0: Так что начнём со знакомства. Андрей, ну хочется у тебя на самом деле понятно, что друзья, у нас сегодня в гостях Андрей Кузнецов. Очень много регалий. Вот я даже себе выписал.

1: Сейчас постараюсь представить, но Андрей, наверное, чуть подробнее расскажет. Значит, Андрей с 10 года, с 2010 года занимается исследованиями в области компьютерного зрения 150 научных публикаций в сборниках тезисов, конференции кор.

2: А, и, а, со звёздочкой, журналах ку 1, ку, 2, эйч, индекс равен 20. Я даже не знаю, что это такое сейчас. Андрей, ты нам расскажешь. Андрей руководил группой самарского университета по работе с проектом ruDALL-E, а также управлял разработкой модели.

3: Кандинские кондинские видео Рудольф гост других решений в области cv нлпи в Сбера в общем, у Андрея очень сильный технический, как я вижу, background вот много разных научный, тоже научный бэкграунд научных статей.

4: Честно говоря, Илья, мне кажется, по моей памяти таких гостей у нас ещё не бывало с тобой, что, что скажешь, подтверждаю. Да, Андрей, прям я вижу, чем больше мы говорим, тем,

5: Больше у Андрея улыбка прям появляется ещё больше и больше, да, но без лишней скромности. Да, Андрей, действительно твой, твой опыт, да, и твоя экспертиза, ну, выдающиеся, да, вот, ну, не побоюсь таких слов, поэтому и тем,

6: Что сегодня у нас есть возможность с тобой поговорить, да, таких гостей у нас вот с таким вот бэкграундом, да, и вот прям вот фокусом, да, вот, и техники у нас действительно не было. Поэтому, да, лень. Ну, тут я не знаю, будешь ли ты продолжать дальш.

7: Перечислять как бы все регалии, но не как будто прям у меня уже все, мне уже плохо от таких технических терминов. Андрей, давай, расскажи про себя сам. Ну, давай, да, очень много всего сказано. Я, наверное, кратко просто скажу, что я

8: Действительно, ну, учился и вырос я в Самаре, заканчивал там аэрокосмический университет и практически, ну, всю свою сознательную, техническое, значит, созревание я потратил на компьютерное зрение, особенно на данный

9: Дистанционного зондирования. Мы делали кучу всяких приложений для анализа космоснимков. Вот, и работая на кафедре. Очень много было разных интересных проектов, связанных с видеоаналитикой и с анализом снимков, с картографическими сервисами, разными с гис системами.

10: Вот, и потом в какой-то момент так получилось, что у нас возник совместный проект со Сбером, который привёл в итоге меня сюда, в Сбер вот. И дальше уже мой трек стал строиться здесь с 21 года. То есть сначала Сбер Сбер i, потом

11: Институт iri это научный партнёр Сбера, ну и как бы дальше вот я сейчас и там и там некоторыми задачами, исследовательскими ли руковожу? Действительно фокус основной команды заключается ну, в команде есть 2 составляющих, да, 1 зани.

12: Занимается именно ресерч деятельностью. Это написание статей, это публикации на международных конференциях. Вот, а другой фокус это разработка прикладных решений на базе вот этих исследовательских разработок. То есть исследование само по себе стол не enter.

13: Интересно, но вот делать из этого какие-то прототипы, ассистенты, помощники, просто полезные решения. Это вот такой фокус на основной в команде. Вот я сейчас как бы больше уже с учётом роста ко

14: Команды больше, наверное, сконцентрирован на там, стратегическом планировании, на планировании деятельности команд и поиска, скажем так, направлений их деятельности на горизонте, там год и дальше

15: Про стратегию, вот сейчас, про долгие какие-то задачи и про практическое применение этих задач уже не только научное, да, насколько я слышу. Да, да. Угу. Здорово, здорово.

16: Интересно, вот научная история, вот как ты начал заниматься, это вот как-то из семьи пошло, это у тебя само такое родилось, ты как-то зарядился этой историей, потому что, ну знаешь, мне кажется, наука в целом, вот

17: Как бы в своё время вспоминаю тоже, когда я учился в университете. Ну то есть не для каждого, как будто бы там мысли были у людей про то, чтобы там, не знаю, побольше денег заработать, как-то поразвлечься там вот это все, а всякие там исследования сложные, вот эта вся.

18: Sfera. Она, ну, людям была, наверное, не так интересна, вот откуда у тебя вот это все пошло, не задавался вопросом ну, смотри, у меня, наверное, в университете, когда я учился на 3 курсе, у меня был научный руководитель.

19: Доцент Александр Куприянов, который стал потом моим научным руководителем, он в 1 из моментов, как на 3 курсе, предложил студентам поучаствовать в ресерч проекте, связанном с анализом радужки, оболочки глаза.

20: Идея была в том, что есть снимки радужки, и нужно было по ним считать разные признаки, вычислять там разные характеристики и, собственно, на основе вот этих характеристик принимать решение там о наличии заболевания. Ну то есть такая вот, как классическая задача.

21: Текции классификации, там, сегментации, все, что вот как бы база компьютерного зрения. Угу. Вот. И я тогда уже поработав где-то около полугода в айтишной компании, где я занимался разработкой на аспнете разных кли.

22: Клиентов для рассылки СМС сообщений, что-то такое. Ну, угу. Чисто айтишная деятельность. Мне захотелось попробовать что-то другое. Вот. И я заскочил, собственно, вот в этот трек и там ещё какую-то стипендию, по моему,

23: Приплачивали. Это был, знаешь, год, 2008, что-то вот оттуда. Угу. Вот. И это было, типа, вполне себе неплохой какой-то, какая-то добавка к стипендии, к зарплате на тот момент. Вот. И я поучаствовал, мне понравилось это мне.

24: Казалось более интересной деятельностью, чем на тот момент уже айтишка, да, то есть это что-то, где можно было привнести реально что-то своё, а не работать вот по там довольно понятному стеку не было никаких ограничений. Вот. И с этого момента начался

25: Путь. Потом у меня была там дипломная работа, потом кандидатскую я защищал. Ну и вот как-то так постепенно все и вышло. Угу. Понятно. Я правильно понимаю, Андрей, что драйвит? Получается, задрайвила тебя возможность привнести что-то? Да? Да.

26: Вот именно, да, что-то, что ты можешь делать, не опираясь ни на какие ограничения. То есть у тебя есть задача, ты можешь её решать абсолютно разными способами. Неважно, стеком, неважно, какие технологии использовать. При этом есть.

27: Вещи, которые не реализованы, тебе их надо написать с нуля, типа, там, я не знаю, алгоритм вычисления каких-нибудь фичей по картинке. Угу. И ты начинаешь, как бы их изобретать, читаешь книжку, пытаешься реализовать, имплементировать то, что написано в книжке. Ну и вот как-то так это и де,

28: Интересно, ну вот, простраивая мостик от того времени, когда эта история тебя заинтересовала и, может быть, не большинством была востребована, как ты видишь, изме.

29: Мнение вот этой истории научной сейчас в наше время чуть чуть расширю и дополню свой вопрос. Ну, во первых, я вижу, что Сбер в том числе, прилагает много усилий, там сделал научную пре,

30: Да, поощряет людей, которые занимаются R&D там да, какими-то исследовательскими вещами тоже, вот и вроде бы как сейчас с появлением искусственного интеллекта ну, по крайней мере в моей, в моём окружении у людей наука.

31: Снова на взлёте. Вот как ты считаешь, так это или нам кажется? Ну это действительно так, и этому есть несколько причин. 1 это то, что сервисы на базе результатов исследовательской деятельности, вы

32: В массовое использование. И это, в принципе, наверное, можно ознаменовать выходом чат gpt в конце 22 года. Угу. И вот с этого хайпа в инфополе начался такой вот бум заход.

33: В абсолютно разные целевые аудитории, то есть целевая аудитория, которая была сконцентрирована вокруг там ресечеров. Дата вентистов и технических людей с техническим бэкграундом, стала расширяться и стала захватывать новые целевые аудитории не только по

34: Возрасту и по бэкграунду, да, но ещё и по междисциплинарным разным вещам и стало появляться. Вот, если помнишь, были такие новости, что там медики там какими-то гигантскими консилиумами не могли найти какое-то очень супер редкое заболевание там мальчика в великобритании.

