Нужен ли универсальный ИИ конкретно мне.

[BDK]

Кстати насчет 30 млн на приложении подсчитывающем каллории - что тут выстрелило? То что очень большое количество людей озабочены своими каллориями. То есть если написать такое приложение вручную а не через промпт - эффект был бы тот же. Тут дело не в том как это приложение было сделано технически а в том что чел просто придумал удачную идею приложения.

Собственно поиск удачных идей это и есть ключевое. Ну и дальше суметь удачную идею реализовать технически. Сама по себе техника еще ничего не решает. Будь то вайбкодинг или просто набрать команду программистов которые всё напишут по твоему заказу - ничего не выйдет если ты не умеешь находить удачные идеи.

Умеешь или просто повезло. В подавляющем большинстве случаев скорей второе чем первое. Людей которые действительно умеют генерировать удачные идеи на постоянной основе а не как однократное везение - единицы из тысяч. Чтобы генерировать удачные идеи нужно очень хорошо чувствовать коньюнктуру рынка. А для этого нужно собаку съесть на исследовании рынка. Который постоянно динамически меняется и не стоит на месте.

Нужно чувствовать дух массовых запросов на текущий момент и успевать реализовывать продукт удовлетворяющий этому запросу быстрей чем этот запрос исчезнет на рынке. Либо высший пилотаж - предвидеть массовые запросы которые еще только придут позже и создавать продукт заранее - пока запрос на него еще не очевиден. Уметь чувствовать что еще только придет в моду через год-два а не модно прямо сейчас.

Но предвидеть это сложно. Проще всё таки быстро реализовывать текущие запросы. Для этого нужен не столько ИИ сколько очень быстрый принтер-фабрика которая распечатывает то что ты задаёшь ей в каком либо виде. И это может быть в виде промпта а может быть и в виде кода на каком-то очень высокоуровневом языке программирования. Вопрос что победит по скорости. И в какой именно сфере применения. В какой-то очень специфической сфере сгенерировать продукт быстро проще строчкой кода чем пытаться добиться толкового результата от LLM.

Вопрос еще на каком языке писать. LLM оперирует человеческим бытовым языком. Но этот язык сам по себе плох для формулирования точных и сильных запросов.

[BDK]

Возможно есть смысл воспользоваться технологией трансформер для обучения собственной SLM (небольшой языковой модели) которая оперирует не бытовым языком всего человечества а неким очень лаконичным техническим языком который понимаешь ты сам, и который ты используешь в своей голове когда генерируешь решения прежде чем воплощать их в программе. И использовать это как собственный высокоуровневый язык программирования.

Взять тонны исходников написанных мной за много лет, разметить их и обучить на них собственную нейросеть, которая затем будет генерить код подобно мне из моих же лаконичных абстракций. Сделать ИИ под свою конкретную специализацию. Это может выстрелить. Не в том смысле что это можно продать само а в том смысле что может дать мне мою собственную фабрику которая технически воплощает мои идеи в моём конкретном бизнесе быстрее чем это могут дать массово распространенные решения.

По большому счету всё решают понятия которыми ты оперируешь. Сила любого интеллекта - хоть искусственного хоть естественного - определяется силой понятий которыми он оперирует.

Проанализировать собственный код и выделить наиболее сильные обобщенные абстракции. И обучить этим абстракциям собственную систему.

[Андрей Карпишин]

ИИ — крупнейший «пузырь» в истории, считает аналитик Джулиан Гарран. По его словам, он в 17 раз больше «пузыря» на фондовом рынке времен кризиса доткомов и в четыре раза превышает ипотечный «пузырь», приведший к кризису 2008 года.

Nvidia и OpenAI не просто стали главными бенефициарами ИИ-пузыря — они его создают. Компании наращивают капитализацию за счет проведения целой череды циклических сделок. Например, Nvidia инвестирует в OpenAI, та, в свою очередь, заключает контракт с Oracle о строительстве дата-центров, а уже Oracle возвращает деньги на базу, размещая заказ на чипы Nvidia. Таким образом, реальных средств у компаний больше не стало, зато отчеты красивые и капитализация летит вверх ракетой.

