С одной стороны это закономерно, ведь чтобы смотреть телек вам не нужно понимать как работают транзисторы в микросхемах и квантовые точки в дисплее. Как модулируется сигнал, как шифруется и передаётся по информационным сетям видеопоток... Для обывателей телевизор - то же самое "яблочко на тарелочке", которое катится и показывает что попросили. Иногда аналогия пугающе буквальна, если вспомнить приставку-Алису. Такая же колонка как гусли-самогуды стоит на полочке и включает песни по первому требованию, а если сказать простое заклинание, то станет светло или прохладно.

Допустим появились художники с iPad'ами, планшетами с "чудесными" бесконтактными 3д-перьями для рисования... Они пользуются и не знают как технически устроена вся эта "магия" их внутреннего устройства и принципы работы. Им и не надо. Однако вот очередь дошла и до программистов! Сперва они разучились понимать как на самом деле биты и байты беают по "железу" в гарвардской или оксфордской архитектуре программируемых ими компьютеров. Им теперь нет нужды что-то понимать в регистрах процессора, стеке вызовов, прерываниях, страницах памяти, адресных шинах, файлах подкачки и прочих деталях внутреннего мира их сложных машин.

Появились абстракции, которые позволили людям не вдаваться в такие детали. Да и поди вникни! Там конвейеры в процессоре, векторные команды, куча оптимизаций, сопроцессоры, блокировки, многоуровневые кэши! Черт ногу сломит! Так что и хорошо, к месту эти уровни абстракции, а технический прогресс даёт возможность нам не вдаваясь в подробности делать сложные внутри, но достаточно простые в реализации и богатые по функциональности штуки. Это здорово!

Но что же меня пугает? Вернее как пугает... настораживает. Не может ли так случиться, что мы одичаем в нашем технологичном и удобном мире с огромным числом сложных многоуровневых абстракций?

Это же та самая проблема сингулярности, которая ещё не вылезла из тумана и, кажется, где-то там нависает. Давно нет ни единого человека, способного понимать всю "поверхность" пузыря постоянно расширяющихся знаний человечества. Даже в узкой области мы вынуждены выпускать из сферы внимания и понимания какие-то слои, детали, чтобы сконцентрироваться на функциональном и важном.

Я не неолуддит. Я сам лично своими идеями, работой, домашними пет-проектами приближаю эту страшную и волнующую сингулярность. Все айтишники это делают, и уже не только айтишники. Мне даже нравится, что наш мир всё больше и больше становится похож на то. как некогда фантасты видели тридесятые королевства в своих фэнтезийных мирах.

У нас стремительно появляются ИскИны, умные дома, методы коммуникации, которые связывают нас с людьми далеко за пределами ограничений числа Данбара.

Однако новые технологии и изменяющийся мир требует, я думаю, и пересмотра системы образования.

Когда мы читаем светлые и воодушевляющие произведения Стругацких про будущее, когда погружаемся в космооперы с технологичными мирами, то всегда там есть люди, которые умны, эрудированны и разбираются в сути вещей и технологий. Как сохранить этот вектор в системе наших идеалов? Как не одичать в удобной утробе технологического мира?

Интересно, сейчас больше или меньше люди разбираются в современных себе технических вопросах (чем раньше)?

Не хотелось бы тренда к одичанию. Вот такие вот переживания.

Ну а по существу

ежели, то LLM в виде чата и не сможет "прочитать" ваш файл без специального на то инструмента. LLM умеет только писать правдоподобные тексты. Правдоподобные и вероятные тексты, которые могли бы встретиться у них в обучающей базе.

Ну то есть хитросплетение нейронных связей настолько "преисполнилось" глубинного и туманного понимания внутренних связей и смысловых зависимостей человеческого языка, что у неё там завелись отдельные понятийные сущности для всяких штук, которые порой и словами трудно выразить, только смыслами немаленьких текстов. Так вот, оно там "преисполнилось", и теперь можно как бы вести беседу, а в указанных местах LLM будет достаточно вероятный и подходящий сюда текст подставлять.

