149
Меня зовут Руслан. Я разработчик на PHP, Python, Golang, Java и других языках. Опыт 15 лет в общей сложности. Мой лс: @proger1989 Instagram: https://instagram.com/ruslan_proger89 Youtube: https://youtube.com/@senior_ruslan
Для меня всегда был авторитетом - мой дядя (к сожалению его уже нет). Он работал проектировщиком - и очень много добился в жизни, когда я еще учился в школе, то для меня было удивлением видеть , как могут жить иначе люди, когда он покупал квартиры, мог летать часто, дома было очень красиво и уютно, а самое главное был - компьютер 😁😁
Я подсознательно, хотел быть похожим на него, т.к отец с нами не жил, почти с самого моего рождения, а мама целыми днями была на работе, я рос с бабушкой, которая по сути вырастила меня (к моему огромноооому сожалению ее тоже нет 🥲). И вот недавно анализирую свою жизнь ,я понял , что все эти годы я стремился догнать дядю, во всех отношениях и в целом у меня получилось. И я безумно ему благодарен за этот пример и за мотивацию. В какой-то степени я стараюсь быть неким примером для своих племянников и показываю, что все может быть иначе.
Сейчас я окружил себя кучей людей , на которых также хочу быть похожим , для меня это Next Level, но ведь в этом и кайф.
⚡️ Sora от OpenAI ВЫШЛА — самая мощная нейронка для генерации видео только что стала доступна для всех.
Доступ будет вот-вот — тут.
👍 Бэкдор
На днях пересматривал сколько кода пишу сам и понял, что если сравнивать с началом этого года, то я стал писать где то на 80% меньше кода в принципе, но при этом и задачи закрывать гораздо быстрее - сила ИИ конечно поражает, а качество кода, которое он дает стало на очень высоком уровне, если год назад можно было сказать, то где то между Джуном и Мидлом код, то сейчас это Мидл + очень близок к Senior, а иногда и превосходящий его
Но благодаря тому, что ИИ все больше забирает на себя написание кода, появляется гораздо больше времени на то, чтобы более глубоко изучить задачу, посмотреть какие варианты решения предлагает ИИ и это дает просто невероятный простор и качество решений очень сильно возрастает.
💥 Первый в мире шедевр, созданный ИИ, продан за миллион💵
🎨 Портрет, созданный роботом-художником Ай-Да, ушел с молотка на аукционе Sotheby’s за… 1,08 миллиона долларов! При начальной оценке в 120-180 тысяч это кажется настоящей сенсацией.
Ай-Да – не просто «машина», она первая в мире сверхреалистичная робот-художник, работающая на базе продвинутого ИИ. Она использует свои технологии, чтобы воссоздать идеи и образы, задумывая и прорисовывая детали с такой глубиной, что даже опытные художники удивлены. 😳
Проданный портрет был посвящен Алану Тьюрингу, британскому математику, который еще в прошлом веке задумывался над тем, как далеко зайдет технологический прогресс. Этот портрет, как и сам Тьюринг, поднимает важный вопрос: в чьих руках будут эти технологии, и как мы будем их использовать?
Сегодня ИИ проникает почти во все сферы – от творчества до бизнеса. И если раньше ИИ казался чем-то абстрактным и далеким, то сейчас его влияние все ощутимее. 😉
🖥 OpenAI приоткрыла доступ к новой версии ChatGPT — компания анонсирует запуск САМОЙ МОЩНОЙ модели.
На данный момент, при использовании ChatGPT, ответы будут генерироваться с помощью новой модели под названием o1 pro mode. В течение ограниченного времени ее можно попробовать бесплатно, а стоимость подписки станет известна после официального анонса сегодня в 21:00.
Согласно утечкам информации, месячная подписка на o1 pro может обойтись в ОГРОМНУЮ сумму — около 200 долларов. Так что стоит поторопиться и воспользоваться возможностью бесплатного тестирования.
@vistehno
Опа, какая то новая фича похоже для O1, сегодня первый день и новая фишка, пока не знаю что это, но думаю скоро станет понятно
Читать полностью…
OpenAI объявляет 12 дней «shipmas»🎅🏻
OpenAI анонсировала 12-дневный марафон, начиная с 5 декабря, во время которого будут представлены новые функции и продукты, включая генератор видео Sora и новую модель размышлений.
Также среди возможных новинок от OpenAI обсуждается создание голосовой опции в стиле Санта для ChatGPT.🎅🏻
Генеральный директор компании, Сэм Альтман, подтвердил данную инициативу на конференции The New York Times, однако подробности пока не раскрыты.
