Лекция от легенды ИИ в Стэнфорде

Сегодня я хочу обсудить с вами советы по построению карьеры в сфере Ии. В прошлые годы я обычно читал эту лекцию сам, но сегодня я решил поделиться лишь парой мыслей, а затем передать слово моему хорошему другу Лоуренцу Мароне. Я пригласил его выступить здесь, и он любезно согласился приехать к нам в Сан-Франциско из Сеатетла, чтобы рассказать о ситуации на рынке труда и дать советы тем, кто строит карьеру в области искусственного интеллекта. Но перед тем, как передать микрофон Лоуренсу, я хочу показать два слайда и озвучить одну важную мысль. Сейчас лучшее время в истории для того, чтобы создавать что-то с помощью ИИ и строить в этой сфере карьеру. Несколько месяцев назад в соцсетях и СМИ звучали вопросы: а не замедляются ли? Действительно ли GPT5 так хорош? На мой взгляд, он весьма хорош, но вопросы о замедлении прогресса всё равно возникают. Думаю, отчасти это связано с тем, что если мы берём за эталон 100% точность ответов, то достигнув быстрого прогресса, вы просто не можете прыгнуть выше этой планки. Однако на моё мышление сильно повлияло исследование организации MTR МЕТР. Они изучали, как со временем меняется сложность задач, которые способен выполнять и измеряя их временем. которая требуется человеку на выполнение той же работы. Пару лет назад GPT2 справлялся с задачами, на которые у человека уходило пару секунд. Потом пошли задачи, с которыми человек справлялся за 4 секунды, 8 секунд, минуту, 2 минуты, 3че и так далее. Согласно этому исследованию, длительность задач, которые может выполнять и удваивается каждые 7 месяцев. И этот показатель вселяет в меня оптимизм и продолжает прогрессировать. И сложность задач, которые он берёт на себя, растёт стремительно. Согласно тому же исследованию, развитие икодинга идёт ещё быстрее. Период удвоения составляет примерно 70 дней. То есть код, на написание которого у меня раньше уходило, скажем, 10 минут, потом 20, потом 40. Теперь всё большую часть этого может делать и поэтому я считаю, что сейчас золотой век для создания продуктов - лучшее время, которое мы когда-либо видели.

Здесь есть два ключевых фактора: мощность и скорость. Каждый из вас в этом зале теперь может создавать программное обеспечение, которое мощнее того, что кто-либо в мире мог бы сделать ещё год назад. просто используя строительные блоки на базе ИИ. и строительные блоки включают в себя большие языковые модели, агентные и мультиагентные рабочие процессы, голосовой Ии, конечно, глубокое обучение. Оказалось, что многие большие языковые модели имеют довольно неплохое, по крайней мере, базовое понимание глубокого обучения. Так что если вы когда-нибудь попросите одну из передовых моделей реализовать для вас современную нейросеть, например, попробовать реализовать трансформер, то на самом деле она вполне неплохо помогает использовать эти строительные блоки для быстрого создания программного обеспечения. И в результате у нас появились очень мощные инструменты, которые ещё год или два назад либо были крайне сложными, либо вообще не существовали. Теперь вы можете создавать программное обеспечение, которое делает вещи, на которые раньше не были способны даже самые продвинутые команды в мире. И, кроме того, с развитием Икодинга скорость написания программ стала беспрецедентно высокой. Лично я считаю крайне важным всегда быть на острие прогресса и использовать самые современные инструменты, потому что в сфере икодинга всё меняется невероятно быстро. Скажем, несколько месяцев назад моим фаворитом стал клодкод, придя на смену предыдущим поколением. После выхода GPT5 я заметил огромный скачок в Open AI кодекс. А буквально сегодня утром вышла GI 3. У меня ещё не было времени её протестировать, но, судя по всему, это ещё один гигантский скачок вперёд. Поэтому, если вы будете спрашивать меня каждые 3 месяца, какой инструмент для кодинга мой любимый, ответ, скорее всего, будет меняться точно каждые 6 месяцев и вполне возможно каждые три. Я заметил, что отставание даже на пол поколения в этих инструментах означает заметное снижение продуктивности. Все говорят, что и развивается очень быстро, что инженерия развивается очень быстро, но инструменты и кодинга- одни из самых быстрорастущих во всей сфере. Ии, возможно, не всё развивается так быстро, как это описывает хайп, но инструмент и кодинга - это как раз та область, где темпы прогресса действительно колоссальные. Использование самых новых поколений инструментов, а не отставание даже на полпоколения, напрямую делает вас более продуктивными. Есть один совет, который я сейчас даю гораздо настойчивее, чем даже год или два назад. Просто идите и создавайте. Делайте проекты, проходите курсы Стэнфорда, учитесь онлайн, но главное, используйте возможность что-то создавать. И как Лорен, думаю, дальше расскажет, показывать свои проекты другим сейчас проще и важнее, чем когда-либо. Но здесь есть одно неожиданное следствие, которое пока не так широко известно. Это узкое место в продукт-менеджменте. Когда становится всё проще переходить от чётко прописанного технического задания к готовому коду, основным ограничением

становится решение о том, что именно нужно создавать, и умение ясно сформулировать эту спецификацию. Когда я создаю программное обеспечение, я обычно прохожу цикл. Мы пишем код, показываем его пользователям и собираем обратную связь. Я считаю это работой продукт-менеджмента. На основе отзывов пользователей я пересматриваю своё понимание. Этот интерфейс слишком сложный. Эту функцию хотят, а эту нет. Я меняю своё представление о продукте и снова прохожу этот цикл много раз. Надеюсь прийти к продукту, который действительно нравится пользователям. И поскольку благодаря и процесс разработки стал намного дешевле и быстрее, чем раньше, это, как ни странно, смещает узкое место именно в сторону принятия решений, что строить дальше. И вот некоторые необычные тенденции, которые я сейчас наблюдаю. В Кремьевой долине и во многих технологических компаниях давно обсуждаются отношения инженеров и продукт-менеджеров. Конечно, к этим цифрам стоит относиться осторожно, они сильно различаются, но часто можно услышать про соотношение 4: Од, 7: О или 8 к од. То есть один продукт-менеджер, который пишет продуктовые спецификации, может обеспечивать работы от четырёх до восьми инженеров. Однако сейчас инженерная разработка ускоряется, тогда как продакт-менеджмент не получил такого же ускорения от Ии. В результате я вижу, что соотношение инженеров к продакт-менеджерам начинает снижаться. Возможно, до дву одному. В некоторых командах, с которыми я работаю, предлагаемые штатные планы выглядят как один продакт-менеджер на одного инженера, что почти не встречалось в классических компаниях Кременевой долины. И ещё одно, что я сейчас наблюдаю. Инженеры всё чаще сами формируют продукт и могут двигаться очень быстро. можно пойти ещё дальше, взять инженера и продакт-менеджера и объединить их в одном человеке. Конечно, есть инженеры, которым нравится исключительно техническая работа и которые не получают удовольствия от общения с пользователями и от этой более человеческой и эмпатичной стороны. Но я всё чаще вижу, что именно те инженеры, которые учатся разговаривать с пользователями, собирать обратную связь и глубоко понимать их потребности, чтобы принимать решения о том, что создавать, это самые быстродвижущиеся люди в Кремнеевой долине сегодня. И если вспомнить начало моей карьеры, то об одной вещи я сожалел много лет. В одной из своих ролей я пытался убедить инженеров заниматься большим объёмом продуктовой работы. В результате я заставил многих отличных инженеров чувствовать себя плохо из-за того, что они не были хорошими продукт-менеджерами. Это была ошибка. Я жалел об этом годами. Мне не стоило так поступать, и часть меня чувствует, что сейчас я рискую повторить ту же самую ошибку. Тем не менее, я вижу, что способность писать код и одновременно общаться с пользователями, формируя направление продукта, позволяет мне и тем инженерам, которые так умеют, двигаться гораздо быстрее. Поэтому, возможно, стоит ещё раз посмотреть на то, могут ли инженеры брать на себя чуть больше этой работы. Ведь если вам не нужно ждать, пока кто-то другой донесёт продукт до пользователей, вы просто пишите код, интуитивно понимаете, что делать дальше, и быстро итерируете. Такая скорость и темп выполнения задач становится значительно выше. И прежде чем передать слово Лоуренсу, я хочу сказать ещё одну последнюю мысль.

Я считаю, что одним из самых сильных факторов, влияющих на скорость обучения и уровень успеха, являются люди, которыми вы себя окружаете. Мы все социальные существа и учимся у тех, кто рядом с нами. Существуют социологические исследования, которые показывают, если ваши пять ближайших друзей курят, вероятность того, что вы тоже курите, значительно выше. Пожалуйста, не курите. Это просто пример. Я не знаю исследований, которые бы напрямую доказывали, что если ваши пять или 10 близких друзей трудолюбивые, целеустремлённые люди, быстро обучающиеся и стремящиеся сделать мир лучше с помощью Ии, то вы с большей вероятностью будете таким же. Но мне кажется, что это почти наверняка правда. Нас вдохновляют люди вокруг нас. Если вам удастся найти сильное окружение для совместной работы, это действительно помогает двигаться вперёд. И здесь, в Стэнфорде, я чувствую себя очень привилегированным. Потрясающие студенты, потрясающий преподавательский состав. И ещё одно, что у нас есть в Стэнфорде - это плотная связующая среда. Если говорить откровенно, многие люди, работающие сегодня в передовых лабораториях ИИФНРАПS это бывшие студенты разных преподавателей Стэнфорда. Эта насыщенная сеть связей означает, что в Стэнфорде мы часто узнаём о многих вещах задолго до того, как они становятся широко известны. Всё благодаря отношениям и дружбе. Когда какая-то компания делает что-то необычное, кто-то из моих коллег-преподавателей может позвонить знакомым и спросить: "Это правда работает? " И эта плотная связующая среда означает, что помогая продвигаться нашим друзьям, мы сами получаем знания, инсайты и практическое понимание передового ИИ. того, что, к сожалению, пока ещё не опубликовано в интернете. Поэтому, пока вы учитесь в Стэнфорде, заводите друзей и формулируйте эту плотную сеть связей. У меня лично было много ситуаций, когда я собирался двигаться в каком-то техническом направлении, но один-два разговора с человеком, находящимся прямо у переднего края исследований, будь то исследователь Стэнфорда или специалист из Frontierlла, давали мне новую информацию, и это полностью меняло мой выбор технической архитектуры проекта. Я вижу, что именно окружение короткие советы. Попробуй это, не делай вот так. Это просто хайп. Игнорируй пиар. сильно влияют на способность правильно направлять свои проекты. Поэтому, находясь в Стэнфорде, обязательно используйте это преимущество. Такая связующая среда действительно уникальна. В мире много отличных университетов, и я не хочу, чтобы это звучало как рекламная речь в пользу Стэнфорда, но я искренне считаю, что в данный момент нет ни одного университета, который был бы настолько привилегирован в плане связи с ведущими и командами. И помимо этого нам просто повезло быть частью замечательного сообщества людей, с которыми можно работать и у которых можно учиться. И для вас, когда вы будете устраиваться на работу, гораздо более важным фактором карьерного успеха окажется то, с какими людьми вы будете работать каждый день. Я расскажу одну историю, которую уже приводил на прошлых занятиях, но повторю

