Бизнес как система | Андрей Мелков

Вообще не понятно, с одной стороны зачем проводить в этом направлении исследования, а с другой стороны... Где-то писал уже что сейчас очень хорошо строятся вопросно-ответные системы и используется для этого RAG и здорово если у нас дополнительно в базе знаний будут еще видео, а не только тексты. P.S. Оказывается очень много проводится различных исследований в области прикладного ИИ...

Если вы уже привыкли к LLM (типа ChatGPT), то MLLM — это следующий шаг: модель, которая понимает не только текст, но и несколько типов данных сразу. MLLM (Multimodal Large Language Model) — это “большая языковая модель”, которая умеет работать с разными модальностями: ✅ текст ✅ изображения (фото/скриншоты/документы) ✅ иногда аудио/видео (в зависимости от реализации) В чём разница между LLM и MLLM 1) Входные данные • LLM: понимает только текст. Пример: “Составь договор”, “Объясни ошибку в коде”. • MLLM: понимает текст + картинку (и иногда аудио). Пример: “Вот скрин 1С/Bitrix/Telegram — что тут...

В июле исследователи из MIT опубликовали исследование, которое стало одной из ключевых точек опоры для лагеря разочарования в ИИ. Его главный вывод звучал громко: ошеломляющие 95% компаний, попробовавших использовать ИИ, не обнаружили от него никакой ценности. Это сильно расходится с прогнозом Сэма Альтмана: «Мы считаем, что в 2025 году можем увидеть, как первые ИИ-агенты “войдут в состав рабочей силы” и существенно изменят производительность компаний», — написал он в январе в своём личном блоге. Однако в исследовании MIT часто упускают из виду один важный момент: критерий успеха у исследователей был довольно узким...

Сама компания говорит, что "GPT-5.2 стала обновлением, в котором упор сделан на улучшение визуального понимания и способность работать со сложными цепочками рассуждений. Компания отмечает, что модель стала аккуратнее в аналитике, лучше удерживает контекст и надежнее справляется с задачами, где требуется многослойная логика...

2025 год может войти в историю не только как драйвер огромных инвестиций в ИИ, но и как момент, когда мир перестал верить всему, что обещают хайп-заголовки. По версии MIT Technology Review, мы переживаем переоценку ожиданий от ИИ — когда восторженные прогнозы уступают место трезвой оценке реальности. 💡 Что мы получили: • Ранний генеративный ИИ породил огромные ожидания и инвестпроекты, но их результаты часто оказываются далеки от обещаний. • Снижение ажиотажа — не провал технологии, а нормальный этап взросления: теперь важнее как ИИ внедряется в процессы, а не что он умеет на демо-сценах. 🔍...