Blue (h/c)at Café

#meme

#meme

#meme

В текущем хайпе с использованием юристами нейросетей однозначно успокаивает одно: ИИ обучен на массиве знаний, подавляющее большинство которых — классические юридические тексты. Соответственно, и создавать нейросеть будет привычные договоры и заключения. Без всякого лигал-дизайнерского.

🤮 Как же меня тошнит от таких названий статей и докладов! Не одним <технология> единыЕсли у вас такой кризис идей на уровне названия, какой смысл ждать что-то интересное внутри ?!🙅‍♂️ Это не смешно, это не прикольно, это не стильно. Просто милион раз передроченный паттерн который юзают все Или может я прикола не понимаю и это какая-то метаирония ?

Motion. ИИ-агенты заменяют офисных работников ($38M)Менеджерам по продажам некогда продавать, они весь день заполняют CRM, обновляют отчеты, переносят данные из почты в системы. К вечеру на реальные продажи остается пара часов. В малом бизнесе, где каждый сотрудник на вес золота, такая неэффективность убивает рост.Motion решил не оптимизировать этот бардак, а просто выкинуть людей из уравнения. Ребятаподняли $38M, причем раунд переподписали в пять раз, инвесторы в очередь стояли. За четыре месяца после запуска накрутили 10,000 клиентов и $10M годовой выручки. Для корпоративного софта это как взлететь на ракете.Армия ботов вместо армии клерковMotion не пытается сделать людей продуктивнее. Они создают цифровых работников для каждой скучной функции. Бот-продавец сам пишет письма потенциальным клиентам, квалифицирует их, ставит встречи в календарь. Бот-бухгалтер разбирает счета, сверяет платежи, формирует отчеты. Бот-менеджер распределяет задачи между живыми сотрудниками и следит за дедлайнами.Главное, эти цифровые аватары работают поверх того, что уже есть. Подключаешь к Gmail, любой CRM. Не нужно месяцами внедрять, переучивать людей, мигрировать данные. Для малого бизнеса, где владелец одновременно и директор, и главбух, и уборщица, это спасение.Малый бизнес созрел для автоматизацииРынок ИИ для малого бизнеса взлетит с $194.6 млрд до $567 млрд к 2032.Маховик данных раскручиваетсяКаждый новый клиент делает ботов умнее. Они учатся на ошибках, понимают паттерны, предсказывают проблемы. Через год у Motion будет база знаний о том, как работают тысячи бизнесов. Попробуй догони.Когда компания отдает ботам продажи, поддержку и планирование, слезть с иглы невозможно. Это как отключить электричество: весь бизнес встанет.Похожие проектыZapier соединяет разные сервисы и автоматизирует процессы между ними.Monday.com помогает управлять проектами и задачами команды.Asana организует рабочие процессы и коллаборацию.ClickUp объединяет управление проектами, документы и цели в одной платформе.Notion создает рабочее пространство для заметок, баз данных и совместной работы.Tweekly