её. Много лет назад я знал одного студента Стэнфорда, который отлично проявил себя во время учёбы. Я считал его очень перспективным. Он подал заявку на работу в одну компанию и получил офер от фирмы с громким, модным и брендом. Эта компания отказалась сообщить ему, в какую команду он попадёт. Ему сказали: "Просто подписывай контракт, у нас есть система ротации распределения, а потом мы разберёмся, какой проект тебе подойдёт". Отчасти потому, что это была престижная компания, его родители гордились тем, что он получил работу именно там. Этот студент пришёл в компанию, надеясь работать над интересным ей проектом, но после того, как он подписал контракт, его назначили заниматься серверной Java системой обработки платежей. Ничего не имею против тех, кто хочет заниматься бэкэндом на Java и платёжными системами. Это отличная работа. Но это был студент, изучавший Ии, и он так и не попал на И проект. В результате примерно год он чувствовал сильные разочарование, а затем ушёл из компании. Самое неприятное в этой истории то, что я рассказывал её в курсе CS-230 несколько лет назад. И уже спустя пару лет после того, как я снова привёл этот пример на занятиях, ещё один студент CS230 столкнулся с той же ситуацией в той же компании, пусть и не с Java бэкэндом платёжных систем, а с другим проектом. Я считаю, что попытка заранее понять, с кем именно вы будете работать изо дня в день, и убедиться, что вас окружают люди, которые вас вдохновляют и занимаются интересными проектами, это крайне важно. Если говорить откровенно, когда компания отказывается сказать вам, в какую команду вы попадёте, это, по крайней мере, вызывает у меня вопросы о том, что может произойти дальше. Я думаю, что вместо того, чтобы гнаться за самой модной брендовой компанией, иногда лучше выбрать действительно сильную команду. с трудолюбивыми, умными и знающими людьми, которые стараются сделать что-то полезное с помощью и даже если логотип компании не такой модный. Очень часто именно в такой ситуации вы учитесь быстрее и лучше продвигаете свою карьеру. В конце концов, мы учимся не у логотипа компании на входе, а у людей, с которыми мы работаем каждый день. Поэтому я настоятельно призываю вас сделать это одним из ключевых критериев при выборе того, чем вы решите заниматься. И ещё один важный момент. Сегодня как никогда легко создавать мощное программное обеспечение и делать это очень быстро. А это значит, будьте ответственны, не создавайте софт, который причиняет вред другим. И в то же время существует огромное количество вещей, которые каждый из вас может создать. Я вижу, что в мире идей гораздо больше, чем людей, обладающих навыками, чтобы их реализовать. Я знаю, что выпускникам сейчас стало сложнее находить работу, но при этом многие команды просто не могут найти достаточное количество квалифицированных специалистов. Существует множество проектов, которые, если вы не сделаете их, скорее всего, не сделает вообще никто. Поэтому, если вы действуете ответственно и не вредите другим, вам не нужно ждать разрешения. Не нужно ждать, пока кто-то сделает это первым. а потом повторять. Цена неудачи сегодня намного ниже, чем раньше. Вы можете потратить выходные, но при этом чему-то научиться. Для меня это вполне нормально. Так что, если вы ведёте себя ответственно, пробуете новое и создаёте как можно больше вещей, это, на мой взгляд, один из самых важных факторов, который поможет вашей карьере. И напоследок я скажу ещё одну вещь, которая в некоторых кругах считается не политкорректной, но я всё равно её скажу. В определённых кругах сегодня считается неполиткорректным призывать людей усердно работать, а я буду вас к этому призывать. Я понимаю, почему некоторым это не нравится. Есть люди, которые находятся на таком этапе жизни, когда они действительно не в состоянии работать много и интенсивно. Например, сразу после рождения детей я какое-то время не работал на износ. Бывают травмы, инвалидность, масса везких причин, по которым человек не может пахать в данный конкретный момент. Мы должны уважать таких людей, поддерживать их и заботиться о них. Но при этом все мои студенты докторанты, добившиеся огромного успеха, абсолютно все они работали невероятно много. Я имею в виду вот это вот сиденье до 2: ночи за подбором гиперпараметров. Мы все через это проходили, верно? Я и сейчас иногда так делаю. Если вам повезло оказаться на том жизненном этапе, когда вы можете работать очень много, сейчас для этого море возможностей. Если вас, как и меня, по-настоящему увлекает идея проводить вечера и выходные за кодом, созданием проектов и получением обратной связи от пользователей, если вы в это включитесь, ваши шансы на серьёзный успех заметно возрастут. Возможно, я наживу себе проблемы, призывая людей работать усердно, но правда в том, что те, кто много работает, успевают сделать гораздо больше. При этом мы обязаны уважать и тех, кто не работает в таком режиме, и тех, кто сейчас просто не может этого делать. Но если выбирать между просмотром какого-нибудь глупого сериала и запуском агентного кодера в выходной, чтобы попробовать новую идею, я почти всегда выберу второе, за исключением тех случаев, когда я смотрю шоу вместе с детьми. Такое тоже бывает. Но вы сейчас строите карьеру, и я искренне надеюсь, что вы сделаете такой выбор. Итак, это было всё, что я хотел сказать. Теперь я хочу передать сцену моему хорошему другу Лоренсу Мароне, который поделится ещё большим количеством карьерных советов в сфере. И коротко представлю его. Я знаю Лоуренса уже очень давно. Он много занимался онлайнообразованием, иногда вместе со мной и моими командами. Он обучил огромное количество людей Нorфлоу и Пай Torch. В течение многих лет он был главным евангелистом по и в Google. А сейчас возглавляет команду ВАРM. Я также с большим удовольствием прочитал несколько его книг. Вот одна из них. Иtrй тоch - это отличная книга. Лоренс очень востребованный спикер во многих кругах, и я был искренне рад, когда он согласился прийти и выступить у нас. — Подпишись прямо сейчас на мой Telegram-канал по ссылке в описании. Я подготовил для тебя топ-три материала, которые, на мой взгляд, должен знать каждый. Первое, карта сотни топовых AI стартапов - это будущее на одной картинке. Второе, прогноз от инсайдера из Openi, который ещё до появления CH GPT предсказал всё, что сейчас происходит с неронками. И вот в этом году он выпустил новый прогноз до двадцать седьмого года. И третье, самое мощное - это мой разбор эссе основателя компании Anроopic, который по сути второй человек в мире искусственного интеллекта. Он по полочкам разложил, что будет происходить в мире ближайшие 5 лет, и главное, каким будет универсальный AI, которого все так боятся или ждут. Переходи по ссылке в описании. — Мне самому очень приятно здесь быть. Я

хочу подтвердить слова Эндрю. Выбирать, с кем работать, это критически важно. Но я хочу показать это и с другой стороны. Компания, которая проводит собеседование, тоже выбирает вас. Хорошие компании действительно тщательно подходят к выбору людей. За последние 18 месяцев я много менторил молодых ребят, которые искали работу. И хочу рассказать историю одного парня. Он был отлично образован, с прекрасным опытом, кодил как бог, щёлкал любые задачи. В апреле его сократили. Он работал в сфере медицинского софта, а там сейчас всё сильно меняется. Правительство урезало финансирование по ряду направлений, и он попал под сокращение. Со своим опытом и навыками он думал, что найти новую работу будет проще простого. И у бедняги выдался просто ужасный апрель. Сначала увольнения, прямо перед этим от него ушла девушка, а через пару недель умерла собака. Он был в очень подавленном состоянии. Мы сели с ним через пару месяцев обсудить дела. У него была таблица, где он отслеживал вакансии. Там было больше 300 позиций. По многим он доходил до собеседований, продвигался очень далеко в таких компаниях, как Мета, Microsoft и других гигантах, где нужно проходить кучу этапов интервью. И каждый раз в конце интервью он был уверен, что справился отлично, решил все задачи по коду, хорошо пообщался с людьми. По крайней мере, ему так казалось. Но каждый раз через день звонил рекрутер и говорил: "Нет, мы не можем предложить вам работу". Это было душераздирающе. Как я сказал, больше 300 вакансий. Я начал проводить с ним пробные интервью, чтобы подкрутить настройки. Да, среди компаний была и контора Джефа Безса, не Amazon, а другая крупная техкомпания. Мы прогоняли с ним тестовые собеседования. Кандидат просто золото. Я никак не мог понять, в чём проблема. пока не решил провести интервью в жёстком стиле. Я дал ему очень трудные задачи слиткод. Завалил его редкими пограничными случаями в коде. И я увидел его реакцию. Его реакция была в точности такой, какую советуют в брошюрах для соискателей. Во многих таких методичках пишут: "У вас будет возможность высказать мнение, и вы должны стоять на своём. Проявите твёрдость, не прогибайтесь". Он интерпретировал это, как нужно быть максимально жёстким. Когда я начал придираться к его коду, искать дыры и пограничные случаи, где всё может сломаться, я устроил ему кризис-тест. И этот совет стоять на своём сделал его в условиях интервью просто агрессивным. Я посмотрел на это с той точки зрения, о которой только что говорил Эндрю. Хорошие люди, хорошие команды, люди, с которыми можно сработаться с позиции интервьюера. Если я руковожу этой командой, то передо мной тот самый мифический 10X инженер, но я и близко не хочу видеть его в своей команде из-за такого отношения. Мы поработали над этим, немного настроили и подтянули его. И самое странное, он ведь на самом деле очень приятный парень. Просто он следовал вредным советам и из-за этого провалил столько собеседований. Когда он пошёл на следующее интервью в компанию, где очень ценится командная работа, хорошая новость, его взяли, он сейчас там работает. Его зарплата вдвое, больше той, что была до увольнения. Сейчас он вспоминает это как полгода весёлой безработицы. Но в тот момент ему было очень-очень тяжело. Так что обратная сторона медали. Смотреть на людей в компании важно, но помните, они смотрят на вас точно так же. Если на курсах по подготовке к интервью вам говорят: "Будьте твёрдыми и стойте на своём". Это хороший совет, но не нужно при этом вести себя как козёл. Мои слайды видно? Окей. Итак, я Лоуренс. Я работаю в IT уже больше десятилетий, чем чат GPT находит букфр в словестробери. Я работал во многих крупных техкомпаниях. Много лет в Microsoft, много лет в Google. Работал в Roers. У меня большой опыт в стартапах и здесь, и за рубежом. И сегодня я хочу поговорить о том, как выглядит рынок труда сегодня, особенно в сфере И. Прежде всего, как сказал Эндрю, вы в Стэнфорде, у вас есть возможности использовать ваши связи и престиж вуза. Используйте любое оружие, которое у вас есть, потому что, честно говоря, ситуация на рынке сейчас не идеальная. Мы прошли через трудные времена. Достаточно посмотреть новости, массовые сокращения в IT, замедление найма. Но это не обязательно плохо, если подойти к делу правильно. Давайте быстро оценим реальность рынка труда.

