the year of AI thinking
Начало января — время, когда подводить итоги уже вроде как поздно, да и особо не хочется. Все уже что-то расписали, подвели, спланировали, порадовались или порефлексировали. Я сам в какой-то момент просто открыл альбомы, пролистал фотографии за год, посмотрел на заметки в Obsidian и календари. Вроде что-то вспомнил, что-то даже понял про себя. Но вот чего мне реально не хватило — это чёткой системы, конвенции имен и каких-то простых правил, которые помогли бы мне не просто вспомнить пару событий, а сразу увидеть что было создано за год.
Сейчас хочется поделиться не столько советами, сколько выводами. Не о том, как планировать или что трекать, а о том, как (мне) хочется жить, чтобы через год была опора на собственную память. Это не про продуктивность или дисциплину, а про то, как можно хотя бы минимально организовать свой поток данных, создав необходимый контекст для AI. Я понимаю, что у большинства из нас нет ресурса на ежедневное ведение дневника, трекинг эмоций или фиксирование всех идей. У кого-то нет времени, у кого-то — желания. У меня, если честно, то же самое. Зато есть минимальные вещи, которые можно делать и которые реально работают.
Начнём с календаря. В нём куча ивентов, но чаще всего они называются так, что через год их уже невозможно расшифровать. “Meeting”. “sync w Alex”. Небольшая конвенция имен по проектам и сферам сразу добавит ценности. Например “alex Review Q1 | Marketing | AI mindset”. А если ещё если настроить, чтобы транскрипт этой встречи падал в папку Obsidian с таким же названием... Обсуждение закончилось — текст автоматически сохранился, и ты всегда можешь к нему вернуться в 3 клика. Еще один клик и достать оттуда кастомное саммари.
Цветовое кодирование календаря тоже достаточно важная штука. Все мы при планировании как-то представили сферы своей жизни. Wheel of Life или какая-нибудь схожая методология позволит это сделать. Если по первому взгляду на календарь будет понятно, к какой категории относится ивент, это сильно поможет сбалансировать жизнь. Или быстро подвести какой-то промежуточный итог в конце периода. У меня, например, глобально всего четыре категории – art, tech, mind, body. Они потом дробятся на более мелкие, но глобально всего 4 вектора.
Или заметки. Понятно, что для меня это Obsidian, но это может быть любой самый простой текстовый редактор. Иногда достаточно одной строчки “Сильно выгорел, надо что-то менять”. Это не требует огромных усилий, зато даёт понимание, что происходило в жизни, и помогает собирать пазл потом.
Конечно, всё это требует какого-то ресурса, но одно дело написать три страницы дневника в конце сложного дня, но совсем другое – одно голосовое сообщение в Telegram на 30 секунд – и пару абзацев текста уже в вашей дневной заметке. Если ещё настроить, чтобы это сообщение автоматически сохранялось в Obsidian или Notion, ты вообще перестаёшь думать о системе.
Эти несколько конвенций устанавливаются один раз и потом просто помогают вам систематизировать процессы. Это не про какой-то сложный режим продуктивности и постановку целей. Это про mindset. Пару категорий и вся ваша деятельность сквозь разные интерфейсы приобретает иной вид.
Почему это важно? Через год ты можешь захотеть проанализировать свой путь, а AI сможет помочь только если у тебя будет хотя бы минимальная разметка данных. AI может обработать заметки, фотографии, события, но он не может из пустого пространства придумать, что важно для меня и как это правильно классифицировать. Когда появится ресурс, подключим AI, выгрузим календарь и настроим автоматизации, а пока можно просто жить в привычном ритме, обращая внимание на то, что происходит.
AI-мышление — это не про технологии, а про привычки. Простой нейминг. Минимальная структура. Визуальные слои. Эти вещи не требуют от тебя времени, но дают тебе хорошую опору для себя будущего.
Всё больше верю, что мы тут не понимаем, куда всё это приведёт, но точно понимаем, что мы строим – [dataset of your future]… как мы обычно говорим на наших AI knowledge labs
🤖 Alex | Windsurf | Obsidian | Claude | Collab
Начало января — время, когда подводить итоги уже вроде как поздно, да и особо не хочется. Все уже что-то расписали, подвели, спланировали, порадовались или порефлексировали. Я сам в какой-то момент просто открыл альбомы, пролистал фотографии за год, посмотрел на заметки в Obsidian и календари. Вроде что-то вспомнил, что-то даже понял про себя. Но вот чего мне реально не хватило — это чёткой системы, конвенции имен и каких-то простых правил, которые помогли бы мне не просто вспомнить пару событий, а сразу увидеть что было создано за год.
Сейчас хочется поделиться не столько советами, сколько выводами. Не о том, как планировать или что трекать, а о том, как (мне) хочется жить, чтобы через год была опора на собственную память. Это не про продуктивность или дисциплину, а про то, как можно хотя бы минимально организовать свой поток данных, создав необходимый контекст для AI. Я понимаю, что у большинства из нас нет ресурса на ежедневное ведение дневника, трекинг эмоций или фиксирование всех идей. У кого-то нет времени, у кого-то — желания. У меня, если честно, то же самое. Зато есть минимальные вещи, которые можно делать и которые реально работают.
Начнём с календаря. В нём куча ивентов, но чаще всего они называются так, что через год их уже невозможно расшифровать. “Meeting”. “sync w Alex”. Небольшая конвенция имен по проектам и сферам сразу добавит ценности. Например “alex Review Q1 | Marketing | AI mindset”. А если ещё если настроить, чтобы транскрипт этой встречи падал в папку Obsidian с таким же названием... Обсуждение закончилось — текст автоматически сохранился, и ты всегда можешь к нему вернуться в 3 клика. Еще один клик и достать оттуда кастомное саммари.
