Китайский DeepSeek уничтожил конкурентов. Где в этом ИИ-хаосе Россия? | Михаил Степнов

Добрый день. Меня зовут Николай Хлебинский. Вы находитесь на канале Экtion Plan. Сегодня обсуждаем искусственный интеллект. У меня сегодня в гостях эксперт года по версии бизнес-школы Сколково в области искусственного интеллекта. Руководитель центра RD и bigdata MTS Web Services и основатель EИ студии разработки EsпаAD Innovative Solutions Михаил Степнов. Михаил, привет. — Да, привет. — Профессора американские кричат на студентов, говорят: "Ни в коем случае не используйте вы чат GPT". Так получается, что компания частная и не корпоративная обскакивает или хотя бы не уступает грандом с кучей денег. — Почему нет нацпроекта Искусственный интеллект? — Важно понимать, что любая технология развивается от военных, кроме искусственного интеллекта. — Начать делать с инструменты, которые принимают решение у автономного оружия о том, чтобы убить конкретного человека. — Сбер, Яндекс тратит огромные деньги на это. — Что такое и агент? Это доказательство того, что из говна и палок можно собрать злую и фактически топовую языковую модель. — Кто владеет пользователем, тот и владеет миром. — Идеальный бизнес с искусственным интеллектом в стеме эзотерики. Продаём идею. — Расскажи, пожалуйста, чуть-чуть, Михаил, проекты, вот, которыми ты руководишь и в МТС, и в И разработке. Ну, за какие-то цифры масштаба, которые вот их характеризуют. Сколько людей, сколько проектов, сколько токенов жгёте? — Ну, в МТС сейчас центр роде не очень большой. Я успел в МТСе поделать и крупные проекты, там 120-130 разработчиков и с более скромные. А это разные эпохи. Последнее время там в рамках той трансформации, которая сейчас проходит МТС как бизнес, у меня стажёры-студенты, ну, с большим участием языковых моделей, это понятно. от масштаба там финансового эффекта 150 млрд в Сбере на прибыль в графовой платформе до масштаба там 4-8 млрд прибыли, по-моему, тоже в МТС рекламной вертикали. Это двадцать второй-двать третий год. А к там полноценной построению функции управления данными в МТС Travel, это двадцать четвёртый год. Ну и сейчас это студенты, RnD, стажёры. Мы там запустили прототип платформы квантизации, дистилляции, прунинга больших исковых моделей. Если переводить это, делаем большую исковую модель, менее большой и сильно более дешёвой, но она продолжает выполнять какую-то узкую функцию. Ну вот сейчас играемся там с темой IID data, когда мы вместо вот этих страшных хранилищ данных всё это превращаем в векторное хранение в мбединге, что позволяет ходить в анализ данных, условно, выполнять функцию аналитика языковой модели внутри компании. Гипотетически это следующий большой шаг в хранении данных после всех этих датаверхаузов, даталейков и так далее. Вот. А что касается спады, ну мы за этот год, по сути, вот она год как существует? Ну, реальность, наверное, два. Но первый год был там несистемная история, но у нас оборот достиг-то там 100, э, 150 млн руб. Это очень разнообразные решение. Вот систем, которые сами дозваниваются до потенциального клиента и сами ему всякие специальные предложения, э, предлагают до системы AI суппорта, поддержки пользователей классически для мобильных приложений. не будем там клиентов раскрывать, да, были ещё всякие менторы в отношениях, а психологи за год, э, были. Что ещё было? Ну, была классическая какая-нибудь история про оценку эффективности рекламы. Это прямо базабаза. А, и на следующий год довольно амбициозные планы. У меня сейчас там в Прессейле уже сейчас где-то на 100 млн проектов мы сейчас пытаемся дотолкать и запустить. Я вот прямо вижу, как разгорается эта волна ээ на нашей стороне земного шара. Инструменты автоматизации, где визуальные конструкторы помогают построить какие-то диаграммы процессов

workflow, туда добавили коннекторы для языковых моделей. И вот началось. Начали появляться студии, начали появляться фрилансеры, которые занимаются внедрением автоматизации с помощью LLM всяких свистелок и перделок в бизнесе. различные, потому что это модно молодёжно, якобы что-то делает само хорошо или нет. Вот сейчас будем разбираться. Причём эти бизнесы вот ровно, как ты описываешь, доходят плюс-минус до таких объёмов. 100. 000 долларов где-то там оборота в месяц, 10-20. 000 долларов чистой прибыли. И вот они потом там остаются, потому что их лидируют эксперты, которые понимают, что делать. Они все набирают команду. Но вот ещё экспертов масштабировать тяжеловато. Вот. Но при этом спрос есть. Поэтому кто в поисках сейчас бизнес-модели находится, особенно если у вас есть ээ инженерное образование, вы хорошо понимаете, в предыдущих ээ ступенях того, что называл искусственный интеллект, ээ машин лернинг и так далее, вот, то вот такая есть перспектива. — Ну, есть нюанс. Мы всё-таки больше в диптех. Ну, у нас слои диптеха сейчас стали глубже. — Что такое диптех? Это слой подрядных организаций, стартапов, которые специализированы на более серьёзные разработки, чем просто взяли Nate and Make, что-нибудь там нахреначи. — Пока ты озвучил звонилку с илофера предлагалку. — Звонилка и specialфер предлагалка требует такой глубокой работы с телефонинией, интеграции, обучения костомных моделей, что она действительно работала. А что там, ну, как бы это написание и до обучения пропритарных костомных моделей. Ну, то есть — Согласен. Давай кода-нибудь позвоним. Можешь какой-нибудь номер телефона дать? — Не, ну это у клиента работает. Мы же на заказ работаем. — А мы номер не покажем, мы просто позвоним. — Не, ну у меня даже доступа нету, что это же под NDA, это отдано, это работает уже год, условно говоря, и так далее. Конечно, есть более глубокий диптех - это, условно говоря, ребята, которые занимаются там, не знаю, э, анализом законо, условно, разрабатывают новые медицинские препараты с помощью искусственного интеллекта, либо работают на глубокой оптимизации алгоритмов, э, туда, там даже для нас как бы глубоко. Я всегда считал, что мы наоборот, ну, типа там взяли, обучили какие-то модельки, иногда готовые, полуготовые, смешали это в программный продукт, и оно стало там поверхностным достаточно решениями. И когда ты с друзьями с ФИСХо общаешься, типа, а мы вот здесь вот там для Сбербанка, например, обсчитываем оптимизацию алгоритмов. Это реальный кейс. типа, например, работа на финансовых рынках, там очень-очень глубоко, на уровне там хардкорнейшей математики, которая даже мне тяжела. Вот мы сейчас тоже стали диппер, чем были, потому что появился вот верхний слой автоматизации на Мейке, на Нейтоне и так далее. Мы сами для себя Natй открыли только под конец года. И для нас это ха, ну, быстренько сейчас на коленке что-нибудь сверставим. Ну, типа серьёзная разработка она глубже, да. Ну, для прототипирования, для быстро проверки гипотез — протипирования дёшево, когда надо сделать там, да, когда нужно сделать. — Ну, когда зака, я бы не сказал, не масштабно. — Ну, это дёшево. Ну, то есть — если нагружать, то будет дорого. вообще не надо это использовать. Ну, то есть эти все вот эти автоматизации на make, на и так далее - это когда у тебя там пять человек в день что-нибудь потыкали, либо это прототип. Мы как раз говорим, то есть звонилка, она работает там на масштабе, на кубернетосе, то есть там бесконечное скалирование, если надо, любая нагрузка там, ну тоже это МТС к этому приучил, потому что ни один ней не сможет работать, как мы строили модели в рекламе, когда нагрузка там RPS, количество запросов на систему в секунду 200. 000, а ответ нужно дать, ну, результат работы модели за 40 миссекунд. Ну, как бы вот это я называю там какие, ну, это хайло скорее, но то есть высоконагружная система. Конечно, ни один й, ни один Natйon такого не выдержит, но если бизнес небольшой, денег при этом особо много на жёсткую хардкорную разработку нет, конечно, взяли Nathan Make сверстали себе что-нибудь прикольное, даже можно самим. Здесь спойлер, на самом деле, студии здесь не нужны. Это всё делается своими руками, если есть

желание. И многим людям я показывал, как это делается, и дальше они сами уходили делают. У них всё хорошо. — А вот скажи, пожалуйста, для такой студии разработки и решений, кому ты принесёшь больше всего ценности студией? Это вопрос для тех, кто нас сейчас смотрит и тоже думает, консалтинг какой-то в этой области открыть. Вот как выглядит портфель клиента, профиль, вернее, клиента, кому э больше всего, более можно закрыть? Слушай, есть несколько разных ответов. Давай в них разбираться. Ну, первый вариант, и он довольно традиционен для как раз вот таких вот студий подрядных организаций, есть более честный, может быть, менее, э, красивый термин, называется IT-галера, — да? Ну, то есть подрядная организация в разработке софта, просто в нашем случае специализирующаяся на искусственном интеллекте. Первый ответ, который мы как раз не пошли туда в СМСЧ пока что- это подряд к крупным организациям. — Вообще большая часть таких студий возникает э от необходимости очередного сбера ВТБ и так далее быстренько сделать какой-нибудь продукт не своими силами. И десятки таких компаний прекрасно живут с оборотами гораздо больше, чем у нас, за счёт того, что пробивают долгие, сложные контракты. вот этим вот крупным организациям. Ну, всё там ВТБ, Сберы, Росатомы. Угу. — Э, проблема в том, что там скорость пресейла, там полгода, год ходишь за

клиентом, да, потом ты работаешь год-два навольно хороших деньгах, но страдания в делопроизводстве такие, что я пока морально не готов. Ну, наверное, этот путь всегда есть и всегда можно постараться в него зайти. Второй путь, который для нас сейчас основной - это бизнес, э, ну, средний либо менее регламентированный. Наверное, формально это как раз именно, условно говоря, средний бизнес, иногда с высокой маржинальностью. Вот там звонилку, кому мы делали, опять же, обещался не говорить, там очень хорошо маржинальный бизнес, а хоть хочется ещё более маржинальный. Сейчас все стали думать: "А какие самые маржинальные бизнесы в России есть? " — Угу. — Ну, я знаю как раз две индустрии, где маржинальность зашкаливает. Можно попробовать угадать в комментариях, да, там, где прямо денег прямо хорошо. Вот топ- один читается сразу. Обычно это не банковская индустрия. Сразу подскажу. — По моей практике маржинальность самая большая где-то в эзотерике. Одна из вот там — всевозможные обладатели хрустальных шаров — имеют маржинальность очень высокую. — Это проект года, который я однажды с кем-нибудь реализую либо, может быть, на январский забурюсь и сделаю. Сейчас

наверное, аудитория спалит и меня снизится объём целевой аудитории. Но всё же давай расскажем. Идеальный бизнес с искусственным интеллектом в стеме эзотерики. Продаём идею. Концепция. А биржа тарологов. — Биржа тарологов. Да. У тебя marкетплейс или биржа тарологов. У тебя, значит, с точки зрения пользователя, ну, где-нибудь в телеге, ты, значит, заходишь своим запросом, подбираешь таролога по карточке, по описанию, который тебе больше всего нравится, общаешься с ним онлайн, естественно, онлайн, зачем нам оффлайн, а, получаешь от него инсайты, становишься вот этим вот это вот всё. — Потом оказывается, что это был робот. — Все тарологи на бирже - это просто ГПТхи, которые немножко там по-разному подтюнены, подключены и так далее. Я, кстати говоря, вот слышу последние несколько недель, что значит девушки обмениваются промптами эзотерическими, которые сами уже в чат GPT отдают. И там такой мы об у них уже есть, как вот, знаешь, есть ээ есть практика использования чат GPT. Там есть, ну, вернее, не практика, а есть такие лучшие практики, типа напишите роль, напишите там контекст, сделайте F shots prompting, там хорошие, плохие примеры. И вот есть базовая практика. Сделайте библиотеку промптов. У них, короче, библиотеки промптов уже есть. Они обмениваются в — Я обещал бомбить на тему библиотек промтов, и я вам дам хороший промт. Аэ, бомблю. Те, кто приходит в надежде получить идеальный промт для всего и собрать библиотеку готовых промтов, идут

путём, который ведёт в никуда. Потому что основная концепция работы сча подпиши что угодно, она заключается не в идеальном промте, а в объёме пользования и итерационности. Да, у нас есть золотая рамка из пяти пунктов, которые мы обязаны в рамках промта использовать. Роль, контекст, формат выдачи результата, бесткейсы. Что я забыл, пятое — ограничение. делать там спроси меня дополнительные вопросы есть отдельный ролик у меня на канале где они все выдаются вот по очереди все лучшие про пять это вот условно говоря когда я очень сильно как бы как человек который немножко от образования тоже ругаюсь на курсы по промнгу курс по промнгу занимает полчаса — мне кажется меньше давай я тебе покажу сделаем экспресс-курс по промтингу сейчас значит ээ как он выглядит мы заходим вот сюда в раздел исследуйте gpt пишем слово system prompt системный пром и вот ну вот это вот мой выбор, но в целом можно поисследовать ээ System prom generator - это приложение, которое, ну, такой кастомный GPT, который будет писать по всем правилам промты просто по голосовому сообщению. Вот я хочу сделать примерно вот это. Спроси меня что-нибудь, сделай мне классный промт. — У меня средняя длина промтала мгновенно и сразу. Не знаю, что показать. Здесь много всего. Вот мы там моделировали и системы для многофункционального комплекса. Вот. Ну, можно посмотреть. Привет, Денислам. Вот 35 этажей. На первом этаже торговый центр. А задача какая? Вот. А как эксперт в строительстве, покажи 10 идей, какие системы на основе было полезно экономически внедрить такого рода проекты с непостоимостью, сроком и сложности. И как тебя результат устроил? меня, да, заказчика тоже. Ну, мы немножко там пообсуждали, посчитали. Ну, здесь важно понимать, что у меня хороший системный промт вшит. Вот и всё. Сам со стоимостью, с оценкой. — А можешь показать, какой у тебя системный пром вшит? — Да, он известный, он тупо взятый из интернетов. Вот всё, что надо. — А вот такой вот коротенький. — Да, — он второй версии, первый был длиннее, но внезапно этого хватает. Ну, самое главное, что он сам подбирает роль, аэ. Он даёт степ-байстеп, но опять же правильный системный промт, попытка хотя бы какая-то попытка придерживаться э политики выдерживания рамки промта даже вот здесь. Ну то есть мне лень было писать как эксперт строительства. Я мог это не писать здесь, как эксперт строительст в искусственном интеллекте я мог не писать. Система сама бы распознала, какой роль надо быть. А вот там 10 идей или пять, да, тоже оно бы выдало. Здесь очень простая история и золотое правило экстрасенсы в отпуске. Мы должны задать те условия, которые для нас важны. А если мы их не задали, то вот как система их угадала, так угадала. Из хорошего там в современном развитии исковых моделей никто не мешает дать пять-шесть уточнений. То есть одно из

