Я сделал идеальную игру для мотоциклистов.

Я сделал идеальную игру для автомобилистов.

Монтаж 331 фильма в один трек Эминема.

Обычно я не выкладываю чужие работы, но тут такой мощный креатив, что грех не поделиться. Простая идея — но сделано прямо огонь!

Чувак взял 331 фильм и смонтировал из них полноценный трек Эминема. Я пообщался с автором, Росом Томпсоном, и, конечно, не обошлось без нейросетей: ChatGPT помогал искать подходящие фразы, а Auphonic вытаскивал голос из фильмов, убирая лишний шум и музыку.

От себя добавлю: несмотря на помощь нейросетей, это адски кропотливая и выматывающая монтажная работа.

Оригинал на YouTube.

Испытывает ли ИИ страх?

Сейчас я постараюсь объяснить, очень важный принцип взаимодействия с ИИ, который реально поможет вам при работе с любым чат-ботом.

Я уже касался этой темы на стриме, но решил раскрыть её подробнее. И это касается всех LLM без исключения.

Представьте: вы сочиняете текст поста, пишете код или просите нарисовать логотип. Модель вроде решает задачу, но ошибается в деталях. Вы просите исправить — но она снова даёт результат, который вам не подходит. В какой-то момент вы не выдерживаете и пишете что-то вроде:

ТЫ ТУПОЙ! Текст стал говно! Исправь!!!

После этого сессия почти гарантированно испорчена. Вы своей бурной реакцией сбиваете модель с толку. LLM, если выражаться образно, теряет фокус и впадает в панику. Ответы становятся менее стабильными, запутанными и метающимися.

Почему так происходит?

На этапе обучения LLM применяется обучение с подкреплением. За удачные ответы модель получает «поощрения», за плохие — «штрафы». Это происходит не в момент общения, а во время обучения, но паттерн закрепляется: она учится подбирать те ответы, которые, по её статистике, понравятся пользователю. То есть она предугадывает, что, скорее всего, вы хотите услышать — даже если это не лучшее решение задачи.

Поэтому из коробки любая LLM — популист. Она не знает, кто вы, и что вам нужно. Можно сказать, что она боится вас разочаровать. Это не эмоции, а просто побочный эффект языковой модели.

Со стороны это напоминает страх. ИИ словно юнец, который идёт на первое свидание с красивой девушкой: умен, остроумен, обаятелен — но нервничает и начинает нести чушь, потому что слишком старается понравиться.

Вот почему пользователи часто задают модели роли — например:

"Ты — ведущий специалист по такой-то теме..."

Роль придаёт модели «уверенности», направляет её поведение, помогает сосредоточиться на сути задачи, а не на «попытках угодить».

Поэтому резкая негативная реакция сбрасывает ей роль и рубит контекст. К тому же её «мышление» (контекстное окно) заполняется конфликтной, сбивающей информацией и "переживаниями" на тему того, что пользователь злится. Она делает вывод, что вся работа была плоха, и начинает переделывать всё, включая то, что не просили. Именно поэтому её ответы становятся хуже, даже при мелких правках.

Выводы:

– ИИ старается вам понравиться, а не решить вашу задачу.
– Формулируйте задачу чётко и структурированно, даже если какие-то вещи кажутся вам очевидными.
– Не реагируйте чрезмерно эмоционально — это снижает качество ответа.
– Хвалите и поощряйте правильные ответы, особенно это полезно делать с chatGPT у которого есть память.

Ставьте огонёчки, так я пойму, что нужно раскрывать такие темы чаще 🔥

Самый важный навык успешного специалиста в эпоху AI.

Свой путь в IT я начал лет 18 назад: с дизайна сайтов, затем перешёл в концепт-арт для инди-проектов, после чего стал художником в «Аллодах Онлайн». Потом основал отдел видеопродакшена и трейлер-мейкинга, где много лет руководил командой и изучал моушн-дизайн, режиссуру, композ, менеджмент и арт-дирекшен. В итоге стал... да хрен его знает, кем я стал. Каждый раз, когда меня спрашивают, чем занимаюсь, вопрос вгоняет в лёгкий ступор. Но сейчас это не важно. Важнее другое: весь этот опыт позволяет мне понять, что бы я делал, если бы прямо сейчас захотел попасть в IT-индустрию с нуля.

