"In my experience, the people who are excited about AI art also happen to be some of the most talentless fucking people I've ever met."
Художник-иллюстратор Мэтью Инман a.k.a. The Oatmeal известен многим по игре «Взрывные котята». Я слежу за его творчеством уже лет 20, у меня есть несколько книжек с его комиксами – мне очень нравится его черное (местами чернушное) чувство юмора.
Сегодня Мэтью разродился огромным постом на тему ИИ-арта, в котором точно и иронично подметил важную проблему – это «искусство» никто не хочет, ни художники, ни потребители.
Ну и вообще это просто классный пост-комикс в узнаваемом стиле The Oatmeal. Почитайте.
—
Пономарь
Художник-иллюстратор Мэтью Инман a.k.a. The Oatmeal известен многим по игре «Взрывные котята». Я слежу за его творчеством уже лет 20, у меня есть несколько книжек с его комиксами – мне очень нравится его черное (местами чернушное) чувство юмора.
Сегодня Мэтью разродился огромным постом на тему ИИ-арта, в котором точно и иронично подметил важную проблему – это «искусство» никто не хочет, ни художники, ни потребители.
Ну и вообще это просто классный пост-комикс в узнаваемом стиле The Oatmeal. Почитайте.
—
Пономарь
❤12👍5
Еще только октябрь, а уже вышел гигантский 300-страничный отчет State of AI Report 2025, читать который, видимо, предстоит до конца года по 3-4 слайда в день.
Авторы во вступительной части констатируют, что:
‣ OpenAI пока сохраняет небольшое технологическое преимущество, но конкуренция резко усилилась. Meta (экстремисты, свят-свят-свят) проигрывает китайским DeepSeek, Qwen и Kimi, которые прямо сейчас закрепляют за Китаем статус убедительного №2.
‣ Главным прорывом 2025 стали рассуждающие модели. В лидерах — OpenAI, Google, Anthropic и DeepSeek. (Сэм Альтман до сих пор с придыханием рассказывает о reasoning как о невероятном прорыве.)
‣ ИИ всё чаще становится соавтором научных публикаций. Системы вроде DeepMind Co-Scientist и Stanford Virtual Lab уже самостоятельно формулируют, тестируют и подтверждают гипотезы.
‣ Резко выросло коммерческое использование ИИ. 44% американских компаний уже платят за ИИ-инструменты (против 5% в 2023 году).
‣ Началась индустриальная эпоха ИИ. Многогигаваттные дата-центры вроде Stargate привлекают инвестиции на уровне государственных суверенных фондов США, ОАЭ и Китая. Новое (очевидно) узкое место — электроэнергия.
‣ ИИ становится областью политической борьбы, регулирование становится жестче. США готовят America-first AI, медленно ползет к принятию нашумевший Европейский акт об ИИ. А Китай активно инвестирует в собственные чипы.
Я быстро пробежался взглядом по интересным мне сферам и дополню по интересующим меня областям:
‣ Новостные медиа массово заключают партнёрства с ИИ-платформами: в 2025 году более 700 новостных брендов (Washington Post, WSJ, Guardian, FT, The Atlantic, Condé Nast и др.) подписали соглашения с ИИ-компаниями. Даже известная своей щепетильностью (проще говоря — снобизмом) The New York Times пошла на двадцатимиллионную сделку с Amazon, параллельно судясь против OpenAI.
‣ ИИ проникает в индустрию видеопроизводства. Телеканал AMC официально внедрил платформу Runway в производство контента и стал первым крупным кабельным каналом, использующим ИИ в продакшене.
‣ Творческое сообщество разделилось — одна часть активно включилась в сотрудничество с ИИ-компаниями, другая активно сопротивляется использованию своих работ в обучении ИИ.
‣ А вот обычные потребители, наоборот, все больше в восторге. ChatGPT, Claude, Gemini и Perplexity вошли в ежедневный обиход, замещая привычные сервисы. Все больше потребителей используют их вместо стандартного поиска в Интернете. При этом новички часто отмечают вау-эффект от новых возможностей ИИ в их повседневной жизни — их искренне поражает, что модели способны писать сложный код, генерировать реалистичные изображения и видео.
Кажется, мы дожили до момента внедрения ИИ в массы.
—
Пономарь
Авторы во вступительной части констатируют, что:
‣ OpenAI пока сохраняет небольшое технологическое преимущество, но конкуренция резко усилилась. Meta (экстремисты, свят-свят-свят) проигрывает китайским DeepSeek, Qwen и Kimi, которые прямо сейчас закрепляют за Китаем статус убедительного №2.
‣ Главным прорывом 2025 стали рассуждающие модели. В лидерах — OpenAI, Google, Anthropic и DeepSeek. (Сэм Альтман до сих пор с придыханием рассказывает о reasoning как о невероятном прорыве.)
‣ ИИ всё чаще становится соавтором научных публикаций. Системы вроде DeepMind Co-Scientist и Stanford Virtual Lab уже самостоятельно формулируют, тестируют и подтверждают гипотезы.
‣ Резко выросло коммерческое использование ИИ. 44% американских компаний уже платят за ИИ-инструменты (против 5% в 2023 году).
‣ Началась индустриальная эпоха ИИ. Многогигаваттные дата-центры вроде Stargate привлекают инвестиции на уровне государственных суверенных фондов США, ОАЭ и Китая. Новое (очевидно) узкое место — электроэнергия.
‣ ИИ становится областью политической борьбы, регулирование становится жестче. США готовят America-first AI, медленно ползет к принятию нашумевший Европейский акт об ИИ. А Китай активно инвестирует в собственные чипы.