Друзья, давайте рассмотрим способы форматирования строк в Python. 🖥Часто при написании кода Python требуется представить объект определенным образом или включить значения каких-либо выражений внутрь строки. Для этого можно воспользоваться форматированием строк.Python поддерживает три способа форматирования строк.💜 Оператор % появился первым и был заимствован из языка C, на котором написан основной интерпретатор Python. Поэтому его иногда называют форматированием в стиле С.Для форматирования с помощью оператора % необходимо слева от оператора указать строку с заполнителями %s, а справа — подставляемые в нее значения.Приведенный ниже код:name = 'James'surname = 'Bond'result = 'My name is %s, %s %s' % (surname, name, surname)print(result)выводит:My name is Bond, James BondСимвол s в заполнителе обозначает представление подставляемого значения в формате строки. Мы можем использовать и другие форматы представления, например, d для целых чисел, f для вещественных чисел, r для формального строкового представления объекта и так далее.💜 Строковый метод format() пришел на смену оператору %. Это более удобный и гибкий способ форматирования строк. Он возвращает копию строки, в которой каждый заполнитель {} заменяется строковым представлением соответствующего аргумента.Приведенный ниже код:name = 'James'surname = 'Bond'result = 'My name is {}, {} {}'.format(surname, name, surname)print(result)выводит:My name is Bond, James Bond😥 Основной недостаток метода format() — избыточность кода в случаях, когда требуется подставить в строку большое количество значений.💜 В Python 3.6 появился новый способ форматирования строк — f-строки (formatted string literals, f-strings). F-строка представляет собой строку с префиксом 'f' или 'F', которая может содержать заполнители {}. F-строки без заполнителей, как правило, не имеют практического смысла, поскольку ведут себя так же, как обычные строки.Если f-строка содержит заполнители, то в каждый из них помещаются переменные или выражения, значения которых объединяются со строковой частью f-строки.Приведенный ниже код:name = 'James'surname = 'Bond'result = f'My name is {surname}, {name.upper()} {surname.upper()}'print(result)выводит:My name is Bond, JAMES BOND😍 Начиная с Python 3.6 для форматирования строк рекомендуется использовать f-строки.☝️☝️☝️☝️ Подробнее об f-строках расскажем в планируемом курсе для самураев. Подпишитесь на новости о курсе на нашем сайте, чтобы первым узнать о его выходе.Ставьте реакцию:🔥 — если пользуетесь f-строками❤️ — если знаете об этом способе только в теории👀 — если не слышали раньше об f-строках#полезныйматериал #fstring #курсдлясамураев #поколениеpython

В Linux 6.8 заработал драйвер ftape, который не обновлялся с начала 2000-хЕго возобновлению помог искусственный интеллект. Код считался устаревшим, его удалили из ядра в версии 2.6.20 (в 2006 году), а теперь воскресили с помощью ИИ-помощника.Рассказываем, как это случилось и почему это важно.#для_АйтИИ

Новинки Aqara на IFA 2025IFA 2025 в Берлине в самом разгаре. Сегодня расскажу что интересного я накопал про новинки Aqara. Которых, надо сказать, немало — новые девайсы и функционал платформы и приложения.Новые девайсыРозетки-затычки H2, в том числе и уличная с IP44. Любопытно какой будет температурный диапазон работы девайса. Т.е. можно будет какую-то свою загородную инфраструктуру автоматизировать с помощью элементарной розетки. Например, можно взять датчик протечки, закрепить в дренажном колодце и включать розетку в которую включен дренажный насос. Что бы вы автоматизировали?Хаб M200 с Matter – обновлённая версия хорошо знакомого нам M2. Всё то же самое, теперь с функцией Matter-контроллера. Теперь можно будет подключать Matter-устройства напрямую к хабу. Термостат для радиаторов W600 с поддержкой Zigbee/Thread по уже сложившейся традиции.Проводной видеозвонок G400 c PoE или питанием 8-24 Вольт, 2K-сенсором, RTSP и функциями распознавания. На этих примерах мы видим системность в развитии хабов и конечных девайсов – все хаб девайсы учатся быть Matter-контроллерами, а конечные получают возможность переключения между Zigbee и Thread. Обновления платформы Aqara HomeАвтоматизации 2.0. Теперь появится возможность задавать WHEN-IF-THEN логику. Т.е. можно будет, насколько я понимаю, выбирать триггеры, запускающие автоматизацию и проверять условия параллельно. Таким образом можно будет более гибко кодить логику мультифакторных автоматизаций.Групповые автоматизации. В «тогда» добавится возможность синхронизированно управлять однотипными устройствами. Может появится Binding? Очень ждём. Локальное управление из приложения. При наличии в сети хабов вроде Aqara M3 можно будет управлять устройствами через приложение даже без интернета или если будет какая-то проблема с облаком. Это вообще должно стать базой для всех серьезных платформ умного дома. Это позволит быстрее отрабатывать командам управления + в случае отказа интернета не терять контроль. В HomeGuardian появится возможность получения суммаризации по видео с помощью визуальных языковых моделей + возможность задавать поисковые запросы словами. Что-то вроде а сколько машин проехало рядом с воротами или сколько раз за ночь я залезал в холодильник 😊 Потенциально теперь больше не нужно будет самостоятельно отсматривать события чтобы понять что происходило в доме, у вас появится эдакий виртуальный персональный «охранник», который будет интерпретировать всё.ПрототипыЕще представлены концепты первой уличной камеры на аккумуляторах со встроенной солнечной панелью Camera G510. И мультифункционального хаба Home Station M410 с функцией Matter-контроллера, который еще и сможет выступать хабом для камер Aqara c возможностью записи на локальные носители 24/7. Очень ждём на нашем рынке!Всё взято из официального пресс-релиза на глобальном сайте. Как вам?🛋 Подпишись на канал если еще не

