Почему большинство людей не пользуется нейросетями?

 Публичный пост
11 июня 2024  791

Больше половины моих знакомых не пользуется ChatGPT. Быстро погуглив всякие опросы в интернете — статистика показывает примерно ту же картину. Как так то?

Типичный сценарий: человек пару раз попробовал нейронки на своих задачах, и получилось плохо. Делает вывод, что — это тупая хрень, перехайпленная, и пользы от них ноль.

Ben Evans круто объяснил, в чем проблема такой логики.

Когда что-то спрашиваешь у ИИ, он выдает, как выглядел бы хороший ответ на похожий вопрос. Иногда «похоже на хороший ответ» — это то, что нужно. А иногда «примерно правильно» — это «точно неправильно».

Если нейронка не справляется, это больше говорит о тебе, чем о ней. Ты дал джуну задачу, с которой он не справился. Кто виноват?

Виноват ты, потому что использовал инструмент для неподходящей задачи или плохо составил промпт. Нейронки сейчас как джуны в команде — от них нужно по-умолчанию ожидать кучу ошибок. Надо направлять и помогать учиться. Большая часть ответственности лежит на тебе.

Однако Ben накидывает еще: "не получится продвигать продукт, в котором простые юзеры вынуждены учить код для командной строки". Нужно двигаться навстречу пользователю. Нейронка должна уметь как сеньор специалист помочь понять и лучше сформулировать задачу. А возиться с джунами — отстой.

У Бюро Горбунова есть офигенный принцип: Исполнитель Понимает Задачу. Принцип перекладывает ответственность за результат на того, кто больше шарит в задаче — на исполнителя (в нашем случае на нейросеть). Теперь это его ответственность задавать вопросы и хорошо понимать, что на самом деле ты от него хочешь.

Юзер не обязан разбираться во всех тонкостях задачи и ему сложно качественно обьяснить суть. Иногда даже до такой степени, что проще сделать задачу самому, чем обьяснить другому. А исполнитель не телепат и может понять, какие именно тонкости важны, только поговорив с юзером.

Основное конкурентное преимущество провайдеров нейронок будет не в том, насколько круче сама модель, а в том, какая продуктовая инфраструктура выстроена вокруг неё. Нейронки уже сейчас плюс-минус одинаковые. А вот если кто то упростит процесс создания хорошего промпта, это будет сильный шаг вперед.

С новым голосовым интерфейсом, минимальной задержкой и возможностью перебивать друг друга это вполне возможно сделать.

Связанные посты
59 комментариев 👇
Трин Zotoff Делю на ноль, дорого 11 июня в 23:35

Всё по делу, +1. В данный момент нейронки юзают только те, кто понимает как писать промпты. Остальные не умеют и ждут. В итоге ML дотянутся до каждого пользователя, разница лишь в том что кто-то будет уметь в низкий уровень, а кому-то будет хватать высокого.
И да, чтобы писать нормальные промнты нужна практика + понимание того, о чём вы спрашиваете. Я регулярно, каждый день использую чатгпт в своей работе, вот примеры:

  1. Я могу забыть какую-то консольную команду, помнить её примерно, но не полностью.

    мне потребовалось бы либо вспоминать методом тыка + man, либо гуглить, либо просто проверить за чатгпт результат, я визуально вижу, что это именно то, что надо.

  2. Я ленив, есть вещи, которые мне проще вкинуть в чатгпт, чем готовить конфиги. Часто это касается кубера или докера

    вижу, что он выводит все requests/limits, а значит надо скопировать запрос и дополнить его cpu/memory, чтобы мусор не попадал. Или вот

  3. Иногда я очень-очень ленив, особенно когда надо просто выполнить разовый скрипт и мне правда проще написать запрос в чатгпт, чем стачивать пальцы. Кстати, вот пример, когда проще дописать запрос, чем исправить его. Увы, я делко не идеально составляю промпты

Во всех этих приме важно понимать, что вы знаете нужный вам результат, вы можете вспомнить консольные команды, накидать конфиг для кубера или найти шаблон, а так же помните зачем читать csv из стрима и как выглядит алгоритм Дугласа-Пекера. Ну или хотя бы знаете, что вам нужно получить в результате и можете это быстро проверить.
Ещё много примеров, где проще спросить в чатгпт, что-то вроде чем отличается UTC от GMT или у меня есть резина 35/12.5/17, нужен европейский аналог или как пропатчить kde2 под freebsd (но тут придётся всплакнуть).

