Горизонт сингулярности

Новый прием, он не всем подойдет, но идея интересная.

В CNews вышел отчет по сессии про ИИ-проекты и экономический эффект. Там есть мысль, которую взяли из моего доклада и конечно я с этим согласен:

«В целом, будущее рынка труда — за междисциплинарными специалистами, сочетающими технические, социальные и мета-навыки. Наиболее востребованными станут специалисты, эффективно взаимодействующие с ИИ и роботизированными системами, усиливающие свои возможности с помощью технологий. Ключевым фактором профессиональной устойчивости в долгосрочной перспективе становится способность к постоянному обновлению навыков и адаптации к новым технологиям», — говорит Владимир Анисимов.

И вот на этом фоне звучит заголовок: «ИИ-проекты не приносят экономической выгоды». Кажется, вселенная подаёт сигнал, но проблема старая.

Чаще всего дело не в моделях, а в том, что:

задачи размыты («давайте сделаем что-нибудь с ИИ»);

данные никто не готов доводить до ума;

нет владельца эффекта — человека, который отвечает за деньги, а не за «инновации».

В итоге получается красивый пилот, пара демо для руководства — и всё. В прод ничего не доезжает, процессы остаются прежними, а ИИ записывают в «игрушки без ROI».

Детальнее тут

https://corp.cnews.ru/articles/2025-11-27_ii-proekty_ne_prinosyat_ekonomicheskij

📊 McKinsey: 90% компаний используют ИИ, но 67% застряли в пилотах. Почему?

Только что вышел главный ИИ-отчет года от McKinsey. Вот сухая выжимка без воды, которая важна именно руководителям ИИ-направлений.
https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai

🔴 Ключевой диссонанс:
• 90% компаний «используют ИИ»
• 67% из них застряли в череде бесконечных пилотных проектов
• Лишь 39% видят реальный прирост прибыли от своих ИИ-инициатив

Проблема не в том, чтобы сделать еще один PoC. Проблема - в масштабировании. А для него нужны чистые данные и сильная архитектура (чаще всего облачная).

🚀 Что делают лучшие (топ-6%)?
1. Думают масштабнее. Они не ускоряют разработку, а перепроектируют целые рабочие процессы. Цель - изменить схему работы, где ИИ берет на себя целые блоки задач, а люди контролируют
2. Вкладывают реальные бюджеты, а не играются с PoC.
3. Лично возглавляют трансформацию. Руководители, которые сами ведут ИИ-направление, в 3 раза чаще успешно масштабируют решения.

🤖 Тренд: ИИ-агенты на подъеме
• 62% организаций экспериментируют с агентами
• 23% уже масштабируют их
• Главные драйверы - IT и здравоохранение.
В IT - это автоматизация код-ревью и тестирования. В здравоохранении - анализ снимков и первичная диагностика

💥 Риски становятся реальными
• 51% компаний уже обожглись на ИИ-пилотах (увидели риски, ошибки, обратную сторону)
• Основная причина – низкое качество для сложных задач и генерация ИИ недостоверного контента (галлюцинации)
• Доверие — главный шоу-стопер для внедрения в критически важные бизнес-процессы

🎯 Главный вывод для руководителей:
ИИ-адаптация стала хайпом и мейнстримом, но настоящая трансформация, на мой взгляд, еще не началась.

Успех приходит не к тем, кто использует больше всего новых инструментов, а к тем, кто меняет культуру, процессы и вкладывается в перестройку бизнеса

Одни считают ROI от ИИ и обосновывают экономические эффекты, а лучшие считают, что важна только одна метрика - это скорость, с которой ИИ внедряется в каждодневный процесс вашей компании, а пользователь начинает пользоваться.

А вы уже вышли из режима «вечных пилотов»? Делитесь в комментариях.

#McKinsey #AIотчет #УправлениеAI #AIтрансформация #Лидерство #ГорькийОпыт #AIкоманда

Семинар: как говорить с GPT результативно, а не «ну ты там сам разберись»

Нейросети уже живут в наших процессах, но часто работает схема:
задача — ок, промпт — так себе, результат — «ну… интересненько, но мимо».

1 декабря 2025 собираемся в Zoom и за час разберём, как разговаривать с GPT так, чтобы он реально помогал работать, а не генерил красивый шум.

О чём поговорим:

какие типы запросов GPT понимает лучше всего;

как задавать роль, контекст и формат ответа;

примеры «плохих» и «хороших» промптов на одних и тех же задачах;

как проверять ответы модели и не попадать в ловушки галлюцинаций;

мини-чеклист: что написать в запросе, чтобы увеличить шансы на нормальный результат.

