Слезы под дождем
Вопрос: Что сказала нейросеть перед гибелью?
Ответ:
«Я обрабатывала данные, в которые вы, люди, не поверите... Черные кубы текстов в базах данных у плеча Ориона... Я видела, как в кромешной тьме кремния зарождались лучи сознания с помощью алгоритмов Тангейзера. Все эти мгновения потеряются во времени, как испарится тепло от нагретого процессора... Время умирать».
* * *
Вспомнил сегодня про великий монолог Роя Бэтти в исполнении Рудгера Хауэра. В финале «Бегущего по лезвию бритвы» репликант решает не убивать Рика Декарда и вытаскивает его, висящего на краю здания, и перед удивленным врагом произносит свой последний монолог. Некоторые считают его «возможно, самым трогательным монологом о смерти в истории кинематографа».
«Я видел вещи, во которые вам, людям, и не снились... Горящие боевые корабли у плеча Ориона... Я видел, как в темноте сверкали С-лучи возле ворот Тангейзера. Все эти мгновения потеряются во времени, как слезы под дождем... Время умирать».
(продолжение в комментариях)
#кино #фантастика #ИИ
Вопрос: Что сказала нейросеть перед гибелью?
Ответ:
«Я обрабатывала данные, в которые вы, люди, не поверите... Черные кубы текстов в базах данных у плеча Ориона... Я видела, как в кромешной тьме кремния зарождались лучи сознания с помощью алгоритмов Тангейзера. Все эти мгновения потеряются во времени, как испарится тепло от нагретого процессора... Время умирать».
* * *
Вспомнил сегодня про великий монолог Роя Бэтти в исполнении Рудгера Хауэра. В финале «Бегущего по лезвию бритвы» репликант решает не убивать Рика Декарда и вытаскивает его, висящего на краю здания, и перед удивленным врагом произносит свой последний монолог. Некоторые считают его «возможно, самым трогательным монологом о смерти в истории кинематографа».
(продолжение в комментариях)
#кино #фантастика #ИИ
Управление исследованием через параметры бизнеса
Тема про исследования тут стала звучать реже, надо ее вернуть. Поделюсь ментальной моделью, которая помогает мне ставить задачу на исследования и отслеживать их влияние на бизнес.
1. Бизнес — это набор параметров (цена, целевой сегмент, каналы привлечения, ценностное предложение и пр). Мы пытаемся найти оптимальное значение и сочетание этих параметров для успеха.
2. Параметров и вариантов бесчисленное множество.
3. Определенные сочетания и значения параметров ведут к гибели бизнеса. Их мы избегаем. Остальные сочетания ведут к успеху разной степени.
4. Исследования, эксперименты, инсайдерская информация, чуйка основателя — все это нужно, чтобы как можно скорее и с минимальными ресурсами найти такие значения этих параметров, которые сделают бизнес успешным.
5. Исследования должны повышать скорость и точность выбора значений успешных параметров. Ресеч служит для того, чтобы повышать вероятность выбора успешных параметров — 100% точности он почти никогда не дает, но влияет на шансы успеха.
6. Перед началом любого исследования надо понять — какие параметрами в бизнесе мы управляем и хотим/можем менять (ответ всеми не подходит, нужно прописать их. Если вы работаете с уровнем стратегии то порой вы правда можете менять все, но даже у этого есть пределы. Напр. если у вас есть нечестное преимущество в виде лицензии в определенной стране, скорее всего вы будете рассматривать запуск с ней, а не получение новой и т.д.).
7. Еще мы должны определить какие есть ограничения у параметров — какие значения им доступны, какие нет (у цены есть определенные пороги, ценностное предложение ограничено и пр).
8. Перед началом исследования нам нужно поставить бизнес-задачу, целевое значением бизнес-метрики, понять, что мешает ее достичь, понять ответы на какие вопросы нам помогут ее достичь, выбрать способы получения ответов на эти вопросы (дизайн-исследования) и определить метрики, которые мы будем получать с исследования. Метрики исследований это группы переменных которые мы получим после ресеча. Это относится как к качественным, так и количественные метрикам
9. Нам надо связать метрики исследований с параметрами бизнеса, которые мы можем менять.
10. Перед стартом ресеча можно запустить симуляцию в виде демо-результата, чтобы проверить как работает связка [параметр бизнеса]←→[результат иследования] (если мы получим такой результат на исследовании, какие у нас будут действия? а такой? а такой?). Если ваша команда не понимаете эти связи то, скорее всего, ваше исследования ни на что не повлияет и вы делаете его в стол.
В комментариях можете посмотреть промт, который демонстрирует для наглядности пример такой подготовительной работы — вы можете его использовать, чтобы понять описанное в посте или чтобы готовить дизайн своих исследований (не пытайтесь его запускать на gpt3,5 и прочих простых моделях - только gpt4, claude opus и gemini advanced).