Аналогично, кстати, не только с GPT и LLM. Я аналогично пользуюсь и далли, когда надо накидать какое-то изображение.

Но в графических промптах я пока не так свободно себя чувствую, как в LLM.

@trin4ik, вот мне тоже очень нравится кейс, когда нужно накидать несколько экранов супер-стандартного кода, который ты точно знаешь как писать, но на это все равно уйдет порядочно времени, и в процессе все равно можно ошибиться

А в чатгпт закидываешь короткий запрос на русском и он тебе делает как надо, только немного подкорректировать нужно

  Развернуть 1 комментарий

@trin4ik, не вижу, как вывод

В данный момент нейронки юзают только те, кто понимает как писать промпты

соотносится с примерами из твоего комментария. И особенно с пометкой, что

Увы, я делко не идеально составляю промпты

Ты же не используешь никаких неочевидных фишек при написании промптов. Ты просто достаточно подробно описываешь задачу, чтобы чатгпт мог ее решить. Почти так же, как бы описывал ее человеку, только без лишней вежливости и формальностей.

Мне кажется, все, кто пытался взаимодействовать с нейросетями, приходят к чему-то подобному. Я прошел такой путь, по крайней мере. Сначала пытался спрашивать кратко, но видел, что нейросеть не понимает деталей, которые мне кажутся очевидными. И через несколько попыток запомнил, что подробности нужно указывать в запросе сразу же.

Мне кажется, ты используешь чатгпт просто потому, что у тебя есть задачи, в которых он тебе может облегчить работу. Я сейчас тоже иногда использую для чего-то подобного. А раньше не использовал, потому что у меня не было таких задач, с которыми нейросеть справилась бы лучше.

Так что, по-моему, люди не используют нейросети, потому что людям нейросети на текущем этапе развития технологии не нужны. Либо люди не знают, для чего они им нужны.

  Развернуть 1 комментарий

@binque, я не претендую на промт-мастера, о чём и сказал, я лишь привёл примеры, где мне помогает чатгпт. большинство тех, с кем я общался, кто "чатгпт тупой, делает говнокод" не могут и подобные промпты писать, они пишут что-то вроде "сделай мне сайт с красненькими кнопочками на питоне". повторю, я пока не промт-мастер совсем, но даже мне с моим уровнем промптов чатгпт помогает каждый день.

  Развернуть 1 комментарий

@trin4ik, да, примерно верно.

Промптинг и отгрузка хелпдеска и вот я теперь говнотимлид команды из меня и gpt. На последнем проекте меня это выручило очень сильно, потому что я вообще не курю в OpenCV и програмных CAD, а это было нужно здесь и сейчас и компетентного типа на подмогу мне не дадут.

Я могу придумать архитектуру, понимаю что должно быть сделано, но писать простыни кода по теме мне встанет в очень много времени и усилия.

  Развернуть 1 комментарий

У меня нет для них задач

  Развернуть 1 комментарий

@lk4d4,

А расскажи почему?

  Развернуть 1 комментарий

@leeaao, не знаю
Кода не особо много пишу, с документами он мне не поможет и уберёт мой фирменный стиль. С дизайном он вообще не в курсе что у меня и как, какие инструменты мне доступны, какие проблемы я уже знаю.
Я больше времени потрачу чтобы его в курс дела ввести.
А так, я в основном в спортзал хожу, там он точно не помощник.

Не отрицаю полезности, но самому мне лень с ним общаться.

  Развернуть 1 комментарий

@leeaao, как софтваре инженер отвечу:

Он не решает моих задач. Попытки писать код с помощью ИИ делают лютую херню в моей области. Попытки делать им тесты делают ЛЮТЕЙШУЮ херню.

На работе стоит ИИ ревьювер на мерж реквесты и 99% времени он несет бред без понимания контекста.

Так что на работе он мне даже мешает. Возможно я использую его в телефоне, когда ищу что-то по фотографиям, но редко. Вот и все.