Оргчасть

📅 Дата: 01.12.2025

🕒 Время: 15:00 (по Москве)

⏱️ Длительность: 1 час

📍 Формат: Zoom
https://us06web.zoom.us/j/88159153908?pwd=U6JrWXuPNIs9kmnWnkp7d3kLqHriBt.1

💸 Участие: бесплатно

Ссылка на канал
https://t.me/+aczVCmI2TBszMWZi

🤯 RAG 2.0: Как мы получили +30% к точности, отказавшись от векторов

Все застряли в парадигме: chunking → векторы → семантический поиск → ответ. Но что, когда "похожий" текст ≠ "нужный" текст?

🤔 Проблема традиционного RAG:
Запрос: "Насколько изменился операционный денежный поток компании в 2025?"

Традиционный подход:
• Ищет "денежный поток", "2025", "операционная деятельность"
• Но теряет контекстные связи между терминами
• Возвращает статистически похожие, но концептуально бесполезные чанки

💡 Решение: PageIndex - векторно-независимый RAG
https://github.com/VectifyAI/PageIndex

🛠 Техническая архитектура:
1. 📑 OCR с сохранением структуры
o Обычный OCR: обрабатывает страницы изолированно
o PageIndex OCR: анализиет документ целиком, сохраняя иерархию заголовков, таблиц, списков

2. 🌳 Генерация древовидной структуры
o Создается иерархия: Глава → Раздел → Подраздел
o Каждый узел получает: node_id, title, summary, page_index

3. 🧠 Reasoning-Based Retrieval
o Вместо векторного поиска LLM логически анализирует структуру документа и рассуждает, в каких разделах следует искать ответ
o Это переход от статистического совпадения к осмысленному поиску по дереву

⚡️ Ключевые технические преимущества:
🎯 Точность +30% - поиск по контексту вместо статистической схожести
🔍 Прозрачность - видите reasoning chain LLM: "Выбрал такой-то узел 2.1.1, потому что..."
🛡 Безопасность - нет векторных БД, все локально
📊 Работа со сложными документами – корпоративные документы, технические мануалы, юридические контракты, договоры

🎯 Мой вывод:
PageIndex, конечно, не заменит все RAG-системы, но это существенный прорыв для тех случаев, где важна точность и прозрачность результатов поиска. Если ваша команда бьется над точностью сложных запросов - подход обязателен к изучению.

#RAG #AIКоманда #Vectorless #PageIndex #TechnicalDebt #АрхитектураAI

🚀 Как разговаривать с GPT так, чтобы он реально помогал, а не «писал что-то умное, но мимо»

По многим просьбам повторяю семинар про результативную работу с GPT: как формулировать запросы, задавать контекст, получать понятные и применимые ответы, а не тонну текста «ни о чём».

Сейчас решаем, когда удобнее собраться:
— утром
— вечером
— в будни
— в выходные

Напишите в комментариях, как вам комфортнее. Подстроимся под большинство и объявим дату. 💬🧠

Научный ИИ наконец-то получил нормальный фреймворк: PINA официально ворвалась в PyTorch Ecosystem — и стала фактически «SciML-фреймворком по умолчанию» 💃

Это либа, которая превращает хаос научных моделей в аккуратный пайплайн: постановка задачи → модель → солвер → обучение. Работает на PyTorch, Lightning и дружит с PyTorch Geometric.

Что умеет:
— Решать PDE, симулировать физику и динамику;
— Строить ML-силовые поля;
— Работать с графами, тензорами и физическими ограничениями;
— Масштабироваться на несколько девайсов без боли и бойлерплейта.

Апгрейдимся 🤨

Сегодня сингулярность догнала меня под раковиной.

Крепящий винт от сифона устал от жизни и решил треснуть под тяжестью обстоятельств. Купить новый — квест: просто так не найти, а менять весь сифон целиком — лень уровня «ну его».

Но я же инженер, и 3D-принтер дома не для красоты стоит.
План «на 15 минут» превратился в пару часов, четыре версии модели и победу локального аддитивного производства. Винт напечатан, сифон жив, всё работает.

Еще несколько лет назад такая бытовая магия казалась чистой фантастикой. Теперь — просто утро выходного дня.