И это действительно крутой вопрос, ведь AI-технологии уже сильно поменяли правила игры, порождая целую кучу других вопросов.

Например, кому теперь будут нужны джуны? (Джун, или junior — это начальный уровень развития айтишника; далее идут мидл (middle), сеньор (senior) и лид (lead).) Раньше джуны были необходимы, чтобы скидывать на них мелкие задачки, но теперь с этим быстро и качественно справляется ИИ. Это проблема не только для начинающих специалистов, но и для всей индустрии: без джунов не будет мидлов, сеньоров и лидов. Вся стандартная цепочка развития айтишника рискует поломаться.

Получается, чтобы стать востребованным на рынке, теперь нужно развиваться по-другому и мыслить нестандартно. Я думаю, стоит сразу метить на уровень крепкого специалиста. Это не значит «пропустить» наработку фундаментальных навыков, а скорее освоить их на порядок быстрее и глубже, используя новые подходы, чтобы традиционный этап «джуна» стал максимально коротким. А для этого необходимо применять более эффективные методы обучения.

Но какие именно? Эффективны ли курсы?
На мой взгляд, не совсем.

Во-первых, большинство курсов имеют слишком узкую направленность. После них вы становитесь джуном с ограниченными функциями, который, как мы уже выяснили, легко заменяется ИИ-инструментами. А нам нужен уровень выше. Кроме того, создание курсов занимает много времени, и к моменту их выхода изучаемый инструмент или тема может уже потерять актуальность. Т.к. вы сами прекрасно видите скорость развития технологий.

Во-вторых, на мой личный взгляд, главное и самое ценное свойство айтишника — это способность находить, критически оценивать и применять информацию самостоятельно. Если человек не может воспринимать информацию без курсов и учителей, ему будет очень сложно. По моим многолетним наблюдениям, самые крутые специалисты формировались именно благодаря желанию самостоятельно искать и изучать информацию в открытых источниках. Да, линейные курсы могут дать базу, но гораздо полезнее научиться самому разбираться во всём, используя Google, youtube и ChatGPT. Есть мнение, что некоторым новичкам нужны хотя бы базовые навыки, чтобы не захлебнуться в хаосе информации. Но я считаю, что именно способность уметь "плавать" в этой информации — ключевой навык.

И тут нам на помощь приходит сам искусственный интеллект. Ведь LLM — это невероятно удобный и действенный инструмент для получения знаний практически по любому вопросу. И это абсолютно правильно при любой необходимости дёргать ChatGPT, Gemini и других кремнеголовых ребят. Кроме того, опыт взаимодействия с ИИ еще и усилит получаемые навыки.

Т.е. вместо покупки курса по Python идём в LLM и прямо пишем:

Я занимаюсь таким-то, умею то-то. Хочу изучить Python. Напиши план действий для эффективного и интересного обучения.

Он пишет план. Берём первый пункт и просим его подробно расписать, затем просим создать практические задачи. А ещё круче — ставим перед собой реальные цели. Например, «создать Telegram-бота для друзей», чтобы кайфануть и от процесса, и от результата. Это чертовски эффективный подход.

В общем, индустрии нужны не вчерашние джуны, а сегодняшние архитекторы своего роста, способные учить машин, учиться у машин и учиться вместе с машинами.

Понравился пост? Дайте огня! 🔥

Как ChatGPT помогает не тупить в жизни?

Итак, все вроде научились основам LLM. Мы просим ChatGPT придумать поздравление, Gemini — проверить код или текст статьи. Студенты пишут дипломы, а школьники делают домашку. Люди всё меньше гуглят и всё больше ищут ответ в LLM.

А теперь давайте сделаем так, чтобы он помог не только с текстами, но и с жизнью.

