Я который месяц порываюсь написать что-нибудь про внедрение нейронок, развитие сервисов на их основе, про то, как ChatGPT, Claude, Gemini подставь-любое-название всех победит.
Но любая тема через два абзаца начинает казаться мне никому не нужной.
Поэтому принято стратегическое решение: писать как пишется.
Я предупредил 😄
Мысля 1
Похоже, языковые модели прошли этап своего самого бурного развития.
Теперь главный фронт — не столько сами модели, сколько всё, что вокруг них: инструменты, интеграции и взаимодействие с существующим софтом.
Мало научить модель хорошо отвечать на вопросы.
Надо научить её нажимать кнопки, читать документы, писать в CRM, запускать код, искать информацию, работать с почтой и вообще как-то проникать в нормальный человеческий компьютер.
И вот это, мне кажется, только начинается.
Мысля 2
Сегодня генеративные ассистенты стоят пользователю подозрительно дёшево.
ChatGPT, Алиса AI, DeepSeek и прочие существуют в том числе на инвестиционные деньги. Подписка за $10–20 в месяц вряд ли отражает полную стоимость той вычислительной инфраструктуры, которая стоит за сервисом.
Поэтому если вы всерьёз встраиваете такие штуки в жизнь, работу или бизнес, я бы хотя бы мысленно ответил на вопрос:
что мы будем делать, если привычная подписка внезапно станет в 10 раз дороже?
Потому что если посмотреть на экономику этих систем, вопрос скорее в том, *когда* цена перестанет быть символической, чем в том, станет ли она выше.
А есть ещё локальный прикол:
что делать, если доступ обрубят с обоих концов — и сервис не пускает вас, и ваш доступ к нему тоже исчезает?
Зависимость от чужого API — тоже зависимость.
Мысля 3
Чем закончится этот этап развития — вообще непонятно.
Одни обещают AGI: нечто вроде автономной системы, которая сама ставит себе подзадачи, принимает решения и умеет работать примерно со всем человеческим миром.
Другие уже строят человекоподобных роботов.
Третьи считают, что после хайпа всё это немного схлопнется, а от нынешней волны останется набор очень полезных инструментов.
Я, скорее, где-то рядом с третьими.
Потому что даже если никакого магического «общего интеллекта» завтра не случится, нынешние языковые модели уже очень хорошо помогают в программировании.
И это довольно логично: код — язык, а языковые модели как раз очень хорошо работают с языком.
Мысля 4
Я со школы ненавижу термины.
Но сейчас особенно хорошо видно, как из-за них все запутались.
Например, есть австралийский стартап Cortical Labs, который выращивает нейроны и учит их работать с вычислительными задачами.
Вот это я понимаю — искусственный интеллект.
Они, например, смогли научить выращенные клетки играть в DOOM :)))
А то, что сейчас массово называют «искусственным интеллектом», в огромном количестве случаев — это генеративные ассистенты.
То есть системы, которые получили ваш запрос, сгенерировали ответ и сделали вид, что всё под контролем.
Если хочется более широкого термина — машинное обучение прекрасно объясняет почти всё происходящее.
И, что особенно приятно, этому термину уже не вчера исполнилось восемь лет.
Мысля 5
И, конечно, развитие на этом не остановится.
Сейчас по сути произошла обкатка идеи.
Дальше её будут допиливать напильником.
Крупные компании уже делают специализированные чипы для машинного обучения вместо того, чтобы просто использовать GPU.
Появляются tool calling и агенты — то есть способы дать модели доступ к реальным инструментам и заставить её не только разговаривать, но и что-то делать.
Оптимизируется и сама архитектура использования моделей.
Потому что сейчас они во многом работают абсурдно неэффективно.
Представьте: тысяча человек одновременно просит:
> «Перескажи мне “Войну и мир”, но так, чтобы препод не заметил, что это написала нейронка».
И тысяча запросов фактически обрабатывается отдельно.
