Наглядная визуализация того, когда топы AI индустрии ожидают AGI

Суцкеверу больше не верим 😡

@xor_journal

Нашли сайт, который буквально отвечает на вопрос: насколько мы близки к «Чёрному зеркалу»?

У каждого эпизода есть краткое описание, шкала, критерии и даже ссылки на новости, которые подтверждают оценку. И да — некоторые серии уже близки к 90%.

Смотрим, куда мы движемся здесь. 😳

@xor_journal

Цукерберг пытался поглотить компанию Safe Superintelligence, стоимость которой оценивается примерно в $32 миллиарда, вместе с ее соучредителем Ильей Суцкевером. Но получил отказ.

Напомним, что компании год, у них нет продукта, а весь их сайт — на скриншоте.

Хочу уверенность в себе, как у Суцкевера. 😅

@xor_journal

Российские программисты одни из самых активных вайбкодеров в мире

Исследователи проанализировали 80 млн коммитов на GitHub с 2018 по 2024 год и выяснили:

🟢 В США 30% кода на Python написал ИИ — это самый большой показатель. Дальше Германия, Франция, Индия, Россия и Китай.

🟢 При таком уровне использования ИИ — производительность разработчиков вырастает на 2,4%. По предположительной оценке, это дает экономический эффект для США на уровне в $10-$14 млрд в год.

При этом в исследовании не смотрели, как скорость решения задач влияет на качество кода 😁

@xor_journal

Ну почему так ВСЕГДА 😢

@xor_journal

🧠 Яндекс запустил новые рекомендации на основе генеративных моделей — ARGUS. Они умеют работать в реальном времени и находить больше товаров или музыкальных треков, которые точно понравятся пользователям. Коротко объясняем, как устроены новые рекомендации и чем они отличаются от старых.

Как было раньше

В основе рекомендательных систем Яндекса, например, той, что используется в Яндекс Музыке с 2023 года, лежит нейросеть-трансформер, способная анализировать длинные неструктурированные последовательности данных и находить в них связи. Она обрабатывает два потока информации:

🔸Обезличенные взаимодействия пользователя с сервисом — клики, лайки, поисковые запросы, дослушивание треков, добавление товаров в корзину и так далее.

🔸Объекты (треки, товары, фильмы), которые могут быть рекомендованы этому пользователю.

Такие нейросети называют «двухбашенными». Они переводят оба потока данных — башни — в одно общее числовое пространство и ищут в нем похожие объекты.

Что изменилось

Исследователи Яндекса предположили, что можно сделать рекомендации более точными, если масштабировать модель (как делают с LLM) и разработать для нее новую архитектуру. Вот что из этого получилось:

🔸Система стала больше: раньше она учитывала лишь около двух тысяч последних действий пользователя, а теперь — более 8000. ARGUS анализирует гораздо более длинную историю взаимодействия с сервисом — это позволяет находить в поведении людей долгосрочные паттерны.

🔸Раньше система учитывала только успешные взаимодействия (лайки, покупки, добавления в плейлист), не имея информации о рекомендациях, которые не понравились или были проигнорированы. ARGUS же учитывает всю рекомендательную историю, включая отрицательное взаимодействие, а также контекст: где, как и в какой момент была сделана подсказка. Так система может точнее предсказать реакцию пользователя на предлагаемые объекты.

🔸Благодаря эффективной архитектуре ARGUS можно запускать в реальном времени, тогда как обычно тяжёлые трансформерные модели проводят расчёты раз в сутки.

Это работает?

Да, ARGUS заметно улучшает качество рекомендаций. Первой новые алгоритмы внедрила Яндекс Музыка. В результате, в Моей волне пользователи стали на 20% чаще лайкать впервые услышанные треки. А в Яндекс Маркете на 5% выросло количество покупок из рекомендаций в новых для людей категориях. В будущем ARGUS появится и в других сервисах Яндекса, где есть рекомендации.

Подписывайтесь 👉 @techno_yandex

26 минут в день — именно столько в среднем сэкономили британские госслужащие, использовав AI на работе.

В эксперименте участвовали 20 тысяч человек: они три месяца работали с Microsoft 365 Copilot, встроенным в Word, Excel, Outlook и Teams. Благодаря этому они стали быстрее оформлять документы, меньше времени тратить на поиск информации и переписки.

На первый взгляд сэкономленные 26 минут в день — мелочь, но в масштабе года это уже 2,5 рабочих недели на человека.

Одно «но»: исследователи так и не поняли, куда ушло сэкономленное время. Варианты?😂

@xor_journal

Хейтеры скажут фейк, остальные станут осторожнее с ChatGPT 😁

@xor_journal

Ночное-полезное: у Microsoft вышел бесплатный курс по MCP для начинающих

Внутри 11 модулей — от базовой теории и примеров использования до инструкций по запуску на разных ЯП. Все структурно и доступно на 40+ языках мира (правда, перевод на русский автоматический).

Сохраняем, GitHub тут. ☕️

@xor_journal