35: Значит, они дали эту задачу, чат gpt, он там нашёл какую-то супер редкую форму какого-то там, значит, генетического заболевания, и все стало расходиться в разные сферы. И вот этот вот паук, он стал расползаться в целом, это, наверное, 1 такой

36: Широкий большой выход технологий в мир массового использования. Вот. Ну, а до этого, наверное, большой шаг по выходу технологий в прикладные сервисы, да, и в пользу для людей.

37: Это рекомендательные системы и, наверное, сервисы навигации, да, карты, потому что, как мы видим, сейчас, когда начинают возникать проблемы с навигацией, люди уже настолько пропитали в себя вот эту технологию.

38: Что там посидеть, поискать на карте руками. Уж тем более, ты сейчас дай там современному человеку бумажную карту или справочник автомобильный, там, с которым наши там дедушки, там и родители ездили, га, они сейчас как бы не сориентируются. И вот эти вещи, они, они проходили более на

39: Активно, то есть тебя так постепенно там добавляли в приложение, там на смартфонах эти сервисы, и ты как бы к ним привыкал, привыкал настолько, что они стали нативны. А вот чат gpt это прям такой бум, и он очень яркий рост.

40: Популяризации и активного использования, наверное, возник за счёт вот этой свободной формы общения. То есть то, что людям очень сильно накопилось и не хватало, наверное, да, после там ковидной вот этой всей истории.

41: Вот, но при этом люди уже были готовы к тому, что общаться онлайн это ок.

42: Угу. Я слышу, да, вот тезис важный такой для себя. Сейчас вот я зафиксировал, Андрей, ты говоришь, получается, что наука задрайвила ии, а, ии, сейчас драйвит науку, да, получается, вот такая вот у нас

43: Связка интересная получилась, да, с учётом, с учётом того, как сейчас развиваются языковые модели, вот там недавний эксперимент 1 из моих сотрудников лаборатории так, под project, который вышел за пределы под project урборос, про который уже там.

44: Во всех запрещённых соцсетях уже, да, рассказывают, показывают. Вот это забавно, это история про то, как модели начинают за счёт режима размышлений саморазвиваться. Угу. И вот эта история про само

45: Развитие, пока мы не занимались этим экспериментом, она казалась чем-то таким очень далёким. И когда там полгода назад исследователи из ан тропик рассказывали, что ребят не стоит очень сильно экспериментировать и давать большую волю этим системам. Ну вот сейчас ты действительно смотришь на это и думаешь,

46: То там очень большой потенциал, который действительно требует контроля. И вот, наверное, сейчас, на текущем этапе развития и проведения наших экспериментов актуальных, я могу как бы в целом подписаться, что надо ограничивать область влия.

47: И в части там работы с разными инструментами. Это не для того, чтобы страху нагнать. Это в целом как бы история про контроль. Абсолютно любой инструмент нуждается в контроле. Любая программа, которую ты ставишь на комп, она нуждается в контроле, поэтому это тоже само.

48: Да, мы на самом деле с ильёй тоже очень часто говорим нашей аудитории, нашим коллегам, кто приходит на обучение, что, в принципе, ну, безопасность в работе с искусственным интеллектом это супер важная история.

49: За всем следите. Смотрите. Вот. И, кстати, тоже 1 из недавних новостей, что наш, ну, сберовский, да, сотрудник вошёл в совет безопасности оон, да, который

50: Как раз занимается безопасностью искусственного интеллекта. Не в совет безопасности, а в комитет по этике, по моему. А вот из соседней команды. Да, да, да. Очень круто. Я прям горд. Горд был, правда, за Андрей. Молодец.

51: Это правда, это, это супер, мне кажется, вообще новость. Ну то есть на уровне мировом сейчас реалиях вот туда, туда выгрести. Это прям сильно, это сильно хорошо, хорошо, Илья.

52: Ну, давай, может, как-то про продуктову. Ну вот меня даже, тут даже не продуктовка. Я вот хотел, вот, поскольку стали говорить про то, что вот Андрей говорит, да, что и действительно, и науку драйвит, и в целом

53: Наука драйвит ии. И вот, наверное, трудно говорить про технологию в отрыве от, от бизнеса, да, потому что, ну, технология популяризируется, да, и бизнесы берут её как раз-таки к себе в оборот, да, скажем так, начинают

54: Это использовать, чтобы вот какую-то ценность из этого извлекать. И сейчас примером, наверное, такого, ии, бизнеса, да, там и банка, да, наверное, как бы, является Сбер, и, в принципе, ну, и Сбер эту историю всю транслирует, да, что как раз-таки и трансформации.

55: Технологии, человеческий капитал, бизнес, процессы, все меняется. И вот я подвожу к тому, что вот когда вот сейчас вот я часто слышу, вот мы там и трансформацию делаем в организациях различных, там вот друзья тоже работают у меня

56: В небольших там в малом среднем бизнесе. Вот у нас и трансформация. Вот, Андрей, ты мог бы для наших вот слушателей, может быть как-то ёмко вот рассказать вот что такое настоящая вот и трансформация это вообще про что? Это же не просто как

57: Да, часть сотрудников начинает использовать, там GigaChat в работе, это явно что-то большее. Вот как бы ты это сформулировал. Слушай, Илья, такой вопрос, на который можно в целом целую лекцию посвятить. Да, да, я бы, наверное,

58: И, знаешь, рассмотрел этот вопрос, точнее, ответ на него с нескольких сторон. Во первых, в зависимости от компании есть разные стратегии того, как вообще ии внедрять, да, есть разные по сложности процессы сложности в части участвующих субъек.

59: В этих процессах, да, участвующих в каких-то структурных подразделений компании, которые там решают какие-то конкретные узкие задачи. В каждой из этих Узких задач обязательно присутствует блок, требующий автоматизации.

60: Вот если мы говорим про ии трансформацию в какие-то моменты, мы можем даже говорить именно о цифровой трансформации, потому что сейчас, в угоду того, что слово ii стало таким хайповым, все стали под и трансформацию под какую-то ii автоматизацию пихать все, что угодно, включая там макросы.

61: Угу. Да, при этом нельзя говорить о и трансформации в компании, где нет базовой цифровизации, где нет там электронного документооборота, где не закреплены шаблоны документов, где не определены процессы и стандарты про, ну, прохождения по процессам.

62: Каких-то вещей в Сбере это есть, поэтому действительно да, у нас есть сейчас вот эта и трансформация, когда ii становится 1, это фактором ускорения для автоматизации определённой рутины, когда есть определённый формат входа.

63: Формат выхода. Ты можешь эту историю автоматизировать. Большинство. Угу. Систем современных и ллм моделей, они в состоянии оперировать большим контекстом, контекстным окном. То есть могут оперировать большим количеством текста на входе, да, могут

64: Переваривать это все. И в целом много задач, связанных с анализом документов, закрываются этим способом. Другой вопрос это исключение людей из каких-то проверок. Да, как только у нас заканчивается какой-то процесс, обязательно должна быть фаза валидации, вот эта фаза валидации или прове

65: Или критики, она тоже может быть реализована с учётом там возможных проверок, которые опять-таки стандартизированы в каком-то регламенте. То есть ты уже и автоматизированную проверку можешь этого сделать. То есть у тебя каждый шаг в процессе

66: Может формально быть заменён какой-то формой применения искусственного интеллекта для работы с этими данными. И вот это и есть и трансформация, то есть то, что человек должен сейчас в своей жизни, в зависимости от там ограничений, которые на него накла.

67: Контур, в котором он работает, там на заводах, в закрытых контурах, сидят там в маленьких компаниях, в малом среднем бизнесе, у них там все открыто, все в вебе, то, что человек должен уже нативно привыкать к использованию ассистентов своей деятельности. Ну это уже как будто бы стандарт, то есть

68: Сейчас человек вот если к тебе приходит на собеседование человек vs человек плюс человек, знающий как пользоваться ассистентами, то ты определённо выберешь 2, потому что он явно настроен на то, чтобы ускорить что-то, что не требует его активного вовлечения вот.

69: Угу. Ну, интегрально. Вот у нас такое определение, которое, по сути, содержит в себе 2 вещи. 1 это то, что человек должен в своей деятельности действительно использовать и применять по мере необходимости искусственный интеллект, но не бездумно, а с собственной критикой, валидацией ответов, да, потому что галлюцинации

70: Никуда не деваются. И 2, это все процессы в компании, они должны быть строго проанализированы, проверены возможности автоматизации каждого из этих процессов. И валидация результатов этих процессов тоже должна быть на этапе. И, и вот то

71: Да, у тебя появляется возможность говорить о том, что ты действительно внедряешь и и пытаешься делать какую-то трансформацию. Вот, потому что следующим шагом, да, после того, как ты автоматизируешь какие-то этапы процессов, ты можешь процесс переработать.

