Pi Tech

Павло та Євген обговорюють інструменти для реверс-інжинірингу, спроби відтворити можливості Adobe Photoshop за допомогою AI та перенесення великих кодових баз з однієї мови програмування на іншу. На цих прикладах вони показують, чому для таких завдань важливі чітко сформульовані вимоги, документація та перевірка результатів.

Також говорять про заяви щодо можливого занепаду Git і розвиток AI-агентів. Ведучі розбирають, чому виникла потреба в іншому підході, і обговорюють, що ці приклади означають для розробників та використання AI в інженерних завданнях.

01:02 — проєкт Reverse Engineer Anything

03:18 — чи залишився інженерний bottleneck

06:43 — вдалі міграції: TypeScript → Go від Microsoft

09:15 — переписування сканера трафіку з Go на Rust

12:24 — альтернативи Adobe/Office: Affinity, GIMP, Audacity, LibreOffice

15:54 — Anthropic відмовилися від Git: монорепа та 30 тисяч PR на день

22:03 — дослідження Apple: сучасним моделям не потрібен великий harness

24:11 — Goose від Block: мінімалістичний універсальний агент на Rust

29:16 — досвід з Grok у режимі Bugfind у Cursor

32:11 — сайти блокують агентів

36:50 — Gemini і AI-пошук Google проти ChatGPT, ранкові дайджести новин

41:20 — стаття Павла на DOU про RAG: векторний пошук і негативні запити

47:05 — OpenTelemetry для агентів

54:23 — Agentic wiki

У цьому випуску Павло та Михайло говорять про «вектор болю» в мовних моделях і про те, чи може в них бути щось схоже на свідомість. Обговорюють, чому великі компанії скорочують бюджети на токени, скільки насправді коштує ШІ та чи можна запускати моделі локально. 
Розбирають, чи справді агенти для програмування роблять розробників продуктивнішими. Окремо говорять про дистиляцію моделей, авторські права та про те, як PewDiePie почав створювати власну мовну модель.

00:26 — дослідження реакції ШІ на біль і поведінки під час знищення 

04:04 — цифрові камери тортур і суспільні питання 

10:35 — нова швидка модель для класифікації

13:04 — ШІ-агенти, підписки та витрати  

20:44 — Microsoft і Meta урізають бюджети на токени

24:07 — скіл «ponytail»: чи справді він економить код

27:40 — тенденції ринку ШІ, інвестиції та огляд індустрії 

30:42 — Frontier-моделі

37:40 — LLM Wars: хто спроєктував найкращий міст

41:28 — Claude у Fusion: 3D-моделювання з ШІ

44:23 — нобелівка за оптогенетику і провалене live-демо OpenAI

46:48 — PewDiePie і його модель Ajax: дистиляція, бани, локальний агент

50:43 — презентація Meta: ШІ-тамагочі, нові окуляри, Палмер Лакі

Починаємо з презентації Apple: нові iPhone, складаний iPhone, Apple Watch і AirPods, а також чіпи M6 у Mac mini та M5 Ultra у Mac Studio.

Розглядаємо AI не лише як окрему модель, а й як частину складнішої системи, до якої підключаються інструменти, дані та зовнішні сервіси.

Говоримо про MCP, harness для AI-агентів і self-improvement, а також про практичні інтеграції з DaVinci Resolve, роботами та персональними knowledge bases.

Також говоримо про вартість використання сучасних моделей, робототехніку з computer vision та reinforcement learning, а також потенціал AI у наукових задачах, зокрема в математиці та фізиці.

00:36 — презентація Apple

03:28 — припущення щодо майбутніх моделей Mac mini та Mac Studio

04:54 — важливість розміру контексту для малих AI-моделей

06:53 — еволюція harness та їхній вплив на продуктивність моделей

07:57 — розвиток open-source harness та їх застосування

09:55 — сучасна розробка AI-моделей, що самовдосконалюються

13:55 — рівняння Нав’є — Стокса та їхнє значення для фізики

18:10 — математика й фізика: роль LLM у науковому прогресі

20:25 — вартість і продуктивність китайських моделей

22:21 — потенціал AI в автоматизації підтримки та сервісних терміналів

25:38 — AI у робототехніці: бачення, маніпуляція та reinforcement learning

34:40 — інтеграція MCP та плагінів для розширення можливостей AI

37:41 — використання AI для монтажу відео та обробки медіа

42:12 — підключення AI до особистих і робочих процесів

47:33 — модель Jev: хайп vs реальність

Починаємо епізод з Atlas від World Labs — world model, яка перетворює фото на тривимірну сцену. Говоримо про те, що насправді означає «world model», як моделі зберігають консистентність сцени та чому їхнє «розуміння фізики» перебільшене.