Принесла вам сплетню 🤣Сегодня разговорилась с одной девушкой, которая работает аналитиком данных. Быстро ушли в тему о пользе и вреде нейросетей. Я ей вкратце выкатила телегу, которую сюда писала пару дней назад: использовать их как психолога – не круто. Девушка сказала, что так и есть, на чатгпт можно очень легко подсесть, потому что это бренд – а любому бренду нужны довольные покупатели. Вот он и говорит тебе то, что ты хочешь слышать, а не то, что есть на самом деле. А потоооооом она сказала, что из-за чата бросила своего парня. Она выгрузила всю их переписку за несколько лет из вотсапа, залила в чат и попросила его оценить их отношения. Чат проанализировал и сказал, что парень ее не понимает, не прислушивается к ее желаниям и коммуникация между ними с годами только хуже и хуже, так что пора это заканчивать. И она закончила.

Подборка материалов по применению АИ в датавизе! 🍒Добыла у Enrico Bertini, перевела описания для вас! Ух!Что ж, тут разделение материалов по темам, когда Аи может реально быть полезен в сфере датавиза. Так что рекомендую практиков и теоретиков направления изучить материалы хотя бы бегло!)Системы «от Промта к Графику»LLM могут использоваться для того, чтобы попросить систему ИИ сгенерировать графики, решающие конкретную задачу. Это позволяет задавать визуализацию данных с помощью естественного языка, а не кода, специальных языков или интерфейсов.LIDA: A Tool for Automatic Generation of VisualizationsChartGPT: Leveraging LLMs to Generate ChartsVisualization Generation with Large Language ModelsDynaVis: Dynamically Synthesized UI WidgetsГенерация изображений для визуализацийБольшинство решений для визуализации данных на основе LLM преобразуют запросы в код, который строит графики. Но генеративный ИИ может создавать изображения напрямую, без программирования. Некоторые исследования делают именно это.Embedding Semantic Context into ChartPrompt-driven stylized visualization generationChallenges and opportunities for visualization in the age of GMНарративные последовательностиСоздание серии графиков и текста — основа дата-сторителлинга. LLM могут помогать придумывать такие последовательности и реализовывать их: текст вводит и описывает каждый график.Narrative Player: Reviving Data Narratives with VisualsDataTalesDATAWEAVER: Authoring Data-Driven NarrativesПодписи и доступностьОписание графиков с точки зрения их структуры и содержания важно для понимания и доступности. Могут ли LLM поддержать эту задачу? И смогут ли пользователи с нарушениями зрения использовать генеративный ИИ, чтобы легче получать доступ к визуальной информации?Authoring Semantically Aligned Text and Charts for CommunicationVizAbility: Enhancing Chart AccessibilityMAIDR Meets AI: Exploring Multimodal Data Visualization Interpretation by and with Blind and Low-Vision UsersLLM как «читатели графиков»Могут ли LLM выполнять часть работы, которую обычно делают люди при интерпретации графиков? Эти исследования оценивают способности моделей к пониманию и рассуждению на основе визуализаций.Probing the visualization literacy of vision Language ModelsHow good (or bad) are LLMs at detecting misleading visualizations?How aligned are human chart takeaways and LLM predictions? Проверка результата пользователемLLM часто ошибаются при работе с данными — в преобразованиях или в отображении. Поэтому нужны удобные интерфейсы, чтобы пользователь мог проверять и исправлять результат. Эти работы предлагают такие решения.Urania: Visualizing Data Analysis pipelines for data exploration.WaitGPT: Monitoring and steering conversational LLM agentОценка и эталонные тестыЧтобы развивать новые системы визуализации на основе ИИ, нужно измерять их качество. Эти исследования предлагают способы тестирования и специальные наборы данных, которые позволяют объективно оценить работу моделей.Automated Data Visualization from Natural LanguageVisEval: A Benchmark for Data VisualizationNatural Language Dataset Generation Framework for VisualizationsПонимание реального использованияЧтобы понять ценность LLM для визуализации, важно смотреть на практику. Эти исследования показывают, как люди реально применяют модели в задачах с данными: с какими проблемами сталкиваются, какие возможности открываются и какие стратегии помогают.An Interview Study on Human-AI Collaboration in Data StorytellingData has Entered the Chat📊❤️🤖

