямо в полёте к Марсу.
📣 NASA прямо говорит: опыт, полученный от «космического врача», пригодится и на Земле — в удалённых районах, при стихийных бедствиях и в ситуациях, где время решает всё. | 1 |
| 5 |  На Reddit уже появились жалобы, что GPT-5 «не очень». Но давайте посмотрим на данные из бенчмарков — тестов, где модели ИИ решают одни и те же задачи, чтобы можно было объективно сравнить их качество.
Бенчмарки бывают двух типов:
▶️Реальные бизнес-задачи — компании проверяют ИИ на тех задачах, которые нужны им в работе.
▶️Абстрактные тесты — искусственные задания, не всегда полезные в бизнесе, но помогающие понять технический уровень модели.
Как GPT-5 проявила себя в бизнес-задачах?
🗣Банковские операции — улучшение точности сверки выписок и извлечения данных о контрагентах на 15–38% по сравнению с GPT-4o.
🗣Код-ревью и поиск ошибок — 77,3% успешных решений против 26,7% у Claude Sonnet 4 и 44% у o3.
🗣End-to-end программирование в тестах Cognition (внутренний набор задач от компании-разработчика Devin; end-to-end значит «от постановки задачи до готового кода») — лучше Sonnet 4, +7% в планировании задач.
🗣На внутреннем бенчмарке Windsurf для задачи исправления багов модель показала прирост на 3–4% по метрике pass и на 12% по pass.
🗣Обработка документов — точность извлечения бизнес-сущностей выросла на 5% в среднем и на 9% на длинных документах. В задачах по работе с Excel точность выросла до 88% (против 78% у Gemini и Sonnet 4), а при заполнении страховых форм — до 86% (у Gemini те же 78%).
🗣JetBrains кодинг-тесты (Java/Kotlin, Go, Rust, включая закрытые репозитории) — на 20–100% лучше Claude.
🗣Поиск финансовых инсайтов — 83% против 79% у o3, 65% у Gemini и 62% у Claude.
Как модель показала себя в абстрактных тестах?
🗣Понимание физики по картинкам (Visual Physics Comprehension) — 66% точности, у Gemini — 48%, у Claude — 39%.
🗣IFScale — ответы с сотнями ограничений и инструкций, более 90% успеха при 500+ инструкциях в контексте (у Gemini 2.5 — 70%).
🗣Длинный контекст (документы до 100 тыс. токенов) — 76% точности против 68% у Grok 4 и ~66% у Gemini / Claude.
🗣Снижение галлюцинаций (выдуманных фактов) — 10,3% ошибок против 12,4% у Gemini и 13,2% у Sonnet.
🗣Бизнес-задачи разных отраслей (бенчмарк Рината) — 79,4% против 74% у Gemini и 71% у Claude 3.7. Бенчмарк сильно устрел...
🗣LiveCodeBenchPro (свежие задачи с Codeforces) — Elo-рейтинг 2296 против 1585 у Gemini.
🗣WeirdML-v2 (нестандартные ML-задачи) — 56,3% против 50% у Gemini и 45,3% у Claude Sonnet.
GPT-5 действительно сильная, но это не значит, что она всегда лучше предыдущих моделей. В некоторых задачах o3 или GPT-4.1 всё ещё впереди. Есть и субъективный момент: даже если GPT-5 даёт больше хороших ответов в среднем, при сравнении парных ответов вы можете иногда выбирать старую модель. Это связано с тем, что у вас сохраняется «память» о старых удачных случаях, и даже небольшое снижение качества в знакомых задачах может казаться заметным.
Простой пример: если GPT-4o давала хороший ответ в 30% случаев, а GPT-5 — в 60%, то при сравнении ответов «в лоб» примерно в трети случаев вы всё равно выберете старую версию.
А ещё — эффект больших чисел. При 700 млн пользователей, если у 1% из них опыт стал хуже, и только 1% из этих людей напишет об этом, в сети появится уже 70 тысяч жалоб. Они будут заметны, даже если в среднем модель стала лучше.
😎 GPT-5 дешевле не только o3, но и моделей Anthropic. А за счёт обновлённого кэширования (повторного использования уже обработанных данных) скидка теперь не 50%, а 90%. | 364 |
| 6 | На Reddit уже появились жалобы, что GPT-5 «не очень». Но давайте посмотрим на данные из бенчмарков — тестов, где модели ИИ решают одни и те же задачи, чтобы можно было объективно сравнить их качество.
