0: Вот как выглядят результаты у Андрея карпатова при применении инструмента под названием авторесс. И вот как выглядят мои результаты при применении данного инструмента. То есть скорость загрузки сайта стала сильно лучше. Промты стали, точнее, и
1: Самое интересное, искусственный интеллект провёл за меня огромное количество Тестов, гипотез и экспериментов при я вообще код, в общем, не писал. И в этом видео я вам как раз хочу рассказать про инструмент, который Андрей выкатил. Называется авторесенин.
2: Habe 78000 звёзд. И этот инструмент позволяет итеративно улучшать какой-либо эксперимент метрику без вашего участия в автоматическом режиме. Ну и в этом видео я вам объясню все от теории до прикладного при
3: Меры, как вы можете применить этот инструмент у себя и что по настоящему с ним можно делать, давайте для начала разберёмся, кто есть Андрей карпатый как пишет google, это словацко канадский учёный в области машинного обучения, который на самом деле занимал должность.
4: Директора по искусственному интеллекту в компании tesla и является сооснователем и бывшим сотрудником опен иай. В общем, чувак очень сейчас активно работает в мире искусственного интеллекта, является инженером и выкатывает очень
5: Во первых, классные подкасты и материалы, во вторых, инструменты это вот 1 из них, который в 1 очередь был сделан для машинного обучения. Но потом энтузиасты сообразили, что его вообще то можно использовать для улучшения любых метрик при работе с искусственным интеллекто
6: Вкратце, как это работало, то есть он улучшал показатели бенчмарки модели, если я ничего не путаю, gpt 2 и в какой-то момент он понял, что а почему бы не взять какую-то конкретную метрику и не натравить.
7: Искусственный интеллект, чтобы он поэтапно выкатывал гипотезу и улучшал эту метрику. Пока, в общем, ты просто берёшь и спишь. И вот таким образом появился этот авторесс. Давайте разберёмся с теоретической составляющей, как это работает, кстати.
8: Настолько популярность этого репозитория выросла, потому что действительно инструмент универсальный. Его используют уже разные сео в своих компаниях интегрировали, потому что действительно мощный инструмент, значит, по факту даже здесь, в
9: Не написано, как это работает. Внутри. Всего лишь есть 3 основных файла. Нам нужно знать 1 трейн точка пай и программ точка мд. Давайте лучше разберём на схемках, потому что я их порисовал. Начнём, пожалуй, с архитектуры, потому что
10: По факту авто ресеч это не какой-то фреймворк или там библиотека это всего лишь 3 конкретных файла да, то есть программ d train пай и преппер пай программ мд по факту это всего лишь инструкция для робота что?
11: Что нужно делать? То есть сюда мы записываем цель эксперимента, направление там, поиска ограничений и так далее. То есть, ну, по факту системный промт, который объясняет задачу для иишки, в рамках которой он будет действовать, трейн.
12: Точка пай это python, скрипт, который предназначен для того, чтобы модель выполняла логику. То есть это может быть архитектура модели, цикл обучения, там, гиперпараметры и так далее. Её этот файл скрипт агент.
13: Может менять для того, чтобы подстраивать под конкретно вашу задачу, например, да, мы можем сюда вставлять скрипт, который будет исчислять скорость загрузки сайта или, например, конверсию почтовых писем в смысле емейл писем. Ну то есть
14: Какая-либо метрика, которая подходит конкретно под вашу задачу, да, вот в трейн точка пай, мы как раз их меняем. Вот припёр точка пай, в принципе, нам он не столь важен, потому что это скрипт, который позволяет понять исходную
15: Точку, то есть он нужен именно для валидации конкретных метрик, потому что с каждой итерацией метрика будет меняться и для того, чтобы мы имели проверку. Вот он остаётся без изменений, да, и как раз-таки агент его не трогает. Поэтому мы здесь делаем. А цикл очень простой, то ест
16: В корне всего этого проекта работает ai агент клод кодекс там кими джиэл ну понятно, что чем круче модель, тем лучше она будет выдавать результаты она читает условия эксперимента в системном промте дальше.
