Найважливіше в IT за тиждень: Несподіване відкриття Apple про AI

Всім привіт, сьогодні в нас випуск українською мовою. Мене звати Дмитро Руденко, я засновник спільноти SaaS Founders, допомагаю власникам ІТ-компаній знаходити нових великих клієнтів за допомогою лід-агенерації в Лінкеде. Найважливіші новини минулого тижня. Перша новина, яку я побачив у фейсбуці Валентина Перці, про нове дослідження Apple, що ставить підсумнів здатність сучасних систем штучного інтелекту до справжнього логічного мислення. Тобто, відповідно, чи є це справді штучний інтелект. Експерименти Apple показали, що навіть найбільш просунокі шієї моделі, такі як GPT-4 та CLON, демонструють значне зниження продуктивності при мінімальних змінах у формулюванні математичних завдань. Додавання нерелевантної інформації в завдання призводило до того, що шієї моделі почали плутатися, намагаючись врахувати ці деталі в розрахунках, замість фокусування на суттєвих даних. Дослідники дійшли до висновку, що сучасні мовні моделі не володіють справжнім розумінням контексту і логічним мисленням, а лише імітують їх через розпізнавання статистичних паттернів. Ці відскриття, згідно автора статті, мають серйозні наслідки для розвитку та застосування штучного інтелекту в галузях, де критично важлива точність і послідовність рішень, як от медицина, освіта та прийняття рішень. Дослідження вказують на необхідність розробки принципово нових архітектур штучного інтелекту, здатних до справжнього логічного мислення, а не лише імітації інтелекту на основі статистичних закономірностей. Дивіться, я трошки прокоментую. Справа в тому, що ми сьогодні називаємо штучним інтелектом. Це великі мовні моделі, які займаються підбором відповіді і відповідно до контексту. Тобто ми задаємо певний контекст, і відповідно до цього контексту статистичний генератор підбирає відповідь, яку він вважає найбільш релевантною. Тобто це фактично статистична модель. Я, до речі, коли побачив цю новину, спеціально задав в чат жопеті запитання, умовно, скажи мені, будь ласка, яка сума фіолетових яблук та помаранчевих апельсинів у вівторок, якщо, умовно, Нептун у Водолії. Ну, наприклад. І була досить нормальна системна відповідь, що цей запит не є релевантним, оскільки Всумувати апельсини та яблука, мабуть, не дуже добре, не дуже коректно і так далі. І сказав, що ця відповідь... Питання є некоректними, це в принципі окей. Звичайно, на більш тонких прикладах це буде... складніше, тому що штучному інтелекту чи цьому паттерну важче буде розпізнати релевантну чи нерелевантну інформацію. Але рішення є навіть зараз. Ми говоримо про використання не загальних систем штучного інтелекту, а спеціалізованих ЛЛМ. Таких як математичні, фінансові, хірургічні, медичні і так далі Тому що системи прийняття рішень навчені на інших масивах даних Вони точніше налаштовані на розрізнення відмінностей спеціальних для цієї галузі знань Тому і точність їх буде набагато більша Це перше. Тобто спеціалізація в цьому питанні також вирішує питання. Раз. Друге. Моделі штучного інтелекту не досягли на даний момент свого максимуму. Ми бачимо, що ще є великий запас розвитку з точки зору, власне, збільшення потужності моделей, збільшення обчислювальних мереж, обчислювальних потужностей, в першу чергу. Тому, скажімо так, вимагати справжнього логічного мислення від стогостичного генератора текста досить дивне запитання. Крім того, вирішення спеціалізованих питань буде виконано за допомогою спеціалізованих систем штучного інтелекту. Тобто не треба ставити статистичним генератором, генераторам рішень, завдання, які для них не є спеціалізованими. В цьому є рішення. Тому я думаю, що паніка Apple щодо здатності сучасних систем до справжнього логічного мислення, вона в певною мірою штучна. І я думаю, що не відповідає дійсності. Це прикольна піар-новина, що штучний інтелект – це не все і так далі. Але я думаю, що реального результату вона не дасть. Ідемо далі. Новина від порталу The Verge. Понад чверть нового коду в Google генерується штучним інтелектом. Більше чверті всього нового коду, що створено в Google, генерується