В идеальном мире достаточно было бы один раз проделать работу, положить результат в условную память, а потом уже переиспользовать его там, где это возможно.
Но любая тема через два абзаца начинает казаться мне никому не нужной.
Поэтому принято стратегическое решение: писать как пишется.
Я предупредил 😄
Мысля 1
Похоже, языковые модели прошли этап своего самого бурного развития.
Теперь главный фронт — не столько сами модели, сколько всё, что вокруг них: инструменты, интеграции и взаимодействие с существующим софтом.
Мало научить модель хорошо отвечать на вопросы.
Надо научить её нажимать кнопки, читать документы, писать в CRM, запускать код, искать информацию, работать с почтой и вообще как-то проникать в нормальный человеческий компьютер.
И вот это, мне кажется, только начинается.
Мысля 2
Сегодня генеративные ассистенты стоят пользователю подозрительно дёшево.
ChatGPT, Алиса AI, DeepSeek и прочие существуют в том числе на инвестиционные деньги. Подписка за $10–20 в месяц вряд ли отражает полную стоимость той вычислительной инфраструктуры, которая стоит за сервисом.
Поэтому если вы всерьёз встраиваете такие штуки в жизнь, работу или бизнес, я бы хотя бы мысленно ответил на вопрос:
что мы будем делать, если привычная подписка внезапно станет в 10 раз дороже?
Потому что если посмотреть на экономику этих систем, вопрос скорее в том, *когда* цена перестанет быть символической, чем в том, станет ли она выше.
А есть ещё локальный прикол:
что делать, если доступ обрубят с обоих концов — и сервис не пускает вас, и ваш доступ к нему тоже исчезает?
Зависимость от чужого API — тоже зависимость.
Мысля 3
Чем закончится этот этап развития — вообще непонятно.
Одни обещают AGI: нечто вроде автономной системы, которая сама ставит себе подзадачи, принимает решения и умеет работать примерно со всем человеческим миром.
Другие уже строят человекоподобных роботов.
Третьи считают, что после хайпа всё это немного схлопнется, а от нынешней волны останется набор очень полезных инструментов.
Я, скорее, где-то рядом с третьими.
Потому что даже если никакого магического «общего интеллекта» завтра не случится, нынешние языковые модели уже очень хорошо помогают в программировании.
И это довольно логично: код — язык, а языковые модели как раз очень хорошо работают с языком.
Мысля 4
Я со школы ненавижу термины.
Но сейчас особенно хорошо видно, как из-за них все запутались.
Например, есть австралийский стартап Cortical Labs, который выращивает нейроны и учит их работать с вычислительными задачами.
Вот это я понимаю — искусственный интеллект.
Они, например, смогли научить выращенные клетки играть в DOOM :)))
А то, что сейчас массово называют «искусственным интеллектом», в огромном количестве случаев — это генеративные ассистенты.
То есть системы, которые получили ваш запрос, сгенерировали ответ и сделали вид, что всё под контролем.
Если хочется более широкого термина — машинное обучение прекрасно объясняет почти всё происходящее.
И, что особенно приятно, этому термину уже не вчера исполнилось восемь лет.
Мысля 5
И, конечно, развитие на этом не остановится.
Сейчас по сути произошла обкатка идеи.
Дальше её будут допиливать напильником.
Крупные компании уже делают специализированные чипы для машинного обучения вместо того, чтобы просто использовать GPU.
Появляются tool calling и агенты — то есть способы дать модели доступ к реальным инструментам и заставить её не только разговаривать, но и что-то делать.
Оптимизируется и сама архитектура использования моделей.
Потому что сейчас они во многом работают абсурдно неэффективно.
Представьте: тысяча человек одновременно просит:
> «Перескажи мне “Войну и мир”, но так, чтобы препод не заметил, что это написала нейронка».
И тысяча запросов фактически обрабатывается отдельно.
В идеальном мире достаточно было бы один раз проделать работу, положить результат в условную память, а потом уже переиспользовать его там, где это возможно.