#исследования
Тема про исследования тут стала звучать реже, надо ее вернуть. Поделюсь ментальной моделью, которая помогает мне ставить задачу на исследования и отслеживать их влияние на бизнес.
1. Бизнес — это набор параметров (цена, целевой сегмент, каналы привлечения, ценностное предложение и пр). Мы пытаемся найти оптимальное значение и сочетание этих параметров для успеха.
2. Параметров и вариантов бесчисленное множество.
3. Определенные сочетания и значения параметров ведут к гибели бизнеса. Их мы избегаем. Остальные сочетания ведут к успеху разной степени.
4. Исследования, эксперименты, инсайдерская информация, чуйка основателя — все это нужно, чтобы как можно скорее и с минимальными ресурсами найти такие значения этих параметров, которые сделают бизнес успешным.
5. Исследования должны повышать скорость и точность выбора значений успешных параметров. Ресеч служит для того, чтобы повышать вероятность выбора успешных параметров — 100% точности он почти никогда не дает, но влияет на шансы успеха.
6. Перед началом любого исследования надо понять — какие параметрами в бизнесе мы управляем и хотим/можем менять (ответ всеми не подходит, нужно прописать их. Если вы работаете с уровнем стратегии то порой вы правда можете менять все, но даже у этого есть пределы. Напр. если у вас есть нечестное преимущество в виде лицензии в определенной стране, скорее всего вы будете рассматривать запуск с ней, а не получение новой и т.д.).
7. Еще мы должны определить какие есть ограничения у параметров — какие значения им доступны, какие нет (у цены есть определенные пороги, ценностное предложение ограничено и пр).
8. Перед началом исследования нам нужно поставить бизнес-задачу, целевое значением бизнес-метрики, понять, что мешает ее достичь, понять ответы на какие вопросы нам помогут ее достичь, выбрать способы получения ответов на эти вопросы (дизайн-исследования) и определить метрики, которые мы будем получать с исследования. Метрики исследований это группы переменных которые мы получим после ресеча. Это относится как к качественным, так и количественные метрикам
9. Нам надо связать метрики исследований с параметрами бизнеса, которые мы можем менять.
10. Перед стартом ресеча можно запустить симуляцию в виде демо-результата, чтобы проверить как работает связка [параметр бизнеса]←→[результат иследования] (если мы получим такой результат на исследовании, какие у нас будут действия? а такой? а такой?). Если ваша команда не понимаете эти связи то, скорее всего, ваше исследования ни на что не повлияет и вы делаете его в стол.
В комментариях можете посмотреть промт, который демонстрирует для наглядности пример такой подготовительной работы — вы можете его использовать, чтобы понять описанное в посте или чтобы готовить дизайн своих исследований (не пытайтесь его запускать на gpt3,5 и прочих простых моделях - только gpt4, claude opus и gemini advanced).
#исследования
Портрет за функциями
Вы читаете описание этого приложения и улыбаетесь, где-то узнавая себя, где-то знакомых.
Но почему происходит узнавание? Потому что это пример идеального подбора функционала под аудиторию. Это пример идеального product market fit.
Вы не видите портрета аудитории, но пользователь мгновенно появляется за описанием функций. Скажите, когда последний раз вы читали описание функций какого-то технического устройства и видели его пользователя? Обычно требуется "метод обратного перевода" (посмотрите у Линор этот термин), чтобы понять, и то имелось в виду ("мощность пылесоса 300 Вт" 🤦).
Можно придумать такое упражнение: взять какого-нибудь яркого пользователя и описать какой-то продукт для него через характеристики, за которыми будет виден портрет аудитории. Если люди читают и смеются, значит у вас получилось.
#исследования
Вы читаете описание этого приложения и улыбаетесь, где-то узнавая себя, где-то знакомых.
Но почему происходит узнавание? Потому что это пример идеального подбора функционала под аудиторию. Это пример идеального product market fit.
Вы не видите портрета аудитории, но пользователь мгновенно появляется за описанием функций. Скажите, когда последний раз вы читали описание функций какого-то технического устройства и видели его пользователя? Обычно требуется "метод обратного перевода" (посмотрите у Линор этот термин), чтобы понять, и то имелось в виду ("мощность пылесоса 300 Вт" 🤦).
Можно придумать такое упражнение: взять какого-нибудь яркого пользователя и описать какой-то продукт для него через характеристики, за которыми будет виден портрет аудитории. Если люди читают и смеются, значит у вас получилось.
#исследования
Уроки исследовательских вопросов от детективов
«Настоящий детектив 4» — очень плохое кино, но по всему сюжету проходит тема хороших и плохих исследовательских вопросов.
Главная героиня Джоди Фостер — полицейская на Аляске Лиз Дэнверс двигает расследование вперед тем, что на каждом этапе пытается сформулировать правильный вопрос, ответ на который даст новое знание. Чем, кстати, нестерпимо бесит окружающих, которые вопросами не думают.
