До сих пор искусственный интеллект воспринимает мир как набор пикселей. Но что, если научить ИИ понимать смысл увиденного, а не только картинки? Один из свежих подходов — VLWM: модель, которая переводит реальность в слова и смыслы, позволяя роботам строить осмысленные планы на будущее. В этой статье разбираемся, как агенты научились планировать, проверять гипотезы внутри своей модели мира и выбирать самый разумный вариант.
Привет! С вами снова Дима Юдин — технический лидер по развитию искусственного интеллекта и ведущий трека про AI&ML. Как и обещал, делюсь подробностями, новостями и обновлениями с нашей IT-конференции GoCloud Tech 2025, которая состоялась в эту среду 3 сентября. На ней мы попробовали объединить AI, облачные технологии и данные. И вот что из этого получилось.
Вы когда-нибудь открывали папку «Архив_2017», чтобы среди файлов вроде «отчет_финал_второй_финал.xls» найти нечто, от чего зависит судьба проекта? А бывало в вашей компании такое, когда директора спорили на совещаниях: «Интуиция подсказывает — этот клиент уйдёт» — «А у нас цифры говорят, что останется»?
А что если давать ИИ не роль, а задать правила мышления? Рассматриваю альтернативный способ работы с LLM — архитектурный промтинг. В отличие от классической схемы («роль, контекст, формат, пример»), он смещает акцент на логику рассуждений и встроенные критерии проверки. Мне такой подход помогает снизить количество "галлюцинаций" и не терять интересные идеи в исследовательских и творческих задачах.
Как и большинство серьёзных спикеров в IT, я внимательно слежу за тем, какую роль могут сыграть в разработке ПО системы генеративного искусственного интеллекта. Думаю, возникновение больших языковых моделей (LLM) повлияет на разработку ПО примерно в той же степени, что и переход с ассемблера на первые высокоуровневые языки программирования. Чем дальше развиваются языки и фреймворки, тем сильнее абстрагируется наш код и, соответственно, возрастает продуктивность, но такие изменения пока не касаются самой природы программирования. При применении LLM – уже касаются, но я хочу поговорить о том, что LLM не только повышают уровень абстракции. Пользуясь ими, приходится учитывать, как выглядит программирование с использованием недетерминированных инструментов.
Как я уже говорил, высокоуровневые языки программирования вывели нас на совершенно новый уровень абстракции. Работая с ассемблером, я думаю о наборе инструкций для конкретной машинной архитектуры. Мне приходится продумывать даже самые простые действия, размышляя, как я буду осуществлять те или иные последовательности действий, записывая данные в нужные регистры. Но при работе с высокоуровневыми языками появилась возможность обдумывать программу как последовательность команд, в которой предусмотрены условные операторы, чтобы выбирать альтернативы для продолжения. Также в программе есть итерации, чтобы раз за разом применять команды к наборам значений данных. Многие элементы кода можно именовать, чтобы было ясно, что именно понимается под теми или иными значениями. Ранние языки программирования явно были в чём-то ограничены. Я начинал программировать на Fortran IV, где у операторов «IF» не было условия «ELSE». Поэтому мне приходилось как-то запоминать мои целочисленные переменные, и я начинал их с букв от «I» до «N».
Привет! Меня зовут Александр Золотых, уже два года я работаю во ВкусВилле разработчиком ИИ-решений. В этой статье хочу рассказать, как мы сделали карманного консультанта по клиентократии — и зачем вообще он понадобился.
ВкусВилл работает по клиентократии — модели управления, которую развивает и распространяет система управления Beyond Taylor. Основная особенность клиентократии — фокус на клиенте, когда все процессы компании выстраиваются для удовлетворения его потребности. Модель инновационная: погружаешься, и возникает множество вопросов. Конечно, лучше спросить и узнать, чем не спросить и не узнать, но не всем и не всегда это просто. Значит, нужно снижать порог входа и сделать описание модели ближе к изучающему.
Именно из этого понимания у нашей команды и появилась идея карманного консультанта — инструмента, который готов отвечать на все «глупые» и каверзные вопросы. Мы поделились замыслом с коллегами из Beyond Taylor, получили их поддержку и приступили к реализации. Так родилась наша первая задача с тем, что сейчас называется RAG (Retrieval-Augmented Generation).