Бенчмарки бывают двух типов:
▶️Реальные бизнес-задачи — компании проверяют ИИ на тех задачах, которые нужны им в работе.
▶️Абстрактные тесты — искусственные задания, не всегда полезные в бизнесе, но помогающие понять технический уровень модели.
Как GPT-5 проявила себя в бизнес-задачах?
🔘Банковские операции — улучшение точности сверки выписок и извлечения данных о контрагентах на 15–38% по сравнению с GPT-4o.
🔘Код-ревью и поиск ошибок — 77,3% успешных решений против 26,7% у Claude Sonnet 4 и 44% у o3.
🔘End-to-end программирование в тестах Cognition (внутренний набор задач от компании-разработчика Devin; end-to-end значит «от постановки задачи до готового кода») — лучше Sonnet 4, +7% в планировании задач.
🔘На внутреннем бенчмарке Windsurf для задачи исправления багов модель показала прирост на 3–4% по метрике pass и на 12% по pass.
🔘Обработка документов — точность извлечения бизнес-сущностей выросла на 5% в среднем и на 9% на длинных документах. В задачах по работе с Excel точность выросла до 88% (против 78% у Gemini и Sonnet 4), а при заполнении страховых форм — до 86% (у Gemini те же 78%).
🔘JetBrains кодинг-тесты (Java/Kotlin, Go, Rust, включая закрытые репозитории) — на 20–100% лучше Claude.
🔘Поиск финансовых инсайтов — 83% против 79% у o3, 65% у Gemini и 62% у Claude.
Как модель показала себя в абстрактных тестах?
🟡Понимание физики по картинкам (Visual Physics Comprehension) — 66% точности, у Gemini — 48%, у Claude — 39%.
🟡IFScale — ответы с сотнями ограничений и инструкций, более 90% успеха при 500+ инструкциях в контексте (у Gemini 2.5 — 70%).
🟡Длинный контекст (документы до 100 тыс. токенов) — 76% точности против 68% у Grok 4 и ~66% у Gemini / Claude.
🟡Снижение галлюцинаций (выдуманных фактов) — 10,3% ошибок против 12,4% у Gemini и 13,2% у Sonnet.
🟡Бизнес-задачи разных отраслей (бенчмарк Рината) — 79,4% против 74% у Gemini и 71% у Claude 3.7. Бенчмарк сильно устрел...
🟡LiveCodeBenchPro (свежие задачи с Codeforces) — Elo-рейтинг 2296 против 1585 у Gemini.
🟡WeirdML-v2 (нестандартные ML-задачи) — 56,3% против 50% у Gemini и 45,3% у Claude Sonnet.
GPT-5 действительно сильная, но это не значит, что она всегда лучше предыдущих моделей. В некоторых задачах o3 или GPT-4.1 всё ещё впереди. Есть и субъективный момент: даже если GPT-5 даёт больше хороших ответов в среднем, при сравнении парных ответов вы можете иногда выбирать старую модель. Это связано с тем, что у вас сохраняется «память» о старых удачных случаях, и даже небольшое снижение качества в знакомых задачах может казаться заметным.
Простой пример: если GPT-4o давала хороший ответ в 30% случаев, а GPT-5 — в 60%, то при сравнении ответов «в лоб» примерно в трети случаев вы всё равно выберете старую версию.
А ещё — эффект больших чисел. При 700 млн пользователей, если у 1% из них опыт стал хуже, и только 1% из этих людей напишет об этом, в сети появится уже 70 тысяч жалоб. Они будут заметны, даже если в среднем модель стала лучше.
😎 GPT-5 дешевле не только o3, но и моделей Anthropic. А за счёт обновлённого кэширования (повторного использования уже обработанных данных) скидка теперь не 50%, а 90%. | 1 |
| 7 |  Недавнее исследование НИУ ВШЭ и Яндекса описывает ключевые сценарии развития ИТ в России. Но мы остановимся на ИИ.
Основные вызовы, которые стоят перед развитием.
1. Качество и саморефлексия. Сегодня оценка результатов ИИ — задача человека. Следующий шаг — встроенная способность моделей самостоятельно формировать критерии качества.