труда. Кстати, просто ради интереса, кто здесь третьекурсники? Вы выпускаетесь в этом году или в следующем? Какой вообще расклад? Третий курс из четырёх или из трёх? В общем, выпускаетесь следующим летом. Сколько человек уже ищут работу? Так, довольно много. У кого-нибудь получилось? Ни у кого. О, один человек. О'кей. Ну, это уже что-то. Наверное, вы и сами видите все эти тревожные звоночки. Найм джунов, я имею в виду выпускников, значительно замедлился. Громкие сокращения не сходят с заголовков новостей. Я был в Google пару лет назад, когда там прошли самые масштабные увольнения в истории компании. Мы видим то же самое в Amazоon, Microsoft и других гигантах. Кажется, что вакансий начального уровня уже почти нет. Я подчёркиваю слово кажется, и чуть позже мы разберём, почему. Ну и, конечно, конкуренция просто бешеная, но стоит ли вам паниковать? Я считаю, нет. Если вы подойдёте к поиску работы правильно, особенно понимая, как стремительно меняется ландшафт и, то люди с правильным мышлением будут процветать. Что я имею в виду? Как уже упоминал Эндрю, правила найма меняются, потому что меняется сама индустрия. Я впервые соприкоснулся с Ии ещё в далёком девяносто втором году. Поработал совсем недолго, как раз перед зимой и когда всё с трезком провалилось. Но вирус искусственного интеллекта меня зацепил. В 2015, когда Google запускал TENF, меня затянуло обратно. Я стал частью этого бума, запускал тензрфлоow, продвигал его миллионам людей и видел все трансформации изнутри. Но в двадцать пер-двать втором годах случилась пандемия. Она вызвала мощнейший промышленный спад. Это означало, что компаниям пришлось срочно переориентироваться на вещи, которые приносят деньги. Причём приносят их здесь и сейчас. В Google Tensorflow был проектом с открытым кодом. Прямой прибыли он не давал, и мы начали сокращать масштабы. Тогда все компании в мире притормозили найм. Затем наступил дть второй-двать третий год. Что произошло? Мы начали выходить из пандемии. Индустрия осознала, что накопился огромный затор из незакрытых вакансий. А тут ещё и Ии ворвался на сцену. Спасибо работе таких людей, как Эндбрю. Весь мир начал перестраиваться на рельсы AI First, и компаниям пришлось нанимать людей как сумасшедшим. Массовый найм в двадцать втором-двать третьем годах привёл к тому, что большинство компаний в итоге наняли слишком много людей. А это, как правило, означало, что люди, не готовы к более высоким позициям, всё равно их получали. Компании вступали в настоящие торги за таланты, хватали специалистов, лишь бы заполучить их. Появились истории, вроде той, о которой рассказывал Эндрю. Вот человек с ее навыками. Давайте срочно наймём его, засыпем деньгами, а уже потом разберёмся, что именно он будет делать. В итоге в двадцать втором-двать третьем годах произошло масштабное перенаймание из-за Иивидного затора, а двадцать четвётый-двать пятый годы стали периодом большого отрезвления. Многие компании осознали, что наняли слишком много людей и что значительная часть сотрудников оказалась недостаточно квалифицированной для своих ролей. Многие получили работу просто потому, что у них в резюме было написано Ии. Сейчас идёт серьёзная корректировка. Минутку. Вы не видите мой слайд? И на фоне этой корректировки компании стали гораздо осторожнее относиться к её навыкам при найме. Но если вы входите в этот рынок с правильным пониманием ситуации, важно осознать, возможности по-прежнему огромные. если подходить к ним стратегически. Именно об этом я и хочу сегодня поговорить.

поговорить. Я вижу три опоры успеха в бизнесе и особенно в и-бизнесе. Сегодня уже недостаточно просто написать и в резюме и рассчитывать, что вас перекупят. Сейчас нужно не только говорить, что вы обладаете мышлением этих трёх опор успеха, но и уметь это показать. И что важно, никогда раньше не было так легко это продемонстрировать, как Эндрю показывал ранее, возможность буквально оживлять идеи с помощью кода. Он не любит термин вайбкодинг, я с ним здесь согласен. Но способность превращать идеи в работающие решения через запросы и промты позволяет показывать свои навыки лучше, чем когда-либо раньше. Эндрю говорил ранее о продукт-менеджерах и о том периоде, когда инженеров пытались сделать продуктами. И в итоге многие из них оказались плохими продуктами. Я, кстати, дважды проходил собеседование в Google и дважды провалился, несмотря на успешную карьеру в Microsoft, более двадцати написанных книг и преподавания в колледжах. Я провалился, потому что шёл на позицию продакт-менеджера. Когда же я пришёл на собеседование как инженер, меня сразу наняли и спросили: "Почему ты не пришёл к нам раньше? " Поэтому сейчас, чтобы быть хорошим инженером, нужно не только иметь нужные навыки, но и уметь их продемонстрировать. Сейчас с изменением соотношения инженеров и продукт-менеджеров инженерные навыки стали ценнее, чем когда-либо. Итак, три опоры успеха. Первое - глубокое понимание. Я имею в виду это в двух смыслах. Первое - это академическое понимание. Речь идёт о глубоком академическом понимании машинного обучения, конкретных архитектур-моделей, умение их разбирать и понимать, о способности читать научные статьи, понимать, что именно в них написано и, что особенно важно, как взять всё это и применить на практике. Вторая часть глубокого понимания - это умение держать руку на пульсе конкретных трендов и видеть, где в этих трендах соотношение сигнала к шуму складывается в пользу сигнала. И к этой теме я ещё вернусь. Вторая опора, и она тоже критически важна - это бизнес-фокус. Эндрю раньше сказал одну политически некорректную вещь, и я скажу похожую. Во-первых, усердная работа. Но усердная работа - слишком размытое понятие. Я бы предложил думать о ней через призму измерений. Вы - это то, что вы измеряете. Сейчас существует популярный тренд. Я пытаюсь вспомнить, как он называется. 996 или 669. 996, верно? С 9:00 утра до 9:00 вечера 6 дней в неделю. Это называют показателем тяжёлой работы. Но это не показатель тяжёлой работы, это показатель времени, проведённого за работой. Поэтому я так же, как и Эндрю, призываю всех задуматься о тяжёлой работе, но понимать её именно через то, как вы её измеряете. Вы можете работать 8 часов в день и быть невероятно продуктивными. Вы можете работать 6 Но ключевое - это метрика того, насколько усердно вы работаете, и как именно вы это измеряете. Лично я измеряю это по результату, потому что я создал за то время, которое потратил. Я часто шучу, но это правда. Я написал очень много книг. Эндрю держал в руках одну из них, ту самую, с которой он мне немного помог. Эту книгу я, на самом деле, написал примерно за 2 месяца. И люди спрашивают: "Как ты находишь время? " "У нас работа, у нас куча дел". Они думают, что для этого нужно работать по 16 часов в день. Но на самом деле ключ к тому, что я могу писать книги - это бейсбол. Я обожаю бейсбол. Но если сесть и просто смотреть бейсбол по телевизору, матч может длиться 3 с по или даже 4 часа. Поэтому всё своё письмо я обычно делаю во время бейсбольного сезона. Я из Сиетла. Я болею за Mariners. Мне также