Цветовое кодирование календаря тоже достаточно важная штука. Все мы при планировании как-то представили сферы своей жизни. Wheel of Life или какая-нибудь схожая методология позволит это сделать. Если по первому взгляду на календарь будет понятно, к какой категории относится ивент, это сильно поможет сбалансировать жизнь. Или быстро подвести какой-то промежуточный итог в конце периода. У меня, например, глобально всего четыре категории – art, tech, mind, body. Они потом дробятся на более мелкие, но глобально всего 4 вектора.
Или заметки. Понятно, что для меня это Obsidian, но это может быть любой самый простой текстовый редактор. Иногда достаточно одной строчки “Сильно выгорел, надо что-то менять”. Это не требует огромных усилий, зато даёт понимание, что происходило в жизни, и помогает собирать пазл потом.
Конечно, всё это требует какого-то ресурса, но одно дело написать три страницы дневника в конце сложного дня, но совсем другое – одно голосовое сообщение в Telegram на 30 секунд – и пару абзацев текста уже в вашей дневной заметке. Если ещё настроить, чтобы это сообщение автоматически сохранялось в Obsidian или Notion, ты вообще перестаёшь думать о системе.
Эти несколько конвенций устанавливаются один раз и потом просто помогают вам систематизировать процессы. Это не про какой-то сложный режим продуктивности и постановку целей. Это про mindset. Пару категорий и вся ваша деятельность сквозь разные интерфейсы приобретает иной вид.
Почему это важно? Через год ты можешь захотеть проанализировать свой путь, а AI сможет помочь только если у тебя будет хотя бы минимальная разметка данных. AI может обработать заметки, фотографии, события, но он не может из пустого пространства придумать, что важно для меня и как это правильно классифицировать. Когда появится ресурс, подключим AI, выгрузим календарь и настроим автоматизации, а пока можно просто жить в привычном ритме, обращая внимание на то, что происходит.
AI-мышление — это не про технологии, а про привычки. Простой нейминг. Минимальная структура. Визуальные слои. Эти вещи не требуют от тебя времени, но дают тебе хорошую опору для себя будущего.
Всё больше верю, что мы тут не понимаем, куда всё это приведёт, но точно понимаем, что мы строим – [dataset of your future]… как мы обычно говорим на наших AI knowledge labs
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
Сэм Альтман, CEO OpenAI, пересмотрел свою временную шкалу разработки AGI в сторону ускорения. Теперь он считает, что AGI может быть разработан в течение срока президентских полномочий Трампа (до 2029). Ранее он прогнозировал 2030-2031. А в трационно-загадочных твитах он намекает, что технология, возможно, уже создана.
При этом по поводу определения AGI нет согласия даже у OpenAI и их ближайших партнеров. Альтман определяет AGI как «эквивалент среднего человека, которого можно нанять как сотрудника, делающий то, что вы ожидали бы от удаленного сотрудника», включая мета-навык самостоятельно изучать новые области и решать новые проблемы; на сайте OpenAI называет AGI «высоко автономные системы, превосходящими людей в большей части экономически ценной работы».
А Microsoft (которая, как мы помним, above and beyond OpenAI) в соглашениях с OpenAI определяет AGI прагматичнее — как систему, способную автономно заработать 100 миллиардов долларов.
И хотя прогресс, очевидно, пока что и не думает останавливаться (посмотреть хоть на показатели O3, хоть на качество видеогенерации Veo2), не все согласны, что тот путь, которым идут языковые модели (или выросшие из них reasoning-модели вроде o1-o3) даже в теории может привести к сильному ИИ, и среди несогласных есть умные и влиятельные в индустрии люди.
Почему вообще про это может быть полезно думать? Как минимум, чтобы корректировать собственную профессиональную или предпринимательскую стратегию.
Как к этому самому ИИ относиться с практической точки зрения? «Бежать» вместе со всеми прямо сейчас, пытаясь куда-то встроить и начать применять хотя бы более продвинуто, чем как замену Гуглу?
Учиться кодить, изучать ML? Пытаться делать автономных агентов, или дождаться момента, когда computer use станет достаточно продвинутым, чтобы справляться с поп-апами на веб-страницах (серьезно, автономные системы фейлят выполнение задач из-за этого всплывающего уродства, хоть и людям не просто).
Или подождать ещё годик-другой, когда технология дозреет, учиться ничему не нужно будет, а вместо разговоров про работу система будет эту работу делать за вас?
Готовиться к процветанию, или наоборот, запасти углеводных батончиков и копить на бункер (у Альтмана, кстати, есть).
Понимаю, что этот канал читают люди с определенными интересами, и сами мы, очевидно, тоже имеем некоторое мнение по поводу ИИ, хотим спросить у вас, какая стратегия вам ближе?
Глеб | OpenAI | AGI | Progress
При этом по поводу определения AGI нет согласия даже у OpenAI и их ближайших партнеров. Альтман определяет AGI как «эквивалент среднего человека, которого можно нанять как сотрудника, делающий то, что вы ожидали бы от удаленного сотрудника», включая мета-навык самостоятельно изучать новые области и решать новые проблемы; на сайте OpenAI называет AGI «высоко автономные системы, превосходящими людей в большей части экономически ценной работы».
А Microsoft (которая, как мы помним, above and beyond OpenAI) в соглашениях с OpenAI определяет AGI прагматичнее — как систему, способную автономно заработать 100 миллиардов долларов.
И хотя прогресс, очевидно, пока что и не думает останавливаться (посмотреть хоть на показатели O3, хоть на качество видеогенерации Veo2), не все согласны, что тот путь, которым идут языковые модели (или выросшие из них reasoning-модели вроде o1-o3) даже в теории может привести к сильному ИИ, и среди несогласных есть умные и влиятельные в индустрии люди.
Почему вообще про это может быть полезно думать? Как минимум, чтобы корректировать собственную профессиональную или предпринимательскую стратегию.
Как к этому самому ИИ относиться с практической точки зрения? «Бежать» вместе со всеми прямо сейчас, пытаясь куда-то встроить и начать применять хотя бы более продвинуто, чем как замену Гуглу?
