Опубликована книга «Цифровой мозг фирмы»
Короткая книга о директоре в момент, когда машинный интеллект становится массовым рабочим инструментом.
У ИИ есть знания, у человека — контекст
TL;DR. Текст всё чаще доходит до читателя через два преобразователя: ИИ, с которым пишет автор, и ИИ, который делает выжимку для читателя. В КИПиА такая конструкция называется измерительным каналом, и у неё есть известное свойство: погрешности звеньев складываются, а проверять нужно канал целиком. Знание ИИ передаёт через канал хорошо. Контекст — нет. Ниже разбираю, какой именно контекст теряется, почему ошибка модели, общая для всех её читателей, опаснее обычного непонимания и как поверять такой канал автору и читателю.Два преобразователя между автором и читателем
Под кожей Войнича: новый слой 600-летней загадки
Я пришёл к рукописи Войнича за тайной — и решил испытать её инструментами XXI века. За кругами, странными растениями и рядами незнакомых знаков я искал след чьей‑то мысли. Каждая зацепка проходила проверку. Не каждая её выдерживала.
Tesla снижает объем RAM в чипах AI5 и AI6
Илон Маск сообщил о пересмотре технических характеристик для своих вычислительных платформ AI5 и AI6. Изменения затронули объем внешней оперативной памяти: чип AI5 получит
Переговоры — это не только про работу: как я учу ИИ не поддаваться
Завтра разговор, которого вы боитесь: попросить прибавку, отказать клиенту в скидке, сообщить команде, что дедлайн сорвётся. Слова вы знаете наизусть — и всё равно прокручиваете их ночью. В какой-то момент открываете чат с нейросетью и пишете: «Сыграй моего начальника. Я прошу повышение, ты — против».
Скорость визуального восприятия: правда и мифы
В очередной раз готовясь к выступлению, я задумалась над якобы фактом, который преследует любого, кто работает с визуальным мышлением и визуализацией в целом. «Мозг обрабатывает картинку в 60 000 раз быстрее текста»
MTPLX против oMLX: одна модель, два сервера, разница в 3–6 раз
Вторая часть. Первая — «Локальный агент для кода на Mac: MTPLX + pi + Qwen3.8-27B».В первой части я посадил кодового агента pi на локальную Qwen3.8-27B через MTPLX и прогнал сложную задачу в разных режимах размышлений. Осталось сомнение, которое MTPLX сам не снимает: сколько тут даёт его многотокенное предсказание (multi-token prediction, MTP), а сколько сработало бы на любой MLX-обвязке?
Какую LLM выбрать: собираем свой бенчмарк
Результаты внутреннего тестированияОбычно, когда выбирают LLM, сначала смотрят рейтинги. Проблема рейтингов в том, что по ним не узнать, как модель справится с вашими задачами и сколько это будет стоить.
Дешево, но не точно: разбираем контроллер доверия к памяти LLM-агентов
В 2024 году мэрия Нью-Йорка запустила чат-бота MyCity — цифрового помощника для владельцев малого бизнеса. Он должен был стать удобным справочником по городским правилам и законам. Но на деле бот раздавал советы, за которые предпринимателям грозили штрафы и суды, например, не выплачивать до конца чаевые сотрудникам, уволить человека за жалобу на харассмент, и прочее в таком духе.Правильная информация при этом лежала в собственной базе знаний бота наравне с устаревшей. Как оказалось, он просто-напросто не смог выбрать между верным и неверным, когда оба варианта оказались под рукой.
Программа поиска по PDF. Разбираем PageIndex, Streamlit и ссылки на страницы
«Срок гарантии — 18 месяцев». Красивый ответ. А если в договоре написано 12? Или число 18 стоит в разделе о хранении, а модель просто зацепилась за него?В чате такие ошибки прячутся за гладкой фразой. Я хотел иной маршрут: задать вопрос к PDF, получить ответ и одним нажатием открыть физическую страницу исходного файла, на которую ссылается модель. Так появился PDF Desk
