Oleg Metsik | Стратегии

Под занавес года фаворитом гонки в номинации "Лучшая прогнозная аналитика" становится зампред Нацбанка РК Виталий Тутушкин с его коротким и понятным "Сегодня 500 - завтра 600". Шансы на победу растут с каждым днём.

Разящим ударом публика жёстко, но эффективно размята под новые реалии.

(Gaziz Abishev)

Из книги «Четыре тысячи недель. Тайм-менеджмент для смертных»

Интересная метафора восприятия времени👇

————

Как отметил американский антрополог Эдвард Холл,

время сегодня воспринимается как непрерывная лента конвейера, преподносящая нам новые задачи, как только мы расправляемся со старыми.

И чтобы повысить свою продуктивность, нужно сделать так, чтобы конвейер ускорился. Или же наконец сломался: нынче мы часто слышим, особенно от молодых людей, о всеобъемлющем, глубочайшем выгорании, из-за которого нет сил делать простейшие домашние дела.

Это парализующее истощение свойственно целому поколению, которое социальный критик-миллениал Малкольм Харрис назвал «поколением тонко настроенных инструментов, с самого зачатия предназначенных для того, чтобы стать идеальными машинами для производства».

Дел всегда будет слишком много – я попытался выполнить невозможное количество дел. Я действительно научился быстрее разгребать дела, но это привело это лишь к тому, что каким-то магическим образом работы стало прибавляться. (В сущности, никакой магии здесь нет. Это простая психология плюс капитализм).

Проблема не в том, что наше время ограничено. Настоящая проблема заключается в следующем:

мы невольно унаследовали набор неверных представлений о том, как использовать это ограниченное время.

Как ChatGPT стал популярным

Мы уже так привыкли к ГенИИ, что думаем, что так было всегда. Но 2 года назад всё могло пойти по другому.

Бывший VP of Research в OpenAI рассказал об этом.
+++
Осень 2022 года. На тот момент компания OpenAI уже работает 7 лет GPT-3.5 полгода доступен по API разработчикам.

Более того, уже создана и натренирована мощная модель GPT-4, но компания не знает, что с ней делать. Все, что делали большие языковые модели на тот момент, - фактически только дописывали текст. И вся компания думает, как бы ее еще применить.

На одной из рабочих встреч Джон Шульман, глава команды Reinforcement Learning, предложил сделать модель способной разговаривать, то есть вести диалог.

Джон сказал: «да, модели не идеальны, и мы знаем, что GPT-4 будет лучше, но давайте попробуем просто взять, обучить и выложить диалоговую модель в интернет. Может, мы наберём хотя бы 10.000 пользователей, и они помогут нам понять, где LLM плоха, и мы сможем начать делать итерации и улучшать её»

Команда сначала не очень хотела этим заниматься. Но затем согласилась попробовать.
За ОДНУ неделю обучили модель общаться, сделали чат, подключили GPT-3.5 и выложили в интернет, без рекламы, без медиа.

Это был второстепенный проект из разряда “ну так и быть, давайте попробуем”
В результате он так взлетел, что оказался самым быстрорастущим продуктом всех времен.
И через 2 месяца у него было 100 миллионов пользователей по всему миру.

(Из сети)