17: Агент подстраивает под вашу задачу python, скрипт, который у карпатова, например, был для машинного обучения изначально, но мы подстраиваем под свои задачи и все проверяем это через prepare точка пай, логика очень простая, остаётся только.
18: С этим работать, собственно говоря, про работу, да, как выглядит вообще цикл этого, этой программы? Значит, мы изначально даём какую-то метрику, потому что вот авторесс он не будет.
19: Работать хорошо, если у нас нет какой-то конкретной измеримой метрики, которую мы можем улучшить. В общем то именно поэтому все настолько в восторге от этого инструмента. И он действительно имеет большое количество там практического применения. То есть, скажем, если вот мы
20: Сегодня будем разбирать скорость загрузки сайта. Мы говорим, что нужно уменьшать скорость загрузки сайта без потери его функционала. Да, вот задаём вот эту вот метрику. В начале выставляется некоторый бейзлайн, то есть то, от чего мы стартуем там, например, 1 секунда. И да,
21: Дальше агент начинает придумывать гипотезу по тому, как можно оптимизировать скорость этой загрузки, он придумал идею, и дальше он изменяет код для того, чтобы провести этот эксперимент, запускает тест и дальше.
22: Начинает сравнивать. То есть если этот тест, он стал лучше, чем бейзлайн. То есть то изначально с чем мы пришли, например, если здесь у нас скорость загрузки снизилась там до полсекунды, то тогда он это все пушит в гид и запускает следующую
23: Операцию. Если нет, то он его откатывает и придумывает другую гипотезу. Все, все очень просто. Таким образом получается, что на каждой итерации мы вырабатываем гипотезу. Агент сам её проверяет с помощью трейн точка пай в случае
24: Если скорость сайта понизилась, то он закрепляет эту гипотезу и от неё отталкивается. И таким образом, то есть представьте, что если мы там сделаем какой-то повтор гипотезы, там 100 или 700 раз, ну мы очень сильно оптимизируем всю эту вещь. И вот в чем на самом деле
25: Большая мощь этого инструмента, потому что этой метрикой может быть что угодно. Вот, например, вы работаете там как маркетолог или повышаете там эффективность вашего бизнеса. Вы, например, понимаете, что у вас есть
26: Цепочка писем с определённой конверсией там, и вы хотите, чтобы эта конверсия увеличилась. Соответственно, ставите как объективную метрику, конверсию и позволяете агенту генерировать идеи, которые позволят улучшить эту конверсию.
27: Он продумывает её, да, там в итерации, повторяет, и в итоге мы получаем более оптимизированную там имейл компанию. Либо, например, вы создаёте какой-нибудь продукт, там стартап и так далее. У вас есть сайт презентация, который его предоставляет, он же
28: Тоже имеет определённую конверсию, то есть сколько там человек, например, подписалось на вашу модель, да, вы выставляете агенту лендинг, выставляете ему конверсию переходов там в ваш продукт и все, он гоняет этот лендинг. Так вот, увеличивает конверсию. Вы
29: Получаете рабочую гипотезу, то есть применений на самом деле, где угодно. Вы можете это сделать. В том случае. Тут важно понимать, что если есть объективная цифра, давайте разберём на диаграммах ещё конкретные примеры, да, вот, например, с сайтом, то есть вот то, что мы сегодня будем разбирать.
30: Загрузки сайта. Это может быть репозиторий, может быть исходный код. Дальше мы к этому подключим клод код, потому что он абсолютно потрясающий на текущий момент. И дальше, значит, я покажу, как это можно сделать. Вот прям
31: Физически, чтобы запустить авто ресеч, значит, правится трейн пай, правится программ мд и запускается там где-нибудь на локалхосте проект, после чего, скажем, тот же самый папитир либо другие инструменты, они замеряют скорость. Загруз.