Учиться кодить, изучать ML? Пытаться делать автономных агентов, или дождаться момента, когда computer use станет достаточно продвинутым, чтобы справляться с поп-апами на веб-страницах (серьезно, автономные системы фейлят выполнение задач из-за этого всплывающего уродства, хоть и людям не просто).
Или подождать ещё годик-другой, когда технология дозреет, учиться ничему не нужно будет, а вместо разговоров про работу система будет эту работу делать за вас?
Готовиться к процветанию, или наоборот, запасти углеводных батончиков и копить на бункер (у Альтмана, кстати, есть).
Понимаю, что этот канал читают люди с определенными интересами, и сами мы, очевидно, тоже имеем некоторое мнение по поводу ИИ, хотим спросить у вас, какая стратегия вам ближе?
Глеб | OpenAI | AGI | Progress
Ваша ИИ-стратегия
Anonymous Poll
65%
Учусь и пользуюсь в спокойном режиме в рабочих и личных задачах👨🏫🧑🏫
9%
Изучаю и хакаю по несколько часов в жизни 👨💻
11%
У меня ИИ-стартап, работаю с ИИ профессионально🧠
6%
Ничего не делаю, жду следующей ступени ИИ😯
6%
Ничего не делаю, мы все обречены🤯
2%
Другое (напишу в комментариях)
Прогресс ИИ, и прогресс вообще, сейчас двигают коммерческие компании, и иногда государства (но всё чаще пытаются удержать под контролем то, что делает бизнес). Только у бизнеса и государств есть ресурсы на масштабные тренировки.
Однако не менее значимой работой, которая выходит за рамки бизнес-интересов и госрегулирования, занимаются организации некоммерческие. Даже в области технологий примеров этому немало — взять хотя бы Википедию и Archive.org, без которых натренировать эти модели было бы сложнее.
На каждой нашей ИИ-лаборатории мы выделяем места для сотрудников негосударственных некоммерческих организаций, независимых исследователей и творцов (художников, кураторов, музыкантов, писателей и др.). Мы уверены, что любая работа должна быть эффективной и приносящей радость, и использование ИИ в этом помогает максимально.
Описание нашего предложения для НКО и форма для заявки
NB. Если вы подавали заявку на предыдущие лаборатории, их можно подавать повторно.
Глеб | Non-profit | AI Mindset Labs
Однако не менее значимой работой, которая выходит за рамки бизнес-интересов и госрегулирования, занимаются организации некоммерческие. Даже в области технологий примеров этому немало — взять хотя бы Википедию и Archive.org, без которых натренировать эти модели было бы сложнее.
На каждой нашей ИИ-лаборатории мы выделяем места для сотрудников негосударственных некоммерческих организаций, независимых исследователей и творцов (художников, кураторов, музыкантов, писателей и др.). Мы уверены, что любая работа должна быть эффективной и приносящей радость, и использование ИИ в этом помогает максимально.
Описание нашего предложения для НКО и форма для заявки
NB. Если вы подавали заявку на предыдущие лаборатории, их можно подавать повторно.
Глеб | Non-profit | AI Mindset Labs
AI Mindset [non-profit]
Лаборатория исследования AI для некоммерческих организаций. Мы в AI Mindset верим, что искусственный интеллект – это не просто модный тренд, а мощный инструмент для усиления социального влияния, личного развития и расширения творческих возможностей.
Помимо качественного прогресса (новые технологии, материалы, подходы), нас ждёт ещё много инкрементального прогресса. Просто хорошо, с качественными данными, совместили несколько уже существующих технологий, и получили магию.
Для LLM большим вопросом остаётся долгосрочная память — несколько десятков ячеек в ChatGPT явно не решают потребностей сложной человеческой жизни. Идеальный ассистент «помнит» о вас всё, что может иметь значение, и моментально может дать ответ на любой вопрос о вашей жизни.
Большое контекстной окно позволяет уже сейчас отправлять значительной длинны текст с вашим контекстом — информацией о вас, текстом ваших телеграм-каналов, календарем, заметками, дневниками, контактами, историей переписки.
Недавно Anthropic Claude — любимая LLM для написания текстов и кода многих авторов и подписчиков этого канала, добавила несложную функцию к настольной версии своей программы. Теперь к LLM в качестве внешней памяти или источника данных можно подключить и хранилище в Obsidian.
Представьте, что у вашего ассистента, работающего на лучшем языковом движке, появился контролируемый вами доступ к вашим заметкам за много лет. По вашему запросу в привычном интерфейсе Клода вы можете обратиться к любой заметке или серии заметок, и сделать с их текстом всё, что можно сделать с текстом в LLM: перевести, создать документ, написать статью, анализировать, создать глоссарий.
Я подключил к Клоду свой Obsidian vault в 8000 заметок (для этого нужно установить npm-пакет командой ==npx @smithery/cli install mcp-obsidian --client claud==), и теперь могу, например, спросить Клода: «что я делал в марте 2024, на основании моих ежедневных заметок в формате yyyymmdd», и получить человечное, точное описание:
The month seems to have been characterized by both personal transitions (new home, habits) and professional development, with some challenges around motivation and follow-through on projects. There was also significant engagement with new technologies (AI) and continued professional development through various groups and supervision sessions.
…к которому я добавляю немного фотографий, и получаю целостную картинку периода жизни.
Я сам заносил в Obsidian события своей жизни и описывал их — потому что уже тогда было понятно, что фиксировать встречи, разговоры, людей — это важно, в них много знаний. Поэтому теперь у меня есть данные, но без ИИ я почти никогда к ним не возвращаюсь.
Из любой заметки или серии заметок в вашем хранилище Клод может создать новые документы, или интерактивные странности, или, как я выяснил — он может и иллюстрации попробовать сделать. Иногда получается стильно.
Совместили 2 не таких сложных по нынешним меркам технологии — и получаем качественный прирост в возможностях системы.
Думаю, в этом году — и во все последующие годы, мы будем слышать не только про прорывные технологии, но и про очень качественные и революционные решения, основанные на давно существующих технологиях, которые постепенно доходят до очень высокого уровня точности (распознавание и синтез речи как самые очевидные примеры).