базовых правил - это итерирование пользования, да? Соответственно, если мы итеративно, раз за разом делаем улучшение, даже если мы сразу не написали системный промт, э, ну или не системный, обычный, да, мы всё равно дойдём до нужного решения. А что самое важное, благодаря там очень широкому окну контекста современному, э система сама запоминает весь твой контекст, всё, что про тебя, и довольно естественным образом адаптируется под то, что конкретно там мне или тебе нужно. У меня есть такая метафора, что, ээ, lm чати, ээ, и аналоги - это, эээ, такой джин из восточных сказок, который он исполнит любое твоё желание, но он тебя будет стараться как-то обмануть, как-то тебе подсолить, подгадить, и тебе надо очень аккуратно от этого защищаться. А сегодня я ещё одну прикольную метафору услышал, что это гениальный джун, что он может, э, решить какую-то очень сложную задачу, типа олимпиадной задачки по программированию, лучше всех, быстрее всех, но при этом сразу же после этого ошибиться на какой-то мелочи в какой-то запятой к совершенно глупой задаче, с которой справится даже школьник. А, да, не гениальный обычный джунтер стажёр. Ну, наверное, все — пото он знает всё — и не может отсли ты общался с современными хар такими. Ладно, меня здесь разбаловала судьба и моё место работы. Я с школьниками и студентами общаюсь только вот там, если школьники, то это олимпиадники, победители олимпиады по искусственному интеллекту. И они правда знают всё практически. Вот. Но, правда, им не хватает системности, да? Объяснение относиться к этому как к стажёру, да, хорошему, прямо хорошему стажёру - это самая правильная история. Ставить задачи тоже как там стажёру Джуну, условно говоря, детализировано. А если не детализировано, то не виноват стажёр в том, что он додумал твои мысли великого руководителя, как смог. — Ну, кстати говоря, у нас была вот такая вот категоризация. Что отличает джуна от медла от синиор разработчика? Очень простые определения. Э-э, джуниор разработчик - это программист, который не может работать автономно. То есть ему нужен кто-то, кто будет контролировать его, кто будет отвечать ему на вопросы, поправлять, корректировать и так далее. ID - это разработчик, программист, который может автономно делать типовые повторяющиеся задачи, часто встречающиеся. Э с исследовательскими задачами ему уже нужна помощь старших товарищей, а, соответственно, Синиор - это вот тот, кто автономно решает сложные исследовательские задачи и так далее. То есть получается, что вот Джуниор хорошая здесь метафора, что нельзя без человека ему без более эксперт. — Не можно, но вы не удивляетесь результатом. — Да, можно, но получится плохо. — Не, не факт. Получится случайно. Ну, на самом деле, здесьга я добавлю, потому что называется миллениалы переизобретают науку о менеджменте. Э, она есть, её внезапно айтишники не считают наукой. Знаешь, этот мемчик, я и сам своего рода учёный, но менеджмент - это, блин, наука. Её изобрели, изобретают и развивают. И в науке о менеджменте сказано, что специалист младшего звена требует постоянного контроля, специалист среднего уровня требует промежуточного контроля в начале, в середине, в конце. И специалист высокого уровня требует контроля входного, выходного. Руководитель, ну там, Лиду, условно говоря, в нашей классификации контроля требует только на уровне постановки задач. Всё это было сказано там, не знаю, лет 80 назад. Не в этом плане ничего не изменилось. Я просто пытаюсь это притянуть к этой категоризации чат GPT и вот в ячейку Jниor его запихнуть. Вот. Чтобы это было понятнее. Это Ну, смотри, у тебя есть опыт как бы и работы над очень сложными задачами внутри больших корпораций. У тебя есть опыт э и работы внутри Исколково с бизнесом. У тебя есть опыт консалтинговой работы для бизнесов разного объёма по этим технологиям. Давай какие-то, мы сейчас записываем это в конце двадцать пятого года. Давай какие-то итоги года подведём. Что за этот год у нас произошло? Я просто как начал думать всё, что в этом году случилось относительно искусственного интеллекта, такой: "Блин, неужели это

всё в этом году произошло? " — Это вот как раз то, что я вот в Сколково тогда недавно выступал, когда я готовился к вот этому там выступлению по итогам года. Апсик в этом году только появился. Я думаю, в смысле, ну, по факту, да? То есть, ну, один из самых ярких моментов, да, это вот история с дипсиком, который появился вот так вот. И, — ну, давай как-то отметим, да, в чём яркость была дипсика, потому что это очень такой важный момент. — Если вы китаец с отвёрткой, то вы способны сделать всё то же самое, но дешевле. Фундаментально. Это золотое правило последних 50 лет. Про китайцев с отвёрткой и танк мы ещё в детстве, да, шутили. Про китайцев и мобильные телефоны мы знаем давно. Про китайцев и автомобили мы узнаём последние несколько лет. А теперь мы узнали про китайцев и искусственный интеллект. Китайцы

скопировали индустрии искусственного интеллекта. Справедливости ради они давно и много вкладываются в фундаментальные исследования. И да, — в плане Китая это, наверное, один из самых таких серьёзных инвесторов. У них есть государственная программа инвестиций и прочего прочего. — Компания TНENT. Эээ, это QQat, VCAT. Ну, в России это PUBG Mobile, чтобы это, да, чтобы понимали тоже, насколько это разносторонняя компания. Второе место в мире по патентам после Гугла. Есть шутка в индустрии про китайские патенты. Это важно понимать. Ну, то есть китайские научные статьи, китайские патенты большим мировым сообществом очень часто и воспринимаются как что-то ты меня здесь как бы загоняешь, друг дорогой. Ну, то есть, ээ, никто не может проверить их валидность в остальном мире. И были они замечены в ситуациях, когда статейка липовая, скажем так, да, которая опирается на исследование самих себя, которые подтверждаются самими се собой, это уходит ээ последние годы, но там 5 лет назад, 10 лет назад прямо ярко — вообще. Я был в этом году в Китае. Мы ездили с бизнес-миссией туда по заводам, по осим компании в Тенсен, в том числе были, и встречались с бизнес-клубом ребят из России, кто там давно живёт. Сейчас вот будет интересно для тех, кто хочет понять китайскую душу, как она устроена. Мы им задали вопрос: как вот понять, как они мыслят, что за система ценностей? Потому что сходу что-то очень странно, очень далеко от нас. И вот один человек встаёт и нам говорит: "Значит, смотрите, чтобы понять китайцев, вам надо сделать две вещи. Во-первых, вам надо научиться играть с ними в маджонг на деньги. Во-вторых, вам надо как следует изучить книгу перемен. Все и все вокруг ребята из этого бизнес-клуба закивали. Говорит: "Да, в целом это очень точно. Если вот эти две вещи вы сделаете, вы поймёте, что они имеют в виду". Но давай вернёмся к дипсику, — да, собственно, deep псик момент. — В чём прорыв дипсика? — Если говорить без звёздочек цензуры, это доказательство того, что из говна и палок можно собрать злую и фактически топовую языковую модель. История была в том, что первая версия псика практически ничем не уступала лидером тогдашним. Она была практически такой же по качеству.

При этом она была обучена типа условно на порядок дешевле. — Угу. — Магия очень простая. Э, ну как бы тихо ушёл, называется. Нашёл. Для того, чтобы обучать модель, ребята из Китая использовали мм место сбора данных, честного сбора данных, ну или не всегда честного, но линейного, как это делает там тот же Open и Google, они просто подключились, оплатили опишки всех текущих на этот момент языковых моделей и просто задавая там наборы вопросов, собирали ответы и для этого получали выборку для обучения модели. Плюс они значимо сократили с помощью ряда приёмов железо по объёму, которое было необходимо, чтобы это всё обучить. Просто получили на два порядка дешевле ивую модель. И вот это вот такой эффект дипсика, когда ты китаец и в догоняющих, у тебя есть отвёртка, ты можешь сделать эквивалентную по качеству систему значительно дешевле. Это повлекло, естественно, к ним огромное количество исков, в том числе от того же Open AI. Но это очень смешная история, потому что как бы Open e тоже не брезгают сбором публичных данных и использованием всего, что до чего они дотянутся. Но вы не понимаете, это другое. — Где сейчас deep псик вот на всевозможных лидербордах, на которых модели соревнуются? Какие рейтинги ты уважаешь? — Ну l арена. — Я вот сейчас посмотрел на Ark Price, который скорит по AI, и я там вообще его не вижу. Давай заглянем нам арену, посмотрим, что там. Давайте посмотрим лидерборды. М арена она же всё-таки там это explicit данные пользовательские. — Ну конечно, — это там рети там голосуют люди. Нула, причём они в закрыто это делают. Ну вот давайте посмотрим в overall. А понятно, что в overall у нас будут проприетарные по суще лицензии модельки. И понятно, что это большая нынче четвёрка. Это GI, Грок, Клод и ГПТ. Кстати, ГПТ 52 даже здесь ещё нет. — А вот она. Странно, она хуже. Хотя в целом не нравится. А примиary типа вот здесь всё проприетарное, проприетарное. В основном это просто разные версии всего этого. Квен, ну, пропритарные залезают сюда. Тут первые китайцы появились. — Кими сейчас лидер первый бесплатный - это Кими. Внезапно. Это тоже как бы привет из Китая, но вот где-то рядом вот он deepsek. MIT - это по сути open source лицензия. Да. — А можешь крутануть вверх, пожалуйста, списка 10. 423. Ээ да, вот именно скор. Чтобы вы понимали, вроде он где-то там в третьей десятке, но количество очков 1. 423 на 1090, то есть здесь, — ну, довольно много, на самом деле. — Различия, ну, как 10%. — Ну, с точки зрения принципа набора рейтинга, это достаточно большая разница. Но здесь вопрос в другом. Всё, что выше - это одни и те же модели одних и те же разработчиков. — Ну, если мы сравним это, например, с GPT 52, который вот в этом списке есть, да, то разница уже значительно меньше. Её практически нет. — Да. Не, ну на самом деле, правда, я так не то, что она сильно есть, но важно понимать, что смотри, Google X Antropic Open AI. — Всё, дальше вот Байду вылезает чуть-чуть. Ну, это вот новая какая-то

история, да. — У, да. То есть, условно говоря, это там пятое-шестое место среди компаний. Вот как бы Алибаба, Байду и, собственно, Квенс. — Почему Россия не в этой гонке? — Потому что в России нет денег. Никто не вкладывает в России достаточно денег во времени, это важно, для того, чтобы этим заниматься. Ну, то есть обычно говорят: Сбер, Яндекс тратит огромные деньги на это. Это вообще даже не рядом не огромные деньги, сравнивая даже с затратами Дипсика, да, я не помню, — насколько я помню, сколько там миллионов долларов было до 10 млн было. — Сотни миллионов. Но сотни миллионов - это уже привычно для того, чтобы кто-то принял решение ими рисковать. — На одну версию ходит у нормальной такой модели, это там несколько миллионов долларов на одну версию. Да. — Версионность сейчас очень высокая. Затраты Сбера, ну, тоже очень большие или там Яндекса. Но они на порядке, особенно если взять во времени, отстают по объёму денег. А там ещё накладывается корпоративная наценка, ну, то есть то, насколько всё это большой корпорации неповоротливо. И тут мы тоже обсуждали буквально сегодня, типа, что есть Клод, который сейчас внезапно по сложным задачам обыгрывает конкурентов. — Угу. То есть там Gemini и Open, ну, Gemini Charm JPT - это всё-таки удобное универсальное решение, но для какой-то сложной истории всегда это выбор. Это клод. Клод - это не часть, это антропик - это не часть большой корпорации. Не, это не Openi, которая Microsoft, да, это не Geminii, ну, который, очевидно, в чистом виде Google. Как получается, что компания частная, не корпоративная обскакивает или хотя бы не уступает грандом с кучей денег? Ну вот мы сидели, обсуждали, что представь себе, что деньги дать даже так это было как раз сравнение между работой в МТСом и работой в студии, да, разработки. Мы сидели с моим напарником, который там ушёл уже из МТС, чтобы как раз операционно руководить студией. Я говорю: "Вот представь себе, дать нам денег на разработку в МТСе и студии, где будет темп выше. Ну, корпоративный налог". А вторая проблема, которая вот про вот эту всю историю, это не просто про количество денег в моменте, это про количество денег на единицу времени и во времени. Потому что классическая история, когда вышел чат GPT, ну, известно, я часто рассказываю, естественно, в Сбере поднялся шум, Греф

который фанатичен по этой технологии. Это прекрасно то, что он так фанатичен, но тем не менее там тоже есть реактивность, присущая российскому бизнесу. Значит, выходит чат GPT, Греф собирает правление, говорит: "Как вы профукали? " Вот вышло, чтобы через месяц было то же самое. У него выганивается полгода, выходит гигачат, который, конечно, даже рядом не стоял, но за полгода это божественный уровень работы. То есть специалисты, которые у нас работают, многих я знаю лично, они крайне крутые, условно, там, ну, на голову круче, чем ээ многие люди даже там в Open и так далее на Западе. Проблема в том, что там шли системно стратегически, сжигая кучу денег к этому много лет, ну, лет пять, так точно. И люди вот там с восемнадцатого, с девятнадцатого года тратят миллиарды долларов на то, чтобы дойти. У нас полгода погнали. То есть поэтому же сравнивать стоимость там deepsi в виде там 900 там 300. 000 долларов либо там 3 млн долларов тоже не очень правильно, потому что вопрос сколько нужно было пройти к этому и сколько итерационно вкладывать. Встро России в принципе не умеют в долгую вкладываться. Это есть и о вопросах различных исследованиях по цифровой трансформации. А у меня была в одной из лекций эта история, то есть условно есть опрос, уж не помню чей какой. давно не использовал это слайды. Причины -трансформации в мире. Основная причина, ну, и там цифровая просто была трансформация. Основная причина в мире, э, в будущем стать лидером в своей индустрии, когда изменится. Это классическая, я вот всё время вспоминаю Адизиса. У Адизиса одна из функций менеджера, это книжка идеальный менеджер. Базахадиis. Это моя это вот святая святых. Я считаю, что это база, которую должен знать любой менеджер. У него есть одна из функций предприниматель менеджера именно это предпринимательство. У него там производство, предпринимательство, э, администрирование и интеграция. Да. — И вот в России про предпринимательство практически не помнт, к сожалению. Это позису определение - это, если я правильно помню, умение сейчас произвести в своей компании такие действия, которые в будущем, изменившейся ситуации приведут её к успеху. условно, как это видится, например, на уровне там игры с Openi. Microsoft проиграл Гуглу гонку мобильного интернета. Ну, примерно вчастую, примерно полностью. Google Chrome, Android, поисковик от

