Отличный маркетинг

Упс!

World and Human Action Model (WHAM)

Ну, за Геймдев!

Если кратко, то это генератор геймплея. Любого. Были бы видеокарты.
Но не те, что ворочают графику, а те, что генерят картинки.
Вы жмете на кнопки контроллера, ИИ генерит геймплей.

Внимание: в реалтайме.

Если некратко:

Микрософт бахнул World and Human Action Model (WHAM)

WHAM - это авторегрессионная модель, которая была обучена предсказывать (токенизированные) визуальные эффекты игры и действия контроллера по промпту. Промптами здесь могут быть либо визуальные образы (один или несколько начальных игровых образов), либо поведение контроллера. Это позволяет пользователю запускать модель в режиме:
(а) моделирования мира (генерировать визуальные образы, учитывая действия контроллера),
(б) правила поведения (генерировать действия контроллера, учитывая прошлые визуальные образы) или
(в) генерировать и визуальные образы, и поведение.

WHAM был обучен на данных кожаного игрового процесса, чтобы предсказывать визуальные эффекты игры и действия игроков с контроллером. Они работали с игровой студией Ninja Theory и ее игрой Bleeding Edge - трехмерной многопользовательской видеоигрой в формате 4v4. Из полученных данных извлекли анонимные данные за один год от 27 990 игроков, зафиксировав широкий спектр поведения и взаимодействия. Образец этих данных представлен здесь.

В общем, прихОдите вечером домой и думаете, чем сегодня заняться. Посмотреть сгенеренный под вас сериал или поиграть в игру, которая генерится прям под ваши фантазии в реальном времени?

Веса и все дела забирайте тут:
https://huggingface.co/microsoft/wham

Две модели: малая и большая:
WHAM with 200M parameters, model size: 3.7GB
WHAM with 1.6B parameters, model size: 18.9GB

Причем малая запускается даже на 1080 (что?), для большой надо уже A6000+.

"данные за один год от 27 990 игроков" - впечатляет.

@cgevent

Это вам за то что не молитесь

Продолжение про ИИ, агенты и вот это все.

1. Раньше были чат-боты - это довольно примитивная технология, в которой вы навастриваете бота на простые реакции пользователя, но, разумеется, никакого "бота" нет. Вы сами пишите реплики, делаете деревья диалогов, в ответ на обусловленны реплики подгружаете документы. Все вы это видели в поддержках разных компаний. В 5% обращений бот решает вашу проблему, но в 95% случаев надо общаться с человеком через чат или по телефону.

2. За последний год народ наклепал Ассистентов. Что это? Это обычный ИИ чат, под каптом которого тот же chatGPT (в 90% случаев), т.е. вам кажется, что вы общаетесь с каким-то уникальным ИИ, но это не так. Как это делают хитрые программисты?

3. Берется холявный фреймворк ChatUI (везде скачать можно), соединяется с chatGPT. Можно прямо, можно через какой-нить Zapier. 99% сервисов сделаны так, просто вы деньги платите не OpenAI, а посреднику, причем, наценка от 1000%. Но по сути этот тот же самый chatGPR (или аналогичный чат), т.е. это не ИИ-агент, которого мы обсуждали в одном из прошлых постов. Также сделаны все ИИ боты в Телеграме. Прокладка для денег.

4. Также есть сервисы, которые обещают, что вы можете СОЗДАТЬ своего УНИКАЛЬНОГО ассистента. Те же яйца, вид сбоку, вы по любому общаетесь с ТЕМ ЖЕ chatGPT, просто к нему идет не просто ваш промт, а каждый раз к нему добавляется "описание личности" - типа - "Ты красивая тян, отвечающая мне в стиле ми-ми-ми." Это развод невежественных. Всякие томные ИИ герлы, и прочие.

4. Наконец, есть билдеры ассистентов, которые позволяют добавлять ваши документы, материалы и вы МОЖЕТЕ ДЕЛАТЬ СВОЕГО ЦИФРОВОГО уникального аватара, который будет опираться на ваши данные, и они, конечно будут безопасны. И опять здесь эксплуатируются стандартные возможности Open AI (или кого-то из них), но есть одна добавка, о которой я напишу ниже. И опять, это ЕЩЕ Не ИИ-агент. Почему?