2. Достоверность и предсказания. Генеративные модели функционируют на вероятностях, а не на строгой верификации. Решения вроде Retrieval-Augmented Generation (RAG) повышают достоверность, но фундаментальная сложность — модели лишь повторяют прошлый опыт и не могут создавать по-настоящему новое.
3. Безопасность. С ростом объёмов данных необходимость в надёжной защите становится критичной. Проблему нужно решать не только технически, но и регуляторно: приватность должна быть встроенной, даже если ею никто не занимается.
Ключевые технологии ИИ, которые будут сильно развиваться.
➡️Генеративные модели (X-to-X) — создают новый контент и автоматизируют процессы. 63% россиян уже применяют генеративный ИИ в повседневной жизни.
➡️Explainable AI — открывает логику моделей через визуализации и анализ.
➡️СППР и интеллектуальная аналитика — объединяют ML, визуализацию и облака для прогнозов и выявления закономерностей.
➡️Адаптивные системы HMI — обучаются и перестраиваются под изменения, повышая персонализацию.
➡️Интеллектуальная видеоаналитика — от безопасности до мультимодальных задач («расскажи по схеме двигателя, что сломалось?»).
😎 В ближайшие три года развитие российского ИИ будет идти к адаптивным системам с автономной оценкой качества, что станет реальным шагом в сторону AGI (решает задачи на уровне или выше человеческого, но без чувств). Выход GPT-5 - пример вышесказанному. А на рисунке весь технологический ландшафт России, который будет развиваться до 2028 года. | 446 |
| 8 | بدون متن... | 0 |
| 9 |  Всем привет, отпуск у меня закончился и я рад сообщить, что завтра выкачу интересный пост про сценарии развития ИИ в России. А пока предлагаю почитать мою новость на Хабр про ChatGPT 5🍷
Спойлер - эта модель превзошла все другие, особенно в программировании и медицине (постановка диагнозов на уровне PhD). А также она стала безопасной. На безопасность инженеры OpenAi потратили более 9 тысяч рабочих часов.
Статья доступна по ссылке. | 564 |
| 10 |  Эрик Шмидт, бывший CEO Google, в своем недавнем интервью на TED высказал несколько глубоких мыслей о развитии ИИ. Без паники, но с очень важными акцентами, которые стоит учитывать каждому в IT, финансах и промышленности.
✈️Помните 2016 год? AlphaGo от DeepMind обыграла человека в го, сделав ход, о котором за 2500 лет существования игры не догадался никто. Это был первый серьёзный звоночек: ИИ способен не просто повторять, но и изобретать.
🔭Шмидт уверен, что мы всё ещё недооцениваем возможности ИИ. ChatGPT – это лишь "витрина", фасад. Реальные прорывы, особенно в области обучения с подкреплением (reinforcement learning), планирования и стратегии, позволяют ИИ самостоятельно решать сложные, многошаговые задачи. Это уже не просто умный поиск, это инструмент, способный к комплексной работе.
🚀Пока ИИ отлично комбинирует уже известные данные, но всё ещё слабо справляется с междисциплинарными открытиями, на что способны учёные. Следующая большая цель – научить ИИ самостоятельно ставить цели и изобретать новые парадигмы. Это тот самый горизонт, где ИИ перейдёт от помощника к полноценному творцу.
Что сдерживает рост ИИ?
🔣Энергия: Только США потребуется дополнительно 90 гигаватт мощности (это как 90 атомных электростанций!) для питания будущих дата-центров, необходимых для ИИ. Представьте масштаб потребления!
🔣Данные: Мы стремительно приближаемся к моменту, когда исчерпаем полезные данные для обучения ИИ. Следующий этап – создание синтетических данных.
🔣Вычисления: Полный переход на обучение с подкреплением потребует в тысячу раз больше вычислительных мощностей, чем привычное нам глубокое обучение. Это вызов для всей инфраструктуры.
ГЕОПОЛИТИЧЕСКИЕ РИСКИ: ИИ КАК НОВОЕ ЯДЕРНОЕ СДЕРЖИВАНИЕ
ИИ – это технология двойного назначения: она применима как в гражданской сфере, так и в военной. Сейчас за доминирование в этой области борются США и Китай. Шмидт сравнивает эту гонку с ядерным сдерживанием, но подчеркивает, что в ИИ-гонке поле для ошибок гораздо меньше. Страна, которая первой достигнет суперинтеллекта, получит технологическое превосходство, способное дестабилизировать мировой порядок🤔
«Если вы не используете ИИ — вы отстанете. Осваивайте его каждый день. Это не временно. Это марафон», — призывает Эрик Шмидт.