☝🏻Ожидается, что в каждый из 12 дней будет представлен новый релиз.
================
😎 @black_triangle_tg
Я недавно осознал, что масштаб в небольших шагах, а не в том чтобы сделать за раз сразу все. Все хотят разбогатеть за 1 день, стать здоровым за 1 минуту, но если посмотреть на действительно здоровых и богатых людей, то богатыми они стали за 5-10 лет в лучшем случае, а первые 3-4 года бизнес не приносил ни копейки, а чтобы вести здоровый образ жизни - над этим нужно работать всю жизнь, но глядя на тик-ток/инстаграмм и то как преподносится богатство - хочется ведь все в моменте.
Но хорошая поговорка в том, что дорогу осилит идущий......
Парень из США уверен: его босс — ИИ. На Reddit фрилансер рассказал, что на первом звонке в разговоре были странные паузы в 3-4 секунды между ответами. Дальше — никаких звонков, только сухие сообщения, как по шаблону ChatGPT.
Деньги платят, странности повторяются и парень не может отделаться от мысли: его наняла нейросеть.
Как работает RL на примере игры DOOM:
Reinforcement Learning (RL) — это метод обучения, где агент (ИИ) учится через взаимодействие с окружающей средой. Представь DOOM: классика шутеров, где задача — выжить, уничтожить врагов и собирать ресурсы. Вот как это работает в разрезе RL.
Шаг 1: Определение среды
DOOM становится средой, где каждый кадр — это состояние. Например, агент видит карту, врагов, свое здоровье и оставшиеся патроны. Вся эта информация — "состояние", которое ИИ анализирует.
Шаг 2: Действия
Агент может выполнять действия: двигаться, стрелять, собирать аптечки, переключать оружие. Каждый выбор действия влияет на последующее состояние игры.
Шаг 3: Награды
Вот ключевой момент RL: за каждое действие агент получает награду или штраф. Например:
- Уничтожил врага — +10 очков.
- Потерял здоровье — -5 очков.
- Нашел аптечку — +15 очков.
Цель RL — научиться выбирать действия, которые максимизируют награды.
Как проходит обучение:
1. Инициализация: Агент начинает "глупым". В первые эпизоды он может просто бегать по карте, стрелять в стены и быстро погибать.
2. Эксперименты: Используя метод проб и ошибок, агент пробует разные стратегии. Например, двигается к аптечкам или учится избегать врагов.
3. Обновление политики: Агент использует алгоритм (например, DQN или PPO), чтобы корректировать свои действия на основе опыта. Политика — это набор правил, которые определяют, что делать в каждом состоянии.
4. Повторение: Чем больше эпизодов, тем лучше агент понимает, как действовать. Со временем он становится мастером, уничтожая врагов с минимальными потерями здоровья.
Прорывы:
Некоторые команды, например, из DeepMind, использовали DOOM для демонстрации сложных алгоритмов RL. Они добавляли элементы, как навигация по лабиринтам или работа в команде, чтобы усложнить задачи для ИИ.
DOOM — отличный пример, потому что игра сложная, требует реакции, стратегического мышления и адаптации. RL здесь учит агента тому же, чему учится игрок — понимать среду, принимать решения и исправлять ошибки. Только ИИ делает это на сверхскоростях, играя тысячи эпизодов в час.
Результат? Агент становится настолько хорошим, что способен побеждать даже лучших игроков.
На самом деле, если посмотреть на зарплаты, то разработчики далеко не самые высокооплачиваемые, да тут можно достигнуть потолка в 500к, но дальше роста особо нет, допустим у сис-админов или инженеров зарплаты могут быть и под 1 млн и выше. Я думаю постепенно тренд на разработчиков будет снижаться - уже не будет такого ажиотажа, особенно с приходом автономных ИИ-разработчиков, которые думаю будут появляться в ближайшие 5-10 лет.
Читать полностью…
Айтишник из России пережил 6 месяцев рабства в Мьянме — парень согласился на «идеальный» оффер с переездом.
По прилёту у него забрали паспорт и заставили по 20 часов в день работать в колл-центре и разводить людей на деньги. Зарплата — еда и угрозы.
Спасли другие пленные из Шри-Ланки — вместе они устроили бунт и сбежали в Таиланд. Сейчас айтишник в Бангкоке, ждёт возвращения в Россию.
@concertzaal
☄️ Российская разработка вошла в топ-5 победителей MIDRC XAI Challenge
Челлендж организовал американский Центр медицинской визуализации и обработки данных MIDRC, возникший во время пандемии COVID-19.