5. В чем отличается реальный ИИ агент от ИИ ассистента?

Ассистен это просто chatGPT, т.е. одноразовое действие, все время нужно с ним общаться или через API, но тогда он не помнит ничего, - умный, но тупой.

Агент же способен выполнять цепочки из многих действий, поддерживать flow, принимать решения, анализировать, уточнять, взаимодействовать с другими Агентами и людьми, т.е. по сути создавать целую орг. структуру из ИИ агентов и работать 100% автономно в условиях неопределенности, получать неструктурированные данные.

7. Т.е Ассистент не может ЗАМЕНИТЬ маркетолога или бухгалтера, к примеру, но может только ПОМОЧЬ им с выполнением определенных задач.

А вот Агент может 100% заменить целый отдел маркетинга или огромную бухгалтерию, когда вместо дружного женского коллектива из 50 человек остаются 2 человека - главный бухгалтер, который досконально понимает в предмете и девелопер (не программист) ИИ-агента, тот кто может построить рабочий цикл (процесс) всего департамента, связать его со всеми сервисами и подключить на разных этапах ИИ, и не один, а несколько.

На входе ИИ-агента транзакции, на выходе любая отчетность и Агент сам файлит налоги.

8. К примеру, современные бухгалтерские программы от Intuit способны вести учет в Quick-book и файлить налоги через Turbo Tax, но с этим общается фин.директор и бухгалтер.

При этом Quickbook интегрирован со всеми банками, т.е. в реальном времени получает все транзакции, а TurboTax интегрирован с IRS. А между ними человек.

9. Если это малый бизнес, то часто сам предприниматель файлит налоги. Если средний, то уже несколько человек, и вот 1000% в течении пары лет 90% бухгалтеров пойдут на выход.

Останется 2 (два) человека - бухгалтер и девелопер, а когда Intuit раскатает свою мульти-агентную систему, то на выход пойдут и бухгалтер и девелопер. Улавливаете? Здорово! Да?

10. Потом берете другой департамент. К примеру, маркетинга (продаж) или HR, документооборот, работа с клиентами и поддержка, редакция.

Оно не сразу будет, конечно. Но постепенно какой-то процесс будут передавать Агенту, потом больше, больше, а люди на выход. Неизбежно, потому что экономия чудовищная, качество высокое, стабильность и никаких профсоюзов.

11. Это уже сейчас можно, все инструменты есть, т.е. любой, кто хотя бы немного занимался no-code/low-code автоматизацией, лепил всякие воронки, интеграции с Zapier/Make/n8n.io - это могут уже сейчас, очень быстро научатся. Почему?

12. Потому что, к примеру Open AI уже предоставил всю инфраструктуру, просто 99% народу еще об этом не знаю. Не знают, что это ТАК доступно.

Продолжать? Если да, поставьте 1, а можно и лайк, а можно и шер (алишер), тем более, что политикой я вас больше мучить не буду, а только ИИ, бизнес, маркетинг, игры, рост, космос, ТКР и смысл жизни. Для тех, кто еще хочет читать мой троллинг про политику я создал отдельную группу: https://bit.ly/41o68Iu

В общем все это хорошо и очень МНОГООБЕЩАЮЩЕ, но есть одна жуткая проблема, которая портит весь банкет и об этом в след. посте, так что подпишитесь и поставьте звездочку, чтобы не просра... пропустить полимеры.

Кто хочет читать в FB: https://www.facebook.com/alex.v.krol

Но вот это самое важное. ФБ иногда дает трафик (как и все соц.сети), поэтому если залетает, то все норм. А в телеге никогда не залетает.

Это все чистая органика.

«…Брак все больше становится уделом высших классов. Это не очень хороший знак. Экономический разрыв между домохозяйствами с одним и двумя родителями становится все больше. Дети, растущие в семьях с одним родителем, в среднем находятся в крайне неблагоприятном экономическом положении и эта проблема может стать проблемой не одного поколения, а запустит спираль расслоения на многие поколения вперед…»

В статье обсуждается снижение числа браков и романтических отношений в США и во всем мире. Автор анализирует экономические, культурные и технологические факторы, повлиявшие на этот тренд. Основные причины включают ухудшение финансового положения мужчин, изменения в ожиданиях женщин, влияние социальных сетей и широкую доступность контрацепции. В результате этот кризис отношений связан с демографическим спадом и снижением уровня счастья среди населения.

