Пять лет назад ко мне пришли ребята с касдевом. Идея была простая: сделать тусовку для тимлидов в Сочи

Тогда, я настоятельно рекомендовал сфокусироваться на СТО, в таком качестве, чтобы ее было просто невозможно пропустить. Такую, куда каждый уважающий себя технический директор просто обязан поехать

Как итог — первый кэмп прошел под лозунгом "для CTO и тех, кто хочет ими стать". На следующий год, кэмп вырос, расширился на CPO, а после и вовсе до всей айтишной C-level тусовки. И вот сейчас, спустя пять лет, Southhub — это кэмп из почти 500 человек, которые собираются кайфануть, понетворкать и обсудить наболевшее. Такой концентрации людей, принимающих решения в индустрии, пожалуй, больше нет нигде

Качество нетворкинга, лучше не найти. Если вы все еще сомневаетесь, ехать или нет — ехать. А развлекательная программа для вторых половинок и движ с детскими лагерями от ИТМО и Школы Летова позволяет ехать всей семьёй

До встречи в горах)

В комментариях к предыдущему посту, как обычно, все смешалось - люди кони. Но я попробую ответить на вопрос про закон об ограничении нейросетей с 2027 года. 

Я специально разобрался в этой теме и аж прочитал одну статью на хабре. Поэтому буду ссылаться на нее. Заранее скажу, если вы так эмоционально реагируете на закон о регулировании ИИ, а точнее на его часть про запрет использования нейронок, то вас так прилично напсиопили. Потому что в законе сказано, что использовать нейронки из рееста российский моделей обязаны госструктуры и бизнес критической инфраструктуры. Про запрет использования нейросетей конечным пользователям (то есть всем вам) нет ни слова. 

Вот выдержка:
Статья 8.1: «К применению в государственных информационных системах и на значимых объектах критической информационной инфраструктуры Российской Федерации, принадлежащих государственным органам и государственным учреждениям, и предприятиям, допускаются модели искусственного интеллекта, включенные в реестр доверенных моделей искусственного интеллекта
Идем дальше. Если вы читаете этот канал давно, то знаете, что у нас в стране блокировки происходят по нескольким причинам и одна из них хранение данных пользователей РФ на территории РФ. Он же закон о приземлении. Пораскинув парой извилин не сложно представить потенциальные масштабы утечек в трансграничку с госкомпаний и системно-значимых для страны бизнесов, если они продолжат использовать OpenAI и другие зарубежные модели. Выстроить вокруг них гардрейлы и прокси задача трудоемкая и требуемая глубокого понимания архитектуры. Поэтому государство идет единственно верным и работающим в этом случае методом - регуляторным. 

Более того, никто не обязывает использовать гигачат, как я писал не так давно в этом канале. Достаточно развернуть локальную модель у себя в контуре, чтобы обеспечить доступ до инфрастукртуры по запросу и хранение данных на территории РФ. 

Так что батхерта по поводу закона о блокироках нейросетей я не разделяю. Нужно было просто чуть-чуть разобраться, но я понимаю, что многим сложно читать дальше заголовка новости.

В комментариях предлагаю пофантазировать и ответить на вопрос: Что может случиться, если в пентагоне начнут юзать гигачат? Самым остроумным выдам доступ в Лакшери пипл чат на месяц

Экстраполяция мышления
Когда случайность принимаешь за закономерность

В последнее время всё чаще ловлю один и тот же паттерн: человек берёт опыт из одной точки и натягивает его на всё подряд.

Пример. Кто-то попробовал одну модель, скормил ей кашу из кривых данных, получил на выходе мусор. Вывод готов: «Да эти ваши ИИ бесполезны, только мешают. Выбрасываем, не смотрим, не трогаем».

Обратная история. Ребята за вечер собрали небольшой PoC с помощью модели, ускорили разработку раза в три-четыре, выдохнули и тут же раскатывают этот результат на каждый проект, до которого дотягиваются. Ну а что, один раз же сработало.

Объяснение простое и не очень лестное для нас. Мы ленивы. Чтобы понять, почему здесь взлетело, а там провалилось, нужно глубоко погрузиться в конкретный кейс. А с высоты helicopter view куда проще: взял одни данные и растянул на всё остальное.

Засада в том, что ни в первом, ни во втором случае нет никакой абсолютной истины. Её вообще не существует. Правда обычно лежит где-то посередине и намертво завязана на контекст: какой контекст у самого человека, что он передал модели, в какой инфраструктуре проект живёт и будет развёрнут.

Поэтому сбор контекста для меня — один из важнейших этапов любой разработки. Да и любого решения вообще. Чем больше информации на входе, тем точнее выбор на выходе. Звучит банально, но по факту мы постоянно решаем на огрызках данных, а потом удивляемся результату.

И отдельный, недооценённый навык — уметь честно сказать: «Мне сейчас не хватает информации, чтобы это решить». Не угадать, не натянуть прошлый опыт, а признать пробел и пойти его закрывать.

Что помогает мне не скатиться в скоропалительные выводы:

Иду к тем, кто копнёт глубже. Не стесняюсь дёргать конкретных спецов, готовых разобрать кейс по косточкам: почему у одного получилось так себе, а у другого космос. Чаще всего ответ не в том, что «ИИ хороший» или «ИИ плохой», а в десятке деталей, которые с высоты не видно.

Собираю конкретную статистику. Прежде чем выносить вердикт, стараюсь набрать цифры, на которые реально можно опереться. Когда под рукой выборка кейсов с понятными метриками, решение перестаёт быть вкусовщиной.

Чек-лист на полноту информации. Подсмотрел когда-то на курсе Стратоплана: перед решением прогоняешь себя по списку — достаточно ли данных, все ли альтернативы рассмотрел, что упускаю. Механически, занудно, но отлично отрезвляет, когда рука уже тянется сделать громкий вывод из одного наблюдения.

Учу ребят формировать конкретные предложения. Большая разница между «меня что-то не устраивает» и «вот замечание: в таком-то процессе это создаёт такое-то неудобство, и, по моему мнению, починить можно вот так». Первое — фоновый шум, который ни к чему не приводит. Второе — готовый материал для решения. Этот навык вытаскивает наружу тот самый контекст, без которого любое улучшение остаётся гаданием.

Так что прежде чем хоронить технологию или, наоборот, тащить её во все щели, спроси себя: я правда разобрался в кейсе или просто экстраполировал одну случайность в закономерность?