Конечно, есть готовые решения (Notebook LM, Нейроэксперт), но они имеют несколько минусов:
Когда сегодня говорят про искусственный интеллект, почти всегда имеют в виду GPT-модели. Кажется, что весь рынок инноваций свёлся к чатам с нейросетями. Но это искажение. Пока внимание сосредоточено на OpenAI, рядом существует компания, которая делает не менее масштабную революцию, но в другой плоскости.
Niantic — та самая студия, подарившая миру Pokémon Go. Для многих это всего лишь игра с покемонами в дополненной реальности. Но на самом деле Niantic годами выстраивает совершенно другой бизнес: она превращает миллионы игроков в добровольных картографов, которые собирают уникальные данные о мире. И эти данные становятся основой для геопространственных ИИ-моделей — того самого «пространственного интеллекта», который завтра будет управлять роботами, строить 3D-карты городов и задавать новые стандарты AR.
Это публикация‑опрос. Поэтому и такой заголовок :-) Отсылку поймут не только лишь все, но главная цель — привлечь внимание народа к опросу.
В принципе, публикацию можно даже и не читать. Она просто поясняет, откуда взялись два варианта между которыми нужно выбирать по итогу — какое из двух названий лучше применить в технической документации.
Буду благодарен всем, кто поучаствует в голосовании.
Команда AI for Devs подготовила перевод статьи о метрике Percentage of Code Written (PCW) от Windsurf. Эта метрика показывает, какой процент кода в проекте реально пришёл от ИИ. Авторы утверждают: PCW надёжнее привычных показателей вроде acceptance rate и отражает, насколько продукт действительно помогает разработчикам. А как вы думаете — можно ли измерить ценность ИИ в цифрах?
Презентация GPT-5, ожидавшаяся как революция, обернулась разочарованием. Это событие вызвало споры о пределах возможностей LLM. В статье анализируется, почему технология, названная Ноамом Хомским «Т9 на стероидах», пока не способна на научные открытия. Что ждет индустрию дальше? Рассматриваются технические барьеры, гонка за вычислительными мощностями и фундаментальные вопросы о будущем ИИ. Создаем ли мы помощника или цифрового бога в надежде решить все проблемы человечества.
Привет, Хабр!
Меня зовут Анатолий, занимаюсь диалоговыми системами, автоматизацией бизнес-процессов, применением Искусственного Интеллекта в бизнесе.
Кейсовая задача - создать ассистента оператора службы поддержки, используя существующую историю тикетов.
Если вы когда-нибудь пытались получить нужный отчет из базы данных с помощью ИИ — скорее всего, столкнулись с забавной загадкой: почему-то даже продвинутые языковые модели то спотыкаются на связях между таблицами, то забывают ключевую фильтрацию, то просто возвращают не тот ответ. Формально запрос работает, а по сути — совсем не то. Почему так происходит? И можно ли научить ИИ писать правильный SQL, а не гадать до бесконечности?
В новой статье исследователи предлагают необычный подход: они учат модель распознавать собственные ошибки и исправлять логику, а не просто механически менять структуру запроса. Заодно выясняем, насколько такая система помогает избежать классических промахов и что изменится для пользователей, которым важно получать не просто рабочий код, а действительно осмысленный результат.
Приведём здесь найденные в архивах древних записей сохранившиеся сведения о древнем чуде света (в буквальном смысле) - хроноскопе. Записи датируются 1177 годом текущей эры. Предположительно, эти сведения были составлены в соавторстве с некоей египетской Фантазией.
Загружая фото в ChatGPT или другие ИИ-сервисы, мы редко задумываемся, что отдаем куда больше данных, чем кажется на первый взгляд. Метаданные, детали фона, лица посторонних людей или даже случайно попавшие в кадр документы могут превратиться в ценный набор информации для компаний и потенциальных злоумышленников. Эксперты по кибербезопасности предупреждают: снимок, который вы считаете безобидным, может продолжить существовать и использоваться компаниями и системами ИИ даже после того, как вы завершите с ним взаимодействие.