Я быстро пробежался взглядом по интересным мне сферам и дополню по интересующим меня областям:
‣ Новостные медиа массово заключают партнёрства с ИИ-платформами: в 2025 году более 700 новостных брендов (Washington Post, WSJ, Guardian, FT, The Atlantic, Condé Nast и др.) подписали соглашения с ИИ-компаниями. Даже известная своей щепетильностью (проще говоря — снобизмом) The New York Times пошла на двадцатимиллионную сделку с Amazon, параллельно судясь против OpenAI.
‣ ИИ проникает в индустрию видеопроизводства. Телеканал AMC официально внедрил платформу Runway в производство контента и стал первым крупным кабельным каналом, использующим ИИ в продакшене.
‣ Творческое сообщество разделилось — одна часть активно включилась в сотрудничество с ИИ-компаниями, другая активно сопротивляется использованию своих работ в обучении ИИ.
‣ А вот обычные потребители, наоборот, все больше в восторге. ChatGPT, Claude, Gemini и Perplexity вошли в ежедневный обиход, замещая привычные сервисы. Все больше потребителей используют их вместо стандартного поиска в Интернете. При этом новички часто отмечают вау-эффект от новых возможностей ИИ в их повседневной жизни — их искренне поражает, что модели способны писать сложный код, генерировать реалистичные изображения и видео.
Кажется, мы дожили до момента внедрения ИИ в массы.
—
Пономарь
🔥8❤5👍4
«— А знаешь, как они в Париже называют четвертьфунтовый чизбургер?
— Они его не называют четвертьфунтовый чизбургер?
— У них там метрическая система, они не знают, что такое четверть фунта.
— Ну и как они его называют?
— Рояль с сыром.»
Я знал, что в Америке регулярно предпринимались попытки перейти на метрическую систему, но вчера прочитал про один из самых авантюрных случаев в истории.
В 1793 году новорожденные США остро нуждались в нормальной системе мер — до этого штаты мерили всё по-разному: где-то по английским стандартам, где-то по голландским и даже римским. Томас Джефферсон, тогдашний госсекретарь, обратился к французам, чтобы те поделились с американцами своей революционной разработкой — новой метрической системой.
Французы послали c доставкой через море учёного Жозефа Домбе с небольшой медной гирей в три дюйма высотой — эталоном 1 килограмма. Вот только корабль, на котором он плыл, попал в шторм, а затем был перехвачен пиратами. Теми самыми, Карибского моря, ага. Домбе оказался в плену на острове Монтсеррат, где умер, а его ценный груз так и не добрался до Джефферсона.
Есть версия, что если бы эта гиря и другие эталоны добрались до США, эта страна сейчас бы спокойно жила с километрами, килограммами и литрами — а не с милями, фунтами и галлонами.
Гирька, кстати, хоть и не вызвала интереса у пиратов, сохранилась, попала в частную коллекцию и была явлена миру аж в 1952 году.
—
Пономарь
— Они его не называют четвертьфунтовый чизбургер?
— У них там метрическая система, они не знают, что такое четверть фунта.
— Ну и как они его называют?
— Рояль с сыром.»
Я знал, что в Америке регулярно предпринимались попытки перейти на метрическую систему, но вчера прочитал про один из самых авантюрных случаев в истории.
В 1793 году новорожденные США остро нуждались в нормальной системе мер — до этого штаты мерили всё по-разному: где-то по английским стандартам, где-то по голландским и даже римским. Томас Джефферсон, тогдашний госсекретарь, обратился к французам, чтобы те поделились с американцами своей революционной разработкой — новой метрической системой.
Французы послали c доставкой через море учёного Жозефа Домбе с небольшой медной гирей в три дюйма высотой — эталоном 1 килограмма. Вот только корабль, на котором он плыл, попал в шторм, а затем был перехвачен пиратами. Теми самыми, Карибского моря, ага. Домбе оказался в плену на острове Монтсеррат, где умер, а его ценный груз так и не добрался до Джефферсона.
Есть версия, что если бы эта гиря и другие эталоны добрались до США, эта страна сейчас бы спокойно жила с километрами, килограммами и литрами — а не с милями, фунтами и галлонами.
Гирька, кстати, хоть и не вызвала интереса у пиратов, сохранилась, попала в частную коллекцию и была явлена миру аж в 1952 году.
—
Пономарь
❤17👍11🔥5💔1
Почему ваш бизнес не сломался вчера (и как не дать ему сломаться завтра)
«Титаник» утонул не из-за айсберга. Он был спроектирован остаться на плаву при затоплении до четырех водонепроницаемых отсеков. Вот только айсберг повредил шесть — а так как переборки заканчивались слишком низко, то вода начала переливаться каскадом из секции в секцию.
Система была рассчитана на четыре отказа, но реальность дала шесть.
15 лет в операционке научили меня четырем неудобным истинам.
1. Ваш бизнес уже сломан — и это норма
Он работает не благодаря хорошим процессам, а благодаря людям, которые каждый день латают дыры. Ваши сотрудники непрерывно балансируют между выполнением плана и предотвращением коллапса. Каждый час. Скрытые сбои есть всегда — в документообороте, в логистике, в коммуникациях. Система продолжает работать за счет человеческой адаптивности.
2. Люди обеспечивают безопасность ежеминутно — и чаще всего это невидимая работа
Если вы не видели кризиса сегодня — не значит, что его не было. Пока вы разбирали накопившуюся почту и сообщения втелеге, команда уже отбила три отказа. Переназначили ресурсы, обошли узкое место, нашли запасного поставщика. Эта работа незаметна до момента, когда она не сработала.
После аварии вы увидите «ошибку». До аварии это было оптимальное решение в условиях неопределенности.