Google, где поисковик, — да, и десктоп и всё. Да. — А что они делают? Они идут и вкладываются в Open AI. Вкладываются очень серьёзно, потому что деньги-то у них как бы пока что имеются. Open AI растёт, развивается. Open довольно давно появился, не в семнадцатом году и даже не в двадцатом. В какой-то момент, условно, через 10 лет от начала разработок, они оказываются на пике индустрии. Лидеры абсолютные победители, то, что сейчас у них не получается удерживаться, потому что огромная конкурентная история возникла, да, и тот же Google не жалеет. Он как раз пошёл другой стратегией здесь, той, который не пошёл, видимо, или там, может, пошёл, но не получилось Microsoft в прошлую эпоху технологий. То есть он пытается отыграться здесь сейчас, не пойти вкладываться фундаментально в квантовое вычисление или во что-то ещё, а попытаться отыграть на текущем переделе, на своём поле учат GPT поляну. Всё же даже получается плюс-минус GNA сейчас, ну, точно не хуже, чем GPT. — Ну, последняя версия ушла далеко вперёд. Она ушла далеко вперёд от 5:1, — да, — 5:2. Позиции отыграл. И вот мы следим с восторгом за этой гонкой вооружений, потираем ручки. У меня традиционно на двух вкладках две системы. Что-то я там туда, что-то сюда кидаю, но базово для бизнес-пользователя я всё ещё, то есть у меня был период, когда прямо GNI переезжал, сейчас нет, всё ещё чат GPT. — Я когда в эту студию прихожу, готовлюсь к подкасту, я первым делом в двух укладках открываю последнюю версию Chat GPT и последнюю версию Google Gemini. Но давай всё-таки вернёмся к России. Меня вот что беспокоит. Есть ээ такое ээ как это сказать понятие такое, да, как GN gap. Вот эти ребята все на Западе, они миллионы миллиардов свои жгут с идей, с идеей того, что первый, кто добежит, разгадает, как это использовать, так, чтобы оно было экономически целесообразно, так, чтобы оно генерировало профит, так, чтобы появился пресловутый вот artificial general intelligence, то есть, — ну, это не в этой технологии, не в этом переделе, да. — Суть в том, что они туда бегут и туда завязают. Здесь видно, да, что текущие представления, сейчас об этом поговорим, близки к своему пределу фундаментальному, и там нужны какие-то ещё новые ответвления. Но, э, я скорее концептуально веду к тому, что они верят в то, что первый, кто получит возможность автоматизировать большую часть экономически значимых процессов, то его будет уже не догнать. То есть это

сопоставимо на уровне государства с получением ядерного оружия. с получением квантового компьютера. Первый, кто квантовый компьютер получит, стабильный, работающий, взломает всех остальных. И по идее, — и по идее те, кто получил ээ реальный гипотетический вот этот искусственный интеллект или продакшн квантовый компьютер, по нему, по идее, все остальные должны сразу же ядерным оружием ударить. Просто потому, что как бы если он не успел поделиться этой технологией просто по теории игр, у меня вопрос, почему на уровне государства нашего, у которого традиционно инженерная школа вот эта постсоветская сильнейшая, российские инженеры по всему миру - это бренд, почему нет нацпроекта Искусственный интеллект, который бы вот генерировал языковые модели и как-то культивировал бы всё это, — потому что я не знаю, Какой процент, наверное, там чиновников и лиц, принимающих решение, вообще понимает, о чём речь. Это просто культурный гэп. Ну, то есть у нас-то и в бизнесе в современном мало кто понимает вообще, как это можно применять, зачем это делать. — Но это пока в мире никто не понимает, если что, это нормально. — А, но в России, на секундочку, первым лице всё ещё в распечатанных красных папочках приносит информацию. Ну, то есть, — но при этом Герман Оскарыч всё-таки видит, понял, но этого недостаточно. Он один просто-напросто. Да. — Да. То есть твой вывод такой, что на уровне государства не хватает людей, которые поняли то, что понял Герман Гриф. Ну и, кстати, Владимир Владимирович как будто бы тоже понял по последним там всем диалогам, но это тоже выглядит так, что очень много на государственном уровне про это стало говориться, но как будто бы говорится, потому что, ну, просто нельзя отрицать очевидное. — Ну, уже всё, уже из каждого чайника видно, — да. Вот, например, я вот недавно был в Узбекистане, например, даже так, а, обучали отсколкова, там, условно, местный аналог Сбера, SQB банк. Вот. И они нам рассказали, что вот недавно вышел приказ президента страны, ээ, что у каждой окологосударственной корпорации обязательно в штате должен быть советник по искусственному интеллекту. Там огромные государственные требования к этому. Там тоже нет единого хаба по обучению моделей. А, но есть такие жёсткие окологосударственные требования, условно говоря. У нас слушай, ну не очень хочется провоцировать, и там я достаточно, мягко говоря, патриотичен в плане своей страны, да, посмотрите про то, как мыслят там современные. Ну, у

нас горячая тема военная, да? Какой объём инновационных разработок попадает в реальное использование войска, например? Важно понимать, что любая технология развивается от военных, кроме искусственного интеллекта. Это, кстати, тоже интересный факт. Мы сначала научились спрашивать у чат GPT, как сварить яйцо, и только сейчас военные какие-то ведомства начинают внедрять. Я видел стратегию американскую в области искусственного интеллекта. Такой водяной воды я давно не читал, что характерно. — Ну, разные мнения на этот счёт есть. Всё-таки вот, с нашим общим знакомым, с Павлом Беленко мы были с миссией в Кремневой долине в 2000 дена году. Я попал там случайно натап с президентом Microsoft, который уже тогда говорил про вызовы, которые искусственный интеллект готовит нам, нам в смысле человечеству. И примерно тогда же был довольно большой скандал, где несколько тысяч человек самовыпилилось из гугла, ээ, потому что отказались делать проект, который пришёл по разнарядке от какого-то военного ведомства американского. А конкретно необходимо было на тогдашних представлениях искусственного интеллекта, сейчас я недавно тут услышал такую фразу, классический machшин лернинг, он теперь так называется. было предложено начать делать с инструменты, которые принимают решение у автономного оружия о том, чтобы убить конкретного человека, э, без, собственно, того, чтобы кто-то на кнопку "Убить" человека нажимал". И вот инженеры, будучи такими либерально, может быть, даже анархичными — пориджами — народом, — вот которые за такою за это, как он называется, загая Фокса, короче, вот в основном встали и вышли, сказали: "Мы этого делать не будем. Это противоречит нашей системе ценности". Был довольно большой скандал. И на что вот он со сцены вещал, что вот эти события, они уже происходят. То есть военные ведомства требуют это. И у нас, вообще-то, вызовы стоят этические такие на уровне человечества. Как нам делать машины, которые такие задачи должны будут решать. То есть это довольно давно всё происходит. — Ну это вызовы, а не реальные разработки, опять же, да? То есть, ну, всё равдопtion гораздо выше в у бизнеса и у простых людей. Но если мы говорим про пользовательский искусственный лекци, точно так и есть. То есть история палантира, которую я люто люблю и считаю это вот вот прямо мощно. Вот Planter Technologies опять жереко. — Это в базе софт, который анализирует всё на свете, поглощает в себя все данные и позволяет, мягко говоря, не так важно понимать, что это стартап, который главный инвестор которого и главный канал заработка - это СРУ, — да? И это, по сути, софт для управления и поисковыми операциями, разведывательными, военными, и так далее. — Ну, я видел некоторые демо такие пользовательские, они как пользовательские, они использовались для сценариев банковского комплайнса, вот так вот скажем. — Вот. Но как будто бы все остальные, которые ты озвучил, они там очень рядом. Просто объекты данных другие. — Ну, это называется конверсия, да. — Да, свойства другие. У объектов исследуются, а так всё то же самое. У нас же помимо пользовательского и процессного, искусственного интеллекта есть ещё и физический. Это новый тренд, который нас ожидает. — Ну да, вообще говоря, этот год, если мы

к нему вернёмся, это год, который обозвали в очечной раз там как-то, да, год и агентов, — да, — а люди открыли для себя тему иагентов и на ней стали скакать и развивать как можно прыгать, зарабатывать деньги и так далее. — Что такое и агент? — А мы сейчас перейдём, кстати, к физическому. Вот просто что, чтобы дойти до физического и надо — начать с и агента, да. — А и агент, ну, там если определений довольно много, я на пальцах обычно накидываю, когда разработчики и компании в сфере разработки искусства интеллекта поняли, что языковая модель ограничена по своим возможностям, но умеет с тобой болтать и что если они что-то не придумают, то инвестиции в искусственный интеллект сейчас закончатся, а им бы не хотелось. У них ещё нету там десятого-дватого майбаха и пары личных островов. Утрирую, конечно, но в том числе. Аа надо что-то новое придумывать, маркетинговое. Тогда какой-то умный человек сел, подумал и придумал следующее. Давайте мы прикрутим языковую модель к селлениуму. Селениум - это очень давно существующая библиотека для разработчиков, которая имитирует движение мышкой по экрану и клики, и всё-всё-всё. То есть парсинг сложных сайтов делается через вот эту имитацию накруческих факторов. — Ну, в частности, да, давайте сделаем так, чтобы можно было с лмки подать команду в селениум и чтобы он что-нибудь нам по запросу там понажимал в интернете, не знаю, там заказал билеты на самолёт, например, что-нибудь прямо такое, нашёл бы ресторан, куда сходить. Меня это вымораживало сначала, потому что, ну, есть же селениум, зачем вы пытаетесь, значит, прикрутить к нему какой-то искусственный интеллект, типа, чтобы доказать, что это будет веселее. Буквально недавно я поменял мнение, ну, то есть, условно говоря, и агент - это штука, которая способна по команде изковой модели делать что-нибудь в виртуальном мире, в вашем компьютере, в интернете и так далее. Например, собирать новости, заказывать пиццу, билеты, бронировать рестораны. там строит мультиагентные системы, когда она умеет то, потом третье, потом пятое, потом пятнадцатое всё это между собой перевязать. Ну, так или иначе, это попытка дать возможность через языковую модель управлять какими-то действиями условно в реальности, виртуально. Это взлетело. Я сначала так до конца не понял, а потом как понял. То есть история в чём? Мне как разработчику или там руководителю разработки непонятно, зачем это нужно. Мне проще написать код к селениум. Но когда любой человек способен не занимаясь написанием кода получить для себя возможность делать вот эти лёгкие автоматизации своей

деятельности. Вот это, конечно, круто. Вот. А и параллельно, на самом деле, это чуть раньше даже появилось, пошли в попытку применить и в физическом мире. В первую очередь это подход к работотехнике. То есть мы говорим, что появилась возможность управлять роботами с помощью языковых моделей. То есть перейти на управление через написание сложного кода на управление текстом. Ну, как следствие, голосом, потому что между текстом и голосом разница только в том, что нужно, да, да. Спички, ну, Яндекс, спички, Виспер, там, что больше нравится. И пошла история о том, что можно управлять роботами с помощью исковых моделей. Ну, та же концепция, только робот насще, ну, существует в вещественном мире. Сейчас там есть даже интересные прогрессивные истории. Сначала у меня тоже был такой диссонанс: "А зачем, если ты просто всё равно должен запрограммировать робота? " Но реальность такова, что ты можешь сделать так, чтобы робот, например, переключался

между разными операциями на производстве, не тратя время ресурсов программиста. И это круто, это полезно. То есть, да, это гибкая какая-то спорочная линия, которая позволяет не тратить время на переналадку. Написал, наговорил, что теперь тебе нужно делать, он пошёл делать. Вот поэтому вот это ощелённый и в роботах, в физическом мире, он как бы вот грядёт. По большому счёту, в этом году многие попробовали на производствах, в лабораториях это довольно давно, а вот на производствах попробовали. Многим понравилось. Косты снижаются, то есть снижа снижение костов на переналадку линии производства, это довольно серьёзно для многих производств. Здесь можно параллель такую с агентом привести. Ээ не получится и агенту эффективно ээ делать абстрактные задачи. Например, там спланируй мне отпуск, да, вот так не получится. Это нельзя. Ну, в смысле, купи билеты, забронируй отейли там и так далее. Получится какая-то ерунда. Но если есть задача, которая имеет такое узкое окно контекста, например, купи мне на завтра билеты такой-то авиакомпании в таком-то временном диапазоне в такой-то город вот из Москвы, то эта штука вполне себе с этой задачей справится, потому что там пространство для ошибки очень ээ ограничено. А если мы ещё и поставим

кнопку купить, то агент как бы выберет именно эту кнопку из множества кнопок других. То есть когда мы сейчас появится кнопка купить, появится кнопка купить внутри чен пяти уже появляется, только не в России. А потом реклама. Это вот мой прогноз. — Уже появилась, да? Я уже вижу. — Нет, есть реклама внутренняя, мы ждём прямо баннеровшито. Ну, я вижу, что в тусовке рекламных агентств уже появилась услуга, которая называется Geo. В общем, это оптимизация под большие языковые модели ээ сайтов и каких-то других источников информации. Вот. Чтобы находили там именно вас, потому что уже выходит много исследований, видно, как загибаются вверх графики ээ посещаемости крупнейших каких-то магазинов, сайтов, ритейлеров из chт GPT и прочих таких. — Даже можно посмотреть, как я объяснял. То есть у меня есть стартап знакомый, кто этим занимается. Они начали с того, что научились замерять. Они научились мерить, а-э, как кто видит, по каким запросамгу, — ну, какие языковые модели, в как отрабатывают поисковые запрос, не знаю, там лучше IT-компания. — Угу. — И вот где они в рейтинге есть. Вот смотрите, в чём проблема элео или Geo. Geo, мне не нравится. Geo, сразу про

геолокацию вспоминаешь. Я тоже сразу не понял, о чём речь, но вот уже устойчивое выражение. — Ну вот у меня в окружении два устойчивых. Ну да, ну пусть будет де. Господи, ну это же неправильно. Ладно. Суть в чём? Вот ездил я знакомиться с ребятами из Донстроя, поделать какой-нибудь диптех и рассказал им, в том числе про вот эту историю, про гео или леоптимизацию и показал им на примере того, как сейчас среднестатистический человек, да, такой современный среднестатический человек ищет информацию. — Вот. Ээ они очень горды тем, что они очень крутые проекты делают, что у них там это лучше всех. Там топовые, топовые. И я говорю: "Ну вот смотри, значит, я вот хочу, например, покупить квартиру, — да? Ну, представитель целевой аудитории, — да, я прямо вот супер целей аудитории. Я, правда, загородный дом строю, это более страдания, но если бы путь пошёл в другую сторону, вот я бы путь пошёл бы так вот я хочу квартиру в Москве в пределах МКА с парком. Всё с них прямо бралось, типа это вот то, чем они считают их квартиры крутые. И мне дают топ-10 вариантов. И мы обсуждаем, ну, да топ-10 вариантов.