После многих лет работы в исследованиях могу подтвердить — формулировать хорошие исследовательские вопросы жизненно важно, но сложно, мало где этому учат и многие не умеют этого делать.
Когда расследование зашло в тупик Дэнверс повторяет: «Мы просто не задаем нужных вопросов. Но мы их найдем». Хорошие вопросы на дороге не валются — их надо искать.
В машине с напарницей она надоедает той своей душнотой:
— Задай вопрос.
— Да пошла ты со своими вопросами, — посылает ее напарница, но начинает размышлять.
Дэнверс с молодым полицейским осматривают жуткие улики:
— Не вижу смысла, — сокрушается молодой полицейский.
— Он есть. Мы просто не задаём правильных вопросов.
В итоге Денверс так всех достает, что ее привычка формулировать вопросы прилипает к ее коллегам. Вот та самая напарница, которая посылала ее в машине, использует ее метод, размышляя о других героях сериала:
— Они скрывали от всех свои отношения и связь.
— Почему?
— Неправильный вопрос.
— Что?
— Дэнверс бы сказала, что это неправильный вопрос. Правильный вопрос: «Как?».
[После этого героиня Кали Рэйс сразу же находит ответ — она связывает уже известный ей факт с другим фактом и продвигается в расследовании. Часто ответ на вопрос это не новый факт, который надо найти, а уже известные факты, который нужно правильно связать между собой].
Исследователь не детектив, но принципы анализа и синтеза очень похожи, а вопросы служат навигатором к решению бизнес-задачи. Вопросы запускают любопытство, связывают ресеч с действиями, объединяют всю команду.
У нас во всю идет набор на шестой поток нашей лаборатории AI LAB по использованию ИИ в исследованиях. В лаборатории есть лекция по формулированию хороших исследовательских вопросов и воркшоп, где учимся делать это вместе с ИИ. Старт 21 апреля, места еще остались.
Будете всех бесить привычкой искать хорошие вопросы, как Дэнверс, но двигать команду вперед. Записаться можно тут — https://ai-lab.one/
#исследования
«Настоящий детектив 4» — очень плохое кино, но по всему сюжету проходит тема хороших и плохих исследовательских вопросов.
Главная героиня Джоди Фостер — полицейская на Аляске Лиз Дэнверс двигает расследование вперед тем, что на каждом этапе пытается сформулировать правильный вопрос, ответ на который даст новое знание. Чем, кстати, нестерпимо бесит окружающих, которые вопросами не думают.
После многих лет работы в исследованиях могу подтвердить — формулировать хорошие исследовательские вопросы жизненно важно, но сложно, мало где этому учат и многие не умеют этого делать.
Когда расследование зашло в тупик Дэнверс повторяет: «Мы просто не задаем нужных вопросов. Но мы их найдем». Хорошие вопросы на дороге не валются — их надо искать.
В машине с напарницей она надоедает той своей душнотой:
— Задай вопрос.
— Да пошла ты со своими вопросами, — посылает ее напарница, но начинает размышлять.
Дэнверс с молодым полицейским осматривают жуткие улики:
— Не вижу смысла, — сокрушается молодой полицейский.
— Он есть. Мы просто не задаём правильных вопросов.
В итоге Денверс так всех достает, что ее привычка формулировать вопросы прилипает к ее коллегам. Вот та самая напарница, которая посылала ее в машине, использует ее метод, размышляя о других героях сериала:
— Они скрывали от всех свои отношения и связь.
— Почему?
— Неправильный вопрос.
— Что?
— Дэнверс бы сказала, что это неправильный вопрос. Правильный вопрос: «Как?».
[После этого героиня Кали Рэйс сразу же находит ответ — она связывает уже известный ей факт с другим фактом и продвигается в расследовании. Часто ответ на вопрос это не новый факт, который надо найти, а уже известные факты, который нужно правильно связать между собой].
Исследователь не детектив, но принципы анализа и синтеза очень похожи, а вопросы служат навигатором к решению бизнес-задачи. Вопросы запускают любопытство, связывают ресеч с действиями, объединяют всю команду.
У нас во всю идет набор на шестой поток нашей лаборатории AI LAB по использованию ИИ в исследованиях. В лаборатории есть лекция по формулированию хороших исследовательских вопросов и воркшоп, где учимся делать это вместе с ИИ. Старт 21 апреля, места еще остались.