3. Кризис — не цепочка ошибок, а их комбинация
Когда что-то рушится, мы ищем виноватого. Это социальная потребность, попытка вернуть иллюзию контроля, а не реальность. На самом деле это 5-7 мелких сбоев, которые по отдельности не были критичны, но вдруг совпали во времени.
Ваш менеджер принял решение в 14:00 при одном наборе фактов. К 16:00 контекст изменился, но решение осталось. К 18:00 добавились еще три мелких сбоя. Результат: кризис.
4. Люди — и проблема, и решение одновременно
Да, они совершают ошибки. Но они же каждый день предотвращают сотни потенциальных аварий, о которых вы никогда не узнаете. Проблема не в том, что ваш менеджер ошибся — проблема в том, что система не дала ему увидеть край обрыва вовремя.
Что работает:
- Легализовать в команде быстрые действия — не ждать апрува на каждое отклонение
- Учить команду видеть ранние признаки деградации системы (особенно когда тают запасы прочности)
- Обсуждать "почти-аварии" без поиска виноватых — они показывают, где система уже трещит
Помните, новые процессы создают новые риски. Часто — более редкие, но более разрушительные.
Что не работает:
- Писать инструкции после каждого сбоя (увеличивает жесткость, снижает адаптивность)
- Наказывать за ошибки в условиях неопределенности (люди начнут скрывать проблемы)
- Верить, что «теперь такого не повторится» (паттерн сбоев уже изменился — и вы снова не готовы)
Разборы в стиле «кто виноват» тоже не работают. Они заставляют людей скрывать проблемы и снижают желание действовать.
Сложные системы не ломаются из-за одной ошибки или одного человека. Они ломаются, когда люди теряют способность (желание) принимать решения в меняющихся условиях.
Ваша задача — не искоренить ошибки (надеюсь, читатель уже понял, что это в принципе невозможно), а создать среду, где люди быстро замечают признаки надвигающейся беды и адаптируются, пока не поздно.
Этот текст — синтез моих размышлений и классической работы Ричарда Кука о теории отказов в сложных системах. Описанные в ней принципы широко используется в здравоохранении, авиации, промышленности и других сферах для понимания природы аварий и безопасности систем.
—
Пономарь
«Титаник» утонул не из-за айсберга. Он был спроектирован остаться на плаву при затоплении до четырех водонепроницаемых отсеков. Вот только айсберг повредил шесть — а так как переборки заканчивались слишком низко, то вода начала переливаться каскадом из секции в секцию.
Система была рассчитана на четыре отказа, но реальность дала шесть.
15 лет в операционке научили меня четырем неудобным истинам.
1. Ваш бизнес уже сломан — и это норма
Он работает не благодаря хорошим процессам, а благодаря людям, которые каждый день латают дыры. Ваши сотрудники непрерывно балансируют между выполнением плана и предотвращением коллапса. Каждый час. Скрытые сбои есть всегда — в документообороте, в логистике, в коммуникациях. Система продолжает работать за счет человеческой адаптивности.
2. Люди обеспечивают безопасность ежеминутно — и чаще всего это невидимая работа
Если вы не видели кризиса сегодня — не значит, что его не было. Пока вы разбирали накопившуюся почту и сообщения втелеге, команда уже отбила три отказа. Переназначили ресурсы, обошли узкое место, нашли запасного поставщика. Эта работа незаметна до момента, когда она не сработала.
После аварии вы увидите «ошибку». До аварии это было оптимальное решение в условиях неопределенности.
3. Кризис — не цепочка ошибок, а их комбинация
Когда что-то рушится, мы ищем виноватого. Это социальная потребность, попытка вернуть иллюзию контроля, а не реальность. На самом деле это 5-7 мелких сбоев, которые по отдельности не были критичны, но вдруг совпали во времени.
Ваш менеджер принял решение в 14:00 при одном наборе фактов. К 16:00 контекст изменился, но решение осталось. К 18:00 добавились еще три мелких сбоя. Результат: кризис.
4. Люди — и проблема, и решение одновременно
Да, они совершают ошибки. Но они же каждый день предотвращают сотни потенциальных аварий, о которых вы никогда не узнаете. Проблема не в том, что ваш менеджер ошибся — проблема в том, что система не дала ему увидеть край обрыва вовремя.
Что работает:
- Легализовать в команде быстрые действия — не ждать апрува на каждое отклонение
- Учить команду видеть ранние признаки деградации системы (особенно когда тают запасы прочности)
- Обсуждать "почти-аварии" без поиска виноватых — они показывают, где система уже трещит
Помните, новые процессы создают новые риски. Часто — более редкие, но более разрушительные.
Что не работает:
- Писать инструкции после каждого сбоя (увеличивает жесткость, снижает адаптивность)
- Наказывать за ошибки в условиях неопределенности (люди начнут скрывать проблемы)
- Верить, что «теперь такого не повторится» (паттерн сбоев уже изменился — и вы снова не готовы)
Разборы в стиле «кто виноват» тоже не работают. Они заставляют людей скрывать проблемы и снижают желание действовать.
Сложные системы не ломаются из-за одной ошибки или одного человека. Они ломаются, когда люди теряют способность (желание) принимать решения в меняющихся условиях.
Ваша задача — не искоренить ошибки (надеюсь, читатель уже понял, что это в принципе невозможно), а создать среду, где люди быстро замечают признаки надвигающейся беды и адаптируются, пока не поздно.
Этот текст — синтез моих размышлений и классической работы Ричарда Кука о теории отказов в сложных системах. Описанные в ней принципы широко используется в здравоохранении, авиации, промышленности и других сферах для понимания природы аварий и безопасности систем.