32: Сайта и в случае, если все ок, да, то есть прогнав через припёр точка пай, мы получаем новую метрику. Если она быстрее, тогда мы комитим в гид и это все отправляется обратно агенту на но
33: Итерацию, то есть мы количество итераций самостоятельно зададим. Если это скорость загрузки не быстрее, то тогда, собственно говоря, мы откатываем и выкидываем другую гипотезу. И в данном случае, то есть мы в итоге можем получить классный результат, что
34: Пример на 50% времени сократится скорость загрузки. При этом, ну то есть от нас ничего не требуется. Кроме того, чтобы настроить весь этот setup, у меня получается применять данный инструмент также и для различных
35: Skills внутри клода, то есть мы выставляем какую-то конкретную метрику для скилла, что он должен достигать этот пример я делал с генерацией диаграмм и графиков через скиллс, то есть выставлял определённые критерии.
36: Например, текст, читаемый в графиках, используемый цвет в палитре, линейная структура и так далее, и за каждый из этих критериев выставляется определённый балл, то есть мы имеем некоторый бейзлайн там, скажем, 37 из 40.
37: Вот, и дальше на это направляется авторесс таким образом, что он проверяет, значит, генерацию графиков. Если этот скил генерирует хорошо, да, то есть score по этим параметрам лучше, то тогда он оставляет промт, если
38: Нет, тогда он пробует его поправить для того, чтобы улучшить скоринг, и таким образом, то есть в автоматическом режиме мы подтягиваем конкретные
39: Результаты за нужную нам метрику также авто ресеч я использую действительно и для маркетинговых инструментов, для того, чтобы повышать конверсию, и контент маркетинга, и смма, и емейл рассылок, и конверсия.
40: Различных сайтов. И получается довольно-таки неплохо с учётом того, что если есть классные интеграции, например, когда мы можем загрузить результаты рекламной компании для того, чтобы потом понять, какие объявления работали лучше. То есть в этом
41: И заключается универсальность инструмента. Поэтому дальше я предлагаю разобраться, как это работает на практике. Разбираться мы будем на примере веб сайта. Я покажу, как это все сделать с нуля и для начала зайду на artificial анализис. Иай это класс.
42: Сайт, где можно смотреть актуальные модели, которые платные сейчас там по интелледженс, спид или прайс, но также здесь есть и вкладка про опенсорс выкладывал в telegram канале привожу ссылочку, и здесь можно зайти и получить доступ.
43: До бесплатной апишки, она нам потребуется для того, чтобы сделать сайт, который работает с модельками, но для того, чтобы все это упростить, вначале создам, допустим, ключик, который называется
44: YouTube сохраню этот ключик и занесу его куда-нибудь в дотенв сюда, допустим, p k. Будем работать с актуальными моделями дальше у нас здесь должна быть документация.
45: И смотрите, мы можем получить, значит, данные по моделям через курл. Я хочу получить сейчас статику, чтобы не спамить, потому что 1 раз я слал много запросов, меня забанили, так что сделаем все немножечко. Просто покажу механику.
46: Именно с авто ресече. И здесь я вставляю данный куром, копирую ключик.
47: Вставлю его сюда и дальше занесу результат работы курла в файл. Там, допустим, лмс точка джейсон.
48: Дальше он должен все это записать, и после этого ллм я буду использовать как датасет для того, чтобы сформировать красивый сайт да, можем посмотреть все чудесно у нас есть большой json, видимо из за этого они.
49: Делают большие лимиты по api ключу, но в принципе нам этого достаточно дальше подключим сюда клод, буду использовать именно extension.
50: И в данном случае я напишу простой запрос я хочу создать простой веб сайт, который будет состоять из html, css и javascript, при этом он должен быть в data.
51: Достаточно минималистичном, но красивом дизайне. И я хочу, чтобы он показывал актуальность и сравнение классных ллм моделей в качестве датасета. Используй файл ллм с точка.
52: Джейсон, и в итоге я хочу получить сравнительные таблицы, которые нам доступны из данного файла, чтобы в итоге я понимал, какие модели есть и какие можно использовать. Используй скилл фронтент.
