Заметки о данных, ИИ, ИТ
и безопасности
Без маркетингового тумана. Так, как я думаю о задачах в реальной работе с собственниками и руководителями.
Плагины OpenAI: что объявление значит для тех, кто собирается строить на этом
OpenAI открыла доступ к плагинам для разработчиков. Спокойный разбор того, что архитектура подразумевает на практике, и какие вопросы нужно задать до того, как вкладывать инженерное время.
Промпт-инжиниринг: паттерны, которые реально работают на практике
Конкретный обзор техник промптинга, дающих надёжные результаты, и тех, что звучат сложно, но не выдерживают продакшна.
GPT-4 и новый разговор о качестве, мультимодальности и стоимости ошибок
Выход GPT-4 меняет не только возможности языковых моделей, но и разговор о том, когда ИИ приемлем в производственных системах. Рассматриваю три ключевых сдвига.
RAG: как на самом деле работает retrieval-augmented generation
Прежде чем строить чат-бот над своими документами, стоит разобраться, что именно делает RAG, чего он не делает, и где возникают проблемы.
NIST AI RMF 1.0: доверенный ИИ получает практический каркас
В январе 2023 года NIST выпустил первую версию фреймворка управления рисками ИИ. Разбираю, что это значит для компаний, которые уже используют или только планируют внедрять ИИ.
ChatGPT: пользовательский интерфейс к ИИ становится массовым
Что означает запуск ChatGPT для компаний и менеджеров - не технологически, а с точки зрения того, как изменится ожидания к автоматизации.
Stable Diffusion и открытая генеративная графика как фактор рынка
Что означает публичный релиз Stable Diffusion для компаний, которые работают с визуальным контентом, брендингом и творческими процессами.
GitHub Copilot: что изменится в работе разработчиков и что это значит для менеджера
GitHub Copilot вышел в публичный доступ. Разбираю, что это меняет для команд разработки и о чём стоит думать руководителю.
DALL-E 2 и новая визуальная продуктивность
OpenAI показала DALL-E 2. Разбираю, что это меняет для бизнеса - не для художников, а для тех, кто работает с визуальным контентом каждый день.
GPT-3 в API: что с этим делать основателю
OpenAI открыла доступ к GPT-3 через API. Разбираю, что это меняет для бизнеса и где стоит притормозить.
Разрыв между экспериментом и продакшном: почему ML-модели не добираются до работы
Большинство ML-проектов дают хорошие результаты в эксперименте и плохо работают в производственной среде. Разбираю, почему это происходит.
Когда хорошая модель портится: дрейф, обнаружение и бизнес-цена
Модель, прошедшая все тесты при запуске, может незаметно деградировать за несколько месяцев. Понимание причин помогает решить, сколько стоит вложить в мониторинг.