штучним інтелектом, який потім ретельно перевіряється та приймається інженерами компаній. Як я казав раніше, генерувати код можна, але задачу ставити має людина і контролювати також людина. Застосування штучного інтелекту є незвичайно важливим для різноманітних продуктів Google, про що свідчать вражаючі фінансові результати. Загальний квартальний дохід Alphabet досягнув 88 млрд, при цьому дохід підрозділу Google Services зріз на 13%, а Google Cloud на 35%. Тобто попит на Google Cloud рішення та на AI рішення зростає швидше, ніж на загальні сервіси. Операційний прибут у Google Services становить 30 млрд, Google Cloud біля 2 мільярдів, що значно перевищує показники минулого року. Технології штучного інтелекту застосовуються у Google у найрізноманітніших сферах, включаючи розробку голосових чатів, чат-ботів Gems, автоматичне створення нотаток в Google Meet, генеративні інструменти для YouTube-творців та функціональність смартфонів Pixel 9. Провадження штучного інтелекту є ключовим фактором для зростання основних напрямків бізнесу в Google, особливо в пошуковій системі та хмарних обчислювальних сервісах. Проте Google може очікувати на непрості часи попереду, оскільки нещодавно компанію визнали монополістом на ринках пошуку та інтернет-реклами, і це рішення може призвести до ймовірного розділення бізнесу. Отже, ми бачимо, що Google намагається інтегрувати штучний інтелект не тільки в користувацьку сферу, а й в сферу розробки власних продуктів. Якщо ми говоримо про чверть коду, це досить багато. Але ми бачимо, що попит на рішення, які генеруються компанією, в тому числі за допомогою штучного інтелекту, зростає. Тому це тренд, і він просто підтверджується даними від самого Google. Наступна новина. Компанія Meta, яка повідомляє, працює над власною пошуковою системою на основі AI. Meta працює над створенням власного AI-powered пошукового двигуна, щоб зменшити свою залежність від Google та Microsoft. Поточний AI-чат-бот Meta, вбудований в Instagram та Facebook, використовує Google та Microsoft Bing для відповіді на питання щодо останніх новин і подій, але це може незабаром змінитися. WebCrawler Meta був помічений в інтернеті місяці тому, а команда компанії працює над створенням бази даних інформації для свого майбутнього пошукового двигуна вже протягом близько восьми місяців. Тобто можна вже чекати на якісь такі early-releases протягом цього часу. Мета також працює над побудовою власних геолокаційних даних, які можуть конкурувати з Google Maps. І раніше компанія Apple також демонструвала, що має необхідні інструменти для створення власного AI-powered пошукового двигуна замість Google. Минулого тижня Мета оголосила про багаторічну угоду з Reuters, завдяки якій її чат-бот зможе використовувати статті цього інформаційного агентства. Водночас OpenAI підтвердила, що працює над власним AI-powered пошуковим ділгоном під назвою SearchGPT. Про що говорить нам ця новина? Вона говорить про те, що природна монополія гугла на лідерство в сфері пошукової реклами власне в сфері пошуку є зараз під загрозою через впровадження нових технологій. Тобто, фактично, все більша частина... Ну, скажімо так, я не можу стверджувати це статистично, але виходячи з мого досвіду, досвіду людей, з якими я спілкуюся, все більша кількість розробників користується не просто Google-пошуком, а користується AI-пошуком поверх Google, або пошуком Cloud, або OpenAI і так далі. Це говорить про те, що Google буде отримувати менше доходів від реклами. Якщо така тенденція стане масовою та поширеною, то Google втратить свій пріоритет та свої лідерські позиції в світі пошукової реклами, і фактично з'являться рішення від інших лідерів ринку, таких, наприклад, як Мета, який планує створити свій AI-пошуковий двигун, раз, AI-пошуковий механізм, і, звичайно, OpenAI, який працює над Search IPT. Тобто, бачимо, можливо, це призведе до перерозподілу ринку та появи нових конкурентних рішень, що дуже цікаво. Йдемо далі. В своєму блозі, в своєму блозі Candest Vlog, Candest Doug Deverin написав цікавий пост про хороших інженерів-програмістів. І він