53: Дизайн для того, чтобы сделать дизайн данного сайта получше. И тут важное уточнение, я хочу, чтобы этот сайт был написан не самым оптимальным способом. Напиши его, как это сделал бы, например,
54: Jr то есть неоптимизированные загрузки шрифтов, картинок, может быть вёрстка для того, чтобы.
55: Главное, в общем, чтобы все это работало, как вы знаете, можно не сильно запариваться всегда. Я думаю, что этот запрос более чем достаточный будет здесь. Делаю допущение, чтобы это был как junior, почему я так делаю? Потому что я хочу
56: Наглядно потом показать, как будет работать сам.
57: Авто ресеч, который будет оптимизировать на каждой итерации. И пока, значит, клод нам будет генерировать всю эту историю, вы должны понимать, что сейчас в качестве объекта эксперимента исследования, который
58: Мы берём это просто наш сайт, но опять же, это просто является частью продукта, продуктом. В данном случае может быть что угодно. Например, вот при работе с клиентами я просто беру, выгружаю.
59: Рекламные компании, которые были в имейлах, забираю оттуда конверсию просматриваемости, статистики, переходов там, покупок и пытаюсь с помощью авто ресеч взять и оптимизировать конверсии, и он
60: Выкатывает гипотезы, после чего эти гипотезы закидываются в ab тестирование в сирему. И тем самым мы получаем более оптимизированные почты все довольно-таки, с 1 стороны, просто, но, с другой стороны, это оптимизация времени, вот через
61: Такс и он закончил, значит давайте посмотрим на сам сайт.
62: Выглядит он следующим образом то есть тут у нас учтено 512 моделей, они отсортированы топ 20 по интеллекту, сейчас gpt 5 и 5 на x хай самый крутой клод опус 4 и 7.
63: Gemini 3 1 и про ну в общем похоже на правду. Можно фильтровать, можно делать там какой-нибудь по провайдеру, можно посмотреть на полную таблицу, где кстати учтено огромное просто количество
64: Моделей, кстати, они тут все вообще учтены, актуальны очень даже неплохо. В общем, мне в принципе нравится также есть по цене кстати, да, есть небольшой юай баг, но на текущем этапе мы это пропустим и
65: По скорости работы. Причём видите меркурии 1 квен на 8000000, в принципе, миллиардов параметров неплохо работает. Окей.
66: Что мы делаем дальше? То есть у нас есть сайт, тут довольно-таки много рендеринга, много довольно-таки моделей есть. Мы хотим теперь вернуться к нашей задаче и применить к нему авторесс. Правильно? Для этого по факту, что у нас есть
67: Lms джейсон, мы можем выкинуть отсюда Ровно как и энф, для того, чтобы они не мешали просто по наличию файлов. То есть у нас остаётся скрипт и остаётся стайлс и индекс, то есть само
68: Обычный сайт. Следующим этапом нам необходимо получить авто ресеч на, в данный репозиторий, да, в данный проект. Поэтому я ему говорю, создай или склонируй.
69: Репозиторий в папку.
70: Авто ресеч, да, я кидаю ему ссылочку.
71: Он его закидывает.
72: И здесь мы в принципе видим исходный код данного проекта, то есть есть программ мд. Если мы его почитаем, то это как раз-таки экспериментал, эксперимент для того, чтобы лмки делали свои собственные.
73: Здесь он работает с именно машинным обучением. То есть то, что нам и нужно, есть также трейн точка пай и припар пай, который, в принципе, мы даже менять не должны.
74: То есть нам нас интересует 3 этих файла, но на самом деле дальше начинается вот самая магия, потому что я очищаю контекст окна, и мы, нам нужно сейчас поставить ему задачу. Давайте попробуем это сделать в режиме реального времени.
75: Смотри, у нас в корне проекта лежит папка авто ресеч. Это оригинальный проект, который позволяет итеративно улучшать метрику. Там есть 2 необходимых файла. 1 файл это про
76: Точка мд и train точка пай, который я хочу, чтобы ты взял и применил их и адаптировал к нашему проекту и к нашей задаче. Теперь о нашей задаче и проекте в корне.
77: Проекта лежит 3 файла html, javascript и css это веб сайт, который мы хотим прогнать по модели репозитория.