Следующим шагом я смогу голосом общаться с моим «вторым мозгом», а ассистент может не только читать из памяти, но и создавать файлы (но, пожалуйста, делайте бэкап, он может потерять данные). Самая умная LLM + эмпатичный синтез голоса как у hume.ai — и мы уже не так далеко от реальности, показанной в Her. И, к радости, значительная часть всего, что нужно, сможет работать и локально.
Глеб | Claude | Obsidian
P.S. Спасибо участнику нашего сообщества Кириллу за подсказку
Для LLM большим вопросом остаётся долгосрочная память — несколько десятков ячеек в ChatGPT явно не решают потребностей сложной человеческой жизни. Идеальный ассистент «помнит» о вас всё, что может иметь значение, и моментально может дать ответ на любой вопрос о вашей жизни.
Большое контекстной окно позволяет уже сейчас отправлять значительной длинны текст с вашим контекстом — информацией о вас, текстом ваших телеграм-каналов, календарем, заметками, дневниками, контактами, историей переписки.
Недавно Anthropic Claude — любимая LLM для написания текстов и кода многих авторов и подписчиков этого канала, добавила несложную функцию к настольной версии своей программы. Теперь к LLM в качестве внешней памяти или источника данных можно подключить и хранилище в Obsidian.
Представьте, что у вашего ассистента, работающего на лучшем языковом движке, появился контролируемый вами доступ к вашим заметкам за много лет. По вашему запросу в привычном интерфейсе Клода вы можете обратиться к любой заметке или серии заметок, и сделать с их текстом всё, что можно сделать с текстом в LLM: перевести, создать документ, написать статью, анализировать, создать глоссарий.
Я подключил к Клоду свой Obsidian vault в 8000 заметок (для этого нужно установить npm-пакет командой ==npx @smithery/cli install mcp-obsidian --client claud==), и теперь могу, например, спросить Клода: «что я делал в марте 2024, на основании моих ежедневных заметок в формате yyyymmdd», и получить человечное, точное описание:
The month seems to have been characterized by both personal transitions (new home, habits) and professional development, with some challenges around motivation and follow-through on projects. There was also significant engagement with new technologies (AI) and continued professional development through various groups and supervision sessions.
…к которому я добавляю немного фотографий, и получаю целостную картинку периода жизни.
Я сам заносил в Obsidian события своей жизни и описывал их — потому что уже тогда было понятно, что фиксировать встречи, разговоры, людей — это важно, в них много знаний. Поэтому теперь у меня есть данные, но без ИИ я почти никогда к ним не возвращаюсь.
Из любой заметки или серии заметок в вашем хранилище Клод может создать новые документы, или интерактивные странности, или, как я выяснил — он может и иллюстрации попробовать сделать. Иногда получается стильно.
Совместили 2 не таких сложных по нынешним меркам технологии — и получаем качественный прирост в возможностях системы.
Думаю, в этом году — и во все последующие годы, мы будем слышать не только про прорывные технологии, но и про очень качественные и революционные решения, основанные на давно существующих технологиях, которые постепенно доходят до очень высокого уровня точности (распознавание и синтез речи как самые очевидные примеры).
Следующим шагом я смогу голосом общаться с моим «вторым мозгом», а ассистент может не только читать из памяти, но и создавать файлы (но, пожалуйста, делайте бэкап, он может потерять данные). Самая умная LLM + эмпатичный синтез голоса как у hume.ai — и мы уже не так далеко от реальности, показанной в Her. И, к радости, значительная часть всего, что нужно, сможет работать и локально.
Глеб | Claude | Obsidian
P.S. Спасибо участнику нашего сообщества Кириллу за подсказку
GitHub
GitHub - smithery-ai/mcp-obsidian: A connector for Claude Desktop to read and search an Obsidian vault.
A connector for Claude Desktop to read and search an Obsidian vault. - smithery-ai/mcp-obsidian
Картинки: Иллюстрации Клода к заметкам из Obsidian. Видео: интерактивная иллюстрация по мотивам терапевтической сессии.
AI, внимание и смысловая работа
Иногда кажется, что мир AI несётся с такой скоростью, что мы едва успеваем моргать. Открываешь утром ленту — новый инструмент, к обеду — прорыв в какой-то области, к вечеру уже не помнишь, с чего начинал день. И в этом потоке самое сложное — не потерять себя, удержать внимание на том, что действительно важно.
На этом потоке AI Mindset Lab мы начали эксперимент с небольшими медитациями прямо во время воркшопов. Сессия идёт два с половиной часа, и это сложно выдержать, даже если тема тебе действительно интересна. Внимание начинает рассеиваться, становится сложно оставаться в фокусе. Эти мини-практики помогают разгрузить мозг и немного переключиться.
Конечно же мы начали применять сами AI инструменты для создания этих небольших практических сессий. AI в реальном времени собирает транскрипт разговора, подтягивает контекст из программы недели, анализирует карточки участников. И прямо на ходу, в Obsidian, собирается персональная медитация, привязанная к текущему контексту группы. Звучит немного безумно, но работает удивительно хорошо.
Эти короткие паузы позволяют не только отдохнуть, но и переключить внимание в другой режим. Например, недавно я сделал простой тренажёр с помощью [Lovable] для разделения фокуса зрения и локуса внимания. Это два объекта, которые движутся по экрану с разными патернами. Задача в том, чтобы удерживать внимание на одном, при этом не теряя из виду другого. Эта практика заняла всего пару минут, но эффект был мгновенный. Возможно, это воспринимается тяжело, как и любая нестандартная смысловая работа. Но фокус это точно возвращает.
Современные инструменты позволяют буквально за минуты создавать кастомные тренажёры для работы с вниманием — нужно только понимать, на чём именно ты хочешь сосредоточиться. Ты просто описываешь, что хочешь, и через несколько минут у тебя уже готовый интерфейс. Это даже не MVP, не прототип в классическом понимании. Это решение, которое создаётся для конкретной задачи, работает ровно столько, сколько нужно, и умирает.
