Chat GPT-4: Хотите попробовать его бесплатно? Вот как ⁠ ⁠

Chat GPT-4, одна из самых передовых моделей искусственного интеллекта от OpenAI, вызывает огромный интерес в сообществе. Со множеством новых функций и улучшений, пользователи хотят испытать Chat GPT-4 в действии и узнать, как получить доступ к этой инновационной модели AI - особенно если это возможно бесплатно. Вот несколько способов, которые могут помочь вам попробовать Chat GPT-4 без платы.

1. Участвуйте в бета-тестировании: OpenAI часто предлагает возможность присоединиться к ранним стадиям бета-тестирования своих новых продуктов. Вы можете следить за объявлениями и приглашениями от OpenAI, чтобы узнать о возможности стать бета-тестером для Chat GPT-4. Бета-тестеры обычно получают доступ к новым функциям и возможностям AI-модели на ранних стадиях разработки.

2. Участие в конкурсах или акциях: OpenAI может проводить конкурсы или акции, где пользователи имеют шанс выиграть доступ к Chat GPT-4 бесплатно. Это могут быть конкурсы на социальных платформах или специальные мероприятия, о которых можно узнать на официальных каналах OpenAI. Участие в таких конкурсах может быть отличным способом испытать Chat GPT-4 без платы.

3. Используйте доступ к ограниченной версии: OpenAI может предложить ограниченную версию Chat GPT-4 для бесплатного использования. Это может быть доступно через официальный веб-интерфейс OpenAI или специальные приложения. Следите за объявлениями от OpenAI, чтобы узнать о любых возможностях получить бесплатный доступ к Chat GPT-4.

4. Бесплатные пробные периоды: OpenAI иногда может предлагать бесплатные пробные периоды для новых пользователей. Это может быть ограниченный период времени, когда вы можете бесплатно пользоваться Chat GPT-4 и оценить его возможности. Вы можете проверить официальный сайт OpenAI или подписаться на их новостную рассылку, чтобы быть в курсе таких предложений.

Независимо от того, как вы решите попробовать Chat GPT-4 бесплатно, важно помнить, что OpenAI продолжает инвестировать в исследования и разработку, чтобы сделать свои продукты доступными и полезными для общества. Следите за новостями и объявлениями от OpenAI, чтобы быть в курсе последних разработок и возможностей получения доступа к самому современному искусственному интеллекту.

1 месяц назад Похожие посты 1 день назад

Превращаем эскиз в шедевр бесплатно⁠ ⁠

LiveCanvas от Leonardo — бесплатная нейросеть для преобразования эскиза в законченное изображение в режиме реального времени. Каждое внесенное изменение тут же отражается на сгенерированном изображении.

Рисунок можно дополнить текстовой подсказкой, контролировать степень креативности нейросети и выбрать стиль (аниме, фэнтези, фотография и т.д).

Источник телеграм-канал NEUROHUB🔥👈 Ещё больше нейроконтента

Показать полностью Поддержать 2 дня назад

Как снять или купить квартиру без беготни по разным сайтам, стремных квартир и дублей объявлений⁠ ⁠

Запустили сайт HomeBro, который ищет квартиры на всех топовых сайтах объявлений. Все предложения по недвижке на одной карте + уведомления о новых вариантах в телеграм.

Привет! Меня зовут Лев. 4 года назад я запустил бота HomeBro, который бесплатно ищет жильё и присылает тебе варианты прямо в телеграм. Я много раз снимал квартиру в Москве, и мне дико хотелось упростить этот адок. В итоге ботом уже успели воспользоваться полмиллиона человек.

В этот раз я помогал родителям покупать квартиру. И тут я прочувствовал на себе, насколько нашего бота недостаточно в случае поиска жилья для покупки.

Было смешно и горько, что я, основатель сервиса по поиску жилья, имея под рукой базу всех объявлений о продаже, не могу удобным образом ее изучать

Хотелось то простого. Получать не только новые варианты в боте, но и открыть карту – увидеть все, что есть на рынке. В итоге снова я, как 4 года назад, открываю сайты один за другим. По 10 раз вижу одно и то же в попытках найти что-то новое. В общем, треш.

И тогда мы с командой запилили сайт-поисковик объявлений по недвижке

Добро пожаловать на портал HomeBro! Тут собраны все актуальные объявления с Циан, Домклик, Яндекс.Недвижимость, М2, Авито и Самолет.Плюс. И список будет пополняться.

Сейчас на сайте больше 1 млн активных объявлений. Каждый день появляется по 50 тысяч новых

Уже можно заходить и искать жильё в аренду или покупку в 18ти городах. Все российские миллионники + Сочи и Архангельск – там живет один из наших разработчиков =)

И все это без дублей. Ну почти =D Каждый вариант жилья показан один раз.

Интересно, на аренду дадут льготную IT-ипотеку?

А еще наша обученная нейросеть (писал про ее создание тут) помогает найти квартиру без бабушкиного ремонта, поближе к парку или подальше от дорог. Ну или можно, наоборот, специально бабушатник искать, чтобы купить подешевле и отремонтировать.

Получение всех новых объявлений можно настроить в два клика (буквально), перейдя с сайта в наш бот.

И что, прямо круто сделали?

Ребят, штука работает, но это самая первая версия, именуемая в народе MVP.

Мы совсем небольшой командой пилим портал с начала года, косяки ещё есть. Но уже нет смысла прятать от людей сервис, который и в текущем виде может приносить реальную пользу.

Всем найденным багам — welcome. Заходите на сайт HomeBro и не стесняйтесь говорить, чего вам не хватило. Я буду очень рад вашим комментариям.

Показать полностью 2 2 дня назад

Назад в будущее: интернет-веломобиль Стивена Робертса, или жизнь цифрового кочевника с 1983 по 1993 год⁠ ⁠

В наши дни, когда у каждого в кармане находится компьютер, совмещённый с телефоном и превосходящий по вычислительной мощности суперкомпьютеры тридцатилетней давности, постоянно подключенный к Интернету и, в частности, тому, что можно назвать "Всемирным информаторием" - Википедии, обеспечивающий его владельцу круглосуточный доступ к мобильным, городским, спутниковым и бизнес-сервисам, богатство которых превосходит всякое воображение, сложно представить, что совсем недавно это казалось абсолютной фантастикой. Хотя на самом деле выражение "совсем недавно" будет не самым точным. В частности, такая привычная всем функция смартфонов, как видеозвонок, притягивала умы инженеров уже давно.

Например, стационарный цветной видеотелефон можно увидеть в рекламном ролике компании "Bell" 1961 года.

А в Германии первый экспериментальный чёрно-белый видеотелефон заработал в 1935 году.

Однако сегодня речь пойдёт не об этих отдельных опередивших своё время технических новшествах, а о том, что уже в конце 1980-х на свете жил человек, который, перенесись он на машине времени на 35 лет в будущее, абсолютно органически вписался бы в нынешнюю культуру "удалёнки" и "цифровых кочевников". Ведь в его веломобиле конца 1980-х годов присутствовал практически весь набор функций, без которого не мыслит себя современный человек.

Впервые у нас в стране читатели смогли ознакомиться с ним из заметки в журнале "Наука и жизнь" за июль 1989 года. Кто же этот человек и что представлял собой его веломобиль? Ниже - текст заметки полностью.

Американский журналист Стив Робертс построил веломобиль, напичканный электроникой. Здесь установлены:

• Персональный компьютер, который может использоваться и как электронная пишущая машинка,
• Радиолюбительская рация, работающая на волнах от 2 до 80 метров,
• Радиотелефон, обеспечивающий связь с любым абонентом в США и за границей,
• Система передачи данных, позволяющая через спутники связи запрашивать данные из любого банка информации в мире,
• Электронная система навигации, с помощью которой можно в любой момент узнать, где веломобиль находится и как проехать к нужному месту.

Питание поступает от солнечных батарей или аккумулятора. Стив нередко работает над своими статьями, выехав на природу. Если нужны какие-то данные, подключается к библиотекам, банкам информации, звонит по телефону. Закончив статью и записав её в память компьютера, он может передать её с лесной лужайки прямо в редакцию.

Общий вид экипажа.

Эти два снимка из журнала здесь приводятся больше для погружения в атмосферу прошлого. В русскоязычном Интернете, к сожалению, про Стива Робертса и его чудо-веломобиль нет вообще ничего (кроме пары упоминаний фамилии на форумах), здесь он абсолютно неизвестен. Однако в англоязычном Интернете он весьма известен, и при подготовке этого материала я почти сразу наткнулся на опубликованную в 2023 году отличную статью Лукаса Винценбурга (ссылка на неё будет приведена в конце), довольно подробно освещающую историю Стива Робертса и его технических чудес на колёсах. Вот цветные фотографии модели веломобиля Winnebiko II (1986-1988), той же, которая фигурирует на чёрно-белых снимках выше:

Кто-то спросит: "Если была модель Winnebiko II, стало быть, были и её предшественники"? Да, причём не только предшественники, но и более совершенные модели! В 1989 году, когда в журнале "Наука и жизнь" была опубликована заметка выше, Стив Робертс уже успел начать разрабатывать новую модель веломобиля, под названием "BEHEMOTH". Рассказ о них в приведённой выше статье не менее интересен.

Все началось в 1983 году, когда у Стива Робертса, 30-летнего журналиста и консультанта по компьютерной технике, появилось желание "совместить приятное с полезным" - писать статьи и отправлять их на публикацию, находясь в разъездах и ведя при этом активный образ жизни. Абсолютно тривиальная вещь для 2020-х, техника на грани фантастики для первой половины 1980-х. Да, уже не фантастика, ведь все необходимые технические устройства к тому времени были разработаны. Но совместить все эти устройства в одном было той ещё задачей. На сборку первой модели веломобиля Winnebiko, оснащённой портативным компьютером TRS-80 Model 100 весом около 2 килограммов, у Робертса ушло полгода, и в сентябре 1983 года он впервые отправился в путь. Так что же - благодаря этому компьютеру у него уже тогда появилась возможность "на ходу" редактировать и отправлять статьи через Интернет?
Разумеется, на самом деле выглядело это не совсем так. Статьи Робертс писал не на ходу, - на тот момент таких технических возможностей у него не было, - а остановившись там, где удобно - всё необходимое походное снаряжение крепилось на багажнике Winnebiko, при этом энергию для питания компьютера обеспечивала солнечная батарея мощностью 5 ватт.

Winnebiko, первая модель веломобиля Стива Робертса.

Портативный компьютер TRS-80 Model 100.

А вот чтобы отправить статью по Интернету, необходимо было подключить компьютер через модем к таксофону, сеть которых в своё время густо покрывала США. Статья приходила секретарю Робертса, который работал в офисе в Колумбусе и выполнял все дальнейшие действия, необходимые для публикации. При этом уже тогда для редактирования статьи "на лету" был вполне доступен поиск по тогдашним Интернет-ресурсам: по словам Робертса, " за считанные секунды я могу найти больше информации, чем в любой библиотеке в мире".

Присмотревшись, можно увидеть надетые на трубку таксофона чёрные "бочки". Это не что иное, как портативный модем.

На этой первой модели веломобиля Робертс проехал с 1983 по 1985 год более 15 тысяч километров по дорогам США. Про него много писали в провинциальных газетах, с ним любили фотографироваться местные жители, многие из которых не сразу понимали, что перед ними велосипед, а не мотоцикл.