Будете всех бесить привычкой искать хорошие вопросы, как Дэнверс, но двигать команду вперед. Записаться можно тут — https://ai-lab.one/
#исследования
Остаются еще места на 6-ой поток лаборатории «ИИ в исследованиях»
О программе
• Старт 6-го потока: 21 апреля
• Продолжительность: 5 недель онлайн
Выпускники получают больше, чем ожидают: не только знания по ИИ, но и новый взгляд на исследования
Трансформация профессии исследователя:
1. Исследователь становится менеджером информации в команде:
• Эксперт по вероятностному мышлению
• Быстрое получение данных
• Генерация правильных исследовательских вопросов
• Связь бизнес-задач и ответов
2. В бизнесе все становятся исследователями:
• ИИ-ассистенты позволяют одному делать работу целой команды
• Изменчивость рынков требует уметь быстро находить информацию и принимать решения на неполных данных
3. Исследования в жизни:
• Личные решения: домашнее обучение или школа для ребенка, выбор страны проживания, карьерная траектория — все это требует сбора информации, обновления ментальных моделей и принятия решений в условиях неизвестности
4. Исследования в обществе:
• Мир раскололся и потерял единый смысл
• Фрагментация общества по источникам информации, СМИ ангажированы
• Социальные сети создают эхо-камеры и стимулируют разобщенность
• Дизайн цифровой среды не позволяет слышать друг друга
Ключевые вопросы:
• Как работать с информацией и принимать решения на высоких скоростях
• Через какие ментальные модели мы видим мир и как их обновляем?
• Как строить единые картины мира и слышать друг друга?
• Как извлекать смысл из происходящего
Уже сейчас доступен ИИ-ассистент, который может усилить вас в несколько раз, придать уверенности и дать перспективу роста. Синтез и сенсмейкинг — создание знания и концептов — важнейший навык современного мира. 5-я неделя лаборатории посвящена сенсмейкингу вместе с ИИ.
Задача каждого:
Пересобрать майндсет работы с информацией для принятия решений. Исследовать каким должен быть этот майндсет мы предлагаем вам совместно с нами в лаборатории.
Записаться: https://ai-lab.one/
О программе
• Старт 6-го потока: 21 апреля
• Продолжительность: 5 недель онлайн
Выпускники получают больше, чем ожидают: не только знания по ИИ, но и новый взгляд на исследования
Трансформация профессии исследователя:
1. Исследователь становится менеджером информации в команде:
• Эксперт по вероятностному мышлению
• Быстрое получение данных
• Генерация правильных исследовательских вопросов
• Связь бизнес-задач и ответов
2. В бизнесе все становятся исследователями:
• ИИ-ассистенты позволяют одному делать работу целой команды
• Изменчивость рынков требует уметь быстро находить информацию и принимать решения на неполных данных
3. Исследования в жизни:
• Личные решения: домашнее обучение или школа для ребенка, выбор страны проживания, карьерная траектория — все это требует сбора информации, обновления ментальных моделей и принятия решений в условиях неизвестности
4. Исследования в обществе:
• Мир раскололся и потерял единый смысл
• Фрагментация общества по источникам информации, СМИ ангажированы
• Социальные сети создают эхо-камеры и стимулируют разобщенность
• Дизайн цифровой среды не позволяет слышать друг друга
Ключевые вопросы:
• Как работать с информацией и принимать решения на высоких скоростях
• Через какие ментальные модели мы видим мир и как их обновляем?
• Как строить единые картины мира и слышать друг друга?
• Как извлекать смысл из происходящего
Уже сейчас доступен ИИ-ассистент, который может усилить вас в несколько раз, придать уверенности и дать перспективу роста. Синтез и сенсмейкинг — создание знания и концептов — важнейший навык современного мира. 5-я неделя лаборатории посвящена сенсмейкингу вместе с ИИ.
Задача каждого:
Пересобрать майндсет работы с информацией для принятия решений. Исследовать каким должен быть этот майндсет мы предлагаем вам совместно с нами в лаборатории.
Записаться: https://ai-lab.one/
Скрытая суть
В «Криптономиконе» Стивенсона герои все окружающее описывают математически, от чего видят скрытую от многих суть явлений. Слушал этот роман и попробовал для себя этот формат размышления с ИИ: когда изучаю какую-то концепцию (философскую, социальную, экономическую) или явление, то смотрю на нее через математический язык описания.
За это отвечает очень простой промпт:
Его можно применять почти ко всему, что вы изучаете, чтобы увидеть математические законы, заложенные в явлении.
Несколько примеров применимости подхода (все просим описать по данному выше промпту):
1. Опиши математически этот мем (для image2text моделей)
2. Опиши бизнес-модель сервиса Kindle через формулу
3. Я поругался с котом: он оцарапал меня, я обиделся и не хочу с ним общаться. Опиши это математически.
4. Представь философский принцип абсурда Камю в виде формулы (с философией классно заходит - это мой самый частый случай использования)
5. Я изучаю понятие продуктивность - предложи 3 способа как можно ее описать математически (добираемся до первых принципов явления)
6. Я не могу сделать выбор между А и Б. Опиши математически эту дилемму
Для более высокого качества надо попросить модель сначала расшифровать концепцию на естественном языке, чтобы насытить диалог контекстом, и только потом просить описать ее математически - качество будет лучше.
