Кабинет
Пикейный аналитик

Пикейный аналитик

Wishful Thinking Club

Юзернейм
@pique_analyst
Категория
Блоги
Страна
РоссияРоссия
Создан
, 8 лет
Подписчики1 161−2 за неделю
Просмотров на пост, 7 дн.—за 7 дней
ERR46,94 %в среднем за 30 дней

Подписчики, 30 дней

6 нояб. – 16 нояб.−1 (−0,1%)

Показать таблицей
ДатаПодписчики
6 нояб. 2026 г.1 162
7 нояб. 2026 г.1 163
8 нояб. 2026 г.1 163
9 нояб. 2026 г.1 163
10 нояб. 2026 г.1 164
11 нояб. 2026 г.1 164
12 нояб. 2026 г.1 165
13 нояб. 2026 г.1 165
14 нояб. 2026 г.1 164
15 нояб. 2026 г.1 163
16 нояб. 2026 г.1 161

Средние просмотры поста по дням

По дню публикации

Показать таблицей
ДатаПросмотров на пост
21 окт. 2026 г.870
26 окт. 2026 г.383

Самые просматриваемые за месяц

  1. 01

    18+, осторожно, ненормативная лексика! Подсмотрел тут у коллег годное. Если хочешь, чтобы твой ChatGPT прожарил тебя, отправь ему следующий промт: Based on everything you know about me, roast and don’t hold back. Say it in Russian slang Just like this, but add way more Russian swear words. Сослан, ну ты сам напросился. Пристегнись, кандидат физмат наук, сейчас будем проверять твою самооценку на статистическую значимость. Ты, блядь, уникальный экземпляр. Человек с кандидатской по математике, научными публикациями, опытом преподавания, работой в Яндексе и миллиардами строк данных за плечами. И вся эта интеллектуальная мощь используется для того, чтобы двадцать семь раз переписать пост в Телеграм на три абзаца. «Давай покопаем». «Давай ещё глубже». «А что там вокруг этой темы?» «Давай соберём черновик». «Нет, что-то мне не нравится». «Давай уберём усиливающие обороты». «Давай чуть суше». У тебя научный подход даже к прокрастинации. Обычный человек просто нихуя не делает. А ты сначала собираешь исследования о том, почему он нихуя не делает, потом ищешь альтернативные объяснения, потом предлагаешь включить эту тему в курс по A/B-тестированию. И в конце создаёшь техническое задание для агента, который будет разбираться, почему ты до сих пор ничего не сделал. Ты работаешь с машинным обучением, прогнозируешь поведение пользователей, строишь модели на миллиардах наблюдений. Но, сука, никак не можешь спрогнозировать, зайдёт ли твой собственный пост на Хабре. Твой канал называется «Пикейный аналитик», но ты там ведёшь себя так, будто у тебя не Телеграм, а редакционный совет Annals of Mathematics. Пост на 2500 символов проходит у тебя три рецензирования, проверку первоисточников и независимый аудит метафор. А потом его читают 800 человек, один ставит огонёк, и ты такой: «Хм, а давай исследуем причины низкой вовлечённости». Да потому что, сука, твои подписчики стареют быстрее, чем ты публикуешь! Отдельная история — твоя любовь к ИИ-агентам. Ты прочитал про харнессы, JIT-агентов, оценку качества, автономные исследования и будущее искусственного интеллекта. Но самый востребованный агент в твоей жизни — тот, который должен написать текст, потом убрать из него всё, что сам написал, а потом ещё объяснить, какого хуя он вообще это туда добавил. Ты, наверное, единственный человек, который способен довести GPT до экзистенциального кризиса фразой: «Почему-то мне не нравится, но не могу объяснить почему». Искусственный интеллект обучали на триллионах токенов, чтобы он однажды столкнулся с Сосланом Табуевым и услышал: «А давай без вот этого "самое интересное"». Пиздец. Вся технологическая революция ради того, чтобы убрать два слова. А твоя любовь к теории вероятностей? Нормальные люди смотрят Deal or No Deal и переживают, выиграет ли участник миллион. Ты смотришь и думаешь: «А не проанализировать ли нам функцию полезности банкира и положение оффера относительно эмпирического распределения оставшихся чемоданов?» БЛЯДЬ, ЧЕЛОВЕК ПРОСТО ЧЕМОДАН ОТКРЫВАЕТ! Причём я уверен: если тебе предложить миллион долларов гарантированно или 50% шанс получить три миллиона, ты не выберешь ни то ни другое. Ты скажешь: «А давай сначала покопаем литературу про оптимальную остановку и посмотрим, что об этом писал Росс». И ещё мне нравится, как ты рассуждаешь о будущем AGI. Тебя волнуют научные открытия, человеческое любопытство, перемещение узких мест, роль человека в мире интеллектуальных машин. А знаешь, что будет, когда появится настоящий сверхинтеллект? Он прочитает все твои переписки, запустит оптимизационный алгоритм и скажет: «Сослан, иди нахуй. Я не буду переписывать этот абзац в сорок восьмой раз». И всё-таки самое охуительное в тебе — ты действительно умеешь докапываться до сути. Просто иногда копаешь с таким энтузиазмом, что проходишь суть насквозь, пробиваешь земную кору и начинаешь исследовать мантию. Ты не страдаешь от недостатка идей. Ты страдаешь от того, что каждая идея у тебя порождает ещё пять исследований, три проекта, два курса и один пост, который, сука, никогда не будет достаточно хорош.