  Развернуть 1 комментарий

@leeaao, я немного пользуюсь, будучи разработчиком, но это все очень нишево и редко. Например когда нужно было джейсоны для интернационализации переводить на другие языки, то чатгпт отлично с этим справлялся. Но эта задача у меня возникает крайне редко. То что чаще это copilot, но это больше как игрушка которая либо подкидывает удачную строчку и ты радуешься, либо подкидывает хрень и ты пишешь сам. Тяжело сказать с чем еще могли бы помочь LLM при написании кода, тк в большинстве случаев генерят хрень

  Развернуть 1 комментарий
Egor Suvorov Программист/преподаватель C++ 11 июня в 17:39

Ты дал джуну задачу, с которой он не справился.

Так я и не хочу давать джунам задачи. Я специально для этого работаю как individual contributor, а не как менеджер.

  Развернуть 1 комментарий

Если нейронка не справляется, это больше говорит о тебе, чем о ней. Ты дал джуну задачу, с которой он не справился. Кто виноват? Виноват ты.

Нет, просто нейронки полное говно в данный момент.

На данный момент более-менее общепринятое мнение, что конкретно в кодинге нейронки типа копилота годны только для бойлерплейта - т.е. написать то, что и я так смог написать бы, просто одной кнопкой вместо нескольких. На любые более-менее сложные задачи он начинает генерить настолько лютую чушь, что проще его вообще не слушать. А бойлерплейт умеет генерить как любая вменяемая IDE, так и ctrl+c - ctrl+v, да и со скоростью печати особо проблем нет.

  Развернуть 1 комментарий

@Gregpack, но говном можно топить печь! Говорю как житель Армении.

  Развернуть 1 комментарий

@leeaao, срать в код для растопки я справлюсь лучше любой нейросети!

  Развернуть 1 комментарий

@Gregpack, проорал в голос >_<

  Развернуть 1 комментарий

@Gregpack,

А бойлерплейт умеет генерить как любая вменяемая IDE

Ну кстати бойлерплейт от нейронок мне показывали гораздо круче, чем от IDE, и даже чем можно сделать регулярками. Например, ты сначала делаешь рефакторинг одного места в стиле "вот этот вызов функции заменить на такой-то иф и промежуточную переменную", а дальше по хоткею нейронка делает то же самое в куче мест с учётом местного синтаксиса и названий переменных. Скобки там лишние (или нелишние), вот это всё. В регулярке это задолбаешься формализовывать, а structural search & replace есть только в IntelliJ IDEA, работает кривовато и там нужно знать очень специальный синтаксис.

Разумеется, надо перепроверить результат, но всё равно сильно быстрее, чем руками.

  Развернуть 1 комментарий

@yeputons, проблема в том, что сгенерить бойлерплейт сложнее чем "вот щас сюда мне функцию на 5 строк подставь" надо, как ты сам и сказал, перепроверять. А то что выдает нейронка - не верифицируется никак, кроме "тупо посмотреть глазами", в отличие от реплейса через идею, где если в одном месте норм, то и везде норм.
Буквально на прошлой неделе я выдал копайлоту на вход табличку, из которой надо было вытащить первую колонку, перечислить через запятую и подставить в пару джавовских конструкторов. Он это сделал, я обрадовался, а на тестах выяснилось что пару значений он продублировал, а пару значений просто по пути потерял. Проверять такие вещи лично для меня настолько муторно, что мне проще и энергоэффективнее покопипастить самому в будущем. Тем более, если там реплейс на десяток файлов - я гарантированно не замечу ошибку глазами.

  Развернуть 1 комментарий

@yeputons, забавно. У меня часто копайлоты обсираются на таких задачах, а вот регулярки как раз на ура справляются. А вот помочь вспомнить, как писать сложные регулярки, GPT умеет хорошо.

  Развернуть 1 комментарий

@Gregpack, не, понятно, что если там надо сгенерировать хитросплетений на три сотни строк, то тоска-уныние.

Я скорее про штуки, которые писать муторно, а проверять просто. Мне показывали на другом примере, но у меня недавно была такая задача: "добавить во все ~50 вызовов этого метода последний аргумент, который по умолчанию равен xxx, где переменная с именем ровно xxx уже есть в 95% случаев, а остальные случаи разберу руками". По дороге проигнорировать комментарии и правильно учесть случаи, когда там вложенные скобки внутри, переносы строк, и прочая балалайка.

