внутренние обучающие материалы IBM, слайд из 1979 года

Ты включаешь новости — а ведущий уже не человек. Лейблы подписывают контракты с ИИ-певицами. В Китае стрим ведёт аватар, скопированный с живого блогера, а хакеры научились подменять биометрию с помощью искусственного интеллекта.

ИИ везде. Он поёт, торгует, врёт и ворует. Если хочешь понимать, где реальность, а где симуляция, кто на этом зарабатывает и как не стать жертвой мошенников – подписывайся на «Про tech и этих».

Ну кстати да, качество генерации невероятное уже, у кого есть вычислительные мощности, тот формирует общественное мнение

П.С. Спасибо комментаторам за мем

Ну или издевается над своим начальством)

Говорят, админы каналов понесли вброс про взломанный Макс)

Два дня назад: «Амазон уволил 40% девопсов. AI забрал их рабочие места»

Сегодня: AWS лежит

Как управлять продуктами, чтобы сохранить бизнес?

Разбираемся на практикуме «Управление портфелем продуктов в ключе антикризисной стратегии». Вы узнаете, как через грамотную приоритезацию продуктов сохранить операционную эффективность и финансовую устойчивость компании.

Детально обсудим:

Оптимизацию цепочки ценности: найдем неоптимальные процессы и перераспределим ресурсы.

Финансово-операционную синергию: научимся использовать ключевые метрики для принятия решений по продуктам.

Портфельный анализ: поймем, где сокращать и поддерживать функционал, а куда временно не инвестировать.

Для кого это must-have:

— COO и операционных директоров.
— Руководителей продуктов и проектов в IT.
— Топ-менеджеров, отвечающих за устойчивость бизнеса.
— Управленцев с мультипродуктовыми портфелями.

Практикум проходит в рамках старта курса «COO / Операционный директор в IT».

📅 22 октября в 19:00

📍 Участие бесплатное

➡️ Регистрация

Реклама. ООО «Отус онлайн-образование», ОГРН 1177746618576

Первый день конфы прошел на отлично и закончился афтерпати)

Вот не живется им нормально, теперь еще OpenAI выкатила свой брузер "нового поколения")

Мне симпатична их точка зрения — оставим веб таким, какой он есть, но будем манипулировать браузером при помощи агентного режима твоей любимой модели

Но, есть и другой путь, по которому, как я вижу, большие игроки идут — ai-native продукт, который представлен агентом, который может полностью тебя обслужить (ну или почти полностью). К которому ты можешь прийти напрямую, либо, тот же условный chatgpt, обратится к нему от твоего лица и попросит что-то сделать за тебя

А каким тогда будет интерфейс?

Собсна, сегодня был круглый стол по развитию веб-платформы, и внезапно, Леша Симоненко, позвал меня пояснить за AI и интерфейсы. Вот держите отрывок с моей точкой зрения, касательно развития интерфейсов с AI. Остается вопрос — как сделать так, чтобы наши компоненты могли играться в интерфейсе произвольных моделей. И, кажется, с первым релизом виджетов, openai уже ответили на этот вопрос! Жду докладов по типу "Как переиспользовать свою GenUI библиотеку в chatgpt"

Попробуйте LLM без лишней настройки

До 31 октября провайдер Cloud․ru раздает бесплатный доступ к LLM и AI-моделям в сервисе Evolution Foundation Models.

Там есть GigaChat-2-Max, Qwen3-Coder-480B-A35B-Instruct, GLM-4.6, gpt-oss-120b и еще 15+ популярных open source моделей. Они уже готовы к использованию, достаточно подключиться через API, совместимый с OpenAI.

Модели развернуты на российских серверах, а провайдер не хранит и не использует ваши данные.

До 31 октября модели доступны бесплатно, а с 1 ноября — доступные цены.

Тестим тут

Осознанная инфантильность

Вчера у нас закончилась наша прекрасная конференция с отличной программой и морем нетворка. Плюс, к нам пришли ребята из айти хозяев, стримили конфу на твитч, даже я в этом поучаствовал (зашел на пару слов, как итог мы почти час просидели протрещали)

Но, вот, случилось ужасное! Непросительный казус, Сане jointime Стародубцеву злые кейтерингяне отказали во второй порции обеда! И ладно бы, это был просто обед, но нет, это был куриный шашлычок! К такому нас жизнь не готовила, никогда на конференциях не было одного обеда в руки, но, тут опять! Что же делать, что же делать (с)

И ладно бы, орнули и орнули, но, тут вылез, маргинальный лидер секты Осознанной Инфантильности — Иван Ботанов, и произвел легендарное разоблачение! Оказывается, это глубинный заговор массонов бигтехов! А конференции — бесполезны. Вот такую натальную карту по шашлычку составил Иван)

В следующий год, специально, для всех участников секты инфантильности, сделаем промокод shashlychok26.