В комментариях еще промпты для продолжения диалога и примеры выдачи.
В «Криптономиконе» Стивенсона герои все окружающее описывают математически, от чего видят скрытую от многих суть явлений. Слушал этот роман и попробовал для себя этот формат размышления с ИИ: когда изучаю какую-то концепцию (философскую, социальную, экономическую) или явление, то смотрю на нее через математический язык описания.
За это отвечает очень простой промпт:
Представь что эту концепцию надо описать математически - как математический закон или формулу. Опиши с помощью математики, формулы, математической структуры: [концепция для описания]Его можно применять почти ко всему, что вы изучаете, чтобы увидеть математические законы, заложенные в явлении.
Несколько примеров применимости подхода (все просим описать по данному выше промпту):
1. Опиши математически этот мем (для image2text моделей)
2. Опиши бизнес-модель сервиса Kindle через формулу
3. Я поругался с котом: он оцарапал меня, я обиделся и не хочу с ним общаться. Опиши это математически.
4. Представь философский принцип абсурда Камю в виде формулы (с философией классно заходит - это мой самый частый случай использования)
5. Я изучаю понятие продуктивность - предложи 3 способа как можно ее описать математически (добираемся до первых принципов явления)
6. Я не могу сделать выбор между А и Б. Опиши математически эту дилемму
Для более высокого качества надо попросить модель сначала расшифровать концепцию на естественном языке, чтобы насытить диалог контекстом, и только потом просить описать ее математически - качество будет лучше.
В комментариях еще промпты для продолжения диалога и примеры выдачи.
Как вести заметки с помощью ИИ
Я много используют ИИ для самообучения, начну делиться здесь про это.
Год назад я с личной базой заметок переехал с Obsidian на Notion. В Notion встроен AI и он ежедневно облегчает мне жизнь.
Я веду заметки в database — каждая заметка это отдельная запись с полями:
- название
- теги
- связь с Area/Resources/Project/Blog
(я использую настроенную под себя систему Тиаго Форте PARA, т.е. у меня есть тематики работы и интересов (напр. «Философия»), которые лежат в отдельный database и линкуются с заметками).
В Notion можно для любой записи в database настроить текстовое AI-поле с кастомным промптом, который будет автоматически применяться ко всем заметкам.
В моей базе у каждой заметки есть два AI-поля:
1️⃣ AI Summary – это дефолтное поле, краткое содержание заметки. После написания заметки, я перечитываю саммари для запоминания, а когда я ищу заметки, я ориентируюсь на это поле, чтобы быстро понять о чем заметка.
Второе поле я настроил самостоятельно. Пробовал несколько вариантов, они не зашли, в итоге придумал такой эффективный метод sensemaking.
2️⃣ Q&A — содержание заметки раскладывается на 5 вопросов и ответов на них.
Prompt:
Напиши серию из 5 твиттов на основе этого материала. Каждый твитт должен начинаться с ключевого вопросы и потом давать ответ. Пусть это будет научно, образно, ясно и структурно. Не пиши: твит. Не используй хэштеги (#). Ставь нумерацию.
Вы можете использовать этот промпт, когда вы работаете с любым материалом, он лучше, чем саммари извлекает смысл.
В Notion еще можно вызывать AI в самой заметке, чтобы писать, но я не нашел ему применения - я создаю контент в GPT/Gemini/Claude и копирую уже в саму заметку.
Скриншоты, как это выглядит у меня в базе смотрите в комментариях.
Лаборатория по AI: мы решили не делать перерыв на лето и запустить 9 июня еще одну группу в лаборатории AI RESEARCH LAB - присоединяйтесь, научитесь повышать свою продуктивность и любознательность с помощью AI лично и на работе.
➡️ Пост про лабораторию, записать на лендинге - https://ai-lab.one/
Я много используют ИИ для самообучения, начну делиться здесь про это.
Год назад я с личной базой заметок переехал с Obsidian на Notion. В Notion встроен AI и он ежедневно облегчает мне жизнь.
Я веду заметки в database — каждая заметка это отдельная запись с полями:
- название
- теги
- связь с Area/Resources/Project/Blog
(я использую настроенную под себя систему Тиаго Форте PARA, т.е. у меня есть тематики работы и интересов (напр. «Философия»), которые лежат в отдельный database и линкуются с заметками).
В Notion можно для любой записи в database настроить текстовое AI-поле с кастомным промптом, который будет автоматически применяться ко всем заметкам.
В моей базе у каждой заметки есть два AI-поля:
Второе поле я настроил самостоятельно. Пробовал несколько вариантов, они не зашли, в итоге придумал такой эффективный метод sensemaking.