Смотрим, а где есть донстрой? Смотрим, где донстрой был. Единственное, что я вижу, — ээ, где есть небольшой нюанс, у тебя есть системная инструкция, потому что фраза, с которой начинается твой ответ, отвечу как эксперт по жилой недвижимости, лауреат премии. Это подбор роли, да? Я же как раз показывал, — да, всё-таки типичный представитель целевой аудитории системного промтает, и у него вот этой ответа из позиции эксперта в желой недвижимости он не будет. Это я так просто дисклеймер такой, что — что дисклеймер базовая, — что выдача будет другая всё-таки. — Ну, чуть-чуть изменится, да. Мы смотрим топ-1 ЖК, который предлагает системы. Вот я ничего не знаю про Донстрой. Мне и не ездили полчаса по мозгам до этого, да. — Привет ребятам из Донстроя. Надеюсь, они не обидятся, что это показываю. — Ну вот на номер три, да, дострои, — да. И только на третьем месте находится остров. Они такие: "А в смысле, почему? " И начинается вот дари, да, они, да, ну типа да основы вот — вообще не то, да. А вот вестгарн вообще откуда оно это взяло? Но ответ такой, ребят, но оно взяло. И я, как человек, который хочу только лучшее для себя, я же начну искать квартиру теперь не с острова, — да, — а с вери и с Вестгардена, потому что, ну, типа, вот — и история про гео или леоптимизацию, это про то, чтобы — по сути это вот это SEO, старое доброе SEO, только применённое к языковым моделям, чтобы для заказчика Донстрой в большинстве случаев запросов остров был при таком запросе на первом месте, а не там где-то. — Модель потребления меняется. Мы всё больше времени тратим в этих инструментах. И именно поэтому эти инструменты хотят и шопинг внутрь себя затянуть, чтобы внимание всё замкнуть на себе. Кто владеет пользователем, тот и владеет миром. — Да. И это вот я пока что всё ещё сомневаюсь, что мы полностью конвертируемся в такой паттерн поведения потребления, потому что кнопки нажимать проще, чем писать тексты. Я там, кстати, тоже Андрей Карпатович. — Ты видишь, здесь можно голосом надиктовывать, заразу. — Голос тоже нераспробованная фича. Вот наши дети, наверное, будут надиктовывать голос. Я всё не могу без этого. Я все промпты записываю голосом. Более того, у меня есть странный такой сценарий использования. Я когда иду куда-то, вот у меня есть некоторые жизненные маршруты, где я могу минут 30-40 идти куда-то пешком. Я включаю режим

голосового общения сейчас GPT и начинаю ему выгружать свои мысли. Я говорю: "У меня есть вот мысль такой сделать регламент в свой проект, такое у меня выступление будет сейчас. Я хочу поток сознания свой в тезисы превратить, статью хочу написать пост в телеграме". И вот я иду и полчаса рассуждаю на какую-то тему с запросом: "Структурируй мне мой поток сознания". Это прямо вот мой ассистент, который, — ну, многие так делают. Я обычно своего заму просто структурирую. Он фанат генеративки всей, то есть он прямо раньше меня сильно. Я какой-то период времени, вот полгода, когда я окончательно сам как пользователь адаптировался, ну, потому что сапожник без сапог, я эти штуки умею создавать, учить, зачем мне пользоваться. — Угу. Я шутил, что мне не нужна там ча и так далее, потому что у меня есть Дима, а у неё у него есть полный набор любых моделей, которые только есть. Вот. Нушёл тоже сам пользуюсь. Вот. Ну поэтому позити слышу, да, вот там голосом поговорить с ГПТ. Короче, выглядит так, что мы туда свалимся, к сожалению. Э-э, и это круто, это очень продуктивно, на самом деле, потому что я вот на себе сейчас осознал, как менеджер, как отчасти продажник, я жёстко продуктивнее

стал с использованием языковых моделей. — А вот как ты считаешь, ты Мы декларируем, что это повышает продуктивность, но в то же время много кто поднимает красный флаг, говоря о том, что это ведёт к некоторой атрофии критического мышления. говорят, что вот я вижу сейчас ролики какие-то пошли, где профессора американские кричат на студентов, говорят: "Ни в коем случае не используйте, вы достали мне из чат GPT прислать эссе". С другой стороны, появляются скандалы, что профессора сами проверяют всё через чат GPT и как будто бы там образовательный процесс идёт в сторону, когда чат GPT как бы готовит эссей, чат GPT проверяет, а люди вообще из этого процесса исключились и никто ничему не учится. — Я не на стороне вот этих вот. Я, во-первых, считаю, что чат GPT и прочие инструменты, наверное, превращать говорить и прочие инструменты чат GPT и подразумеваем, что всё остальное не отличает у людей критическое мышление, а позволяет понять, у кого оно изначально было, а у кого нет. Вот. То есть, по большому счёту, э то, как мы умеем работать с информацией, не связано с количеством информации, которое мы умеем генерировать. — Угу. Если я генерирую смету на создание AI контента, где-то вот здесь оно у меня было, например, мультик из 100 серий по одной минуте, да, когда я получил такую табличку с ценами там со всем, я же посмотрю, что там написано, и это вопрос уровня моего критического мышления, умения моего знания и логики провалидировать то, что там сделано. Но если бы я вот эту вот табличечку делал бы сам, я бы потратил 2 часа своего времени, а я спать хочу. И это про это. Например, написаниес с помощью чат GPT меня тоже не парит. Я вот там вышки, где преподаю, я прямо наоборот поощряю. Проблема в том, как мы это будем проверять, что в чём форма, в чём содержание. Если прислали эссе сгенерированно ча, вообще не надо эссе делать тогда. Либо нужно взять эссе, положить его вот так вот перед студентом на стол. и позадавать вопросы по его позиции, по его логике. Но я здесь разбалован тем, что пример, про что я говорю, как нам в школе, мне очень повезло с учителем, ну, со всеми учителями в школе в своё время, но особенно ярко запомнился учительницей истории. Мы не зубрили даты, то есть вообще Угу. — основная задача на уроке была, ну, то есть мы там какой-то степени зубрили, но основная задача на уроке была рассказать логику событий, которые происходили в том периоде. Почему там, как происходило, там что-то вот таро-монгольская ига, туда-сюда, там-сям, кто что делал и прочее. Это позволяло мне очень легко учиться, потому что я прямо с логикой всё хорошо, я пробегал главу учебника перед уроком и отлично выступал. Но сама логика в том, что важно не то, сколько символов на квадратный метр вы сможете напечатать, а то, как вы понимаете, что там под капотом. Поэтому пусть будет эсс помощью искусства интеллекта написано, но вы лучше провалидируйте, что об этом эссе думает учащийся. В этом плане прямо последний момент. А идеальный, у меня вот есть кейс идеального аналитика, пользующегося чат GPT, работали в этом

году в моих командах. Человек не имеет фундаментального образования, к сожалению, такого серьёзно. никогда не работал датааналитиком или каким-то аналитиком в топовых российских корпорациях и не знает, как писать SQL запросы там или что-то. Но уровень развития логики и критического мышления такой, что когда он начинает пользоваться чат GPT, э, его аналитика, его результаты всегда идеальны, просто потому что он очень чётко понимает, как усмирить вот эту вот систему, как проконтролировать, чтобы результат был правильный. то, о чём мы говорим, как бы, когда теряется критическое мышление, когда мы ленимся хотя бы прочитать, что написано. Ну, ну это вернёмся к нашей метафоре про стажёра. Если вы просто будете переслать результаты работы стажёра своему руководителю или заказчику, однажды выяснится что-то очень несприятное. Но вы же должны провалидировать, дать обратную связь, проконтролировать, чтобы был результат. И это наоборот в если этим пользоваться правильно, наоборот, критическое мышление очень серьёзно начинает расти и развиваться, потому что мы в конце конкинтересованы понять, всё хорошо или плохо как можно быстрее. — Звучит так, что навык мыслить критически очень сильно поднимается в приоритетах как компетенция современная. Давай вот ещё в какую тему зайдём, которая тоже, мне кажется, тренд, если не этого года

то следующего уж точно. И так или иначе нас всех затронет и это кибербезопасность и искусственный интеллект. Что происходит там сейчас? — Как известно, кибербезопасность главная проблема искусственного интеллекта отчасти. Вот. Ну, потому что, вообще говоря, уровень использования чат GPT аналогов в корпорациях, хотя это правда очень сильно ускоряет, увеличивает продуктивность, а связано с тем, что использование Ча GPT в корпорации нарушает огромное количество норм безопасности данных. — Тайные связи, персональные данные, банковские тайны и прочие тайны. То есть это не решается локальной установкой того же дипсика куда-то в свой контур. — Установка на несколько порядков слабее, чем — любая общедоступная модель. Я в этом плане вижу рост, и мы сейчас стараемся идти огромный рост индустрии таких интеграторов он премиус установки. Там просто надо понимать, как это правильно сделать, потому что любая языковая модель, которая что делает языковую модель таким крутым инструментом? Это тулинг, набор тулов или инструментов, которые подключены к языковой модели. Ну то есть сама языковая модель там — агенты, депрессёрч, генерация изображений, — глубже даже. Сама языковая модель даже не умеет ходить в интернет. Да. Для того, чтобы модель сходила в интернет и обновила информацию, существует отдельный тул агент, в который приходит запрос от языковой модели, когда пользователь запросил найти в интернете, который собирает информацию. Обычный питанящий код или там сишный. Но это просто так уже внутрь какого-то контура не встаёт, — да. Это то, что условно говоря, люди понимают, что нужно в контур вставить модель, ставят модель и удивляются, что она убогая, потому что в реальности они, ну, как бы есть метафора операционной системы. То есть увидел у друга, как классного там операционная система на Макбуке с кучей приложений вот вордовские, там вот это Word, Excel, офисный пакет, ээ браузер есть, всё классно работает. Пошёл, купил такой же ноутбук, открыл — там терминал, — а там Ну ладно, положено там свежеустановленная операционная система. Ничего не — только команда свежеустановле прекрасно. Да не, ну даже тот же Макоos, о'кей. Или там ты пошёл в случае с корпорацией, купил Linux там, да, и там ничего нет. — И говоришь: "А, а где, а почему он также не работает? — Почему игрушка из App Store не встаёт на мой Linux? Почему совместимости прямой нет? " Да, даже не так, но да, то есть это всё надо установить, — да, — и то, что сейчас там в интеграциях внутрь контура в лмка теряется, то, что тулинг тоже нужно устанавливать. Это, кстати, позволяет там кастомные тулы разрабатывать под конкретные задачи корпорации. Когда мы это преодолеем, корпора, — о, есть вопрос безопасности данных, который — мы просто передаём ту информацию, которую вводим. Ну, это на всякий случай надо проговорить, да, что всё, что мы сказали в чат пти, считайте, что мы как бы написали это на заборе. И кто этот забор читает, мы до конца не знаем. — Мы знаем, кто это читает. Ответ: никто. Но есть, — ну, как минимум это читают машины, вот, и что-то потом с этим делают. В любом случае, ну, очевидно же, что это будет использоваться для таргетирования рекламы. Ну, куда без это? — Таргетирование рекламы использоваться. Если это будет использоваться для таргетирования рекламы, это будет использоваться для таргетирования новостей и информационной повестки, потому что это может быть использовано, да. — Вот. Ну и всё. И дальше круги на воде отсюда пошли. Мы не знаем, кто для каких целей это будет читать и использовать и в какую сторону э наше мнение будет пытаться склонять. То есть для в этом

