🚚 Куда и как переносить бота?

Если у тебя Telegram-бот с активной аудиторией (доставка, магазин, меню ресторана и т.д.) — думать стоит заранее. Вот что можно сделать:

1. Сделать Telegram бот-клона в VK Mini Apps или PWA
   Интерфейс будет похожий: кнопки, формы, логика.
   Пользователь авторизуется через VK или напрямую в браузере.

2. Хранить данные бэкенда независимо от Telegram
   Бот — это просто интерфейс. Если логика и база уже живут отдельно (например, в FastAPI, Flask, Django), ты легко прикрутишь к ней новый фронт.

3. Попросить пользователей подписаться на e-mail / SMS / альтернативный канал
   Чтобы не терять связь, заранее предложи варианты связи на всякий случай. Пусть это будет PWA, почта или даже Discord.

💡 Что делать сейчас?

Ничего драматичного. Telegram работает, и скорее всего продолжит. Но если ты — разработчик или предприниматель, использующий Telegram как рабочий инструмент, стоит держать план Б. Просто потому что любой моноплатформенный проект — это риск.

Кстати, если будет интересно, могу в отдельном посте рассказать, как перенести Telegram-бота на VK Mini Apps с минимальной болью и затратами. Или даже на сайт в виде PWA — выглядит почти так же.

Не стоит паниковать. Но подумать на будущее — полезно. Telegram — мощный инструмент, но он не единственный. Как говорится, хороший бот — он как бизнес: не должен зависеть от одного канала.

Если ты уже переносил бота или думаешь о платформе на случай Х — напиши в комменты. Поделимся опытом друг с другом 💬

К тому же, без знания иностранных языков не обойтись, ведь 90% мемберов – иностранцы, в основном американцы. Важно понимать психологию мембера: знать, что и когда сказать, как двигаться – это сложнее, чем кажется, хотя у некоторых девушек есть в этом талант. И, конечно, нужно всегда выглядеть шикарно (как для любимого парня/мужа): купить красивое белье, сделать хороший макияж, следить за маникюром и кожей.

Работа на студию: Плюсы

Студия берет на себя всю "грязную" работу. Они предоставляют место, оборудование, настраивают программы и создают нужный антураж. Как правило, студии умеют продвигать моделей, используя свои каналы, оплачивая и грамотно настраивая рекламу профиля, так как у них есть опыт и знания в этом.

Они также помогают с выводом денег (например, через криптовалюту) и консультируют по всем финансовым вопросам. Многие студии оплачивают курсы по работе с клиентами, обучая, как максимально эффективно "вытягивать" деньги. Они проконсультируют вас по вопросам конфиденциальности (вы ведь не хотите, чтобы вас нашли в Instagram и рассказали родным о вашей работе, начав шантажировать?). И, что немаловажно, они защитят вас от неадекватов и окажут моральную поддержку.

Работа на студию: Минусы

Естественно, студия будет брать значительный процент с вашего дохода за все предоставляемые услуги. Работая со студией, у вас появятся обязательства: четкий рабочий график и меньше свободного времени. И имейте в виду, что все вебкам-студии знают друг друга, а также информацию о моделях, которые у них работают, и сколько они приносят денег.

Хочу подчеркнуть, что я никого ни к чему не призываю и не пытаюсь устроить в вебкам. Я просто максимально честно рассказываю, как устроен этот бизнес и вебкам-платформы. Мой блог, кстати, посвящен тому, как я сам создавал вебкам-платформу, и именно в процессе этой работы я узнал все тонкости данного бизнеса.

Буду ждать ваших комментариев – они станут отличным источником идей для новых тем. Всем до встречи! Сегодня постараюсь осветить еще две темы. Какие именно – узнаете позже, или я выберу их, основываясь на ваших комментариях.