Кадр из ролика CBS.

В 1984 году Робертс сменил компьютер TRS-80 100 на более современный - HP-110.

Из прочих технических устройств, которыми была оснащена первая модель веломобиля, стоит отметить рацию общественного диапазона и дистанционно управляемую кассетную приставку, на которую Робертс "на ходу" надиктовывал главы для своей будущей книги.

Но технический прогресс в те годы двигался семимильными шагами, и к концу 1985 года Робертс понял, что его чудо-веломобиль за пару лет успел изрядно устареть. В 1986 году он начал работу над новой, более совершенной моделью, и в основу её была положена идея возможности печатать непосредственно во время движения. Так появилась та самая модель Winnebiko II, фотографии которой вы могли видеть в начале статьи. В этой модели имелось уже целых пять компьютеров для различных функций, объединённых в единую панель управления.

. а также специальная двоичная клавиатура (где каждый символ вводился в виде битовой последовательности), позволявшая - разумеется, после соответствующей подготовки - печатать со скоростью до 35 слов в минуту.

Двоичная клавиатура размещалась на обеих ручках веломобиля.

Одним из важнейших новшеств в новой модели стал сотовый телефон (в заметке журнала "Наука и жизнь" обозначенный как "радиотелефон"). Теперь для подключения к Интернету Робертсу не требовалось искать таксофон, чтобы подсоединиться к нему с модемом, и таким образом, в зоне покрытия сети стало абсолютно реально отредактировать и отправить статью "на ходу", не отрываясь от сиденья велосипеда.

Сотовый телефон Oki 491.

Среди забавных "наворотов" модели была, в частности, система сигнализации, которая умела жутким синтезированным машинным голосом предупреждать посторонних: "Не прикасаться к нашему звездолёту, или вас испарит лазерный луч!" В случае, если же кто-то не боялся грозных предупреждений и действительно касался Winnebiko II, система оповещала Робертса по пейджеру.

Во время своего путешествия по США на Робертс встретил свою будущую жену Мэгги, которая, как и он, готова была бросить всё (сам Робертс перед тем, как отправиться в путь в 1983 году, продал дом и автомобиль) и пуститься в странствия на велосипеде.

Вместе с ней он доехал до Ванкувера, где в 1986 году проходила Всемирная выставка "Экспо-86", чтобы продемонстрировать модель Winnebiko II, находившуюся тогда в стадии совершенствования.

Как позднее утверждал Робертс, именно в Winnebiko II им была достигнута идеальная гармония практичности, удобства и технических достижений. Это он скажет уже после того, как разработает и испытает модель BEHEMOTH - последнюю из трёх моделей его веломобилей, за проектирование которой он взялся в начале 1989 года в связи с тем, что вторая, как и первая, "обескураживающе быстро устарела". По словам Робертса, "Велосипедисту, неторопливо крутящему педали, уже не угнаться за темпами технического прогресса. В своё время от меня привыкли узнавать новости с переднего края индустрии технических новинок, но теперь она оставила меня позади, и я уже буквально не успеваю крутить головой, чтобы охватить взглядом все чудеса техники, мелькающие вокруг, словно ракеты - у меня нет времени их обозревать".

К этому моменту "гаражная самодеятельность" осталась в прошлом. Для работы над новым проектом Робертс, заработавший к тому времени прочную репутацию одного из самых "отмороженных" техногиков, привлёк более 160 корпоративных спонсоров и 45 добровольных помощников. На разработку модели BEHEMOTH (Big Electronic Human-Energized Machine… Only Too Heavy, что можно примерно перевести как "Большая электронная машина, приводимая в движение человеком. единственно, что очень тяжёлая") ушло три с половиной года и более миллиона долларов (почти три миллиона долларов по нынешнему курсу).

Корректный перевод с английского слова "Behemoth" на самом деле - вовсе не "бегемот", как может показаться, а "страшилище", "громадина", "монстр", "нечто огромное и неповоротливое". И всё это в определённой степени было применимо к модели веломобиля BEHEMOTH - в плане количества встроенных в неё технических наворотов. От простого дизайна первой модели не осталось и следа.

BEHEMOTH был под завязку набит техническими новшествами, за которыми уже не стояло цели создать максимально удобный для своего владельца веломобиль - лишь цель разместить в ограниченном пространстве как можно больше "наворотов" - помимо уже привычных многочисленных компьютеров (в том числе основного - Macintosh с сенсорным экраном), сотового телефона и радиостанции в новом веломобиле имелись, например, супернавороченный шлем, CD-плеер, система спутниковой связи, дозиметр, устройство проверки кредитных карт.

Шлем, снабженный мини-прожектором, зеркалом заднего вида, системой внутренней индикации на выносном мини-дисплее, микрофоном, наушниками, рацией и тремя датчиками для позиционирования курсора мыши на экране компьютера Macintosh путём поворота головы.

Как говорится, "А теперь пристегнитесь, и мы со всей этой фигней постараемся взлететь тронуться с места". А ведь я не перечислил и малой части из "наворотов", указанных в длинном списке в оригинальной статье. Даже в чисто "компьютерной" части он насчитывает более 100 позиций! В модель умудрились запихнуть все имевшиеся на тот момент гаджеты, которые только можно было разместить на шасси велосипеда. Это был уже не компьютеризированный веломобиль, а самая настоящая выставка электроники на колёсах. Для транспортировки всего этого добра и системы питания для него требовался крупный носовой обтекатель, начинённый электроникой, словно в боевом самолёте, вместительные задние кофры и значительно выросший в объёме прицеп, приблизившийся по размеру к автомобильному, а весило всё это в сборе более 260 килограмм - легко понять, откуда в названии модели дополнение ". Only Too Heavy". Чтобы это страшилище могло как-то перемещаться без электромотора (по словам Робертса, он обдумывал эту идею, но решил оставить педальный привод, так как очень любил крутить педали) не только под горку, веломобиль был снабжён трансмиссией на 105 передач.

260-килограммовый монстр в сборе.

BEHEMOTH был окончательно построен в 1991 году, но увы - можно сказать, проект рухнул под собственной тяжестью. Проблемы начались уже во время первой поездки, и хотя впоследствии они были устранены, полноценным средством передвижения, позволявшим ощутить "свободу передвижения со всеми удобствами", каким были первые две модели, третья для Робертса не стала, и на дороги она выезжала в основном для различного рода съёмок.

Робертс не оставил свою мечту и продолжил жить жизнью "цифрового кочевника". Правда, в последующие годы он переключился с веломобилей на средства передвижения по воде - начинённые электроникой гибриды лодки, яхты и катамарана. Но впрочем, это уже совсем другая история.

А веломобиль BEHEMOTH занял место в экспозиции музея компьютерной истории в калифорнийском городе Маунтин-Вью.

Стив Робертс в 2022 году.

Спасибо всем, кто дочитал этот длиннопост до конца!

По материалам:
1. "Наука и жизнь", №7, 1989, с. 86

А для заинтересовавшихся - интервью со Стивом Робертсом (24 минуты), вышедшее в 2022 году к его 70-летию:

Показать полностью 24 1 6 дней назад

Парень прошел онлайн-собеседование в крупной американской компании на должность, по которой он вообще ничего не знает, используя ChatGPT⁠ ⁠

Сверхразум просто включил на фоне ChatGPT, который слушал вопросы менеджера и выдавал правильные ответы. На видео он успешно прошел собеседование в Lockheed Martin – крупнейшую военно-промышленную компанию США.

UPD: к посту есть вопросы #comment_290292319

21 день назад

Самодельный тканевый дисплей на основе термохромной индикации v 2.0⁠ ⁠

Практически с начала создания первых моделей тканевых дисплеев, я всегда опирался на метод негативной индикации (Метод негативной индикации - это слияние с фоном тех сегментов которые при их отсутствии дают нужную цифру) т. к. это позволяет сократить потребление электроэнергии примерно на 50%!
Главным недостатком такой индикации является плохая читаемость выводимой цифры. Тогда я хотел разобраться с управляющей системой и не думал о этой проблеме.

Тканевый дисплей основанный на методе негативной индикации 👇

В один прекрасный день мне все-таки пришлось отказаться от МНИ (метода негативной индикации) в угоду улучшения качества отображения. Но обо всем по порядку.

Я изготовил 5 моделей тканевых дисплеев на основе МНИ и только пятая модель работала так как нужно. После нескольких испытаний я понял что эта модель тоже не подходит на роль тканевых часов. Ах да, забыл напомнить что я хочу вывести местное время на тканевый дисплей.

Пример активации сегмента с МНИ 👇

В итоге по просьбам подписчиков я отказался от МНИ и сделал дисплей с обычной индикацией. И вот что получилось:

На этом видео я переключаюсь между разрядами вручную, но сейчас это исправлено.

И на последок хочу добавить что не стоит воспринимать это как новую разработку будущего. Это скорее небольшой арт проект)

Переходи в телеграмм канал, ведь там я проявляю максимальную активность:

Н͓̽а͓̽у͓̽к͓̽а͓̽ ͓̽и͓̽ ͓̽и͓̽с͓̽к͓̽у͓̽с͓̽с͓̽т͓̽в͓̽о͓̽!͓̽ ͓̽
Разработка тканевого дисплея
╱|、
(˚ˎ 。7
|、˜〵
じしˍ,)ノ
https://t.me/starshimmer

Спасибо что до читали до конца!

Показать полностью 2 Павел Комаровский об инвестициях и рациональности Подписаться

22 дня назад

Главное событие в мире AI: создатель ChatGPT рассказал, в какое будущее он нас всех ведет⁠ ⁠

В этой статье мы расскажем вам про самые важные фичи, внедренные за последние полгода в ChatGPT (самую мощную нейросетку в мире), а также обсудим – каким видением будущего поделился Сэм Альтман на прошедшей 7 ноября конференции от OpenAI. Спойлер: они хотят запилить «агентов Смитов», которые смогут самостоятельно взаимодействовать с миром!

Сэм Альтман здесь be like: «Ну мы, короче, сейчас настрогаем этих агентов и навыпускаем в сеть – а чего дальше будет, так вы в фильме сестер Вачовски посмотрите, не буду вам спойлерить. »

У этой статьи как будто бы два автора, но на самом деле почти весь текст написал Игорь Котенков (автор канала Сиолошная про машинное обучение, космос и технологии). Можно сказать, что Игорь тут отвечал за техническую корректность и экспертизу в искусственном интеллекте, а потом еще Павел Комаровский (автор канала RationalAnswer про рациональный подход к жизни и финансам) навалил поверх странных мемов. Короче, нет времени объяснять, поехали!

С момента выхода нашей прошлой статьи «GPT-4: Чему научилась новая нейросеть, и почему это немного жутковато» произошло много интересного. Были как обновления уже существующих продуктов, так и релизы кардинально новых. Разработчики не успевают клепать новые AI-стартапы, компании наперегонки привлекают миллиарды долларов инвестиций, а люди теряются в новостях и не понимают, что происходит в мире искусственного интеллекта. В общем, мы решили, что пора уже нам запилить обзор ключевых изменений, произошедших за более чем полгода, а также рассказать про самые свежие анонсы с только-только закончившейся конференции OpenAI DevDay 2023. Даже если вы внимательно следили за развитием ChatGPT — уверены, будет познавательно и интересно!