злую и фактически топовую языковую модель. — Кто владеет пользователем, тот и владеет миром. — Идеальный бизнес с искусственным интеллектом в стеме эзотерики. Продаём идею. — Расскажи, пожалуйста, чуть-чуть, Михаил, проекты, вот, которыми ты руководишь и в МТС, и в И разработке. Ну, за какие-то цифры масштаба, которые вот их характеризуют. Сколько людей, сколько проектов, сколько токенов жгёте? — Ну, в МТС сейчас центр роде не очень большой. Я успел в МТСе поделать и крупные проекты, там 120-130 разработчиков и с более скромные. А это разные эпохи. Последнее время там в рамках той трансформации, которая сейчас проходит МТС как бизнес, у меня стажёры-студенты, ну, с большим участием языковых моделей, это понятно. от масштаба там финансового эффекта 150 млрд в Сбере на прибыль в графовой платформе до масштаба там 4-8 млрд прибыли, по-моему, тоже в МТС рекламной вертикали. Это двадцать второй-двать третий год. А к там полноценной построению функции управления данными в МТС Travel, это двадцать четвёртый год. Ну и сейчас это студенты, RnD, стажёры. Мы там запустили прототип платформы квантизации, дистилляции, прунинга больших исковых моделей. Если переводить это, делаем большую исковую модель, менее большой и сильно более дешёвой, но она продолжает выполнять какую-то узкую функцию. Ну вот сейчас играемся там с темой IID data, когда мы вместо вот этих страшных хранилищ данных всё это превращаем в векторное хранение в мбединге, что позволяет ходить в анализ данных, условно, выполнять функцию аналитика языковой модели внутри компании. Гипотетически это следующий большой шаг в хранении данных после всех этих датаверхаузов, даталейков и так далее. Вот. А что касается спады, ну мы за этот год, по сути, вот она год как существует? Ну, реальность, наверное, два. Но первый год был там несистемная история, но у нас оборот достиг-то там 100, э, 150 млн руб. Это очень разнообразные решение. Вот систем, которые сами дозваниваются до потенциального клиента и сами ему всякие специальные предложения, э, предлагают до системы AI суппорта, поддержки пользователей классически для мобильных приложений. не будем там клиентов раскрывать, да, были ещё всякие менторы в отношениях, а психологи за год, э, были. Что ещё было? Ну, была классическая какая-нибудь история про оценку эффективности рекламы. Это прямо базабаза. А, и на следующий год довольно амбициозные планы. У меня сейчас там в Прессейле уже сейчас где-то на 100 млн проектов мы сейчас пытаемся дотолкать и запустить. Я вот прямо вижу, как разгорается эта волна ээ на нашей стороне земного шара. Инструменты автоматизации, где визуальные конструкторы помогают построить какие-то диаграммы процессов workflow, туда добавили коннекторы для языковых моделей. И вот началось. Начали появляться студии, начали появляться фрилансеры, которые занимаются внедрением автоматизации с помощью LLM всяких свистелок и перделок в бизнесе. различные, потому что это модно молодёжно, якобы что-то делает само хорошо или нет. Вот сейчас будем разбираться. Причём эти бизнесы вот ровно, как ты описываешь, доходят плюс-минус до таких объёмов. 100. 000 долларов где-то там оборота в месяц, 10-20. 000 долларов чистой прибыли. И вот они потом там остаются, потому что их лидируют эксперты, которые понимают, что делать. Они все набирают команду. Но вот ещё экспертов масштабировать тяжеловато. Вот. Но при этом спрос есть. Поэтому кто в поисках сейчас бизнес-модели находится, особенно если у вас есть ээ инженерное образование, вы хорошо понимаете, в предыдущих ээ ступенях того, что называл искусственный интеллект, ээ машин лернинг и так далее, вот, то вот такая есть перспектива. — Ну, есть нюанс. Мы всё-таки больше в диптех. Ну, у нас слои диптеха сейчас стали глубже. — Что такое диптех? Это слой подрядных организаций, стартапов, которые специализированы на более серьёзные разработки, чем просто взяли Nate and Make, что-нибудь там нахреначи. — Пока ты озвучил звонилку с илофера предлагалку. — Звонилка и specialфер предлагалка требует такой глубокой работы с телефонинией, интеграции, обучения костомных моделей, что она действительно работала. А что там, ну, как бы это написание и до обучения пропритарных костомных моделей. Ну, то есть — Согласен. Давай кода-нибудь позвоним. Можешь какой-нибудь номер телефона дать? — Не, ну это у клиента работает. Мы же на заказ работаем. — А мы номер не покажем, мы просто позвоним. — Не, ну у меня даже доступа нету, что это же под NDA, это отдано, это работает уже год, условно говоря, и так далее. Конечно, есть более глубокий диптех - это, условно говоря, ребята, которые занимаются там, не знаю, э, анализом законо, условно, разрабатывают новые медицинские препараты с помощью искусственного интеллекта, либо работают на глубокой оптимизации алгоритмов, э, туда, там даже для нас как бы глубоко. Я всегда считал, что мы наоборот, ну, типа там взяли, обучили какие-то модельки, иногда готовые, полуготовые, смешали это в программный продукт, и оно стало там поверхностным достаточно решениями. И когда ты с друзьями с ФИСХо общаешься, типа, а мы вот здесь вот там для Сбербанка, например, обсчитываем оптимизацию алгоритмов. Это реальный кейс. типа, например, работа на финансовых рынках, там очень-очень глубоко, на уровне там хардкорнейшей математики, которая даже мне тяжела. Вот мы сейчас тоже стали диппер, чем были, потому что появился вот верхний слой автоматизации на Мейке, на Нейтоне и так далее. Мы сами для себя Natй открыли только под конец года. И для нас это ха, ну, быстренько сейчас на коленке что-нибудь сверставим. Ну, типа серьёзная разработка она глубже, да. Ну, для прототипирования, для быстро проверки гипотез — протипирования дёшево, когда надо сделать там, да, когда нужно сделать. — Ну, когда зака, я бы не сказал, не масштабно. — Ну, это дёшево. Ну, то есть — если нагружать, то будет дорого. вообще не надо это использовать. Ну, то есть эти все вот эти автоматизации на make, на и так далее - это когда у тебя там пять человек в день что-нибудь потыкали, либо это прототип. Мы как раз говорим, то есть звонилка, она работает там на масштабе, на кубернетосе, то есть там бесконечное скалирование, если надо, любая нагрузка там, ну тоже это МТС к этому приучил, потому что ни один ней не сможет работать, как мы строили модели в рекламе, когда нагрузка там RPS, количество запросов на систему в секунду 200. 000, а ответ нужно дать, ну, результат работы модели за 40 миссекунд. Ну, как бы вот это я называю там какие, ну, это хайло скорее, но то есть высоконагружная система. Конечно, ни один й, ни один Natйon такого не выдержит, но если бизнес небольшой, денег при этом особо много на жёсткую хардкорную разработку нет, конечно, взяли Nathan Make сверстали себе что-нибудь прикольное, даже можно самим. Здесь спойлер, на самом деле, студии здесь не нужны. Это всё делается своими руками, если есть желание. И многим людям я показывал, как это делается, и дальше они сами уходили делают. У них всё хорошо. — А вот скажи, пожалуйста, для такой студии разработки и решений, кому ты принесёшь больше всего ценности студией? Это вопрос для тех, кто нас сейчас смотрит и тоже думает, консалтинг какой-то в этой области открыть. Вот как выглядит портфель клиента, профиль, вернее, клиента, кому э больше всего, более можно закрыть? Слушай, есть несколько разных ответов. Давай в них разбираться. Ну, первый вариант, и он довольно традиционен для как раз вот таких вот студий подрядных организаций, есть более честный, может быть, менее, э, красивый термин, называется IT-галера, — да? Ну, то есть подрядная организация в разработке софта, просто в нашем случае специализирующаяся на искусственном интеллекте. Первый ответ, который мы как раз не пошли туда в СМСЧ пока что- это подряд к крупным организациям. — Вообще большая часть таких студий возникает э от необходимости очередного сбера ВТБ и так далее быстренько сделать какой-нибудь продукт не своими силами. И десятки таких компаний прекрасно живут с оборотами гораздо больше, чем у нас, за счёт того, что пробивают долгие, сложные контракты. вот этим вот крупным организациям. Ну, всё там ВТБ, Сберы, Росатомы. Угу. — Э, проблема в том, что там скорость пресейла, там полгода, год ходишь за клиентом, да, потом ты работаешь год-два навольно хороших деньгах, но страдания в делопроизводстве такие, что я пока морально не готов. Ну, наверное, этот путь всегда есть и всегда можно постараться в него зайти. Второй путь, который для нас сейчас основной - это бизнес, э, ну, средний либо менее регламентированный. Наверное, формально это как раз именно, условно говоря, средний бизнес, иногда с высокой маржинальностью. Вот там звонилку, кому мы делали, опять же, обещался не говорить, там очень хорошо маржинальный бизнес, а хоть хочется ещё более маржинальный. Сейчас все стали думать: "А какие самые маржинальные бизнесы в России есть? " — Угу. — Ну, я знаю как раз две индустрии, где маржинальность зашкаливает. Можно попробовать угадать в комментариях, да, там, где прямо денег прямо хорошо. Вот топ- один читается сразу. Обычно это не банковская индустрия. Сразу подскажу. — По моей практике маржинальность самая большая где-то в эзотерике. Одна из вот там — всевозможные обладатели хрустальных шаров — имеют маржинальность очень высокую. — Это проект года, который я однажды с кем-нибудь реализую либо, может быть, на январский забурюсь и сделаю. Сейчас, наверное, аудитория спалит и меня снизится объём целевой аудитории. Но всё же давай расскажем. Идеальный бизнес с искусственным интеллектом в стеме эзотерики. Продаём идею. Концепция. А биржа тарологов. — Биржа тарологов. Да. У тебя marкетплейс или биржа тарологов. У тебя, значит, с точки зрения пользователя, ну, где-нибудь в телеге, ты, значит, заходишь своим запросом, подбираешь таролога по карточке, по описанию, который тебе больше всего нравится, общаешься с ним онлайн, естественно, онлайн, зачем нам оффлайн, а, получаешь от него инсайты, становишься вот этим вот это вот всё. — Потом оказывается, что это был робот. — Все тарологи на бирже - это просто ГПТхи, которые немножко там по-разному подтюнены, подключены и так далее. Я, кстати говоря, вот слышу последние несколько недель, что значит девушки обмениваются промптами эзотерическими, которые сами уже в чат GPT отдают. И там такой мы об у них уже есть, как вот, знаешь, есть ээ есть практика использования чат GPT. Там есть, ну, вернее, не практика, а есть такие лучшие практики, типа напишите роль, напишите там контекст, сделайте F shots prompting, там хорошие, плохие примеры. И вот есть базовая практика. Сделайте библиотеку промптов. У них, короче, библиотеки промптов уже есть. Они обмениваются в — Я обещал бомбить на тему библиотек промтов, и я вам дам хороший промт. Аэ, бомблю. Те, кто приходит в надежде получить идеальный промт для всего и собрать библиотеку готовых промтов, идут путём, который ведёт в никуда. Потому что основная концепция работы сча подпиши что угодно, она заключается не в идеальном промте, а в объёме пользования и итерационности. Да, у нас есть золотая рамка из пяти пунктов, которые мы обязаны в рамках промта использовать. Роль, контекст, формат выдачи результата, бесткейсы. Что я забыл, пятое — ограничение. делать там спроси меня дополнительные вопросы есть отдельный ролик у меня на канале где они все выдаются вот по очереди все лучшие про пять это вот условно говоря когда я очень сильно как бы как человек который немножко от образования тоже ругаюсь на курсы по промнгу курс по промнгу занимает полчаса — мне кажется меньше давай я тебе покажу сделаем экспресс-курс по промтингу сейчас значит ээ как он выглядит мы заходим вот сюда в раздел исследуйте gpt пишем слово system prompt системный пром и вот ну вот это вот мой выбор, но в целом можно поисследовать ээ System prom generator - это приложение, которое, ну, такой кастомный GPT, который будет писать по всем правилам промты просто по голосовому сообщению. Вот я хочу сделать примерно вот это. Спроси меня что-нибудь, сделай мне классный промт. — У меня средняя длина промтала мгновенно и сразу. Не знаю, что показать. Здесь много всего. Вот мы там моделировали и системы для многофункционального комплекса. Вот. Ну, можно посмотреть. Привет, Денислам. Вот 35 этажей. На первом этаже торговый центр. А задача какая? Вот. А как эксперт в строительстве, покажи 10 идей, какие системы на основе было полезно экономически внедрить такого рода проекты с непостоимостью, сроком и сложности. И как тебя результат устроил? меня, да, заказчика тоже. Ну, мы немножко там пообсуждали, посчитали. Ну, здесь важно понимать, что у меня хороший системный промт вшит. Вот и всё. Сам со стоимостью, с оценкой. — А можешь показать, какой у тебя системный пром вшит? — Да, он известный, он тупо взятый из интернетов. Вот всё, что надо. — А вот такой вот коротенький. — Да, — он второй версии, первый был длиннее, но внезапно этого хватает. Ну, самое главное, что он сам подбирает роль, аэ. Он даёт степ-байстеп, но опять же правильный системный промт, попытка хотя бы какая-то попытка придерживаться э политики выдерживания рамки промта даже вот здесь. Ну то есть мне лень было писать как эксперт строительства. Я мог это не писать здесь, как эксперт строительст в искусственном интеллекте я мог не писать. Система сама бы распознала, какой роль надо быть. А вот там 10 идей или пять, да, тоже оно бы выдало. Здесь очень простая история и золотое правило экстрасенсы в отпуске. Мы должны задать те условия, которые для нас важны. А если мы их не задали, то вот как система их угадала, так угадала. Из хорошего там в современном развитии исковых моделей никто не мешает дать пять-шесть уточнений. То есть одно из базовых правил - это итерирование пользования, да? Соответственно, если мы итеративно, раз за разом делаем улучшение, даже если мы сразу не написали системный промт, э, ну или не системный, обычный, да, мы всё равно дойдём до нужного решения. А что самое важное, благодаря там очень широкому окну контекста современному, э система сама запоминает весь твой контекст, всё, что про тебя, и довольно естественным образом адаптируется под то, что конкретно там мне или тебе нужно. У меня есть такая метафора, что, ээ, lm чати, ээ, и аналоги - это, эээ, такой джин из восточных сказок, который он исполнит любое твоё желание, но он тебя будет стараться как-то обмануть, как-то тебе подсолить, подгадить, и тебе надо очень аккуратно от этого защищаться. А сегодня я ещё одну прикольную метафору услышал, что это гениальный джун, что он может, э, решить какую-то очень сложную задачу, типа олимпиадной задачки по программированию, лучше всех, быстрее всех, но при этом сразу же после этого ошибиться на какой-то мелочи в какой-то запятой к совершенно глупой задаче, с которой справится даже школьник. А, да, не гениальный обычный джунтер стажёр. Ну, наверное, все — пото он знает всё — и не может отсли ты общался с современными хар такими. Ладно, меня здесь разбаловала судьба и моё место работы. Я с школьниками и студентами общаюсь только вот там, если школьники, то это олимпиадники, победители олимпиады по искусственному интеллекту. И они правда знают всё практически. Вот. Но, правда, им не хватает системности, да? Объяснение относиться к этому как к стажёру, да, хорошему, прямо хорошему стажёру - это самая правильная история. Ставить задачи тоже как там стажёру Джуну, условно говоря, детализировано. А если не детализировано, то не виноват стажёр в том, что он додумал твои мысли великого руководителя, как смог. — Ну, кстати говоря, у нас была вот такая вот категоризация. Что отличает джуна от медла от синиор разработчика? Очень простые определения. Э-э, джуниор разработчик - это программист, который не может работать автономно. То есть ему нужен кто-то, кто будет контролировать его, кто будет отвечать ему на вопросы, поправлять, корректировать и так далее. ID - это разработчик, программист, который может автономно делать типовые повторяющиеся задачи, часто встречающиеся. Э с исследовательскими задачами ему уже нужна помощь старших товарищей, а, соответственно, Синиор - это вот тот, кто автономно решает сложные исследовательские задачи и так далее. То есть получается, что вот Джуниор хорошая здесь метафора, что нельзя без человека ему без более эксперт. — Не можно, но вы не удивляетесь результатом. — Да, можно, но получится плохо. — Не, не факт. Получится случайно. Ну, на самом деле, здесьга я добавлю, потому что называется миллениалы переизобретают науку о менеджменте. Э, она есть, её внезапно айтишники не считают наукой. Знаешь, этот мемчик, я и сам своего рода учёный, но менеджмент - это, блин, наука. Её изобрели, изобретают и развивают. И в науке о менеджменте сказано, что специалист младшего звена требует постоянного контроля, специалист среднего уровня требует промежуточного контроля в начале, в середине, в конце. И специалист высокого уровня требует контроля входного, выходного. Руководитель, ну там, Лиду, условно говоря, в нашей классификации контроля требует только на уровне постановки задач. Всё это было сказано там, не знаю, лет 80 назад. Не в этом плане ничего не изменилось. Я просто пытаюсь это притянуть к этой категоризации чат GPT и вот в ячейку Jниor его запихнуть. Вот. Чтобы это было понятнее. Это Ну, смотри, у тебя есть опыт как бы и работы над очень сложными задачами внутри больших корпораций. У тебя есть опыт э и работы внутри Исколково с бизнесом. У тебя есть опыт консалтинговой работы для бизнесов разного объёма по этим технологиям. Давай какие-то, мы сейчас записываем это в конце двадцать пятого года. Давай какие-то итоги года подведём. Что за этот год у нас произошло? Я просто как начал думать всё, что в этом году случилось относительно искусственного интеллекта, такой: "Блин, неужели это всё в этом году произошло? " — Это вот как раз то, что я вот в Сколково тогда недавно выступал, когда я готовился к вот этому там выступлению по итогам года. Апсик в этом году только появился. Я думаю, в смысле, ну, по факту, да? То есть, ну, один из самых ярких моментов, да, это вот история с дипсиком, который появился вот так вот. И, — ну, давай как-то отметим, да, в чём яркость была дипсика, потому что это очень такой важный момент. — Если вы китаец с отвёрткой, то вы способны сделать всё то же самое, но дешевле. Фундаментально. Это золотое правило последних 50 лет. Про китайцев с отвёрткой и танк мы ещё в детстве, да, шутили. Про китайцев и мобильные телефоны мы знаем давно. Про китайцев и автомобили мы узнаём последние несколько лет. А теперь мы узнали про китайцев и искусственный интеллект. Китайцы скопировали индустрии искусственного интеллекта. Справедливости ради они давно и много вкладываются в фундаментальные исследования. И да, — в плане Китая это, наверное, один из самых таких серьёзных инвесторов. У них есть государственная программа инвестиций и прочего прочего. — Компания TНENT. Эээ, это QQat, VCAT. Ну, в России это PUBG Mobile, чтобы это, да, чтобы понимали тоже, насколько это разносторонняя компания. Второе место в мире по патентам после Гугла. Есть шутка в индустрии про китайские патенты. Это важно понимать. Ну, то есть китайские научные статьи, китайские патенты большим мировым сообществом очень часто и воспринимаются как что-то ты меня здесь как бы загоняешь, друг дорогой. Ну, то есть, ээ, никто не может проверить их валидность в остальном мире. И были они замечены в ситуациях, когда статейка липовая, скажем так, да, которая опирается на исследование самих себя, которые подтверждаются самими се собой, это уходит ээ последние годы, но там 5 лет назад, 10 лет назад прямо ярко — вообще. Я был в этом году в Китае. Мы ездили с бизнес-миссией туда по заводам, по осим компании в Тенсен, в том числе были, и встречались с бизнес-клубом ребят из России, кто там давно живёт. Сейчас вот будет интересно для тех, кто хочет понять китайскую душу, как она устроена. Мы им задали вопрос: как вот понять, как они мыслят, что за система ценностей? Потому что сходу что-то очень странно, очень далеко от нас. И вот один человек встаёт и нам говорит: "Значит, смотрите, чтобы понять китайцев, вам надо сделать две вещи. Во-первых, вам надо научиться играть с ними в маджонг на деньги. Во-вторых, вам надо как следует изучить книгу перемен. Все и все вокруг ребята из этого бизнес-клуба закивали. Говорит: "Да, в целом это очень точно. Если вот эти две вещи вы сделаете, вы поймёте, что они имеют в виду". Но давай вернёмся к дипсику, — да, собственно, deep псик момент. — В чём прорыв дипсика? — Если говорить без звёздочек цензуры, это доказательство того, что из говна и палок можно собрать злую и фактически топовую языковую модель. История была в том, что первая версия псика практически ничем не уступала лидером тогдашним. Она была практически такой же по качеству. При этом она была обучена типа условно на порядок дешевле. — Угу. — Магия очень простая. Э, ну как бы тихо ушёл, называется. Нашёл. Для того, чтобы обучать модель, ребята из Китая использовали мм место сбора данных, честного сбора данных, ну или не всегда честного, но линейного, как это делает там тот же Open и Google, они просто подключились, оплатили опишки всех текущих на этот момент языковых моделей и просто задавая там наборы вопросов, собирали ответы и для этого получали выборку для обучения модели. Плюс они значимо сократили с помощью ряда приёмов железо по объёму, которое было необходимо, чтобы это всё обучить. Просто получили на два порядка дешевле ивую модель. И вот это вот такой эффект дипсика, когда ты китаец и в догоняющих, у тебя есть отвёртка, ты можешь сделать эквивалентную по качеству систему значительно дешевле. Это повлекло, естественно, к ним огромное количество исков, в том числе от того же Open AI. Но это очень смешная история, потому что как бы Open e тоже не брезгают сбором публичных данных и использованием всего, что до чего они дотянутся. Но вы не понимаете, это другое. — Где сейчас deep псик вот на всевозможных лидербордах, на которых модели соревнуются? Какие рейтинги ты уважаешь? — Ну l арена. — Я вот сейчас посмотрел на Ark Price, который скорит по AI, и я там вообще его не вижу. Давай заглянем нам арену, посмотрим, что там. Давайте посмотрим лидерборды. М арена она же всё-таки там это explicit данные пользовательские. — Ну конечно, — это там рети там голосуют люди. Нула, причём они в закрыто это делают. Ну вот давайте посмотрим в overall. А понятно, что в overall у нас будут проприетарные по суще лицензии модельки. И понятно, что это большая нынче четвёрка. Это GI, Грок, Клод и ГПТ. Кстати, ГПТ 52 даже здесь ещё нет. — А вот она. Странно, она хуже. Хотя в целом не нравится. А примиary типа вот здесь всё проприетарное, проприетарное. В основном это просто разные версии всего этого. Квен, ну, пропритарные залезают сюда. Тут первые китайцы появились. — Кими сейчас лидер первый бесплатный - это Кими. Внезапно. Это тоже как бы привет из Китая, но вот где-то рядом вот он deepsek. MIT - это по сути open source лицензия. Да. — А можешь крутануть вверх, пожалуйста, списка 10. 423. Ээ да, вот именно скор. Чтобы вы понимали, вроде он где-то там в третьей десятке, но количество очков 1. 423 на 1090, то есть здесь, — ну, довольно много, на самом деле. — Различия, ну, как 10%. — Ну, с точки зрения принципа набора рейтинга, это достаточно большая разница. Но здесь вопрос в другом. Всё, что выше - это одни и те же модели одних и те же разработчиков. — Ну, если мы сравним это, например, с GPT 52, который вот в этом списке есть, да, то разница уже значительно меньше. Её практически нет. — Да. Не, ну на самом деле, правда, я так не то, что она сильно есть, но важно понимать, что смотри, Google X Antropic Open AI. — Всё, дальше вот Байду вылезает чуть-чуть. Ну, это вот новая какая-то история, да. — У, да. То есть, условно говоря, это там пятое-шестое место среди компаний. Вот как бы Алибаба, Байду и, собственно, Квенс. — Почему Россия не в этой гонке? — Потому что в России нет денег. Никто не вкладывает в России достаточно денег во времени, это важно, для того, чтобы этим заниматься. Ну, то есть обычно говорят: Сбер, Яндекс тратит огромные деньги на это. Это вообще даже не рядом не огромные деньги, сравнивая даже с затратами Дипсика, да, я не помню, — насколько я помню, сколько там миллионов долларов было до 10 млн было. — Сотни миллионов. Но сотни миллионов - это уже привычно для того, чтобы кто-то принял решение ими рисковать. — На одну версию ходит у нормальной такой модели, это там несколько миллионов долларов на одну версию. Да. — Версионность сейчас очень высокая. Затраты Сбера, ну, тоже очень большие или там Яндекса. Но они на порядке, особенно если взять во времени, отстают по объёму денег. А там ещё накладывается корпоративная наценка, ну, то есть то, насколько всё это большой корпорации неповоротливо. И тут мы тоже обсуждали буквально сегодня, типа, что есть Клод, который сейчас внезапно по сложным задачам обыгрывает конкурентов. — Угу. То есть там Gemini и Open, ну, Gemini Charm JPT - это всё-таки удобное универсальное решение, но для какой-то сложной истории всегда это выбор. Это клод. Клод - это не часть, это антропик - это не часть большой корпорации. Не, это не Openi, которая Microsoft, да, это не Geminii, ну, который, очевидно, в чистом виде Google. Как получается, что компания частная, не корпоративная обскакивает или хотя бы не уступает грандом с кучей денег? Ну вот мы сидели, обсуждали, что представь себе, что деньги дать даже так это было как раз сравнение между работой в МТСом и работой в студии, да, разработки. Мы сидели с моим напарником, который там ушёл уже из МТС, чтобы как раз операционно руководить студией. Я говорю: "Вот представь себе, дать нам денег на разработку в МТСе и студии, где будет темп выше. Ну, корпоративный налог". А вторая проблема, которая вот про вот эту всю историю, это не просто про количество денег в моменте, это про количество денег на единицу времени и во времени. Потому что классическая история, когда вышел чат GPT, ну, известно, я часто рассказываю, естественно, в Сбере поднялся шум, Греф, который фанатичен по этой технологии. Это прекрасно то, что он так фанатичен, но тем не менее там тоже есть реактивность, присущая российскому бизнесу. Значит, выходит чат GPT, Греф собирает правление, говорит: "Как вы профукали? " Вот вышло, чтобы через месяц было то же самое. У него выганивается полгода, выходит гигачат, который, конечно, даже рядом не стоял, но за полгода это божественный уровень работы. То есть специалисты, которые у нас работают, многих я знаю лично, они крайне крутые, условно, там, ну, на голову круче, чем ээ многие люди даже там в Open и так далее на Западе. Проблема в том, что там шли системно стратегически, сжигая кучу денег к этому много лет, ну, лет пять, так точно. И люди вот там с восемнадцатого, с девятнадцатого года тратят миллиарды долларов на то, чтобы дойти. У нас полгода погнали. То есть поэтому же сравнивать стоимость там deepsi в виде там 900 там 300. 000 долларов либо там 3 млн долларов тоже не очень правильно, потому что вопрос сколько нужно было пройти к этому и сколько итерационно вкладывать. Встро России в принципе не умеют в долгую вкладываться. Это есть и о вопросах различных исследованиях по цифровой трансформации. А у меня была в одной из лекций эта история, то есть условно есть опрос, уж не помню чей какой. давно не использовал это слайды. Причины -трансформации в мире. Основная причина, ну, и там цифровая просто была трансформация. Основная причина в мире, э, в будущем стать лидером в своей индустрии, когда изменится. Это классическая, я вот всё время вспоминаю Адизиса. У Адизиса одна из функций менеджера, это книжка идеальный менеджер. Базахадиis. Это моя это вот святая святых. Я считаю, что это база, которую должен знать любой менеджер. У него есть одна из функций предприниматель менеджера именно это предпринимательство. У него там производство, предпринимательство, э, администрирование и интеграция. Да. — И вот в России про предпринимательство практически не помнт, к сожалению. Это позису определение - это, если я правильно помню, умение сейчас произвести в своей компании такие действия, которые в будущем, изменившейся ситуации приведут её к успеху. условно, как это видится, например, на уровне там игры с Openi. Microsoft проиграл Гуглу гонку мобильного интернета. Ну, примерно вчастую, примерно полностью. Google Chrome, Android, поисковик от Google, где поисковик, — да, и десктоп и всё. Да. — А что они делают? Они идут и вкладываются в Open AI. Вкладываются очень серьёзно, потому что деньги-то у них как бы пока что имеются. Open AI растёт, развивается. Open довольно давно появился, не в семнадцатом году и даже не в двадцатом. В какой-то момент, условно, через 10 лет от начала разработок, они оказываются на пике индустрии. Лидеры абсолютные победители, то, что сейчас у них не получается удерживаться, потому что огромная конкурентная история возникла, да, и тот же Google не жалеет. Он как раз пошёл другой стратегией здесь, той, который не пошёл, видимо, или там, может, пошёл, но не получилось Microsoft в прошлую эпоху технологий. То есть он пытается отыграться здесь сейчас, не пойти вкладываться фундаментально в квантовое вычисление или во что-то ещё, а попытаться отыграть на текущем переделе, на своём поле учат GPT поляну. Всё же даже получается плюс-минус GNA сейчас, ну, точно не хуже, чем GPT. — Ну, последняя версия ушла далеко вперёд. Она ушла далеко вперёд от 5:1, — да, — 5:2. Позиции отыграл. И вот мы следим с восторгом за этой гонкой вооружений, потираем ручки. У меня традиционно на двух вкладках две системы. Что-то я там туда, что-то сюда кидаю, но базово для бизнес-пользователя я всё ещё, то есть у меня был период, когда прямо GNI переезжал, сейчас нет, всё ещё чат GPT. — Я когда в эту студию прихожу, готовлюсь к подкасту, я первым делом в двух укладках открываю последнюю версию Chat GPT и последнюю версию Google Gemini. Но давай всё-таки вернёмся к России. Меня вот что беспокоит. Есть ээ такое ээ как это сказать понятие такое, да, как GN gap. Вот эти ребята все на Западе, они миллионы миллиардов свои жгут с идей, с идеей того, что первый, кто добежит, разгадает, как это использовать, так, чтобы оно было экономически целесообразно, так, чтобы оно генерировало профит, так, чтобы появился пресловутый вот artificial general intelligence, то есть, — ну, это не в этой технологии, не в этом переделе, да. — Суть в том, что они туда бегут и туда завязают. Здесь видно, да, что текущие представления, сейчас об этом поговорим, близки к своему пределу фундаментальному, и там нужны какие-то ещё новые ответвления. Но, э, я скорее концептуально веду к тому, что они верят в то, что первый, кто получит возможность автоматизировать большую часть экономически значимых процессов, то его будет уже не догнать. То есть это сопоставимо на уровне государства с получением ядерного оружия. с получением квантового компьютера. Первый, кто квантовый компьютер получит, стабильный, работающий, взломает всех остальных. И по идее, — и по идее те, кто получил ээ реальный гипотетический вот этот искусственный интеллект или продакшн квантовый компьютер, по нему, по идее, все остальные должны сразу же ядерным оружием ударить. Просто потому, что как бы если он не успел поделиться этой технологией просто по теории игр, у меня вопрос, почему на уровне государства нашего, у которого традиционно инженерная школа вот эта постсоветская сильнейшая, российские инженеры по всему миру - это бренд, почему нет нацпроекта Искусственный интеллект, который бы вот генерировал языковые модели и как-то культивировал бы всё это, — потому что я не знаю, Какой процент, наверное, там чиновников и лиц, принимающих решение, вообще понимает, о чём речь. Это просто культурный гэп. Ну, то есть у нас-то и в бизнесе в современном мало кто понимает вообще, как это можно применять, зачем это делать. — Но это пока в мире никто не понимает, если что, это нормально. — А, но в России, на секундочку, первым лице всё ещё в распечатанных красных папочках приносит информацию. Ну, то есть, — но при этом Герман Оскарыч всё-таки видит, понял, но этого недостаточно. Он один просто-напросто. Да. — Да. То есть твой вывод такой, что на уровне государства не хватает людей, которые поняли то, что понял Герман Гриф. Ну и, кстати, Владимир Владимирович как будто бы тоже понял по последним там всем диалогам, но это тоже выглядит так, что очень много на государственном уровне про это стало говориться, но как будто бы говорится, потому что, ну, просто нельзя отрицать очевидное. — Ну, уже всё, уже из каждого чайника видно, — да. Вот, например, я вот недавно был в Узбекистане, например, даже так, а, обучали отсколкова, там, условно, местный аналог Сбера, SQB банк. Вот. И они нам рассказали, что вот недавно вышел приказ президента страны, ээ, что у каждой окологосударственной корпорации обязательно в штате должен быть советник по искусственному интеллекту. Там огромные государственные требования к этому. Там тоже нет единого хаба по обучению моделей. А, но есть такие жёсткие окологосударственные требования, условно говоря. У нас слушай, ну не очень хочется провоцировать, и там я достаточно, мягко говоря, патриотичен в плане своей страны, да, посмотрите про то, как мыслят там современные. Ну, у нас горячая тема военная, да? Какой объём инновационных разработок попадает в реальное использование войска, например? Важно понимать, что любая технология развивается от военных, кроме искусственного интеллекта. Это, кстати, тоже интересный факт. Мы сначала научились спрашивать у чат GPT, как сварить яйцо, и только сейчас военные какие-то ведомства начинают внедрять. Я видел стратегию американскую в области искусственного интеллекта. Такой водяной воды я давно не читал, что характерно. — Ну, разные мнения на этот счёт есть. Всё-таки вот, с нашим общим знакомым, с Павлом Беленко мы были с миссией в Кремневой долине в 2000 дена году. Я попал там случайно натап с президентом Microsoft, который уже тогда говорил про вызовы, которые искусственный интеллект готовит нам, нам в смысле человечеству. И примерно тогда же был довольно большой скандал, где несколько тысяч человек самовыпилилось из гугла, ээ, потому что отказались делать проект, который пришёл по разнарядке от какого-то военного ведомства американского. А конкретно необходимо было на тогдашних представлениях искусственного интеллекта, сейчас я недавно тут услышал такую фразу, классический machшин лернинг, он теперь так называется. было предложено начать делать с инструменты, которые принимают решение у автономного оружия о том, чтобы убить конкретного человека, э, без, собственно, того, чтобы кто-то на кнопку "Убить" человека нажимал". И вот инженеры, будучи такими либерально, может быть, даже анархичными — пориджами — народом, — вот которые за такою за это, как он называется, загая Фокса, короче, вот в основном встали и вышли, сказали: "Мы этого делать не будем. Это противоречит нашей системе ценности". Был довольно большой скандал. И на что вот он со сцены вещал, что вот эти события, они уже происходят. То есть военные ведомства требуют это. И у нас, вообще-то, вызовы стоят этические такие на уровне человечества. Как нам делать машины, которые такие задачи должны будут решать. То есть это довольно давно всё происходит. — Ну это вызовы, а не реальные разработки, опять же, да? То есть, ну, всё равдопtion гораздо выше в у бизнеса и у простых людей. Но если мы говорим про пользовательский искусственный лекци, точно так и есть. То есть история палантира, которую я люто люблю и считаю это вот вот прямо мощно. Вот Planter Technologies опять жереко. — Это в базе софт, который анализирует всё на свете, поглощает в себя все данные и позволяет, мягко говоря, не так важно понимать, что это стартап, который главный инвестор которого и главный канал заработка - это СРУ, — да? И это, по сути, софт для управления и поисковыми операциями, разведывательными, военными, и так далее. — Ну, я видел некоторые демо такие пользовательские, они как пользовательские, они использовались для сценариев банковского комплайнса, вот так вот скажем. — Вот. Но как будто бы все остальные, которые ты озвучил, они там очень рядом. Просто объекты данных другие. — Ну, это называется конверсия, да. — Да, свойства другие. У объектов исследуются, а так всё то же самое. У нас же помимо пользовательского и процессного, искусственного интеллекта есть ещё и физический. Это новый тренд, который нас ожидает. — Ну да, вообще говоря, этот год, если мы к нему вернёмся, это год, который обозвали в очечной раз там как-то, да, год и агентов, — да, — а люди открыли для себя тему иагентов и на ней стали скакать и развивать как можно прыгать, зарабатывать деньги и так далее. — Что такое и агент? — А мы сейчас перейдём, кстати, к физическому. Вот просто что, чтобы дойти до физического и надо — начать с и агента, да. — А и агент, ну, там если определений довольно много, я на пальцах обычно накидываю, когда разработчики и компании в сфере разработки искусства интеллекта поняли, что языковая модель ограничена по своим возможностям, но умеет с тобой болтать и что если они что-то не придумают, то инвестиции в искусственный интеллект сейчас закончатся, а им бы не хотелось. У них ещё нету там десятого-дватого майбаха и пары личных островов. Утрирую, конечно, но в том числе. Аа надо что-то новое придумывать, маркетинговое. Тогда какой-то умный человек сел, подумал и придумал следующее. Давайте мы прикрутим языковую модель к селлениуму. Селениум - это очень давно существующая библиотека для разработчиков, которая имитирует движение мышкой по экрану и клики, и всё-всё-всё. То есть парсинг сложных сайтов делается через вот эту имитацию накруческих факторов. — Ну, в частности, да, давайте сделаем так, чтобы можно было с лмки подать команду в селениум и чтобы он что-нибудь нам по запросу там понажимал в интернете, не знаю, там заказал билеты на самолёт, например, что-нибудь прямо такое, нашёл бы ресторан, куда сходить. Меня это вымораживало сначала, потому что, ну, есть же селениум, зачем вы пытаетесь, значит, прикрутить к нему какой-то искусственный интеллект, типа, чтобы доказать, что это будет веселее. Буквально недавно я поменял мнение, ну, то есть, условно говоря, и агент - это штука, которая способна по команде изковой модели делать что-нибудь в виртуальном мире, в вашем компьютере, в интернете и так далее. Например, собирать новости, заказывать пиццу, билеты, бронировать рестораны. там строит мультиагентные системы, когда она умеет то, потом третье, потом пятое, потом пятнадцатое всё это между собой перевязать. Ну, так или иначе, это попытка дать возможность через языковую модель управлять какими-то действиями условно в реальности, виртуально. Это взлетело. Я сначала так до конца не понял, а потом как понял. То есть история в чём? Мне как разработчику или там руководителю разработки непонятно, зачем это нужно. Мне проще написать код к селениум. Но когда любой человек способен не занимаясь написанием кода получить для себя возможность делать вот эти лёгкие автоматизации своей деятельности. Вот это, конечно, круто. Вот. А и параллельно, на самом деле, это чуть раньше даже появилось, пошли в попытку применить и в физическом мире. В первую очередь это подход к работотехнике. То есть мы говорим, что появилась возможность управлять роботами с помощью языковых моделей. То есть перейти на управление через написание сложного кода на управление текстом. Ну, как следствие, голосом, потому что между текстом и голосом разница только в том, что нужно, да, да. Спички, ну, Яндекс, спички, Виспер, там, что больше нравится. И пошла история о том, что можно управлять роботами с помощью исковых моделей. Ну, та же концепция, только робот насще, ну, существует в вещественном мире. Сейчас там есть даже интересные прогрессивные истории. Сначала у меня тоже был такой диссонанс: "А зачем, если ты просто всё равно должен запрограммировать робота? " Но реальность такова, что ты можешь сделать так, чтобы робот, например, переключался между разными операциями на производстве, не тратя время ресурсов программиста. И это круто, это полезно. То есть, да, это гибкая какая-то спорочная линия, которая позволяет не тратить время на переналадку. Написал, наговорил, что теперь тебе нужно делать, он пошёл делать. Вот поэтому вот это ощелённый и в роботах, в физическом мире, он как бы вот грядёт. По большому счёту, в этом году многие попробовали на производствах, в лабораториях это довольно давно, а вот на производствах попробовали. Многим понравилось. Косты снижаются, то есть снижа снижение костов на переналадку линии производства, это довольно серьёзно для многих производств. Здесь можно параллель такую с агентом привести. Ээ не получится и агенту эффективно ээ делать абстрактные задачи. Например, там спланируй мне отпуск, да, вот так не получится. Это нельзя. Ну, в смысле, купи билеты, забронируй отейли там и так далее. Получится какая-то ерунда. Но если есть задача, которая имеет такое узкое окно контекста, например, купи мне на завтра билеты такой-то авиакомпании в таком-то временном диапазоне в такой-то город вот из Москвы, то эта штука вполне себе с этой задачей справится, потому что там пространство для ошибки очень ээ ограничено. А если мы ещё и поставим кнопку купить, то агент как бы выберет именно эту кнопку из множества кнопок других. То есть когда мы сейчас появится кнопка купить, появится кнопка купить внутри чен пяти уже появляется, только не в России. А потом реклама. Это вот мой прогноз. — Уже появилась, да? Я уже вижу. — Нет, есть реклама внутренняя, мы ждём прямо баннеровшито. Ну, я вижу, что в тусовке рекламных агентств уже появилась услуга, которая называется Geo. В общем, это оптимизация под большие языковые модели ээ сайтов и каких-то других источников информации. Вот. Чтобы находили там именно вас, потому что уже выходит много исследований, видно, как загибаются вверх графики ээ посещаемости крупнейших каких-то магазинов, сайтов, ритейлеров из chт GPT и прочих таких. — Даже можно посмотреть, как я объяснял. То есть у меня есть стартап знакомый, кто этим занимается. Они начали с того, что научились замерять. Они научились мерить, а-э, как кто видит, по каким запросамгу, — ну, какие языковые модели, в как отрабатывают поисковые запрос, не знаю, там лучше IT-компания. — Угу. — И вот где они в рейтинге есть. Вот смотрите, в чём проблема элео или Geo. Geo, мне не нравится. Geo, сразу про геолокацию вспоминаешь. Я тоже сразу не понял, о чём речь, но вот уже устойчивое выражение. — Ну вот у меня в окружении два устойчивых. Ну да, ну пусть будет де. Господи, ну это же неправильно. Ладно. Суть в чём? Вот ездил я знакомиться с ребятами из Донстроя, поделать какой-нибудь диптех и рассказал им, в том числе про вот эту историю, про гео или леоптимизацию и показал им на примере того, как сейчас среднестатистический человек, да, такой современный среднестатический человек ищет информацию. — Вот. Ээ они очень горды тем, что они очень крутые проекты делают, что у них там это лучше всех. Там топовые, топовые. И я говорю: "Ну вот смотри, значит, я вот хочу, например, покупить квартиру, — да? Ну, представитель целевой аудитории, — да, я прямо вот супер целей аудитории. Я, правда, загородный дом строю, это более страдания, но если бы путь пошёл в другую сторону, вот я бы путь пошёл бы так вот я хочу квартиру в Москве в пределах МКА с парком. Всё с них прямо бралось, типа это вот то, чем они считают их квартиры крутые. И мне дают топ-10 вариантов. И мы обсуждаем, ну, да топ-10 вариантов. Смотрим, а где есть донстрой? Смотрим, где донстрой был. Единственное, что я вижу, — ээ, где есть небольшой нюанс, у тебя есть системная инструкция, потому что фраза, с которой начинается твой ответ, отвечу как эксперт по жилой недвижимости, лауреат премии. Это подбор роли, да? Я же как раз показывал, — да, всё-таки типичный представитель целевой аудитории системного промтает, и у него вот этой ответа из позиции эксперта в желой недвижимости он не будет. Это я так просто дисклеймер такой, что — что дисклеймер базовая, — что выдача будет другая всё-таки. — Ну, чуть-чуть изменится, да. Мы смотрим топ-1 ЖК, который предлагает системы. Вот я ничего не знаю про Донстрой. Мне и не ездили полчаса по мозгам до этого, да. — Привет ребятам из Донстроя. Надеюсь, они не обидятся, что это показываю. — Ну вот на номер три, да, дострои, — да. И только на третьем месте находится остров. Они такие: "А в смысле, почему? " И начинается вот дари, да, они, да, ну типа да основы вот — вообще не то, да. А вот вестгарн вообще откуда оно это взяло? Но ответ такой, ребят, но оно взяло. И я, как человек, который хочу только лучшее для себя, я же начну искать квартиру теперь не с острова, — да, — а с вери и с Вестгардена, потому что, ну, типа, вот — и история про гео или леоптимизацию, это про то, чтобы — по сути это вот это SEO, старое доброе SEO, только применённое к языковым моделям, чтобы для заказчика Донстрой в большинстве случаев запросов остров был при таком запросе на первом месте, а не там где-то. — Модель потребления меняется. Мы всё больше времени тратим в этих инструментах. И именно поэтому эти инструменты хотят и шопинг внутрь себя затянуть, чтобы внимание всё замкнуть на себе. Кто владеет пользователем, тот и владеет миром. — Да. И это вот я пока что всё ещё сомневаюсь, что мы полностью конвертируемся в такой паттерн поведения потребления, потому что кнопки нажимать проще, чем писать тексты. Я там, кстати, тоже Андрей Карпатович. — Ты видишь, здесь можно голосом надиктовывать, заразу. — Голос тоже нераспробованная фича. Вот наши дети, наверное, будут надиктовывать голос. Я всё не могу без этого. Я все промпты записываю голосом. Более того, у меня есть странный такой сценарий использования. Я когда иду куда-то, вот у меня есть некоторые жизненные маршруты, где я могу минут 30-40 идти куда-то пешком. Я включаю режим голосового общения сейчас GPT и начинаю ему выгружать свои мысли. Я говорю: "У меня есть вот мысль такой сделать регламент в свой проект, такое у меня выступление будет сейчас. Я хочу поток сознания свой в тезисы превратить, статью хочу написать пост в телеграме". И вот я иду и полчаса рассуждаю на какую-то тему с запросом: "Структурируй мне мой поток сознания". Это прямо вот мой ассистент, который, — ну, многие так делают. Я обычно своего заму просто структурирую. Он фанат генеративки всей, то есть он прямо раньше меня сильно. Я какой-то период времени, вот полгода, когда я окончательно сам как пользователь адаптировался, ну, потому что сапожник без сапог, я эти штуки умею создавать, учить, зачем мне пользоваться. — Угу. Я шутил, что мне не нужна там ча и так далее, потому что у меня есть Дима, а у неё у него есть полный набор любых моделей, которые только есть. Вот. Нушёл тоже сам пользуюсь. Вот. Ну поэтому позити слышу, да, вот там голосом поговорить с ГПТ. Короче, выглядит так, что мы туда свалимся, к сожалению. Э-э, и это круто, это очень продуктивно, на самом деле, потому что я вот на себе сейчас осознал, как менеджер, как отчасти продажник, я жёстко продуктивнее стал с использованием языковых моделей. — А вот как ты считаешь, ты Мы декларируем, что это повышает продуктивность, но в то же время много кто поднимает красный флаг, говоря о том, что это ведёт к некоторой атрофии критического мышления. говорят, что вот я вижу сейчас ролики какие-то пошли, где профессора американские кричат на студентов, говорят: "Ни в коем случае не используйте, вы достали мне из чат GPT прислать эссе". С другой стороны, появляются скандалы, что профессора сами проверяют всё через чат GPT и как будто бы там образовательный процесс идёт в сторону, когда чат GPT как бы готовит эссей, чат GPT проверяет, а люди вообще из этого процесса исключились и никто ничему не учится. — Я не на стороне вот этих вот. Я, во-первых, считаю, что чат GPT и прочие инструменты, наверное, превращать говорить и прочие инструменты чат GPT и подразумеваем, что всё остальное не отличает у людей критическое мышление, а позволяет понять, у кого оно изначально было, а у кого нет. Вот. То есть, по большому счёту, э то, как мы умеем работать с информацией, не связано с количеством информации, которое мы умеем генерировать. — Угу. Если я генерирую смету на создание AI контента, где-то вот здесь оно у меня было, например, мультик из 100 серий по одной минуте, да, когда я получил такую табличку с ценами там со всем, я же посмотрю, что там написано, и это вопрос уровня моего критического мышления, умения моего знания и логики провалидировать то, что там сделано. Но если бы я вот эту вот табличечку делал бы сам, я бы потратил 2 часа своего времени, а я спать хочу. И это про это. Например, написаниес с помощью чат GPT меня тоже не парит. Я вот там вышки, где преподаю, я прямо наоборот поощряю. Проблема в том, как мы это будем проверять, что в чём форма, в чём содержание. Если прислали эссе сгенерированно ча, вообще не надо эссе делать тогда. Либо нужно взять эссе, положить его вот так вот перед студентом на стол. и позадавать вопросы по его позиции, по его логике. Но я здесь разбалован тем, что пример, про что я говорю, как нам в школе, мне очень повезло с учителем, ну, со всеми учителями в школе в своё время, но особенно ярко запомнился учительницей истории. Мы не зубрили даты, то есть вообще Угу. — основная задача на уроке была, ну, то есть мы там какой-то степени зубрили, но основная задача на уроке была рассказать логику событий, которые происходили в том периоде. Почему там, как происходило, там что-то вот таро-монгольская ига, туда-сюда, там-сям, кто что делал и прочее. Это позволяло мне очень легко учиться, потому что я прямо с логикой всё хорошо, я пробегал главу учебника перед уроком и отлично выступал. Но сама логика в том, что важно не то, сколько символов на квадратный метр вы сможете напечатать, а то, как вы понимаете, что там под капотом. Поэтому пусть будет эсс помощью искусства интеллекта написано, но вы лучше провалидируйте, что об этом эссе думает учащийся. В этом плане прямо последний момент. А идеальный, у меня вот есть кейс идеального аналитика, пользующегося чат GPT, работали в этом году в моих командах. Человек не имеет фундаментального образования, к сожалению, такого серьёзно. никогда не работал датааналитиком или каким-то аналитиком в топовых российских корпорациях и не знает, как писать SQL запросы там или что-то. Но уровень развития логики и критического мышления такой, что когда он начинает пользоваться чат GPT, э, его аналитика, его результаты всегда идеальны, просто потому что он очень чётко понимает, как усмирить вот эту вот систему, как проконтролировать, чтобы результат был правильный. то, о чём мы говорим, как бы, когда теряется критическое мышление, когда мы ленимся хотя бы прочитать, что написано. Ну, ну это вернёмся к нашей метафоре про стажёра. Если вы просто будете переслать результаты работы стажёра своему руководителю или заказчику, однажды выяснится что-то очень несприятное. Но вы же должны провалидировать, дать обратную связь, проконтролировать, чтобы был результат. И это наоборот в если этим пользоваться правильно, наоборот, критическое мышление очень серьёзно начинает расти и развиваться, потому что мы в конце конкинтересованы понять, всё хорошо или плохо как можно быстрее. — Звучит так, что навык мыслить критически очень сильно поднимается в приоритетах как компетенция современная. Давай вот ещё в какую тему зайдём, которая тоже, мне кажется, тренд, если не этого года, то следующего уж точно. И так или иначе нас всех затронет и это кибербезопасность и искусственный интеллект. Что происходит там сейчас? — Как известно, кибербезопасность главная проблема искусственного интеллекта отчасти. Вот. Ну, потому что, вообще говоря, уровень использования чат GPT аналогов в корпорациях, хотя это правда очень сильно ускоряет, увеличивает продуктивность, а связано с тем, что использование Ча GPT в корпорации нарушает огромное количество норм безопасности данных. — Тайные связи, персональные данные, банковские тайны и прочие тайны. То есть это не решается локальной установкой того же дипсика куда-то в свой контур. — Установка на несколько порядков слабее, чем — любая общедоступная модель. Я в этом плане вижу рост, и мы сейчас стараемся идти огромный рост индустрии таких интеграторов он премиус установки. Там просто надо понимать, как это правильно сделать, потому что любая языковая модель, которая что делает языковую модель таким крутым инструментом? Это тулинг, набор тулов или инструментов, которые подключены к языковой модели. Ну то есть сама языковая модель там — агенты, депрессёрч, генерация изображений, — глубже даже. Сама языковая модель даже не умеет ходить в интернет. Да. Для того, чтобы модель сходила в интернет и обновила информацию, существует отдельный тул агент, в который приходит запрос от языковой модели, когда пользователь запросил найти в интернете, который собирает информацию. Обычный питанящий код или там сишный. Но это просто так уже внутрь какого-то контура не встаёт, — да. Это то, что условно говоря, люди понимают, что нужно в контур вставить модель, ставят модель и удивляются, что она убогая, потому что в реальности они, ну, как бы есть метафора операционной системы. То есть увидел у друга, как классного там операционная система на Макбуке с кучей приложений вот вордовские, там вот это Word, Excel, офисный пакет, ээ браузер есть, всё классно работает. Пошёл, купил такой же ноутбук, открыл — там терминал, — а там Ну ладно, положено там свежеустановленная операционная система. Ничего не — только команда свежеустановле прекрасно. Да не, ну даже тот же Макоos, о'кей. Или там ты пошёл в случае с корпорацией, купил Linux там, да, и там ничего нет. — И говоришь: "А, а где, а почему он также не работает? — Почему игрушка из App Store не встаёт на мой Linux? Почему совместимости прямой нет? " Да, даже не так, но да, то есть это всё надо установить, — да, — и то, что сейчас там в интеграциях внутрь контура в лмка теряется, то, что тулинг тоже нужно устанавливать. Это, кстати, позволяет там кастомные тулы разрабатывать под конкретные задачи корпорации. Когда мы это преодолеем, корпора, — о, есть вопрос безопасности данных, который — мы просто передаём ту информацию, которую вводим. Ну, это на всякий случай надо проговорить, да, что всё, что мы сказали в чат пти, считайте, что мы как бы написали это на заборе. И кто этот забор читает, мы до конца не знаем. — Мы знаем, кто это читает. Ответ: никто. Но есть, — ну, как минимум это читают машины, вот, и что-то потом с этим делают. В любом случае, ну, очевидно же, что это будет использоваться для таргетирования рекламы. Ну, куда без это? — Таргетирование рекламы использоваться. Если это будет использоваться для таргетирования рекламы, это будет использоваться для таргетирования новостей и информационной повестки, потому что это может быть использовано, да. — Вот. Ну и всё. И дальше круги на воде отсюда пошли. Мы не знаем, кто для каких целей это будет читать и использовать и в какую сторону э наше мнение будет пытаться склонять. То есть для в этом смысле на всякий случай ещё скажем, что если вдруг вы работаете в корпорации, которые ещё и торгуются, например, на бирже такая как Сбер, данные какие-то чувствительные с представляющие из себя коммерческую тайну, это могут быть и куски кода, это могут быть куски каких-то внутренних отчётов или финансовых данных, загружать просто нельзя. Это просто будет, ну, нарушение закона, потому что публичная компания не может просто так передавать инсайдерскую информацию какую-то какой-то третьей стороне. — Да, там масса коллизий возникает, а внутри она работает не так хорошо, но я, когда говорил про кибербезопасность, я скорее говорил про ээ не про утечки, а про атаки. Ну, это ещё один вектор атак, потому что, во-первых, через всякие дополнительные дырочки для языковых моделей можно тоже пролезть. А во-вторых, сами взломы, так называемой адверзарной атаки на языковые модели, на модели искусственного интеллекта, это тоже большая история, которая тоже развивается. Ну, она развивается также, как развиваются языковые модели. И можно совершенно спокойно со временем, сейчас есть же эти случаи, когда там Теслу за ноль денег, кто-то уговорил языковую модель продать. ту, которая была подключена уже к магазину по продажам и прочее, прочее. То есть, — да, где-то там кофейный аппарат подключили к чат GPT, он начал бесплатно раздавать кофе. Была новость, да, уговорили. — Ну, есть вещи же и гораздо серьёзнее вообще уровня поколения П из Пелевина. Я вот довольно глубоко был погружен в тон и в экосистему и в то, что там подходит