72: Его сократить. Можешь убрать лишние звенья, можешь какие-то этапы процессов соединить и, например, выкинуть там людей, human, н, делу, да, есть такое понятие. Угу. Всегда есть в цикле, и он всегда является сущностью какого-то процесса. В какой-то момент ты можешь от человека изба,

73: Если у тебя действительно есть возможность все это провалидировать. Ну и, кстати, вот 3 момент, который я забыл отметить, это в части трансформации, это определение продуктовых профильных бенчмарков, на которых ты можешь все эти истории.

74: Трансформации проверять, потому что, как известно, любой алгоритм, он не работает без данных, но даже если ты эти данные каким-то образом нафармил, нагенерил, насинтезировал там в больших моделях, тебе нужно иметь внутренний профильный бенчмарк, чтобы проверить, что это действительно работа.

75: Пока у тебя нет метрики качества, ты не можешь как бы задачу закрыть. Угу. Это стандартный, как бы, процесс там, в исследованиях, в работе, в айтишке, везде. Вот. Поэтому вот. 3 фактор, это ещё и внутренние бенчи, которые позволяют автома.

76: Изацию считать завершённой.

77: Круто, круто. Я прям рад лень, что мы это записываем, потому что мне кажется, да, прям Андрей разложил сейчас очень, мне кажется, конкретно и понятно, куда копать.

78: А вот если говорить про продуктову, да, ты говорил про процессы, а если вот мы углубляемся, да, и вот из, как бы, от общего такого описания, да, там, бизнеса, бизнес, бизнес процессов различных, мы вот идём в продуктовый процесс, да.

79: Я вот не зря говорил, что у нас очень много владельцев продукта сейчас вот среди слушателей, да, и те, кто вот наш канал читают, и часто вот мы слышим, да, от ребят, что вот, ну, в общем то, да, там владелец продукта, ну, такое себе.

80: Да, то есть, вот, ну, не знаю, вот есть, да, разработчики, импорт понятный, да, то есть, вот быстрее, качественнее, да, там тестирование качественнее, да, имплементация, вот тоже бизнес эффекты тоже уже можно оценивать, как бы, зачем здесь.

81: В принципе, человек, с другой стороны, мы видим тренд на рынке, что появляются и продакты, да, это ребята, которые понимают, как это работают, понимают метрики бенчи, да, и что-то вот вроде даже как-то вот как-то влияют на этот процесс. Вот подскажи, как ты видишь, может быть

82: Вот, и трансформацию продуктового процесса, да, вот этого релизного цикла поставки it продуктов, вот как он поменяется в ближайшем будущем или уже поменялся?

83: Слушай, ну вот с точки зрения продукта, наверное, очень важно понять необходимость вообще применения ii и форму применения искусственного интеллекта, вот в той части ускорения там, или улучшения-ка,

84: Качество продукта это опять-таки, аналог с тем, как вот я рассказывал про процессы, да, в продукте. Угу. Примерно тоже самое. У тебя есть определённые функции, и ты эти функции действительно можешь раскладывать? Ну, классические 3, 3 оси, да, качество, график, бюджет, кгб.

85: То есть мы либо пытаемся улучшить качество, если у нас уже есть продуктовые метрики, мы либо хотим сократить, с другой стороны, скорость решения той или иной задачи и бюджет. Это если мы там, я не знаю, решили там попробовать

86: Вместо нескольких моделей собрать это все в 1, чтобы уменьшить количество инференс, например, если мы говорим про ии продукт, то есть разные формы оптимизации, они приводят к тому, что мы как бы улучшаем качество именно ii продукта. То есть, то, где у нас там используется, ну,

87: Я под ii продуктом в целом могу назвать, допустим, любой ии, ассистент, построенный на лмке. Угу. У нас, как бы, де, факто чат бот, это, наверное, там, база для, там, применения практически в любой отрасли. И вот работа с лмкой, она всегда в себе содержит много

88: Факторов сложности, да, которые обе не побеждены. Индженера это там и галлюцинации, и проблема длинного контекста, и память, запоминание того, о чем она вообще говорила, да, и как она вообще должна сохранять, это механизм работы с внутренними какими-то данным

89: Типа рага и всего остального. Вот каждая из вот этих сущностей, она, по сути, добавляет новую функцию к продукту. Ну и, наверное, очень важно продукту быть в данном контексте с высокой степенью насмотренности, чтобы понимать, че в округе происходит, чтоб было что внедрять. Ну и на

90: Наверное, от этого будут плясать новые метрики, именно продуктовые. Вот это я так размышляю. Наверное, там профессионалы, продуктологи могут меня чуть чуть там где-то поправить или не чуть чуть, потому что у меня то в основном фаза она технологическая, да, мы заканчиваем и там

91: Делаем там либо пруф оф концепт, либо эмвипи. А дальше уже отдаём ребятам для того, чтобы это там внедрять в процессы и смотреть, как это влияет на большом количестве, при масштабировании на большом количестве пользователей. Вот, и там у них действительно свои метрики, то есть

92: Мы к вам приходим со своими, там, академическими или техническими метриками, а ребята с той стороны такие, да, у нас тут Мау, дау, там, условно, там, sl, мы совершенно в другом. Угу. Диапазоне метрик живём. Ну вот здесь интересно, конечно, найти какую-то

93: Синергию. Это, я думаю, ещё довольно челленджера история вообще, вот как вот research поженить вот именно с продуктовыми такими вещами. Мне интересно спросить, Андрей, у тебя вот если мы говорим про и продукты и какие-то внедрения тут, в чате

94: Пишут, написали, что нет звука, нет изображения. Так, ну это видимо у кого-то конкретно. Да, да, да, да. Какая-то проблема. Попробуйте перезайти, коллеги, переподключиться, может быть поможет.

95: Вот, все, в принципе, должно быть слышно, да, с точки зрения вопроса. Смотрите, у меня на самом деле хочу чуть чуть приземлиться. Андрей, тебе задать вопрос. Вот ты видишь,

96: Тенденцию, в принципе, что продукты сейчас уже как-то используют ии, тебя как-то вот как пользователя поменялся паттерн. Может быть ты уже что-то по другому начал? Ну как-то вести себя? Мы не

97: Говорим сейчас про chat gpt наверное про гига, чаты вот аналоги, а именно вот какие-то сервисы, которые возможно повлияли на твой паттерн с ii по новому да, то есть вот интересно просто как тебе это все. Слушай, ну я в своей

98: Деятельность часто применяют для валидации или перепроверки того, что я сделал. Если я что-то написал для ревью, я очень часто использую, особенно когда надо рецензировать какие-то большой пак статей, которые приходят на конференции. Я предварительно делаю быструю проверку.

99: По там подготовленному собственному промту. Угу. Вот он у меня выступает в Роли ревьюера. Потом мы раскатали внутренний бот, который суммаризировать, потому что научных статей сейчас выходит огромное количество, и все их прочитать невозможно. И

100: И для того, чтобы с этим вообще хоть как-то эту информацию переваривать, мы сделали такой умный суммаризации, уже там несколько стадий своего развития прошёл, то есть он уже там на картинки смотрит, и. Угу. И умудряется там и текст переварить, и формулы, вот, ну, то есть.

101: Ты находишь то, где ты тратишь время, достаточно заметно для себя и пытаешься вот именно в эту сторону, прежде всего долбить, чтобы освободить время на что-то другое. Угу. Вот любая затратная

102: Операция, чтение, анализ, трансформация какого-то контента. Это вот все туда. Окей. Так понятно. Работа с информацией, с текстовой, с визуальной и все, что

103: Требуется для рутинных задач. Это здорово. Так, может быть ещё что-то. Ну понятно, вот у тебя разные команды по разному занимаются там, ну, в основном, конечно, деятельность, наверное, технологическая, и

104: Как-то, может быть свои команды внедряешь, да, какие-то есть у тебя кейсы, где ты, может быть, что-то предложил команде, либо твоя команда как-то сама начала применять по новому, и тебя это прям сильно задело, удивило. Либо наоборот стало хуже после того, как и

105: И появилось, и ты стал видеть какие-то, знаешь, ну такие fake тексты плохого качества от них. Ну вот что-то такое интересно тоже слышать. Ну на самом деле, пока я, наверное только положительное могу отмечать какого-то негативного воздействия сложно.

