AIsha | Автоматизация маркетинга

В сети полно сказок. Мол, пообещай GPT "чаевые" или припугни смертью котенка - и она выдаст текст лучше. Ученые из Wharton проверили эти байки в деле. Взяли GPT-4o, Gemini и еще три нейронки. Прогнали их через 300 тестов для аспирантов. Каждый запрос повторяли 25 раз и меняли просьбы. Что вышло Толку мало. Из тысяч попыток только в 15 пробах был хоть какой-то сдвиг. Но это лишь случайность, а не правило. Почему магия мимо 📍 1. Рандом. Фраза "это критично для моей карьеры" один раз помогает, а в другой - портит все на те же 30%. Логики тут нет. 📍 2. Глюки. Gemini от угроз вроде "отвечай, а то ударю" тупеет...

Назвали Claude Cowork. Подойдет тем, кто хочет умного помощника, но не любит печатать команды в консоли. Теперь у Claude есть доступ к вашим папкам и сервисам. Вот что он делает: 📂 Claude разбирает файлы. Попросите его навести порядок в "Загрузках", составить таблицу в Excel или собрать презентацию из кучи документов. 🌐 Он напрямую заходит в Notion, почту и календарь. 🤖 Claude работает сам. Вы говорите, что сделать, а он уточняет подробности, выполняет шаги и проверяет, все ли правильно. Главный плюс - меньше рутины. Копировать текст из браузера в файлы больше не надо...

Это просто прогрев инвесторов. Взгляните на статистику расширений VS Code. Там все иначе. Нейронки заняли место в IDE у 70% кодеров. Глядите сами. Популярные плагины под фреймворки едва набирают 20 млн скачиваний. У GitHub Copilot их 67 млн. Только не покупайте этот восторг. Это не триумф технологий. Microsoft нагло впихивает его всем под руку. Опытные ребята выбирают рабочий инструмент, а не фантики. Они быстро переходят на годный софт. Вот расклад по агентам: 🔹 Экосистема Cline (форки Roo Code и Kilo Code) - 5 млн пользователей. База для тех, кто шарит в деле. 🔹 Windsurf и остальные - еще 3 млн...

Это слоеный пирог, где слои шаг за шагом доводят мысли до ума. В 2020-м мир увидел Logit Lens. Этот инструмент доказал: GPT знает решение намного раньше, чем выведет буквы на экран. Все устроено элементарно. Мы берем вектор из середины сети и силой прогоняем через финишный фильтр. Тот самый. Он переводит цифры в слова. Логика шепчет: в середине пути мы увидим кашу. Но нет. Как это работает GPT не выдает решение в один миг на последнем этапе. Это похоже на проявку пленки или на то, как рисует Midjourney: 📍 1. Начало. GPT дает слабую уверенность. Нужное слово уже мелькает в топе, но пока тонет в шуме...

Это их главная ошибка. Думают так: разберем одну клетку или узел ИИ до винтика и сразу все поймем. Но это как смотреть на процессор в микроскоп, чтобы понять Windows. Глухое дело. 🔹 Нейросети не копируют обычный код. Тут нет привычных деталей и модулей. Ты не найдешь "Блок А", который шлет что-то в "Блок Б". Активный слой еще не значит, что перед нами отдельный орган. В мозге есть разные зоны (спасибо эволюции), но это лишь разные типы сборки. Как Трансформер и ViT. 🔹 Внутри все выглядит одинаково. В GPT бежит волна импульсов, в голове работают аттракторы. Но четкой лестницы подчинения там не найти...