Примечание о ChatGPT/ChatGPT-3.5/GPT-4 во избежание путаницы (читать только педантам и занудам)

В целом, все эти слова означают примерно одно и то же. Но давайте всё же поясним используемую нами терминологию:

• LLM, Large Language Model — большая языковая модель. Собственно, любая текстовая нейросетка, ярким представителем которой является и ChatGPT.
• GPT-3.5 — это базовая текстовая модель (LLM) от OpenAI, долгое время существовавшая в виде сервиса для разработчиков. По навыкам похожа на завирусившуюся в декабре 2022-го ChatGPT.
• ChatGPT, она же ChatGPT-3.5 — первая версия диалогового ИИ-ассистента, основанного на GPT-3.5. Добавлен формат диалога и проведено дообучение конкретно под этот формат.
• GPT-4 или ChatGPT-4 — продвинутая версия модели от OpenAI. Она больше, тренировали ее дольше, поэтому она умнее и понимает больше языков. Сразу же была добавлена на сайт ChatGPT, поэтому фактически с марта 2023 года ChatGPT может обозначать и GPT-4: слова используются как синонимы. Отдельная версия GPT-4 без Chat-формата никогда не показывалась публике.
• По большому счету, ChatGPT обозначает диалоговую LLM в общем. Почти во всех контекстах можно воспринимать это как GPT-4, так как смысла говорить о старых и менее способных моделях нет. Так что да, ChatGPT = GPT-4. :)

Если вы раньше вдруг не читали два наших прошлых лонгрида с объяснением простым языком принципов работы технологии текстовых нейросеток — то самое время наверстать это упущение (это поможет вам и в понимании текущей статьи):

• Как работает ChatGPT: объясняем на простом русском эволюцию языковых моделей с T9 до чуда
• GPT-4: Чему научилась новая нейросеть, и почему это немного жутковато

ChatGPT шагает по планете

Для начала скажем пару слов про то, насколько прокачалась ChatGPT с точки зрения популярности и проникновения в широкие массы. (Кстати, опрос среди авторов данной статьи показал, что эту нейросетку регулярно используют уже 50% людей!)

Сэм Альтман (глава OpenAI) на конференции OpenAI DevDay 2023 раскрыл следующую статистику: недельная аудитория (WAU, Weekly Active Users) ChatGPT превышает сто миллионов человек. Интересно, что недельный показатель — не самый частоиспользуемый, обычно говорят про DAU (дневную аудиторию) или MAU (месячную). Мы помним, что в начале 2023-го продуктом уже пользовалось больше 100 млн человек в месяц. Аккуратно предположим, что эта цифра не выросла драматически, и поэтому решено было чуть-чуть изменить способ подачи. Например, согласно подсчетам по интернет-трафику, MAU составляет примерно 180 млн человек, что всё еще очень недурно для годовалого продукта!

Если вы финансист, то вам должно быть интересно следующее: 92% компаний из списка Fortune 500 (крупнейшие компании США по размеру выручки) уже используют продукты OpenAI. Короче, бизнесы вовсю пытаются придумать, как бы эту вашу технологическую сингулярность половчее использовать, чтобы бабосов побольше заработать!

Но, как говорится, есть нюанс: если натренировать нейросетку на базе данных с чатами, в которых программисты общаются по работе – она довольно быстро начинает отвечать на любые запросы в стиле «ох, что-то я выгорела, щас бы свеженький смузи выпить. »

А главное, всё это достигнуто совершенно без какой-либо платной рекламы — только сам продукт, молва о котором передается из уст в уста! (Disclaimer: этот материал не был проплачен OpenAI).

Ок, а теперь — давайте кратко пройдемся по ключевым вехам развития детища OpenAI, которые мы наблюдали с момента релиза флагманской модели GPT-4 в марте 2023-го.

Весна 2023: Инструменты и плагины для ChatGPT, или как приделать нейросетке «ручки»

Многие пользователи уже давно и справедливо критиковали «маломощные» способности языковых моделей, так как те не имеют доступа в интернет – а значит, не могут находить и использовать свежую информацию для формирования ответов на запросы. Все знания, что в них заложены, диктуются тренировочной выборкой, которую видела модель. Более того, в своем первозданном виде LLM довольно плохи в математике, и осуществляют лишь приблизительные вычисления (хоть иногда они и могут оказываться точными).

OpenAI, понимая эту проблему, адаптировали концепцию «инструментов». Как человек пользуется калькулятором для сложных вычислений вместо прикидки в голове, так и ChatGPT может обратиться к внешнему сервису с целью сделать одно конкретное действие — даже если оно сильно сложнее сложения двух да двух. Почти сразу после выхода модели GPT-4 появились «плагины», основными из которых стали доступ в поисковик Bing (эх, не пошутить про то, что модель «гуглит»!) и интерпретатор кода. Первый помогает актуализировать знания по разным темам, передавая в GPT результаты работы поисковика по конкретному текстовому запросу (который модель же и формирует), а второй — определяет, когда модель хочет запустить Python-программу, выполняет все действия и показывает результат.

Пример использования поисковика моделью. Пятая новость вообще появилась в день написания статьи — так что материал свежачок!

У самых любознательных читателей может возникнуть вопрос: а как это вообще работает? Как «подключить» реальный мир к языковой модели, которая не умеет делать ничего, кроме как читать и писать текст? Для того, чтобы ответить на этот вопрос, необходимо вспомнить два факта, которые мы разбирали в первой статье «Как работает ChatGPT»:

1. Современные языковые модели были обучены следовать инструкциям.
2. Современные языковые модели хорошо понимают концепцию программирования и сносно пишут код. (Ну конечно, они же весь интернет прочитали! Столько жарких споров на форумах разработчиков, ну и документация тоже помогла, конечно.)

Исходя из этого, намечается следующая идея: а давайте напишем инструкцию, которая покажет модели, в каком формате она может обращаться к тому же калькулятору с помощью кода? А внешняя программа будет просто «читать» вывод модели по словам и выполнять соответствующие действия.

Пример: мы написали ChatGPT, какой формат ответа мы от нее ожидаем. Единственный для нее способ удовлетворить пользователя — это следовать нашей инструкции, и делать ровно то, что мы ее попросили (даже несмотря на то, что мы задали странный порядок).

Звучит максимально просто, но это работает даже для сложных плагинов! Может не вериться, но именно по такой логике подключается браузер (когда текст с экрана переводится в обычный текст, и модель выбирает, куда нужно «кликнуть»). А во всех деталях про обучение модели веб-сёрфингу можно прочитать в статье Игоря «ChatGPT как инструмент для поиска».

И еще один из самых полезных и популярных инструментов, доступных модели — это математический движок Wolfram Alpha, с которым знаком каждый студент-технарь (гуманитарии, вы пока сидите спокойно). Любые сложные вычисления теперь не помеха и для LLM!

Исследования показывают, что GPT-4 может даже справиться с управлением автоматизированной химической лабораторией и осуществлять синтез веществ разной полезности, но это уже другая история.

GPT-4 была подключена к системе управления пробирками (изображено слева сверху). Ей давались простые задачи, описываемые естественным языком, на построение определённых фигур из реагентов. Модель успешно прошла тесты.

Единственная проблема с инструментами (плагинами) — модель может потеряться, если их слишком много. Не всегда ясно, в какой последовательности к ним нужно обращаться, и какой конкретно выбрать. Навык модели скорее близок к «неплохо» нежели к «отлично». Поэтому сейчас их выделили в разные чаты: в одном можно сёрфить по интернету, в другом программировать, а в третьем — писать курсовую вместе с Wolfram (преподу только не рассказывайте, чем вы занимаетесь). Но со временем модель прокачалась, и теперь можно делать всё и сразу, без компромиссов!

Осень 2023: Текстово-картиночная модель Dall-E 3, или квест по генерации идеального чебурека

Отдельным продуктом, который был представлен OpenAI совсем недавно, в конце сентября, является генеративная нейросеть Dall-E 3. Она, как и ее предшественники первого-второго поколения, генерирует изображения по входному запросу. Но большинство подобных нейронок имеет жесткое ограничение: чем длиннее промпт (входной текстовый запрос) и чем больше в нем деталей, тем меньше изображение будет соответствовать описанию. Поэтому зачастую промпты состоят всего из 1-2 предложений (иногда даже из пары слов), и большая часть деталей остается на откуп модели: уж как она представит себе объект, так и будет. Для художников/дизайнеров инструмент хоть и может быть полезным, но не в полной мере — ибо сложно добиться чего-либо, полностью соответствующего авторскому видению и задуманной композиции.

Например, вот картина Théâtre D'opéra Spatial, победившая в конкурсе штата Колорадо в 2022 году. Работа обошла другие, созданные живыми людьми, но на ее создание потребовалось более 600 запросов к модели MidJourney!

OpenAI здесь сделали огромный шаг вперед: теперь Dall-E 3 понимает гигантские промпты, и создает изображения, которые точно соответствуют заданному тексту. Давайте посмотрим на пример с лендинга продукта:

Конечно, для рекламы на официальном сайте выбирается самый лучший пример, и такие складные генерации всё-таки получаются не каждый раз. Но по первым субъективным тестам и отзывам в сети внимание свежей нейросетки к деталям всё равно поражает.

Причина, по которой Dall-E 3 попала на эту страницу — ведь она, на первый взгляд, никак не связана с ChatGPT и большими языковыми моделями — заключается в принципе ее работы. Dall-E 3 с первых дней создавался на основе ChatGPT, ведь именна эта LLM генерирует козырные подробные промпты для модели (на базе ваших «колхозно сформулированных» запросов). Просто коротко укажите ChatGPT, что вы хотите видеть, пусть даже в двух словах. Она перепишет промпт, обогатит его деталями, и только после этого передаст в Dall-E 3. И интегрируется это точно также, как и описанная выше идея «плагинов»!

AI буквально берет на себя часть работы по промпт-инженирингу, заменяя ленивого человека и вместе с тем предлагая новые идеи для изображения. Вы пишете «чебурек», а получаете (заранее просим прощения у всех, кто сейчас голоден!).

Сгенерированный промпт: «A freshly made cheburek on a wooden cutting board, half-cut to reveal the juicy meat filling inside. The dough is golden-brown and crispy, with steam rising from the filling. The background is a rustic kitchen setting. »

Интереснее, как эту модель тренировали. У нас нет всех деталей обучения, OpenAI поделились самыми важными отличиями. Насколько нам известно, это первый раз, когда модель такого масштаба обучается на синтетических данных, а не на произведенных человеком. Вы не ослышались — 95% набора пар «картинка текст» (именно на них и тренируется модель) были порождены GPT-4-Vision, анонсированной еще весной. Модель смотрела на изображения из интернета и писала несколько длинных описаний, и эту процедуру повторили несколько миллиардов раз. Вот так вот модели начали помогать обучать другие модели, и никаких остановок на пути к сингулярности уже не будет!