#вебкам #вебкаммодели #вебкамбизнес #стриминг #искусственныйинтеллект #ии #криптовалюта #webcam #webcammodel #wemcambussines #stream #crypta #ai

А философы вроде Платона и Аристотеля пытались разобраться, как вообще работает мышление и логика, закладывая первые камни в фундамент будущей науки. Потом, в Средневековье, Раймунд Луллий предложил механические артефакты для рассуждений. А позже, в XVII-XIX веках, Лейбниц мечтал о "универсальном языке" для логики и машине, которая могла бы им оперировать. Джордж Буль создал свою алгебру логики (булеву) без которой современные компьютеры просто немыслимы. А Ада Лавлейс вместе с Чарльзом Бэббиджем фактически придумали первые принципы программирования для его «Аналитической машины», которая являлась прообразом компьютера.

Рождение науки об ИИ (Начало - середина XX века):

В 1930-40-е годы Алан Тьюринг совершил прорыв ведь он придумал концепцию универсальной вычислительной машины (1936), а потом и знаменитый тест (1950), чтобы определять, может ли машина "мыслить как человек".

Почти одновременно Уоррен Маккалок и Уолтер Питтс создали первую математическую модель искусственного нейрона (1943) ставшую основой будущих нейросетей.

А в 1956 году случилось знаковое событие под названием Дартмутский семинар, где Джон Маккарти ввел сам термин "искусственный интеллект". Это и считают рождением ИИ как отдельной науки. Тогда главенствовал "символьный подход" когда машины манипулировали символами по строгим правилам. Появились и первые удивительные (на тот момент) программы: "Логик-теоретик" (1956), доказывавший математические теоремы; ELIZA (1964-66), умевшая вести диалог как психотерапевт (очень очень очень примитивный чат бот). Пионеры вроде Марвина Минского закладывали основы для решения задач, представления знаний и машинного обучения.

"Зимы" (1970-е - 1990-е):

Первоначальный энтузиазм в середине 1970-х сменился разочарованием. Обещания создать "сильный" ИИ не сбывались, компьютеры были слабыми, задачи оказывались невероятно сложными, а формализовать знания о реальном мире было почти невозможно. Деньги на исследования резко сократились и наступила первая "зима ИИ". Но в 1980-е интерес вспыхнул снова, благодаря "экспертным системам". Эти программы, набитые знаниями специалистов в узких областях (медицина, финансы), умели давать советы и находить решения. Они нашли реальное применение и вернули финансирование. Однако к концу 1980-х и у них обнаружились слабости: их было сложно создавать и обновлять, они "ломались" при нестандартных ситуациях и не могли учиться сами. Наступила вторая "зима". Параллельно рос интерес к альтернативным путям, таким как нейронные сети и статистические методы машинного обучения.

Машинное обучение и глубокие нейросети (Середина 1990-х - 2010-е):

Ключом стал переход к системам, которые учатся на данных. Яркий пример это Deep Blue (1997), обыгравший чемпиона мира по шахматам Каспарова.

Но настоящую революцию совершило глубокое обучение – многослойные нейронные сети. Их успех объясняется тремя вещами: появлением эффективных алгоритмов обучения (особенно усовершенствованное "обратное распространение ошибки", связанное с именами Хинтона, ЛеКуна, Бенжио); взрывным ростом объема данных; и резким ростом вычислительной мощности (благодаря GPU). Результаты были ошеломляющими: распознавание изображений стало точнее человеческого; машинный перевод и анализ текста шагнул далеко вперед; голосовые помощники (Siri, Alexa) заработали; AlphaGo (2016) обыграла чемпиона мира в сложнейшей игре го.

Генеративный бум и большие языковые модели (2018 - Настоящее время):

В 2017 году Google предложил архитектуру "трансформеров" с механизмом внимания это стал переломный момент.