📱 Полное выступление Эрика Шмидта можно посмотреть здесь.
😎 Какие из этих пунктов, на ваш взгляд, представляют наибольший риск или, наоборот, открывают наибольшие возможности для развития в ближайшие годы? | 655 |
| 11 |  Привет, охотники за технологиями!🍸
Вчерашний день прошел в Сколково на конференции StartupVillage. Ехал туда с предвкушением увидеть что-то по-настоящему революционное в мире технологий, но, честно говоря, прорывных проектов, которые могли бы стать потенциально многомиллиардными, так и не встретил, кроме конечно же SpaceTech - ведь там только инвестиции миллиардные😅 В основном были представлены уже знакомые беспилотники или AI-сервисы, решающие довольно узкие задачи. Возможно, я просто не там бродил🔤
🚀 В 15:00 мы присоединились к открытой дискуссии с министром цифрового развития, связи и массовых коммуникаций Максутом Шадаевым. Участники из зала задавали много острых вопросов, касающихся развития стартапов: привлечение инвестиций, налоговые льготы и поддержка действительно перспективных проектов. Например, обсуждалась идея создания открытого API для банков, чтобы упростить согласование, подтверждение и оплату платежей из единой информационной системы, с возможностью интеграции других бизнес-сервисов для управления процессами. Также звучали предложения по созданию "Госуслуг для стартапов".
Классно, что создается много цифровых сервисов и продуктов, но у этого есть обратная сторона - дефицит вычислительных мощностей. Об этом недавно писал Cnews. Именно по этому, у меня созрел небольшой вопросик Министру Минцифр.
Все СМИ активно обсуждают дефицит вычислительных и серверных мощностей. Как этот вопрос решается на государственном уровне и есть ли планы по развитию региональных дата-центров?
Ответ министра был следующим:
Существуют трудности, связанные с энергетикой, особенно в регионах, где наблюдается дефицит, а также с каналами связи для передачи данных на дальние расстояния. Поэтому следует ожидать, что инфраструктура будет развиваться по мере развития регионов
Этот ответ, на мой взгляд, не повод для грусти, а стимул к действию! Ведь там, где есть трудности, всегда найдутся и решения. А там, где есть решения, появляются предложения, за которыми следует реализация новых проектов.
🔣 Именно здесь мы видим огромный потенциал для наших мобильных дата-центров. Их можно размещать где угодно, а мощности наращивать постепенно, без необходимости масштабной перестройки энергетических линий на начальном этапе. Это означает, что даже в условиях ограниченной инфраструктуры можно быстро запустить цифровые продукты, что критически важно для развития любых территорий, нуждающихся в безопасности и конфиденциальности данных. Как говорится, "Москва не сразу строилась" – и мы готовы строить постепенно😉 | 458 |
| 12 |  Привет, охотники за технологиями 🍸
Да, я пропал почти на 1.5 месяца, но это было не просто так. Я писал диплом в Высшей школе экономики, и, поверьте, это была настоящая одиссея! Теперь, когда я снова в строю, я готов поделиться некоторыми деталями. Располагайтесь поудобнее и поехалиии!
🔣 Тема дипломной работы - «Моделирование хранилища данных и проектирование BI дашборда для отчетности перед акционерами стартапа в режиме реального времени».
🫰 Проблема - В условиях быстрорастущих рынков, персонал стартапа часто использует различные информационные системы из-за удобства и скорости работы, что приводит к фрагментации данных. Доступ к консолидированной аналитике становится затруднительным. Один из топ-менеджеров тратил до одного рабочего дня на сбор и структурирование данных для отчета акционерам, отвлекая ключевых сотрудников от более приоритетных задач.
👨💻 И в этот момент нарисовалась цель - повысить прозрачность ключевых бизнес-показателей для поддержки управленческих решений и автоматизировать ручной процесс составления отчетности, высвобождая время сотрудников для стратегически важных задач с уклоном на ограниченность ресурсов.