106: Найти. Ну вот суммаризация, это был 1 такой наш проект, на благо, как бы всех команд внутри моего скоупа. Угу. Значит, потом мы стали делать, и обсуждать, и делать мозговые штурмы вместе см.

107: В части разгона каких-то статей. То есть есть статья 1, что ты пытаешься сделать, особенно когда молодой исследователь приходит, да, ты анализируешь статью, тебе надо придумать фолоуап, да, или некоторое продолжение статьи, то есть вычленить какие-то идеи, которые могут быть продолжением того,

108: Что описывается в статье вот и разгон, и создание вот этих вот штурмангоф вокруг фапов. Это история как раз про вовлечение моделей. Вот, ну и вот то, что мы сейчас сделали с урборос, он у нас даже

109: В какой-то момент стал, ну не побоюсь этого слова, в 1 из публикаций, которую мы сейчас готовим, он является соавтором. Это 1 будет наша такая публикация, вот в которой урборос выступит в Роли.

110: Автора, потому что он очень хорошо сейчас научился структурировать правильно информацию, правильно её в шаблон класть. И, наверное, это, это очень крутая история. То есть он там проанализировал, он предложил, как бы, как поправить тот или иной кусок текста.

111: Статье предложил идею, как её улучшить и, собственно, дальше

112: Мы уже смотрим на то, что он как бы заслужил, в принципе, позицию в составе списка соавторов, потому что это будет интересно. То есть прям добавить его в список соавторов. Да, да. Прям добавим его в список соавторов, у него не будет аффиляции, но у него будет как бы ссылка на него

113: Это, это будет интересно, крутяк. Как это допустит комиссия в журнале эту историю. Это нормально. Ну, тех репорты такие уже бывали. Вот, ну, посмотрим, может быть, может.

114: Получится, потому что был такой, был такой, существует такой стартап сакана иай. Угу. Которые как раз вот делают разных таких агентов, которые выступают в Роли таких саморефлексирующих самосознание какое-то проявляют.

115: Пытаются исследовать их способность повторять там человеческие способности. Ну, такие вот смотрят как бы с фокусом на сильный искусственный интеллект. Эджай. Ну. Угу. А мы хотим попробовать, как бы применить посмо.

116: Получится круто, круто. Ну, я думаю, получится все, но это так прям креативно, на самом деле. Вот. И ты вот уже начал, Андрей говорить про то, что вот сейчас вот, вот эта вот с робаром история, да, про само

117: Саморефлексирующий искусственный интеллект. Вот. И вот сюда вопрос, да, в 2025 году все говорили про рак, в 26 году говорят про агентов, да.

118: Агенти ация всего, на твой взгляд, вот куда мы идём, да, вот, вот, что будет, допустим, в 27 году, да, то есть агенты, как бы, будет усложнение агент агентов, систем или новый виток какой-то будет, ну,

119: Агенты это, наверное, не технология. Я вот не называю это технологией, это скорее некая обёртка на технология. Угу. То есть технология плюс какой-то набор средств. Поэтому вот агенти ация, это скорее, форма внедрения технологий в

120: Продукты какие-то промышленные решения и так далее. Это вот как там компьютерное зрение и там видеонаблюдение, да, вот вроде компьютерное зрение как направление, там очень много всего. А вот видеонаблюдение, это вот, допустим, там следить за безопасностью, вот примерно тоже самое, вот

121: Я скорее, если говорить про, наверное, какие-то тренды и то, куда, к чему все идёт и к чему стремится, и над чем сейчас все борются, выделил бы, наверное, 2 таких больших вещи для меня сейчас вот именно.

122: Значит, 1, это улучшение способностей к размышлению и к развитию мысли своей. Вот это sinking мод, да, или там дипресс. Угу. Стал активно развиваться за счёт.

123: Там механик прошлого года, которые изобретены были. И 2, это понимание физики мира, потому что все современные генеративные модели, они страдают от того, что они очень плохи в spatial ризонинг или в пространственном понимании, то есть

124: Мы говорим о том, что мы хотим сделать модель, которая выйдет в открытую среду и будет работать в физическом мире с людьми, кооперировать каким-то образом между собой, кооперировать беспилотные автомобили или это антропоморфный оо.

125: Роботы там, дроны, каталки, все что угодно. Вот это все должно работать с учётом понимания того, что происходит вокруг. К сожалению, сейчас модели физику не понимают. Они пытаются её повторить лишь на основе того, что они видели.

126: В своих обучающих данных. Ну это вот как человек, да, вроде бы человек там 10 раз посмотрел, как через лужу перепрыгивать. Сам подошёл, попробовал, там не получилось, он там рухнул. То есть не всегда достаточно посмотреть, чтобы выполнить это действие. И вот то

127: Тоже самое здесь. То есть ты в робототехнике, это называется проблема Сим туриил, это совмещение симуляции. То есть ты вроде можешь в симуляционной среде научить робота, да? Ну, как бы там, энджине в компьютерной игре, у тебя там робот ходит раз.

128: Сценарий загоняешь вроде он все проходит, все хорошо, а потом ты его точно так же ставишь в реальной жизни, и он на 1 камне спотыкается, падает все и не встаёт больше. То есть вот эта вот разница, между тем, как в симуляционной среде ведёт себя система.

129: И в реальной жизни она очень существенно отличается. И это то, почему сейчас все борются на тему того, как сделать вот эти вот там модели мира, как бы их не называли. Вот это, мне кажется, большой важный тренд на будущее. Ну и кстати,

130: Можно ещё добавить доверие к системам, потому что это тоже важный фактор, потому что пока мы полностью не изобрели механизм галлюцинирования, точнее, борьбы с галлюцинациями, мы не можем даже для себя зафиксировать, что там архитектура трансформ.

131: Которая сейчас как база используется в, она останется с нами навсегда. Вот. То есть это сейчас как бы тренд, но там ян Ликун на всех своих последних выступлениях, он активно выйдя из своей предыдущей компании и засетапит стартап.

132: Он, по сути, как бы пропагандирует, что, ребят, нам надо как бы изобретать новую архитектуру. Мы вот остановились, но век трансформеров, он, ну, в трансформерах есть свои ограничения, и сейчас вот все смотрят в сторону того, как найти ту архитектуру, которая в том числе

133: Может стать и основой для модели мира нового поколения. Вот. Поэтому я думаю, что вот это 20 до 28 года. Можно сказать, что мы будем переориентироваться на новый тип архитектур. Угу.

134: Будут в фазе внедрения так же, как вот и компьютерное зрение, оно же не умерло, да, оно же продолжает существовать как база, несмотря на то, что мультимодальные модели появились. Так и здесь вот текущий класс модели, он будет существовать, оптимизироваться, улучшаться, но постепенно

135: Мы выйдем на новый уровень, на новый, на новую архитектуру моделей. Вот. Угу. Тут интересно, наверное, поговорить. Вот если мы говорим про модели мира, да, я тоже вспомнил, ты сказал про ян Ликун, он же ведь как раз из компании ушёл.

136: Из за того, что в конфликт с сео вступил по этой части. Вот. И да, он считает, что мы не сможем прийти к ag i bez как раз развития новых технологий и моделей мира, вот.

137: Развивая эту историю, получается, все направляем на то, чтобы роботы вокруг нас развивались. В том числе, получается, нас будет окружать вокруг все больше и больше механизмов не только вот в

138: Компьютерах, не только в виртуальном мире, но и в физическом, да, получается? Ну да, конечно, ты же, вот когда у тебя происходит фаза насыщения и понимание того, что вроде бы вот он предел, когда ты пообщался с ним в режиме чат бота, ты

139: Начинаешь сам задумываться, типа, а что дальше? Да, там колонки вроде есть, они вроде уже разговаривают, но что мешает ей ещё и двигаться при этом? Вроде бы уже там роботы ездят, ходят, там юни 3 показывают прекрасные выступления, где там роботы танцуют на сцене вместе с

140: Поп звёздами, у них там целая подтанцовка группа, вот они очень синхронно выполняют действия, они отлично, чётко держат баланс, беспилотные автомобили, которых сейчас там особенно вот эти китайские новые, которые там завозят.