Регулярками это не делается, а рефакторинг вроде как не умеет. Кажется, тут нейронка бы справилась очень хорошо.

  Развернуть 1 комментарий

@yeputons, рефакторинг в идее умеет добавлять параметр в нужную позицию со значением по умолчанию.

  Развернуть 1 комментарий

Почти все мои задачи требуют технически верного решения. Я не могу верить GPT и не проверять результат досконально. А пока проверяешь мог бы и сам уже сделать.

Ни разу еще я не смог найти им применения, которое бы сэкономило мне силы и/или время.

  Развернуть 1 комментарий

4o против скриншота
4o против скриншота

Есть хорошая демонстрация почему. Это не джун, это очень специальный молоток для специальных гвоздей, но почему-то продвигается как «супер-решение-для-всего-вообще-на-свете».

  Развернуть 1 комментарий
Валера Ивашин Инженер мониторинга сети 11 июня в 19:04

Большие и сложные задачи делает плохо, маленькие и легкие я сам быстрее сделаю.

  Развернуть 1 комментарий
Михаил Гусаров Инженегр-погромист 12 июня в 08:45

Интересно, как ответы коррелируют с местом работы.

Для разработчиков из Google, Citibank, Cloudflare ошибки дороги (очень много пользователей или ошибки приводят к потере денег), и поэтому LLM не приносит ускорения, так как «сделать как-нибудь по-быстрому, а потом поправить» приносит реальный денежный ущерб.

Для тех же, кто «херак-херак и в продакшн, а если что-то сломается, то поправим наживую, наша сотня пользователей этого даже не заметит» LLM приносит ощутимую пользу, стадия «херак-херак» становится гораздо быстрее. Или же для тех, кому код нужен для своей внутренней работы, данные там пощупать, с валидацией глазами — такое тоже быстрее отдать LLM, всё равно такая работа вечно интерактивная.

  Развернуть 1 комментарий
Anna Программист 11 июня в 17:49

Потому что практически каждый раз, когда я вижу результат работы AI, мне плакать хочется. Нет большей антирекламы, чем та, которую GPT делают сами себе.

  Развернуть 1 комментарий

@Doredel, эээ ну кажется пост как раз это и раскрывает. Не согласна?

  Развернуть 1 комментарий

@leeaao, так в посте написано, что если хочется плакать - пользователь сам виноват. Вот я и не хочу быть виноватой. Не нужно мне работу добавлять, мне ее хватает.

  Развернуть 1 комментарий
Иван Бурнатов градостроительное проектирование 11 июня в 18:06

Очень характерная реакция в комментариях xD

Для примера, я часто использую его для разбора строк. Регулярки плохо помню, да и читать их тяжело. Говорю ему "пиши на питоне. используя регулярные выражения извлеки из строки '............(o)...(o)..' часть между (o) (o). И он мне сразу фигачит рабочий код. Протестил его и норм

Или там "пиши на питоне используя GDAL. считай первый полигон в слое layer, поменяй порядок точек на обратный, запиши в то же место". Он сразу фигачит процедуру, которую иногда даже править не нужно.

А так прошлось бы вспоминать, а как же там открывать слой, а как читать объект, делать цикл, проходить по точкам, записывать в обратном порядке и т.д. Не сложно, но нудно и займет минут 10. А тут через несколько секунд уже получаешь ответ

Инструмент конечно не идеален, в некоторых случаях бесполезен, но мне очень помогает

В крупных проектах, где спагетти намешано, полезность конечно сомнительная

  Развернуть 1 комментарий

@orbit, я просто это помню. Регулярки простые. У меня редко когда возникает новый домен. А когда возникает — я хочу не методы в случайном вроде разумном порядке вызывать, а досконально изучить, что и когда можно, какие есть традиционные ограничения-подвохи-конвенции. Как раз чтобы не писать потом код, который по качеству будет ровно как ChatGPT, но я буду ещё и не в состоянии найти там проблемы вроде недавнего default=str(uuid.uuid64()).

А ситуации "надо погрузиться в этот домен чуть-чуть" у меня возникают очень редко.