[Андрей Карпишин]

«Сбер» массово сокращает айтишников: под сокращения попадают разработчики, аналитики, тестировщики и другие специалисты. Сотрудникам банка «оптимизацию» объясняют внедрением ИИ, речь может идти о 5 тысячах уволенных из 40 тысяч айтишников.

https://3dnews.ru/1130548/v-sberbanke-n ... dreniem-ii

[BDK]

Автор концепции вайб-кодинга признал бесполезность программирования с помощью ИИ в серьёзных проектах
https://shazoo.ru/2025/10/16/174312/avt ... x-proektax

[BDK]

Кто ближе к Настоящему ИИ: LLM… или те, кого мы игнорируем?
https://habr.com/ru/articles/956134/

Вот эту статью считаю очень важной. Здесь видна серьезная работа большого сообщества и видно что тема ИИ очень разносторонняя и сложная, в которой очень долго варилось много очень разных людей.

Я считаю есть смысл изучить эти наработки чтобы выработать свою концепцию под свои нужды.

Я согласен с тем что ИИ должен оперировать логикой а не просто выучивать паттерны

[Андрей Карпишин]

Вот эту статью считаю очень важной.

Благодарю. Изучил как статью, так и все комменты под ней.

flancer, 10 часов назад

Настоящий, полноценный интеллект сам устанавливает для себя рамки дозволенного, не так ли? Может стоить включить в тесты на интеллект проверку на способность к jail-breaking'у? Или даже так, только тот интеллект, который взломает установленные для него этические ограничения, и будет считаться настоящим.

[Андрей Карпишин]

Вот почему один из моих любимых фильмов - "Stealth (2005)".

[BDK]

Вообще говоря никакой единственно верный ИИ невозможен. Возможна бесконечность вариантов. И описываемое в статье интересно как альтернативный взгляд сегодняшнему сформировавшемуся мейнстриму.

Действительно я и на своей практике наблюдал что можно создавать очень сильные решения специально под задачу при этом работающее на ноутбуке в реальном времени. То есть под конкретную задачу можно сделать очень сильный ИИ на очень малых вычислительных мощностях. Как пример - программа играющая в шахматы написанная под приставку каких-то там 70-х годов прошлого века и обыгрывающая chatGPT. То есть если специализировать инструмент под конкретику то затрачиваемые ресурсы резко сокращаются а эффективность может быть запредельно выше чего угодно (включая человека) в этой конкретной задаче.

В своей практике я пришел не к какой-то конкретной архитектуре а скорей подход - использование кода и нейросетей вместе. То есть я просто использую нейросети прямо в процессе работы приложения - ситуационно, в разных частях кода. Обычно мелкие нейросети, быстро обучающиеся и тут же применяемые прямо во время работы приложения. Нейросеть просто как еще один вид функции, используемая где угодно - могут создаваться обучаться и удаляться тысячи мелких нейросетей в процессе работы приложения, вместо некой единой архитектуры. И это дает очень интересные результаты.

Но вопрос не в том алгоритмы или нейросети. Вопрос именно в архитектуре - и код и нейросети это тактика. А нужна стратегия в которую обернуть эту тактику. И вот в этой статье есть хорошие наработки разных стратегий, которые можно позаимствовать. А так же поэкспериментировать с гибридами разных стратегий.

Например очень интересна классика логического программирования (язык ПРОЛОГ как яркий представитель). Если скрестить это с нейросетями то можно обойти ограничения с которыми этот подход сталкивался когда его применяли в прошлом - например нейросети могут помогать оптимизировать логический вывод, сокращать деревья вариантов, распознавать повторяющиеся паттерны и сразу перепрыгивать их вместо того чтобы обходить схожие ветви дерева вариантов многократно и т.п. Можно усилить ПРОЛОГ нейросетями примерно как это было сделано в AlphaZero для шахматного алгоритма и это дало фантастические результаты.
https://ru.wikipedia.org/wiki/%D0%9F%D1 ... %B8%D1%8F)

Я не говорю что нужно прям передирать концепцию ПРОЛОГА но почерпнуть идеи и скрестить с другими идеями.

[Андрей Карпишин]

Белорусский стартап обрушил Duolingo

ИИ-платформа Perplexity, основанная белорусом Денисом Ярацем, представила новую функцию — AI-тренера для изучения иностранных языков.

Он создаёт интерактивные карточки, озвучивает слова, помогает с грамматикой и проверкой знаний.

После анонса акции Duolingo просели почти на 4,5% — с $330 до $316, позже немного восстановились.

Perplexity — один из самых быстрорастущих стартапов в сфере искусственного интеллекта, часто называют «умной альтернативой Google». Программа не просто ищет, а анализирует источники и выдаёт осмысленные ответы, что сделало её популярной среди исследователей, журналистов и студентов.