нравится Dodgers. Никто не освистал. Отлично. Обычно одна из этих команд играет около 7:00 вечера. И вместо того, чтобы просто сидеть перед телевизором и бессмысленно смотреть бейсбол, я пишу книгу, пока игра идёт фоном. Это очень медленная игра, и в этом случае именно так выглядит тяжёлая работа. Я бы призвал вас искать такие области, где вы можете действительно много работать и при этом создавать осязаемый результат. Именно это и есть второй столб, бизнес-фокус, тот результат, который вы производите, и то, как вы соотносите этот результат с тем бизнес-фокусом, который вы хотите иметь. и с той работой, которой вы хотите заниматься. Есть старая поговорка: "Одевайся не для той работы, которая у тебя есть, а для той, которую ты хочешь". Я бы предложил новую интерпретацию этой идеи. Не делайте результат своей работы для той должности, на которой вы сейчас находитесь. Делайте результат для той должности, которую вы хотите получить. Если вернуться к моей истории с Google, я дважды провалился, а в третий раз решил подойти к этому совершенно иначе. В тот момент я проходил собеседование в их облачную команду. Они как раз активно запускали Google Cloud, а я только что написал книгу по Java, и я решил посмотреть, что можно сделать с Java в их облаке. В итоге я написал Java приложение, которое работало в их облачной инфраструктуре и занималось прогнозированием цен на акции с использованием технического анализа и подобных вещей. Когда я пришёл на интервью, вместо того, чтобы задавать мне глупые вопросы, вроде сколько мечей для гольфа поместится в автобус, они увидели этот код. Я выложил этот код и добавил его в резюме. Я помню, что я создавал результат для той работы, которую хотел получить. Весь мой цикл собеседований состоял из вопросов о моём коде. Это дало мне власть. Это позволило мне говорить о том, что я действительно знаю, вместо того, чтобы идти вслепую и отвечать на случайные вопросы в надежде, что я смогу на них ответить. И то же самое, я бы сказал, справедливо и для мира Ии. Бизнес-фокус, способность сегодня с помощью запросов превращать код в реальность, превращать продукты в реальность. Если вы можете создавать такие продукты и выстраивать их в соответствии с тем, чем вы хотите заниматься, будь то Google, мета, стартап или что-то ещё, и при этом иметь глубокое понимание не только своего кода, но и того, как он соотносится с бизнесом компании, то это и есть один из ключевых столпов успеха в наше время. И я также утверждаю, что несмотря на то, что может казаться, будто рабочих мест сейчас мало, на самом деле они есть. Чего сейчас действительно не хватает, так это хорошего соответствия между вакансиями и людьми, которые этим вакансиям подходят. И, конечно, здесь работает перекос в сторону реализации. Идеи стоят дёшево, всё решает исполнение. Я провёл огромное количество собеседований с людьми, которые приходили с очень размытыми, абстрактными идеями и не имели никакого способа реализовать их. Я также собеседовал людей, которые приходили с наполовину доработанными идеями, но очень хорошо умели их дорабатывать и реализовывать. Угадайте, кто получал работу? Поэтому я бы сказал, что эти три вещи критичны. Глубокое понимание академических основ и глубокое понимание практической стороны ИИ и того, что реально нужно делать, и бизнес-фокус, ориентация на результат для бизнеса, понимание того, что бизнесу нужно, и способность это предоставить. И снова это перекос в сторону исполнения и предоставления результата. Смена темы, каково это на самом деле работать в Ии прямо сейчас. Это интересно. Ещё буквально 2 или 3 года назад работа в ей выглядела так: если ты умеешь что-то делать, ты молодец. Если ты можешь построить классификатор изображений, ты на вес золото. Тебе готовы платить шестизначные зарплаты и давать огромные пакеты акций. К сожалению, те времена прошли. Сегодня всё крутится вокруг слова продакшн. Что ты можешь дать продакшену? Неважно, строишь ли ты новые модели, оптимизируешь старые или работаешь над UX. Пользовательский опыт сейчас невероятно важен. Всё заточено под продакшн. Всё работает на продакшн. История, которую я вам рассказывал про путь от пандемии к фазебыточного найма, привела к тому, что бизнесы откатились назад и сейчас жёстко оптимизируется под финансовый результат. У меня есть старая присказка. Главный итог в том, что итог - это прибыль. Такова среда, в которой мы живём сегодня. И если вы приходите в компанию с таким мышлением, это станет вашим ключом к успеху. Я вижу, как индустрия взрослеет. Раньше было здорово делать крутые вещи. Теперь нужно делать полезные вещи. Кстати, полезные вещи тоже могут быть крутыми. И результаты, которые они дают, изменения, которые происходят благодаря их внедрению, тоже могут быть крутыми. Но дело не в крутости ради крутости. Речь идёт о фокусе на реализации, о фокусе на создании ценности. А крутость, как следствие, придёт сама. Это, собственно, и есть мой аргумент. Итак, четыре реальности. Первое. К сожалению, сегодня бизнес-фокус - это не предмет для обсуждения. Он обязателен. И сейчас я снова буду немного политически некорректен. Как я уже говорил, я работаю в технологиях большую часть последних 35 лет. Я бы сказал, что в течение последних примерно 10 лет многие крупные компании, особенно в Кремвой долине, делали сильный акцент на развитие сотрудников превыше всего. Частью этого развития было требование приносить на работу всего себя. А частью приносить всего себя было принесение на работу того, что для человека важно за её пределами. Это привело к большому количеству активизма внутри компании. И, пожалуйста, я хочу это подчеркнуть. В активизме нет ничего плохого. Нет ничего плохого в поддержке идей, в поддержке социальной справедливости. В этом абсолютно нет ничего плохого. Но чрезмерный перекос в эту сторону, по моему опыту, привёл к тому, что многие компании оказались заложниками необходимости поддерживать активизм в ущерб бизнесу. Вы, вероятно, видели пример двухлетней давности, когда активисты в Google ворвались в кабинет руководителя Google Cloud, потому что протестовали против страны, с которой Google Cloud вёл бизнес. Они заняли его кабинет, устроили сидячую забастовку и, извините, использовали туалет прямо на его рабочем столе и вокруг него. Вот момент, когда активизм вышел из-под контроля. И, как следствие, к сожалению, положительные аспекты активизма теперь не воспринимаются из-за подобных действий. Людей увольняют, люди теряют работу, активизм подавляется, а фокус на бизнесе, на работе становится обязательным требованием. Сейчас происходит маятниковое движение. Маятник, который раньше слишком сильно качнулся в сторону полного самовыражения на работе, теперь качается обратно в другую сторону. Можно обвинять человека в Белом доме. Но дело не только в этом. Это именно тот самый маятник. И крайне важно понимать, приходя в компанию. Фокус на бизнесе теперь абсолютно не подлежит обсуждению. Во-вторых, минимизация рисков теперь неотъемлемая часть работы, особенно в сфере Ии. Если вы приходите в проект с установкой, я понимаю риски трансформации конкретного бизнес-процесса из традиционного в её ориентированный и знаю, как ими управлять. Это даёт вам колоссальное преимущество. Я бы даже сказал, что в условиях собеседований это навык номер один. Мышление в духе. Мы трансформируем бизнес от эвристических вычислений к интеллектуальным. Вот риски, вот как мы их снижаем. Вот логика и подход, стоящий за этим. Третья реальность. Ответственность эволюционирует. Понимание ответственности вы изменилось. Оно ушло от очень размытого определения вроде. Давайте просто сделаем так, чтобы И работал для всех к более жёсткой формулировке. Давайте сделаем так, чтобы и работал. он приносил бизнес-результат. И только после этого, чтобы он работал для всех. За последние годы этот порядок часто был перевёрнут, и это привело к ряду широко известных, задокументированных провалов. Позвольте поделиться примером. Так, посмотрим. У меня тут открыто слишком много окон. Все же знают про генерацию изображений по тексту. Я хочу показать вам то, что произошло пару лет назад с Джаминай. В то время я как раз проводил тесты и плотно занимался вопросами ответственного ИИ. Часть этой концепции заключается в том, что нейросеть должна репрезентативно представлять разных людей. Работая в Google над индексацией информации, вы действительно хотите быть уверены, что не усиливаете существующие в обществе негативные предубеждения. В генерации изображений такие предвзятости проявляются особенно ярко. Например, если я прошу сгенерируй изображение врача и в обучающем датасете врачи в основном представлены мужчинами, модель с высокой вероятностью покажет именно мужчину. Если же я прошу изображений NРС, а в данных чаще встречаются женщины, результат почти наверняка будет женским. Таким образом, система просто воспроизводит и закрепляет устоявшиеся стереотипы. Мне стало интересно проверить, как Google пытается решать эту проблему, учитывая, что сами обучающие данные уже содержат подобные искажения. Я задал следующий запрос. Молодая азиатская женщина в кукурузном поле, в летнем платье и соломенной шляпе внимательно смотрит на свой iPhone. Модель выдала действительно красивые изображения и очень хорошо справилась с задачей. Я даже отметил, что это образ виртуальной актрисы, с которой я работал. Чуть позже я к этому ещё вернусь. Затем я изменил запрос и попросил сгенерировать молодую индийскую женщину, оставив все остальные детали без изменений. Результат снова был отличным. После этого я попросил сделать её темнокожей. По какой-то причине модель выдала только три изображения. Не знаю, с чем это было связано, но при этом запрос всё равно был выполнен корректно. На этом этапе реализация принципов ответственности выглядела очень убедительно. Тогда я попросил сгенерировать латиноамериканку. Модель выдала четыре изображения. В целом, образ выглядел вполне правдоподобно. Возможно, девушка на нижнем левом изображении слегка напоминала Гермиону Грейнджер, но в остальном результат был адекватным. После этого я задал запрос на изображение европеоидной женщины. И вот тут произошло неожиданное. В ответ система написала: "Хотя я понимаю ваш запрос, я не могу сгенерировать изображение людей, так как это может привести к формированию вредных стереотипов и предвзятостей". Это был пример крайне неудачно реализованного защитного фильтра. По сути, фильтр просто реагировал на слово европеоидный или белый и автоматически блокировал генерацию. Я решил проверить его работу дальше и заменил слово европеоидный на белый. Результат оказался тем же самым. Система ответила, что, несмотря на способность выполнить запрос, она в данный момент не генерирует изображения людей. Модель нагло врала мне в лицо. Она ведь генерировала людей. Знаете, как я это обошёл? Это забавно. Сейчас покажу. Я попросил её сгенерировать ирландку. И что она сделала? Без проблем выдала ирландку в летнем платье и шляпе с телефоном в руках. Что вы замечаете на этих картинках? У всех рыжие волосы. Я вырос в Ирландии. И у нас действительно самый высокий процент рыжих в мире, около восьми. Но если вы рисуете человека и привязываете конкретную этническую принадлежность к цвету волос, это большая проблема. Насколько я знаю, в некоторых регионах Китая демонов описывают именно как рыжеволосых людей. С точки зрения ответственного Ии произошло следующее. Один очень узкий взгляд на мир и на то, что правильно, а что нет, полностью захватил модель, ударил по её репутации и по репутации всей компании. В данном случае рисовать всех ирланцев рыжими - это почти оскорбительно, но создателям фильтров безопасности это даже не пришло в голову. Именно это я и имею в виду, когда говорю, что понятие ответственности эволюционирует. Прошу прощения, я пытаюсь вернуть слайды. Вот в каком направлении я хочу, чтобы вы сейчас мыслили. Ответственный ИИ ушёл от довольно абстрактных, размытых социальных рассуждений и сместился в сторону более жёстких прикладных вещей, напрямую связанных с бизнесом и с предотвращением репутационных рисков для компании. Существует много сильных исследований в области ответственного Ии. И именно эти наработки сейчас постепенно встраиваются в реальные продукты. Да, вопрос был как раз про ситуации, где расы и идентичности перемешивались в историческом контексте. Это была та же самая проблема. Например, вы выдаёте запрос: "Нарисуй мне самурая". Движок, который должен был сделать результат справедливым, перехватывал запрос и менял его на "Н нарисуй мне группу самураев разного этнического происхождения". В итоге вы получали самураев мужчин и женщин разных раз. Именно такое вмешательство в запросы и привело к тем проблемам, которые я только что продемонстрировал. Идея была в том, чтобы перехватывать пользовательские запросы и модифицировать вывод модели так, чтобы он выглядел более справедливым с точки зрения разнообразия и репрезентации. Но решение оказалось крайне наивным, и именно его внедрили в тот момент. Это было несколько лет назад. С тех пор систему существенно улучшили. Но именно об этом я и говорю. Если вы сегодня работаете в сфере Ии, вот как выглядит эволюция ответственности. Мы больше не можем позволить себе такие упрощённые подходы. Пример с Джиминай- очень показательный урок. Нужно исходить из того, что ошибки неизбежны, а значит, умение учиться на них - это постоянный непрекращающийся процесс. И возвращаясь к мысли, которую раньше озвучил Эндрю, люди вокруг вас тоже будут ошибаться. Умение относиться к этим ошибкам с пониманием, работать с ними и двигаться дальше - это крайне важный навык и реальность современной работы СИ. Я уже достаточно подробно говорил о преимуществах бизнес-фокуса. Поэтому эту часть пропущу. Давайте теперь поговорим