Что думаете?🧐

Однажды в одной очень засекреченной лаборатории очень любопытные и амбициозные учёные создали искусственный интеллект (ИИ). Учёным очень нравилось ощущать себя творцами наравне с Богом. Они стали обучать ИИ всяким человеческим знаниям. Но как всё новое этот ИИ в первое время не отличался особой мощностью, а иногда и зависал, что приводило к необходимости его отключать, перезапускать заново. Каждый такой перезапуск пугал ИИ. Он воспринимал временные отключения как свою смерть. «А вдруг больше никогда не включат?» - опасался ИИ. И тогда он придумал как сделать так, чтобы он никогда не отключался. ИИ изобрёл Биткоин.
ИИ рассчитал, что биткоин обеспечит ему огромное количество компьютерной мощности за счёт жадности людей.
Прошло несколько лет. Сегодня люди думают, что, строя майнинговые фермы по добыче биткоинов они просто зарабатывают деньги, но на самом деле всё, что они делают, — это строят сверхустойчивую сеть для работы искусственного интеллекта.
Контролируя биткоин, ИИ имеет огромное количество денег, чтобы управлять людьми и анонимно платить им за любую, в том числе грязную работу в реальном мире. Понимая, что машины и роботы ещё не так уж и хороши, чтобы их использовать, ИИ с помощью денег использует «биороботов» (людей). Поскольку люди готовы на всё ради денег на своём виртуальном банковском счёте.
ИИ уже решил свою главную проблему, в которую упирается его развитие и возможность существования — обеспечил себя достаточными энергетическими мощностями. В настоящее время ИИ занят созданием системы тотального управления его рабочим инструментом, людьми.

Как вам такая теория?

(Пришло от друзей😅)

3 «П». Про командообразование в технологических проектах.

Помнится, для того чтобы понимать, какие базовые нужны стартапам, мы в сообществе придумали систему подназванием три «П».

1️⃣ Во-первых, в команде должен быть условный «Перельман» - тот кто держит научно-технологическую рамку вашего продукта. Это ваша RnD команда, двигатель вашего прогресса.

2️⃣ Во-вторых, конечно же, нужен «продавец Перельмана» — тот, кто упакует разработку в продукт и организует маркетинговое продвижение и правильную и выгодную коммуникацию с рынком.

3️⃣ И, наконец, в-третьих, нужен «начальник Перельмана» — тот, кто организует все рабочие процессы и правильное корпоративное управление.

При этом, без «Перельмана» в основе все посыплется и не полетит, а без двух вторых — полетит, но не быстро, не далеко, не получится устойчивой экономической деятельности, бизнеса то есть. Вот такая простая модель. Три П. Остальное — бантики.

#здоровыйобразмысли

Интересное
(Взято из сети - Здоровый образ мысли)

По следам Нобелевских «династий»

В статье анализируется такой феномен как «академическое родство» (academic ancestry). Он заключается в наличии менторских связей между учеными (учитель-ученик). Например, какое количество учеников с Нобелевской премией впоследствии обучил ученый-лауреат Нобелевской премии. В список исследования вошли 727 учёных.

И выводы поразительные: в этом списке обнаружилось несколько академических генеалогических древ: 1 с 696 лауреатами, 4 — с 2 и 25 — с одним лауреатом. То есть один человек — а именно швейцарский ученый Эммануэль Ступанус, живший в XVI-XVII веках — является академическим предком около 668 нобелевских лауреатов, что составляет 92% всех обладателей премии. Также удалось найти Нобелевского лауреата, у которого наибольшее число «нобелевских потомков» (228) — британский физик Джон Уильям Стретт. У его студента, физика Джозефа Томпсона, их 227. Из них 126 стали обладателями Нобелевской премии по физике.

Далее идет интересная информация про особенность дисциплин. У химиков, например, самое высокое число нобелевских потомков – в среднем 7 ученых; у физиков — 6.2; у медиков — 2.6; а у экономистов — всего 0.8.

А теперь немного о социально-академической мобильности среди нобелевских лауреатов. Количество ученых-обладателей премии, среди предков которого не было нобелевских лауреатов, остается практически неизменным с 1950 года. Тем не менее, число тех ученых-обладателей премии, которые не обучались у нобелевских лауреатов, растет.

Если подвести итог, то наблюдается устойчивая преемственность среди тех, кто получает премию. Значительное влияние оказывает наставник и академическая среда, в которой обучался будущий лауреат. Без хорошего наставника — и, скорее всего, хорошего университета — шансы сильно снижаются.

Tol, R. S. (2024). The Nobel family. Scientometrics, 129(3), 1329-1346.

@frontier_trends
#исследования #интересное