Осень 2023: AI-ассистент из мира фантастики

Помните такого ассистента Siri? Сразу после его появления, кажется, возникло ощущение, что еще чуть-чуть — и мы окажемся в мире этих супер-умных и крутых робо-помощников, понимающих нас с полуслова и умеющих делать тысячу вещей. Но за более чем десятилетнюю историю развития продукта от Apple, как будто бы никаких поражающих воображение обновлений и не вышло. Siri-бот (или «ботиня», как там сейчас правильно?) всё так же тупит, путает звонок «моей маме» и «моей бабе».

Тем временем, в сентябре вышло обновление мобильного приложения для ChatGPT, позволяющее ему видеть, слышать и говорить. Теперь самая мощная нейросеть современности имеет удобные интерфейсы коммуникации с вами. А самое главное — понимает десятки языков и умеет на них отвечать, а также способна гуглить (пардон, «бингить») под капотом.

Вот здесь можно посмотреть пример, как парень из Твиттера (ой, простите, X) пытается учить русский язык — обратите внимание, что приложение отвечает ему на разных языках, не меняя голос. В целом, выглядит прямо очень круто, Джарвис из «Железного человека» уже явно бессильно грызет свою шляпу от зависти!

На основе этой же технологии функционирует и работа с изображениями. Можно загрузить несколько фото (и даже документов), выделить интересную часть и расспросить ChatGPT о ней. Как починить велосипед? Какой ключ из набора взять (чтобы не огрести от бати)?

Пример с картинкой: можно обвести конкретное место на фото и спросить ChatGPT «что это за вундервафля?!»

Некоторые даже спрашивали дорогу до ближайшего магазина по фотографии! Нет, не то чтобы ChatGPT знает каждую улочку, просто понимая урбанистику и глядя на указатели, смогла подсказать, как добраться. На этой же идее основан и продукт компании Be My Eyes — он помогает слепым или слабовидящим выполнять задачи, связанные со зрениием, будь то поиск ключей или что-то поважнее. Раньше там работали волонтеры, а теперь их заменяет GPT. Уже в ближайшем будущем для кого-то без возможности видеть технология может стать буквально глазами в наш мир.

Здесь и сейчас: GPT-4, включаем Turbo-ускорение!

Ну что ж, вот мы, кажется, и добрались до сегодняшнего дня. 7 ноября произошло событие, благодаря которому мы и сели писать этот материал — конференция OpenAI DevDay 2023, где было представлено более десятка мелких и крупных обновлений почти к каждому продукту компании. Как мы видели ранее, за последние полгода GPT-4 и так серьезно прокачалась, обросла вспомогательными инструментами и интерфейсами. Некоторые компании уже начали применять ее в бизнесе и даже строить отдельные продукты исключительно на этой технологии. При этом, у нее остается много ограничений, и разработчики гадали — что же конкретно нам покажут на долгожданном DevDay?

OpenAI начали с козырей: GPT-4-Turbo. Было заявлено 7 улучшений, но многие из них носят технический характер (конференция ведь для разработчиков, всё-таки), поэтому мы сфокусируемся только на самом главном и интересном.

Если вы пользовались ChatGPT целый год, то заметили, что на вопросы, касающиеся событий после сентября 2021 года, модель не отвечает (или вовсе галлюцинирует). Если вам хотелось обработать подобного рода информацию, то на помощь приходил режим работы с поисковиком Bing. Альтернативно, можно было вручную загрузить документ, чтобы модель его «прочитала» и дала соответствующие этому тексту ответы.

На конференции было анонсировано, что актуальность знаний подтянули аж до апреля 2023-го, и впредь не планируют оставлять «в памяти» модели таких больших временных разрывов. Это означает, что примерно каждые 1-3 месяца знания нейросетки будут «подтягивать» до более свежего момента. Главное только, чтобы ничего из прошлого при этом не забылось!

Ходят слухи, что когда бедную модель заставили «учить» новости за 2022 год — из серверной OpenAI были слышны страшные крики.

В дополнение к этому, в модели прокачали возможность загрузки файлов — теперь можно заливать до нескольких гигабайт своих файлов на веб-сайт OpenAI, и модель при генерации ответа будет сначала искать релевантную страницу, и уже потом отвечать. Это не означает, что проблема решена полностью и для всех типов вопросов, но точно улучшит качество ответов в интересном вам домене знаний.

Кроме того, существенно прокачали и длину контекста модели — до 128 тысяч токенов, или больше 300 страниц текста. Теперь можно будет вести с ChatGPT последовательный диалог в течение пары недель и быть уверенным, что модель не забудет детали, обговоренные в прошлый понедельник. Отметим, что пока что это самый большой контекст, доступный на рынке от приватных компаний — до этого лидировали Anthropic с моделью Claude 2 и контекстом в 100 тысяч токенов. А вот среди открытых (но и, вместе с тем, более глупых) GPT буквально вчера появились «гиганты» с окном в 200 тысяч токенов.

График сравнения разных моделей до того, как на танцпол ворвалась GPT-4-Turbo.

У читателя может возникнуть закономерный вопрос: а зачем это вообще надо, в чем польза таких длинных чатов? Можно пофантазировать о нескольких сценариях:

• В промпт модели-ассистента в разработке можно положить не один файл или кусок кода, а сразу весь проект или значимую его часть. В этом случае AI будет лучше ориентироваться, понимать, какие подсказки стоит дать, какие баги могут появиться, и так далее. Схожую логику можно применить и к модели-юристу, читающей, например, всё налоговое законодательство за один присест.
• Написание огромной инструкции длиной в книгу, с описанием всех тонкостей выполняемой задачи. Очень часто модель не учитывает какую-то особенность, понимаемую человеком, а в промпте не хватает места для нюансов. Но теперь будет влезать!
• Один из самых популярных и рабочих способов улучшения качества ответов модели является few-shot prompting: это когда перед постановкой задачи нейронке показывают пару десятков примеров, что нужно делать. Понятно, что такой набор не может покрыть каждый блок логики, но вот если его расширить до тысяч примеров, то ситуация может измениться в корне.

Вот так выглядит few-shot: в промпте есть 3 примера определения сентимента отзыва (2 позитивных и один негативный). ChatGPT в данном случае предсказывает неправильный ответ — возможно, здесь как раз не помешало бы загрузить в промпт не 3, а 3000 примеров

Итого, основная цель подобных изменений — это улучшение общего качества ответов ChatGPT с помошью более детального описания задачи, будь то примеры, инструкции или подробный контекст работы. Сделаем аккуратное предположение, что те, кто заявлял о неминуемой смерти промпт-инжениринга до того, как появились модели с длинным контекстом, скорее всего просто обладали слабым воображением. Мы по сути еще и не начали писать (и автоматически генерировать) промпты на полную!

Кстати, Сэм Альтман подчеркнул, что модель умнее, чем обычная GPT-4. Она уже доступна в официальном UI на chat.openai.com, пробуйте и делитесь своими впечатлениями — стало лучше или хуже?

API-доступ ко всем моделям и снижение цены: рождественские подарки для разработчиков

Как с большой силой приходит большая ответственность, так и с большим промптом приходит большой счет за использование GPT. Платить за использование API (интерфейса доступа к GPT, к которому обращаются разработчики) нужно тем больше, чем длиннее промпт и генерируемый текст — вполне логично, ведь это напрямую влияет на количество вычислений, необходимых для работы нейросети.

Поэтому больше всего оваций на конференции сорвал анонс снижения цен на Turbo-модель. Использование такой модели дешевле в 3 раза на текст из промпта, и в 2 раза на генерируемые токены (их обычно меньше). Почему важно такое разделение? Как было указано выше, иногда в промпт хочется запихать ну уж очень много деталей и примеров. Теперь в ту же цену влезет в 3 раза больше, да еще и работать должно лучше — либо можно просто сэкономить на стоимости использования. Как ни посмотри, одни плюсы!

Кроме этого, разработчики получили доступ к API для всех упомянутых моделей: и для работы с изображениями (GPT-4-Vision), и для генерации картинок в Dall-E 3, и для генерации голоса по тексту (а перевод голоса в текст уже был доступен раньше, его просто прокачали новой моделью). API — это способ простому смертному обратиться к закрытым моделям, работающим на каком-то сервере, и получить результат. То есть теперь каждый разработчик может интегрировать эти технологии в свое приложение по частям.

Вот пример, как GPT-4-Vision помогает провести домашнюю инвентаризацию, определив предметы из IKEA. Правда, в одном она ошиблась — внимательным читателям предлагается найти неточность!

Народные умельцы уже в первые сутки забабахали несколько интересных прототипов. Например, AI-комментатор футбола! Из видеозаписи берется по 2 кадра каждую секунду, сотни извлеченных кадров подаются в GPT-4 — а та, в свою очередь, пишет речь от лица комментатора. Затем это озвучивается одним из шести представленных OpenAI голосов, и вот результат.

Получилось не так эмоционально, как у испанского комментатора, но это всего лишь 2023 год, дайте AI маленькую скидку и немного времени! Тем более что работники индустрии озвучки уже жалуются на то, что у них отбирают работу.

Идея лежит настолько на поверхности, что почти одновременно появился и второй жестяной комментатор — на этот раз, для популярной онлайн-игры League of Legends. Качество сгенерированной речи выше, а комментарии уместны и относятся к стратегии в игре.

И еще несколько примеров остроумных поделок: приложение для оценки правильности поз в йоге, вопрос-ответ по окну браузера (или любого другого приложения), чат с видео на ютубе или даже с вашей веб-камерой, создание и анимация GIF'ки (попробовать самому тут), и любимое: критика веб-сайта по его оформлению (при создании этого бота, надеемся, ни один Тёма Лебедев не пострадал). Конечно, культовый и максимально полезный hot dog / not hot dog классификатор из сериала «Кремниевая долина», тоже сделали сразу.

Да, это не что-то, что поражает воображение, и подобные приложения на телефонах уже давно были. Однако тут важно, что это всё смесь из двух-трех разных моделей, подключаемых в одну строчку кода. Теперь эти инструменты доступны каждому, они работают над широчайшим кругом задач (зачастую даже лучше, чем специализированные системы, заточенные решать одну конкретную задачу — например, находить кошек и собак на видео), а прототип можно накидать за час. При этом технология становится всё более доступной.

В Твиттере даже завирусился мем, высмеивающий стартапы, которые являлись тонкими прокладками с минимальной добавочной ценностью относительно продуктов OpenAI.

Картинка сделана в Фотошопе, но это всё равно lol — тут не поспоришь

Например, сайты по типу ChatWithPDF / AskPDF позволяли загрузить файл (даже большой, в 100 страниц), а потом задавать вопросы по документу, при этом ответ формировался на основе предоставленного источника. Лень читать 50-страничный отчет по работе? Изучите его за 3 минуты! Правда, технология была уж очень простой — при желании можно накидать такую же функциональность за вечер. OpenAI почесали голову и сказали: давайте каждому пользователю предоставим возможность чатиться с документами? Бабах, и маленький наколеночный стартап испаряется, как будто по щелчку пальцев. Однако, настоящим стартапам, развивающим доменную экспретизу и предоставляющим большую ценность и без вспомогательной технологии такая судьба не грозит. ну, пока по крайней мере, lol.