✅ Результаты - Проект был полностью спроектирован и реализован на open-source решениях. Стоимость владения данным инструментом составляет всего 1500 рублей в месяц, включая затраты на размещение в дата-центре Selectel. Внедрение системы позволит команде стартапа экономить до 10% рабочего времени, что эквивалентно 24 рабочим дням в год (ранее на подготовку отчетов уходило 1-2 дня ежемесячно). Наиболее значимым результатом является возможность оперативной реакции управленцев на изменения рынка и принятие обоснованных решений, основанных на актуальных данных. Больше никаких "почувствуй интуицию"!
В процессе работы я использовал следующие технологии:
- PostgreSQL: Реляционная база данных для хранения структурированных данных, предназначенных для дальнейшей визуализации и глубокой аналитики.
- Apache NiFi: Инструмент для настройки ETL-процессов (извлечение, преобразование и загрузка данных) из различных информационных систем в централизованное хранилище данных.
- Yandex DataLens: Платформа для настройки и визуализации дашбордов. Предоставляет возможности совместного доступа и редактирования, аналогичные Google Docs.
Здесь можете посмотреть, какой получился конечный дашборд. Данные там фейковые - конфиденциальность прежде всего.
Теперь, располагая большим количеством свободного времени, я планирую ежедневно публиковать интересный и актуальный контент для вас.
📱 Кроме того, готовлюсь к запуску YouTube-канал, где мы с моим напарником будем исследовать, как искусственный интеллект меняет жизнь, людей и бизнес. Мы убеждены, что точка невозврата уже пройдена, и ИИ продолжит оказывать фундаментальное влияние на все сферы деятельности. Скоро, все прям очень скоро ☺️
😎 Хотел бы узнать ваше мнение: считаете ли вы, что BI-инструменты являются необходимостью для каждого бизнеса, или это ненужные инвестиции времени и денег? | 445 |
| 13 |  Ого: OpenAI выпустили подкаст про то, как они обучали GPT-4.5
Присутствовали 3 инженера из команды разработки: Амин Тутунчян, Алекс Пейно и Дэниел Селсам. Что интересного рассказали:
➖ Планирование выпуска GPT-4.5 началось еще год назад. Целью было создать модель в 10 раз умнее GPT-4. Сначала была куча тестов, а затем под GPT-4.5 пришлось почти полностью переписывать формы матриц, структуры слоёв и др (чтобы подстроиться под инфру).
➖ Основным вызовом оказалось масштабирование GPU-кластера. С увеличением количества карт (например, с 10k до 100k), начинает возникать все больше отказов и ошибок. Так что в начале обучение не задалось, но потом основные проблемы постепенно разрешились.
➖ Из забавного: прямо во время обучения была найдена критичная ошибка в реализации функции torch.sum в PyTorch. Она приводила к систематическим сбоям с доступом к памяти.
➖ Оказывается, основная метрика стартапа – это лосс на их же внутреннем коде. Работает хорошо, потому что таких данных гарантировано никогда не было в паблике, а значит и в трейне.
➖ Раньше модели были compute-bound, то есть ограниченные мощностями. 4.5 впервые стала моделью, ограниченной данными (data-bound). Сейчас это основная пробелма, потому что рост данных намного медленнее роста доступных вычислений.
➖ В целом скейлинг, конечно, замедляется, но все еще работает за счет того, что в дате всегда присутствуют длинные хвосты редких, но важных концепций. Их можно "латать" новыми данными почти бесконечно.
➖ Сейчас по эффективности обучения на тексте нейросети отстают от человека примерно в 100,000 раз. Так что, чтобы масштабироваться дальше, нам понадобятся новые алгоритмы, которые смогут извлекать больше знаний из меньшего объема даты. Да и методы обучения на масштабах миллионов видеокарт должны быть совсем другими.
Выпуск полностью – здесь | 740 |
| 14 |  OpenAI раскрыли график выхода своих следующих моделей:
– Флагманская o3 выйдет через «пару недель». Пока это единственная нейронка, которая на 4% способна думать как человек;
– Вместе с ней выйдет o4-mini. Альтман впервые анонсировал эту модель;
– Через пару месяцев выпустят GPT-5. В неё будут вшиты все предыдущие версии GPT, обещали сделать бесплатной для всех.
Все это время OpenAI будут готовить свои серверы к рекордному спросу. | 725 |
| 15 |  ОБЖОРЛИВЫЕ ДАТА-ЦЕНТРЫ, ИЛИ ЧТО СТОИТ ЗА ИИ?
