#49 Почему искусственный интеллект не работает без настоящего инженера

В этом выпуске мы поговорили с Андреем Татариновым, инженером, который каждый день работает с языковыми моделями и внедряет ИИ в реальные продукты. Обсудили, как устроены LLM: что на самом деле происходит под капотом ChatGPT, почему ИИ часто галлюцинирует, и как с этим работать.Разобрали, зачем нужен fine-tuning и RAG, как промт превращается в инженерную задачу, и почему без человека модели пока не справляются. Поделились практическим опытом автоматизации, примерами из реальных кейсов и мнением о том, в каком направлении развивается рынок ИИ.Вы узнаете, как реально применять языковые модели, какие ошибки совершают новички, и что нужно, чтобы ИИ стал помощником, а не источником проблем.
<ul><li>() - Введение и анонс
</li>
<li>() - От Яндекса до Epoch 8: путь Андрея Татаринова
</li>
<li>() - Бустинги, логрег и берты: как мы пришли к GPT
</li>
<li>() - Почему GPT-системы сокрушили прошлое
</li>
<li>() - Иллюзия экспоненты: будет ли у ИИ потолок?
</li>
<li>() - Новая реальность: как теперь проектируются AI-системы
</li>
<li>() - Под капотом LLM: инференс, рантаймы и матрицы
</li>
<li>() - Проблема масштаба: почему модель ≠ база данных
</li>
<li>() - Векторные базы и RAG: как накормить модель знаниями
</li>
<li>() - Промт не магия: где заканчивается здравый смысл LLM
</li>
<li>() - Файнтюнинг: учим GPT понимать нас лучше
</li>
<li>() - Пределы модели: почему знания «вытесняются»
</li>
<li>() - LEGO, Copilot и код: генерация, где работает, где нет
</li>
<li>() - Заменит ли GPT ревьюера? Хекслет тестирует
</li>
<li>() - Проблема смыслов: почему даже с правилами модель врёт
</li>
<li>() - Что такое разум у LLM: reasoning и цепочки размышлений
</li>
<li>() - MCP и агенты: когда LLM делают больше, чем отвечают
</li>
<li>() - Автоматизация задач: мечта об ИИ-помощнике
</li>
<li>() - За пределами промтов: новый взгляд на разум
</li>
<li>() - Автономные агенты: размах MCP в продакшне
</li>
<li>() - Инциденты под контролем: SRE + агентный подход
</li>
<li>() - Оркестрация инструментов: когда API + MCP не хватает
</li>
<li>() - Покупать или делать самому: стратегия внедрения
</li>
<li>() - MCP как стандарт: реальные шаги или маркетинг?
</li>
<li>() - Архитектурные тренды: готовимся к агентам заранее
</li>
<li>() - Команды и экосистема: как вести IT-лидеров
</li>
<li>() - Безопасность и контексты: бизнес, observability, security
</li>
<li>() - MCP next layer: от работы в одиночку к рынку агентов
</li>
<li>() - Оценка зрелости: когда агенты перестают быть хайпом
</li>
<li>() - Call to action: малые эксперименты — большие изменения
</li>
<li>() - Ключевые выводы и приглашение к диалогу
</li>
</ul>

<a href="boosty.to/mokevnin">★ Support this podcast ★</a>

#49 Почему искусственный интеллект не работает без настоящего инженера | Андрей Татаринов

Kapitelklicken springt direkt hin

Shownotes