78: Мы выставляем для того, чтобы мы оптимизировали это скорость загрузки сайта. То есть я хочу, чтобы ты взял сейчас программ точка мд и train точка пай. Ну и вообще логику репозитория авторесс и адаптировал под мою задачу, чтобы
79: Они работали с оптимизацией скорости моего сайта и следующей итерации. Когда ты это сделаешь, мы все это запустим. Все вот эти вещи. Положи, пожалуйста, в папку, например, research для того, чтобы не путать с
80: Финальными файлами в корне проекта закинем ему такой контекст.
81: Чтобы не потерять, я скопировал так можно немножечко поправить то, что я тут надиктовал, но в целом он должен понять на самом деле java, script, css, авто, ресеч, ресеч, я думаю.
82: Все окей, это мы убираем, пусть он работает. То есть, смотрите, я обрисовал ему задачу верхнеуровневую, чтобы он, по сути, то есть я даже руками особо ничего не делаю. Я ему говорю, что просто иди почитай вообще про данный
83: Епозиторий да, он пойдёт в readme обязательно прочитает, что здесь присутствует как это работает, то есть это ему поможет вообще в принципе понять что здесь происходит и дальше он должен в папочку.
84: Research в корне нашего проекта положить уже адаптированные под наш проект файлы программ мд трейн пай, чтобы потом мы могли запустить уже
85: Циклы итерации для улучшения там скорости загрузки. Единственное, что у меня получилось, папочка ресеч с большой буквы будет создана. Ну ничего страшного. Переживём этот момент. Смотрите, он закончил свою работу довольно-таки быстро.
86: Говорит, что он сделал программ мд, адаптированный ключевые отличия от оригинала, то есть метрика, лайтхаус, перфоманс, кор, модифицируемые файлы вместо трепай ограничения, да.
87: И он назвал файл оптимайз точка пай. Это полный аналог припёр точка пай. То есть запуск он поднимает локальный http, запускает лайтхаус, ну в общем, делает все то, что нам и нужно. Если почитать непосредственно про программ, то вот
88: Что мы здесь получили? Да, это эксперимент для того, чтобы лм автоматически оптимизировала скорость загрузки сайтов.
89: Пам пам пам. Здесь все, похоже, просто адаптировано под нас.
90: Так, так, так. Смотрите, что здесь важно. То есть есть определённое количество каких-то метрик. Нас интересует. Здесь следующий момент, где-то я видел его. Ага. Вот то, что результаты эксперимента мы складываем в
91: Tsv то есть это как раз-таки будет файл, в котором будет храниться результаты наших операций, по которым мы потом сможем сделать уже определённую аналитику Пейч сай Пейс Корн видите, оно уже адаптировано под нашу задачу супер.
92: То есть, по идее, да, что мы можем сделать дальше? Мы можем сказать, окей, теперь загляни в папочку ресеч, прочитай файл программ точка мд и мне необходимо
93: Чтобы ты запустил итерации данной программы для того, чтобы улучшить скорость загрузки нашего сайта, запускай 15 итераций и начинай прям с этого момента здесь.
94: Немножечко адаптирую запрос, значит укажу ему, куда нужно идти. И здесь тоже укажу программ точка мд. То есть это должен быть у нас ресеч. Вот теперь сработало.
95: Что ж, окей, давайте посмотрим.
96: Я больше ничего не делаю. То есть я сделал определённый сетап, сказал лмке для того, чтобы он оптимизировал, точнее, адаптировал, да, оригинальный авторесс под мой проект. И дальше он начинает
97: Работу. Мы видим, что он понял, что ему нужен лайтхаус пошёл, поставил лайтхаус, поставил гид, инициализировал, на всякий случай почитал скрипт и что самое
98: Интересное. Значит, мы должны теперь просто видеть определённые итерации того, как он будет выкладывать метрику. В result. Сви.
99: И показывает, насколько сильно отличается скорость загрузки.