Источник: https://bit.ly/4gNbukS

1. Снижение числа браков и романтических отношений
Доля молодежи, состоящей в отношениях, резко упала: в США менее 50% старшеклассников заявляют, что встречаются (по сравнению с 85% в 1980-х). Аналогичный тренд наблюдается среди взрослых: уровень браков достиг исторического минимума, а число женщин моложе 65 лет, не живущих с партнёром, продолжает расти.
2. Экономическая нестабильность мужчин мешает созданию семей
Исследования показывают, что мужчины с низкими доходами и без высшего образования менее привлекательны для женщин как партнеры. Средний заработок менее образованных мужчин упал на 25% за последние 50 лет, тогда как общий доход по стране вырос. Брак, исторически выполнявший роль экономической страховки для женщин, становится менее актуальным, если мужчина не может предложить стабильность.
3. Социальные сети и смартфоны изменили динамику отношений
Молодежь меньше общается в реальном мире, предпочитая онлайн-развлечения. Соцсети не только сокращают возможности для знакомств, но и формируют нереалистичные ожидания: женщины сравнивают потенциальных партнеров с идеализированными образами, популяризируемыми в интернете, что ведет к разочарованию и отказу от реальных отношений.
4. Доступность контрацепции изменила структуру отношений
Распространение противозачаточных средств в 1970-х сделало секс менее связанным с обязательствами. В прошлом “браки по залету” были распространены, но с появлением контроля над рождаемостью женщины получили больше свободы и меньше причин вступать в брак из-за беременности.
5. Связь романтического кризиса с демографическим спадом и уровнем счастья
Падение числа браков ведёт к снижению рождаемости, так как брак остаётся основным институтом, способствующим рождению детей. Также исследования показывают, что женатые люди в среднем более счастливы, чем холостые. Социальная и романтическая изоляция усиливает кризис одиночества, особенно среди бедных, которые и без того имеют меньше социальных связей.

Жесть! Компания Clone Robotics представила Protoclone, первого в мире двуногого андроида с опорно-двигательным аппаратом. Этот андроид имеет безликий, анатомически точный дизайн с более чем 200 степенями свободы, более 1000 синтетических мышц (миофибрилл) и 500 датчиков. Protoclone представляет собой скачок в технологии робототехники, используя биомиметический дизайн для копирования человеческих движений с высокой точностью. Представление Protoclone вызвало широкий спектр реакций: от благоговения перед его технологической сложностью до философских дебатов о последствиях таких передовых роботов для общества. Обсуждения включают как потенциальные преимущества в различных областях, так и опасения относительно интеграции этих роботов в повседневную жизнь. https://x.com/i/trending/1892365494969106888

(Политика в США - https://www.facebook.com/groups/tcrpolitcs)

Patreon пообщался с 1000+ креаторами и 2000+ их фанами и опубликовали большой отчет State Of Create.

Там много статистики, большинство из которой стоит воспринимать с учетом интересов самого Patreon, но если уж выбирать самое главное (с моими дополнениями):

✦ Большинство креаторов считают, что сейчас сложнее достучаться до своей аудитории, чем 5 лет назад. Выросла конкуренция, снизился порог входа в создание контента, AI наступает.

✦ Но главный виновник — конечно же, TikTok и короткие видео. 80% времени пользователей в ТикТоке уходит на просмотр контента от незнакомых авторов.

✦ Лишь 68% фанатов в TikTok чувствуют себя частью сообщества. И аж 94% на Patreon.

✦ При этом авторы зарабатывают в 40 раз больше с одного подписчика на Patreon, чем на TikTok. Ну, логично.

✦ Более 50% от $290 млрд в экономике креаторов составляют прямые платежи от аудитории (подписки, курсы, донаты). Эта выручка оказывается более стабильной и предсказуемой, чем выплаты от самих площадок.