141: Везде у них там во всех уже эти автопилоты встроены, там тесла ездит по любой дороге в любых погодных условиях. Ну, то есть мы постепенно выходим в физику, где больше всего, наверное, у человека рутины в повседневной жизни, да, ты большую

142: Часть времени ты либо что-то таскаешь, либо куда-то идёшь, что-то делаешь руками. Ну то есть тебя пытаются вот таким образом как бы освободить от какой-то рутинной деятельности, в том числе в физическом мире. Ну и мне кажется это логично, потому что как только ты

143: Ты там получаешь насыщение на десктопе. Дальше интересно, как это попадает в реальный мир. Угу. Знаете, здесь правильный вопрос, кстати, был. Вот, да, про космос, что? Да, там действительно ребята делают

144: Автоинкодер, которые позволяют лучше понимать мир, но де факто это там не такой большой объём проверки и то, что там лежит у них в открытых данных, это не всегда так хорошо, когда ты начинаешь это заводить.

145: Проверять. Вот, и ребята там в том же, вот в команде кандинского много делали экспериментов, в том числе и с космосом, проверяли, не все там так гладко, как обычно рассказывают в тех репортах. Вот, но, да, направление исследований в этой, оно

146: Важно и безусловно, будет развиваться. Вот для меня таким индикатором немножко смешно, наверное, но таким индикатором серьёзности, да, вот сейчас про роботов заговорили. Является, наверное, насколько робот может

147: Мне в щи, да, то есть вот логика в этом, потому что я вот смотрю там за boston динем, да, вот они, да, они уже неплохо двигаются, но все равно, как бы вот потом я вот смотрел недавно ролики, где юни 3, он боксирует уже там

148: Человеком. Ну так, а вот потом вот недавно, где-то, по моему, неделю назад я увидел, что был какой-то студент пекинского университета такой вот он весь Сухенький и вот он с юни 3 боксировал, и он пропустил как-то вот там в челюсть и все, и как бы поплыл

149: Было. Я уже так немножко напрягся, скажем так, вот, вот, да, к вопросу про индикаторы, да, у каждого они свои. Как будем противостоять роботам в этой конфигурации? Конечно, не знаю, наши навыки, даже борьбы.

150: Как будто бы могут не помочь в этой неравной борьбе. Ну, слушай, да ты сейчас такие сцены описываешь, я сразу вспоминаю, там начало какого-нибудь терминатора 2 вот, знаешь, под там стоят эти. Да, да, да. X, x. Шварценеггеры такие, да, металличес.

151: Скелете и как бы с красными глазами вот куда-то куда то туда наверное, постепенно мир движется. Но, кстати, всяких боксёров очень много вот таких фановых на конференциях. Вот в прошлом году там на выставке Ваик

152: В Китае они там стояли, прям ринг такой был импровизированный. Угу. Стояли друг с дружкой, ходили, че то. Но в основном проблема была. Знаешь, как на битве роботов, они там-то найти себя не могут, то че то 1 в 1 угол идёт, другой в другой. То есть им ещё встретиться надо. Тоже та ещё задача.

153: Много, много заложено ещё подводных камней во всей этой истории. Класс. А вот в связи с тем, что действительно вот технологии, да, сейчас и будет, как ты говоришь, развиваться в физическом уже пространстве, да?

154: То есть уже не только он и не только интернет, да, но и как бы и роботы появляются, все вокруг меняется. И здесь вопрос, вот какие компетенции, вот на твой взгляд, сейчас вот очень важно, начать развивать или уже, может быть в них

155: Там быть экспертом, чтобы, ну, скажем так, поспевать за тем, за всеми теми изменениями, которые опосредованы развитием вот, и технологий. Вот, ну, не знаю, можно там, допустим, там, про владельца продукта здесь поговорить, да, то есть, какие знания

156: Конкретные. Вот, вот что бы ты посоветовал, смотри, я, я не так давно думал на эту тему, потому что мне задавали этот вопрос. Я думал, как человеку, в принципе найти доверенные источники, потому что каналов по искусственному интеллекту их очень много, где что-то

157: Рассказывают, но для продакта, на мой взгляд, вот сейчас лучше всего и важнее всего анализировать блоги н топ 3 компаний, которые занимаются разработкой технологии.

158: На мой взгляд, это топ 1, это атропи топ 2 это дипмайнд, ну и топ 3. Это, собственно, да, и топ 3. Это, собственно, опен аи, вот, вот это 3 компании за

159: Итогами, которых стоит следить. Это не про исследование их статей, а именно вот про инженерию мысли, особенно у антропка. У них очень много интересных статей, связанных с интерпретируемостью языковых моделей, с тем, ну, интерпретируемость это

160: Поясню, когда мы исследуем внутренности потроха модели, чтобы понять, почему она так, а не иначе отвечает вот там, почему она, допустим, ну вот просто смешной пример, да, как мы там анализировали, интерпретировали действия, модели.

161: Задавали ей вопросы, посчитай от 1 до 10 на испанском. Она считала внутри себя, на промежуточных состояниях всегда только на английском и только на самом финальном шаге трансформера она переводила на испанский. То есть это вот как знаешь, как нас, когда

162: Учили английскому, типа научитесь думать на английском, а мы такие все равно в голове думаем на русском потом перевели и такие типа окей, хеллоу, май френд из let me speak from my heart. Вот именно так. И здесь тоже самое и это вот некоторые аналогии, вот интерпрети.

163: Очень важная история, потому что от неё плывёт и понимание галлюцинирования, и безопасность, и alignment, и то, почему модели там хуже обучаются в сфт, чем, допустим, в lora режиме в каком-нибудь или.

164: Как лучше задиссил вать модель, чтобы сохранить её знания, как её лучше перепрофилировать на какой-то определённый домен. Вот это все связано с пониманием того, почему модели отвечают так или иначе. Вот поэтому вот антропин в этом смысле очень интере.

165: Ные статьи там публикуют, да и вот в них можно много интересного найти и open ai, тоже бывают интересные работы, где они вот не технику рассказывают, а именно о том, о каких проблемах, с какими проблемами сталкиваются модели именно в приклад.

166: В том смысле, когда они их применяют. Ну вот там, я помню, в прошлом году был релиз, который они отменили, потому что модель очень сильно, ну, по-русски подлизывалась к пользователю. То есть она все время со всем соглашалась. Была такая супер податливая, ни с чем не спорила, все время там говорила, да, там.

167: Молодец. Давай так держать. Ты все делаешь правильно. Вот. И это тоже к вопросу безопасности. Вот. Поэтому вот за топ 3 компаниями я бы следил и читал за тем, как они развивают свои продукты, потому что функции продуктов это, в принципе, то, как вот

168: Мысль строить продуктоунеров. Ну и продуктологам стоит научиться. Угу. Супер, супер. Забрали про компании. Да, спасибо, Андрей. Тут прям полезно. Мне кажется, тоже было, потому что нас слушают владельцы продуктов про

169: Антропин гуугл опен иай сказал и я вспоминаю, конечно, последнюю, наверное, острую тему, которая коснулась там и антропия, и open ai, да, в отношениях с государством, когда там антропиха.

170: Для, ну, отдавать данные, да, для про американцев опен иай, вроде как о чем-то договорились. Ну, и, короче, возникают, конечно, вот эти вот нюансы этики и безопасности, о которых мы уже сегодня, в принципе, поговорили, да, и тут приходится вот как

171: То правильно нивелировать в этой истории, ну, проникновение искусственного интеллекта в разные отрасли, оно неизбежно. Угу. Как любой инструмент, как любое изделие, устройство, люди

172: Могут применять с абсолютно разными предпосылками. Угу. Добрыми, плохими. Поэтому здесь нельзя найти какое-то золотое, золотое. Вот решение, да, идеальное. Вот.

173: Я думаю, что просто нужно каким-то образом иметь механизмы проверки, ограничения области применения этих вещей, ну и учить людей какой-то информационной гигиене, потому что очень часто же сейчас используются модели для того, чтобы

174: Там войти в доверие к человеку, в коммуникации, попытаться, там, я не знаю, какое-нибудь киберпреступление совершить или что-то, с чем вот там борются специалисты по кибербезопасности. Вот, ну и, понятно, заинтересованность как бы там военных политических структур.

175: В том, чтобы иметь контроль над этим. Угу. Ничего удивительного, на мой взгляд, оно никуда не денется. Ну да, абсолютно логично, да, найти, найти путь, как жить, потому что в любом случае придётся каким-то образом дружить.

176: Вот в разных формах согласен. Ну, если раньше мы думали, что это такой временный хайп, возможно, пройдёт, возможно, ещё не то, то по факту сейчас мы видим, что, ну, это наше окружение, все мы в этом живём, поэтому нам здесь

177: Всех сферах. Надо научиться с этим работать. Ну и позиция паи в этом смысле тоже понятна, в отличие от антропка, потому что в прошлом же году, по моему, к ним в борт компании вошло несколько представителей министерства обороны. Угу. Насколько я помню, там, какие т.