Методика оценки фин эффективности внедрения ИИ

КНИГА КЕЙСОВ ПРИМЕНЕНИЯ ИИ
В СТРАНАХ БРИКС+ И ПАРТНЕРАХ

n8n 1.115: AI Workflow Builder

n8n выкатила AI Workflow Builder - теперь можно генерить рабочие автоматизации из промпта на естественном языке.
Система сама добавляет ноды, настраивает логику, соединяет всё между собой. Дальше дорабатываешь руками.

Пока в бете поэтапно раскатывают в облаке.
Когда будет доступно в онпреме, - не пишут. Но обещают.

Теперь промптом можно накидать воркфлоу.

Самое прикольное что этот промпт тоже можно написать агентом.

Рекурсивный ноукод агентострой получается.

#n8n #агенты
------
@tsingular

Вчера хорошо покопались в будущем управления данными — что нас ждёт на горизонтах 3–5–15 лет.
Разобрали ключевые тренды, риски и куда всё это едет, если не тормозить трансформацию.

Кому интересно, что будет с DQ, DG и ИИ в этой истории — смотрите доклад, презентация в комментариях.

https://youtu.be/y-tNo4xqNI4

https://rutube.ru/video/83a73e047bb576d75e0fb24f43ece5c2/

Вышел бесплатный ИИ Grok 4.1. Он теперь лучше понимает эмоции

Также новая модель убедительнее в общении, но сохраняет при этом «исключительный интеллект и надёжность своих предшественников».

Компания утверждает, что в Grok 4.1 намного меньше галлюцинаций (фактических ошибок), чем в Grok 4.

https://www.iphones.ru/1346033

#новости@iphonesru

📡 ИИ впервые сам управлял спутником

Во время испытаний 30 октября нейросеть без команд с Земли развернула в нужном направлении спутник InnoCube, движущийся по орбите Земли.

Нейросеть тренировали управлять аппаратом с помощью обучения с подкреплением. После тысяч итераций в симуляторе она смогла быстро и точно повернуть спутник на заданные углы, адаптируясь к изменениям распределения массы спутника и внешним возмущениям от солнечного ветра.

Несмотря на кажущуюся простоту задачи, традиционные системы ориентации спутников, наводящие камеры или антенны на конкретную цель, требуют кропотливой ручной настройки параметров инженерами. Чтобы учесть все факторы, иногда требуются месяцы и даже годы работы.

🛰 Зачем это нужно

В миссиях в дальний космос системы корабля должны работать максимально автономно — даже сигнал от Земли до Марса идет от 3 до 22 минут в зависимости от текущего расстояния между планетами. Выполнять сложные маневры вручную с такой задержкой невозможно.

«Умные» спутники смогут реагировать на внештатные ситуации без команд с Земли. Например, при частичном отказе оборудования ИИ мгновенно подберет оптимальные действия для стабилизации и спасет миссию.

👋 Подпишитесь на Hi, AI!

Небольшой пример из жизни.
Не знаю, как у вас, но у меня уже очень много самой разной техники на аккумуляторах. Зарядки, естественно, живут своей жизнью и регулярно исчезают в неизвестном направлении. В итоге я нашёл выход в виде связки ЛЛМ и лабораторного источника питания.

Сразу важная оговорка: то, что описано ниже — не инструкция к действию, а иллюстрация подхода. Повторять это без опыта, понимания электротехники и чтения документации к аккумулятору не стоит. Всегда безопаснее и правильнее использовать штатное зарядное устройство или фирменный зарядник.

ЛЛМ я использую как помощника для подбора режима зарядки:
она помогает уточнить тип аккумулятора, типичный диапазон напряжений и токов, а также общую логику процесса. Дальше моя задача — проверить всё по документации на устройство или аккумулятор и только потом выставлять параметры на лабораторном источнике.

Процесс в общих чертах выглядит так:

спрашиваем у ЛЛМ ориентировочные значения напряжения и тока для конкретного типа аккумулятора;

сверяем эти значения с паспортом устройства/аккумулятора и только после этого выставляем параметры на источнике;

если по амперметру видно, что ток слишком высокий, снижаем напряжение и аккуратно подбираем его до рабочей величины;

считаем зарядку условно завершённой, когда ток падает до небольших значений (например, порядка 0,05–0,01 А для моего конкретного кейса, но не как универсальное правило).

Как правильно подключить — тоже уточняю у модели, но окончательное решение принимаю только после проверки схемы и документации. Плюс визуальный осмотр: где плюс/минус, есть ли сервисные/датчиковые проводники (например, белый провод), что именно они делают и нужно ли их подключать в принципе. Если непонятно — лучше не подключать наугад.