В этом подходе есть что-то новое. Мы привыкли думать о продуктах как о чём-то долгосрочном, требующем поддержки и развития. Но возможно это уже лишнее для индивидуальных задач. Такие интерфейсы становятся инструментами не для производства, а для размышлений, исследования или быстрого переключения. Это не про технологии, а про привычки, про mindset создавать то что тебе нужно и делать это быстро.
Активное внимание - это просто необходимость для выживания в AI мире. И сама технология позволяет нам его развивать.
🤖 Alex | lovable | Obsidian
Иногда кажется, что мир AI несётся с такой скоростью, что мы едва успеваем моргать. Открываешь утром ленту — новый инструмент, к обеду — прорыв в какой-то области, к вечеру уже не помнишь, с чего начинал день. И в этом потоке самое сложное — не потерять себя, удержать внимание на том, что действительно важно.
На этом потоке AI Mindset Lab мы начали эксперимент с небольшими медитациями прямо во время воркшопов. Сессия идёт два с половиной часа, и это сложно выдержать, даже если тема тебе действительно интересна. Внимание начинает рассеиваться, становится сложно оставаться в фокусе. Эти мини-практики помогают разгрузить мозг и немного переключиться.
Конечно же мы начали применять сами AI инструменты для создания этих небольших практических сессий. AI в реальном времени собирает транскрипт разговора, подтягивает контекст из программы недели, анализирует карточки участников. И прямо на ходу, в Obsidian, собирается персональная медитация, привязанная к текущему контексту группы. Звучит немного безумно, но работает удивительно хорошо.
Эти короткие паузы позволяют не только отдохнуть, но и переключить внимание в другой режим. Например, недавно я сделал простой тренажёр с помощью [Lovable] для разделения фокуса зрения и локуса внимания. Это два объекта, которые движутся по экрану с разными патернами. Задача в том, чтобы удерживать внимание на одном, при этом не теряя из виду другого. Эта практика заняла всего пару минут, но эффект был мгновенный. Возможно, это воспринимается тяжело, как и любая нестандартная смысловая работа. Но фокус это точно возвращает.
Современные инструменты позволяют буквально за минуты создавать кастомные тренажёры для работы с вниманием — нужно только понимать, на чём именно ты хочешь сосредоточиться. Ты просто описываешь, что хочешь, и через несколько минут у тебя уже готовый интерфейс. Это даже не MVP, не прототип в классическом понимании. Это решение, которое создаётся для конкретной задачи, работает ровно столько, сколько нужно, и умирает.
В этом подходе есть что-то новое. Мы привыкли думать о продуктах как о чём-то долгосрочном, требующем поддержки и развития. Но возможно это уже лишнее для индивидуальных задач. Такие интерфейсы становятся инструментами не для производства, а для размышлений, исследования или быстрого переключения. Это не про технологии, а про привычки, про mindset создавать то что тебе нужно и делать это быстро.
Активное внимание - это просто необходимость для выживания в AI мире. И сама технология позволяет нам его развивать.
Please open Telegram to view this post
VIEW IN TELEGRAM
Делимся опытом участника AI Mindset Lab о том, как за полкурса он прошел путь от настороженного отношения к AI до активного применения в коучинговой практике. От голосовых заметок до сбора и анализа финансового планирования – посмотрите, как можно переосмыслить рабочие процессы с помощью AI.
Ценно, что Дмитрий делится не только успехами, но и честно говорит о своих сомнениях и колебаниях в процессе интеграции технологий в практику. Следующий поток нашей лабы — в марте.
Ценно, что Дмитрий делится не только успехами, но и честно говорит о своих сомнениях и колебаниях в процессе интеграции технологий в практику. Следующий поток нашей лабы — в марте.
Forwarded from Дима, ты распыляешься!
Please open Telegram to view this post
VIEW IN TELEGRAM
Большие языковые модели в чём-то повторяют историю микропроцессоров. Если изначально процессор и доступ к его архитектуре предоставляли огромное преимущество, то с развитием технологии процессоры стали взаимозаменяемыми. Большинство людей даже не задумывается о том, какой процессор внутри их телефона, умных часах или пылесосе.
Гораздо большее значение стал играть софт, приложения, работающие на платформе. Люди покупают не компьютеры, а приложения: текстовый процессор, редактор таблиц, игры. Точно так же, никто не будет покупать GPT-5; купят доступ к определенным возможностям вроде управления компьютером и исследований.
Модели уже сейчас становятся взаимозаменяемыми. Для огромного количества операций мне уже сейчас совершенно всё равно, Claude написал код, Deepseek или o3.
Почему разрыв между ЛЛМ так быстро уменьшается?
- Одни и те же источники данных. LLM обучаются на огромных массивах текстовых данных из интернета. Поскольку эти данные в основном общедоступны, компании, обладающие достаточными ресурсами, могут создавать свои собственные LLM, которые будут похожи на остальные решения.
- Инструменты и техники, используемые для обучения LLM, также становятся все более стандартизированными, в том числе благодаря open source. Компаниям будет проще воспроизводить модели, разработанные другими.
- Уменьшение инноваций. По мере того как мы достигаем «стены данных», когда все доступные данные уже были использованы, инновации в области обучения LLM замедляются. В результате становится труднее создавать модели, которые значительно превосходят уже существующие.
- По мере того как LLM становятся все более распространенными, основное внимание смещается с самих моделей на приложения и пользовательские интерфейсы. Компании будут меньше конкурировать за счет производительности LLM, а больше за счет их интеграции в различные платформы и сервисы. OpenAI сейчас — не только исследователь и разработчик, но и в первую очередь продуктовая компания, пытающаяся сохранить и увеличить долю рынка.
Что это значит для компаний?
- Модели перестанут быть дифференциатором. Пользователи уже сейчас выбирают модели более дешевые и производительные. Важным будет оставаться UX и доступ к экосистеме.