Поддержка в судебных делах по копирайту, или как пользоваться плодами нейронок безопасно

Мы живем в такое время, что иногда сложно отделить настоящее искусство от пустышки. Хотя дебаты по этому поводу идут уж точно не меньше века (как минимум, с появления «Черного квадрата» Малевича), сейчас, в эпоху AI, они особенно остры. Пока в крупнейших юрисдикциях идут споры по поводу легальности текстовых данных и изображений из интернета для тренировки нейросетей, большие компании видят риски в их использовании. Вдруг завтра прилетит судебная повестка из-за нарушения копирайта? А вдруг сгенерированная картинка для обложки журнала или постер для фильма на самом деле неоригинальны?

Понимая и разделяя переживания бизнесов, ключевые поставщики технологии спешат навстречу. Так, например, если третья сторона подаст в суд на коммерческого клиента Github Copilot (грубо говоря, это ChatGPT для программистов) за нарушение авторских прав из-за использовании продукта или результатов его работы, то Microsoft будет защищать клиента в суде, а также при необходимости выплатит сумму штрафов или неустоек. Схожие анонсы сделали: Adobe — при использовании генеративных функций фотошопа (модель Firefly), Google — почти для всех своих продуктов, IBM, и другие.

В общем, сейчас, если кто-то вам предъявляет за неуместное копирование чужих идей — смело отвечайте «Гугл мне вот это всё разрешил!»

И вот на конференции DevDay было объявлено, что OpenAI тоже вступает в эту игру, запустив программу Copyright Shield. Распространяется она, увы, не на всех пользователей, а только на Enterprise и разработчиков. Другими словами, если вы на официальном сайте что-то сгенерировали, то под защиту оно не попадет (если ваша компания не оформила партнерство с OpenAI отдельным договором).

Интересно, что буквально за пару недель до анонса произошло следующее: трое художников подали иск против технологических компаний (Midjourney, Stability AI и DeviantArt) по обвинению в нарушении авторских прав. В свою очередь, эти компании подали ходатайство о прекращении дела. Судья Окружного суда США удовлетворил это ходатайство. Основная причина такого решения заключается в том, что художники не зарегистрировали авторские права на каждую из своих работ. Однако суд также выдал рекомендации по корректировке претензий. Что будет дальше — узнаем в следующих сериях!

Кстати, если вы переживаете за свои данные, то вот еще новость: Сэм Альтман заверил, что OpenAI не тренирует модели на данных пользователей. Это верно по умолчанию для бизнесов и разработчиков, работающих по API, а вот обычным пользователям необходимо убрать специальный флажок в настройках на сайте ChatGPT.

Миссия Microsoft и OpenAI: счастье для всех, и пусть никто не уйдет обиженным (ну или типа того)

Перед самой главной частью презентации на сцену вышел Сатья Наделла, СЕО Microsoft. На пару с Сэмом Альтманом они обсудили партнерство двух компаний, а также общее видение. Официальная миссия Microsoft звучит так: «to empower every person and every organization on the planet to achieve more» (дать возможность каждому человеку и каждой организации на планете достичь большего).

И разработка инструментов, увеличивающих эффективность выполнения работы и расширяющих возможности, точно согласуется с этой миссией. Умные AI-ассистенты на основе ChatGPT уже сегодня справляются с этим, если верить исследованиям (от MIT, от Harvard University). Что же будет дальше, каков план OpenAI? Глобально их видение — это создание AGI (Artificial General Intelligence, универсальный искусственный интеллект), который приносит пользу всему человечеству. Не смейтесь, не пугайтесь, сейчас всё объясним. У AGI много определений, поэтому важно правильно выстроить ожидания. Определение, которое используют OpenAI, можно сформулировать примерно так: AGI — это высокоавтономные системы, которые превосходят людей в большинстве экономически ценных работ. Уже не так страшно, да? Никаких терминаторов (вроде бы. ).

Сатья и Сэм смотрят на тебя как на кожаного мешка, чью жизнь они вот-вот неимоверно улучшат своими высокоавтономными сверхумными ИИ

В этом определении несколько ключевых составляющих. Первая — это автономность систем. Они должны функционировать с минимальным вовлечением человека, получая верхнеуровнево сформулированную задачу. Работает по схеме «дал задачу и забыл». Вторая — фокус на экономическую составляющую, на увеличение эффективности интеллектуального труда.

Конечная цель — сделать так, чтобы можно было просто сказать компьютеру, какой итоговый результат ты хочешь получить, а он сам придумает и реализует все необходимые подзадачи для достижения этой цели. Системы такого рода с указанным уровнем возможностей в области AI часто называют «агентами». Сам факт появления подобной технологии, и уж тем более ее внедрение, потребуют большого количества вдумчивых обсуждений всем обществом — что делать людям, которые потеряют работу? Как изменится политика? Какие права будут у AI-«работников»? Но пока это чуть более отдаленное и туманное будущее, а мы находимся здесь и сейчас. И OpenAI в рамках конференции рассказали про первый маленький шажок по направлению к этому будущему: GPTs.

Тут мы вынуждены прерваться, так как заложенный на Пикабу лимит символов на статью не позволяет впихнуть остаток материала. Так что, окончание лонгрида про GPTs-агентов Смитов и про гигантский плавучий суперкомпьютер либертарианцев, который будет компилировать интегралы в нейтральных водах, можно прочитать вот здесь.

Показать полностью 17 Поддержать 24 дня назад

7 сериалов, которые оценят поклонники «Черного зеркала» — Цифровые тюрьмы, потаенные уголки всемирной паутины и киберпанк⁠ ⁠

Основная тема «Черного зеркала» — влияние современных технологий на человеческое сознание и отношения между людьми. В подборке мы вспомним еще восемь отличных сериалов, исследующих ту же проблематику.

1. «Любовь. Смерть. Роботы», 2019 — настоящее время

Этот сериал состоит из трех сборников (сезонов), в каждом из которых представлены не связанные между собой анимационные короткометражки длительностью от 10 до 20 минут. Среди исполнительных продюсеров значится Дэвид Финчер, а главным источником вдохновения авторы называют комиксы и рассказы из журнала Heavy Metal. И все они действительно объединены тремя главными лейтмотивами, вынесенными в заголовок. Зрелище получилось эпатажное и провокационное, острых тем и откровенных сцен сценаристы и художники нисколько не стеснялись. Но главное, за что шоу хвалили почти все критики, — это безукоризненно выдержанные стиль и тон, которые любители качественной анимации вне всякий сомнений оценят.

2. «Разделение», 2022 — настоящее время

Научно-фантастический триллер с Адамом Скоттом в главной роли рассказывает историю сотрудника компании Lumon Industries Марка: пережив смерть жены, он соглашается на медицинскую процедуру «разделения», в ходе которой его нерабочие воспоминания отделяются от рабочих. А уже после прохождения «разделения» Марк начинает распутывать паутину заговоров, плотно окутавшую зловещую корпорацию. Шоу, по справедливому замечанию многих журналистов, получилось в меру загадочным, в меру дерзким, а главное — необычным. Оказывается, разбираться в корпоративной рутине может быть дьявольски интересно!

3. «Мир дикого Запада», 2016 — 2022

Создателями этого научно-фантастического вестерна стали супруги Джонатан Нолан (брат пятикратного номинанта на «Оскар» Кристофера Нолана) и Лиза Джой. Действие происходит в населенном неотличимыми от людей андроидами футуристическом парке развлечений. За большие деньги здесь можно творить любую вакханалию без всяких последствий — так, во всяком случае, кажется посетителям. Правда, у роботов в какой-то момент появляются свои мысли на этот счет… Сериал мастерски балансирует на стыке жанров, предлагая зрителям множество загадок и не забывая при этом вовремя озвучивать ответы. Кому-то может показаться, что тема осознающего себя искусственного интеллекта себя уже исчерпала, но «МДЗ» столь лихо закручивает свои сюжеты (а распутывает их столь элегантно), что от экрана буквально не оторваться.

4. «Загрузка», 2020 — настоящее время

2033 год. Теперь люди после смерти могут загрузить цифровую версию себя в виртуальную загробную жизнь. Программист Нэйтан Браун после аварии и клинической смерти попадает в элитный сервис Lake View, но не по своей воле, а по решению его девушки Ингрид. Пытаясь привыкнуть к существованию в цифровом раю, Нэйтан заводит дружбу со специалистом техподдержки Норой. И вскоре та начинает подозревать, что смерть Брауна была отнюдь не случайной. Эта интрига, грамотно поданная в самом начале, держит в напряжении до самого конца, а остроумно и тонко прописанные диалоги не дают «Загрузке» скатиться в категорию второсортных мыльных опер. На выходе получается занимательная социальная фантастика, генерирующая двойное, а иногда и тройное дно.

5. «Видоизмененный углерод», 2018 — 2020

Хит 2018 года, получивший второй сезон в 2020-м. Основан сериал на одноименном романе Ричарда Моргана и его продолжениях. В 27 веке сознание людей хранится в специальных носителях («стэках»), которые можно загружать в тела. Главный герой Такеши Ковач, элитный солдат и вообще настоящая машина для убийств, внезапно пробуждается от 250-летнего сна в новом теле и получает предложение о работе от одного из богатейших людей мира Лоренса Бенкрофта. Тот был «убит» и теперь хочет, чтобы Ковач раскрыл это преступление. Главное, что восхищает в этом шоу, — визуальный ряд. Эстетика киберпанка передана с таким вниманием к деталям и такой тщательностью, что порой захватывает дух. Некоторых зрителей могут оттолкнуть чрезмерно натуралистичные сцены, но, уже погрузившись в обволакивающую атмосферу сериала, выбираться из нее, не досмотрев до конца, совершенно не хочется.

6. «Мистер Робот», 2015 — 2019

Обласканный критиками сериал (на его счету — два «Золотых глобуса» и «Эмми», а также целая россыпь номинаций) транслировался с 2015-го по 2019-й годы. В центре сюжета — нелюдимый гик Эллиот Алдерсон (Рами Малек), словно Бэтмен, сочетающий в себе две личности. Днем он — перспективный инженер кибербезопасности в крупной корпорации, ночью же — талантливый хакер, способный преодолеть даже самую хитроумную защиту. В какой-то момент Эллиот оказывается перед непростым выбором — уничтожить своего официального работодателя или развязать войну против подпольного хакерского сообщества. Шоу продержалось на стабильно высоком уровне на протяжении всех четырех сезонов. Не в последнюю очередь — благодаря Малеку, именно в «Мистере Роботе» продемонстрировавшему миру, какой же он в действительности выдающийся актер. В целом же у авторов получилась мрачная, почти антиутопическая история, полная интриг, конспирологии и, увы, не самых оптимистичных предсказаний о том, во что в недалеком будущем превратится всемирная паутина.

7. «Электрические сны Филипа К. Дика», 2017 — 2018

Как и «Черное зеркало», этот сериал пожаловал из Великобритании. При этом основан он на рассказах классика американской научно-фантастической литературы Филипа К. Дика. Это 10 самостоятельных эпизодов, рассказывающих 10 обособленных историй. Которые, впрочем, объединены главным лейтмотивом — все они в той или иной форме предсказывают образы будущего. Актерский состав здесь буквально пестрит звездами разной величины, а действо на экране наполнено сатирой и сюром — визитными карточками творчества Дика. Нужно, правда, оговориться, что в некоторых эпизодах создатели довольно вольно обошлись с первоисточником.