100: Что интересно, смотрите, он объявил себе тудушки, значит ему в начале нужно сделать setup, потом ему нужно замерить бейзлайн. То есть это как раз-таки то, с чего мы стартуем в данном случае, и после этого он
101: Выкатил, значит, 10 получается, гипотез, которые он будет тестировать в рамках данного эксперимента. Это скрипты Дефер сделать синхронные шрифты, поработать с css шрифтами, че то там.
102: Оптимизацию сделать лейзи лодинг и так далее. И дальше на итерации 11 тире 15. Он хочет уже сделать продвинутые оптимизации, основанные на тех результатах, которые мы сгенерируем. Он тут че то пока
103: Оставит a lighthouse все. То есть мы понимаем план. Ну тут вы должны тоже понимать основы, что чем больше итераций, тем лучше это будет работать, но тем больше токенов мы скушаем в данном случае, поэтому
104: Давайте просто подождём на текущем этапе. Смотрите, он создал файл. Result, точка tsv, где присутствуют как раз те метрики, которые мы будем замерять, пока он пустой, потому что на текущем этапе он запускает бейзлайн, да, делает 1 замер.
105: Смотрите, прошло немного времени. Давайте посмотрим. То есть у нас прошло уже 1, 2 операция. На текущий момент идёт 3, которая оптимизирует сиэсэс анимации. То есть все это происходит в автоматическом режиме. Причём, обратите внимание, он радуется, что
106: Скоринг тут 99%. И вот что у нас записывается в резави. То есть есть номер коммита. У нас есть performance, уже определённый по загрузке сайта. Да, выставляется скоринг и
107: Здесь он кратко описывает, а что вообще происходит, да, то есть пока ручками ничего не делают. То есть чисто технически я вообще могу отойти от компьютера и заняться чем угодно. Ну, главный там нюанс, да, только поставить лимит по токенам.
108: Если вы переживаете за эти лимиты, кстати, я прямо сейчас работаю на опусе 4 и 7, но, в принципе, для там 30 итераций этого более чем достаточно больше, наверное, уже не стоит, потому что дневной лимит, конечно же, скушается. Ну,
109: Пока этого вполне себе приемлемо.
110: Обратите внимание, что на 6 итерации я увидел, что он поменял в зависимости от результатов сами тест кейсы. То есть сейчас он делает изменения на основе результатов. Он тут колдует.
111: С шрифтами.
112: Да, пытается их оптимизировать, где-то минифицирует непосредственно сам код. И дальше получается 8 тире 15 оптимизация. Он поставил для того, чтобы подумать, как оптимизировать наш на самом деле самый большой скрипт.
113: Точка джиэс, да, потому что в нём, честно говоря, самая большая проблема. Он очень большой получился в данном случае. Если мы посмотрим, то
114: В действительности у нас не такой большой индекс и не такой большой стайлс. То есть такая задачка интересная. Конечно, у него под оптимизацию. Судя по шагам, я вижу, что, видите, тут скоро упало. Т хорошо. А
115: Нет, он, наоборот, упал, поэтому мы его делаем, дискард дискарт дискард, потому что не изменился никак. Скор продолжаем. То есть, опять же, все это работает вот самостоятельно. Ну вот, собственно говоря, он и пишет, да, что скор 99 очень стабильн.
116: Для соточки нужна радикальная мера. Теперь мы видим, что 3 запуска показали скоринг 100. Это очень хорошо, и теперь он попробует что-нибудь сделать с нашим.
117: Файлом, да, то есть мы уже дошли, получается, до 8 8 итерации, да, он здесь сохранил. Видите, получили соточку. Ну, посмотрим, че он сможет сделать с ней. Что интересно. Смотрите, на 12 итерации.
118: Score остался 100, а Пейч сайсс уменьшился немножечко симплификация. То есть он оставляет эту штучку. Опять же, в результатах мы уже на 12 итерации. Очень здорово, что, кстати, получилось сразу показать.
