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