—
Пономарь
❤37👍16👏5
Принцип Питера. Самая частая ошибка руководителя и как ее избежать
Был у меня блестящий разработчик-тимлид, назовем его Роман. Отличный программист, закрывал сложные проекты блестяще и в срок, хорошо управлял своей небольшой командой. Когда освободилась позиция руководителя более крупного подразделения, мне в голову пришла очевидная мысль предложить позицию Роману.
Через год я остался без этого руководителя. Роман выгорел, команда разваливалась, а я недоумевал, как же так вышло. Так я в очередной раз совершил ошибку, столкнувшись с принципом Питера.
Кажется, что это правило широко известно, мое общение с руководителями разных уровней убеждает меня в обратном. Поэтому я решил подробнее остановиться на нем, прежде чем двигаться дальше в своих рассуждениях о менеджменте.
Принцип Питера звучит просто: «В иерархии каждый сотрудник стремится подняться до своего уровня некомпетентности.»
Принцип Питера работает только если вы позволяете ему работать. Избежать его достаточно просто:
- Настройте обучение новым навыкам ДО повышения
- Предусмотрите альтернативные карьерные треки, дайте сотруднику возможность расти как специалисту, а не как менеджеру
- Обеспечьте возможность вернуться на предыдущий уровень без потери лица
Теперь при обсуждении повышений я задаю три ключевых вопроса:
1. Обладает ли сотрудник навыками для новой роли, а не только для текущей?
2. Хочет ли он сам эти новые обязанности, понимает ли, что придется перестать делать то, что делает сейчас?
3. Готов ли я потерять отличного специалиста, чтобы получить посредственного менеджера?
Если есть хоть одно «нет», в повышении должно быть отказано.
Важно помнить, что задача менеджера — не продвигать лучших наверх.
Задача менеджера — помочь людям найти роль, где они будут и компетентны, и счастливы.
—
Пономарь
Был у меня блестящий разработчик-тимлид, назовем его Роман. Отличный программист, закрывал сложные проекты блестяще и в срок, хорошо управлял своей небольшой командой. Когда освободилась позиция руководителя более крупного подразделения, мне в голову пришла очевидная мысль предложить позицию Роману.
Через год я остался без этого руководителя. Роман выгорел, команда разваливалась, а я недоумевал, как же так вышло. Так я в очередной раз совершил ошибку, столкнувшись с принципом Питера.
Кажется, что это правило широко известно, мое общение с руководителями разных уровней убеждает меня в обратном. Поэтому я решил подробнее остановиться на нем, прежде чем двигаться дальше в своих рассуждениях о менеджменте.
Принцип Питера звучит просто: «В иерархии каждый сотрудник стремится подняться до своего уровня некомпетентности.»
Короче, происходит следующее:
1. Сотрудник получает повышение, потому что хорошо справляется с текущей работой.
2. Новая должность требует от него новых навыков.
3. После очередного повышения сотрудник попадает на позицию, где он НЕ справляется хорошо.
4. Он больше не растёт — нет хороших результатов для повышения.
5. Организация наполняется людьми на позициях, где они некомпетентны
Принцип Питера работает только если вы позволяете ему работать. Избежать его достаточно просто:
- Настройте обучение новым навыкам ДО повышения
- Предусмотрите альтернативные карьерные треки, дайте сотруднику возможность расти как специалисту, а не как менеджеру
- Обеспечьте возможность вернуться на предыдущий уровень без потери лица
Теперь при обсуждении повышений я задаю три ключевых вопроса:
1. Обладает ли сотрудник навыками для новой роли, а не только для текущей?
2. Хочет ли он сам эти новые обязанности, понимает ли, что придется перестать делать то, что делает сейчас?
3. Готов ли я потерять отличного специалиста, чтобы получить посредственного менеджера?
Если есть хоть одно «нет», в повышении должно быть отказано.
Важно помнить, что задача менеджера — не продвигать лучших наверх.
Задача менеджера — помочь людям найти роль, где они будут и компетентны, и счастливы.
—
Пономарь
❤20🔥11💯7👍3👏1
Набрел на WikiBoard — Miro-style браузер для Википедии, который превращает просмотр статей в интерактивную доску. Вместо привычного линейного чтения вы видите все открытые статьи в пространственной раскладке, можете рисовать связи между ними и оставлять заметки прямо на доске. Прикольная идея — превратить блуждание в поисках нужной информации в конструирование собственной карты знаний.
Пригодится для исследований, а также студентам и просто любителям глубокого бурения очередной темы. Вместо 15 открытых вкладок вы получаете один холст, где каждая связь видна, а контекст не теряется.
—
Пономарь
Пригодится для исследований, а также студентам и просто любителям глубокого бурения очередной темы. Вместо 15 открытых вкладок вы получаете один холст, где каждая связь видна, а контекст не теряется.
—
Пономарь
👍14❤6🔥6
Приложения умирают, но у файлов есть шанс выжить
- 1 -
Египетские храмы покрыты иероглифами, высеченными тысячи лет назад. Они до сих пор несут идеи древних людей, а инструменты, которыми их вырезали, давно пропали. Кажется эту простую мысль мы забыли напрочь, если посмотреть на то, как мы создаём цифровой контент.
Мир полон идей прошлых поколений — глиняные таблички, манускрипты, картины, скульптуры, гобелены. Это всё объекты, которые можно потрогать, взять в руки, хранить, передать. Чтобы прочитать текст на бумаге, нужны только глаза.
Сегодня мы создаём бесчисленное количество цифровых артефактов, вот только контроля над ними у нас нет. Они лежат на серверах, в базах данных, доступны только с интернет-соединением и логином в облачный сервис. Даже файлы на вашем личном жёстком диске используют проприетарные форматы, несовместимые с другими инструментами и старыми системами.