Prompt:
Напиши серию из 5 твиттов на основе этого материала. Каждый твитт должен начинаться с ключевого вопросы и потом давать ответ. Пусть это будет научно, образно, ясно и структурно. Не пиши: твит. Не используй хэштеги (#). Ставь нумерацию.
Вы можете использовать этот промпт, когда вы работаете с любым материалом, он лучше, чем саммари извлекает смысл.
В Notion еще можно вызывать AI в самой заметке, чтобы писать, но я не нашел ему применения - я создаю контент в GPT/Gemini/Claude и копирую уже в саму заметку.
Скриншоты, как это выглядит у меня в базе смотрите в комментариях.
Лаборатория по AI: мы решили не делать перерыв на лето и запустить 9 июня еще одну группу в лаборатории AI RESEARCH LAB - присоединяйтесь, научитесь повышать свою продуктивность и любознательность с помощью AI лично и на работе.
Please open Telegram to view this post
VIEW IN TELEGRAM
Две галочки
Идеи произведений искусства рождаются не из мозга, а из личный ощущений и комплексного чувства жизни. Потом это чувство мы облачаем в слова, рационализируем, плетем сеть концепций. Но если задуматься о том, что и зачем мы говорим, то в корне этого лежит какое-то ощущение мира и себя. Аффект рождает интуицию, а та ищет форму, чтобы закрепиться во времени.
Идея сценария «Таксиста» Мартина Скорсезе у сценариста Пола Шредера появилась из такого зерна: в 27 лет он потерял работу, его брак распался, а сам он жил в машине, круглые сутки проводил в порно-кинотеатре Pussycat (молодой Тарантино работал там кассиром после школы) и ни с кем не разговаривал неделями. Оказавшись тогда на больничной койке с язвой желудка он вспоминает:
«Внезапно у меня в голове возник образ такси — по городу едет эдакий металлический гроб с парнем внутри. Этот человек вроде бы постоянно окружен людьми, и в то же время он совершенно один. Я понял, что если не напишу про этого героя, то сам в него превращусь (если уже не превратился)».
Далее уже дело за ремеслом — дело важное, но этот навык имеет другую природу. Создание и разворачивание концепции — это два разных действия, оба одинаково важных, но требующих разных умений.
Я тот еще поэт, но почти все мои стихи рождались именно так — из какого-то чувства, которое затем как фрактал разворачивалось в структуре письма. Самым сложным в этом деле оказывается настроить внутренние локаторы так, чтобы услышать это чувство и направить на него свет, а далее работать в поте лица, с надеждой воплотить его в подходящей форме.
Это чувство бывает коллективное. В культовом «Дони Дарко» режиссер Ричард Келли воссоздал дух рейгановской Америки, вялотекущую действительность, в которой бессилие взрослых толкает подростков на самостоятельное исследование мира. Спустя годы актер Джейк Джилленхол вспоминал:
«Я смотрел много фильмов про школу, но все они и рядом не стояли с моим опытом. Когда я читал сценарий „Донни Дарко“, то думал: „Вот оно, так все и было у меня в школе. Только я не разговаривал с кроликами“».
Некоторые интуиции преследуют авторов всю жизнь. Уильям Гибсон на протяжении всего своего творчества говорит во всех книгах и интервью о всего лишь нескольких интуициях: о памяти, технологиях и распознавании образов. Философ Саша Ветушинский учит видеть у философов предфилософские интуиции, лежашие в основе их концепций. Порой у одного автора таких может набраться всего лишь две-три на всю жизнь, но этого достаточно для плодотворного творчества.
Импульс наших размышлений — комплексное мироощущение на уровне чувств, которое мы хотим сделать видимым. Сначала через слова мы пытаемся понять его сами. Процесс передачи мысли другим — побочен, но природа мысли такова, что она хорошо формулируется в процессе диалога и когда мы понимаем, что её будут воспринимать другие. Когда мы обременяем её требованием быть понятной другим.
Такова судьба думающего — рано или поздно он сталкивается с тем, что думать — это думать публично. Нам важно, чтобы у мысли стояло две галочки.
Идеи произведений искусства рождаются не из мозга, а из личный ощущений и комплексного чувства жизни. Потом это чувство мы облачаем в слова, рационализируем, плетем сеть концепций. Но если задуматься о том, что и зачем мы говорим, то в корне этого лежит какое-то ощущение мира и себя. Аффект рождает интуицию, а та ищет форму, чтобы закрепиться во времени.
Идея сценария «Таксиста» Мартина Скорсезе у сценариста Пола Шредера появилась из такого зерна: в 27 лет он потерял работу, его брак распался, а сам он жил в машине, круглые сутки проводил в порно-кинотеатре Pussycat (молодой Тарантино работал там кассиром после школы) и ни с кем не разговаривал неделями. Оказавшись тогда на больничной койке с язвой желудка он вспоминает:
«Внезапно у меня в голове возник образ такси — по городу едет эдакий металлический гроб с парнем внутри. Этот человек вроде бы постоянно окружен людьми, и в то же время он совершенно один. Я понял, что если не напишу про этого героя, то сам в него превращусь (если уже не превратился)».