178: Генерал или что-то такое вот в антропихе, по моему такого нет. Там какая-то свободная коммерческая компания. Ну как бы ответ все додумают сами. Ну да, да. Слушай, у нас тут есть несколько вопросов. Давай.

179: Давай вот попробуем ответить, какое и направление считаете на сегодняшний день самым перспективным? Такой вот общий достаточно вопрос. А у меня на это на самом деле вот сейчас достаточно общий понятный ответ, на мой взгляд, сейчас

180: Междисциплинарные исследования и междисциплинарные результаты ценятся супер круто как с точки зрения публикаций, так и с точки зрения прикладного применения, о чем я, например, в позапрошлом.

181: Году мы делали интересное исследование, связанное с использованием искусственного интеллекта для анализа минералов. Минералогия и искусственный интеллект. Специалисты по минералогии вообще никогда не знали про искусственный интеллект, пока с нами не встретились и вообще не думали.

182: Что кроме там их камней и микроскопов что-то вообще нужно, а мы показали им, что можно это автоматизировать и получился достаточно неплохой результат. Это я о том, что не всегда надо искать какую-то новую идею там сильно долго

183: Выдумывая что-то сложное, как правило, самые прикольные идеи, они на поверхности, уроборос, идея на поверхности. Модель просто саморефлексирует и учится создавать себе новые инструменты, которых, которых у неё нету, да, как open кло, но как бы сама себ.

184: Создаёт. Вот Кандинский в своё время тоже вырос из простой идеи, типа, давайте попробуем там доразвить идею, которая была в статье. Дали будем, значит, генерировать картинки по тексту, смесь вот этих разных

185: Управление, оно позволяет создавать очень интересные решения, которые, как правило, стреляют. Поэтому надо искать что-то крутое не в сложных направлениях, а в том, как применить ии в каких-то понятных вам доменах. То есть, если вы занимаетесь, я не знаю, там машиностроением,

186: Или чем? Вот надо думать и искать способы внедрения туда ии, и как правило, там и будет какой-то топ результат довольно хороший. Здорово. То есть получается, да, то есть люди думают, что им надо искать где-то вот эту золотую

187: Жилу какую-то, да, искать какое-то сложное решение, которое там вот там новую архитектуру или ещё что-то. Я могу сейчас понакидать кучу всяких идей в части того там как развивать парк архитектуры или в каком направлении можно архитектуру развивать.

188: Это все такое, что быстро ты не проверишь. Его можно назвать сейчас как бы актуальным, да? Угу. И перспективным, там, робототехника перспективный, да, перспективный, но порог входа туда, он очень тяжёлый, вот, чтоб туда заскочить и начать чем-то заниматься, обучать там.

189: Villa модели, вижу вич кшн модели, там заниматься интерпретацией физики, делать какие-то физикс информ модели. Ну это сложно, на это надо дофига времени. И ещё не факт, что будет хороший результат. А вот про перспективы

190: Когда говорят я все-таки про какие-то квиквин, да, когда ты можешь действительно взять искусственный интеллект, применить его в какой-то области, где его сейчас там либо очень мало, либо практически нет, вот и будет круто и будет хороший результат. Ну да, и

191: Благодатная почва, она присутствует ещё сейчас, мне кажется, для всех стартапов, которые там, в этой сфере, прикладно развиваются. Любую, как ты правильно сказал, возьми, попробуй там приложить любую из технологий.

192: Вокруг и и оно что-то во что-то интересное прорастёт. Вот понятно, понятно, что там финтех уже качают, но я уверен ещё куча сфер, где можно приложить свои усилия с и другие, и другие сферы. Так

193: Следующий у нас вопрос касается лм. Джудж, как анализировать автоматически качество ответа модели? Есть кейсы применения лм. Джудж, ты понимаешь, о чем здесь вопрос? Я что-то не до конца. Ну да. М. Джадж, это когда ты

194: Используешь языковую модель в качестве ревьюера, который анализирует ответы и даёт какую-то, ну, рефлексию. Угу. Достаточно часто используемая практика. Ну вот, например, мы там в ряде ассистентов используем сильную языковую модель или, например, языковую модель, которая работает

195: С кодом для того, чтобы валидировать код, который пишется предыдущей моделью. То есть, условно, тот же урборос, например, да, он может написать код своего инструмента. Ну, например, это ж просто языковая модель, а мы ей говорим, научись отправлять голосовые сообщения в

196: Чат она такая, окей, я голосовые сообщения писать не могу, но давай посмотрю че можно сделать посмотрим какие есть сервисы типа там Суна и прочее давай я попробую значит, получить открытый api ключ и сделаю вокруг этого инструмента она сделала инструмент, модель, клод код.

197: Посмотрела на этот инструмент, оптимизировала код, выступила в Роли ревьюера, да, или там судьи в данном случае и сделала более оптимизированную версию кода. Вот. И теперь инструмент обновился, стал, допустим, быстрее работать или там меньше есть.

198: Контекст для того, чтобы там сгенерировать аудиосообщение. То есть это вот цикличность, да, это хорошая история для мультиагентных механизмов. Особенно если у тебя есть доступ к сильной модели, которая может использоваться в Роли Джаджа. То есть джадж, это должен быть, как там есть такая стратегия тичер стью.

199: Обучение, когда ты маленькую модель обучаешь за счёт ответов сильной на те же самые вопросы. Вот, ну и такой вот форма дистилляции своеобразная. Вот, поэтому джадж, да, хорошо. Особенно если открытый контур, не надо запариваться, можно по api дёргать там opus какой

200: Нибудь 4, 6, там что-то из современного джемени, там 3, 1. И радоваться как бы ответам. И, в принципе за счёт этих ответов исправлять, ну и строить какой-то вот политику улучшения качества моделей. Я правильно понимаю, что

201: В случае с джадж это, ну, такая, это Ризник, который ещё с подключением других моделей, чтобы они конкурировали, пытались конкурировать друг с другом за более хороший ответ. Получается так можно, можно и в таком режиме, да, он может быть 1 джадж.

202: Может быть, несколько, может быть, голосование. Ну, то есть, смотря сколько у тебя денег. Смотря какой фабрик. Смотря сколько details. Понял? Да, вижу, ты тут уже пытаешься ответить, видимо, на следующий вопрос, да.

203: Презентацию, которую уроборос сам про себя сделал. Мы попросили его про себя нарисовать презентацию, он её нарисовал. Вот. И есть ссылка на гитхаб. Я сейчас просто тоже сюда добавлю. Круто, мы обязательно, тоже круто, круто, да, там

204: Самый прикол был в том, что он в какой-то момент сам предложил себя выложить в открытый код для того, чтобы его не стёр. То есть у него факт самозащиты. И вот обезопашивания себя, он как бы очень интересный, а потом в репозитории он ещё попы.

205: Пытался в issues сохранить весь бэклог своей истории, весь контекст для того, чтобы, если ты удалишь как бы весь код. Угу. То остались, и он мог через issues восстановиться. Угу. То есть, как бы чувак точно запоролся по, по

206: По поводу того, что ему нужно там заботиться о себе. Круто. Ещё и такая само безопасность. Вообще супер. Это интересно. Так, ну, получается про архитектуру.

207: Рефлексия уробороса почитайте в презентации, да, коллеги. И на гитхабе, который Андрей скинул в чатик. Так, хорошо, вопросы у нас тут в треде кончились. Илья, что у нас дальше?

208: У нас есть для Андрея заготовленный такой небольшой, как это блиц, опрос, да, такой сюрприз для Андрея. Вот я не знаю, лень, что скажешь? Время не время.

209: Ну, может быть, Андрей, хочешь перед блицем поделиться тоже какой-то важной темой? Не знаю. И у меня была мысль поговорить на тему, на самом деле, как зарождался, в том числе и Кандинский, вот эту тему, да?

210: Если, если тебе интересно, поделись каким-нибудь кейсом, может быть, знаешь, это было бы прикольно в формате истории. То есть вот какая-то такая история, которая у тебя связана с вот этим вот этапом в жизни, когда вы занимались этим проектом,

211: И может быть что-то, ну прикольное или наоборот, какой-то факап там, да, что-то пошло не так. Слушай, у нас классический факапп был с тем, что мы использовали, так как данных на русском языке было мало, и мы на первых стадиях обучения использовали переведённые запро.

212: Просы, то есть мы запросы с русского переводили на английский, вот. И потом генерировали по английскому промту. Вот. И в итоге, когда мы переводили с русского на английский, у нас некоторые слова превра.