Как ни удивительно, этот текст получается очень осмысленным и часто весьма полезным. Как ни поразительно, но огромное количество ранее неприступных когнитивных задач оказалось возможным решать просто генерируя тексты на тему и около, а потом ещё и ещё, и в конце концов "хоба" у нас, в конце, получается очень релевантный ответ. Магия? Нет, статистика и туева хуча вычислений в транзисторах. Причем в голове человека такие же, похоже, вычисления, только химические и био-электрические.

И как это относится к "чтению файла"? А так! Некому и нечем читать.

Это как с той проблемой, когда нейросеть может рассуждать о сложных выводах из Анны Карениной, но не способна посчитать буквы "р" в слове "клубника"=). Нейросеть не читает.

Тут на помощь приходят специальные агентные системы с тулингом. Они делают мостик между алгоритмическим и вот таким вот "мыслительно"-текстовым. LLM учат "мыслить" терминами "инструментов", то есть функций. Она может "найти" с помощью специальной функции в предлагаемом в виде файла тексте какие-то слова или предложения, и получить результат. Она может "посчитать" (только с помощью алгоритмического инструмента) буквы в какой-то строке. Но всё это она формулирует в терминах (утрирую) "вызываю такую-то функцию с таким-то параметром", а в ответ получает результат.

Вот такой тулинг позволяет LLM ориентироваться в строках, больших текстах, наборах файлов и в чем угодно, но всё это инструменты превращают для LLM в текст (на самом деле в потоки токенов, но это отвлекает от сути). А так как LLM не может оперировать очень большими векторами токенов, то приходится делать много отдельных запросов, минимизировать и уплотнять контекст отсевая второстепенное и оставляя главное, вызывать много тулзов, строить планы, выполнять их по шагам... Это всё не просто и требует много вычислений.

Но! Но для многих это просто магия и кажется, что можно прийти в первый попавшийся чат-бот и удивляться чего он такой тупой, что не может как другой более сложный нейронно-алгоритмический комбайн делать что-то простое и понятное нам мясным мешочкам с костями.

Надо помнить, что, не смотря на все поразительные уже сейчас возможности чат-ботов и языковых моделей, они многотысячекратно проще нашего мозга. Пока что. То ли ещё будет.

По словам авторов, бюджет фильма составил $8 млн. Выглядит интересно, но явно не на эти деньги. А вам как?

тг-бот с DeepSeek R1 и бесплатным ChatGPT —> ссылка
ещё больше контента в нашем тг-канале —> ссылка

1. Кажется, что это только для корпораций — Microsoft, Amazon, Walmart...
   Но это миф. Мы уже делаем такие решения для малого и среднего бизнеса.
   Облачные платформы, открытые API и фреймворки позволяют запустить агента быстро и недорого.

2. Страх: “А вдруг агент ошибётся?”
   Ошибаются и люди. Но агент не устаёт, не забывает, работает 24/7.

3. Нет понимания, с чего начать.
   А надо начать с одного простого вопроса:

"Какую рутину я хочу больше не делать руками?"

Кто уже внедрил и что получил

• Walmart: агент Sparky помогает клиентам подбирать товары, оформлять заказы, искать рецепты. Это не чатик — это "цифровой продавец".
  Источник: WSJ

• Microsoft: заменил часть операторов и внутренних задач — сэкономили $500 млн.
  Источник: Windows Central

• HSBC: автоматизирует аналитику и бек-офис — сокращение ручной работы на 30%.
  Источник: Financial News

• Chipotle: запускает точку общепита каждые 24 часа — благодаря AI-системе, которая помогает нанимать, планировать и открывать.
  Источник: NY Post

А теперь внимание: это доступно и вам

Сценарии, которые можно автоматизировать даже в небольшом бизнесе:

• Приём заявок с сайта

• Первичная поддержка и ответы на вопросы

• Отправка расчётов, подбор товаров, генерация КП

• Анкеты, опросы, бронирования

• Управление встречами

Уже сейчас мы консультируем компании по таким кейсам — и делаем это бесплатно, чтобы помочь оценить потенциал. Без обязательств.

Что вы можете сделать прямо сейчас?

1. Напишите в комментариях: где в вашем бизнесе есть рутина?

2. Задайте вопрос — расскажем, можно ли это автоматизировать с помощью AI-агента.