- Использование ИИ будет расти. Для компаний, таких как Amazon, коммодизация LLM означает увеличение спроса на вычислительные ресурсы.
- Открытый исходный код станет для многих компаний единственным бюджетным вариантом ворваться в гонку.
Что это значит для нас как для потребителей?
Очень умные специализированные ИИ будут буквально в любом утюге, умном холодильнике, на телефоне — к месту и не к месту. Варианты эти моделей под любые нужды будут появляться постоянно, решая специфические задачи лучше их предшественников и лучше любых больших моделей. Учиться работать с этими система уже сейчас — разумная личная стратегия.
Глеб | Commodization
Гораздо большее значение стал играть софт, приложения, работающие на платформе. Люди покупают не компьютеры, а приложения: текстовый процессор, редактор таблиц, игры. Точно так же, никто не будет покупать GPT-5; купят доступ к определенным возможностям вроде управления компьютером и исследований.
Модели уже сейчас становятся взаимозаменяемыми. Для огромного количества операций мне уже сейчас совершенно всё равно, Claude написал код, Deepseek или o3.
Почему разрыв между ЛЛМ так быстро уменьшается?
- Одни и те же источники данных. LLM обучаются на огромных массивах текстовых данных из интернета. Поскольку эти данные в основном общедоступны, компании, обладающие достаточными ресурсами, могут создавать свои собственные LLM, которые будут похожи на остальные решения.
- Инструменты и техники, используемые для обучения LLM, также становятся все более стандартизированными, в том числе благодаря open source. Компаниям будет проще воспроизводить модели, разработанные другими.
- Уменьшение инноваций. По мере того как мы достигаем «стены данных», когда все доступные данные уже были использованы, инновации в области обучения LLM замедляются. В результате становится труднее создавать модели, которые значительно превосходят уже существующие.
- По мере того как LLM становятся все более распространенными, основное внимание смещается с самих моделей на приложения и пользовательские интерфейсы. Компании будут меньше конкурировать за счет производительности LLM, а больше за счет их интеграции в различные платформы и сервисы. OpenAI сейчас — не только исследователь и разработчик, но и в первую очередь продуктовая компания, пытающаяся сохранить и увеличить долю рынка.
Что это значит для компаний?
- Модели перестанут быть дифференциатором. Пользователи уже сейчас выбирают модели более дешевые и производительные. Важным будет оставаться UX и доступ к экосистеме.
- Использование ИИ будет расти. Для компаний, таких как Amazon, коммодизация LLM означает увеличение спроса на вычислительные ресурсы.
- Открытый исходный код станет для многих компаний единственным бюджетным вариантом ворваться в гонку.
Что это значит для нас как для потребителей?
Очень умные специализированные ИИ будут буквально в любом утюге, умном холодильнике, на телефоне — к месту и не к месту. Варианты эти моделей под любые нужды будут появляться постоянно, решая специфические задачи лучше их предшественников и лучше любых больших моделей. Учиться работать с этими система уже сейчас — разумная личная стратегия.
Глеб | Commodization
В новом выпуске нашего подкаста мы обсуждаем, как меняется наше представление о продуктивности в эпоху AI.
Говорим о культе продуктивности, переходе от количества задач к их осмысленности, про управление вниманием как ключевой навык, про голосовые интерфейсы и их влияние на рабочие процессы, формулирование задач для искусственного интеллекта как новый софт-скилл, важность генералистов в новой технологической реальности.
Смотреть и слушать:
Ютуб × Spotify × Apple Pocasts × все ссылки
Говорим о культе продуктивности, переходе от количества задач к их осмысленности, про управление вниманием как ключевой навык, про голосовые интерфейсы и их влияние на рабочие процессы, формулирование задач для искусственного интеллекта как новый софт-скилл, важность генералистов в новой технологической реальности.
Смотреть и слушать:
Ютуб × Spotify × Apple Pocasts × все ссылки
YouTube
Продуктивность с AI: от культа задач к осознанному творчеству. AI Mindset [podcast]
В это выпуске мы обсуждаем, как меняется наше представление о продуктивности в эпоху AI. Говорим о культе продуктивности, перехода от количества задач к их осмысленности, про управление вниманием как ключевой навык, про голосовые интерфейсы и их влияние на…
Птицы, рыбы, насекомые и другие животные объединяются в большме группы, чтобы эффективнее добывать пищу, обеспечивать себе защиту и решать сложные задачи.
Роевой интеллект (swarm intelligence) — таким термином описывают коллективное поведение, увеличивающее интеллект больших децентрализованных групп. Вспоминаем муравьев, обошедших в решении задачи группу людей (впрочем, один человек всё равно оказывается умнее).
Могут ли люди проявлять роевой интеллект? Безусловно, да — от скоординированного движения толпы, адаптирующейся под изменения среды, до масштабных децентрализованных проектов с открытым кодом.
Создатели платформы Thinkscape задались вопросом — возможно ли повысить коллективный интеллект человека?
Мы знаем, что эффективное обдумывание в формате беседы (conversational deliberation) — когда группе нужно что-то спланировать или принять решение — наиболее комфортно проходит в группе от 4 до 7 человек. В таком формате каждый получает возможность внести свой вклад в разговор.
Thinkscape предлагает разбивать большие группы людей (сейчас до 400 человек, но в перспективе — безлимитно) на группы по 4-7 человек, наподобие breakout rooms в Зуме. Каждая группа ведёт отдельное обсуждение на заданную тему. Разговоры всех групп в реальном времени мониторит и анализирует ИИ-агент, обнаруживая в разговоре консенсусы, несогласие и инсайты. Эти данные передаются всем агентам, которые делятся ими с участниками других групп.
Например, если группа обсуждает планирование большого пикник, агент может периодически указывать на нюансы, упомянутые в других группах, но упущенные в этой, например, что делать в случае плохой погоды.
