Генеративный AI: в чем мы ошибались. Что почитать утром, по мотивам https://www.sequoiacap.com/article/generative-ai-act-two/

В 2021 я прошла безумно скучный 3хмесячный стенфордский онлайн-курс по нейросетям. Нас учили математике, теории машинного обучения и прочим непонятным вещам. Профессор показывал теорию с помощью рисунков и схем на клипчарт-доске...

Прошло всего 2 года. Завтра на 3хдневном интенсиве меня обещают научить программировать (я специально спросила что они имеют ввиду под словом программировать, и да, мы понимаем это одинаково) нейросеть. За 3 вебинара и 3 домашних задания. Маркетолога с весьма посредственным знанием JS и Python. Инфоцыгане. Штож. Я отменила даже маникюр ради такого, потому что опыт не пропить - прошлой зимой примерно так же я случайно научилась делать чат-ботов на JS за 2 недели, каких только чудес не бывает😂

Мы ошибались, когда думали, что AI это дорого и доступно только для крупных корпораций из-за стоимости и доступности железа (видеокарт). Но нет, облачные решения стоят вполне терпимых денег.

Мы ошибались, когда думали, что внедрить AI решение - это годы разработки. После этой статьи я по-другому начала смотреть на сроки, которые называют подрядчики. И если, Антон, вы говорите что разработчик будет 2 недели пилить фичу, то почему она готова уже утром следующего дня?! Кто-то явно "дал списать". Но лично я не против)))

Мы ошибались, когда думали, что инновация как бизнес-модель будет внедряться долго - сейчас спрос явно превышает предложение. Просто попробуйте найти грамотного свободного подрядчика для разработки хотя бы на 2024 год... Свою нейросеть захотели буквально все, нужные контакты передаются по большому блату (почти)😂.

В общем, статью стоит прочитать, чтобы хотя бы знать, куда движемся. За ссылку и всегда крутой контент спасибо @producthr 💗