Показать полностью 6 Поддержать 27 дней назад

Время расчехлять свои старые твиты⁠ ⁠

Показать полностью 1 1 месяц назад

Российский производитель представил первую отечественную перфокарту по техпроцессу 1 мм⁠ ⁠

На ярмарке «Большие Умники» на базе технопарка Сколково представили первую отечественную перфокарту, изготовленную по техпроцессу 1 мм. По заявлению производителя, устройство может хранить рекордные 120 байт информации.

Сверхмалая топология ядра перфокарты повышает её производительность на 18% по сравнению с предшественниками из советских серий. Энергопотребление и теплоотдача, по заявлению создателей, не увеличились. Первые опытные образцы уже проходят испытания в госструктурах, а серийный выпуск начнётся в 2024 году вместе с окончанием сенокоса во всех регионах страны.

В условиях сложной геополитической ситуации перфокарты снова обретают популярность как самый безопасный метод записи и хранения информации. К ним невозможно получить доступ извне, а дешифрация требует применения сверхтонкой титан-никелевой иголки, которая не выпускается на Западе. Помимо российских покупателей, в новинке заинтересованы иностранные партнёры, заключившие с производителем контракты на рекордные 102 тысячи рублей.

Также на прошедшей конференции публике представили обновленный 20-ваттный ручной электрогенератор для отечественных смартфонов и новое клюкало, доступное в четырёх новых расцветках.

Показать полностью Поддержать 1 месяц назад

Дубляж видео на русский с сохранением голоса. Сравнение HeyGen с ElevenLabs⁠ ⁠

В новом веке технологий, нейросети открывают потрясающие возможности для бизнеса и заработка в интернете. Одним из интересных направлений является дубляж видео с сохранением оригинального голоса. В данной статье рассмотрим два сервиса — HeyGen и ElevenLabs, и узнаем, как они могут помочь в реализации идей заработка с помощью нейросетей.

HeyGen и ElevenLabs

Я уже рассказывала про перевод от HeyGen. HeyGen – это инновационный сервис, который блестяще справляется с переводом видео, сохраняя интонации голоса оригинального диктора.

Минус

Однако, на данный момент он не поддерживает перевод с русского языка. В то время как ElevenLabs успешно дублирует видео на русский язык.

ElevenLabs

У ElevenLabs уже был voice cloning, сейчас же одним игроком на рынке дубляжа видео стало больше! ElevenLabs прекрасно переводит на русский. Сервис поддерживает 29 языков и сохраняет оригинальный тон голоса. Для примера я скачала интервью Илона Маска на английском языке и перевела его на русский с помощью ElevenLabs.

Оригинальное интервью на английском языке:

Перевод на русский и клонирование голоса ElevenLabs:

Процесс перевода видео прост и интуитивен: загружаем видеоролик, выбираем язык ввода и язык вывода, ожидаем некоторое время и получаем готовый результат.

Сравнение HeyGen и ElevenLabs

При сравнении HeyGen и ElevenLabs, оба сервиса анализируют речь, переводят и синтезируют ее в новую звуковую дорожку, создавая естественное звучание. Основное отличие в том, что ElevenLabs предлагает бесплатный перевод до 2000 символов, в то время как HeyGen ограничивает ролики размером до 500 мб и предоставляет только 1 генерацию бесплатно.

Резюмируя, оба они переводят отлично и очень похоже на оригинальный голос, но HeyGen подстраивает еще и движение губ

Эти инструменты демонстрируют потенциал нейросетей в бизнесе и возможности заработка в сфере перевода и дубляжа видео. Подписывайтесь на телеграм канал НейроProfit, чтобы узнать больше о возможностях нейросетей в создании новых источников дохода.

Показать полностью 1 Поддержать 1 месяц назад

Как нейросети постепенно засрут интернет (а точнее уже засрали)⁠ ⁠

Год назад я наткнулся на статью, которая предсказывала деградацию нейросетей и автор приводил интересную теорию:

● Нейросети обучаются на контенте из интернета, который по большей части делает человек.

● Качество итоговой работы нейросети на данный момент ниже, чем оригинальный контент живого автора. Логические и смысловые ошибки, а так же некое "отсутствие души".

● Несмотря на это, нейросети массово используют для создания контента. Растет количество некачественных материалов в интернете и нейросеть начинает брать эти данные для обучения.

● Из-за общего снижения качества "скармливаемой" информации, нейросеть начинает тупить, все чаще повторяя свои же ошибки и неточности.

Вот недавно я решил поиграть в Kenshi, вспомнить лор и почитать информацию о фракциях. И первая же статья которую мне выдает поиск Яндекса выглядит так:

▸ Я может быть какое то обновление пропустил, но про "Сеть" в Кенши не слыхал

Увидев этот странный текст, я из интереса перешел по ссылке, а там безумие в чистом виде!

▸ Даже в Kenshi есть свой филиал "Без баб"

▸ А как вам такое? Холодные осадки в Kenshi осознали себя и из погодных условий превратились во фракцию

▸ А Шеки решили позабыть свой культ битвы и стать торговцами тех-охотниками

Для тех кто еще не понял - эта статья написана нейросетями!

Написана убого, коряво, без намека на логику, но с нужными SEO элементами - тот самый информационный мусор. А самое забавное, что мусор вынесен на первую позицию поисковой выдачи Яндекса. Да что там, 5 из 15 ссылок на первой странице поиска вели на такие же плоды нейросетей разной степени бредовости.

И в этом ключевая проблема нейросетей - слишком высокая скорость генерации контента. Она априори будет выше, чем создание уникального контента от живого автора. Ужасное качество итогового продукта меркнет на фоне человеческой жадности и лени.

Какая задача у информационного контента в 21 веке? Решить проблему пользователя? Нет - привлечь трафик и желательно здесь и сейчас, ведь трафик это деньги. Поэтому количество такого контента будет расти в геометрической прогрессии.

Масштаб проблемы и как она будет решаться в будущем?

На мой взгляд ключевой момент - это умение отличать материалы живого человека и материалы сделанные нейросетью. И я говорю даже не про умение пользователя, а про умение машинных систем.

● Для самих нейросетей встает вопрос обучения. Chat-GPT потребляет информацию из интернета и недавно с него сняли ограничения 2021 года (все что вышло позже этой даты нейросеть не учитывала). Если на системном уровне не будет фильтра, то в обозримом будущем качество ответов заметно упадет, ведь они будут составляться на основе ошибочных материалов созданных нейросетью до этого.

● Google, Яндекс и другие поисковики в какой то момент столкнутся с недоверием аудитории, ведь перестанут решать основную задачу пользователя - поиск полезной информации. Пока что их инструменты оценки качества контента слишком примитивны, что доказывает пример приведенный в начале статьи (1/3 выдачи поиска загажена мусором нейросетей). Единственный возможный критерий отбора доступный в данной ситуации - отдавать приоритет оригинальным статьям от живого автора.

А что в итоге?

Я пишу эту статью для того, чтобы люди более критично относились к информации в интернете и поддерживали живых авторов. Экспертного контента в сети все меньше и нельзя позволить ему утонуть под лавиной бреда нейросетей. В конце концов за ошибкой человека стоит мыслительный процесс, а за ошибкой нейросети - случайный алгоритм. И пока что к человеку доверия больше, чем к машине.

Ждем, когда техно-жрецы найдут решение этой проблемы и оно вскроет еще десяток других. А пока подписывайся на мой гоблинский блог - тут много интересного про разработку игр и нейросети.

P.S. По поводу моего месячного отсутствия. Несмотря на навалившийся ворох дел - я не забрасывал изучение инструментов для разработки игр. Просто написание статьей не вписывалось в мое плотное расписание. В ближайшие пару недель постараюсь выложить новую статью про Godot.

ВСЕМ WAAAGH!

Показать полностью 5 1 месяц назад

Новый прикол отечественной технологии⁠ ⁠

Списывай, но не точь-в-точь.

Появился новый прикол отечественной технологии.

«Отечественный» (хи-хи) телефон Р-ФОН оказался почти полной копией бангладешского смартфона Symphony. Российские техноблогеры заявили, что модели являются идентичными по характеристикам, только вот Symphony Helio 80 получил камеру на 108 Мп, а «наш» — на 50 Мп.

Никогда такого не было, и вот опять😁

Показать полностью 1 месяц назад

Как я создал telegram-бота для чеклистов⁠ ⁠

Меня зовут Марк, и я разработчик. С определенного времени я активно начал интегрировать списки и чек-листы в свою жизнь. Дошло до того, что если не записываю что-то, то с большой долей вероятности забываю это сделать. И наилучшим приложением для этого оказался, как ни странно, telegram, так как он всегда под рукой на смартфоне и ноутбуке. А тут еще в прошлом году telegram добавил возможность использовать webapp технологию для ботов. Подробнее об этом можно почитать тут: https://core.telegram.org/bots/webapps . Если кратко, то технология позволяет открывать веб-страницы внутри telegram-бота и организовывать более тесное взаимодействие с ними. Я захотел опробовать технологию и сделать какой-то простой проект. Так зародилась идея сделать бота для чеклистов https://t.me/chchecker_bot.

Данная статья посвящена в большей степени не самой разработке, а моему опыту использования списков и чек-листов в telegram, а также опыту пользователей моего бота по работе со списками, который оказался полезным в том числе для меня. Статья может оказаться интересной и для тех, кто также как и я привык работать в telegram, и по минимуму использовать сторонние приложения, если телега позволяет обойтись без них.

Как я жил с telegram и списками раньше

Алгоритм довольно простой:

• Добавить чат с сохраненными сообщениями в закрепленные, чтобы не нужно было искать его среди бесконечных переписок.
• Записывать туда все подряд.
• В течение дня заглядывать в чат, чтобы проверить что-то из задач на день.
• Если требовалось что-то важное или ко времени, ставить отложенные сообщения самому себе.
• Внутри чата с сохраненками закреплять какие-то важные сообщения, чтобы проще было найти. Иногда ставил теги, которые смогу вспомнить, тоже для облегчения поиска.
• В свободное время чистить мусор из сохраненок и актуализировать заметки.

Это вполне меня устраивало, пока чат не стал слишком большим. Телега отлично ищет внутри чата, но все равно ориентироваться стало неудобно. Для некоторых тематичных вещей я создавал отдельные приватные каналы, некоторые объединял в отдельную папку внутри telegram, и как-то с этим жил. Например, с супругой есть общий чат со сканами разных документов. Тоже закрепленный, чтобы был всегда под рукой. Очень выручает во всяких непредвиденных бюрократических ситуациях.

Закрепленные чаты в telegram

Типичный кейс использования списков в telegram - список покупок перед походом в магазин. Пишу в сохраненках одно сообщение со списком, каждый пункт с новой строки. В магазине редактирую это сообщение и стираю то, что уже положил в корзину. Редактировать и стирать сообщения не очень удобно, тк надо тыкать много и часто, а ты в движении и с корзиной. Зато все внутри телеги - всегда под рукой, никаких лишних приложений! И это я менять не собирался.

Коротко о боте для чек-листов

Я создал бота осенью 2022 года. Сначала очень простого. Потом появились пользователи. Они рассказывали, чего им не хватает, а я доделывал это. Спустя полгода бот стал уметь достаточно, чтобы закрыть основные боли пользователей и конечно мои.

