Вы замечали, что иногда долгие размышления только мешают? Чем дольше зацикливаешься на решении, тем больше сомневаешься — и в итоге выбираешь худший вариант. Я особенно это прочувствовал это в 2016 году: когда я посмотрел отчёт по привилегированным акциям Ленэнерго, прикинул дивиденды, рискнул и купил на ощутимую сумму по 20 ₽. Но потом начитался мнений, что с дивидендами могут и прокатить (мол, мало ли что в уставе написано), не выдержал — и продал по 24 ₽. Казалось бы, +20% за несколько дней, но вскоре, рынок показал, что это было явно не лучшее решение.

Оказывается, так бывает не только с людьми, но и с ИИ.

Работая с ChatGPT и другими моделями, замечаю: иногда ответ лучше, если попросить модель «подумать» перед ответом. Обычно это делают так: «Рассуждай шаг за шагом перед тем, как дать ответ». Этот приём называется Chain of Thought (CoT), и его часто советуют использовать для повышения качества ответов.

Но есть нюанс.

Некоторые воспринимают этот подход как суперсилу, которую надо использовать всегда. Они не догадываются, что на новых моделях CoT может, наоборот, ухудшать качество.

Google представила на Google I/O 2025 новую линейку очков на базе Android XR. Возможно, вы помните, что Google Glass появились ещё в 2013 году. Тогда проект провалился — очки оказались дорогими, неудобными, да и в жизни толком не пригодились.

Почему же Google решилась на вторую попытку именно сейчас?

Официальная причина — подешевели компоненты, технологии стали лучше. Но мне кажется, есть причина куда более важная: сегодня у ИИ-компаний заканчиваются данные для обучения нейросетей. Они уже просят правительство разрешить читать/смотреть весь контент (даже под авторскими правами) и готовы платить до 4 долларов за минуту неизданного видео! И Очки — идеальный инструмент, чтобы собирать такие данные прямо из нашей жизни: камеры, микрофоны, динамик, дисплей — ассистент “видит” и “слышит” всё вокруг.
Т.о. главным “потребителем” этих данных становится не человек, а искусственный интеллект.

Нет, это не теория заговора, а просто бизнес. Google пользуется своим преимуществом перед OpenAI: через очки, смартфоны и YouTube она может получить доступ к миллионам сценариев, которые никто ещё не записывал. И мы ему заплатим за это, а не он нам. )

По работе мне постоянно приходится быть в курсе разных нейросетей и простых решений на них,  чтобы подсмотреть часть идей для использования в компании. В феврале я наткнулся на исследование OpenAI под названием SWE-Lancer, в котором ИИ должен был заработать $1 млн .

Что такое SWE-Lancer? Если коротко, то

Опытные специалисты из OpenAI (разработчик ChatGPT) выгрузили с фриланс-биржи Upwork кучу задач. Далее отобрали только те, где в описании есть все данные для решения задачи. Осталось 1488 штуки. После этого начали тестировать как с ними справятся нейросети.

Сколько «заработали» нейросети (в теории)?

Самая лучшая на тот момент, Claude 3.5 Sonnet, успешно справилась с 26,2% задач кодирования  и 44,9% решений по управлению проектами (например: выбор подрядчиков, оценка рисков, распределение бюджета). 

Что меня особенно заинтересовало в этом исследовании: ИИ оказался сильнее в принятии решений, чем в написании кода, при том, что в СМИ рассуждают о программистах, копирайтерах и дизайнерах. У меня на работе больше менеджеров, чем программистов, но есть вероятность, что они не очень будут рады новым возможностям по использованию нейросетей.