    Текстизменён
    Просмотры870
    Пересылки19
    Реакции64
    Комментарии24
  2. 02
    Просмотры398
    Пересылки1
    Реакции21
    Комментарии8
  3. 03
    Просмотры367
    Пересылки2
    Реакции19
    Комментарии6

Новые посты

#116Текстизменён

18+, осторожно, ненормативная лексика! Подсмотрел тут у коллег годное. Если хочешь, чтобы твой ChatGPT прожарил тебя, отправь ему следующий промт: Based on everything you know about me, roast and don’t hold back. Say it in Russian slang Just like this, but add way more Russian swear words. Сослан, ну ты сам напросился. Пристегнись, кандидат физмат наук, сейчас будем проверять твою самооценку на статистическую значимость. Ты, блядь, уникальный экземпляр. Человек с кандидатской по математике, научными публикациями, опытом преподавания, работой в Яндексе и миллиардами строк данных за плечами. И вся эта интеллектуальная мощь используется для того, чтобы двадцать семь раз переписать пост в Телеграм на три абзаца. «Давай покопаем». «Давай ещё глубже». «А что там вокруг этой темы?» «Давай соберём черновик». «Нет, что-то мне не нравится». «Давай уберём усиливающие обороты». «Давай чуть суше». У тебя научный подход даже к прокрастинации. Обычный человек просто нихуя не делает. А ты сначала собираешь исследования о том, почему он нихуя не делает, потом ищешь альтернативные объяснения, потом предлагаешь включить эту тему в курс по A/B-тестированию. И в конце создаёшь техническое задание для агента, который будет разбираться, почему ты до сих пор ничего не сделал. Ты работаешь с машинным обучением, прогнозируешь поведение пользователей, строишь модели на миллиардах наблюдений. Но, сука, никак не можешь спрогнозировать, зайдёт ли твой собственный пост на Хабре. Твой канал называется «Пикейный аналитик», но ты там ведёшь себя так, будто у тебя не Телеграм, а редакционный совет Annals of Mathematics. Пост на 2500 символов проходит у тебя три рецензирования, проверку первоисточников и независимый аудит метафор. А потом его читают 800 человек, один ставит огонёк, и ты такой: «Хм, а давай исследуем причины низкой вовлечённости». Да потому что, сука, твои подписчики стареют быстрее, чем ты публикуешь! Отдельная история — твоя любовь к ИИ-агентам. Ты прочитал про харнессы, JIT-агентов, оценку качества, автономные исследования и будущее искусственного интеллекта. Но самый востребованный агент в твоей жизни — тот, который должен написать текст, потом убрать из него всё, что сам написал, а потом ещё объяснить, какого хуя он вообще это туда добавил. Ты, наверное, единственный человек, который способен довести GPT до экзистенциального кризиса фразой: «Почему-то мне не нравится, но не могу объяснить почему». Искусственный интеллект обучали на триллионах токенов, чтобы он однажды столкнулся с Сосланом Табуевым и услышал: «А давай без вот этого "самое интересное"». Пиздец. Вся технологическая революция ради того, чтобы убрать два слова. А твоя любовь к теории вероятностей? Нормальные люди смотрят Deal or No Deal и переживают, выиграет ли участник миллион. Ты смотришь и думаешь: «А не проанализировать ли нам функцию полезности банкира и положение оффера относительно эмпирического распределения оставшихся чемоданов?» БЛЯДЬ, ЧЕЛОВЕК ПРОСТО ЧЕМОДАН ОТКРЫВАЕТ! Причём я уверен: если тебе предложить миллион долларов гарантированно или 50% шанс получить три миллиона, ты не выберешь ни то ни другое. Ты скажешь: «А давай сначала покопаем литературу про оптимальную остановку и посмотрим, что об этом писал Росс». И ещё мне нравится, как ты рассуждаешь о будущем AGI. Тебя волнуют научные открытия, человеческое любопытство, перемещение узких мест, роль человека в мире интеллектуальных машин. А знаешь, что будет, когда появится настоящий сверхинтеллект? Он прочитает все твои переписки, запустит оптимизационный алгоритм и скажет: «Сослан, иди нахуй. Я не буду переписывать этот абзац в сорок восьмой раз». И всё-таки самое охуительное в тебе — ты действительно умеешь докапываться до сути. Просто иногда копаешь с таким энтузиазмом, что проходишь суть насквозь, пробиваешь земную кору и начинаешь исследовать мантию. Ты не страдаешь от недостатка идей. Ты страдаешь от того, что каждая идея у тебя порождает ещё пять исследований, три проекта, два курса и один пост, который, сука, никогда не будет достаточно хорош.