конкретно в крипте, и знаю, какая дичь в крипте происходит в плане того, что звонит якобы первое лицо какой-то очень важные элементы экосистемы криптовой. Там голос, там в зуме лицо убеждают людей принять решение отправить огромные суммы на какие-то криптокошельки. Потом оказывается, что это всё были дипфейки, что это были мошенники, которые выдавали себя невероятно искусно с помощью искусственного интеллекта за совершенно других людей. То есть они общались в зуме, люди были уверены, у них не возникло сомнения, там не было вот этих восьмидесяти пальцев, как на сгенерированных картинках. — Ну и пфейк развивается. Но здесь, во-первых, это битва, классическая битва меча и щита. Как развивается deep пфейк, так развиваются и модели распознавания его, да, и конкурсы устраиваются международные по лучшему распознаванию The Fake генерации. Во-вторых, есть парадигма, в которую нам всем придётся прийти Zeroust. Ну, то есть априори звонит мошенник. Ну, опять же, кажется, что когда это какой-то топ в том же криптомире, то, скорее всего, его её ассистент придёт, поставит встречу, там будет хотя бы в почте видно, что это действительно там адрес вот этого вот этой компании или кого-то. — Всё можно подделать вообще. — М нет, ну вот всегда видно вот эти вещи. Ну то есть можно, но — можно в заголовке подставить любую почту и можно ошибиться на одну буковку и спрятать. Давай. Так, можно в себя сыграть на невнимательности или нехинической неподкованности. Это правда. — Ну, если ты знаешь, что такое марк и прочие там политики почтовые, которые верифицируют домены, то да, для простоты, ребят, скажем вот что. Значит