каже, що визначення хороших програмістів є складним завданням для керівників, оскільки кожна компанія має різні потреби, структуру, технологічний стек та культуру. Автор відкинув визначення інженерів-суперзірок або рок-стар-розробників, оскільки вони не відображають суті хорошого інженера. Автор пропонує таке визначення хорошого інженера. Це той, кому я як керівник або колега можу довірити розвиток проекту, знаючи, що він буде працювати в команді та забезпечувати високу якість знову і знову. Хороший інженер, незважаючи на рівень досвіду, повинен вміти впливати на інших, ефективно комунікувати, розуміти організаційні процеси та культуру. Невеликий коментар від мене. Чи не нагадує вам це вимоги до керівника? Він також має впливати, комунікувати, розуміти організаційні процеси та культуру. Йдемо далі по новині. Хороший інженер проактивно впроваджує елементи якості своєї розробки, розуміє потреби зацікавлених сторін та постійно працює над зменшенням складності коду. Хороший інженер є надійним, має прагнення до навчання та є командним гравцем, незалежно від типу особистості. Класне поєднання від мене коментар. Класне поєднання компетенцій, які є досить унікальними, скажімо так. Тобто людина має вміти комунікувати і при цьому має бути глибоким фахівцем і так далі. Дуже часто такі параметри є взаємовиключними. Але я думаю, що є люди, які мають їх також. Великий, як каже автор, інженери роблять все вищезначене проактивно, беручи на себе ініціативу щодо виправлення проблем у процесах і організаціях. Автор впевнений, що всі ці очікування є базовими для будь-якого хорошого працівника, а не лише інженера. Так, абсолютно точно. Але я думаю, що ключовим, що ми маємо винести з цієї новини, це надійність. Тобто, я думаю, що це дуже важливо. Неважливо, наскільки класний код людина пише, якщо вона його не пише, пише не так, пише не туди, пише не для того процесу, то це призводить не до тих результатів. Тому надійність, мені здається, є одним з ключових софтскілів, які треба тестувати при прийнятті нових інженерів на роботу. Руйнуємо бар'єри між командами. Новина від Антон Зайдес та Семюел Колат. Неефективний обмін знаннями між командами в організації призводить до серйозної проблеми ізольованості знань. Дослідження показує, що 45% розробників повідомляють, що така ізольованість негативно впливає на їхню продуктивність щонайменше тричі на тиждень, а 45% кажуть, що вона заважає донести свої ідеї в межах організації. Автори виділяють чотири основні причини ізольованості знань. Перше, відсутність горизонтального обміну інформацією, тобто колеги мало спілкуються одне з одним щодо вирішення робочих задач. Друге, неефективні поширення знань. Третє, недосконалий процес адаптації нових співробітників. Та четверте, мислення «ми проти них» всередині команд. Для вирішення проблеми відсутності горизонтального обміну рекомендується створення інженерних гільдій, при цьому важливо, щоб керівництво виділяло для них час і визнавало офіційно. Цікаво. Для ефективного поширення знань необхідні мінімальна життєздатна документація та стандартизація процесу її створення. Для досконалення адаптації нових співробітників пропонується призначати наставників, організовувати огляди продуктів і архітектури, а також знайомити їх з іншими командами. Для подолання мислення «ми проти них» потрібна радикальна прозорість, захочення обміну знаннями, архітектурні огляди та включення обміну знаннями до кар'єрного розвитку. Ключовий висновок полягає в тому, що поширення знань має стати фундаментальною частиною корпоративної культури, а не додатковим завданням. Я абсолютно погоджуюсь з висновками цієї статті, тому що Коли ми в себе у досить великій команді лідогенераторів зробили декілька воркшопів по обміну досвідом. Там були цікаві знахідки від, умовно, людей, які працюють не так давно в компанії, або які працюють навіть 3-4 роки, але вони дали інші погляди, інші перспективи щодо завдань, які вважалися стандартними і стандартно ефективними. І вони дали додаткові приклади того, як збільшити ефективність. І ця серія вебінарів, серія фактично