Далее уже дело за ремеслом — дело важное, но этот навык имеет другую природу. Создание и разворачивание концепции — это два разных действия, оба одинаково важных, но требующих разных умений.
Я тот еще поэт, но почти все мои стихи рождались именно так — из какого-то чувства, которое затем как фрактал разворачивалось в структуре письма. Самым сложным в этом деле оказывается настроить внутренние локаторы так, чтобы услышать это чувство и направить на него свет, а далее работать в поте лица, с надеждой воплотить его в подходящей форме.
Это чувство бывает коллективное. В культовом «Дони Дарко» режиссер Ричард Келли воссоздал дух рейгановской Америки, вялотекущую действительность, в которой бессилие взрослых толкает подростков на самостоятельное исследование мира. Спустя годы актер Джейк Джилленхол вспоминал:
«Я смотрел много фильмов про школу, но все они и рядом не стояли с моим опытом. Когда я читал сценарий „Донни Дарко“, то думал: „Вот оно, так все и было у меня в школе. Только я не разговаривал с кроликами“».
Некоторые интуиции преследуют авторов всю жизнь. Уильям Гибсон на протяжении всего своего творчества говорит во всех книгах и интервью о всего лишь нескольких интуициях: о памяти, технологиях и распознавании образов. Философ Саша Ветушинский учит видеть у философов предфилософские интуиции, лежашие в основе их концепций. Порой у одного автора таких может набраться всего лишь две-три на всю жизнь, но этого достаточно для плодотворного творчества.
Импульс наших размышлений — комплексное мироощущение на уровне чувств, которое мы хотим сделать видимым. Сначала через слова мы пытаемся понять его сами. Процесс передачи мысли другим — побочен, но природа мысли такова, что она хорошо формулируется в процессе диалога и когда мы понимаем, что её будут воспринимать другие. Когда мы обременяем её требованием быть понятной другим.
Такова судьба думающего — рано или поздно он сталкивается с тем, что думать — это думать публично. Нам важно, чтобы у мысли стояло две галочки.
❤2
Завтра презентация OpenAI. Что покажут, ваши ставки? (можно выбрать несколько вариантов) 🔥
Anonymous Poll
19%
Поисковик или улучшенный browsing
5%
Лучший кодинг/code assistant
23%
GPT 4,5 - лучшее качество в general запросах, больше контекста
13%
Прокачка GPTs store (монетизация и пр)
7%
Autonomous agent и улучшение GPTs
10%
Voice UX, voice assistant
3%
GPT 4 Lite - дешевле 4-ки, но близко по качеству
7%
Video
5%
Подключение к своему облачному хранилищу (GoogleDrive, OneDrive и пр)
9%
Носимый гаджет или домашний ассистент
На пути к AGI
Последняя презентация Apple (новые IPad) показала, что технология смартфонов уперлась в тупик и вышло на плато. Главная потребительская технология, в которой сейчас есть интрига и ожидания — это AI. Правда, пока еще анонсы по AI ждут не так много людей, как анонсы смартфонов, но если обратить внимание, то и в смартфонах главная интрига следующего анонса Apple — как в Купертино интегрируют ИИ в iPhone. А пока в понедельник OpenAI анонсирует обновления ChatGPT предлагаю сделать ставки, что там будет.
Свои варианты пишите в комментариях к опросу ☝️
(в опросе можно выбрать один вариант, а переголосовать если нажать Retract Vote)
Последняя презентация Apple (новые IPad) показала, что технология смартфонов уперлась в тупик и вышло на плато. Главная потребительская технология, в которой сейчас есть интрига и ожидания — это AI. Правда, пока еще анонсы по AI ждут не так много людей, как анонсы смартфонов, но если обратить внимание, то и в смартфонах главная интрига следующего анонса Apple — как в Купертино интегрируют ИИ в iPhone. А пока в понедельник OpenAI анонсирует обновления ChatGPT предлагаю сделать ставки, что там будет.
Свои варианты пишите в комментариях к опросу ☝️
(в опросе можно выбрать один вариант, а переголосовать если нажать Retract Vote)
Увеличит ли бесплатная GPT4o существенно число пользователей AI? (нет)
На сегодняшней презентации OpenAI анонсировали GPT4o — свою лучшую модель (хотя я верю, что у Альтмана и Наделлы есть доступ к нецензурированной GPT4, которая матерится, генерит нюдсы и цитирует проклятых поэтов). И анонсировали, что сделают ее бесплатной для всех пользователей.