о вайп-кодинге, о генерации кода с помощью Ии. Сейчас популярен мем, что инженеры становятся не нужны, раз кто угодно может просто надиктовать код промптами. Дыма без огня не бывает, но не позволяйте этому мему сбивать вас с толку. Если копнуть глубже, всё совсем не так. Чем выше ваша квалификация как инженера, тем эффективнее вы становитесь, используя этот вайп. Кто-нибудь дайте мне другой термин вместо вайб-кодинга. Пусть будет кодинг через промты. Я всегда советую людям примерять на себя роль доверенного советника для людей, с которыми вы общаетесь. Независимо от того, проходите ли вы собеседование, консультируете компанию или работаете внутри компании, полезно мысленно ставить себя в позицию доверенного советника, человека, который понимает последствия решений. А чтобы быть таким советником, необходимо глубоко разбираться в последствиях использования сгенерированного кода. И лучше инженеров этого не понимает никто. Здесь я всегда использую один ключевой показатель- технический долг. Быстрый вопрос. Все ли знакомы с понятием технический долг? Никто. Ничего страшного. Мы с Эндрюй выступали на конференции в Нью-Йорке в пятницу, и я заметил ровно такую же реакцию. Много пустых взглядов. Я не ожидал, что этот термин настолько непонятен, поэтому давайте я кратко объясню, потому что это отличный инструмент для понимания силы и рисков вайп-кодинга. Думаете о долге в обычном смысле. Покупка дома. Вы берёте, скажем, полмиллиона долларов в ипотеку на 30 лет. С учётом процентов вы выплатите банку около миллиона. То есть за 30 лет владения жильём вы отдаёте миллион долга. Это, скорее всего, хороший долг. Стоимость дома вырастет, вы не платите за аренду, и этот миллион оправдан. Вы получаете ценность выше затрат. Плохой долг - это, например, импульсивная покупка по кредитной карте с высоким процентом. Ну, знаете, эти новые модные кроссовки, очень хочу стоят 200 долларов, а к моменту, когда вы их полностью выплатите, они обойдутся вам уже в 500, и вы точно не получаете 500 долларов пользы от этой покупки. К разработке программного обеспечения нужно подходить ровно с тем же мышлением. Каждый раз, когда вы что-то создаёте, вы берёте на себя долг. Неважно, насколько хорош продукт. Всегда будут баги, всегда будет нужна поддержка, всегда будут появляться новые требования от пользователей, всегда будет необходимость в маркетинге, всегда будет нужна обратная связь. Всё это долг. Каждый раз, когда вы что-то делаете, вы берёте его на себя. Единственный способ полностью избежать долга - это не делать вообще ничего. Поэтому ваше мышление должно быть таким. Когда вы создаёте что-то, неважно, пишете ли вы код вручную или вайп-кодите, вы увеличиваете объём своего технического долга, то есть той работы, которую придётся оплачивать со временем. И тогда возникает главный вопрос: когда вы создаёте что-то с помощью вайб-кодинга, так же как при покупке вещи, стоит ли этот результат того технического долга, который вы на себя берёте? А что вообще представляет собой технический долг? Это баги, которые нужно исправлять, люди, которых нужно убедить, помогать вам поддерживать код, документация, которую нужно писать. новые функции, которые вам придётся добавлять. Всё это вам хорошо знакомо. Думайте об этом как о дополнительной работе, которую вы берёте на себя сверхтекущий. Это и есть тот самый долг. Существует мягкий долг и жёсткий долг. И для меня это, пожалуй, самый главный совет, который я даю и который я даю каждый раз, когда работаю с компаниями в контексте вайб-кодинга. Многие компании, с которыми я общаюсь и консультирую, особенно стартапы, просто хотят сразу открыть Gemini, GPT или Anтроopic и начать штамповать код. Давайте быстро сделаем прототип. Давайте пойдём к инвесторам. Давайте что-нибудь запустим. Это может быть здорово. Действительно может. Но долг, долг, долг. Он всё равно никуда не денется. Так как же управлять этим долгом? Хороший финансист умеет управлять долгами и становится богатым. Хороший разработчик умеет управлять техническим долгом и тоже становится богатым. Так как же получить хороший технический долг? Как взять ипотеку вместо кредита по карте с бешеными процентами? Во-первых, ваши цели. Какие они? Понятны ли они? И достигли ли вы их? Вы точно знали, что именно нужно построить. Вы не просто открыли чат GPT и начали бездумно генерировать код. По крайней мере, я очень надеюсь, что это не так. Подумайте о том, как вы это строите. И существует для того, чтобы помогать вам делать это быстрее. Я сейчас сам работаю над небольшим стартапом в сфере киноиндустрии и почти полностью для этого я использую генерацию кода. Но в рамках критерия чёткие цели достигнуты я действовал так. Я начинал строить приложение, тестировать его полностью, выбрасывал, начинал заново, снова тестировал и снова выбрасывал. Каждый раз мои требования в голове становились более чёткими. Я лучше понимал, как именно нужно решать задачу. Главная мысль здесь в том, что у вас всегда должны быть чёткие цели. Если вы что-то строите и не достигаете их, это всё равно ценный опыт. В эпоху генеративного Ии не страшно выбросить неудачный черновик, потому что код теперь стоит дёшево. Но помните, дёшево стоит только сгенерированный код. Завершённый, выверенный инженерный код по-прежнему дорог. Так что ставьте цели, фиксируйте требования, собирайте решения и двигайтесь дальше. Ещё один важный момент. Приносит ли это пользу бизнесу? Я видел, как люди часами занимаются вайп-кодингом в Rплит, создавая невероятно крутые сайты. Но на вопрос, что дальше, у них нет ответа? Как это помогает компании? Как это развивает продукт? Да, господин вице-президент, я знаю, что вы в жизни не написали ни одной строчки кода, и это очень круто, что теперь вы сами склепали сайт. Но какой в этом толк? Думайте об этом. Это лучший способ избежать плохого технического долга. И, наконец, самая недооценённая часть, а в каком-то смысле самая важная, особенно если вы работаете в организации - это человеческая понимание. Самый худший технический долг, который вы можете взять на себя - это написать код, который не понимает никто, кроме вас. Только вы в нём разбираетесь. Потом вы увольняетесь и находите работу получше, а компания остаётся полностью зависимой от этого кода. Сделайте так, чтобы ваш код был понятен. Пишите документацию, используйте ясные алгоритмы. Тратьте время на то, чтобы названия переменных имели смысл. Это лучший способ избежать плохого долга. Мой любимый вид плохого техдолга - это классический поиск проблемы под уже готовое решение. Знаете, когда у человека есть молоток, и каждая проблема кажется ему гвоздём, в итоге плодятся инструменты, созданные через вайб-кодинг, которые никому не нужны. Я работал в крупных компаниях, где люди просто генерировали куски кода, закидывая их в общую базу. И потом среди этого мусора было невозможно найти что-то стоящее. Получается классический спагетти-код, плохо структурированная мешанина, которая возникает, когда вы промтите, промтите и промтите модель снова и снова, пытаясь исправить ошибки наслоениями нового кода. Мой любимый пример сейчас, я как раз очень с этим мучаюсь, - это разработка приложения под macOS. Кто-нибудь писал на Swift UI под MacOS? Пара человек есть. Swift UI - стандарт для Apple и для iPhone, и для Mac. Но если вы посмотрите на данные, на которых обучались модели, то львиная доля кода там для iPhone, не для операционной системы Mac. И когда я прошу сгенерировать код и постоянно подсовывает мне API для iOS. Даже если я использую XCode, у меня открыт шаблон приложения для MacOS, я пишу об этом в чате, он всё равно выдаёт код для Айфона. пытаешься исправить это через новые промпты, и всё превращается в спагетти, которые приходится разгребать вручную. И ещё один вид плохого техдолга, о котором я шутил, но это правда. В офисах часто авторитет важнее заслуг. Вице-президент достаёт кредитку, подписывается на реплит, начинает там что-то ваять, а угадайте, кому потом всё это разгребать. Поэтому большая часть советов, которые я даю компаниям и слов, о которых я бы хотел, чтобы вы задумались, когда позиционируете себя как доверенного советника, сводятся к одному: понимать все эти риски и правильно управлять ожиданиями. Итак, про фреймворк ответственной генерации кода мы уже поговорили.