воркшопів була визнана всіма учасниками дуже корисною. Тому якщо ви хочете збільшити ефективність роботи своєї організації, найпростіше, що залежить тільки від вас, це не підвищення зарплат, це не звільнення тих, хто працює гірше. Це все зрозуміло, але найпростіше, що ви можете зробити, це промотивувати людей поділитися найкращими результатами. Це можна зробити дуже просто. Зробити якийсь символічний приз, щоб додати змагальність цей процес. І це вже буде дуже круто. Я думаю, що спочатку люди будуть раді просто поділитися тим, що їх вислухають. Далі треба вже робити якусь мотивацію, якісь бонуси, призи і так далі. Але це абсолютно доступна для кожної організації процедура, яка, якщо ви говорите там дійсно важливі питання, не те, що вам здається важливим, а те, що здається важливим, власне, співробітникам. Звичайно, під вашим керівництвом, як менеджера, який веде процес вперед. Але дуже важливо, щоб щоб ці обговорення стали майданчиками для обговорення ініціатив знизу. Тобто, щоб люди мали можливість показати, що для них важливо, обговорити це з колегами, щоб їх почули, і фактично там є золоті зерна, які ми з вами, керівники, маємо досліджувати і впроваджувати в процес. Тому це такий прямий результат, як ця історія може класно працювати. Наступна новина називається Seeking Casualty. У пошуках причинно-наслідкових зв'язків. Новина від Роба Снайдера. Компанії купують продукти або послуги не просто через випадковий збіг обставин, а через наявність конкретної причинно-наслідкової логіки, яка лежить в основі їхнього рішення. У традиційному підході компанії часто ігнорують фактор причинності, просто масово розсилаючи продажні листи та спостерігаючи з результатами, не намагаючись глибше зрозуміти мотивацію потенційних клієнтів. Натомість правильний підхід, за думкою автора, полягає в ретельному аналізу причинності. Що конкретно змушує вашого клієнта зараз розглядати цей проект як критичний для свого бізнесу? як і інші клієнти також матимуть такий самий критичний попит на цей продукт або послугу. Маючи чітку теорію причинності, компанія може ввести більш продуктивні розмови з клієнтами, які майже напевно мають попит, замість намагання переконати тих, у кого попиту немає. Бути ефективнішими та результативнішими в процесі продажів, зосереджуючись виключно на клієнтах з справжнім попитом. створювати більш фокусований продукт, відсікаючи запити клієнтів, що не базується на реальному ринковому попиті? Ключове питання для компаній – що саме змушує конкретного клієнта вважати цей продукт критично важливим для свого бізнесу? Коментар від мене. Скажу, що в принципі треба продавати прямо зараз лише тим, хто вважає, що те рішення, яке ви даєте, буде критично важливим для вашого бізнесу. Тому що це буде високим пріоритетом в фінансуванні, тобто ви швидше отримаєте бюджет. Цей проєкт стане ключовим для самої компанії. Тобто ви будете більш потрібні клієнту, ніж клієнт вам. І це дуже важливо. Це дасть стабільність вашим бізнесам, це дасть стабільне навантаження вашим працівникам. Тому, в принципі, треба шукати і працювати лише тих клієнтів, для яких критично важливо вирішити те питання, над яким ви працюєте, на якому ви фокусуєтесь і де ви маєте успіхи. Тому це абсолютно важливо. Я повністю з цим погоджуюсь. Якщо вам потрібні клієнти з високим чеком в сфері розробки, внизу в коментарях буде опис, де ви зможете подивитися, де ви зможете призначити час для зустрічі. Миколі подобається, що це українською, і це круто. Прошу, ми будемо чередувати. Подивимося, як, скажімо так, яка форма подачі контенту буде більш затребована нашою цільовою аудиторією. Тому, в принципі, ми готові для різноманітних експериментів і так далі. Отже, якщо потрібні нові великі клієнти, в коментарі буде посилання на призначення зустрічі з командою лідегенераторів. Задавайте свої питання, вимагайте від лідегенераторів найбільших результатів, вони підготують для вас певний алгоритм роботи, за яким ви або працювати самостійно, або за допомогою наших інтеграторів отримати результат з фінансовою характерою. Бажаю всім нових великих клієнтів.