как выглядит переписка с ботом

Для того, чтобы создать чеклист, не нужно вводить никаких странных команд, как это принято в других telegram-ботах. Просто пишешь сообщение с названием чеклиста боту, он его удаляет (чтобы чат оставался чистым) и присылает в ответ ссылку на чек-лист, который открывается в специальном окошке внутри телеграм. И там, внутри этого окошка, уже можно добавлять пункты чек-листа с удобными элементами управления. Можно отправить боту в чат сразу несколько строк, тогда он будет считать первую строку названием, а остальные непустые строки сразу внесет как пункты к этому чек-листу.

Итак, кратко, что на текущий момент умеет бот:

• создавать пустые и предзаполненные чек-листы, удалять и переименовывать их
• добавлять, редактировать и удалять пункты в них,
• менять порядок пунктов в списке,
• очищать чек-листы полностью или удалять только отмеченные пункты,
• ставить напоминания на пункты чек-листа или на весь чек-лист целиком,
• копировать содержимое чеклиста в буфер или присылать текстом в чат,
• делиться чек-листом по ссылке и настраивать права доступа к чек-листу, которые будут доступны пользователям по ссылке,
• работать в inline-режиме для быстрой отправки ссылки на чеклист через чаты и каналы.

Как работает бот в inline-режиме

У пользователей большие запросы, и в одиночку я не очень быстро могу разрабатывать новые функции, но стараюсь постоянно улучшать бота. Например, только недавно добавил изменение порядка пунктов внутри чеклиста. Для программиста задача довольно типичная. Но свободного времени всегда мало. Тем не менее стараюсь регулярно работать над ботом небольшими итерациями.

Какие кейсы решаются через бота

Вернемся к базовому кейсу - список для похода за продуктами.

Как правило люди в магазинах покупают одни и те же продукты. Некоторые продукты чаще, некоторые реже.

Для начала можно составить один список перед походом в магазин и дополнять его по мере необходимости.

• В магазине отмечаем купленные товары по мере того, как кладем их в корзину/тележку. Для этого больше не надо редактировать сообщение в сохраненках. Просто тыкаем на пункт списка.
• Перед тем, как снова пойти в магазин, проходим по списку и делаем неотмеченными позиции, которые снова нужно будет купить.
• Это довольно удобно, так как может сэкономить вам время и силы на составление нового списка, в котором вы что-то можете забыть. Обычно при добавлении новых пунктов список все равно не становится слишком большим, чтобы в нем было трудно сориентироваться.

Тем не менее, если список разросся, то можно разбить его на несколько списков. Например, по регулярности покупок: отдельный список покупок к событию (например, празднику, где нужны всякие салаты), отдельный список для продуктов с высокой частотой покупки и низким сроком годности (молоко, яйца, сметана, хлеб), отдельный список для продуктов, которые покупаем реже (крупы, приправы, нескоропортящиеся овощи вроде картофеля).

Кажется, что это одна из самых подробных инструкций, как ходить в магазин =). Давайте перейдем к более сложным кейсам.

Getting Things Done (GTD)

Об этом кейсе использования мне рассказал один из пользователей бота Рустам. Подробнее о методе https://habr.com/ru/articles/599391/.

GTD подразумевает использование таск-менеджеров, но Рустам подумал, что можно запилить это все в telegram. Не через канал, и не бот, а именно чат-группу, потому что в чатах появилась такая фича как темы (топики). И из темы в тему можно переставлять задачи. Темы можно называть по разному - СЕГОДНЯ, ЗАВТРА, КОГДА-НИБУДЬ и т.д.

Рустаму не хватало напоминаний в этой системе и чек листов. Напоминания он реализовал через стороннего бота, так как отложенные сообщения не работают внутри тем чат-группы. А вот чек листы через моего бота. На тот момент telegram еще не поддерживал открытие webapp приложений по ссылке, поэтому Рустаму приходилось отдельно заходить в бота и переключаться между темами чат-группы. Когда telegram доработал эту технологию, то ссылки на чек-листы стало можно оставлять прямо в нужных темах чат-групп.

Тем не менее, если мы гонимся за сверхпродуктивностью, то опытные прокрастинатологи говорят, что telegram - это не про продуктивность. Слишком много отвлекающих факторов. И советуют ставить отдельные приложения для управления чек-листами и списками дел. Но я не настолько упорен в этой борьбе, и удобство telegram перевешивает.

Ситуационные списки

А этот кейс про то, как я перестал забывать вещи. У меня есть несколько чек-листов со списком вещей для определенных мероприятий:

• для похода на тренировку (форма, сменное белье, вода, пропуск и т.д.),
• для командировки (одежда, документы, техника, средства гигиены и т.д.),
• задачи для ремонта (купить обои, договориться с плиточником и т.д.),
• для отдыха в конкретной стране (какие места и экскурсии посетить).

Когда я завел список для похода в тренажерный зал, то супруга надо мной подшучивала - неужели нельзя запомнить, что нужно взять с собой. Конечно можно! И обычно так и происходит. Но раз в 1-2 месяца все равно что-то забываешь. Я в разное время забывал чистое белье, воду, полотенце, форму, наушники. После того, как начал сверяться со списком перед выходом из дома - проблема исчезла.

Если все таки хочется испытать свою память и обойтись без списка - то сначала собираю вещи по памяти. Но потом все равно сверяюсь со списком, чтобы убедиться, что ничего не забыл.

Мой список вещей для спортзала

Если же говорить о командировках или отпусках, то эти события происходят не регулярно. И тут вероятность что-то забыть сильно выше, чем при походе в спортзал. Поэтому в таких ситуациях списки очень полезны.

Однажды в статье на ТЖ я прочитал, что кому-то не хватает стандартных ситуационных списков. Например, что взять в аптечку при поездке в другую страну/на дачу и т.д. Функциональность бота уже позволяет делиться списками между пользователями прямо по ссылке. И я думаю о том, чтобы завести подобный раздел в будущем.

Долгоживущие списки

Если не вдаваться в подробности о том, чем чек-листы отличаются от списков дел, то можно выделить пару основных критериев:

• Список дел обычно составляется на один раз, а чек-лист может включать повторяющиеся, регулярные активности.
• Пункты чек-листа обязательны и выстроены в строгой последовательности выполнения. А пункты списка можно перенести, поменять очередность, либо совсем не выполнять.

Мой бот, как я считаю, является довольно общим инструментом, через который можно вести и чек-листы и списки. Как именно работать с созданным листом - решать пользователю.

Поэтому кроме списков продуктов или вещей к определенной ситуации у меня есть такие списки как:

• фильмы, которые надо посмотреть,
• книги, которые надо прочитать,
• цели на год (в декабре они могут перерасти в список итогов года),
• списки улучшений, которые нужно реализовать в боте и других проектах.

У закрепленных сообщений сразу отображается кнопка открытия списка

Если говорить о “трушных” чек-листах, у меня есть несколько технических инструкций для развертывания и настройки программ. Но в основном я использую бота для работы именно со списками.

Регулярные задачи

Есть ряд вещей, которые необходимо делать регулярно. Например, еженедельная уборка в доме. Одно время мы с супругой распланировали в какой из дней кто из нас выполняет какие активности по уборке. Набросали расписание прямо на бумаге и приклеили к холодильнику. Честно говоря, хватило меня в лучшем случае на месяц.

Некоторые пользователи бота просили добавить оповещения о пунктах списка или о списке целиком. В простом виде я добавил эту возможность. Но самое главное, чего не хватает - это ставить повторяющиеся оповещения (раз в день/по выходным/в определенное число месяца). Напоминания о ежедневных делах реально востребованная функция. Многие также создают себе списки на каждый день, указывая в названии дату. Вероятно, таким образом замещая, календари и события. Логичный шаг - дать пользователям автосоздание списка по расписанию, автоматический перенос невыполненных пунктов в новый список, ну и, как минимум, возможность задавать периодичность оповещений. В моем боте эта функциональность пока что в планах. Но если у кого-то есть интересный опыт работы с регулярными задачами в telegram - делитесь, интересно было бы узнать о нем!

В заключении

Мой довольно простой бот теперь стал удобным помощником в повседневной жизни. Некоторые пользователи оставляют запросы на улучшения, и я стараюсь постоянно дорабатывать его функциональность. Также меня очень мотивирует любая обратная связь, особенно рассказы о том, как бот сэкономил людям время или помог с решением проблемы. Если у читателей есть интересные кейсы применения списков и чек-листов, а также рецепты эффективной работы с telegram, то был бы рад услышать их!

Показать полностью 5 2 месяца назад

Как нейронка за меня таблицы считала (живой пример)⁠ ⁠

Сегодня я расскажу как лично я в своей работе использую нейросеть для решения задач по обработке данных и экселевских таблиц.

Казалось бы обычный кликбейт в стиле "100 нейросетей для улучшения дикпиков" или "50 новых убийц чат-гпт”. Но нет.

Я работаю маркетологом, и помимо того что мне разрешают сидеть рядом с настоящими айтишниками и програмистами, мне иногда дают задачки по обработке данных. Но не тех данных, для которых нужно иметь 3 сертификата по ML и бигдате, а обычные задачки по экселю, которые встречаются у каждого из нас, практически вне зависимости от профессии. Если вы тот самый “опытный пользователь ПК”, скорее всего вы копаетесь в экселе по рабочим нуждам, и обычная задачка со сводной табличкой из-за отсутствия опыта может растянуться на 6 рабочих часов с перекурами. Большинство таких задач довольно однотипные, и более опытный коллега сделает их в 10 раз быстрее, просто потому что он уже на них собаку съел. Но задачка упала вам. Что бы не проваливаться в кроличью нору запросов в гугле про работу экселевских формул, откроем классический chatGPT 3.5.

Нейросеть, вопреки популярному в одноклассниках мнению, довольно глупая сама по себе, и ей необходимо ставить очень четкие, подробные до духоты задачки. В таком случае она выдает грамотный и рабочий (ну почти всегда) результат. Важно говорить нейросети какие проблемы у тебя образовались в процессе, что бы она лучше понимала что происходит и как это исправить. Также, очень важно помнить что чат-гпт (да и другие нейронки) помнят только последние несколько сообщений, поэтому желательно что бы каждый запрос был максимально информативным и с контекстом. Через сообщений 5-7 он начинает отвечать полную чушь, поэтому полезно формулировать задачку заново с учетом всего пройденного пути.

Давайте более конкретно.

Представим что вы работаете с контекстом. У вас есть файл в котором содержится 20.000 поисковых фраз, визиты, посетители, отказы, глубина просмотров и время на сайте.

Файл может и реальный, а может и нет. Да какая разница, мы тут не за этим.

Ваша задача довольно простая —

• Прочекать все поисковые фразы с >20% отказностью,
• Вычленить из них все наиболее повторяющиеся фразы, посчитать их повторы
• Вычленить из них все наиболее повторяющиеся слова, посчитать их повторы
• Выстроить в порядке убывания слова и фразы от большей отказности к меньшей

Часть первая — простая (кто хочет сразу про питон — го во вторую часть)

Первый вариант работы довольно очевидный — мы просим нейросеть (в данном случае обыкновенный чат-гпт) решить нашу задачу через формулы экселя. Для этого просто пишем в чат нашу таску.