- 2 -
К чему это я? Чтобы создавать контент, который переживёт инструменты, нужно использовать файлы, которыми мы владеем, в форматах, которые легко прочитать и извлечь. И использовать инструменты, которые дадут нам эту свободу.
Чтобы мои заметки можно было прочитать на компьютере в 2055 или 2125 году, я должен сделать так, чтобы их можно было прочитать на компьютере 1960-х.
Сейчас я использую Obsidian, но все чаще — plain text файлы. Вот самые частые кейсы:
1. Простые текстовые файлы пока что самый удобный формат для хранения и загрузки данных в разные нейронки.
2. Сохраняю в отдельных файлах транскрипты важных звонков и потом вытягиваю из них рабочие задачи и важные мысли.
3. Все больше использую простой текстовый файл и markdown-разметку для ведения списка рабочих и личных дел.
4. Сохраняю текстовые версии прочитанных книг, из которых на основе личных отметок делаю расширенные персональные саммари.
Короче, всё, с чем я планирую работать через нейронки хранится простым текстом, остальное идёт в Obsidian (который на самом деле тоже использует в своей основе текстовые файлы с markdown). Время от времени какие-то данные переходят из первого вида во второй или наоборот.
Неизвестно, захочет ли кто-нибудь когда-нибудь читать всё это, но будущий я через условные 10-20 лет — уже достаточная аудитория.
—
Пономарь
- 1 -
Египетские храмы покрыты иероглифами, высеченными тысячи лет назад. Они до сих пор несут идеи древних людей, а инструменты, которыми их вырезали, давно пропали. Кажется эту простую мысль мы забыли напрочь, если посмотреть на то, как мы создаём цифровой контент.
Мир полон идей прошлых поколений — глиняные таблички, манускрипты, картины, скульптуры, гобелены. Это всё объекты, которые можно потрогать, взять в руки, хранить, передать. Чтобы прочитать текст на бумаге, нужны только глаза.
Сегодня мы создаём бесчисленное количество цифровых артефактов, вот только контроля над ними у нас нет. Они лежат на серверах, в базах данных, доступны только с интернет-соединением и логином в облачный сервис. Даже файлы на вашем личном жёстком диске используют проприетарные форматы, несовместимые с другими инструментами и старыми системами.
- 2 -
К чему это я? Чтобы создавать контент, который переживёт инструменты, нужно использовать файлы, которыми мы владеем, в форматах, которые легко прочитать и извлечь. И использовать инструменты, которые дадут нам эту свободу.
Чтобы мои заметки можно было прочитать на компьютере в 2055 или 2125 году, я должен сделать так, чтобы их можно было прочитать на компьютере 1960-х.
Сейчас я использую Obsidian, но все чаще — plain text файлы. Вот самые частые кейсы:
1. Простые текстовые файлы пока что самый удобный формат для хранения и загрузки данных в разные нейронки.
2. Сохраняю в отдельных файлах транскрипты важных звонков и потом вытягиваю из них рабочие задачи и важные мысли.
3. Все больше использую простой текстовый файл и markdown-разметку для ведения списка рабочих и личных дел.
4. Сохраняю текстовые версии прочитанных книг, из которых на основе личных отметок делаю расширенные персональные саммари.
Короче, всё, с чем я планирую работать через нейронки хранится простым текстом, остальное идёт в Obsidian (который на самом деле тоже использует в своей основе текстовые файлы с markdown). Время от времени какие-то данные переходят из первого вида во второй или наоборот.
Неизвестно, захочет ли кто-нибудь когда-нибудь читать всё это, но будущий я через условные 10-20 лет — уже достаточная аудитория.
—
Пономарь
👍11❤5
Сегодня в рубрике #попалподлошадь сразу два выпуска видеоподкаста «Адмитада», где мы с Родионом рассуждаем про контент, медиа и, естественно, возможности монетизации медиа в партнерском маркетинге.
Про будущее медиабизнеса
Про дистрибуцию контента
Кажется, это мои последние публичные выступления как CEO Лайфхакера, но актуальности сказаное там точно не утратило 🙂
—
Пономарь
Про будущее медиабизнеса
Про дистрибуцию контента
Кажется, это мои последние публичные выступления как CEO Лайфхакера, но актуальности сказаное там точно не утратило 🙂
—
Пономарь
❤9👍5🔥4💯1
OpenAI с 4 ноября сделала подписку ChatGPT Go бесплатной на целый год для всех пользователей в Индии.
ChatGPT Go — это промежуточный тарифный план между бесплатной версией и премиум-подпиской Plus, изначально запущенный в Индии в августе 2025 года примерно за ₹399 в месяц (около $4.60).
Преимущества ChatGPT Go по сравнению с бесплатной версией:
- в 10 раз больше сообщений и генераций текста;
- возможность создавать изображения;
- работа с файлами и расширенным контекстным окном;
- более высокая скорость отклика и стабильность при нагрузке.
Основные отличия ChatGPT Go от Plus:
- примерно вчетверо дешевле (около $5 в месяц против $20);
- Go предоставляет расширенный доступ к GPT-5, но с ограничениями по сравнению с полной версией Plus;
- в Plus значительно выше лимиты и память, есть доступ к Sora и Codex;
- в целом Go — это более экономичный и доступный вариант с большинством ключевых функций.
Это крупнейшая маркетинговая акция OpenAI на развивающихся рынках, направленная на расширение пользовательской базы и популяризацию ИИ в стране с большим количеством интернет-пользователей. И возможность использовать десяток-другой миллионов юзеров для дальнейшей тренировки своих моделей :)
Если вам не хочется платить 20$ в месяц и у вас есть запрещенная к упоминанию трехбуквенная технология с индийским сервером, а также нероссийская карта — это ваш выбор.