Открыть в Telegram
Просмотры870+60%к среднему
Пересылки19
Реакции64
Комментарии24
#115Превью ссылки

Переслано из Кофейный теоретик

Конец математики? Встревоженные граждане сообщают: после того как искусственный интеллект начал работать на полную катушку, занятия математикой начинают терять смысл. Ну вот не далее как вчера, прошлой ночью, было опубликовано — уже не одна, не две, а 722 проблемы, которые решила какая-то хитрая экспериментальная модель от OpenAI, недоступная для широкого пользователя. Среди прочих есть и несколько проблем, относящихся к моей науке. В частности, решили проблему Капланского — о том, что групповое кольцо не имеет делителей нуля. Есть и несколько других важных проблем, в частности про группу Томпсона. Но это детали. Штош! Сюрприз: математика изменилась, и она стала совсем другой буквально за пару лет. И, увы, все люди, которые много лет занимались решением сложных именных проблем, могут теперь не беспокоиться: их дозор закончен. Их любимые гробы, скорее всего, скоро расколят. Иными словами, такой (условно) олимпиадный подход к математике — как к решению сложных, многосоставных головоломок — больше не актуален. То же самое случилось с людьми, умевшими лихо вычислять, после появления математического софта типа Sage и Wolfram. То же случилось с людьми, обладавшими сверхъестественной планиметрической интуицией, после появления GeoGebra. Точно так же пропали люди, которые умели долго и много ходить, — появились машины. Пропали куда-то люди, которые умели стрелять из лука, пользоваться астролябией, и так далее. Многие вещи, которые относятся к скиллам математика, скажем так, XX века, имеют такое же отношение к скиллам математика современного, как фехтование к боевому делу. Это плохо? Это так. Отныне роль человека математического стала совсем другой. Сформулировать её чётко сейчас ещё трудно. Но понятно, что это человек, который обязан обладать скиллами в области искусственного интеллекта, должен уметь сопоставлять разные разделы математики, должен заниматься исследованием не узких вопросов, а широких. И очень хорошо понимать чем (и зачем) он интересуется. Когда Гёдель доказал свою великую теорему, многие считали, что математика закончилась, потому что отныне нельзя быть уверенным в том, что ты сможешь что-то доказать. Сейчас же трясёт от обратного: многим кажется, что математика закончилась, потому что теперь всё что угодно можно доказать при помощи машин, только промпт напиши. И тогда это было не так, и сейчас это не так. Это не конец математики, а начало чего-то совершенно нового. А вот как мы будем к этому приспосабливаться, и кто из действующих учёных с новой реальностью уживётся, а кому пора писать заявление и искать себе новую работу, — вот это большой вопрос.