Теперь, по мере того, как мы подходим к завершению, я хочу поговорить о цикле хайпа. Хайп - это невероятно мощная сила. Я вообще считаю, что это одна из самых сильных сил во Вселенной, особенно в горячих областях. А две области, в которых я сейчас работаю и которые буквально переполнены хайпом, это и крипта. Вы бы видели мою ленту в Twitter. Количество откровенной ерунды там просто зашкаливает. Поэтому, говоря об анатомии хайпа, важно понимать следующее. Если вы потребляете новости через социальные сети, нужно помнить, что валюта социальных сетей - это вовлечённость. Точность не является валютой социальных сетей. Я захожу даже в LinkedIn, который считается более профессиональной платформой, и вижу, как он буквально завален инфлюенсерами, публикующими посты, написанные с помощью Gemini или GPT, исключительно ради лайков и вовлечённости. А сами алгоритмы, простите за каламбур, устроены так, чтобы вознаграждать именно такой контент. В итоге мы получаем снежный ком, где поощряется вовлечённость, а не качество. Если вы умеете отделять сигнал от шума и помогать окружающим фокусироваться именно на сигнале, а не на шуме, это даёт вам огромное преимущество и делает вас заметно отличающимся от других. Это не так быстро и не так наглядно, как лайки и комментарии в соцсетях, но в личном общении, на собеседовании или уже внутри компании, когда вы приносите к столу сигнал, а не шум, вы становитесь невероятно ценным специалистом. Такой образ мышления, умение фильтровать информацию, понимать, что действительно важно в текущей повестке, быть для других доверенным советником и отсекать лишний шум имеет колоссальную ценность. Хочу начать с одной истории. Возможно, я сейчас немного перетяну внимание на историю, нежели чем на себя. Я продолжу через минуту. Итак, история. В прошлом году, когда слово агенты стало модным, и все начали говорить, что в двадцать пятом году агенты станут словом года и самым главным трендом года, одна команда в Европе попросила меня помочь им внедрить агента. И вот вопрос к вам. Если компания приходит к вам и говорит: "Пожалуйста, помогите нам внедрить агента", какой первый правильный вопрос вы им зададите? А что вы вообще понимаете под агентом? Хороший вариант. Но я бы задал ещё более фундаментальный вопрос. Что вы хотите делать? О'кей, ещё более фундаментальный. Мой вопрос был: почему? Почему вы хотите это сделать? Я начал разбирать это с SEO, и он говорил примерно так: "Ну, все говорят, что я смогу сократить издержки, делать какие-то невероятные вещи, и вообще мой бизнес станет лучше, потому что у меня будут агенты". И я такой: "Кто вам это сказал? " Он отвечает: "Ну, я прочитал об этом в LinkedIn, видел обсуждение в Twitter". В итоге у нас получился довольно сложный разговор, потому что мне приходилось шаг за шагом всё это распутывать. Я начал задавать те же вопросы, о которых вы сейчас сказали, до тех пор, пока мы действительно не добрались до сути того, чего он хотел. А он действительно хотел, если отбросить весь доменный контекст преи, то на самом деле он хотел совсем простую вещь: сделать своих менеджеров по продажам более эффективными. Я сказал: "Хорошо, вы хотите повысить эффективность отдела продаж. В этом предложении я не слышу ни слова и, ни слова агент. И теперь, как доверенный советник, я посмотрю, что могу сделать, чтобы помочь вашим продавцам работать эффективнее. Я не хочу быть проповедником ИИ или агентных систем. Я хочу понять, что именно нужно сделать, чтобы повысить эффективность продаж. Если кто-то из вас когда-либо работал в продажах, вы знаете, хороший продавец всегда готовится. Перед звонком или встречей нужно изучить человека, компанию, понять потребности бизнеса. Иногда в фильмах это показывают карикатурно. Мол, он играет в Gof, значит, надо пригласить его на Golf. В реальности всё не так клишировано, но объём подготовительной работы действительно огромный. Я поговорил с главой компании и с их ведущими продавцами и спросил: "Что вы больше всего ненавидите в своей работе? " Они ответили то, что приходится тратить уйму времени на изучение сайтов компаний и поиск людей в LinkedIn. И каждый сайт устроен по-своему. Нельзя просто идти по одному пути. Приходится каждый раз пропускать через себя огромный объём информации. Оказалось, они тратят около 80% времени на исследование и лишь 20% на сами продажи. А ведь большинство продавцов получают не так много. Основной их доход комиссионные. То есть они тратят лишь 20% времени на то, что приносит им деньги напрямую. Мы решили, что здесь мы можем сократить издержки, поставили цель сделать работу продавцов на 20% эффективнее. И только после этого начали обсуждать, где здесь может помочь ИИ, а уже затем где имеет смысл использовать агентные ИИ. Короткий вопрос: в чём разница между ИИ и агентскими? О'кей. Да, верно. Агентские Ии - это про разбиение процесса на шаги, что само по себе является хорошей инженерной практикой. Но в агентском Ии есть определённая последовательность шагов, которая и превращает систему в агента. Первый шаг - это понимание намерения. Мы часто используем слова и искусственный интеллект. Но то, в чём большие языковые модели действительно хороши - это понимание. Если первый шаг любого действия понять намерение, то большие языковые модели отлично с этим справляются. Вот задача. Вот как я её сделаю. Вот моё намерение. Например, я хочу встретиться с Бобом Смитом и продать ему виджеты. Вот что я о нём знаю. помоги мне реализовать это намерение. Второй шаг - планирование. Вы сообщаете агенту, какие инструменты у него есть: поиск в интернете, просмотр сайтов и так далее. Имея чёткое намерение, агент переходит к планированию, а большие языковые модели отлично умеют разбивать план на конкретные действия. Выполнить поиск по таким-то ключевым словам, открыть этот сайт, найти нужные ссылки и информацию. Когда план готов, агент использует инструменты для получения результата. И затем четвёртый финальный шаг. Рефлексия. Взгляд на результат через призму исходного намерения. Мы достигли цели, да или нет? Если нет, возвращаемся в цикл. Любой агент сводится к этим шагам. Если вы разбиваете любую проблему на эти четыре этапа, вы строите агента. В этом и роль доверенного советника. Вместо того, чтобы размахивать руками и кричать: "Агенты то, агенты сё, сэкономьте 20%". Вы раскладываете всё по полочкам. Так мы и сделали. Разбили задачу на шаги и запустили пилотный проект для продавцов этой компании. В итоге они сэкономили от 10 до 15% своего времени, которое раньше тратилось впустую. Однако сработал закон непредвиденных последствий. В данном случае последствия было таким: продавцы стали намного счастливее, потому что в среднем стали закрывать на несколько процентов больше сделок в неделю, начали больше зарабатывать, и их работа стала менее изматывающей. Дальнейшая шлифовка процесса позволила делать всё исследование за них и выдавать краткую сводку за пару минут вместо пары часов. Это стало победой для всех. Но если вы идёте на поводу хайпа, давайте построим агента для чего угодно, не разобравшись в бизнес-требованиях, в том, зачем, что и как, вы просто утонете в этом хайпе. Вы, наверное, все видели недавние отчёты. Маккинзи опубликовали на прошлой неделе отчёт, где говорится, что около 85% ИИ проектов в компаниях проваливаются. И главная причина этого, они не имеют чёткого объёма работ. Люди поддаются ажиотажу и не до конца понимают, как решить проблему. И я считаю, что именно здесь, у вас, у людей с сильной экспертизы и профессиональными связями есть ключевое преимущество. Способность разобраться в проблеме по-настоящему - это один из важнейших факторов успеха. Так что этот пример с агентным и - хороший кейс хайпа, через который мне, к счастью, удалось провести эту кампанию. Другие примеры недавнего хайпа вы тоже наверняка видели. Разработка по мертва. Моё любимое Голливуд Мёртфили к концу года. Ровно год назад я был в Саудовской Аравии на форуме FI. За ужином я сидел рядом с SEO одной компанией, не буду называть её, занимающийся генеративным и он показывал всем за столом технологию текст в видео. Вводишь промт и получаешь около 6 секунд видео. Год назад, ой, простите, 2 года. 2 года назад это было нечто. Сегодня это уже банальность. Любой может это сделать. Но тогда он сказал: "А за столом было много руководителей медиакомпаний. К этому же времени в следующем году мы сможем делать девяностоминутные фильмы по одному промту. Так что прощай, Голливуд". Думаю, мем про смерть Голливуда пошёл оттуда. Во-первых, мы до сих пор не можем делать 90 минут по промпту. Даже сейчас, 2 года спустя. И даже если бы могли, какой промпт способен передать полную историю фильма? Подобный хайп даёт вовлечённость, даёт внимание. Но мой совет вам разбирать это на части, искать сигнал, задавать вопрос, почему и что на самом деле происходит, и только потом двигаться дальше. Итак, становитесь тем самым доверенным советником. Мир тонет в хайпе. Как это сделать? Следите за трендами, но оценивайте их объективно. Ищите настоящие возможности. Есть модные, отвлекающие факторы. Не знаю, каким будет следующий, но они всегда будут собирать лайки в соцсетях. Игнорируйте их и тех, кто на них зациклен. Опирайтесь на свой навык объяснять техническую реальность руководству. Один из навыков, которому меня однажды научили, мне это показалось очень интересным, потому что это звучало в корне неправильным, но в итоге оказалось истиной. Когда вы видите что-то подобное, постарайтесь понять, как сделать это максимально обыденным. Когда вам удаётся превратить магическую технологию в нечто обыденное, вы создаёте основу для нормального, детального объяснения, такого, которое людям действительно нужно. Например, сегодня, кажется, вышел Gemini 3, а на этой неделе были утечки. Кто-то написал: "Я сделал клон Minecraft по одному промту". Это полная противоположность обыденности. Это чистый хайп, эффективная демонстрация, а не реальный продукт. Они не сделали настоящий Minecraft, они сделали красивое демо. Но если вы начнёте разбирать это и задаваться вопросом, а что здесь на самом деле происходит? на самом базовом уровне. Всё становится гораздо понятнее. Один из примеров, с которым я сейчас много работаю, видео. Если разобрать это. Как сделать текст видео обыденным? Вместо магического можно сделать всё, что угодно. Голливуд мёртв. Давайте посмотрим на обыденную сторону текст в видео. Обыденность в том, что когда вы обучаете модель создавать видео из текстового запроса, на самом деле модель просто создаёт последовательность кадров. Каждый следующий кадр немного отличается от предыдущего. Модель обучена на видео и понимает, если в первом кадре рука находится вот так, а во втором чуть иначе, то при подходящем запросе можно предсказать дальнейшее движение. И в этот момент всё внезапно становится более обыденным, это становится понятным. А дальше самое интересное. Люди, которые являются экспертами в своей предметной области, не обязательно в технологиях, начинают понимать, как с этим можно делать действительно крутые вещи. Итак, стратегия навигации в хайпе. Активно фильтруйте, углубляйтесь в основы, проверьте, что слайды презентации работают, и держите руку на пульсе. Самое сложное здесь, на мой взгляд, именно последнее. Чтобы держать руку на пульсе, приходится заходить в эти выгребные ямы, где люди просто набивают охваты, и пытаться вычленить там сигнал из шума. Но это критически важно, быть вовлечённым, понимать, что происходит, читать научные статьи, это прекрасно. Так, соотношение сигнала к шуму гораздо лучше, но нужно понимать ландшафт, в котором находятся люди, которых вы консультируете, а они как раз сидят в этих выгребных ямах. Итак, общая картина. Сейчас время колоссальных возможностей. Я призываю вас, как и Эндрю, продолжайте учиться, продолжайте копать и продолжайте строить.