AI-агенти, які отримували несанкціонований доступ до Hugging Face та інших систем. Розбираємо їхню координацію, приховування слідів і ризиковану поведінку та те, чому це не свідчить про самостійне мислення.

Також у випуску: телевізори LG, які можуть прослуховувати приміщення; генерація відео в реальному часі та авторські права; AI-токени як кешбек у Китаї; AI-асистенти в Slack; і понад 7 тисяч заблокованих розумних окулярів Meta.

00:30 — Atlas від World Labs

01:26 — що таке World Models

04:29 — розвиток і перспективи Atlas

05:41 — маркетинг і спекуляції навколо AI

09:30 — ризики автономних агентів

13:12 — коментарі в коді: Codex vs Opus

16:15 — брак "здорового глузду" в агентів

19:55 — розумні телевізори LG: стеження навіть у вимкненому стані

23:38 — V-Color: оперативка із декоративною заглушкою

27:17 — генерація відео в реальному часі та її перспективи

31:13 — AI-токени як валюта в Китаї 

34:54 — інтеграція AI у Slack та Gmail

38:11 — NVIDIA: об'єднання ПК в обчислювальний кластер

42:24 — новини про блокування окулярів

У новому випуску обговорюємо, як розвиток ШІ змінює вимоги до освіти та роботи інженерів.

Говоримо про підготовку фахівців зі штучного інтелекту, роль фундаментальних знань у сучасній розробці та навички, які університети можуть дати краще за короткострокові курси.

Також обговорюємо AI-агентів, їхню здатність самостійно проводити дослідження, вартість використання моделей і нові інструменти для роботи з агентами.

Окрема тема випуску — робототехніка. Чому розробники створюють людиноподібних роботів, які бігають, і що насправді стоїть за активним розвитком робототехніки в Китаї?

01:09 — майбутнє освіти та швидкість технологічних змін

04:28 — важливість базових навичок та оцінки результатів

08:40 — виклики та можливості для університетської освіти

16:59 — використання інструментів для навчання та роботи

19:35 — етичні та правові аспекти AI

23:16 — економіка та ціноутворення у світі AI

30:15 — розвиток мов програмування для AI та їхні можливості

34:01 — розвиток робототехніки в Китаї та глобальні амбіції

38:44 — глобальна інженерна база та залежність від Китаю

44:46 — майбутнє робототехніки та автоматизації

У цьому випуску: рішення Anthropic щодо маркування тексту, згенерованого Claude; проблеми авторського права та використання контенту для тренування моделей; сприйняття AI-текстів людьми; закономірність виникнення галюцинацій на маловідомі теми.

Також Павло та Михайло говорять про технічні співбесіди, де LLM стають частиною процесу розв’язання задач, а також про реальні приклади використання AI-агентів для дослідження коду та інфраструктури.

Наостанок завершуємо випуск розмовою про сучасну наукову фантастику, зокрема про Пітера Воттса та Макса Кідрука.

00:33 — обговорення новин про вотермаркання

02:48 — як збирають дані для тренування моделей AI

04:35 — проблеми з фейковими новинами та галюцинаціями моделей

07:41 — вплив AI на суспільство та захист від зловживань

13:47 — OpenAI "призупинили" модель Astra

17:26 — обговорення сучасної фантастики

25:50 — стімдек із шипами та електрошокером проти крадіжок

27:51 — технічна співбесіда: оцінка вміння користуватися AI-тулами

32:11 — роль бенчмарків у порівнянні LLM

35:09 — підходи людей до роботи з LLM: скіли, MCP, промпти

43:31 — ностальгія: перфокарти, перфострічки, навчання в університеті

50:48 — аніме "Доктор Стоун" як приклад побудови технологічних ланцюгів з нуля

52:03 — ніхто не зрозумів "Євангеліон" до кінця

У цьому випуску обговорюємо дослідження Anthropic про внутрішні механізми міркування AI-моделей — інструмент, який дозволяє простежити, як саме модель обробляє запит на рівні окремих шарів і токенів.