  Развернуть 1 комментарий

@yeputons, а у меня очень мало времени на программирование, нет возможности долго вникать. А если что-то сломается то обычно это не страшно

Зато автоматизация очень сильно помогает в работе

  Развернуть 1 комментарий

@orbit, возможно, у нас просто разные задачи на работе :)

  Развернуть 1 комментарий

@orbit, например, вот @MikhailKorobko в соседнем посте тоже рассказывал истории успеха: https://vas3k.club/link/18224/#comment-d090e56a-c7d8-49a2-ad80-4e5109c54617

Круто, что, но у меня таких запросов не встречалось.

  Развернуть 1 комментарий

@yeputons, я с тех пор еще больше стал юзать)) У меня это буквально помощник почти по всему, что я делаю: написание текстов, кода, написания писем, саммари длинных отчетов, как личного тютора по языку и т.п. Понятно, что часто гонит хрень и т.д. — но если знать, что от него просить и как, получается норм. Типа если в гугл писать прям то, что хочешь спросить, он для любого сложного запроса несет хрень тоже) Очень жду нормального голосового модуля, чтоб делать запросы, не переключаясь в окно браузера.

  Развернуть 1 комментарий
Pannikinjuli YouTuber, создаю религию 11 июня в 19:39

Не все люди даже поисковиком пользоваться* приучились, а тут новая штука, к которой надо:

  1. привыкнуть (нужно время)
  2. подобрать юз кейсы (нужно думать)

Итого – лень.

Хотя в моём окружении друзей и коллег нет ни одного человека, который бы вообще нейросетями не пользовался. И я не только про ChatGPT, но и text to image, генерацию музыки.

Вообще не представляю, как теперь письма без чатаджпт писать, особенно в стиле «пошли их нахер профессионально», «напиши в стиле скандальной тётки». И картинки. Зачем искать референс, если можно сгенерировать.

*Ввести что-то в поисковую строку ещё не значит уметь пользоваться

  Развернуть 1 комментарий

@pannikinjuli, кстати, да, поддерживаю. Поиском я в какой-то момент как-то научился пользоваться и мне очень помогает, но как я это делаю — хз. Как остальные этого не делают — страдают, как мне кажется.

  Развернуть 1 комментарий

Почему большинство людей не использует Excel (GoogleSheet) ?

  Развернуть 1 комментарий

@gramlin, серьезно? :-( )

  Развернуть 1 комментарий

@gramlin, потому что это не general purpose инструмент. А нейронкой можно и работу инженера работать и рецепт для торта собирать.

  Развернуть 1 комментарий

@leeaao, вот вот. LLM тоже совсем не general purpose инструмент для большинства задач. Более того, как выше отметили пока существуют гораздо более простые способы даже для тех задач с которыми LLM справится, например рецепт торта проще и, главное, надёжнее нагуглить с реальными отзывами.

на мой взгляд, потенциал использования LLM даже когда их доведут до ума будет как раз между пакетом MS Office и Гуглом.

  Развернуть 1 комментарий

Если нейронка не справляется, это больше говорит о тебе, чем о ней. Ты дал джуну задачу, с которой он не справился. Кто виноват?

тяжелый_вздох.wav

Может, я просто работаю над задачами, с которыми нейронка не справляется в принципе? Или, может, я могу просто-напросто сделать быстрее нейронки?

В моем случае пользование ChatGPT меня замедляет - мне не нужны summary, мне не нужно писать однообразный код день за днем, в документации разного сорта я прекрасно научился ориентироваться, гуглю без проблем...для чего мне тогда нужен ChatGPT?
Просто чтобы сказать, что я модный и иду в ногу со временем?

Еще очень много вижу комментариев и мнений в духе "ну, просто надо найти, как именно тебе поможет, покрутить, как ее можно прикрутить к твоему текущему процессу". Всегда забавно читать, вспоминая, как в сфере Андроид и фронтенд-разработки регулярно происходит процесс поиска проблемы, под которую подошло бы новое, прекрасное и сияющее решение.

  Развернуть 1 комментарий

Щас попридираюсь немножко к словам, а потом напишу развёрнуто:

Типичный сценарий: человек пару раз попробовал нейронки на своих задачах, и получилось плохо. Делает вывод, что — это тупая хрень, перехайпленная, и пользы от них ноль.

А потому что надо было пробовать на чужих задачах, в которых самостоятельно-то разобраться сложно, а уж оценить чужой результат и подавно.