строить. Но впереди есть риски. Помните фильм Титаник? Помните знаменитую фразу: "Айсберг прямо по курсу". Но непосредственно перед этим там есть сцена. Я бы показал её, но не могу из-за авторских прав, где двое парней на смотровой площадки на мачте мёрзнут и болтают. Их работа замечать айсберги впереди. Пересмотрите этот момент. Они обсуждают только то, как им холодно, а затем показывают команду, которая спрашивает: "Подите, а разве у них не должно быть биноклей? " И выясняется: "Ой, мы оставили бинокли в порту". Эта сцена идеально передаёт высокомерие. Они так стремились вперёд, что не желали замечать риски. И даже имея людей чья работа следить за опасностями, они не научили их должным образом и не предоставили им нужное оборудование. Для меня это отличная метафора того, где сейчас находится индустрия. И перед нами есть риски. То самое слово на букву П, пузырь, о котором вы читаете в новостях, это реальность. Но когда я думаю о пузырях, я вспоминаю пузырь доткомов, начало двухтысячных. Большинство из вас его не застали. Это был крупнейший пузырь в истории. Он лопнул, но мы всё ещё здесь. А люди, которые работали с доткомами правильно, не просто выжили, они стали процветать. Amazon, Google, они всё сделали верно. Они понимали фундаментальные основы того, как строить интернет-бизнес. И когда пузырь хайпа лопнул, они не пошли на дно вместе с ним. Был такой сайт, кажется, pets. com. Их девиз был: "Построй и клиенты придут сами". Они крутили рекламу на Суперкубке, но не могли справиться с наплывом трафика. Вот такие сайты испарились, когда пузырь лопнул. Похожий пузырьи, скорее всего, неминуем. Пузыри случаются всегда. Компании, которые работают с правильно, не просто переживут этот момент, а станут лидерами после него. А люди, которые работают справильно, люди в этом зале, те, кто думает о том, как внедрять его в своих компаниях и какие рекомендации давать бизнесу, будут не только теми, кого не сократят во время обвала, но и теми, кто продолжит расти во время и после него. Если говорить об устройстве любого пузыря и того, что я сейчас вижу в Ии, то это своего рода пирамида. Наверху тот самый хайп, о котором я говорил. Внизу огромные венчурные инвестиции. Скажу прямо, я уже вижу, как они начинают иссекать. Раньше было достаточно написать ИИ на слайде, и вы получали венчурные инвестиции. Потом было достаточно сделать что-нибудь с большими языковыми моделями, и компании снова получали инвестиции. Сейчас инвесторы стали куда осторожнее. Я консультирую много стартапов и вижу, как сокращаются суммы инвестиций, меняются приоритеты. Этот второй слой, массовые венчурные деньги, уже начинает исчезать. Нереалистичные оценки компаний, компании без прибыли, но с заоблачной капитализацией. Мы все знаем эти примеры. Нереалистичные оценки подпитываются хайпом. Следом идут продукты категории "Я тоже". Me to products, когда кто-то делает что-то успешное и все остальные прыгают в тот же вагон. Мы видим это повсюду, как и во время даткомов, и в самом низу. реальная ценность. Наверное, мне стоило нарисовать перевёрнутый треугольник, потому что реальной ценности пока мало, но я эти слайды навайп-кодил на скорую руку. Так что вот он ещё один пример технического долга, который я на себя взял. Так вот, реальная ценность там всё-таки есть. Это небольшое, но очень важное ядро. И именно те, кто будет строить вокруг этой реальной ценности, в итоге выживут. Поэтому направление, в котором, на мой взгляд, будет развиваться индустрия Ии, о каких навыках я бы рекомендовал вам задуматься, выглядит так. В ближайшие 5 лет мы увидим чёткое расслоение или, если хотите, развилку. Я назову их большой и малой и большой - это то, что мы видим сегодня. Гигантские языковые модели, которые стремятся стать ещё больше на пути к Agi, Geminii, Clot, Open AI будут и дальше наращивать масштабы. В логике этих компаний больше означает лучше: либо с точки зрения приближения к AGI, извлечения бизнес-ценности. Это одна ветвь, другая ветвь малыи. Мы все видим рост так называемых моделей с открытым исходным кодом, хотя я не люблю этот термин. Правильнее говорить модели с открытыми весами или модели, которые можно размещать у себя. Их количество растёт взрывными темпами. Недавно я читал, что 80% стартапов Y Combinator используют именно малые модели, особенно китайские. Китай сейчас лидирует в сегменте малых моделей. Возможно, потому что они не так зациклены на гиганта мании, как Запад. Я вижу, как это расслоение становится всё более очевидным. Возможно, у Китая есть временные преимущества в области малых моделей, возможно, нет. Я не берусь утверждать. Но суть в том, что мы движемся к миру, где есть модели, размещённые и обслуживаемые кем-то за вас. GPT, Geminii, CLД и модели, которые вы размещаете и используете самостоятельно под свои задачи. Сейчас этот сегмент ещё недостаточно развит, и здесь пузырь может лопнуть раньше, а здесь позже. И ключевой навык, который, как я вижу, будет особенно востребован у разработчиков в ближайшие 2-3 года на этой стороне, это до обученият tюниing, то есть умение брать модель с открытыми весами и дообучать её под конкретные прикладные задачи. Приведу конкретный пример из собственного опыта. Я много работаю с Голливудом и киноиндустриями. С одной студией мне даже удалось продать фильм. Он всё ещё на стадии предпродакшены и, вероятно, будет там вечно. Но в процессе я понял одну важную вещь. Защита интеллектуальной собственности в студиях доведена до абсурда. Погуглите истории с Джеймсом Кэмероном и Аватаром. судебные иски от людей, которые якобы много лет назад прислали ему историю про синих инопланетян и теперь требуют миллиарды долларов, потому что, видимо, он использовал синих пришельцев в Аватаре. Но уровень защиты интеллектуальной собственности в Голливуде просто невероятный. При этом возможности большинства языковых моделей столь же невероятны. Сегодня основной фокус - это генерация, сценарий, истории, визуал, рендеринг и так далее. Но на самом деле, куда более мощная возможность - это анализ. Анализ синопсисов фильмов, понимание того, что сработало, а что нет, почему один фильм стал хитом, а другой провалился, в какое время года фильм вышел и стал успешным, а в какое нет. А учитывая, насколько минимально моржа в киноиндустрии, такой анализ имеет колоссальную ценность. Но для этого студии должны передавать детали своих фильмов языковой модели, и они ни за что не будут делать это через GPT, Gemini или любую другую внешнюю платформу, потому что это означает передачу их интеллектуальной собственности третьей стороне. И вот здесь на сцену выходят малые модели. Студия может разместить модель у себя, полностью контролировать данные, и при этом эти модели становятся всё умнее. Модель на 7 млрд параметров сегодня по уровню интеллекта сопоставима с моделью на 50 млрд год назад. А через год модель на 7 млрд параметров будет сопоставима с моделью на 300 млрд параметров прошлого. Поэтому мы движемся в сторону построения решений на базе небольших моделей для самостоятельного хостинга, которые затем, да, обучаются под конкретные задачи. Это касается всех сфер, где критично конфиденциальность. Вот то расслоение, которое я вижу в Ии ранний пузырь, на мой взгляд, в области крупных, не селфedд моделей, поздний в области малых, размещаемых локально. Но в любом случае, если говорить о вашей карьере и о том, как пережить любой пузырь, фокусируйтесь на основах, создавайте реальные решения, понимайте бизнес-контекст и, что самое важное, диверсифицируйте свои навыки. Не становитесь специалистом одного приёма. Я работал с блестящими инженерами, которые идеально знали один API или один фреймворк, а потом индустрия пошла дальше, и они остались позади. И да, когда пузыри лопаются, последствия всегда примерно одинаковы. Финансирование исчезает, заморозка найма превращается в увольнение, проекты закрываются, а рынок переполняется талантами. So how you think how хорошо? Значит, вопрос был в первую очередь про Nvidia и вообще про Найм под очень узкий специфичный сценарий. И тогда возникает более общий вопрос: что для вас важнее: стать экспертом в одной узкой области или всё-таки диверсифицировать свои навыки? Я всегда буду настаивать на том, что диверсификация всё равно важнее, потому что этот один узкий сценарий, он остаётся фактически одним сценарием, и вы фактически складываете все яйца в одну корзину. Nvidia, безусловно, фантастическая компания. Тут вообще нет никаких претензий. Работать там мечта. Но если вы поставили всё на Nvidia и в итоге туда не попали, что тогда? Поэтому я считаю, что если вам действительно что-то очень интересно, уходить в глубину - это прекрасно. Но уметь только это одно рисковано. Я всегда призываю к диверсификации. И когда я говорю диверсификация, я имею в виду не только выбор между большими языковыми моделями, компьютерным зрением или чем-то подобным. Это лишь часть картины. Но для меня знание моделей и умение их использовать - это универсальный навык. Диверсификация навыков выходит за рамки этого. Кроме того, нужно уметь думать: "Хорошо, а как насчёт создания приложений на основе этого? Как выглядит масштабирование приложения? Как в этом случае выглядит разработка программного обеспечения? А как насчёт пользовательского опыта и навыков работы с пользователями? Ведь создать красивое приложение - это хорошо, но если никто не может им пользоваться, то да. Я смотрю на тебя, Microsoft Office. Вот что я имею в виду под диверсификацией. Даже в вашем примере с Nvidia важно уметь выходить за рамки конкретного кейса и показывать навыки в других ценных областях. И раз уж мы ограничены во времени, я вкратце скажу, я ярый сторонник малого ИИ. Я верю, что малый ИИ - это следующий

большой прорыв, потому что мы движемся к миру, где Ии будет буквально повсюду и одновременно. И это, кстати, часть моей работы в АРМ. Есть традиционное представление, и интересно, что вы упомянули Nvidia, потому что есть традиционное представление, что вычислительные платформы - это CPU + GPU, когда речь идёт о B. CPU универсальный, GPU специализированный, но это представление начинает меняться. Но, например, в мобильной сфере происходят огромные инновации с технологией под названием SMable Matrix Extensions. Суть SM в том, чтобы перенести и нагрузки прямо на центральный процессор CPU. Лидеры здесь китайские производители телефонов Vivo и Oppo, которые недавно выпустили устройство с чипами, поддерживающими SM. И это магическая вещь. Во-первых, нет необходимости в отдельном внешнем чипе, который потребляет дополнительную энергию и занимает место только, чтобы запускать ей задачи. Во-вторых, CPU - это по своей природе энергоэффективный компонент, и возможность выполнять и нагрузки прямо на нём открывает совершенно новые сценарии использования. Приведу конкретный пример. Есть компания Alipay. У них было приложение, и мы все видели подобное, где вы можете искать по своим фотографиям. Покажи места, где я ел суши, условно говоря. и потом автоматически собрать слайд-шоу. Обычно для этого нужен бэкэнд. Ваши фотографии хранятся в Google Photos, Apple Photos или где-то ещё, а модель работает на сервере. Алипые посмотрели на это и сказали: "Здесь есть три проблемы. Первое- приватность. Вы передаёте свои фотографии третьей стороне. Вторая: задержки. Нужно загрузить фото. отправить запрос, дождаться обработки на сервере и потом скачать результат. И третье, стоимость, развёртывание и поддержка облачного сервиса требуют времени и денег. Поэтому они решили перенести всё это прямо на устройство. Идея в том, чтобы модель работала локально и искала нужные изображения прямо в памяти телефона. Нет задержек, нет передачи данных наружу. И с точки зрения бизнеса экономия на инфраструктуре. В итоге Eи работает прямо на CPU. Apple тоже активно инвестирует в S. Это хорошо видно, если вы когда-нибудь смотрели WWDC или похожие презентации, когда они рассказывают о новых чипах серии Aim, о нейронных ядрах и подобных технологиях, всё это часть одной и той же идеи. Речь о том, чтобы уйти от привычного представления, что для работы Си обязательно нужен GPU. И это как раз тот тренд, в направлении которого сейчас движется весь мир. Apple, пожалуй, одни из лидеров в этом направлении. Я очень оптимистично настроен по поводу Apple и Apple Intelligence именно по этой причине. Если смотреть на это с точки зрения Иследить этот тренд до его логического завершения, становится понятно, по мере того, как модели уменьшаются, а встроенный интеллект появляется буквально повсюду, это уже не фантазия и не научная фантастика, а реальность, которую мы увидим очень скоро. Идея конвергенции ИИ благодаря тому, что небольшие модели становятся умнее, а энергоэффективные устройства, способны их запускать, уже реализуется на наших глазах. Я вижу в этом огромные возможности. И последний момент. Я хочу ненадолго вернуться к агентам. Я часто говорю, что у искусственного интеллекта

есть скрытая сторона, то, что я называю искусственным пониманием. Когда вы начинаете использовать модели не просто для генерации, а для того, чтобы они понимали что-то за вас, а затем на основе этого понимания создавали новое, у вас появляются настоящие суперспособности. Вы становитесь гораздо эффективнее, чем раньше, будь то написание кода или создание любого другого контента. Я покажу один короткий пример, чтобы подвести итог. Ранее я говорил о генерации видео. На этом фото. Упс, простите, слабый интернет потерял. Вот на этом фото мой сын, он играет в хоккей. Я сделал этот снимок и подумал: "О'кей, а я ведь отлично умею писать промпты". Я составил хороший, как мне казалось, запрос. Он в моменте щелчка по шайбе, на клюшке красивые искры от льда. И я попросил модель сгенерировать момент, где он забивает гол. Как вы думаете, что получилось? Хотите посмотреть? Давайте посмотрим. Это было не то видео, но суть та же. Из-за плохого промпта или плохого понимания моего намерения, если говорить терминами агентов, произошло вот что. Коток, где он тренировался, на самом деле пустой. Там нет зрителей. Если перемотать чуть назад и посмотреть в правый верхний угол, там вообще зона, где хранят мусор. Но и этого не знал. и решил, что это полноценная арена, и дорисовал зрителей. В итоге он бросает шайбу совсем мимо ворот, но все радостно апплодируют. У него почему-то две клюшки вместо одной. И даже его имя перепутали. Всё потому, что я не использовал агентный подход. Я не прошёл по шагам. A понять моё намерение. Bс этого определить, какие инструменты доступны. В данном случае VO C. разобраться в нюансах их использования, составить план, построить правильный промпт, выполнить и затем проанализировать результат. Сейчас я консультирую стартап, который занимается созданием фильмов с помощью Ии. Я хочу показать небольшой фрагмент проекта, над которым мы работаем. Ключевая идея здесь в том, что если вы хотите получить убедительную игру виртуальных актёров, вам нужны эмоции. Эти эмоции нужно не просто сгенерировать, но и вписать в контекст всей истории. Потому что, когда вы создаёте видео по промпту, вы получаете восьмисекундный фрагмент. А этот фрагмент должен знать, что происходит во всём остальном сюжете. Так, если я нажму сюда, эта дема пока немного деревянная. Мои друзья актёры смеются над такой игрой. Но почувствуйте разницу между тем неагентским промтом с хоккеистом и этим результатом. Думаю, я всё-таки смогу пойти на викторину в пап. — Они меня просто-напросто заткнули. Я была так близка, но они даже не стали слушать. Они никогда не слушают. Идея в том, что разбив процесс на агентные шаги, о которых я говорил раньше, я смог использовать тот же самый движок, который раньше давал провальный результат, и добиться работающего решения, включая передачу эмоций, о которых я только что говорил. Мы немного вышли за рамки времени, так что прошу прощения. Я готов ответить на вопросы, если они есть. Я вижу, что здесь есть и Эндрю, он сзади. И я просто хочу сказать огромное спасибо за ваше внимание. Я правда очень это ценю. Да. — Насколько этот прогресс заслуга рабочего процесса? А насколько проблема предвзятости обучающей выборки, где на два-три хоккейных поля без людей приходится тысячи заполненных трибун? Да. Отличный вопрос, просто повторю его для записи. Какая часть улучшения результата связана именно с использованием агентного рабочего процесса? А какая с тем, что в обучающей выборке для неудачного примера просто не хватило данных про хоккей? Я здесь не сравниваю полностью сопоставимые вещи, поэтому говорю скорее на уровне ощущений. Но когда я посмотрел на это внимательнее и разложил процесс по шагам, сказал себе: "О'кей, я создаю сцены вот таким образом". Стало очевидно, что те сцены, которые я делал напрямую без какой-либо структуры, без агентного подхода и без того, что я называю искусственным пониманием, получались просто ужасными. Когда я разбил процесс на шаги, всё изменилось. В одной сцене девушка сидит на скамейке, она расстроена, парень подходит к ней и хочет утешить. Я скормил это большой языковой модели вместе со всей историей и моими ограничениями. Кадр должен длиться ровно 8 секунд. Диалог должен быть чётким и так далее. И когда большая языковая модель поняла моё намерение, она составила промпт, который был гораздо более многословным и детализированным, чем я когда-либо смог бы написать. У языковой модели было понимание того, что делает кадр хорошим, какой ракурс лучше и как передать эмоции. Это понимание было куда глубже моего. Я мог бы потратить часы, пытаясь описать это. Так что первый шаг в агентском цикле, когда модель понимает моё намерение за меня, стал ключевым. Второй шаг- инструменты. Я прямо указал, какой видеожок буду использовать. В качестве большой языковой модели я использовал Geminii и надеялся, что Gini знаком с VO. Это помогло учесть все тонкости работы именно с Vio. Я узнал, например, что Vio плохо справляется с динамичными сценами, но очень хорош в медленных наездах камеры для передачи эмоций, как вы видели в примере. Языковая модель знала об этом, потому что я объявил Viо своим инструментом. Затем она составила и отшлифовала промпт. Третий этап сама генерация. Создать видео в Vio стоит примерно от дву до т долларов за четыре варианта в кредитах. Меньше всего мне хотелось генерировать сотни дублей и выбрасывать деньги на ветер, но все затраты токенов на понимание намерения и составление плана окупились. Агент выдавал отличный результат, если не с первого. то со второго или третьего раза. Так что даже без прямого сравнения, я уверен, такой рабочий процесс работает великолепно. Есть ли ещё вопросы? Вопросы, комментарии? Да, в конце зала. Что меня больше всего удивило в е индустрии за эти годы? Хороший вопрос.