Как рассказывают в интервью один из создателей, доктор Луис Розенберг, одним из самых сложных аспектов, помимо разработки, была калибровка того, когда и что именно говорит агент. Агент вмешивается слишком часто? Это воспринимается навязчиво. Люди, со слов Розенберга, воспринимают агентов как полноценных участников разговора, и доверие здесь — ключевой фактор.
В небольшом исследовании группы в 75 человек, участники отметили, что такой формат был эффективней, чем простые чаты, был более продуктивным, чем сессии мозгового штурма, способствовал появлению идей более высокого качества, более сильное чувство причастности к итоговым решениям, ощущение, что их голоса были лучше услышаны.
Пока Thinkscape работает в закрытом режиме, но можно записаться на участие в тестовых разговорах.
🤖 Глеб | Swarm Intelligence | Conversational deliberation
Роевой интеллект (swarm intelligence) — таким термином описывают коллективное поведение, увеличивающее интеллект больших децентрализованных групп. Вспоминаем муравьев, обошедших в решении задачи группу людей (впрочем, один человек всё равно оказывается умнее).
Могут ли люди проявлять роевой интеллект? Безусловно, да — от скоординированного движения толпы, адаптирующейся под изменения среды, до масштабных децентрализованных проектов с открытым кодом.
Создатели платформы Thinkscape задались вопросом — возможно ли повысить коллективный интеллект человека?
Мы знаем, что эффективное обдумывание в формате беседы (conversational deliberation) — когда группе нужно что-то спланировать или принять решение — наиболее комфортно проходит в группе от 4 до 7 человек. В таком формате каждый получает возможность внести свой вклад в разговор.
Thinkscape предлагает разбивать большие группы людей (сейчас до 400 человек, но в перспективе — безлимитно) на группы по 4-7 человек, наподобие breakout rooms в Зуме. Каждая группа ведёт отдельное обсуждение на заданную тему. Разговоры всех групп в реальном времени мониторит и анализирует ИИ-агент, обнаруживая в разговоре консенсусы, несогласие и инсайты. Эти данные передаются всем агентам, которые делятся ими с участниками других групп.
Например, если группа обсуждает планирование большого пикник, агент может периодически указывать на нюансы, упомянутые в других группах, но упущенные в этой, например, что делать в случае плохой погоды.
Как рассказывают в интервью один из создателей, доктор Луис Розенберг, одним из самых сложных аспектов, помимо разработки, была калибровка того, когда и что именно говорит агент. Агент вмешивается слишком часто? Это воспринимается навязчиво. Люди, со слов Розенберга, воспринимают агентов как полноценных участников разговора, и доверие здесь — ключевой фактор.
В небольшом исследовании группы в 75 человек, участники отметили, что такой формат был эффективней, чем простые чаты, был более продуктивным, чем сессии мозгового штурма, способствовал появлению идей более высокого качества, более сильное чувство причастности к итоговым решениям, ощущение, что их голоса были лучше услышаны.
Пока Thinkscape работает в закрытом режиме, но можно записаться на участие в тестовых разговорах.
Please open Telegram to view this post
VIEW IN TELEGRAM
Thinkscape
Thinkscape is an AI platform that enables real-time conversations at unprecedented scale while optimizing Group Insights and amplifying Collective Intelligence. Organizations use Thinkscape for large-scale deliberation, brainstorming, forecasting, and problem…
В новом выпуске подкаста подводим итоги масштабной лаборатории по искусственному интеллекту, в которой приняло участие около 120 человек. В этот раз, помимо основных ведущих, в программе приняли участие около десяти экспертов – ведущих треков, в рамках которых делились своими знаниями на стыке ИИ и различных областей: от автоматизации до творчества и трендвотчинга.
Откровенно говорим о сложностях обучения столь разнородной аудитории, признавая, что невозможно угодить всем: для кого-то уровень был слишком высоким, для кого-то – недостаточным. Подчеркиваем, что главный принцип лаборатории – самостоятельность. Хотя вокруг много единомышленников, никто не может решить за участника, что для него важно и подходит именно ему.
Отмечаем, что некоторые треки переросли в мини-сообщества, где люди продолжают общаться и после окончания лаборатории. Эту трансформацию от "одноразовых продуктов" к созданию устойчивого сообщества вокруг технологий воспринимаем как большое достижение.
Обсуждаем важность вдохновения и мотивации в обучении новым технологиям, а также необходимость толерантности к ошибкам. Отмечаем, что для эффективного освоения новых инструментов требуется значительное время – не десятки, а сотни часов, но эти инвестиции окупаются, освобождая время для действительно важных вещей в будущем.
В подкасте затрагиваем также философский аспект технологий: как они меняют наше мышление, как помогают или мешают думать, как влияют на нашу идентичность. Делимся наблюдениями о том, как участники расширяют представление о своих возможностях, пробуя новые инструменты и подходы.
В заключение обсуждаем планы на будущее: как развивать лабораторию дальше, как лучше персонализировать обучение и как поддерживать сформировавшееся сообщество. Подкаст будет интересен тем, кто интересуется образованием в сфере ИИ, созданием обучающих программ и комьюнити-билдингом вокруг новых технологий.
Youtube × Spotify × Apple Podcasts × другие сервисы
🤖 Глеб | Alex | Podcast | AI Mindset Lab
Откровенно говорим о сложностях обучения столь разнородной аудитории, признавая, что невозможно угодить всем: для кого-то уровень был слишком высоким, для кого-то – недостаточным. Подчеркиваем, что главный принцип лаборатории – самостоятельность. Хотя вокруг много единомышленников, никто не может решить за участника, что для него важно и подходит именно ему.
Отмечаем, что некоторые треки переросли в мини-сообщества, где люди продолжают общаться и после окончания лаборатории. Эту трансформацию от "одноразовых продуктов" к созданию устойчивого сообщества вокруг технологий воспринимаем как большое достижение.