119: И отмену гипотезы, потому что она не проходит по выставляемому критерию. Также и какая-то оптимизация. Единственное, что получилось так, что сайт простой достаточно получился с точки зрения
120: Не так много, что можно оптимизировать, только скрипт получился большой, но тем не менее мы сейчас доведём итерации, покажу, что дальше можно делать. Расскажу пока маленькую историю, что с 1 сайтом
121: Я так игрался, он был написан на реакт, и в какой-то момент авторесс такой говорит слушай, зачем тут react, если можно написать на чистом javascript? И, в общем, убрал реакт с проекта, тем самым сократив, по моему, в 3 раза.
122: Скорость загрузки сайта в принципе, что было классно достаточно, и все переписалось на vanilla сайт был не очень большой, но, тем не менее, такое тоже бывает. И смотрите, что получилось. У нас прошло 15 итераций, как я и говорил.
123: В данном случае получился интересный результат, да, потому что мы оптимизировали скоринг, с 1 стороны, с 83 до 100 + 17 очков и есть ключевые моменты, на основе которых была проведена оптимизация.
124: Давайте для того, чтобы все это дело нам визуализировать. А, кстати, мы же получили оптимизацию сразу же в этом файле. То есть он изменён Ровно как и style css, но вот скрипт, да, с этим вот.
125: Штучкой остался, никуда его не деть. Теперь, значит, 15 операций прошло. Я ему хочу сказать супер. Теперь, пожалуйста, нарисуй мне красивый дашборд с градиентами и графиками.
126: На основе файла резалтс точка tsv для того, чтобы я посмотрел результаты нашего 15 итерационного эксперимента.
127: Ну, давайте здесь мы укажем, что это файлик.
128: Красивый, пусть будет ещё html, дашборд.
129: То есть мне очень нравится работа с нейронками в том плане, что теперь для визуализации на основе вот таких вот статистик нам в принципе ничего не нужно. Мы просто формируем какую-нибудь мельку, и она красиво нам все показывает.
130: Смотрите, он в итоге сделал нам дашборд, давайте его запустим.
131: И вот в итоге, что мы получили в результате нашей работы, финальный скоринг 100 по лайтхаусу, да, причём мы видим, что 1 итерация от бейзлайна сильно возросла. Потом мы как раз-таки уже оптимизи
132: То, что практически невозможно было оптимизировать, но тем не менее и здесь мы видим, что Пейч сайз тренд, он у нас уменьшался, хоть и незначительно, но он улучшался. Скоринг по всем, значит, итерациям.
133: Конкретно, что происходило на каждой итерации, какая из них была принята, какая нет, но, в общем, получилось довольно наглядно. То есть, и что, на мой взгляд, самое интересное в данном случае это то, что это все происходило автоматически.
134: Без какого-либо вмешательства. То есть берём более сложную задачу, где просто итеративно нужно так вот делать циклами различные гипотезы, уходим, и оно работает, потому что авторесс по факту это даже не про машинное обу.
135: Это определённый паттерн, да, когда мы даём ей какую-то цель, и она берет и пытается оптимизировать вот данную циферку. Ну, эту страницу я также получил, в принципе, как вам только что показал, просто здесь, наверное, более наглядно получилос.
136: Поскольку сайт был на react, он был более сложный. Вот видите, кстати, то, что я вам рассказывал, тут был была операция 10, где написано реплейс, реакт, виз, Манила тёс. И это типа огромный вин, потому что мы выиграли аж
137: Очень много. Видите, джиззи такой был, а тут он в 10 раз снизился. То есть мы реакт полностью выпилили. Это, типа, было супер круто. Вот эта итерация, да, но стоит также предупредить, что данный инструмент, он
138: Работает только в том случае, если вы можете чётко, понятно и правильно поставить метрику, которую он будет увеличивать, потому что если она размытая, то тогда авторесс начнёт чудить и улучшать то, что не нужно было улучшать размер.
139: Файла, количество строчек, что-нибудь в этом духе. То есть а там, где у вас есть чёткая понятная метрика, которую вы можете достигать или вы вырабатываете определённый скоринг, то в таком случае он прекрасно работает. Ну и я уже показал, как-то есть для этого не нужны знания, программировани
140: Хотя они помогут, разумеется.