3. Или просто напишите: “Интересно, расскажите больше” — и я отвечу лично.

AI-агенты — это не про будущее. Это про то, кто быстрее начнёт использовать их в настоящем.
Те, кто будет думать ещё полгода, через год будут смотреть, как конкуренты отъели их долю.

3.Open source в моде

Ставка сделана на нейросети с открытым кодом и весами — такие, как Mistral или Meta LLaMA. Правительство хочет, чтобы доступ к продвинутым ИИ был у всех (ну, кроме Китая). Поддержка закрытых моделей типа OpenAI — по остаточному принципу.

Но есть одно «но»: только если ваша модель неидеологическая. Никаких фильтров на темы расизма, дискриминации, климата и прочей «повесточки». ИИ должен быть нейтральным, в идеале — вообще ничего не фильтровать. «Свобода слова» — новый критерий качества (AP News)

4.Дата-центры будут строить везде

Нехватка мощности — главная проблема. Поэтому государство будет раздавать землю под дата-центры и фабрики чипов, а разрешения выдавать по ускоренной процедуре. Параллельно — инвестиции в атомную энергетику, чтобы всё это добро питать.

Уже в процессе: Илон Маск строит гига-датацентр для Grok, OpenAI готовит свой проект Stargate (предположительно на $100 млрд) с Microsoft и Oracle (The Information)

5.Китаю — ничего

США усиливают экспортный контроль: никаких чипов, SDK, моделей и даже опенсорса — всё, что может попасть в Китай, под жёстким запретом. В будущем это может вообще разделить ИИ‑мир на два блока: американский и китайский (Reuters)

Что это значит для нас?

• Будет ещё больше нейросетей — быстрее и доступнее.

• Качество может вырасти — но вместе с рисками фейков и «безумных» моделей.

• Open source — снова в моде, а значит, конкуренция с монополиями усиливается.

• Европа и Китай идут по пути контроля, США — по пути «вперёд и без тормозов».

Как думаете, это крутой шаг в сторону прогресса — или катастрофа на длинной дистанции? Хотели бы вы, чтобы такую политику приняли у нас?

Пишите в комментариях.

Walmart внедрил “AI Super Agents” — ИИ-ассистенты, которые помогают покупателям, пишут рекламные тексты и автоматизируют внутренние процессы. Это не бета-тест, а рабочая часть их цифровой инфраструктуры.

Artisan AI создали “цифровых сотрудников” — ИИ, которые интегрированы в Slack, HubSpot, Salesforce. Один занимается продажами, другой клиентской поддержкой, третий помогает HR. Эти ИИ-работники умеют вести переписку, искать информацию, планировать и координировать задачи.

Trunk Tools предлагает “ChatGPT для стройки”. ИИ умеет анализировать чертежи, составлять графики работ, контролировать исполнение задач и всё это — через простой диалог.

А где подводные камни?

ИИ может ошибаться. Иногда он придумывает то, чего нет, иногда не улавливает нюансы. Пока он не заменит человека в критически важных решениях. Но он уже способен освободить кучу времени и рутинной работы.

Есть и психологическая сторона. ИИ делает работу, которую раньше делал ты. Он делает её быстрее, иногда лучше. Возникает вопрос: а что останется за человеком? Где твоя ценность, если интерфейс умеет “думать”?

Ответ — в контексте, в понимании тонких смыслов, в опыте и суждении. В том, что пока сложно формализовать.

Что это значит для нас

Это не просто новая технология. Это сдвиг в том, как мы работаем, принимаем решения, взаимодействуем с цифровым миром. Раньше мы учились подстраиваться под интерфейсы. Теперь интерфейсы начинают подстраиваться под нас.

Те, кто научится грамотно использовать ИИ, получат преимущество — быстрее, точнее, эффективнее. Это уже не эксперимент, а новая норма.

А ты что думаешь?

• Готов ли ты общаться с компьютером как с человеком?

• Стал бы делегировать рутину ИИ или всё-таки хочешь держать процесс под контролем?

• Где, по-твоему, ИИ не справится никогда?

Напиши в комментариях. Это действительно тема, которая касается всех — не только айтишников, но и учителей, строителей, продавцов, бухгалтеров. Буду читать и обсуждать.