Обсуждаем важность вдохновения и мотивации в обучении новым технологиям, а также необходимость толерантности к ошибкам. Отмечаем, что для эффективного освоения новых инструментов требуется значительное время – не десятки, а сотни часов, но эти инвестиции окупаются, освобождая время для действительно важных вещей в будущем.
В подкасте затрагиваем также философский аспект технологий: как они меняют наше мышление, как помогают или мешают думать, как влияют на нашу идентичность. Делимся наблюдениями о том, как участники расширяют представление о своих возможностях, пробуя новые инструменты и подходы.
В заключение обсуждаем планы на будущее: как развивать лабораторию дальше, как лучше персонализировать обучение и как поддерживать сформировавшееся сообщество. Подкаст будет интересен тем, кто интересуется образованием в сфере ИИ, созданием обучающих программ и комьюнити-билдингом вокруг новых технологий.
Youtube × Spotify × Apple Podcasts × другие сервисы
Please open Telegram to view this post
VIEW IN TELEGRAM
лаборатории AI mindset 🤖
В конце марта (18 и 24 числа) у нас стартуют сразу две лаборатории! Наши программы проверены временем. С 2022 года мы провели 10+ потоков и их прошли более 300 человек. Как всегда, это 4-6 недель активной практики, еженедельных воркшопов, совместного коворкинга и office hours.
AI Mindset Lab — теперь это не просто работа с AI инструментами, а полноценные рабочие процессы и создание продуктов. Участники предыдущих потоков создали сервисы для анализа эмоционального состояния по голосу, системы для автоматизации работы с данными и контентом, множество личных ассистентов и агентов.
Obsidian [Knowledge Lab] — про умное управления знаниями. Вы научитесь создавать свой «второй мозг», обогащенный возможностями AI, и превращать информацию в структурированные знания, настроите поток сбора информации.
Более подробно о треках и обеих лабораториях можно узнать почитать на сатах или написать нашему боту.
[спросить у бота]
но главная фишка этого потока — наши треки! За последние потоки мы создали настоящую экосистему лабораторий, где основными авторами стали сами участники и приглашенные эксперты. В этот раз мы запускаем расширенные треки, каждый из которых — мини-лаборатория со своим фокусом:
🔎 research track: системная работа с информацией с Аглаей Черемных (Independent Researcher & Research Lead, GoTech Innovation). Аглая организовала более 200 исследований для крупнейших компаний.
⚙️ automation track: освобождение времени для новых идей с Леной Шакуровой (основательница ParsLabs и платформы Chatbotly) и Сергеем Хабаровым (эксперт по системному подходу к автоматизации) – @alliknowisthatidontknownothing
🔃 startup track: от идеи до запуска технологического бизнеса с командой предпринимателей:
- Гоша Левин (основатель CRMchat ai с опытом привлечения $2.5M и успешной продажи компании) расскажет, когда и как привлекать инвестиции и правильно оценивать стартап – @gosha_from_the_block
- Мик Вайсман (предприниматель и разработчик запустивший более 10 стартапов) поделится проверенными фреймворками для валидации идей и создания MVP с использованием современных технологий – @wisemantalks
- Саша Стельмах (бизнес-ментор, построивший компанию со штатом 150 человек и оценкой $15M+) проведет мастермайнд, чтобы помочь участникам разобраться с текущими вопросами по проектам - @AhaStelmakha
- Максим Журило (со-основатель I Love Supersport, Stayfitt и Ironstar) расскажет о поиске кофаундеров и команды.
📸 ethics track: от этики до будущего человечества с Александром Малаховым. Исследование AI через призму гуманитарных наук и философии. – @malaverse
🎓 logos track: философия и творческое мышление с группой философов-практиков. Методы фрирайтинга, разбора мифов, и анализа парадоксов.
👨🎨 imagine track: развитие воображения и генерация идей с Глебом Калининым и Юлией Катан . Вы раскроете свою нейропластичность и научитесь генерировать креативные идеи. – @aurotic_agent
Будем рады вас видеть на ближайших потоках! Команда AI Mindset🤖
В конце марта (18 и 24 числа) у нас стартуют сразу две лаборатории! Наши программы проверены временем. С 2022 года мы провели 10+ потоков и их прошли более 300 человек. Как всегда, это 4-6 недель активной практики, еженедельных воркшопов, совместного коворкинга и office hours.
AI Mindset Lab — теперь это не просто работа с AI инструментами, а полноценные рабочие процессы и создание продуктов. Участники предыдущих потоков создали сервисы для анализа эмоционального состояния по голосу, системы для автоматизации работы с данными и контентом, множество личных ассистентов и агентов.
Obsidian [Knowledge Lab] — про умное управления знаниями. Вы научитесь создавать свой «второй мозг», обогащенный возможностями AI, и превращать информацию в структурированные знания, настроите поток сбора информации.
Более подробно о треках и обеих лабораториях можно узнать почитать на сатах или написать нашему боту.
[спросить у бота]
но главная фишка этого потока — наши треки! За последние потоки мы создали настоящую экосистему лабораторий, где основными авторами стали сами участники и приглашенные эксперты. В этот раз мы запускаем расширенные треки, каждый из которых — мини-лаборатория со своим фокусом:
- Гоша Левин (основатель CRMchat ai с опытом привлечения $2.5M и успешной продажи компании) расскажет, когда и как привлекать инвестиции и правильно оценивать стартап – @gosha_from_the_block
- Мик Вайсман (предприниматель и разработчик запустивший более 10 стартапов) поделится проверенными фреймворками для валидации идей и создания MVP с использованием современных технологий – @wisemantalks
- Саша Стельмах (бизнес-ментор, построивший компанию со штатом 150 человек и оценкой $15M+) проведет мастермайнд, чтобы помочь участникам разобраться с текущими вопросами по проектам - @AhaStelmakha
- Максим Журило (со-основатель I Love Supersport, Stayfitt и Ironstar) расскажет о поиске кофаундеров и команды.
Будем рады вас видеть на ближайших потоках! Команда AI Mindset
Please open Telegram to view this post
VIEW IN TELEGRAM