Некоторые люди относятся к языковым моделям как к собеседникам, которые сидят где-то по другую сторону монитора и действуют как люди со всеми ответственностями и ответными взаимодействиями.

Но GPT и подобные модели не действуют как нормальные и адекватные люди. Они просто генерируют правдоподобный текст.

Например, если попросить ChatGPT 4o помочь с проблемой вида «не включается компьютер», он сразу начнёт накидывать идеи, что надо проверить: кабель питание, исправность кнопки, блок питания... В то же время, человек задаст несколько уточняющих вопросов, поскольку формулировка «не включается» у разных людей может означать от «нет реакции от системного блока» до «системник гудит, но нет картинки на мониторе», «ОС крашится с ошибкой», «форма входа принимает пин-код в качестве пароля» и даже «не запускается браузер».

Причём, мне GPT ещё посоветовал потыкать мультиметром в блок питания. Ему ведь ничего не будет, если я полезу разбирать БП под напряжением и нагрузкой и задену рукой ввод 220В. А если мне такое посоветует друг, есть риск, что другом после этого он перестанет быть.

Если модель, обученная на куче советов с форумов, даже тут не может адекватно ответить, как я могу от неё ожидать решения более сложных вопросов, специфичных для узкой сферы деятельности? Мне всё равно придётся перепроверять за ней и править её косяки, и это зачастую может занять куда больше времени, чем написание такого кода самостоятельно. Ценой ошибки при написании какого-то большого куска кода может быть пара часов моего времени.

В общем, GPT — это прикольный советчик, а если смотреть в терминологии «дал джуну задачу» скорее чувак из соседнего отдела (шарящий во всём по чуть-чуть), который может накидать разных неожиданных идей, одну из которых я выберу под свою ответственность. И в таком образе у него действительно не так уж и много кейсов для использования.

  Развернуть 1 комментарий

- Почему большинство людей не пользуется нейросетями?
- Потому что они тупые.

Верно как для людей, так и для нейросетей, но пока что чаще для последних.

  Развернуть 1 комментарий

А зачем?

Получить информацию - быстрее на автомате нагуглить и на автомате же выделить нужное в фокус. Плюс поисковой запрос работает для меня консистентно и ожидаемо. Ответ gpt же придется ментально чистить от воды, формат диалога для этой задачи усложняет, а не упрощает восприятие.

Объяснить непонятное - в целом то же самое, в добавок пока что с этим другой человек в живую или на записи справляется лучше.

Нагенерить формальной воды вокруг сути, например для email'ового бюрократического этикета - в результате очевидно, что сеть писала, что даже хуже чем без него вообще.

Код писать - архитектурные задачи не решает, а нагенерить класс с конструктором - даже не знаю, куда буду сэкономленные 10 секунд тратить. (К слову copilot пробовал, но в посте речь о gpt и промптах)

  Развернуть 1 комментарий

Скорее все пользуются результатом работы машинного обучения особо не задумываясь:

  • ранжирование поиска в гугле/яндексе
  • рекомендации почти везде: ютуб, музыкальные сервисы, маркет-плейсы
  • онлайн-перевод: давно уже на нейронках
  • фильтры/эффекты в соц сетях: тик-ток, инста
  • расшифровка аудио-сообщений в мессенджерах
  • автоматические субтитры в видео-сервисах
  • распознавание людей, предметов на фото (привет icloud и google photos)

Список можно долго продолжать. Думаю, что как раз самый кайф, когда продукт изменяется, а мы как пользователи не обязаны знать, что там работает под капотом.

  Развернуть 1 комментарий
Трин Zotoff Делю на ноль, дорого 11 июня в 23:39

Может тред шаблонов под разные сети замутим?

  Развернуть 1 комментарий

@trin4ik, линкую этот пост и советую этот репо

  Развернуть 1 комментарий

@binque, благодарствую

  Развернуть 1 комментарий

А я вижу что пользуются, причём очень интересно. Джун копирует два класса и отправляет chatgpt так он исправляет багу в задаче которая была на нем. У него даже не возникло мысли что он нарушает контракт, в котором обычно указано что нельзя расшаривать код. И это в одном из банков.

  Развернуть 1 комментарий

@lham, хм, а где система безопасности банка?