Расследование Bloomberg в 2024 году раскрывает масштабы энергопотребления дата-центрами, поддерживающими искусственный интеллект (AI) по всему миру. Прогнозы Сэма Альтмана о колоссальных энергозатратах подтвердились. Для обеспечения работы AI могут потребоваться даже термоядерные источники энергии, и специальные места для ее хранения. Прикольно, что стартап Oklo, занимающийся строительством атомной электростанции для нужд AI, уже оценен в $850 млн. Альтман, инвестировавший в этот проект, ожидает значительных результатов.
↗️Цифры и факты
На сегодняшний день в мире насчитывается более 7 000 дата-центров на разных этапах разработки, что вдвое больше по сравнению с 2015 годом. При текущих темпах роста некоторые AI серверы скоро будут потреблять более 85 тераватт-часов электроэнергии ежегодно — это больше, чем производят две атомные станции.
💫 Один современный центр потребляет столько же энергии, сколько нужно для 30 тысяч американских домов.
💫 Во многих регионах мира энергопотребление дата-центрами превышает доступные ресурсы, что приводит к задержкам и сбоям в электросети, а также росту цен на электричество.
💫 В странах, таких как Саудовская Аравия, Ирландия и Малайзия, запланированные дата-центры потребуют больше энергии, чем могут предоставить доступные возобновляемые источники.
💫В Великобритании ожидается рост энергопотребления AI дата-центрами на 500% в течение следующего десятилетия. В США к 2030 году они будут использовать 8% всей электроэнергии.
💫 Сегодня AI дата-центры потребляют 508 тераватт-часов в год, что превышает годовое производство электроэнергии в таких странах, как Италия или Австралия.
💫Только 16 стран, включая США и Китай, потребляют больше электроэнергии, чем все AI дата-центры вместе взятые.
💫 К 2034 году дата-центры будут потреблять более 1 580 тераватт-часов — эквивалентно текущему потреблению Индии с населением более 1,4 миллиарда человек.
😎 Уже вокруг дата-центров зарождается новая инфраструктра, например, Газпром превращает попутный газ в электроэнергию и тем, самым обеспечивает часть майнинг-центров бесплатным электричеством. Кроме того, китайские компании и Майкрософт - опускают в воду дата-центры, чтобы вообще не тратиться на электричество, а охлаждать тепературой воды. Мой прогноз в ближайший год - это AI будет использоваться и для оптимизации энергозатрат и создание саморегулирующихся систем, чтобы они были надежны и безопасны.
➗Рубрика: #исследования | 674 |
| 16 |  Можно сидеть теперь дома, пилить экспертный контент и лить трафик - чтобы зарабатывать миллионы долларов😮
В эпоху цифровизации и стремительного роста влияния социальных медиа каждый популярный блогер мечтает о создании собственного мобильного приложения. Однако, сочетать управление контентом и разработку софта под силу далеко не каждому. Именно здесь на помощь приходят инновационные решения от стартапа Unscreen.
🤫Unscreen предлагает лидерам мнений инструмент, который позволяет им без труда создавать приложения для размещения видеоконтента. Система конструктора позволяет настраивать шрифты, цены, категории и загружать видеоматериалы, превращая их пространство в миниатюрный аналог Netflix. Это открывает блогерам возможность монетизировать контент, предлагая подписки своим фанатам.
Стоимость использования Unscreen составляет 500 долларов в месяц, плюс доллар за каждого платного подписчика. Это делает решение гораздо более доступным по сравнению с затратами на разработку собственного приложения. Несмотря на издержки, блогеры получают возможность делиться успехом и значительно увеличивать доход за счет грамотных конверсий и повышения лояльности подписчиков.
🤑Недавно Unscreen привлек 150 миллионов долларов инвестиций в ходе первого публичного раунда, что свидетельствует о высоком доверии к инновациям компании.
😎 Я думаю, что такое решение отражает неизбежную тенденцию к децентрализации медиа, где каждый создатель контента может стать центром собственной экосистемы взаимодействия без огромных вливаний на первоначальном уровне. А таким решениям останется решить проблемы с оптимизацией производительности и скорости загрузки видео, чтобы блогеры не оставались без клиентов. | 458 |
| 17 |  «АВИТО» АНОНСИРУЕТ ГЕНЕРАТИВНЫЙ ИИ-СТЕК
«Авито» запустил два решения на базе нейросети Qwen2.5 (7 млрд параметров): текстовую модель A-Vibe и мультимодальную A-Vision . Обученные на 10+ ТБ данных (открытых и внутренних), они нацелены на трансформацию процессов покупки и продажи.
