Генеративный AI уже меняет работу аналитиков, продактов, дизайнеров и других digital-спецов, и в этом выпуске мы, наконец, честно разбираемся, где за технологиями стоит реальная польза, а где — пока только красивые демки. Практическое применение генеративного искусственного интеллекта обсуждаем с Денисом Димитровым — управляющим директором по исследованию данных в Сбере и одним из главных создателей Kandinsky и GigaChat. В выпуске: как рождаются фундаментальные модели и почему именно они двигают рынок зачем Сбер выложил Kandinsky в опенсорс и что это дало что внутри LLM: разбираемся как именно генерируется текст, картинки и видео мультимодальность vs. омнимодальность — следующий виток технологий какие генеративные модели сегодня самые продвинутые + личный опыт использования как компании экономят миллионы на автоматизации процессов с GenAI где GenAI усиливает людей, а где — становится риском кто отвечает за ошибки генеративок правда ли LLM тупеют и что будет, если кормить их плохими данными ближайшее будущее GenAI Говорим про будущее, которое уже работает в проде. Легко, честно и с примерами, которые каждый сможет перенести в свою работу и, вообще, в жизнь. Что считается в эпоху генеративного AI? Делитесь в нашем телеграм-канале https://t.me/eto_schitaetsya Тайм-коды: 00:12 Начало выпуска 01:24 Гость выпуска — Денис Димитров 01:33 Тема выпуска 01:44 От математики к AI, от теории к практике: путь Дениса Димитрова 03:09 Главные факторы развития AI 05:48 Создание и развитие нейросети Kandinsky 06:48 Зачем выкладывать свою нейросеть в опенсорс 08:19 Как и какие генеративные модели используют Даня и Денис 11:46 Чем отличается работа LLM с изображениями и с текстом 15:12 Фундаментальная модель как основа для продукта 16:51 Интеграция генеративных моделей в рабочие процессы 18:25 Когда генеративные модели приносят вред и кто несет ответственность 20:53 Генеративные модели в обучении 21:36 Рубрика «Базовый минимум или роскошный максимум» 25:36 Чем отличаются мультимодальная и омнимодальная модели 26:55 Способы проверки качества генеративных моделей 29:29 LLM для бизнеса: гонка на мировой арене vs. продуктовый подход 32:58 Ближайшее будущее генеративного AI 34:54 Авторское право и генеративные модели 36:40 Как создается и обрабатывается датасет моделей 37:49 Генеративные модели тупеют? Как влияют некачественные данные 41:36 Выводы 42:39 Рубрика «Что считается?» 43:35 Завершение выпуска