Где ИИ врёт и как с этим жить — мой гайд после фейлов
Я джун. И я давно подсел на ИИ: он помогает мне с кодом, пишет письма, даже шутит (иногда слишком по-дружески с багами). По данным McKinsey, больше 75% компаний уже тестируют генеративный ИИ – ну а я просто надеюсь, что он не подведёт в проде.Хотя, честно говоря, всё равно подводит. В этой статье я разбирался, почему ИИ ошибается, как это влияет на работу, и в конце оставил гайд с рекомендациями по промптам для генерации кода, текста и изображений.Алгоритмы багов ИИ
Как обогнать 99% Python-разработчиков, с фокусом на эру ИИ — по версии ИИ ((гайд) но это не точно)
🔰 ЦЕЛЬ: Создать разработчика, который является архитектором и оптимизатором сложных систем, способным эффективно использовать ИИ как мощный инструмент, но не зависящим от него для критических инженерных решений. НачалоАнтихейт от гиков по версии ИИЭТАП 1: Мастерский Фундамент Core Python и Чистого КодаЭТАП 2: Глубокая Инженерная Оптимизация и Производительность ЭТАП 3:
Смерть разработки продукта как мы её знали
Прощай, трёхногий стул, команды на две пиццы и "менеджеры"О возможностях ИИ в разработке, дизайне и документации написано уже много. Но мне кажется, не менее интересные изменения происходят в том, как команды строят продукты в эпоху ИИ.Этот пост создан при участии Хенри Модиссета, руководителя дизайна в Perplexity. Я восхищаюсь Perplexity по многим причинам, и одна из них - это то, как они как компания применяют ИИ на практике и находятся на передовой нового подхода к работе.Смерть трёхногого стула и команды на две пиццы
Вайб-кодинг с LLM для не-разработчиков
Хорошо, я уберу все ссылки на источники и актуализирую информацию о модели OpenAI o3, используя данные из официального анонса.Введение: Что скрывается за модным "вайбом"?
WebAssembly голыми руками
WebAssembly являясь (относительно) молодой технологией уже довольно распространён в индустрии
NoProp: Реальный опыт обучения без Backprop – от провала к 99% на MNIST
Всем привет! Обучение нейронных сетей с помощью обратного распространения ошибки (backpropagation) — это стандарт де‑факто. Но у него есть ограничения: память, последовательные вычисления, биологическая неправдоподобность. Недавно я наткнулся на интересную статью «NOPROP: TRAINING NEURAL NETWORKS WITHOUT BACK‑PROPAGATION OR FORWARD‑PROPAGATION» (Li, Teh, Pascanu, arXiv:2403.13 502), которая обещает обучение вообще без сквозного backprop и даже без полного прямого прохода во время обучения! Идея показалась захватывающей, и мы (я и ИИ‑ассистент Gemini) решили попробовать ее реализовать на PyTorch для MNIST.
Создаю новое направление в изобразительном искусстве — программный LLM ART
Мы посмотрим и на Корбена Далласа и Лилу из фильма «Пятый элемент», на сюжет из фильма «Люди в черном» и другие интересные арты.Генеративные модели могут создавать великолепные изображения и видео, особенно при правильном подходе и знаниях в написании промптов.Но меня интересуют мультимодальные LLM, которые на входе принимают также изображения и видео, а на выходе производят текст. Теоретически они должны иметь хорошие представления о том, как выглядит окружающий мир и как он меняется со временем по законам физики.
Вызовы функций, стек, куча и продолжения. Часть 2
В первой части статьи мы рассмотрели общую семантику применения функции в различных языках программирования и реализацию императивного вызова функции в машинном коде в стековом и бесстековом вариантах. Теперь мы рассмотрим теорию и практику реализации императивного вызова функции в модели продолжений (continuations): что такое продолжения, зачем нужны явные и неявные продолжения, как при помощи продолжений реализовать различные используемые в языках программирования управляющие конструкции.