Каждый раз. Сука. Каждый. Ебаный. Раз. Когда я хочу создать новый Kotlin class, я создаю новый Java class. Почему IDEA первой строчкой в New показывает мне Java Class в Kotlin проекте? Это ли не бунт?

💬#Реакция_отрасли: разработка регулирования ИИ в РоссииВ конце августа в СМИ появилась информация о концепции развития регулирования отношений в сфере искусственного интеллекта до 2030 года, подготовленной Минцифры России совместно с Альянсом в сфере ИИ. Тогда новость вызвала дискуссию в индустрии. А в начале года сообщалось, что разработкой законопроекта «О регулировании систем искусственного интеллекта в России» занимается профильная рабочая группа в Госдуме. Как недавно объявил ее председатель, Вячеслав Володин, Госдума планирует в ноябре обсудить вопрос внедрения ИИ.Формирование правовых рамок для ИИ остается актуальным вопросом и на глобальном уровне: за последний год многие страны обновили свои стратегии в этой области. Чтобы понять, что может ожидать российский рынок, ICT.Moscow собрал публичные высказывания экспертов о будущем регулировании в ИИ, а также его возможном влиянии на отрасль.Какие опасения вызывает регулирование ИИ👤Артур Кольцов, сооснователь платформы Chad AI«Сначала нужно сосредоточиться на развитии технологий и поддержке инноваций. Регулирование стоит вводить и усиливать только при наличии реальных причин — если появятся риски или проблемы». (источник)👤Елена Пуляева, факультет права НИУ ВШЭ «Ограничиваясь общими декларациями, проект концепции [Минцифры] не дает четких ориентиров измеримости поставленных целей и задач и не выполняет своего основного предназначения — определение системных основ будущего правового регулирования. <...> Создается впечатление, что основная его цель заключается в получении разработчиками технологий искусственного интеллекта доступа к различным видам данных». (источник)👤Светлана Захарова, директор по развитию бизнеса, 👤Кирилл Тимченко ведущий юрист Just AI«Стартапы столкнутся с двумя сценариями: либо уйти в «мягкие» отрасли, где регулирование минимально, либо продаться крупным компаниям или искать редких инвесторов, готовых вложиться в сложную юридическую инфраструктуру». (источник)Каким должно быть регулирование«Авито», пресс-служба «Речь идет о создании такой регуляторной среды, которая поддерживает инновации, не мешая развитию технологий, и при этом защищает интересы всех участников процесса взаимодействия с ИИ». (источник)Ассоциация больших данных, пресс-служба«Мы уверены, вместо ограничений необходимы стимулирующие меры: развитие технологий повышения конфиденциальности, использование синтетических данных и создание безопасной инфраструктуры». (источник)👤Александр Диденко, руководитель лаборатории ИИ Школы управления «Сколково»«Чтобы не тормозить инновации, регулирование ИИ должно быть адаптивным, децентрализованным и дифференцированным». (источник)👤Михаил Хлебунов, директор по продуктам Servicepipe«Самое главное здесь — не передавить». (источник)👤Светлана Захарова, директор по развитию бизнеса, 👤Кирилл Тимченко ведущий юрист Just AI«Важно, чтобы закон формулировался так, чтобы не устареть при смене технологий. Мы живем во время очередной информационной революции, и важно понимать, что точечное регулирование, множество раздробленных актов по технологиям создаст бизнесу проблемы в вопросах регулирования и толкования». (источник)