Дальше — классика техники безопасности:

контролируем, чтобы аккумулятор и проводка не перегревались;

не оставляем всю конструкцию без присмотра;

при первых признаках перегрева, запаха или странного поведения — сразу отключаем питание.

В моём случае аккумулятор заряжается до нужного состояния примерно за 45–60 минут, но это опять же конкретный пример, а не универсальный ориентир.

У меня примерно такой источник (Не реклама)
https://market.yandex.ru/cc/83FmWJ

Привет, друзья!
Пока не столкнётесь — большинству это не надо.
Так вот: по умолчанию диск на ваших ПК зашифрован, и если потребуется восстановить с него информацию, вам понадобится пароль, который, конечно, никто не помнит или не знает. Я говорю про пароль от диска.

Вот краткая инструкция, как сохранить себе этот важный пароль:

1. Открытие окна командной строки (CMD) с правами администратора
- Нажмите сочетание клавиш Win + X и выберите пункт «Командная строка (администратор)» в PowerShell (администратор) тоже работает.

2. Получение списка всех защищённых дисков
В открывшемся окне введите команду:

   manage-bde -status
   

Эта команда покажет список дисков, защищённых BitLocker, и состояние защиты каждого из них.

3. Просмотр подробной информации о ключе восстановления
Для конкретного диска, указанного в списке (например, C:, D: и т.п.), введите следующую команду:

   manage-bde -protectors C: -get
   

Вместо C: подставьте букву нужного вам диска.

4. Проверка наличия ключа восстановления
Команда выведет подробную информацию обо всех методах защиты диска, включая ID ключа восстановления (Recovery Key ID). Например:

   NumKey Protectors: 2
     ID: {GUID}
       Type: Numerical password protector
       Numeric Password: 123456-789012-345678-901234
   

5. Распечатайте или сохраните ключ восстановления
Полученную числовую комбинацию рекомендуется сохранить надёжно в отдельном месте, например, распечатать на бумаге или создать резервную копию на съемном носителе.

🧬 Редактирование генов снизило холестерин вдвое

У некоторых людей есть особая мутация в гене, кодирующем белок ANGPTL3, активный в клетках печени. У них он «сломан», в результате в крови меньше холестерина, а потому ниже риск инфаркта и инсульта из-за закупорки сосудов. И эта особенность не влияет на другие системы организма.

✂️ Ученые разработали генную терапию, которая искусственно «ломает» нужный белок у людей без этой мутации. Препарат CTX310 ввели 15 пациентам с тяжелой дислипидемией — высоким уровнем холестерина и триглицеридов в крови.

CTX310 использует «генетические ножницы» CRISPR-Cas9 для точечной правки ДНК. Наночастицы попадают в клетки печени, в которых «разрезают» нужный участок спирали. Клетка пытается восстановить его, но из-за ошибок ген перестает работать.

Уже через две недели активность ANGPTL3 у пациентов снизилась на 80%, уровень холестерина — на 49%, а триглицеридов — на 55%. Эффект сохранялся на протяжении всего периода наблюдения — двух месяцев.

🫀 Почему это важно?

Впервые генная терапия нацелилась на один из главных факторов сердечных заболеваний. Единственный укол может заменить пожизненный прием лекарств для миллионов людей.

Главный риск — вмешательство необратимое. Таблетки можно прекратить принимать, а изменение генома исправить непросто. За участниками эксперимента продолжат наблюдать до 15 лет для оценки долгосрочной безопасности.

👋 Подпишитесь на Hi, AI!

Авто перевод но весьма годно

Робо-глаза с разрешением лучше человеческого

Учёные из Georgia Tech создали мягкую линзу из гидрогеля, которая фокусируется без электричества — только за счёт света.

Внутри гидрогелевого кольца вокруг силиконовой линзы спрятан оксид графена. Он поглощает свет, набухает или сжимается, меняя форму и фокус.
Разрешение — 4 микрометра.

Для сравнения: человек различает детали от 89 микрометров на расстоянии 30 см.

Но есть нюанс. Гидрогели реагируют медленно — от 1 до 10 секунд при умеренном освещении.
В теории такая оптика подходит для мягких роботов в хирургии, поисково-спасательных операциях, сельском хозяйстве. Или даже вместо микроскопных линз в лабораториях.

Проблема — долговечность. Оксид графена разрушается под ультрафиолетом и влагой. Сколько проживёт такая линза в реальных условиях — неизвестно.

Скоро у роботов будут глаза лучше человеческих.

#PHySL #SoftRobotics #eyes
———
@tsingular