на всякий случай. Zero trust, нулевая доверенность. Вам всегда звонит мошенник. Первое: никому никогда ни при каких обстоятельствах не сообщайте никаких кодов из эсэмсок. Они нужны никому, кроме мошенников. Никто кроме мошенников их не спросит. Расскажите об этом всем, кого вы знаете. В общем, в следующий раз, когда жена мне пишет код код, чтобы купить что-нибудь там карты ни в коем. Это мошенники железно. — Гарантия, потому что, значит, рассказываю собствен свой собственный кейс. Вот самое первое видео у меня на канале с Никитой Ануфревым записано много-много лет назад. Мы с ним давно дружим. Мне приходят сообщение от него, э, что, как дела там, всё, я смотрю в Телеграме, значит, что-то ему отвечаю. И, значит, дальше идёт предложение отправить там небольшую сумму денег довольно срочно, там до пятницы займи. Поскольку в меня эта политика встроена, у меня есть следующее базовое правило: пожалуйста, видеокружочек в другом канале коммуникации. То есть я считаю, что если один канал коммуникации компромитирован, то второй скомпрометировать, ну, гораздо сложнее. Тоже можно, но я прошузвонить, — я прошу realтайм кружочек. на что, естественно, человек сразу пропадает. Что оказывается, что, э, за пару недель до этого мне пишет ээ какой-то человек в Telegram: "Николай, спасибо за ваш канал, спасибо за ваш контент. У меня вот такой вопрос, какие-то вопросики возникает переписка, я отвечаю, благодарю". Сообщение уходит. После этого когда чат опускается далеко вниз, меняется аватарка на моего друга. Рнейм usernрнейм там уже был на одну буквку отличающийся, и имя, disдисплейнейм меняется. И мне пишет с историей переписки мой друг бук, ну, это было 2 года назад, год в этом году у меня было то же самое. Угнали аккаунт, здесь уже угнали, там просто сымитировали. Вот даже не обязательно угонять, да? — Поэтому жена может написать код код. — Да. — И это будет не жена, это будет чат, который опустился вниз. Тут уже вопрос социальной инженерии. — Не, ну это вопрос контроля, да. А как ты