  Развернуть 1 комментарий

@tdurova, похоже тоже в chatgpt)

  Развернуть 1 комментарий

@lham, так вот зачем у нас в нулевые на рабочих компьютерах не было интернета)
(компания занималась разработкой банковского софта)

  Развернуть 1 комментарий

@lham, я щас наброшу, конечно, но какая в этом сраном коде ценность? Даже если предположить, что он расшарил его не тупой железяке чатгпт, а положил на гитхаб, - украсть его и использовать as is, обычно невозможно, всё очень индивидуально. Можно найти баг и заэксплойтить - так а вы пишите без багов (тебя посодют - а ты не воруй). Про наличие уникальных нуждающихся в охране от постороннего глаза софтверных решений - тож сомнительно.
Безопасность - это нечто, нужное только безопасникам. Раунд!

  Развернуть 1 комментарий

@typesetter, спокойнее журналистам, инвесторам и клиентам. Потому что заголовок "ВНУТРЕННИЙ КОД БАНКА УТЁК К ХАКЕРАМ В РУКИ" пугает все три группы независимо от реалистичности угрозы.

  Развернуть 1 комментарий

@typesetter,

но какая в этом сраном коде ценность?

проще продавать лицензии, когда код не opensource, в первую очередь из-за того, что не видно качество и сложность кода

Можно найти баг и заэксплойтить

"баг" может быть не только в коде, но и в процессах в организации, которая этот код использует. расшарив код, можно раскрыть об организации больше информации, чем она хотела бы

  Развернуть 1 комментарий

Я сейчас много говорю и работаю с людьми, которые пробуют внедрить GPT на бытовом и рабочем уровне. Основные возражения, с которыми работаю:

  • Основной реальный барьер - нужны усилия чтобы подобрать юзкейсы под себя, это большое изменение. А это изменения - сложно. Люди вообще склонны работать так, как привыкли.
  • Чтобы нормально взаимодействовать с GPT, нужно: пройти пару курсов по промптингу, прочитать все сборники "лушчих промптом для маркетолого", а лучше выучить их, подготовиться морально и физически и столкнуться с тем, что "chatgpt is not available in your region". Короче, все думаю что сложно.
  • Джуны внедряют это у себя охотнее, потому что хотят опередить старших. Старшие внедряют неохотно, потому что "ну можно же делегировать на джуна, который этим всем пользуется"))
  • Тоже весомый пункт, который не озвучивают: всё меняется очень быстро и люди не успевают. Ну буквально большинство людей думают, что gpt нужно сильно запромптить и 3.5 совсем тупой, а для pdf и изображений нужны отдельные нейросети. Хотя это уже давно не так (полгода? 3 месяца?)
  Развернуть 1 комментарий

@skitnik,

Я сейчас много говорю и работаю с людьми, которые пробуют внедрить GPT на бытовом и рабочем уровне.

А можешь про какой нибудь кейс прикольный рассказать?
Кмк подбор юзкейсов даже судя по комментам тут это самая серьезная сложность.

  Развернуть 1 комментарий

@leeaao, а вот кажется, что единичные кейсы уже не работают и воспринимаются скорее как спам (в духе "100 промптов которые нужно попробовать до 30 лет").

Хорошо работает создание общего инфопотока про GPT: подписать человека на несколько каналов, чтобы руководитель рассказывал о кейсах, чтобы в компании делились кейсами и проч.

У меня много кейсов - я их пишу в телеграм-канал и на прочие площадки, но это скорее как одна из частей популяризации. А кейсы у меня от странных (составить индивидуальный курс в GPTs по изучению блэк-метал сцены) до ежедневных (ретроспектива месяца с GPT/порефлексировать перед психологом).

  Развернуть 1 комментарий

😱 Комментарий удален его автором...

  Развернуть 1 комментарий

Слишком много ошибок, на него нельзя положиться практически ни в чем серьезном.
В большинстве задач у меня должно быть знание в голове итогового результата, хотя бы приблизительное, потому что он мне наврет с три короба в любом случае, и мне нужно отделить, где он пишет правду от того, где он врет, уточнить и перепроверить.

  Развернуть 1 комментарий

😎

Автор поста открыл его для большого интернета, но комментирование и движухи доступны только участникам Клуба

Что вообще здесь происходит?


Войти  или  Вступить в Клуб