—
Пономарь
ChatGPT Go — это промежуточный тарифный план между бесплатной версией и премиум-подпиской Plus, изначально запущенный в Индии в августе 2025 года примерно за ₹399 в месяц (около $4.60).
Преимущества ChatGPT Go по сравнению с бесплатной версией:
- в 10 раз больше сообщений и генераций текста;
- возможность создавать изображения;
- работа с файлами и расширенным контекстным окном;
- более высокая скорость отклика и стабильность при нагрузке.
Основные отличия ChatGPT Go от Plus:
- примерно вчетверо дешевле (около $5 в месяц против $20);
- Go предоставляет расширенный доступ к GPT-5, но с ограничениями по сравнению с полной версией Plus;
- в Plus значительно выше лимиты и память, есть доступ к Sora и Codex;
- в целом Go — это более экономичный и доступный вариант с большинством ключевых функций.
Это крупнейшая маркетинговая акция OpenAI на развивающихся рынках, направленная на расширение пользовательской базы и популяризацию ИИ в стране с большим количеством интернет-пользователей. И возможность использовать десяток-другой миллионов юзеров для дальнейшей тренировки своих моделей :)
Если вам не хочется платить 20$ в месяц и у вас есть запрещенная к упоминанию трехбуквенная технология с индийским сервером, а также нероссийская карта — это ваш выбор.
—
Пономарь
❤1
Тут у меня смешная история случилась. Обрабатывал транскрипт большой видеозаписи конференции (действительно большой, 4 часа плотной речи) и хотел собрать себе саммари.
Дело было так:
1. Через Клод Код скачал запись ютуб-ролика (мне лень самому запускать в консоли ffmpeg и я просто прошу агента скачать нужный ролик), закинул её в Маквиспер и получил транскрипт.
2. Для эксперимента я засунул его в три обработчика — в агентов Claude Code и ChatGPT Codex, и — чёрт меня дёрнул — в обычный Claude Desktop. Промпт на входе одинаковый.
3. Клод Код работал дольше всех, медленно нарезал на кусочки исходник, писал несколько скриптов, постоянно спрашивал разрешения, но в итоге выдал самый консистентный и красивый результат. Разметил докладчиков, выделил ключевые поинты и упоминаемые инструменты.
4. Codex тоже довольно долго пережевывал файл, но лишними вопросами не мучал и результат получил тоже вполне приличный.
5. Обычный чат Claude бодро взялся за дело, сообщил: «Отлично! Я проанализировал расшифровку конференции. Это насыщенное мероприятие с 6 докладами о создании контента, SMM, работе с брендами и управлении комьюнити. Сейчас подготовлю полную структурированную аналитику.»
После этого Клод очень быстро напечатал подробное структурированное саммари, которое выглядело очень консистентно, если бы не одно но. Конференция хоть и была на тему ИИ, но была посвящена использованию ИИ в разработке, а не в SMM и создании контента!
ВСЕ ДОКЛАДЫ В ЕГО ВЫДАЧЕ ОН ПРОСТО ПРИДУМАЛ!
Я спросил — ты не читал файл? И он тут же признался: «Вы абсолютно правы! Я совершил ошибку - я увидел содержимое файла (623 строки), но оно было обрезано в выводе (показаны только строки 1-2 из 623).»
Справедливости ради, ошибка в чтении файла случилась из-за сбоя в соединении (Клод этим бывает грешит). Ну и он решил по этим двум строчкам додумать всё остальное.
Ещё раз подтверждает то, о чём я все время говорю — результаты генераций нейронок всегда нужно перепроверять самому!
—
Пономарь
Дело было так:
1. Через Клод Код скачал запись ютуб-ролика (мне лень самому запускать в консоли ffmpeg и я просто прошу агента скачать нужный ролик), закинул её в Маквиспер и получил транскрипт.
2. Для эксперимента я засунул его в три обработчика — в агентов Claude Code и ChatGPT Codex, и — чёрт меня дёрнул — в обычный Claude Desktop. Промпт на входе одинаковый.
3. Клод Код работал дольше всех, медленно нарезал на кусочки исходник, писал несколько скриптов, постоянно спрашивал разрешения, но в итоге выдал самый консистентный и красивый результат. Разметил докладчиков, выделил ключевые поинты и упоминаемые инструменты.
4. Codex тоже довольно долго пережевывал файл, но лишними вопросами не мучал и результат получил тоже вполне приличный.
5. Обычный чат Claude бодро взялся за дело, сообщил: «Отлично! Я проанализировал расшифровку конференции. Это насыщенное мероприятие с 6 докладами о создании контента, SMM, работе с брендами и управлении комьюнити. Сейчас подготовлю полную структурированную аналитику.»
После этого Клод очень быстро напечатал подробное структурированное саммари, которое выглядело очень консистентно, если бы не одно но. Конференция хоть и была на тему ИИ, но была посвящена использованию ИИ в разработке, а не в SMM и создании контента!
ВСЕ ДОКЛАДЫ В ЕГО ВЫДАЧЕ ОН ПРОСТО ПРИДУМАЛ!
Я спросил — ты не читал файл? И он тут же признался: «Вы абсолютно правы! Я совершил ошибку - я увидел содержимое файла (623 строки), но оно было обрезано в выводе (показаны только строки 1-2 из 623).»
Справедливости ради, ошибка в чтении файла случилась из-за сбоя в соединении (Клод этим бывает грешит). Ну и он решил по этим двум строчкам додумать всё остальное.