Привет! У меня есть задачка. Есть таблица из 20000 строк. Столбцы этой таблицы - "Поисковая фраза (Директ), Визиты, Посетители, Отказы, Глубина просмотра, Время на сайте". Вторая строчка "Итого и среднее" содержит суммы с средние значения моих данных. Потом идет 19.998 строк с данными. Визиты и посетители - целые числа, отказы - в процентах, глубина просмотрах в десятичных числах с тремя знаками после запятой, время формата ЧЧ:ММ:СС.

Зачем я пишу так подробно? Потому что она буквально ничего не знает про мой файл. Может у меня визиты прописаны текстом, глубина просмотров в сантиметрах, а отказы написаны на хинди?

Далее когда нейросеть понимает что у нас за файл, можно ее просить помочь с формулами.

Напиши мне формулу, которая найдет все фразы с отказностью более 20% и добавит их на новый лист в отдельную колонку. Эксель у меня воспринимает англоязычные формулы. (про язык стоит добавлять, а лучше сразу версию указывать, что бы не было ошибок из-за разницы версий)

Нейросеть выдает нужную формулу, с описанием ее работы -

=IF(«Отчет'!D2 > 0.2, 'Отчет'!A2 & " (" & TEXT('Отчет'!D2*100, "0.00%") & ")", »")

«Эта формула проверяет, если значение отказов в ячейке D2 (на листе "Отчет")

больше 20% (0.2 в десятичной форме), и если это условие выполняется,

она объединяет значение в столбце »Поисковая фраза (Директ)" с

отображением отказов в скобках с процентами.

В противном случае, она возвращает пустую строку.”

К сожалению в формуле есть косяк, который мы видим после пробного запуска — она не содержит разделителя для формулы (,). Спросим об этом нейросеть.

Это я в скриншотах такой борзый, обычно я пишу приличнее.

Итогом этой формулы являются опять косячные данные —

Видим что он зачем то умножает наши проценты на 100. Исправляем формулу руками до вида (убираем "*100" из формулы) -

и получаем приемлемый результат.

Мне не нравится что у меня проценты и фраза в одной ячейке, спрошу нейросеть как это исправить, и убрать пустые строки.

Он предлагает сначала скопировать все фразы на новый лист, потом выполнить следующие действия.

Подробное описание всех необходимых действий

По итогу мы получим новый лист с фразами где отказы более 20%.

Далее мы можем просить нейросеть написать более сложные формулы для подсчета оставшихся задачек.

Этот метод подходит тем кто не знает как подступиться к задаче, не очень хорошо разбирается в возможностях экселя (или вообще его первый раз видите), но можете примерно понять где именно ошибка. Очень полезно если вы в душе не чаете какую формулу лучше использовать, и как сделать то что вам нужно. И у вас нет желания использовать что то еще кроме браузера и экселя. И это все равно намного быстрее чем гуглить формулу.

Но я собрал вас тут не для этого.

Вот бы был способ, что бы не надо было писать, протягивать формулы, самому фильтровать, вставлять, копировать данные и т. д.

Можно попросить написать макрос для экселя, который сделает за нас все самостоятельно, включая создание листов и т. д.

Пример ответа на нашу первоначальную задачку, но с просьбой использовать макросы экселя.

Но мне этот способ не очень нравится, как я ничего не понимаю в VBA, и как то у меня с макросами не срослось. Но если вы в них хоть немного шарите — это может сэкономить вам годы (ну ладно, может не годы, но дни точно) жизни.

Я же предлагаю еще более сложный способ, но который позволяет делать с данными из экселя практически что угодно, имеет очень понятный способ поиска ошибки, и может быть реализован практически кем угодно. Я говорю про работу с Python

Я категорически рекомендую всем кто хоть иногда работает с данными освоить самые азы питона (не читая толстенные книжки типа о-райли и прочих, а просто пройдя какой нибудь скидочный курс в любой онлайн-школе) . Но это не обязательно для решения наших задач.

Что нам позволяет делать нейросеть? Писать любой простой код на любом языке программирования, даже если мы в нем ничего не понимаем.

Начнем по порядку, что нам нужно сделать что бы затея сработала?

Для работы с питоном, его (а точнее его интерпретатор) необходимо поставить на свой пк (без этого к сожалению никак). Я использую PyCharm от компании Jetbrains (хотя пофигу что использовать, главное что бы он работал). Инструкция по установке находится в первой ссылке поискового ответа — https://pythonru.com/baza-znanij/poshagovaja-ustanovka-pycha. . Если хочется не отходить от нейросетей — можно спросить у нее, как пошагово установить PyCharm, он подробно расскажет.

Перенесемся сразу в момент когда у нас установлен PyCharm, и мы начали новый проект.

Преимущество работы через Python заключается в том, что нейросеть не ограничивает наши возможности одной строкой с формулами экселя, а может делать с данными из экселя любые вычисления, любые трансформации, а потом паковать обратно в эксель.

Как это выглядит.

Практически идентично тем запросам, которые мы отправляли в нейросеть ранее, но просто добавляем в конец просьбу “напиши решение на питоне”. Ну и говорим ему как называется наш файл, и где он лежит (что бы питон смог с ним работать напрямую) .

Вот пример ответа на мой прошлый запрос для экселя, но я попросил его написать код на питоне:

Чуть редактируем код, меняя 20 на 0.20, потому что данные о процентах у нас меньше единицы всегда.

Вставляем код в PyCharm, и получаем сразу новый готовый файл в папке с нашим проектом.

Да, задача решалась просто и через эксель. Но так тоже работает.

На решение этой задачки ушло минуты 3. Из которых две — на открытие программы и написание запроса. Результат ок, идем дальше.

Далее просим нейросеть перейти ко второй задачке —

• Вычленить из полученных запросов все наиболее повторяющиеся фразы, посчитать их повторы”. (более полный запрос будет чуть ниже)

Далее нам нейросеть пишет код посложнее, со всякими сторонними библиотеками и т. д. Я не стал постить сюда этот код, думаю он мало что скажет. (Можно попросить писать объяснение всех действий, она очень подробно пишет комментарии для каждой строчки.) Нам совершенно не нужно вникать какую именно библиотеку она использует, или какой метод. Следуем указаниям умной машины.

Если (точнее "когда") получаем ошибку — не стесняемся копировать ее всю в ответ в чат, она находит причину и говорит решение — вот пример (я обрезал часть ошибки, она была длинная)

Я ему абракадабру, а он мне - четкий план действий.

Любую полученную ошибку закидываем в нейросеть и получаем решение. Далее запускаем код. Если есть снова ошибка — кидаем снова в нейросеть. Если нет — смотрим на данные и радуемся результату, или просим переделать в другом виде. Если видите что нейросеть пишет вам ахинею (будто совсем забыла в чем изначально задача) — формулируйте изначальную задачу заново. И так повторяйте до тех пор пока не получите удобоваримый результат.

Вот как выглядел мой итоговый запрос:

Давай создадим новый файл, основываясь на этой задаче — “Есть таблица из 20000 строк. Столбцы этой таблицы — "Поисковая фраза (Директ), Визиты, Посетители, Отказы, Глубина просмотра, Время на сайте". Вторая строчка "Итого и среднее" содержит суммы с средние значения моих данных. Потом идет 19.998 строк с данными. Визиты и посетители — целые числа, отказы — в процентах, глубина просмотрах в десятичных числах с тремя знаками после запятой, время формата ЧЧ:ММ:СС.” (тут я скопировал изначальные условия) Напиши мне формулу, которая найдет все фразы с отказностью более 0.2 (эту часть добавил что бы он не написал 20, как в первый раз) и добавит их на новый лист в две отдельные колонки (фраза и отказность). Мой файл называется context_data.xlsx (что бы он понимал как называется файл) Теперь у меня в полученном мне нужно вычленить из полученных данных все наиболее повторяющиеся фразы или словосочетания и посчитать их повторы (без учета союзов и местоимений) (эти уточнения сильно фильтруют итоговый результат. Потмоу что очевидно что самые частые слова будут союзами). Сделай отдельно лист с результатами повтора словосочетаний (где больше 1 слова), и отдельно лист с самыми часто повторяющимися словами. Важно что каждая строка в целом уникальна, но в ней могут содержаться одинаковые словосочетания или фразы (если это не описать, он просто будет искать одинаковые строки, а их у меня нет). Результаты добавь на новый файл. Код напиши на питоне.

В итоге я получил длинную портянку кода и инструкцию:

После запуска у меня была всего одна ошибка, которая была вылечена одной доп. строчкой. После чего я получил вот такой итоговый файл

Алгоритм всегда один и тот же — описали задание, если выполнилось с ошибкой — кидаем ошибку, он ее исправляет. Если без ошибок — усложняем задачку, и заново формируем ее в запросе.

Далее можно попросить в начальные условия добавить подсчет % отказа, что бы он выписал те слова, которые чаще всего встречаются в отказных запросах, или найти слова которые приводят самые глубокие сессии. Или любые другие хотелки которые вы придумаете.

По итогу получаем готовую таблицу с нужными нам данными, попутно осваивая питон.

Зачем я все это пишу и показываю?
Данный метод работы сократил мое время на обработку данных, позволяет мне кинуть в разговоре “да я тут на питоне прикинул”, что резко повышает ценность в глазах других маркетологов и начальства, и вполне обоснованно позволяет писать новый навык на линкедине.

А если более серьезно — нейросеть может сильно ускорить выполнение рутинных и нудных задач. Она как гугл — главное правильно составить запрос. Не “посчитай мне итог по Сыктывкару для прошлого квартала” а “У меня есть таблица А, в ней колонки АБС, содержат данные таких то форматов. В колонке Б у меня города рф, в колонце С у меня оборот, в колонке Е вид материала. Создай новую таблицу где будет сумма всех поставок пургена для областей которые содержат букву Ы в названии и состоят из 9 букв”. Такой запрос очень понятен, его можно разбить на подзадачи и написать алгоритм. А какой в итоге для этого будет использоваться язык программирования — не имеет значения (ну вообще имеет, если язык появился после 21 года, то есть шанс что чат-гпт 3.5 не знает об этом). Нейросеть можно попросить что то объяснить в коде, рассказать о методе или причинах выбора такого способа решения, и писать запросы человеческим языком.

Использование нейросети для работы не напрямую с формулами, а через сторонний язык программирования позволяет работать сразу с нужными нам файлами. Скоро, когда майкрософт внедрит окончательно нейросеть в стандартный пакет офиса — такие задачи можно будет попросить решать нейронку сразу напрямую в экселе. Но пока что это недоступно простым менеджерам.
Поставить IDE питона — элементарно. Запустить скопированный код из чата с нейронкой — дело 2 секунд. Если у вас есть ежедневные (еженедельные, повторяющиеся) задачки с какими то однотипными выгрузками — вы один вечер потратите на написание кода через нейросеть, потом сможете использовать его постоянно. Сэкономленное время можно потратить на срач в комментариях на DTF или пикабу, или поиск новой работы аналитиком.

Если хоть одному человеку это сэкономит больше времени чем я потратил на эту простыню - это будет означать что я писал все не зря.

Телеграм канала нет, паблика нет, контактов нет, никуда не подписывайтесь, я пишу очень редко.

"

Скачать книгу «Chat GPT-4: Хотите попробовать его бесплатно? Вот как | Пикабу» fb2