В 2018 появились GPT-1 (OpenAI) и BERT (Google), резко улучшившие работу с текстом. Тогда же заговорили об этических проблемах (deepfakes). Дальше началась лавина: GPT-2 (2019) показала мощь генерации текста, а GPT-3 (2020) с ее 175 миллиардами параметров произвела фурор, создавая тексты, код, переводя языки. AlphaFold (2020) совершил прорыв в биологии, предсказывая структуру белков. 2021-2022 стали годами генеративного ИИ: DALL-E, Midjourney, Stable Diffusion позволили каждому создавать изображения по описанию. А запуск ChatGPT (ноябрь 2022) на базе GPT-3.5 стал настоящим культурным феноменом, показавшим массам мощь ИИ.

Он набрал 100 миллионов пользователей за 2 месяца, изменив образование (не всегда в лучшую сторону), сервис и контент. Инвестиции хлынули рекой.

В 2023 началась гонка моделей. OpenAI выпустил мультимодальный GPT-4o (работающий и с текстом, и с картинками), Google – Gemini, Anthropic – Claude (с акцентом на безопасность). Meta открыла исходный код LLaMA, ускорив развитие и кастомизацию моделей. Появились более компактные и эффективные модели (вроде Mistral). Обработка разных типов данных вместе (текст, изображение, звук, видео) и прочая мультимодальность стала ключевым трендом. Одновременно началась активная работа над законами (например, EU AI Act) и жаркие споры о будущем сверхразума (AGI) и безопасности.

2024 год это масштабирование и осознание рисков. Выходят более мощные версии моделей (LLaMA 3.1, Claude 3, Gemini). Китайские компании (Baidu, Tencent, ByteDance) активно догоняют лидеров, особенно в распознавании изображений. ИИ массово внедряется в бизнес (контент, поддержка клиентов, анализ). Но острее стали проблемы: "галлюцинации" (когда ИИ выдает ложь как факт), предвзятость в результатах, опасные deepfakes и дезинформация. Безопасность ИИ вышла на первый план (но прибыль всё же была и остаётся главнее).

2025 (сегодня и завтра):

Современные ИИ-модели (O3-PRO, Gemini 2.5 Pro, Veo 3) становятся мощнее, автономнее и мультимодальнее, улучшая рассуждения и генерацию видео, но сохраняют проблемы с "галлюцинациями".

Ну, до конца света нам ещё далеко, и это хорошо.

Добавил в игру еще один способ получать трехмерные фигуры из текстовых символов — поверхность вращения.

1. На основе образующей линии генерируется поверхность вращения.

2. В качестве образующей линии используется кубический сплайн.

3. На поверхность расставляются символы ASCII спрайта с заданными высотами каждого символа.

4. ГОТОВО!

Планирую использовать в некоторых боссах и крупных предметах. Забавно получилось? Заходите на страничку игры в Steam, чтобы добавить игру в список желаемого и записаться на плейтест: https://store.steampowered.com/app/3302080/Effulgence_RPG/

Уже в течении недели соберу билд для плейтеста и отправлю в Steam на проверку, т.ч. недели через две начинаем!

Любит сахар и поездки в автобусах. Ненавидит бесов и плохую еду. Может раздобыть себе лакомство даже в мире снов в озере желудочного сока внутри огромной собаки. Казалось бы, на этом можно и закончить, но нет.

Дрянь — это не просто комичный таракан, а важная часть повествования Provoron. Он не только помогает Анку (и игроку) понять, что делать дальше, но и мягко направляет вперёд. Иногда именно его реплики заставляют героя сделать шаг, на который тот не решался сам.

Кроме того, Дрянь — это эмоциональный якорь. Он даёт Анку ощущение "дома", даже когда тот бродит по странным, пугающим местам. Его реакция на происходящее, капризы и внезапные откровения помогают сбалансировать мрачную атмосферу и дают игроку передышку.

В общем и целом выходит, что он выполняет сразу несколько функций: спутник, навигатор, комедийная разрядка и голос внутреннего ребёнка. Да, у него тараканьи усики и неуёмная тяга к сахару, но без него история была бы совсем другой.