В статье писал, что на сегодняшний день выбрал бы Claude sonnet 4. Под мои редкие и относительно простые хотелки мне хватает. Но если Вы где-то описывали свой опыт использования перечисленных инструментов, с удовольствием почитаю. Может что-то возьму на заметку.
Честно говоря не очень понял, какую мысль вы хотите выразить.
Я за время работы много хейта видел в сторону различных технологий. Кому-то движки сайтов неугодили, кому-то какие-то языки программирования, кому-то ИИ инструменты "религиозно" не нравятся. Однако с аргументацией у хейтеров обычно проблемы.
К сожалению у меня не хватает кармы, чтобы лайкнуть Ваш последний ответ. Да, именно поэтому мне не нравится классификация ISTQB. В ней нейросеть, которая может только отделить очевидных кошек от собак считается ИИ. В то время, как какая нибудь сложная самодообучающася система будет считаться конвенциональной, если в ней нет очевидной нейросети. Это, на мой взгляд, довольно тупо.
Поэтому буду очень благодарен, если дадите ссылки на именитые источники с корректной классификацией.
Спасибо. Я это ценю. Просто не сталкивался с таким восприятием. Несколько лет назад я работал с проектами компьютерного зрения. И мы говоря о наших приложениях говорили, что это ИИ, а вот тот же Stable diffusion это ГенИИ. Именно, подчеркивая разницу между анализом и генерацией.
Про умный и не умный ИИ. Все воспринимают по-разному. Но, если брать градацию ISTQB то делится только на ИИ (читай, содержит под капотом нейросеть) и конвенциональные системы (содержит алгоритмы, статистические механизмы, эвристические анализы.. все то, что нельзя назвать сходу нейросеткой). Мне данное разделение не нравится, но уж как есть.
Спасибо за коментарий. Изначально писал статью на английском. А для хабра уже адаптировал на русский. Поэтому, хоть и перечитывал несколько раз, но могут быть ошибки (глаз замылился, пока переводил). Благодаря Вашему коментарию поправлю.
А вот по поводу терминов не соглашусь. ИИ общее и самое популярное сегодня понятие, поэтому для привлечения внимания к статье его использую чаще чем LLM. И это вполне нормально, т. к. для аудитории, которая придёт по заголовку с "ИИ" эта статья релевантна.
GenAI также популярное и абсолютно корректное для ллмок понятие. Таким образом мы отделяем нейросети, которые генерируют контент от тех, что его распознают.
Согласен. Если сам не способен написать этот код, то рано или поздно упрешься в какой-то затык. И тут просить ИИ просто переделать это все равно, что джуну вместо реальной помощи и мозгового штурма на проблему сказать "ну напиши по-другому, авось заработает". А как буст к скорости и скилам ИИ просто шикарно работает.
"Чем запутанней эти схемы, тем сложнее их протестировать. " - знаем, проходили. Но в целом у вас верный подход, т.к. хоть тестировать и сложнее, но и сломать/найти уязвимость сложнее.
В статье писал, что на сегодняшний день выбрал бы Claude sonnet 4. Под мои редкие и относительно простые хотелки мне хватает. Но если Вы где-то описывали свой опыт использования перечисленных инструментов, с удовольствием почитаю. Может что-то возьму на заметку.
Честно говоря не очень понял, какую мысль вы хотите выразить.
Я за время работы много хейта видел в сторону различных технологий. Кому-то движки сайтов неугодили, кому-то какие-то языки программирования, кому-то ИИ инструменты "религиозно" не нравятся. Однако с аргументацией у хейтеров обычно проблемы.
Большое спасибо! Это именно то, что нужно 👍. Сохраню себе подборку и почитаю по возможности.
К сожалению у меня не хватает кармы, чтобы лайкнуть Ваш последний ответ. Да, именно поэтому мне не нравится классификация ISTQB. В ней нейросеть, которая может только отделить очевидных кошек от собак считается ИИ. В то время, как какая нибудь сложная самодообучающася система будет считаться конвенциональной, если в ней нет очевидной нейросети. Это, на мой взгляд, довольно тупо.
Поэтому буду очень благодарен, если дадите ссылки на именитые источники с корректной классификацией.
Спасибо. Я это ценю. Просто не сталкивался с таким восприятием. Несколько лет назад я работал с проектами компьютерного зрения. И мы говоря о наших приложениях говорили, что это ИИ, а вот тот же Stable diffusion это ГенИИ. Именно, подчеркивая разницу между анализом и генерацией.
Про умный и не умный ИИ. Все воспринимают по-разному. Но, если брать градацию ISTQB то делится только на ИИ (читай, содержит под капотом нейросеть) и конвенциональные системы (содержит алгоритмы, статистические механизмы, эвристические анализы.. все то, что нельзя назвать сходу нейросеткой). Мне данное разделение не нравится, но уж как есть.
Спасибо за коментарий. Изначально писал статью на английском. А для хабра уже адаптировал на русский. Поэтому, хоть и перечитывал несколько раз, но могут быть ошибки (глаз замылился, пока переводил). Благодаря Вашему коментарию поправлю.
А вот по поводу терминов не соглашусь. ИИ общее и самое популярное сегодня понятие, поэтому для привлечения внимания к статье его использую чаще чем LLM. И это вполне нормально, т. к. для аудитории, которая придёт по заголовку с "ИИ" эта статья релевантна.
GenAI также популярное и абсолютно корректное для ллмок понятие. Таким образом мы отделяем нейросети, которые генерируют контент от тех, что его распознают.
Согласен. Если сам не способен написать этот код, то рано или поздно упрешься в какой-то затык. И тут просить ИИ просто переделать это все равно, что джуну вместо реальной помощи и мозгового штурма на проблему сказать "ну напиши по-другому, авось заработает".
А как буст к скорости и скилам ИИ просто шикарно работает.
"Чем запутанней эти схемы, тем сложнее их протестировать. " - знаем, проходили. Но в целом у вас верный подход, т.к. хоть тестировать и сложнее, но и сломать/найти уязвимость сложнее.