A-Vibe фокусируется на текстовой аналитике: генерирует описания товаров, ответы в чатах, пересказывает отзывы и создает объявления. Для этого разработан уникальный русскоязычный токенизатор, оптимизирующий обработку локального контента.
A-Vision работает с мультимодальными данными: анализирует визуальные характеристики товаров, распознает текст на изображениях, оценивает качество фото и модерирует контент. Это снижает ручную модерацию и повышает безопасность платформы.
Инвестиции в 12 млрд рублей до 2028 года уже принесли первые плоды: в 2024 году продукты на основе ГенИИ обеспечили компании 670 млн рублей дохода. Прогнозируемый эффект к 2028 году — 21 млрд рублей.
➕ ЭФФЕКТЫ:
➡️ ДЛЯ ПОЛЬЗОВАТЕЛЕЙ: Существенное упрощение создания объявлений с автоматической генерацией описаний, более быстрыми ответами и улучшенным поиском товаров с учетом как текстовых, так и визуальных характеристик.
➡️ ДЛЯ БИЗНЕСА: Прогнозируемый ROI около 175% на инвестиции в ИИ-технологии к 2028 году при значительном снижении операционных затрат на модерацию контента и поддержку пользователей.
➡️ ДЛЯ ГОСУДАРСТВА: Локализация ИИ-решений снижает зависимость от западных технологий, усиливая цифровой суверенитет.
😎 Проект «Авито» поднимает планку для инфраструктурных решений — обработка 10+ ТБ данных требует высокопроизводительных систем с эффективным энергопотреблением. Ожидаю всплеск спроса на модульные дата-центры с AI-акселераторами среди российских компаний. Ключевой вызов — баланс между вычислительной мощностью, энергоэффективностью и стоимостью владения при масштабировании подобных ИИ-систем. | 450 |
| 18 |  Гильермо Рауч, основатель Vercel, поделился своим видением будущего программирования в недавнем подкасте на портале Every.
Продуктами Рауча пользуются ИИ-гиганты:
🧲Vercel (облачный хостинг) используется компанией OpenAI
📊Socket.IO (библиотека) используется в работе Perplexity
💡Next.js (набор инструментов) используется для разработки сайтов Claude и Spotify
Рауч, кодирующий с 10-летнего возраста (сейчас ему 34), уверен, что будущее за фулстек-разработчиками, способными создавать как пользовательский интерфейс, так и серверную логику. Однако ключом к успеху станет сочетание технических навыков с продуктовым мышлением.
"Фокус смещается от кода к конечной цели — созданию выдающегося продукта или пользовательского опыта", — подчеркивает он.
ИИ-ассистенты становятся неотъемлемой частью программирования, но с разным уровнем автономности:
➡️Cursor помогает в написании отдельных функций
➡️Devon позиционируется как полноценная замена программисту
По мнению Рауча, в будущем ИИ-агенты будут самостоятельно оценивать сложность задачи и запрашивать только необходимую информацию. Вместо составления сложных промптов пользователи будут получать целенаправленные уточняющие вопросы от ИИ.
Экономика ИИ-разработки:
Рауч прогнозирует отход от модели подписки. Разработчики превратятся в "менеджеров по распределению токенов", оплачивая использование языковых моделей в зависимости от объема и сложности запросов.
📱 Полную видеоверсию подкаста можно найти по ссылке на оригинал.
😎 Революция в разработке происходит прямо сейчас. Nocode-инструменты позволяют создавать MVP без единой строки кода — достаточно связать API и развернуть решение на бесплатном хостинге.Демократизация технологий достигла точки, когда практически любой пользователь может создать специализированного ИИ-агента под конкретную задачу.Бизнес-модель действительно трансформируется в направлении, обозначенном Раучем — мы движемся к оплате только за фактически потребляемые ресурсы, что оптимизирует расходы и делает технологии доступнее.
Интересно, что Stack Overflow 2023 показывает: 70% разработчиков используют ИИ-помощников, но 63% отмечают необходимость существенной доработки сгенерированного кода. Парадокс: упрощая программирование, ИИ формирует новый навык — умение эффективно управлять искусственным интеллектом и проверять его результаты. | 453 |
| 19 |  ИИ vs. Текст: Конец Эпохи Письменности?