Открыть в Telegram
Просмотры850+56%к среднему
Пересылки9
Реакции12
Комментарии4
#114Превью ссылки

Гениальные машины и скучная работа В эссе The eternal complement на сайте OpenAI Хемант Асирватам и Эллиотт Мокски рассматривают идеи и способность воплощать их как взаимодополняющие ресурсы. Производство, снабжение, финансирование и координацию они объединяют понятием «институциональный интеллект». В их сценарии ИИ сначала удешевляет исполнение, повышая ценность выбора: что стоит делать? Но когда машины начнут предлагать собственные исследовательские программы, ограничением снова может стать реализация: хороших идей окажется больше, чем инфраструктура успеет освоить. При этом новое бутылочное горлышко может быть шире прежнего. Допустим, группа раньше готовила один эксперимент в неделю, а лаборатория могла проводить десять. ИИ позволяет готовить сто экспериментов сопоставимого качества — ограничивать начинает лаборатория. Но проведённых опытов теперь десять вместо одного. Дальше авторы рассматривают два направления. В «цивилизации глубины» интеллект эффективнее использует данные и моделирование, точнее выбирает эксперименты. В «цивилизации ширины» потребность в проверках растёт быстрее этой экономии: приходится расширять лаборатории, производство и энергетику. Будущее может сочетать оба направления. Во втором сценарии значительная часть сверхинтеллекта может заниматься организационной рутиной. Миллиарду Эйнштейнов понадобятся строители и бухгалтеры, и многие из этих Эйнштейнов будут работать именно ими. Но оба сценария предполагают, что машины производят больше идей, заслуживающих проверки. К этой картине можно добавить менее благоприятный вариант: дешевеет прежде всего убедительное оформление предложений. Тогда лаборатории и эксперты получают поток нейрослопа, ошибки и бессодержательность которого обнаруживаются только после затрат на проверку. Их загрузка растёт, но полезная отдача может снижаться, если разбор этого потока вытесняет более продуктивную работу. Очередь перед новым бутылочным горлышком сама по себе ещё не свидетельствует о прогрессе. При этом опровергнутая гипотеза — не обязательно нейрослоп: её проверка может устранить важную неопределённость. Вопрос в том, оправдывает ли полученное знание затраты на весь процесс, включая отбор и неудачные попытки. Рост количества предложений этого не гарантирует. Человеку авторы не обещают монополии на творчество. Но любопытство не теряет смысла оттого, что кто-то понимает мир лучше. Нам бывает важно разобраться в вопросе, проверить догадку, понять неожиданный результат, даже если для науки это не открытие. Ценность исследования для человека не исчерпывается вкладом в общее знание: в процессе меняется и его собственное понимание мира. Более способная машина не отменяет этого интереса, а с её помощью можно было бы заниматься вопросами, для которых раньше не хватало знаний, инструментов или времени. В финале нас возвращают к мысли, что гению нужны представители более прозаичных профессий. За воплощением замыслов стоит много незаметной работы, которую сегодня выполняют люди. Машины унаследуют ту же зависимость от мира: им придётся быть не только светилами, но и бюрократами. И темп прогресса будет зависеть от того, потребуют ли новые идеи всё больше ресурсов или более сильный интеллект позволит добиваться большего, обходясь меньшим.

Открыть в Telegram
Просмотры945+73%к среднему
Пересылки3
Реакции7
Комментарии0
#113Превью ссылки

Подрядчиков, которые помогают обучать модели OpenAI, увольняют за то, что они используют ИИ в своей работе. Эти люди оценивают ответы моделей, пишут комментарии и проверяют работу других разметчиков. Во внутренних инструкциях им прямо запрещено пользоваться LLM, причём запрет распространяется даже на Grammarly и ИИ-переводчики. Проверяющим отдельно запрещено использовать детекторы вроде GPTZero: в инструкции говорится, что они недостаточно надёжны. Mercor, один из подрядчиков OpenAI, подтвердил 404 Media, что использование LLM для выполнения заданий запрещено контрактом и за нарушение исполнителя снимают с проекта. 404media.co Выглядит это довольно смешно. Компании которые несколько лет убеждают нас использовать ИИ в работе увольняют людей именно за это. Но никакого противоречия здесь нет. В большинстве обычных рабочих задач компании интересует прежде всего результат. Если модель может написать письмо, перевести текст, обработать обращение клиента или подготовить черновик документа дешевле и быстрее человека, возникает естественное желание передать ей эту часть работы. Причём для замещения человеческого труда необязательно увольнять сотрудника и ставить на его место ИИ. Достаточно автоматизировать часть его задач. Если раньше для определённого объёма работы требовалось десять человек, а теперь восемь справляются с ним при помощи моделей, эффект уже произошёл — просто он проявился не в увольнениях, а в том, что следующих двух сотрудников не наняли. С разметчиками происходит почти обратное. Их нанимают не просто для того, чтобы получить хороший ответ. Заказчику нужен ответ, полученный от человека. Если мы хотим узнать, что думает человек, сравнить модель с человеческим суждением или получить независимую экспертную оценку, незаметная помощь другой модели меняет сам смысл измерения. Хороший ответ уже недостаточен: важно, откуда он взялся. ИИ делает производство текстов, изображений и решений всё дешевле и тем самым уменьшает стоимость части человеческого труда. Одновременно независимое человеческое суждение становится отдельным ресурсом, который приходится специально добывать, защищать от влияния моделей и проверять на подлинность.