✦ Алгоритмы заставляют креаторов постить кликбейт, мемы и тренды, чтобы оставаться на плаву охватов, вместо того, чтобы создавать то, что им в кайф. Результат — тотальное выгорание, рано или поздно.

Вывод: алгоритмическую ленту сожрут алгоритмические же видео, концепция фолловера умрёт (Patreon хоронил его уже в 2023), а потребление реального контента и ощущение причастности к комьюнити окончательно уйдут в закрытые площадки вроде Patreon.

утащил здесь.

А что будет через 5 лет?

Ч 1. В прошлом посте мы немного разобрались, в чём разница между полноценным ИИ Агентом и просто Ассистентом.

В итоге всё сводится к тому, что Агент состоит из множества Ассистентов, которые взаимодействуют между собой, договариваются, выполняют задачи и так далее. Процесс состоит из шагов, и на каждом из них в той или иной степени задействован либо Ассистент, либо непосредственно Модель. Давайте заглянем немного глубже.

1. Ассистент работает на основе Модель, но он нечто гораздо большее. Модель лишь часть Ассистента, поэтому, прежде чем создавать Агента, нужно понять, что такое Ассистент и как он работает — от этого зависит ваша способность построить действительно эффективного Агента, выполняющего нужные задачи.

Здесь важно осознать ключевое отличие между обычными компьютерными программами, алгоритмами, существовавшими до появления интеллектуальных агентов, и тем, что появилось с развитием искусственного интеллекта и ассистентов.

2. Когда вы создаёте жёсткий алгоритм, технологический процесс или инструкцию — неважно, о какой именно последовательности действий идёт речь, — вы заранее определяете формат входных данных. Вы точно задаёте, какую информацию должен предоставить пользователь. Соответственно, алгоритм обрабатывает эту информацию строго по заложенным правилам.

У такого подхода есть и плюсы, и минусы.

- Минус в том, что алгоритм негибкий: что заложено изначально, то он и выполняет. Если, например, робот запрограммирован на ремонт квартиры, он будет следовать инструкции без возможности отклониться от неё, даже если возникнет нестандартная ситуация.
- Но есть и плюс: если всё работает как задумано, алгоритм выполняет задачу точно и предсказуемо. То есть результат всегда будет таким, каким его ожидали.

Когда же мы используем искусственный интеллект в его нынешнем виде, ситуация меняется.

- Главное преимущество ИИ — это гибкость: он может работать с неточными инструкциями, додумывать детали, искать дополнительные данные, даже если о них не просили. Он умеет справляться с неопределённостью, чего жёсткие алгоритмы делать не могут. Это открывает огромные возможности.

- Но есть и обратная сторона: сам процесс "размышлений" модели — это условная, статистически вероятностная процедура. А значит, её результат не всегда предсказуем. Иногда модель выдаёт логичный ответ, иногда — неожиданный, а иногда и вовсе придумывает несуществующие факты (это явление называют "галлюцинациями").

Таким образом, у нас есть два подхода:

- Чёткий, но негибкий исполнитель, который делает ровно то, что сказано, не выходя за заданные рамки.
- Гибкий и креативный, но непредсказуемый помощник, который способен адаптироваться, но может допускать ошибки.

3. Здесь важно найти баланс. Именно поэтому нужно понимать, как работает ассистент. Мы обсудим это чуть позже.

Но ключевая идея в том, что результат работы Ассистента напрямую зависит от постановки задачи. Если при взаимодействии с Ассистентами кажется, что они "тупят", отвечают невпопад или делают не то, что нужно, то в 99% случаев проблема не в нем, а в некорректной постановке задачи.

Думаю, для большинства это очевидно. Когда вы нанимаете человека для выполнения задачи, чем точнее и понятнее вы объясните, что именно нужно сделать, тем выше шанс, что работа будет выполнена правильно.

С Ассистентом ситуация схожая, но с дополнительными нюансами: возможны галлюцинации, дрейф, деградация диалога и другие специфические особенности технологии. Но в целом принцип остаётся тем же: если вы правильно ставите задачу, вы получаете правильный результат.