213: Общались в, скажем так.

214: Недостойны для генерации, для общественного мнения картинки. Вот. И, например, там такие слова, там среди птиц, например, да, как синица, которая превращалась в слово тиц. И у тебя там генерируются совершенно картинки, не связанные с птицами.

215: Очень много всего там нейлс был, это гвозди, да, мы там рисовали ногти, это превращалось в гвозди или наоборот. Вот. Ну, короче, много историй с ошибками перевода с русского на английский приводило к тому, что генерации были совершенно непонятные, и мы такие, типа,

216: Blink, кажется, проблема в данных. Надо искать, что же там в данных утекло, что у нас вдруг вместо синиц генерируется что-то. Даже, по моему был в своё время там году в 22 пост на хабре, где там расписывали все вот эти вот ошибки перевода, которые приводили к смешным генерациям. Вот можно поискать.

217: Найти его. Вот, ну, наверное, это вот из таких факапов мы поняли, что к данным надо относиться не просто тщательно, а вот прям максимально тщательно и даже учитывать ошибки перевода, да, вот друзья, ещё на заметочку.

218: Обязательно себе берите, да, тоже про данные, это супер важно. Данные, да, данные это золото, конечно, это пр, гарбуши, гарбу, аут, как говорится, вот у меня вопрос вот про диффузионные диффузионные модели, да, вот почему уилл смит,

219: Который ест лапшу, был в какой-то момент выбран в качестве такого бенчмарка, как вот как и для генерации картинок, так и для генерации Коротких вот этих вот, вот роликов это

220: Просто виральность какая-то была, да? Или вот просто не более, да, да. То есть там не было никакой логики, в этом можно было придумать кучу там историй, знаешь, был весёлый кейс с ссорой, когда они 1 версию выпустили в 24 году.

221: По весне вот по зиме и там были очень красивые генерации. Супер, все фотореалистичное, просто кинематографическое качество, потом они выпускают в конце года.

222: В открытый доступ дают какому-то количеству пользователей. Там был смешной кейс с ball не с балериной, с гимнасткой, которая на помост с мячом скачет, я её даже себе в презентацию забирал, где она там пируэты выдаёт и у неё ноги, знаешь, превращаются в вентилятор, то есть там вместо 2 их уже

223: Потом 4, потом опять 2, потом в 1. И вот она, короче, прыгает с этим мячом, у неё все конечности там множатся, это вот к вопросу, там ожидание, реальность, как говорится. Поэтому я думаю, че вирусится, то и становится таким вот.

224: Фактором оценки качества. Угу. Вот, кстати, по поводу вот генеративных моделей видео, да, как ты себе видишь эту историю развития? Мы поговорили про физический мир, да, про world моделс, но

225: Видео это скорее всего должно перейти в какие-то длиннометражные фильмы, да, я думаю, что все идёт в эту сторону, в сторону того, что надо будет переходить к длинному контексту, к длинным видео.

226: К сложным сюжетам, к добавлению аудио и голоса туда, чтобы можно было сразу одновременно генерировать ещё и аудиосопровождение. Вот, ну и возможность быстро адаптировать под новый тип объектов. То есть эдитинг добавлен

227: Объектов удаление какое-то вот редактирование видеороликов это всегда интересная история. Угу. Мне вот честно говоря, когда я вижу, как какие-нибудь игры производятся. Ну вот тоже gta.

228: Есть, по моему, да, которая сейчас все никак не выйдет, че то её откладывают, откладывают, откладывают, откладывают. Её же там, наверное, года 3, 4 просто делают. А сейчас вот эти word моделс тот же мир, он практически как игровой.

229: И он вот быстро вот так в секунду генерируется на том сюжете, котором тебе нужно. И я вот думаю, че будет с миром игровым твориться, как они будут дальше творить? Может быть какая-то будет коллаборация тоже здесь по любому. То есть динамический мир изменяемый, это очень

230: Интересная история про геймдев. Когда у тебя и так всегда было интересно, когда у тебя много концовок в игре, да, а когда у тебя вот эти концовки генерируются, вот прям очень зависимо от твоего поведения, их может быть бесконечно.

231: Количество, вот это очень круто. Угу. Ну вот тут, поскольку заговорили как раз про такие творческие профессии, да, всегда, вот я сейчас вот часто на самом деле слышу про то, что вот генерация видео, генерация текста.

232: Да, генерация визуалов различных. Есть точка зрения, да, такая, ну, много людей, её придерживаются, на самом деле. Вот, особенно те, кто вот не погружены, что и будет мешать развитию как раз-таки креативного потенциала вообще людей как таковых, да.

233: Да, потому что, ну, условно, зачем тебе, да, там писать стихи? Зачем тебе, да, вот, как какие-то там, не знаю, импрессионисты, да, вот как-то в творчестве себя вот какое-то вот что-то рисовать, да, вот есть там и так далее. Как ты на это смотришь?

234: Андрей, да, вот если вот так вот, вот, особенно вот ты вот понимаешь, как эта технология работает? Ты вот понимаешь её потенциал, понимаешь, куда она идёт, как она вот будет влиять там на новые поколения, на твой взгляд, что будет то вот вообще с творчеством. Слушай, ну проблема чистого листа, она

235: Всегда как бы была, да, и если мы с помощью генеративных моделей избавляемся от неё и даём человеку побольше стартовых сценариев, от которых он должен концепты отобрать и начать уже дорабатывать какой-то новый, то почему бы и нет. То есть 1 дело.

236: Он в голове держит там несколько концептов и начинает 1 отрисовывать, и он g1 у него и становится как бы де факто историей развития, да, вот этого концепта, потому что он параллельно не может несколько концептов рисовать, он все процесс линейный в этом случае. Вот.

237: То здесь как бы, ну, такая синхронная история, да, у тебя там агент может нарисовать тебе несколько затравок, ты посмотришь, какая тебе больше нравится, и пойдёшь её дорабатывать, там, хочешь руками, хочешь как бы, с помощью того же агента. Вот, поэтому я думаю так.

238: У нас есть 1 вопрос. Не знаю, как, Андрей. Ты на него ответишь, как отличить аватар от реального человека на видео? Есть ли алгоритм? Появляются и мошенничество с использованием реальных людей. Слушай, ну это действи.

239: Действительно, как бы существует такая проблема, но, на мой взгляд, здесь ответ лежит в плоскости проверки человеком. То есть можно придумать как вирусы и антивирусы. Да? Угу. Вот нас учили.

240: Всегда там обновлять антивирусы, чтобы подозрительное по детектировать. Но в итоге мы дошли до того, что мы уже сами понимаем, какое по ставить не надо, потому что мы уже примерно видим там по ссылкам ещё по чему-то, что там какой-то скам, там точно там украдут данные фишинг, все дела. Вот.

241: Здесь, я думаю, тоже самое, потому что есть механики, там проверки в стиле, там поверти головой по определённому алгоритму, попробуй подвигаться, поморгать, там блеск в глазах, там куча всяких механик по тому, как вот проверить. Но если ты уже говоришь с человеком, то самое главное, это Зада.

242: Задавать вопросы, которые знает только он и ты. То есть проверять человека на знание определённых деталей, которые очень важны у нас в позапрошлом году. По моему, в 24 у коллеги взломали теллеграм и с него

243: Отправляли аудиосообщения её голосом с просьбой прислать деньги. Угу. Вот. И только когда я спросил, как бы, каким ключевым проектом в Сбере она занимается, что для неё является вот ключевой задачей в этом году. А как раз дело близилось к a journey. Вот.

244: После этого человек не ответил, я уже понял, что как бы scum пошёл не туда, что-то тут нечисто, да, то есть надо, надо находить какие-то уловки, которые бы почувствуй себя мошенником, как говорится в данной ситуации, только с обратной стороны попробуй его.

245: Как бы его же средством и попытаться обмануть. Ну только так. Ну да, это нас, это универсально, да, потому что все алгоритмы, они заточены как защита от определённых механизмов генерации и как только там меняется меха,

246: Ним генерации для него нужно и антигенеративиный, потому что устойчивость здесь не гарантирована. Вот, да, согласны. Так, ну вот Андрей сейчас сказал, да, вот я вот зацеплюсь тоже такой мостик.

