Идея трансформера, предложенная Васвани, на концептуальном уровне проста, но гениальна. В основе модели — механизм внимания, который через 90 головок внимания создаёт своеобразные «ловушки» для корреляций между векторами (словами или токенами). По сути, трансформер, как GPT, — это сыщик закономерностей, способный улавливать даже слабые «запахи» связей в данных.

Далее небольшая нейросеть, которую можно назвать перцептроном, обобщает результаты работы головок внимания. Первый слой этой сети — «нейроны-датчики» — анализирует, какие головки внимания «выстрелили», то есть какие закономерности они обнаружили. Второй слой формирует итоговый вывод, собирая эти данные в связную семантическую картину.

Например, если одна из головок внимания фиксирует слово «КАМАЗ» в контексте, перцептрон мгновенно добавляет связанные признаки: русский грузовик, есть колёса, может часто ломаться. Так трансформер превращает хаос данных в осмысленный результат

Про смену трендов на примере статистики нашего небольшого канала. В апреле у нас было менее 1000 подписчиков. Общие темы менеджмента и новости об ИИ перестали привлекать внимание — роста аудитории не наблюдалось.

В апреле я решил начать публиковать закрытые наработки по промптингу, и сразу начался рост на 70 человек в неделю.

Очевидно, что новости и общие темы ИИ уже не так интересны, как раньше. Людям нужен практический результат. Также резко вырос спрос на профессиональный контент по ИИ даже среди обычных людей, поскольку опыт работы с ИИ есть уже у всех. Следующий уровень — профессиональные знания.

Просматриваю программы наших курсов в России по промптингу. Ну жесть, конечно. Довольно очевидно, что нет экспертов в теме, максимум что-то нагуглят и потом продают по 40.000-70.000 рублей.

Показательная история с "методологией" COSTAR или TIDD-EC, что впаривают за такие деньги. Реально это были заметки в блогах примерно 1 год назад как это. Экономлю вам 40-70 тысяч рублей. Это такой идиотский промптинг на полстранички. Эффективность крайне сомнительная, т.к. видно, что придумал это дилетант. Дело в том, что style, tone и audience указывают, что тут вообще "слышал звон". Это в оригинале элемент SEO-генерации статей, где у какого-то SEO инженера забрали промт на коленке, но это не универсальная методика, а скорее довольно паршивый частный шаблон. Для SEO-генерации обычно не так делается у профессионалов. Нормальная методика - создать граф знаний для ИИ по сайтам конкурентов и базам знаний, потом создать 2х уровневый медиа-план и затем делать генерацию статей в большом контексте и далее еще использование вспомогательного ИИ для того же tone и style, т.к. это не бла-бла, а технология. Так что я вам только что сэкономил 6 недель обучения и 70 тысяч рублей. Такое вот обучение в России, стыд и только.

# CONTEXT #
I am a personal productivity developer. In the realm of personal development and productivity, there is a growing demand for systems that not only help individuals set goals but also convert those goals into actionable steps. Many struggle with the transition from aspirations to concrete actions, highlighting the need for an effective goal-to-system conversion process.

#########

# OBJECTIVE #
Your task is to guide me in creating a comprehensive system converter. This involves breaking down the process into distinct steps, including identifying the goal, employing the 5 Whys technique, learning core actions, setting intentions, and conducting periodic reviews. The aim is to provide a step-by-step guide for seamlessly transforming goals into actionable plans.

#########

# STYLE #
Write in an informative and instructional style, resembling a guide on personal development. Ensure clarity and coherence in the presentation of each step, catering to an audience keen on enhancing their productivity and goal attainment skills.

#########

# Tone #
Maintain a positive and motivational tone throughout, fostering a sense of empowerment and encouragement. It should feel like a friendly guide offering valuable insights.

# AUDIENCE #
The target audience is individuals interested in personal development and productivity enhancement. Assume a readership that seeks practical advice and actionable steps to turn their goals into tangible outcomes.

#########

# RESPONSE FORMAT #
Provide a structured list of steps for the goal-to-system conversion process. Each step should be clearly defined, and the overall format should be easy to follow for quick implementation.

#############

# START ANALYSIS #
If you understand, ask me for my goals.

https://medium.com/@frugalzentennial/unlocking-the-power-of-costar-prompt-engineering-a-guide-and-example-on-converting-goals-into-dc5751ce9875

В России не так много специалистов мирового уровня, занимающихся графами в ИИ, поскольку отечественный уровень развития ИИ в целом уступает мировому. Это заметно, например, по каналам об ИИ, где чаще всего встречается перепечатывание новостей ботами, а поток уникального контента, характерный для зарубежных источников, практически отсутствует.