4. Теперь вопрос: почему так важно научиться правильно работать с Ассистентами? Потому что Агент — это, по сути, просто цепочка Ассистентов. Точнее сказать, у вас может один Ассистент или группа, но всегда есть цепочка заданий для него или группы Ассистентов. Понимаете, да? Ассистент — это как джин, который делает то, что вам нужно. Однако, чтобы Ассистент превратился в Агента, ему нужна дорожная карта: что делать, по каким этапам, какие данные использовать и так далее.

Ч 2. 5. Каждое задание — это инструкция для Ассистента. Вы должны объяснить, что и как Ассистент должен выполнять. И здесь засада.

Если вы не умеете формулировать задачи даже на уровне одного запроса, то построить полноценного Агента не получится.

Сейчас уже есть множество инструментов для создания Агентов — от простых до сложных. Но суть остаётся неизменной: если вы не знаете, чего хотите, не формулируете чёткую задачу и не даёте достаточный контекст, вы не получите нужного результата.

Даже в обычном диалоге с Ассистентом, когда кажется, что он "глючит", причина чаще всего в неправильном взаимодействии. Если вы не научились правильно работать с Ассистентом на уровне одного запроса, то тем более не сможете выстроить систему из множества взаимодействий.

6. Поэтому давайте разберёмся, как работает Ассистент. На самом деле, ничего сложного в этом нет. Я не буду углубляться в технические детали — в них сейчас нет необходимости. Итак, что из себя представляет ассистент? Ассистент фактически состоит из двух частей:

1. Языковая модель (LLM) — она отвечает за генерацию ответов, условно говоря, "размышляет" и "думает".
2. Контекст — память или база данных, которые позволяют учитывать предыдущие взаимодействия.

Что это значит?

Представьте, что вы беседуете с человеком. Разговор длится какое-то время, и естественно предположить, что ваш собеседник помнит, о чем вы говорили 5–10 минут назад. Возможно, не в деталях, но общий смысл сохраняется. Более того, если вы пообщаетесь сегодня, а затем созвонитесь через пару дней или даже через месяц, он все равно будет в курсе происходящего.

Если вы работаете в команде над проектом, ваши обсуждения, созданные документы, написанный код — все это формирует общий контекст, который придает смысл дальнейшей работе.

Так вот, без этого контекста языковая модель напоминает "умного глупца". Это все равно что разговаривать с человеком, у которого полная амнезия краткосрочной памяти. Он осмысленно отвечает на ваши слова, но если разговор продолжается, тут же забывает, о чем шла речь.

То же самое происходит и с моделью без памяти: она помнит только текущую сессию. В ходе диалога держит в уме 5–10 последних реплик, но как только вы закроете чат и откроете новый — все забудется. Именно поэтому при использовании через API модель может казаться "тупой".

Когда же Модель превращается в Ассистента?

7. Тогда, когда ваши запросы не просто передаются модели, но и записываются в память. Это позволяет учитывать разные сессии, загружать документы, работать с базами знаний и другими объектами.

Важно понимать, что ассистент помнит контекст не так, как человек. Его память организована иначе — это не просто база данных, а сложная система, позволяющая анализировать и использовать предыдущие взаимодействия. Хотя многие компании утверждают, что ассистенты не хранят данные о прошлых сессиях, на практике это не всегда так. Но и это еще не все.

8. Когда вы общаетесь с ассистентом, кажется, будто вы взаимодействуете с одной "личностью". На самом деле это не так. Внутри системы работают сразу несколько моделей, каждая из которых выполняет свою задачу.

1. Одна модель пытается понять, что вы сказали.
2. Другая анализирует запрос и ищет информацию в базе данных или памяти.
3. Еще одна формирует ответ и проверяет его на логичность.

Все эти процессы происходят параллельно, и когда система находит наиболее подходящий ответ, он передается вам.

Этот механизм называется оркестрированием — процессом координации нескольких моделей, работающих вместе для достижения лучшего результата. Таким образом, Ассистент — это не просто языковая модель, а комплексная система, в которой несколько моделей работают в связке с контекстной памятью. Это и делает взаимодействие с ним осмысленным и полезным.

9. Но, когда вы будете создавать продвинутых Агентов, вам нужно фокусироваться на двух вещах:

1. Последовательность задач, которые агенты должны решать.
2. Определение инструментов для выполнения этих задач. Что это значит?