Условия конкурса:
👨💻 цель: создать модель для расшифровки рентгенограмм грудной клетки при пневмонии
🫁 вместо датасета — 14 валидационных рентгеновских снимков грудной клетки
🎓 оценка по метрике weighted log loss
Разработчики AIRI использовали:
📊 свой набор из трёх сегментационных метрик, основанных на Intersection over Union (IoU)
⌛ датасеты VinDr‑CXR, RSNA Pneumonia, QaTa‑COV19, Mendeley Tomsk, COVID-19 Radiography Dataset, SIIM‑FISABIO‑RSNA‑COVID-19
В результате проверки нескольких гипотез команда предоставила организаторам три варианта постобработки снимков. Один из них занял призовое место 🔝
Изображение midrc.org
Курьеры БОГАЧЕ айтишников — официально. Зарплаты доставщиков превысили 200 (!) тысяч рублей. Есть вакансии и на безумные 280 тысяч рублей.
За такой прайс курьеру накинут гибкий график, бонусы, соцгарантии и стопроцентное трудоустройство. На позицию берут от 18 и аж до 60 лет.
А говорили ИИ не сможет быть творческим, ИИ не умеет как люди
Читать полностью…
Юный айтишник открыл ОХОТУ НА КИЛЛЕРА, застрелившего главу страховой компании. Это не сюжет новой Watch Dogs, а реальная история, которая происходит в Нью-Йорке прямо сейчас! Рассказываем по порядку.
Рано утром неизвестный застрелил идущего по Манхэттену главу страховой компании UnitedHealthcare Брайана Томпсона, а затем скрылся на велосипеде.
По случайности в Нью-Йорке нашелся паренёк, который в качестве хобби делал небольшой проект по визуализации перемещения ВСЕХ прокатных великов в городе. Он увидел историю об убийстве за утренним кофе и тут же принялся за дело.
Он мгновенно выяснил, что с места убийства в промежутке 10 минут отъехало лишь 8 велосипедов, но только один — в нужном полиции направлении. Он собрал всю инфу, пробил по базам и передал полиции!
Сейчас полиция ведёт охоту на киллера и пробивает зацепки юного айти-гения. Преступника всё ещё ищут — за его голову назначена награда в $10 тысяч.
Киберпанк в действии.
👍 Бэкдор
В Москве сейчас проходит финал международной олимпиады по ИИ от Яндекса. Крутая атмосфера. Я как то упустил в этот раз
Читать полностью…
Терминатор 1 вышел в 1984, и вот спустя 40 лет фантастика становится уже реальностью
Читать полностью…
Потихоньку разбираюсь в инвестированиях, на днях стал акционером стартапа, проанализировал больше 10 проектов и выбрал пока 2 для себя, также GPT сделал более глубокий анализ данных - сами проекты собрали почти половину необходимых инвестиций
Читать полностью…
Алгоритмы нейросетей для обучения постоянно развиваются, и сейчас это не просто сложный, но и максимально интересный пласт ИИ. Если взять базу, то есть классические supervised и unsupervised подходы, которые уже давно используются везде. Но вот в последние годы взрывной рост происходит в области reinforcement learning (RL).
RL — это как дать ИИ играть в игру, где он сам изучает правила и стратегию, улучшая результаты. Например, такие алгоритмы как PPO (Proximal Policy Optimization) или DDPG (Deep Deterministic Policy Gradient) уже давно зарекомендовали себя, но сейчас на сцену выходят более гибкие и мощные модели, типа DreamerV3, которые комбинируют RL с предсказаниями в моделировании будущих состояний. Они буквально учат нейросеть планировать на несколько шагов вперед.
Отдельно стоит отметить развитие моделей для multi-agent систем, где несколько ИИ взаимодействуют друг с другом. Это направление развивается в OpenAI, DeepMind и других лабораториях. Multi-agent training позволяет обучать нейросети в среде, где они не только конкурируют, но и кооперируются.
И еще — трансформеры. Да, трансформеры сейчас берут верх и в RL тоже. Например, модели типа Decision Transformer, которые применяют архитектуру GPT для задач RL, позволяют решать сложные задачи, комбинируя последовательность действий и состояния.
Сейчас изучение алгоритмов нейросетей — это не просто знание, а доступ к новым возможностям, будь то в играх, автоматизации или анализе данных. Если интересно копнуть глубже, могу подсказать, с чего начать или что изучить в первую очередь.