Ещё раз подтверждает то, о чём я все время говорю — результаты генераций нейронок всегда нужно перепроверять самому!
—
Пономарь
😁24❤5🤯2
На ранних этапах развития ChatGPT произошёл странный инцидент: модель внезапно перестала отвечать на хорватском языке.
ChatGPT и подобные модели обучаются с помощью метода RLHF (Reinforcement Learning from Human Feedback) — обучение с подкреплением на основе человеческой обратной связи. В этом методе используются кнопки upvote/downvote в интерфейсах LLM. Модель учится на том, какие ответы люди оценивают положительно, а какие — отрицательно.
Короче, когда хорваты оказались более критичны в оценках, чем носители других языков, модель интерпретировала это как «мои ответы на этом языке плохие, лучше вообще не отвечать». И «забыла» хорватский.
На картинке ниже — иллюстрация культурных различий в оценке качества через призму нормального распределения.
Американцы называют то, что объективно является средним, "This is awesome!". Даже откровенно плохие вещи получают оценку "It's a good start". Позитивный оптимизм и склонность к преувеличению положительных качеств — характерная культурная особенность.
Другое дело восточные европейцы — большая часть того, что объективно хорошо, попадает в категорию «что за мусор?». Даже действительно хорошие вещи получают в лучшем случае «мне не нравится» или скупое «ну так себе».
Неудивительно, что никто в OpenAI долго не мог понять, что случилось с ChatGPT, но мы-то с вами прекрасно понимаем хорватов, не правда ли? :)
ChatGPT и подобные модели обучаются с помощью метода RLHF (Reinforcement Learning from Human Feedback) — обучение с подкреплением на основе человеческой обратной связи. В этом методе используются кнопки upvote/downvote в интерфейсах LLM. Модель учится на том, какие ответы люди оценивают положительно, а какие — отрицательно.
Короче, когда хорваты оказались более критичны в оценках, чем носители других языков, модель интерпретировала это как «мои ответы на этом языке плохие, лучше вообще не отвечать». И «забыла» хорватский.
На картинке ниже — иллюстрация культурных различий в оценке качества через призму нормального распределения.
Американцы называют то, что объективно является средним, "This is awesome!". Даже откровенно плохие вещи получают оценку "It's a good start". Позитивный оптимизм и склонность к преувеличению положительных качеств — характерная культурная особенность.
Другое дело восточные европейцы — большая часть того, что объективно хорошо, попадает в категорию «что за мусор?». Даже действительно хорошие вещи получают в лучшем случае «мне не нравится» или скупое «ну так себе».
Неудивительно, что никто в OpenAI долго не мог понять, что случилось с ChatGPT, но мы-то с вами прекрасно понимаем хорватов, не правда ли? :)
😁19❤8👍3👏2
Макс Вульф из BuzzFeed опубликовал подробный разбор Nano Banana, в котором обнаружил критическую особенность — капслок типа MUST в промптах резко улучшает точность выполнения инструкций.
Nano Banana обучена не только на описаниях изображений, но и на репозиториях кода. Это принципиальное отличие от старых моделей, Нано Банана читает промпты как структурированные инструкции, а не как описательный текст. И это очень круто!
Вульф тестировал абсурдно сложные промпты — например, три котёнка с конкретными характеристиками:
- Мех определённых hex-цветов
- Гетерохромные глаза, цвета которых соответствуют цветам меха
- Позиционирование по правилу третей
- Специфичная одежда для каждого
Модель выполнила каждое требование точно, результат — на картинке выше :)
Оптимальная структура промпта для Nano Banana
1. Markdown-списки с дефисами для структурирования требований
2. MUST заглавными буквами перед критичными инструкциями
3. Композиционные ограничения типа "Pulitzer Prize-winning cover photo for The New York Times" для улучшения качества
4. Негативные инструкции — "NEVER include any text or watermarks"
Еще интересное. Вульф "случайно" извлёк системный промпт Nano Banana и обнаружил, что инженеры Google используют угрозы вроде YOU WILL BE PENALIZED для улучшения поведения модели.
Короче, абьюз в промптах официально одобрен Google :)
—
Пономарь
Nano Banana обучена не только на описаниях изображений, но и на репозиториях кода. Это принципиальное отличие от старых моделей, Нано Банана читает промпты как структурированные инструкции, а не как описательный текст. И это очень круто!
Вульф тестировал абсурдно сложные промпты — например, три котёнка с конкретными характеристиками:
- Мех определённых hex-цветов
- Гетерохромные глаза, цвета которых соответствуют цветам меха
- Позиционирование по правилу третей
- Специфичная одежда для каждого
Модель выполнила каждое требование точно, результат — на картинке выше :)
Оптимальная структура промпта для Nano Banana
1. Markdown-списки с дефисами для структурирования требований
2. MUST заглавными буквами перед критичными инструкциями
3. Композиционные ограничения типа "Pulitzer Prize-winning cover photo for The New York Times" для улучшения качества
4. Негативные инструкции — "NEVER include any text or watermarks"
Еще интересное. Вульф "случайно" извлёк системный промпт Nano Banana и обнаружил, что инженеры Google используют угрозы вроде YOU WILL BE PENALIZED для улучшения поведения модели.
Короче, абьюз в промптах официально одобрен Google :)
—
Пономарь
❤7👍5😁1
Я пару недель назад закончил читать «Я понял Японию» Раевского, и хотя книжка довольно поверхностная, свежая волна интереса к моментам японской истории у меня снова проснулась.