Про анонс уже хорошо все написали, хотя на деле если хотите понять обновления, вам надо не читать, а смотреть мини-видео выложенные на сайте. Особенно два: как декстопное приложение запущено одновременно с зумом и участвует в звонке четырёх людей и как два GPT4o разыгрывают диалог клиента с клиентский сервисом в реальном времени. Voice UI и скорость ответов открывают реально очень крутые перспективы у LLM.
Я, кстати, не помню, чтобы голосовые помощники смеялись как люди – GPT4o прямо заливается смехом на некоторых демо, посмотрите, она как живой человек. После голоса GPT Алиса реально кажется пассивно-агрессивным роботом прошлого поколения.
OpenAI очень быстро стартанули — 1 млн пользователей за 5 дней в ноябре 2022. Но сейчас не то, чтобы у них экспотенциальный рост. На изображениях к посту статистика сайта chatgpt.com (где сейчас траффик, а в комментариях на сайте chat.openai.com, где уже поболее, но экспоненты не наблюдается. Спасибо Саше Малахову за наблюдение о разных сайтах)
Посмотрим, как открытие GPT4o изменит посещаемость сайта. Я думаю не сильно, потому что хотя цена и является барьером, ключевым барьером все же остаются «пропасть» между ранними последователями и ранним большинством. А она преодолеется, когда AI будет встроено в другие популярные сервисы. И в том числе через тот голос, который OpenAI показали сегодня (ждем «смеющуюся» Siri).
Ну и по статистике тоже не забываем, что есть еще приложения и число вызовов API (последнее, я думаю, растет, особенно среди энтерпрайза).
На сегодняшней презентации OpenAI анонсировали GPT4o — свою лучшую модель (хотя я верю, что у Альтмана и Наделлы есть доступ к нецензурированной GPT4, которая матерится, генерит нюдсы и цитирует проклятых поэтов). И анонсировали, что сделают ее бесплатной для всех пользователей.
Про анонс уже хорошо все написали, хотя на деле если хотите понять обновления, вам надо не читать, а смотреть мини-видео выложенные на сайте. Особенно два: как декстопное приложение запущено одновременно с зумом и участвует в звонке четырёх людей и как два GPT4o разыгрывают диалог клиента с клиентский сервисом в реальном времени. Voice UI и скорость ответов открывают реально очень крутые перспективы у LLM.
Я, кстати, не помню, чтобы голосовые помощники смеялись как люди – GPT4o прямо заливается смехом на некоторых демо, посмотрите, она как живой человек. После голоса GPT Алиса реально кажется пассивно-агрессивным роботом прошлого поколения.
OpenAI очень быстро стартанули — 1 млн пользователей за 5 дней в ноябре 2022. Но сейчас не то, чтобы у них экспотенциальный рост. На изображениях к посту статистика сайта chatgpt.com (где сейчас траффик, а в комментариях на сайте chat.openai.com, где уже поболее, но экспоненты не наблюдается. Спасибо Саше Малахову за наблюдение о разных сайтах)
Посмотрим, как открытие GPT4o изменит посещаемость сайта. Я думаю не сильно, потому что хотя цена и является барьером, ключевым барьером все же остаются «пропасть» между ранними последователями и ранним большинством. А она преодолеется, когда AI будет встроено в другие популярные сервисы. И в том числе через тот голос, который OpenAI показали сегодня (ждем «смеющуюся» Siri).
Ну и по статистике тоже не забываем, что есть еще приложения и число вызовов API (последнее, я думаю, растет, особенно среди энтерпрайза).
Работа не по специальности
Предлагаю игру — вы пишите свою специальность из института (или где вы учились) и даже, если вы не работаете по ней, придумываете, почему эта специализация объясняет то, чем вы сейчас занимаетесь.
Мой случай. Я закончил Бауманский кафедру «Приборы ориентации, стабилизации и навигации в пространстве». Я долго говорил, что не работаю по специальности, пока пару лет назад не понял, что именно ориентацией, стабилизацией и навигацией в пространстве и занимаюсь. Правда не в физическом, а смысловом и рыночном: для людей, продуктов, брендов и компаний. Ну и для себя, немного.
А если вы счастливчик, кто работает по специальности, тоже напишите, насколько обучение помогло вам.
Предлагаю игру — вы пишите свою специальность из института (или где вы учились) и даже, если вы не работаете по ней, придумываете, почему эта специализация объясняет то, чем вы сейчас занимаетесь.
Мой случай. Я закончил Бауманский кафедру «Приборы ориентации, стабилизации и навигации в пространстве». Я долго говорил, что не работаю по специальности, пока пару лет назад не понял, что именно ориентацией, стабилизацией и навигацией в пространстве и занимаюсь. Правда не в физическом, а смысловом и рыночном: для людей, продуктов, брендов и компаний. Ну и для себя, немного.
А если вы счастливчик, кто работает по специальности, тоже напишите, насколько обучение помогло вам.