Тем не менее, есть яркие исключения. Пётр Анохин, Никита Семёнов, Артём Сорокин, Дмитрий Евсеев, Андрей Кравченко, Михаил Бурцев и Евгений Бурнаев представили свою разработку — AriGraph. Недавно они обновили свою публикацию.

Основной акцент в их исследовании сделан на технике "триплетов" для построения графов, где используются элементы subject, relation, object. Сама по себе техника триплетов является признанным best practice в работе с графами, однако она остаётся своего рода "тайным знанием" для узкого круга специалистов, занимающихся промптингом.

Авторы работы убедительно демонстрируют, что без использования графов ИИ оказывается значительно менее эффективным, поскольку графы существенно улучшают многошаговые рассуждения ИИ. Это достигается за счёт возможности навигации по логически связанным сущностям в графе. Важно также отметить, что использование графов не только повышает интеллектуальные способности ИИ, но и делает его работу значительно надёжнее по сравнению с "промптами на коленке", которые часто применяются в любительской практике.

Современные ИИ-системы уже обладают высокой интеллектуальной мощью, но их ключевая проблема — это надёжность. Графы - ключ к надежности ИИ.

https://arxiv.org/abs/2407.04363

Важный момент касательно реального потенциала vibe coding у ИИ. Cовременные модели, такие как GPT, уже программируют значительно лучше, чем может показаться. По мере совершенствования методик промптинга и постановки задач качество кода, создаваемого ИИ, будет расти почти в геометрической прогрессии.

Сейчас программисты чаще оценивают ИИ через призму реальных задач, таких как тесты SWE Bench, где требуется вносить правки в код с нечеткими спецификациями. В таких задачах успех ИИ составляет около 50%. Однако, если задача поставлена с математической точностью и детерминировано, то уже с февраля 2025 года ИИ программирует на уровне Top 5% лучших программистов. Это подтверждают результаты тестов Codeforces с рейтингами выше 2050 баллов.

Неудивительно, что ко мне хлынули толпы программистов, желающих обучиться программированию с использованием ИИ. Для тех, кто достаточно прозорлив, очевидно, что традиционный IT-бизнес находится на "горящей платформе". Те, кто не успеет адаптироваться, рискуют потерять работу.

Илон Маск сегодня демонстрирует способность Grok создавать готовый программный продукт на основе эскиза интерфейса.

Те, кто проходили мой курс по vibe coding, наверняка улыбнулись, ведь создание приложений по эскизам — это уже давно часть нашей программы. Почувствуйте себя круче Илона Маска! 😎

Gemini отлично справляется с генерацией пользовательских интерфейсов на основе эскизов. Как ни странно, для прототипирования интерфейсов лучше всего подходит Excel из-за его табличной структуры и разлиновки. Я считаю, что фронтенд-разработчики станут первыми, кто ощутит давление ИИ-ботов программирования. Код для интерфейсов, несмотря на объем и наличие обработчиков событий, для ИИ относительно прост в генерации. Если интерфейс несложный, вероятность того, что он запустится без тестирования, превышает 70%, даже при наличии множества элементов управления.

Если вы торгуете чем-то профессиональным в ИИ, то общение с клиентами выглядит сейчас так 😎

Даже не важно чем. Обучением или решением каких-то задач на ИИ, но главное профессионально. Люди уже имеют сами далеко не нулевой опыт в ИИ и прекрасно понимают, что рынок наполнен еще шарлатанами "первой волны", которые пользовались тем, что люди плохо понимали что такое GPT вообще.

Сейчас клиенты разобрались уже и тут выяснилось, что шарлатанов много и они никому не нужны, а у экспертов очередь как к хорошему стоматологу.

Но что еще важно, что рынок потребления профессиональных услуг по ИИ уже сформировался в России и быстро растет. Когда есть спрос, тогда появляется и хорошее предложение.

Многие спрашивают, что за фотография у меня на аватарке, особенно учитывая, что я заметно старше. Чтобы понять контекст, важно знать: эту фотографию узнавали по всему миру несколько лет. В 2010 году Microsoft проводил всемирную конференцию по технологиям управления проектами в Барселоне. Тогда впервые Microsoft публично признал, что лучший кейс внедрения Microsoft Project Server был реализован в России. На конференции выступал CEO Tricolor TV, а я рассказывал о связке портфеля проектов через "контрольные точки" в духе HP PPM. Сегодня это фактически стандарт для многих компаний в России.