Всем привет! Меня зовут Андрей Попов, я SEO-специалист в AGIMA. Сегодня поговорим на тему, которая в 2025 году становится критически важной для любого бизнеса, работающего в диджитал. Поисковые системы и ИИ-ассистенты вроде Алисы, Gemini или ChatGPT меняют правила игры: они теперь не просто ищут страницы, а сами «понимают» контент, анализируют его и выдают готовые ответы пользователям.
Классическое SEO уже не работает без глубокого внедрения структурированных данных. Именно микроразметка превращает ваш сайт в «язык», который понимают машины. FAQPage, HowTo, таблицы сравнений — это не просто технические теги, а прямые мосты между вашим контентом и ИИ. В этой статье разберем, как сделать сайт читаемым для искусственного интеллекта и при этом полезным для живых людей.
Давайте поговорим о самом недооценённом навыке в генерации видео. Нет, это не подбор оформления «в стиле Миядзаки» и не магия идеального освещения. Это — звук. Именно он создаёт то самое неповторимое настроение, ту самую магию, которая заставляет зрителя досмотреть ваш шедевр до конца, а не закрыть через три секунды.
Суть в том, чтобы не перечислять звуки, а погружать нейросеть в атмосферу, описывать мир вокруг так, как будто вы сами в нём находитесь. И знаете, это сработало! Veo 3 оказался куда более чутким слушателем, чем я думал.
Привет! Это новый выпуск «Нейро-дайджеста» — коротких и полезных обзоров ключевых событий в мире искусственного интеллекта и технологий.
Меня зовут Вандер, и каждую неделю я обозреваю новости о нейросетях и ИИ.
Неделя выдалась интересной: xAI выкатила Grok Code Fast 1, Microsoft показала первую LLM. Громкий релиз nano-banana, Anthropic тестирует Claude в Chrome, Krea показывает реалтайм-видео, а YouTube тихо апскейлит ролики.
Всё самое важное — в одном месте. Поехали!
Спустя пару месяцев после релиза, в самом конце июля, разработчики Google Veo 3 добавили ту самую кнопочку Загрузить изображение. Я обожал эту фишку в Veo 2, но в третьей версии нейросеть просто взлетела по качеству. В общем, в этой статье — полный разбор, как оживить со звуком всё что угодно: от вашего кота до стрит‑арта Бэнкси.
Последнее время про генеративный ИИ не говорит и не пишет только ленивый (я вот, например, точно не ленивый). Причем это последнее время тянется уже минимум года 2–3 — с тех пор, как, собственно, OpenAI прогремели с ChatGPT 3. И скажу даже больше, если посмотреть на профильные ИИ‑конференции, то 80-90% докладов будет про генеративный ИИ. А если посмотреть на отраслевые конференции, то 80-90% докладов про применение ИИ в той или иной отрасли.
Честно скажу — такое засилье генИИ меня несколько удивляет. Складывается ощущение, что никакого другого ИИ уже не существует и все уже забыли про видеоаналитику, предиктивку и вот эти все непонятные слова.
Что любопытно, если посмотреть на оценки экономического эффекта от внедрения генИИ, то он достаточно скромен — 20%, по данным исследования «Яков и Партнеры». Вот и получается — 80% шума дает нам ИИ, который на самом деле принесет только 20% денег. Такой «принцип Парето» наоборот получается. И эти цифры меня заставили задуматься — а в чем же причина такой популярности генеративного ИИ, и почему так много шума из‑за не самой полезной темы?
Одна из самых распространённых задач для AI-ассистента — поиск ответов на вопросы. Пользователи ожидают, что он сможет находить информацию во внутренних wiki, базах знаний техподдержки, Word-документах, Excel-файлах и других корпоративных источниках.
Сегодня такой поиск чаще всего реализуется с помощью подхода Retrieval-Augmented Generation (RAG). Суть проста: сначала ассистент находит фрагменты документов, которые кажутся релевантными запросу, и уже на их основе формирует связанный ответ.
На первый взгляд схема выглядит логичной. Но на практике у классического RAG есть целый ряд ограничений, которые быстро дают о себе знать при реальных внедрениях. В этой статье мы разберём основные проблемы и покажем, как можно их обойти.