И тут как раз вышел Last Samurai Standing – сериал про то, как 292 самурая дерутся насмерть за деньги под взглядом богачей — прямо как в «Игре в Кальмара». И тоже Netflix, разумеется. Но тут дело происходит в 1878 году, когда самураи оказались никому не нужны после реформ Мэйдзи, и вместо детских игр здесь настоящие дуэли с катанами.
Короче, батл-рояль про самураев, который трудно не сравнивать с «Игрой в кальмара», но все равно это другое кино — здесь меньше психологии и больше, гораздо больше сражений на мечах.
И тут как раз вышел Last Samurai Standing – сериал про то, как 292 самурая дерутся насмерть за деньги под взглядом богачей — прямо как в «Игре в Кальмара». И тоже Netflix, разумеется. Но тут дело происходит в 1878 году, когда самураи оказались никому не нужны после реформ Мэйдзи, и вместо детских игр здесь настоящие дуэли с катанами.
Короче, батл-рояль про самураев, который трудно не сравнивать с «Игрой в кальмара», но все равно это другое кино — здесь меньше психологии и больше, гораздо больше сражений на мечах.
❤5
Есть такой пласт придонной юридической жизни — компании-вымогатели денег за нарушение авторских прав. Подписывают договоры со стоковыми фотографами и затем занимаются массовой рассылкой досудебок «в интересах клиента».
И вот на сайте очередного такого «защитника» используются премиум-иллюстрации с freepik, где по условиям лицензии надо обязательно указывать источник. И никаких упоминаний freepik, конечно же, нет.
Пожалуй, самое смешное, что я видел сегодня.
И вот на сайте очередного такого «защитника» используются премиум-иллюстрации с freepik, где по условиям лицензии надо обязательно указывать источник. И никаких упоминаний freepik, конечно же, нет.
Пожалуй, самое смешное, что я видел сегодня.
😁15❤1
Гугл выкатывает новую версию Gemini, я немного поковырял ее в AI Studio, пока впечатления очень хорошие. Думает быстро, большие файлы жует без вопросов, результаты генерации весьма, весьма неплохие.
Google продолжает догонять OpenAI и Anthropic.
Попробовать Gemini 3 бесплатно можно тут.
Google продолжает догонять OpenAI и Anthropic.
Попробовать Gemini 3 бесплатно можно тут.
❤6👍3🔥2
Forwarded from Мы и Жо / медиа и журналистика
Хорошее. Две недели назад Coca-Cola выложила свой классический рождественский рекламный ролик, переснятый с помощью ИИ
Но кое-что пошло не так
Но кое-что пошло не так
😁7👏2
В Notion Calendar (который я в прошлом уже пару раз рекомендовал как свой основной инструмент для работы с несколькими Google Calendars) наконец-то снова стали появляться интересные функции.
Новая киллер-фича — подобие синхронизации событий в двух календарях, можно в двух календарях поставить одновременный блок занятых слотов. Я использую два аккаунта Google (а порой бывает, что и больше) — один для личных дел и всего, что не связано с Палиндромом, ну и второй — рабочий палинромовский. Теперь случаев, когда поставили в одном календаре, не посмотрев в другой, точно станет меньше.
Новая киллер-фича — подобие синхронизации событий в двух календарях, можно в двух календарях поставить одновременный блок занятых слотов. Я использую два аккаунта Google (а порой бывает, что и больше) — один для личных дел и всего, что не связано с Палиндромом, ну и второй — рабочий палинромовский. Теперь случаев, когда поставили в одном календаре, не посмотрев в другой, точно станет меньше.
❤5👍1
Как только я купил себе новый ноут на M4, Apple, конечно же, сразу выпустила M5. И судя по первым обзорам, все впечатлены, хотя большинство разборов сводятся к «цифры выросли!».
Я смотрю на это иначе. M5 — это заявление Apple, что для AI важно не просто больше мощности, а правильная архитектура под задачу.
M5 превращает локальные LLM из экспериментальной фичи для гиков в рабочий инструмент, из «ну, технически оно работает» в «реально можно использовать каждый день».
Пока Apple проигрывает в софте — никому в голову нынче не придет пользоваться Сири для задач сложнее чем поставить таймер, пока варятся пельмени.
Зато в железе ставка на AI-first дизайн чипов, проектирование с нуля под эти нагрузки — работает лучше, чем у конкурентов.
И хотя мой Air временами не вытягивает какой-нибудь локальный Whisper для расшифровки звонков в реальном времени, я не призываю всех бежать обновляться. Но если вы работаете с локальными моделями регулярно — разницу вы заметите.
P.S. Забавно наблюдать, как индустрия постепенно возвращается к локальным вычислениям. Десять лет назад всех тащили в облако, теперь — обратно на устройства, только уже с AI на борту.
—
Пономарь
Я смотрю на это иначе. M5 — это заявление Apple, что для AI важно не просто больше мощности, а правильная архитектура под задачу.
M5 превращает локальные LLM из экспериментальной фичи для гиков в рабочий инструмент, из «ну, технически оно работает» в «реально можно использовать каждый день».
Пока Apple проигрывает в софте — никому в голову нынче не придет пользоваться Сири для задач сложнее чем поставить таймер, пока варятся пельмени.
Зато в железе ставка на AI-first дизайн чипов, проектирование с нуля под эти нагрузки — работает лучше, чем у конкурентов.
И хотя мой Air временами не вытягивает какой-нибудь локальный Whisper для расшифровки звонков в реальном времени, я не призываю всех бежать обновляться. Но если вы работаете с локальными моделями регулярно — разницу вы заметите.
P.S. Забавно наблюдать, как индустрия постепенно возвращается к локальным вычислениям. Десять лет назад всех тащили в облако, теперь — обратно на устройства, только уже с AI на борту.
—
Пономарь
👍7💯2