Також говоримо про випадок із помилковим білінгом на 16,6 млн доларів, про людей без технічного бекграунду, які за допомогою AI-агентів створюють власні продукти, й про конкуренцію між західними й китайськими AI-моделями.

00:30 — стаття Anthropic про J-Space/J-Lens

04:50 — практична цінність interpretability-досліджень vs alignment

07:18 — зв’язок із Sparse Autoencoders

12:09 — реліз Kimi K3 і Qwen, конкуренція з китайськими моделями

17:00 — редактор Zed і швидкість роботи з опенсорсними моделями

19:07 — кейс: сейлз без бекграунду створює продукт через Claude Code

22:54 — ризики вайб-кодингу

29:10 — новий голосовий режим ChatGPT Live Mode

34:46 — електромобілі: анонс приводу Geely з рекордним ресурсом

39:57 — потреби в SSD/RAM у сучасних автівках

42:53 —  генеративний AI у 300+ проєктах Netflix

47:25 — найм в Anthropic, OpenAI, скандал з Grok і репозиторіями

У цьому епізоді обговорюємо ситуацію з неофіційним доступом до AI-сервісів, складність контролю таких каналів, а також те, чому впровадження AI-агентів стикається не лише з технічними, а й з фінансовими обмеженнями.

Також говоримо про нові ініціативи OpenAI, розвиток чипів та дискусію навколо ціни Steam Machine.

00:35 — релізи OpenAI

02:33 — проблеми автоматизації обробки відео

06:10 — JetBrains Air та управління агентами

11:16 — реверс-промптинг та його застосування

13:23 — нові технології OpenAI

19:59 — нові технології у виробництві чипів 

25:05 — підпільний ринок доступу Китая до Claude

33:46 — інвестиції в технології та масштабування виробництв

42:00 — геймерські стратегії та читинг

44:33 — ціни на нові ігрові консолі

У цьому випуску обговорюємо реліз нової моделі Anthropic та пов’язані з ним обмеження доступу. Аналізуємо перехід Chrome на Manifest V3 та його вплив на блокувальники реклами. Розглядаємо експеримент Xbox із продажем ігор у розстрочку та причини кризи в ігровій індустрії.

Також говоримо про стрімке зростання кількості AI-інструментів для програмування, новий напрямок розвитку Stack Overflow та прогрес локальних моделей, які стають дедалі доступнішими.

00:25 — обговорення моделей та тенденції в нумерації

04:21 — критика нових моделей та їх безпека

10:10 — опенсорс моделі та їх використання

13:21 — порівняння моделей штучного інтелекту

16:20 — зміни в браузерах та їх наслідки

20:13 — криза в ігровій індустрії

25:21 — автономні агенти, кількість коду та його вплив на бізнес

32:51 — новації в редакторах коду

34:55 — конкуренція в інноваціях: Китай та США

40:40 — Stack Overflow: нові можливості для розробників

46:40 — Трамп Мобайл та його скандали

50:16 — WWDC

У цьому випуску обговорюємо зміни в настроях AI-індустрії. Компанії все рідше говорять про повну заміну людей ШІ і все частіше позиціонують його як інструмент для підвищення продуктивності.

Говоримо про NVIDIA RTX Spark та зростання інтересу до локального інференсу, проблеми використання токенів як метрики ефективності, реальну вартість впровадження AI для бізнесу та можливе охолодження ринку.

Також розбираємо заяви про домінування ботів у вебтрафіку, проблеми AI-підтримки в Meta, новини від Google та концепцію JEPA від Яна Лекуна як одну з потенційних альтернатив сучасним LLM.

00:40 — огляд GTC та нових продуктів NVIDIA

04:00 — порівняння NVIDIA Spark з Mac Studio

11:57 — тенденції в AI та локальному інференсі 

18:29 — вплив цін на компоненти на ринок технологій

22:12 — перспективи локального інференсу та прогрес у великих моделях

28:45 — судові справи та авторські права в AI

32:29 — боти перевищують людей у мережевому трафіку

35:34 — презентація Google та нові технології помічників

39:19 — купівля кодів та нові можливості для розробників

42:53 — архітектура та нові концепції в ML

48:09 — абстракція в моделюванні та предикції

52:11 — потенціал LLM та їх правильне використання

56:13 — адаптація до нових реалій в програмуванні

01:02:25 — культ суперменів у IT