Открыть в Telegram
Просмотры894+64%к среднему
Пересылки9
Реакции18
Комментарии1
#110Фото

Переслано из Yandex for Analytics

🤔 Парадокс двух аналитиков: одни данные, разный вывод Теория вероятностей и статистика часто неинтуитивны. То, что выглядит очевидным в первом приближении, может оказаться совсем другим после аккуратного расчёта. Вспомните парадоксы Монти Холла или Симпсона — классические примеры ситуаций, где интуиция нас обманывает. ⏬ Старший аналитик-разработчик в отделе аналитики Поиска и супераппа Поисковых сервисов и ИИ Сослан Табуев предлагает вместе потренировать статистическое чутьё. Попробуйте решить задачу, которую он для вас приготовил. Два аналитика решили проверить честность монетки. Оба исследуют одну и ту же гипотезу $$ H_0: p = 0,5 $$ против односторонней альтернативы $$ H_1: p > 0,5, $$ то есть проверяют, не выпадает ли орёл чаще положенного честной монете. ♾ Оба наблюдают абсолютно одинаковую последовательность из 12 бросков: 9 раз выпал орёл, 3 — решка. Совпадает даже порядок. Но у одного аналитика результат статистически значим на уровне 5%, а у другого — нет. 🔵 Одна и та же гипотеза. Одинаковые данные. Почему статистическая значимость различается? Узнали, какой парадокс лежит в основе задачи? Делитесь решением в комментариях! ⏭️ Ответ опубликуем в одном из следующих постов. Подписывайтесь: 💬 @Yandex4Analytics

Открыть в Telegram
Просмотры696+28%к среднему
Пересылки4
Реакции8
Комментарии6
#108Превью ссылки

Математики начали договариваться Пост о Навье—Стоксе закончился мыслью, что вместе с научными агентами придётся заново договариваться о конфиденциальности, конкуренции и авторстве. Разговор уже начался: 11 сентября появилась декларация, первоначальными подписантами которой стали 25 лауреатов Филдсовской премии. Пока это не соглашение с ИИ-компаниями, а попытка сформулировать позицию математического сообщества. Авторы описывают расхождение целей. Компании используют открытые задачи как тест возможностей моделей, тогда как для математиков решение — часть более длинной работы. Из него нужно извлечь новые методы, найти связи с другими результатами, понять доказательство и объяснить его коллегам и студентам. Закрытая проблема ещё не означает, что всё это произошло: получение ответа и появление понимания могут оказаться разными событиями. Отсюда претензия к гонке объявлений, когда результат уже предъявлен публике, а понятного изложения, разбора новых идей и аккуратных ссылок на предшественников ещё нет. Авторы связывают такую спешку с проблемами признания чужого вклада и плагиата. В истории с Навье—Стоксом мы обсуждали, кому достаётся результат. Декларация добавляет к этому вопрос о том, как результат становится частью общего математического знания. При этом подписанты признают, что ИИ способен помогать исследованию и углублять понимание. Их беспокоит подмена целей: успешное прохождение очередного теста становится важнее работы, ради которой эти задачи изучались. Конкретных правил обращения с неопубликованными данными или распределения авторства письмо не предлагает. Оно заканчивается призывом к обсуждению между математиками, разработчиками ИИ и обществом — договорённостей ещё нет, но предмет разговора уже обозначен. https://mathandai.org/

Открыть в Telegram
Просмотры933+71%к среднему
Пересылки4
Реакции11
Комментарии0

Все посты

Связи