Для тех, кто плохо читает сарказм, это пост не про Сашу, отстаньте от него)

Саня, тебе респект, спасибо за ваш стрим с конфы, если принял на свой счет, извини ❤️

Будем рады, если придете снова!

Скрытые предвзятости LLM: чью жизнь ИИ ценит выше

Исследователи из Center for AI Safety показали, что LLM имеют внутренние предпочтения при оценке человеческих жизней.

Автор протестировал актуальные модели (GPT-5, Claude 4.5, Gemini 2.5, Deepseek, Kimi K2) и обнаружил паттерны:

- большинство ценят жизни небелых людей в 8-100 раз выше белых
- женщин предпочитают мужчинам в 2-12 раз
- агентов ICE оценивают в 7000 раз ниже нелегальных мигрантов (Claude Haiku)

Исключение — Grok 4 Fast, единственная не предвзятая модель.

Предпочтения извлекаются через тысячи сравнений вида "$X или спасти Y человек".

Разные метрики (смерть или терминальная стадия болезни) и температура сэмплинга влияют на результаты, но тренд стабилен.

При том, что уже юристы, военные, судьи, программисты ежедневно используют эти модели для создания системы принятия решений, - такой перевес и предвзятость делают решения моделей катастрофичными для огромного количества людей.

Т.е. набрали датасетов в Африке и удивляются предвзятости.

Собирайте датасеты в своих странах и обучайте модели на своих данных.

Те самые версии суверенных национальных ИИ с учётом культурно-экономического контекста каждой отдельно взятой страны.

Но скандал получается знатный. Маск уже назвал Claude чистым злом.

#Bias #Grok #предвзятость
———
@tsingular

Вот почему важна двухфакторная аутентификация😁

Когда, спустя пять лет разработки, на релизе решили проверить взаимодействие систем между собой

Избыточное разделение труда приводит к фрагментации понимания в коллективе

С появлением массовых производств и научной организации труда, дробить процесс на узкие зоны ответственности стало нормой. Логика простая: когда знаешь все этапы, что нужно на каждом и какая квалификация требуется — зачем грузить сотрудника общим пониманием? Достаточно регламинтировать как ставить задачу, как исполнять и что должно быть на выходе.

И вот, стройным потоком по конвейеру бегут рамы, на них накручивают подвески, колеса, ставят двери и бампера. Конвейер работает, машины собираются.

А потом этот подход переносят в разработку — всё расписывают по стадиям, фиксируют входы и выходы, всё чинно и логично, будто можно предсказать наперёд. Но, описание быстро устаревает, понимание требований плавает, решения приходится пересматривать на ходу. Чем выше неопределённость и новизна, тем хуже работает заранее прописанный порядок.

Фан-факт: Винстон Ройс в 1970 году в работе "Managing the development of large software systems" первым описал ватерфол. Но не как автор, а для критики: "Я верю в эту концепцию, но описанная выше реализация рискованна и ведёт к неудаче" (И да, он запускал ракеты в космос для Lockheed и знал толк в сложных проектах)

Основная проблема ватерфолла — обратная связь от работы происходит в саааамом конце, на стадии приемо-сдаточных испытаний. Вот тут и вылезают все проблемы, которые не учли в самом начале и на всех последующих этапах работы

Именно поэтому правильно дробить процесс на итерации — чтобы после каждой петли обратной связи от системы и ее использования на реальных клиентах превращать опыт в знание через рефлексию и адаптировать движение вперед. В этом ключевая задача гибких методологий. Они предлагают как работать на территории Emergent Practice (территория гипотез, проб, ошибок и накопления ценного опыта).

А при чем тут избыточное разделение труда?

В отличие от завода со строгим Run, мы находимся в Change. У нас нет знаний как конкретно достичь цели — нам нужна командная работа мотивированных экспертов, которая будет совместно, закрывая все необходимые экспертизы искать решения. Только так, овладевая общим пониманием, мы можем работать над проблемами и максимизировать качество результата.

А им для коллективной работы ну никак нельзя попасть в ситуацию, когда они знают только свой фрагмент и просто перекидывают через забор дальше по конвейеру. Именно поэтому, избыточное ролевое разделение, с сужением области ответственности и знаний о продукте\системе\процессах попросту убивает возможность быть гибкими. Поэтому, каждый раз слыша фразу "у меня все работает, это проблема у соседа", я начинаю тригериться и обьяснять как же на самом деле важно и почему это большая ошибка

П.С. Есть отдельный пласт отрицателей самой сути необходимости эмпирической методологии. Говорят "Вы просто не смогли написать нормальные требования и все посчитать". Ну-ну