Коррекция на рынке ИИ: покупать или ждать? Анализ падения бигтехов и стратегии входа
Последние дни на фондовых площадках ознаменовались падением акций бигтехов по всему миру. Цепную реакцию запустила отчётность Broadcom, позже добавились ожидания возможного повышения ставки ФРС.
Чем выше статус, тем хуже мы считываем людей — и тем увереннее в обратном
Представьте измерительный инструмент с неприятным дефектом: чем выше его положение в системе, тем сильнее он врёт — и тем увереннее показывает, что откалиброван верно. Самопроверка всегда выдаёт «норма», ошибка не ловится изнутри в принципе. Инженер на этом месте напрягается: систематическая погрешность, замаскированная под исправность, — худший вид поломки. Так вот, у каждого из нас есть такой инструмент. В роли датчика в нём — другие люди, а измеряем мы их состояние. И похоже, он действительно врёт тем сильнее, чем выше мы поднимаемся
Тени странных петель
С кем мы на самом деле разговариваемЧетвёртая статья цикла «Слова, которых нет»Начало здесь, здесь и здесь
Игра на основе ИИ из нулевых, которая поражала воображение
Говорят, боги не обжигают горшки. В одной странной, временами клинически глупой и одновременно гениальной игре нулевых на плечи божества — которым был игрок — ложились куда более важные задачи. Среди прочего, ему нужно было воспитать ИИ, не растеряв при этом паству.Этюд в черно-белых тонах
Режим thinking у ИИ: что на самом деле происходит, когда модель «думает»
Когда нажимаешь кнопку Thinking и видишь, как модель несколько секунд «размышляет» перед ответом — легко решить, что она просто старается сильнее. Работает усерднее. Думает глубже. Может, перебирает больше вариантов из какой-то внутренней базы знаний.Это не так. Thinking-режим — это принципиально другой способ генерации текста, не просто «обычный режим с усилием». И понять разницу полезно не для общего развития, а чтобы знать, когда его включать, когда он даёт реальное преимущество — а когда только тратит твоё время и ресурсы.Как работает обычная генерация — и в чём её фундаментальная ловушка
За кулисами нейросетей: полный цикл тренировки языкового ИИ
Ты уже пользуешься языковыми моделями — спрашиваешь, генерируешь, отлаживаешь код. Но откуда берётся сама способность отвечать? Не «где хранятся данные», а именно — как из случайно инициализированной матрицы чисел вырастает нечто, способное объяснить теорему Гёделя, написать резюме или найти баг в чужом коде?Ответ не в магии и не в «огромной базе данных». Под капотом — три последовательных этапа обучения. Каждый решает строго свою задачу, и без предыдущего следующий просто невозможен. Разберём каждый по очереди.Этап первый: предобучение — строим фундамент
Исследование показало, что не ИИ, а удалённая работа оттесняет недавних выпускников колледжей на второй план
Есть мнение, что искусственный интеллект меняет рынок труда для молодых выпускников. Но новое