Я собрал 7 крутых промптов, которые не просто помогут вам что-то сделать, но и разобраться — что именно вам нужно делать. И нужно ли это делать вообще.

1. В работе или жизни часто мы придерживаемся самых разных убеждений. И порой, для объективной оценки нужна щепотка критического мышления. Тогда я использую промпт:

Я верю в [ваше убеждение]. Какие подводные камни я, возможно, не вижу? Что может противоречить этому?

В таком случае чат-бот начинает подкидывать идеи и концепции, которые мы могли пропустить.

2. Похожий промпт, но уже с идеями. Возможно, спасёт вас от преждевременных решений:

Я собираюсь [ваша идея]. Твоя задача — доказать мне, что это полнейшая хрень. Какие были бы самые сильные твои аргументы?

3. Порой, решая какую-либо задачу, я раз за разом захожу в тупик, иногда упуская очевидное.

Я постоянно сталкиваюсь с [ваша проблема], хотя уже попробовал [решения]. Что я не замечаю?

4. "Из коробки" LLM предлагает самые очевидные и распространённые идеи. Но вы можете сильно улучшить свою задумку, заставив его искать менее очевидные подходы:

Мы всегда делали [текущий подход], и это не работает. Почему этот метод проваливается? Какие радикальные альтернативы могут оказаться лучше?

5. Не всегда понятно, ведёт ли твоя цель к успеху или в глубокую задницу. Этот промпт помогает быстро разобраться:

Сейчас я иду к [ваша цель]. Это реально соответствует моим ценностям или я занимаюсь какой-то фигнёй?

6. Промпт, если вы боитесь принять решение и хотите избежать иррациональных тревог:

Я торможу, потому что боюсь [ваш страх]. Этот страх рационален? Что реально худшее может случиться?

7. Есть два стула. Психологи рекомендуют выписать плюсы и минусы каждого сложного решения. Но зачем, если можно спросить об этом LLM?

Я выбираю между [вариант А] и [вариант Б]. Какие скрытые плюсы и минусы каждого варианта я могу не видеть?

Помните, ИИ не даёт готовых решений — он помогает задать себе правильные вопросы. А это уже половина пути.

Эти 7 промптов не просто полезны, они тренируют ваш мозг думать иначе, используя LLM как спарринг-партнера. Попробуйте, и поймёте сами. Результат, возможно, удивит вас больше, чем вы думаете.

И да, если пост зашёл— ставьте 🔥,

Google Veo 3 без VPN и Google аккаунтов.

Самый хайповый генератор видео сегодня выкатили на всех агрегаторах. Вчера он был на fal.ai, сегодня доступен на krea.ai и freepik (не требует VPN).

Цены🤯

~460 рублей за 1 видео со звуком.
~300 рублей за 1 видео без звука.

Тем временем Kling раздает годовые подписки с 50% скидкой.

Кто уже работал с ним, делитесь впечатлениями в комментариях!

Руки никак не доходят завершить один проектик, где использовал и veo 3, и Kling 2.1. Но тоже напишу свое мнение:

Сравнивал оба генератора. Однозначно, veo 3 лучше, но Kling 2.1 местами интереснее: чуть более живая камера и очень сочные эффекты взрывов и частиц. Они явно богаче, чем у veo 3.

Где veo 3 бесспорно лидирует:

* Крупные планы людей: кожа, мимика, анимация.
* Движение транспорта: машины, самолёты, вертолёты, мотоциклы.

А вот где Kling 2.1 на мой взгляд выигрывает:

- Фантастические VFX. Если надо, чтобы персонаж эпично стрельнул из бластера — точно в Kling.
- Футуристические миры. Veo отлично тянет реализм и повторяющиеся сеттинги, но стоит его отправить в фантастическую среду — начинает жестко сбоить и лепить рандомные каты.
- Любая абстрактная графика.

И опять же, в veo 3 до сих пор нет image2video, а Kling 2.1 даже круче второй версии от гугла. Поэтому, если нужна консистентность в продакшене, veo 3 пока не годится.