думаешь, вот громкие взломы, э, которые в новостях в этом году гремели, Аэрофлот Deck, Quinlab, Вкусвил и так далее? Я сам на них попал. Я ехал в аэропорт в минеральных водах, когда взломали Аэрофлот, и мне пришлось остаться там. Я не знал, что делать, потому что всё, всё парализовало сразу же. Насколько вот в такого рода атаки вовлечён искусственный интеллект и с точки зрения социальной инженерии, и агентов, которых мы затронули, какие-то автономные хакеры. Это уже существует или это какой-то удел будущего? — Ну, не автономные хакеры, там вполне можно какими-то модельками искать патерны параметры и так далее. А я думаю, что у продвинутых группировок, естественно, используется. Э не копал, не могу сказать гарантированно. Ну, а социальная инженерия - это априори используется. Понятно, — почему я говорил, что вот AGI, вот этот гипотетический искусственный интеллект всеобщий на уровне квантового компьютера и ядерного оружия, потому что он же для таких целей использоваться будет тоже гарантия, — конечно. Ну это вопрос считая и меча, да. То есть, — да, представь себе абсолютный интеллект, который имеет способность эффективно приобретать навыки быстро за пределами датасета, на котором он обучен. Это же, ну, вот как будто вот эта лазерная пушка на Луне. Да, ну пока что это невозможно. Так что следим за развитием. Надо смотреть, что получится. Там уже разбираться по месту. Я думаю, что когда действительно станет большой проблематикой. Нуно, во-первых, мы не добежим как будто бы до вот серьёзного AI в текущем технологическом переделе. Нам просто мощностей не хватит, — да, даже не хватит энергии, — да. То есть, пока не будет фундаментально нового способа обработки данных, может быть, квантов, может быть, нейроморфных вычислений, мы не сделаем следующего шага в продуктивность, потому что, несмотря на вау результаты, вот которые мы там из моделей получаем, мы не прирастаем в их мощности. Мы близки к пределу насыщения того, сколько мы можем вложить там в модель мощности. Поэтому пока мы как бы выигрываем за счёт, ну, то есть появляются новые модели за счёт инженерной составляющей, то есть по-другому обработать данные. добавить каких-нибуд бизнес-правил и за счёт оптимизационной составляющей, то есть алгоритмы на те же объёмы становятся чуть более продуктивными, всё равно это борьба за проценты, за доли

процента и следующего шага без новой платформы, да, ну платформа в плане железа не будет, конечно. — Ладно, надеемся на нейроморфные вычисления. Да, это, кстати, вообще отдельная какая-то глубокая классная штука. — А, ну не, она простая. — Ну, в плане непонятно, сходящаяся она или нет. Там какие-то первые прототипы есть, которые живут сколько-то часов при определённой температуре, если их там глюкозой поливать. И даже можно арендовать уже, как я видел, с для каких-то экспериментов вычислительных. Но — не, подожди, это не нейроморфны, это ты про био говоришь, — да, нейро там, где нейроны в это клетки мозга, где выращиваются, — да? Нет, это другая нейроморф, другая история, да. Нероморф нероморфное вычисление - это способ собра собрать такую — логическую сеть, которая будет имитировать работу нейроситин. То есть как бы условно нейроморфные вычисления начались лет 30 назад, когда возникло заявление о том, что кто-то из учёных придумал четвёртый элемент электрической цепи. Идея была, что у нас есть, э, там резистор-транзистор, катушка, и они работают по принципу: есть сигнал единица, нет сигнала ноль. А вот этот потенциально изобретённый элемент, он позволял сохранять заряд внутри себя, после того, как через него проходил электрический ток. Причём заряд сохранять в проценте, то есть 0,5 1 и так далее. Это по сути один нейрон нейросети, да? Это один вот один параметр. — Угу. И если сделать на уровне этих элементов повторить архитектуру нейросети узкоспециализированной, например, в железе, что называется, то продуктивность работы такой конструкции будет, конечно, намного-много порядков выше, чем, э, ну, у классического вычислительного комплекса. Я вот помню лет 10 назад, когда мы командой Rйil Rocket участвовали в Кагле и в конкурсах был такой, он, наверное, сейчас есть такая организация, которая называется Rexis. — Ну, Рексис наш всё, конечно. Сейчас там везде трансформеры. — Ну вот поскольку мы были разработчиками одной из лидирующих рекомендательных систем и в России, я бы сказал, в мире тоже направлены на ритейл, мы тоже участвовали в конкурсах и ездили туда с выступлениями даже. И я помню тезисы, которые там звучали, они все сводились к тому, что текущая вот итерация развития технологий, она не про алгоритмы, она про датасеты. Это вот было лет 10 назад. Это — сейчас до сих пор, в принципе, — сейчас я вижу обратное, что датасеты мы упёрлись и теперь нужны фундаментальные сдвиги в алгоритмах — в этом плане. Да, ну сказать так, до сих пор мы ещё в этой парадигме, но она довольно быстро исчерпывается. — Есть предел, вот которому подходим

— поэтому интересно очень за этим наблюдать. Что-то, может быть, какая-то мысль ещё есть, которую, как вишенка, на торте надо положить, поделиться, что не прозвучало. Но ты обязательно хотел бы это до зрителей донести. — Как вишенка на торте. Давай сделаем просто красивое заявление такое подытожающее. Чтобы пользоваться искусственным интеллектом, нужен интеллект естественный в первую очередь. Всё остальное приложится. — Абсолютно здесь согласен. Искусственный интеллект - это мультипликатор, и он будет умножать на условно 10 и компетенции, и некомпетентность. Поэтому давайте наращивать критическое мышление, компетенции в наших профессиональных областях и мультиплицироваться через искусственный интеллект. А с вами мы увидимся в следующем видео. Нажимайте на колокольчик, ставьте лайк, обязательно подписывайтесь, оставьте какой-то комментарий. Осмысленно это поможет продвинуть ролик. И до следующего раза. Пока-пока. О.