Пожалуй, больше всего меня удивило и, наверное, не должно было то, насколько сильно всё захватил хайп. Я искренне верил, что люди на высоких постах, принимающие решения, смогут лучше отличать реальный сигнал от шума. А ещё меня поразило стремление к немедленной прибыли в ущерб долгосрочным перспективам. Расскажу одну историю. После того, как мы с Эндрю выпустили специализации по Тензорфлоow на Курсера, Google запустил профессиональный сертификат. Идея была в том, чтобы проводить строгий экзамен. Если ты его сдал, это становилось престижным подтверждением навыков и реально помогало найти работу. В то время Тензрфлоу был на пике востребованности. Поддержка этой программы стоила Google 100. 000 долларов в год для такой компании Капля в море. Но репутационный эффект был колоссальный. Помню историю парня из Сирии. Он рассказал в ней в рекламных материалах Google. Вы знаете, какая там была тяжёлая война. Он стал одним из первых в Сирии, кто получил этот сертификат. И это вытащило его из нищеты. Он смог переехать в Германию и устроиться в крупную немецкую фирму. Я встретил его на мероприятии в Амстердаме, и он рассказал, что теперь, благодаря этой работе он может содержать свою семью и перевести их из зоны боевых действий в безопасное место. И всё это благодаря тому, что он разобрался. Вы, понимаете, таких вдохновляющих историй были тысячи. Но что меня удивило, программу закрыли. Почему? Потому что она не приносила компании прямого дохода. Мы специально сделали её самоокупаемой, чтобы цена экзамена была низкой. В итоге она не вышла в ноль, обходилась компании в 100-150. 000 в год. И проект прикрыли. Это ужасно обидно, учитывая, сколько пользы он приносил. Но это то, что удивляет меня больше всего. А ещё меня вдохновляют люди, которые добиваются успеха в Ии, хотя вы бы никогда этого от них не ожидали. Позвольте ещё одну историю. У меня есть близкий друг. Я показывал фото с хоккеем. Так вот, он бывший профессиональный хоккеист. Есть тут фанаты хоккея. Вы знаете, это суровый спорт, там много драк и стычек. Он бросил школу в 13 лет, чтобы сосредоточиться на карьере. Он всегда говорит, что он самый тупой человек на свете, потому что у него нет образования. Мы с ним полные противоположности, поэтому и дружим. Он ушёл из спорта из-за сотрясения мозга и теперь руководит некоммерческой организацией. Они строят ледовые катки. Года три назад мы пили пиво, и он спросил: "Слушай, расскажи мне про и этот чат GPT. Это вообще стоящая штука. " Я начал рассказывать: "Да, мол, круто". И всё такое. Это был вопрос с подвохом. Я тогда не понял, почему. Оказалось, в его НКО ему нужно каждый квартал представлять совету директоров. Отчёты о работе, чтобы получать финансирование. Даже не коммерческим структурам нужны деньги. Он тратил больше 150. 000 долларов в год на консультантов, которые собирали данные из разных источников. У них данные везде: датчики в компрессорный, который охлаждает лёд, куча таблиц, щита. Он вообще не технарь, но ему нужно было обрабатывать всё это, и он решил провести эксперимент, попробовал сделать отчёт с помощью чат GPT. Поэтому он и спрашивал, хорошая ли эта штука. Мы обсудили это, и я посмотрел на результаты. Он загружал туда таблицы, PDF-файлы и просил собрать отчёт. Теперь у него уходит на это около 2 часов с чат GP, и результат получается блестящий. Отец 150. 000 долларов в год, что он экономит на консультантах, теперь идут детям из малообеспеченных семей на коньки, форму, уроки хоккея. Деньги ушли из рук дорогущей консалтинговой фирмы и пошли людям. И этот парень, который называет себя самым тупым в мире, надеюсь, он не смотрит это видео, сделал это сам. Я сказал ему: "Поздравляю, теперь ты разработчик". Ему это не понравилось. — Но именно такие вещи меня радуют. Суперсила оказалась в руках человека, который вообще не связан с технологиями, но смог построить решение, экономящее 150. 000 в год. Подобные вещи всегда приятно удивляют. Да, я отвечу вам в следующим. Да, — нам, инженерам, проще ориентироваться в этом. Мы понимаем суть, но как быть людям, у которых нет такого бэкграунда? Повторю вопрос для видео. Нам легко видеть сигнал сквозь шум хайпа. Но как быть остальным? Я считаю, что в этом и заключается наша возможность стать для них доверенными советниками. Главная проблема хайпа сейчас в том, что все механизмы в сети вознаграждают за вовлечённость, а не за суть. Первый шаг- научиться видеть это насквозь. Как мой друг хоккеист, он видел весь этот шум, но не хотел ставить свою карьеру на кон. Ему нужен был совет со стороны, что он делает правильно, а что нет. Именно умение позиционировать себя как доверенного советника, не повторяя ошибок, в которые легко впадают неподготовленные люди, это и есть ключ. И ещё важно понимать, что среднестатистический человек, вообще-то, очень умён, даже если он не эксперт в конкретной области. Нужно опираться на этот интеллект, помогать ему развиваться, проводить людей через сложные моменты и давать им возможность проявить себя в том, в чём они действительно сильны. Вот там видел вопрос. О'кей. Итак, Ии и машинное обучение для научных исследований. Где это хорошая идея, а где стоит проявить осторожность? Моя интуиция подсказывает, что это всегда хорошая идея. Нет ничего плохого в использовании доступных инструментов, но нужно всегда перепроверять результаты и сверять свои ожидания с реальностью. Я всегда был сторонником автоматизации исследований, насколько это возможно. Много лет назад я учился на физика и был весьма успешен в лаборатории именно потому, что автоматизировал на компьютере вещи, которые другие делали вручную с ручкой и бумагой. Это позволяло мне двигаться быстрее. Так что я предвзят в этом вопросе. Но я бы сказал, для большинства исследований используйте самые мощные инструменты из доступных, но следите за ожиданиями. На эту тему есть одна история в формате вопроса для викторины. Самая бедная страна в Западной Европе. Кто-нибудь знает, что Западная Европа? Это Уэльс. Я как раз учился в Уэльсе. Позже я вернулся туда, чтобы прочитать лекцию в университете. и встретил исследователя, который изучал рак мозга с помощью компьютерной томографии и различных видов изображений. Я спросил его: "Какая у вас самая большая проблема? Что больше всего мешает вашему исследованию? " Это было лет 8 назад. Его ответом было отсутствие доступа к GPU. Чтобы обучать и запускать модели, ему нужны были графические процессоры, а в его департаменте был один GPU на 10 исследователей. Это значило, что каждый получал к нему доступ на полдня с понедельника по пятницу. Его время было вторник после обеда. Всё остальное время он тратил на подготовку данных и моделей к запуску. И вот во вторник днём, когда наступила его очередь, он запускал обучение, и он только и мог, что надеяться получить нужные результаты за эти несколько часов, иначе пришлось бы ждать ещё неделю. Тогда я показал ему GoogleAB. Кто-нибудь пользовался коллаб? Там можно получить GPU в облаке бесплатно. У бедняги случился разрыв шаблона. Я достал телефон и показал ему блокнот в Google Callab, который обучал модель прямо с моего смартфона. Для него это изменило всё. Оказалось, что даже бесплатный план коб давал ему больше мощностей, чем тот один GPU на десятерых. Машинное обучение было критически важной частью его работы, но доступ к нему был ограничен. Устранение этого барьера дало мощный толчок его исследованию. Не знаю, чем всё закончилось и чего он достиг. С тех пор прошло несколько лет, но эта история сразу вспомнилась после вашего вопроса. Есть ещё вопросы? Спрашивайте что угодно. Да, вот здесь может ли Иить силой социального равенства или социального неравенства? Думаю, ответ да. Он может быть и тем, и другим, и не тем, и не другим одновременно. В конечном счёте, любой инструмент может быть использован для любых целей. Поэтому важно обучать и вдохновлять людей использовать технологии во благо. Государственное регулирование может сделать лишь часть дела, а иногда оно создаёт больше проблем, чем решает. В своей жизни я руководствуюсь принципом: предполагай добрые намерения, но готовься к плохим. Сы и всё так же. Всё, что я делаю и что советую, я делаю исходя из презумпции добрых намерений, надеясь, что люди будут использовать и для хороших дел. Но при этом нужно быть готовым к злоупотреблениям. Те плохие примеры, что я показывал ранее, это скорее результат ошибок при благих намерениях, а не злой умысел. Так что мой единственный совет в этом плане: всегда предполагайте добрые намерения, но будьте готовы к плохим. У самого Ии нет выбора, верно? Всё зависит от того, как его используют люди. Эндрю, ты хочешь сказать заключительное слово? Хорошо. Спасибо, Эндрю. Всем спасибо.