Виктор Рипарбелли, CEO Synthesia (платформа для генерации ИИ-видео), в выступлении на TED Vienna заявил:
Через 10–15 лет чтение и письмо станут артефактами, как папирусы. ИИ-контент полностью заменит текст.
Ключевые аргументы:
📺Текст теряет информационную ценность.
Передаёт только факты, игнорируя эмоции, интонации, контекст. Даже голосовые сообщения и эмодзи — временные решения. ИИ-видео воспроизводит живое общение с точностью до мимики и жестов.
🛫Демократизация контента.
Ранее создание видео требовало ресурсов (студии, сценаристы). Сейчас ИИ превращает текст в профессиональный ролик за минуты, снижая затраты на 80%.
🤪Поколение Z (1997–2012 гг. рождения) — первые цифровые "человеки", для которых видео и аудио — основные форматы обучения.
TikTok для них — не только развлечение, но и инструмент поиска информации. По данным Synthesia и UCL, 77% пользователей быстрее усваивают знания через ИИ-видео.
🚩 ИИ в образовании.
Системы вроде алгоритмических тьюторов уже трансформируют обучение: объясняют сложные темы через интерактивные сценарии, адаптируя сложность в реальном времени.
😁 Этический вопрос.
ИИ-аватары в рекламе и образовании — норма будущего. Как и с актёрами в кино, ключевой вопрос — где граница между персонализацией и манипуляцией.
Итог: Рипарбелли прогнозирует, что письменность уступит место мультимедиа. Но потеряем ли мы глубину анализа, критическое мышление или культурное наследие?
📱 Полное выступление - ссылка.
😎 Регулярное использование ИИ-инструментов для редактуры, подбора синонимов и анализа данных повысило мою продуктивность на 40%, но привело к деградации навыков самостоятельного написания сложных текстов. Чтобы компенсировать это, я увеличил объём профессионального чтения, фокусируясь не только на фактах, но и на стилистике, структуре и аргументации качественных материалов. Это позволяет поддерживать «языковой мускул» и сохранять аналитическое мышление.
Парадокс современности: ИИ экономит время, но требует постоянной интеллектуальной нагрузки. Без этого рискуем стать редакторами собственных алгоритмов, теряя способность к глубокой смысловой генерации. Что думаете вы по этому поводу? | 412 |
| 20 |  Привет, охотники за технологиями! Вырвавшись из учебной рутины и рабочих забот, я готов поделиться с вами последними новостями из мира AI и телеком-технологий. Рассказываю, что случилось:
😉OpenAI интегрировала генератор картинок в модель 4o, и теперь вам не нужно обращаться к сторонним ресурсам для создания и обработки изображений. Это шаг вперёд к упрощению работы с визуальным контентом — попробуйте сами!
🕺 OpenAI планирует построить свой собственный центр обработки данных, чтобы снизить зависимость от Microsoft. Меня вдохновляют такие новости так как это отражает необходимость моего продукта и в целом может простимулировать развитие IT-инфраструктуры в России.
🌟«Ростелеком» за год использования LLM и речевой аналитики ускорил работу своего контакт-центра в семь раз. Возможно, это предвещает изменения для сотрудников колл-центров (вымирание).
➡️Магнитогорский металлургический комбинат внедрил систему на основе компьютерного зрения, что позволяет учитывать выпускаемые трубы с точностью до 99,6%.
👑В поликлиниках Воронежской области начали использовать цифрового ИИ-помощника врача «ТОП-3» от «СберМедИИ». Это может значительно улучшить качество медицинских услуг и сократить очереди.
⚡️NVIDIA представила ИИ-помощника G-Assist для оптимизации рабочих станций в игровой индустрии. Они готовятся предложить комплексные решения (ПО и железо сразу), и пока не поздно запускайте собственные ИИ проекты.
На этом пока остановлюсь, но с завтрашнего дня продолжу рассказывать интересные ИИ истории более подробно, поэтому не отключайтесь. И спасибо, что еще остаетесь здесь!
P.S. Кстати на закрепленном фото, я попробовал изменить себя на мультяшку, но получился не совсем я. Пока еще технологии требуют развития у OpenAI😅 | 404 |