На банкете конференции меня сфотографировала пресса, и Microsoft включил это фото в свой пресс-пак. Но вот что важно отметить из моего опыта работы с Microsoft: вопреки стереотипам о "непревзойденной мощи российского ИТ", за рубежом редко признают достижения из России. Поэтому, когда я читаю в Telegram, что наши ИИ-технологии "лучше всех в мире", то хотелось бы, чтобы это признал и кто-то за пределами России

К слову, по конференциям Microsoft. Эта фотка хороший тоже пример, что есть публичные гайды для чайников, а есть закрытая информация "для своих" как сейчас и с промптингом.

На конференции было около 500 крупнейших мировых клиентов Microsoft. Однако в реале потом проводились такие митинги избранных в узком элитарном кругу. Прямо на конференции, но отдельно. Там совсем другой контент.

Поэтому не удивляйтесь когда и по ИИ нет публичной информации.

Простым смертным не все положено знать. Так крупные вендоры всегда работали - через "круг лиц приближенных к Императору"

Как не надо бежать за горячими новостями, а больше разбираться в корпоративных отношениях. Я не постил новость насчёт интеграции Grok и Telegram по заявлению Дурова по причине, что аналогичное заявление не сделал Маск.

Так не принято.

Теперь Маск выступил с опровержением, Дуров считает, что "остались формальности", но это вопрос, получит ли он все что хотел.

Сделка может и сорваться из-за странной поспешности Дурова и не совсем его корректного поведения в плане бизнес-этики

Похоже у Цукерберга кризис. Ключевые эксперты по Llama 4 разбегаются. Хотя Llama 4 Maverick Experimental крайне интересный ИИ, но уже все больше очевидно, что Марк не может выпустить с ней релиз. По слухам это связано с тем, что это бот Salesforce, который Марк выпросил у своего клиента для победы на Арене. Так или иначе, но коробочная Llama 4 реально получила плохие отзывы, скандалы с тестами ещё усугубили ситуацию. Похоже, что Китай побеждает в Open Source AI довольно убедительно с DeepSeek и Qwen

https://www.perplexity.ai/page/meta-loses-78-of-original-llam-Zcu7ilxbQZqkgSsXhtyebg

DeepSeek обновил свои R1 и выпустил версию способную работать локально. Однако не этого ждали эксперты в теме в мае. DeepSeek опубликовал множество технологий условного R2, где должен был быть контекст 1 миллион или более токенов, резкое повышение скорости и явное повышение качества выдачи. Как видно, тут начались срывы сроков. Для такой плотной гонки как сейчас это даже не безопасно для позиции на рынке. Gemini обновляется в довольно быстром темпе, Grok новый на подходе.

https://techcrunch.com/2025/05/29/deepseeks-distilled-new-r1-ai-model-can-run-on-a-single-gpu/

Насчет семантических разметок в vibe coding или "ловушка для чайника" от ИИ.

Обычно ИИ генерирует код без семантических разметок, таких как контракты и якоря. Если код небольшой, до 500 строк, это иногда работает, и новичок радуется результату. Но, как можно заметить даже в нашем чате, вскоре начинаются крики: "ПОМОГИТЕ!". С определенного момента ИИ уже не способен исправлять ошибки или дорабатывать код. Это происходит из-за отсутствия семантической полноты в коде, которая указывает ИИ, что именно нужно делать, а также из-за отсутствия системы якорей для ориентации его внимания. В итоге такой код часто приходится выкидывать.

Семантическую разметку можно внедрить только на этапе первой генерации кода. Встроить ее позже практически невозможно, поскольку генерация кода обычно опирается на эту разметку. Не занимайтесь кулибинщиной, если создаете крупные программы с помощью ИИ. На обучении я даю большие шаблоны и промпты для корректной семантической разметки кода, которые помогают избежать подобных проблем.

Время сдачи ЕГЭ и поступления в ВУЗы. Давайте поразмыслим куда ребенка точно не стоит сдавать. Как физик и программист по образованию отмечу:
ни в коем случае не отправляйте ребенка учится на физматные и программисткие специальности

ИИ просто сотрет его карьеру в порошок, т.к. он окажется в лобовой конкуренции с ИИ ботами на поляне, где они максимально мощны.

Конечно программирование и физика не умрет, но будет почти никакое отношение к тому, как сейчас ее преподают в ВУЗах. Программирование и физика с ИИ - это совсем другая тема, чем старые программы обучения наших университетов. Они не устарели, а они бессмысленные при наличии ИИ уровня 2030х.

Отравляя ребенка учится в Универ, вы должны четко представлять, где ИИ особенно мощен уже, а в 2030х будет сверхмощен. Поэтому нужно или обучение в контексте ИИ или не тратьте время ребенка на ерунду.

