Генеративный AI уже меняет работу аналитиков, продактов, дизайнеров и других digital-спецов, и в этом выпуске мы, наконец, честно разбираемся, где за технологиями стоит реальная польза, а где — пока только красивые демки.
Практическое применение генеративного искусственного интеллекта обсуждаем с Денисом Димитровым — управляющим директором по исследованию данных в Сбере и одним из главных создателей Kandinsky и GigaChat.
В выпуске:
- как рождаются фундаментальные модели и почему именно они двигают рынок
- зачем Сбер выложил Kandinsky в опенсорс и что это дало
- что внутри LLM: разбираемся как именно генерируется текст, картинки и видео
- мультимодальность vs. омнимодальность — следующий виток технологий
- какие генеративные модели сегодня самые продвинутые + личный опыт использования
- как компании экономят миллионы на автоматизации процессов с GenAI
- где GenAI усиливает людей, а где — становится риском
- кто отвечает за ошибки генеративок
- правда ли LLM тупеют и что будет, если кормить их плохими данными
- ближайшее будущее GenAI
Говорим про будущее, которое уже работает в проде. Легко, честно и с примерами, которые каждый сможет перенести в свою работу и, вообще, в жизнь.
Что считается в эпоху генеративного AI? Делитесь в нашем телеграм-канале https://t.me/eto_schitaetsya
Тайм-коды:
00:12 Начало выпуска
01:24 Гость выпуска — Денис Димитров
01:33 Тема выпуска
01:44 От математики к AI, от теории к практике: путь Дениса Димитрова
03:09 Главные факторы развития AI
05:48 Создание и развитие нейросети Kandinsky
06:48 Зачем выкладывать свою нейросеть в опенсорс
08:19 Как и какие генеративные модели используют Даня и Денис
11:46 Чем отличается работа LLM с изображениями и с текстом
15:12 Фундаментальная модель как основа для продукта
16:51 Интеграция генеративных моделей в рабочие процессы
18:25 Когда генеративные модели приносят вред и кто несет ответственность
20:53 Генеративные модели в обучении
21:36 Рубрика «Базовый минимум или роскошный максимум»
25:36 Чем отличаются мультимодальная и омнимодальная модели
26:55 Способы проверки качества генеративных моделей
29:29 LLM для бизнеса: гонка на мировой арене vs. продуктовый подход
32:58 Ближайшее будущее генеративного AI
34:54 Авторское право и генеративные модели
36:40 Как создается и обрабатывается датасет моделей
37:49 Генеративные модели тупеют? Как влияют некачественные данные
41:36 Выводы
42:39 Рубрика «Что считается?»
43:35 Завершение выпуска