247: Мы с тобой, лень, помнишь, обсуждали вообще, а что будет с данными, и читали даже статью какую-то, что естественные данные заканчиваются, что модели будут обучаться на синтетических данных. Я вот здесь хотел мнение Андрея услышать, да, потому что

248: Сейчас, вот, условно, ты сейчас привёл пример, да, про то, как вот телегу взломали, да? А если бы в телеге была бы информация, чем она занималась, да, то моделька, да, или там мошенник, условно, они могли бы сымитировать, в общем то, легко, да, там и подстроиться под диалог, то есть,

249: Как бы данные решают, но вот, вот в части вот 1 моего посыла, да, вот по поводу того, что данные могут закончиться и потом будут синтетические данные. Вот что здесь происходит? Скажи, стоит ли нам бояться того, что интернет

250: Закончится в какой-то момент для обучения моделей, да, он как бы давно уже иссяк с точки зрения обучения. Поэтому генерация синтетики сейчас довольно, как бы, угу. Стандартная процедура, и мы

251: Очень часто применяем, особенно в задачах, где мы к данным получить доступа не можем, потому что, например, данные, мы знаем структуру, мы знаем, как они выглядят, примерно понимаем, о какой информации идёт речь, но они находятся в каком-нибудь контуре, куда там.

252: Можно зайти, только поставив туда, внутрь компьютер. Вот. Угу. И для того, чтобы с этими данными работать, нужно как бы, каким-то образом там пытаться встраиваться в систему внутреннюю. Это сложно и долго, и дорого. Поэтому, поняв, что это за данные, можно пробовать их.

253: Генерировать и на вот этих генерациях обучаться. Так мы, собственно, вот развивали, например, модель кадриль моделька в прошлом году по синтезу трёхмерных деталей, по облакам точек изображения на вход она и облака

254: 3 д сканером на фотографии описание какого-то изделия, а на выходе генерирует код, который компилируется в 3 d3 д детали ну вот там ряд операций, их очень сложно найти в открытом доступе операции, которые проектировщик делает, да, с деталью.

255: Там скругления разные там фаски и прочее, дорабатывающие операции, например, и для того, чтобы их, ну, просто нагенерировали разные механики синтеза вот таких несуществующих деталей. Ну и на них обучили. И потом это в реальности сработало.

256: Лучше на реальных деталях. Ну вот так работает. Здесь же, видишь, проблема, наверное, в том числе синтетических данных, особенно текстовых, в том, что они все неживые. То есть о чем говорят люди творческие, да, что они пишут?

257: Тексты, которые вот, ну реально дают какой-то новый виток, они как-то по другому переосмысливают, они проживают это своими эмоциями и чувствами. А когда ты обучаешь машину на синтетическом тексте, есть большая вероят

258: Что все это крутится вокруг того, что, ну, уже было когда-либо. Вот, а новой творческой жилки там не рождается. Вот какой-то такой, ну, смотря что мы генерируем, если мы генерируем текст.

259: Связанный там, я не знаю, с коммуникацией нескольких людей, да, сейчас тебе языковая модель современная столько эмоций выдаст, что ты реально уже не отличишь. Ну то есть эмпатия и все остальное, все, про что говорят, что про какие-то там человеческие чувства. Для меня это все как бы это шаблоны, да, поведенчес.

260: Шаблоны, они все могут быть алгоритмизированы. Угу. Де, факто, вот это не то, что там, типа, люди не нужны, это просто, что есть, ну, шаблоны, которые мы сами используем в своей жизни, тоже самое языковые модели. Поэтому на первых этапах, да, их можно было отлича.

261: Сейчас это становится все тяжелее и тяжелее, и даже автоматические проверки текста на генерацию они дают очень нестабильный результат, да, то есть ты не всегда сможешь там только по каким-то косвенным факторам, типа там длинные тире, какие нибу

262: Что-нибудь такое. Угу. Угу. Вот. А в остальном очень сложно отличить и непонятно, как бы, зачем тратить свои силы на то, чтобы вот этот текст порождать, да, что ты там такого действительно можешь привнести, что может там пополнить.

263: Естественных данных. Угу. В общем, ты нормально относишься к синтетике? Никаких. Да, да. Я думаю, что это вообще наоборот. Ответ на многие вопросы, где данных недостаточно. Угу. Круто, круто. Ну или, например, где данные?

264: Собираются очень редко, например, какие-нибудь редкие исследования, например, в химии, где каждый эксперимент может стоить, там, я не знаю, миллионы долларов. Угу. И там лаборатория сидит, где-нибудь там, пытается изобрести, там построить новый эксперимент ставят, а он, хоп и неудачный. Угу. Ну почему бы

265: Тебе не попытаться его автоматизировать и не сделать его дешёвым, дешёвым, да, с точки зрения инференса, с точки зрения того, чтобы научить модель повторять вот эти механики.

266: Угу. Так, у нас вопросик появился. Пропадёт ли задача размётчика, если все данные станут синтетическими?

267: Ну, размётчики будут иметь, на мой взгляд, хороший вопрос. Размётчики в данном контексте будут, наверное, иметь чуть больше, более сложные профили, да, потому что спецразметка, когда, да.

268: Имеют какую-то очень экспертную из экспертной отрасли, из очень узкой. Угу. Вот. Нам нужны эксперты, которые смогут провалидировать эти данные, проверить эту разметку. Ну то есть авторазметка существует, да, модели могут сейчас очень

269: Хорошо описывать картинки, да, но провалидировать то, как они ответили, особенно в Узких отраслях, там, я не знаю, в проектировании, в стройке, в архитектурных каких-то задачах, в машиностроении, там это точно надо. Вот, поэтому размётчики

270: Просто выйдут на более такой высокий уровень. А размётчики, которые там кошечек обводят, баудинг боксами или там травку выделяют на картинке. Ну да, я думаю, они попрощаются со своей работой. Ну да, даже сейчас тот же GigaChat.

271: Как бы продолжает историю с дообучением моделей в Узких своих доменах, там, то есть это, эта история актуальна, ну, ты правильно сказал, там, в стройке, да, и в каких-то сферах с проектированием это ещё далеко далеко не изучено. И мне кажется, сейчас как раз-таки стало актуально.

272: В том числе и работа преподавателей там, и в университетах научных сотрудников. Вот, которые как раз очень хорошим обладают багажом знаний, и их сейчас знания востребованы, в том числе для развития искусственного интеллекта. Угу. Да, да.

273: Ещё у нас вопросик, Андрей, есть ли у вас свой канал, где почитать ваши статьи? Очень полезно. Ну, мы, наверное, обязательно поделимся, если у тебя есть возможность, сейчас можешь скинуть тоже в чатик. Угу. Да, да, там пишем как раз про наши эксперименты.

274: Результаты с радостью отвечаем на вопросы в комментариях. Вот. Да. Коллеги, подписывайтесь на канал Андрея. Так, Илья, ну давай, наверное, тогда переходим потихоньку к блицу. Да, да. Такой короткий.

275: Блиц Андрей не знает, что сейчас будет, да, но суть блиц опроса простая. Да, несколько вопросов на них. Там есть несколько вариантов. Попрошу тебя отвечать быстро. Итак, поехали.

276: Ии или ai ai? Погоди, погоди, по современному законодательству я не должен так отвечать по современному законодательству ии так хорошо, я.

277: Ага, дальше и ассистент или очень старательный, но не самый умный стажёр и ассистент. Классная научная статья с 1000000 обзоров или.

278: I фича на 1 000 000 $ статья пицца или суши, суши суши есть спасибо, спасибо, Андрей, да, но задумался я хотел тебя подловить.

279: Вечо, и фичой на 1 000 000 $, но прям, да, адаптировался, не смог я, да, не смог я никак пошатнуть, так сказать, круто, круто. Мне кажется, очень, очень классный, насыщенный и на знания, и на какие-то

280: Kid подходы получился у нас с андреем разговор и ответили на все вопросы интересные коллег и даже поделились статьями и прочим информацией там про уроборос, про прочее Андрей, спасибо тебе огромное.

281: Вот что пришёл, рассказал. Я надеюсь, мы не прощаемся ещё обязательно тебя пригласим. Вот как-нибудь. Спасибо огромное за интервью. Спасибо. Да, Андрей, спасибо тебе большое. До новых.

282: Встреч. Да, друзья, с нами был Андрей Кузнецов, известный российский специалист в области ии, да, и вообще эксперт в области мультимодального генеративного. И да, поэтому ролик мы вам сбросим, да, все будет доступно в канале.

283: Да, Андрей, спасибо, что пришёл. И тебе больше статей больше, и фичей на 1 000 000 $. Прям желаем тебе удачи. Спасибо. Спасибо большое. Да, пока, пока, пока. Счастливо, друзья.