AI&I — подкаст не тільки про АІ

💡 Усі статті, обговорення, новини про AI — в одному місці. Приєднуйтесь до AI спільноти!

Привіт, мене звати Роман Кислий і я запускаю новий подкаст — AI&I. І, він не про AI у звичному сенсі. Я давно працюю з AI, створюючи нові системи що його використовують, тренуючи моделі і викладаючи. І за останні кілька років у мене сформувалося доволі чітке відчуття: більшість розмов про AI відбуваються не там, де насправді є складність. З одного боку — хайп. Демки, які розвалюються при першому контакті з реальними даними. З іншого — глибоко технічні дискусії про архітектури моделей, які часто не мають прямого відношення до того, як ці моделі реально використовуються.

Але якщо ви хоч раз намагались довести LLM-рішення до продакшену, ви знаєте, що головні проблеми лежать зовсім не там де їх очікуєш.

Питання не в тому, яку модель обрати, чи як її зафайнтюнити, а в тому, щоб побудувати систему, яка:

• працює стабільно з будь-якими даними
• має контрольовану поведінку
• інтегрується в існуючі процеси, які взагалі не були створені під AI
• і яку можна пояснити бізнесу і користувачам

У певний момент я зрозумів, що мені не вистачає розмов саме про цей рівень — рівень систем, компромісів і реальних обмежень. Так з’явилась ідея AI&I. Це простір для розмов про те, що відбувається між моделлю і реальністю.

Перший епізод — з Дмитром Войтехом, AI Лідом у «Мрії». Ми майже не говоримо про моделі як такі. Натомість багато говоримо про системи.

Про те, що означає будувати AI-рішення в державному секторі, де у тебе є не просто технічні обмеження, а ще й організаційні, юридичні і культурні. Про те, що edtech — це не продукт, який можна «запустити і масштабувати», а складна система, де технологія — лише один з елементів. І про те, що дуже багато AI-рішень ламаються не через якість моделі, а через невідповідність між тим, як модель працює, і тим, як організований процес навколо неї.

Якщо спростити, більшість сучасних LLM-рішень виглядають як спроба вставити стохастичний компонент у детерміновану систему — і потім дивуватись, чому все поводиться нестабільно.

І тут починається найцікавіше — реальна інженерія LLM-систем — це не про «зробити модель розумнішою». Це про те, як обмежити її свободу достатньо, щоб вона стала корисною.

І саме про це хочеться говорити в цьому подкасті.

Мені здається, ми зараз в точці, де «AI як фіча» поступово перетворюється на «AI як частина інфраструктури».

І в цій точці ключове питання вже не «що може модель», а «яку систему ми будуємо навколо неї».

Хто контролює рішення. Як перевіряється результат. Де проходить межа відповідальності. Як поводиться система в edge cases.

І, що важливо, як це все виглядає не в лабораторії, а в реальному середовищі — з реальними користувачами і реальними наслідками.

Цей подкаст — спроба зафіксувати і осмислити цей перехід.

Через розмови з людьми, які не просто «цікавляться AI», а змушені приймати рішення в умовах невизначеності.

Якщо вам цікаво не тільки «що нового в AI», а те, як це реально працює під капотом систем — думаю, вам зайде.

Буду радий фідбеку.