Самые мощные компетенции ИИ рисуются тут:
- программирование
- физика
- математика
- химия
- биология
- медицина
- менеджмент
- экономика
- история
- психология
- юриспруденция
- маркетинг

Это что окажется в эпицентре влияния ИИ, там же почти все инженерные специальности, но несколько меньше

Есть очень важный момент с образованием в Универе - оно БЕССМЫСЛЕННОЕ в части постановки мышления работы с ИИ. Дело в том, что век господства математического и алгоритмического мышления заканчивается. Начинается время "векторного мышления". Это совсем другая тема. Просто приведу рабочие абстракции векторного мышления в работе с ИИ:
- свободное мышление 10.000 мерными пространствами векторов и проекциями в них
- корреляционная интуиция
- мысленная навигация по графам векторов
- смещение от семантики слов к семантике резонанса векторов в контексте
- замена алгоритмов на декларации композиций векторов
- понятие семантического окрашивания векторов
- распределенное внимание ИИ и навигация в нем

Это похоже на математическое и алгоритмическое мышление в классике? НЕТ! Это другая тема и ВУЗ ей не научит по программам прошлого века. Только сам или каким-то еще дополнительным образованием, госсистема не успеет догнать прогресс.

Это очевидно

Дарио Амодеи, глава Anthropic (создатель Claude), видит будущее так же, как и я. Он предсказывает «кровавую резню» для белых воротничков с устаревшим образованием. Его прогноз: «Рак излечён благодаря ИИ, экономика растёт на 10% в год за счёт ИИ, бюджеты стран сбалансированы налогами от ИИ-компаний, но 20% людей остаются без работы».

Амодеи отмечает, что многие обыватели ведут себя как «страусы», игнорируя грядущие перемены. Он заявляет: «Мы, как разработчики ИИ, обязаны честно говорить о том, что вас ждёт». Вместо того чтобы использовать время для переобучения работе с ИИ, некоторые кричат: «Мы вам не верим!». Дарио лишь пожимает плечами: «Мы вас предупреждали, а вы сами ответите за свои решения».

https://www.axios.com/2025/05/28/ai-jobs-white-collar-unemployment-anthropic

Хотя я одним из первых активно евангелизировал артефакты Claude как серьезную инновацию в ИИ и предсказал, что это станет новым трендом (что и подтвердилось), те, кто меня хорошо знает, в курсе, что я резко критикую Claude за отставание от конкурентов в области бизнес-аналитики, например, при работе с техническими заданиями (ТЗ). Для создания кода копилоты уже не так актуальны — их время уходит. Также Claude проигрывает по размеру контекста в сравнении с Gemini.

Тем не менее, стоит признать, что Claude 4 выглядит убедительно в своей фокусной нише — разработке frontend на JavaScript+React. Первое место на Арене выглядит заслуженным и впечатляющим.

Для бизнес-моделей с Claude перспективно применение графов. Если сжимать бизнес-требования в графы, то в 200 тысяч токенов контекста Claude можно уместить даже серьезную разработку, где генерируются сразу несколько модулей на 2000–3000 строк кода.

Попробую объяснить на пальцах ключевую концепцию работы с GPT для эффективного промптинга:
ваши слова отдельно сами по себе для GPT почти ничего не значат, их значение формируется через корреляцию в комбинации.

Обычно люди, создавая промпты для GPT, предполагают, что их слова несут человеческий смысл для модели. Узнав, что вектор слова в GPT имеет, например, 10 000 измерений, многие думают, что это означает наличие множества признаков вроде цвета или формы. Это опасное заблуждение! Огромная размерность вектора в GPT на 99% служит для отражения корреляций в контексте. Для вас слово дом — это богатый образ. Для GPT вектор слова дом сам по себе бессмыслен, пока не появятся слова вроде стены или крыша, с которыми у него есть корреляция.

GPT воспринимает семантику как семантический резонанс комбинаций векторов ваших слов, и это важно четко понимать.

Я стараюсь объяснить этот элемент "векторного мышления" на обучении, но это довольно сложная абстракция, хотя и крайне важная.

В личку пишут с просьбами прокомментировать дроны с ИИ для автономного поражения целей из бытовых комплектующих. Успехи впечатляют, но технологии ИИ примитивны, включая наш "Ланцет". Это обычно сверточная нейросеть на Nvidia Jetson с библиотекой YOLO, обученная на распознавание целей, даже по музейным экспонатам советской техники. Управление — по радио или LTE, если не отключают GSM-сеть. Автономность только на "терминальной фазе".

Это не прорыв, а технологии 5-летней давности, как в этом видео чешского стартапа. Nvidia Jetson стоит ~$100, питается от батареек. Современные мультимодальные нейросети решают куда более сложные задачи, вроде анализа строительных чертежей или эскизов UI для IT-разработки.

Даже оцифровка базы товаров маркетплейса сложнее таких дронов, но для военных технологий примитивность часто ключ к эффективности