Perplexity запускает Comet Plus, тарифный план за 5 долларов в месяц, предлагающий курируемый контент, и сообщает, что выделил 42,5 миллиона долларов для издателей, которые получат 80% дохода (Bloomberg) 📫 Подписаться:

Продолжая путь к оптимальному опыту кодирования с помощью LLM. В частности, я замечаю, что вместо того, чтобы сосредоточиться на чем-то одном идеальном, мое использование все больше диверсифицируется по нескольким рабочим процессам, которые я "сшиваю" плюсы и минусы: Лично основная часть (~75%?) моей помощи от LLM по-прежнему заключается в простом (Cursor) автозаполнении. Это связано с тем, что я считаю, что написание конкретных фрагментов кода/комментариев самостоятельно и в нужной части кода является высокоэффективным способом передачи "спецификации задачи" LLM, т.е. это в первую очередь касается частей спецификации задачи - для передачи того, что я хочу, в текстовом формате требуется слишком много данных и слишком много задержек, и быстрее просто продемонстрировать это в коде и в нужном месте. Иногда модель автозаполнения раздражает, поэтому я часто переключаю ее вкл/выкл. Следующий уровень - это выделение конкретного фрагмента кода и запрос на какое-то изменение. Следующий уровень - это Claude Code / Codex / и т.д., работающие параллельно с Cursor, к которым я обращаюсь для больших фрагментов функциональности, которые также довольно легко специфицировать в запросе. Они очень полезны, но в целом все еще смешанные и иногда немного раздражающие. Я не работаю в режиме YOLO, потому что они могут сбиться с пути и сделать глупости, которые вам не нужны, и я часто нажимаю ESC. Я также не научился быть продуктивным, используя более одного экземпляра параллельно - один уже кажется достаточно сложным. Я не нашел хорошего способа поддерживать CLAUDE[.]md в хорошем состоянии или актуальном. Мне часто приходится делать "уборку" для стиля кодирования или вопросов вкуса кода. Например, они слишком защитные и часто чрезмерно используют конструкции try/catch, они часто усложняют абстракции, они перегружают код (например, вложенные конструкции if-else, когда можно было бы использовать списковое выражение или однострочное if-then-else), или они дублируют фрагменты кода вместо создания хорошей вспомогательной функции, и тому подобное... у них, по сути, нет чувства вкуса. Они незаменимы в случаях, когда я погружаюсь в более "вибрационное" кодирование, где я менее знаком (например, недавно писал на Rust, или SQL-команды, или что-то еще, что я делал меньше). Я также пытался использовать CC, чтобы научить меня чему-то наряду с кодом, который он писал, но это вообще не сработало - он действительно хочет просто писать код гораздо больше, чем объяснять что-либо по ходу дела. Я пытался заставить CC делать настройку гиперпараметров, что было весьма забавно. Они также очень полезны во всех видах одноразовых пользовательских визуализаций или утилит или отладочного кода, которые я никогда бы не написал, потому что это заняло бы слишком много времени. Например, CC может создать 1,000 строк одноразовой обширной визуализации/кода просто для выявления конкретной ошибки, которая затем удаляется сразу после ее нахождения. Это эпоха пост-дефицита кода - вы можете просто создавать и затем удалять тысячи строк супер пользовательского, супер эфемерного кода, это нормально, это больше не такая драгоценная и дорогая вещь. Последний уровень защиты - это GPT5 Pro, к которому я обращаюсь для самых сложных задач. Например, несколько раз со мной / Cursor / CC мы застревали на ошибке на 10 минут, но когда я копирую и вставляю все это в 5 Pro, он работает 10 минут, но затем действительно находит очень тонкую ошибку. Он очень силен. Он может находить всевозможные эзотерические документы и статьи и тому подобное. Я также использовал его для других более серьезных задач, например, предложений о том, как очистить абстракции (смешанные результаты, иногда хорошие идеи, но не все), или для полного обзора литературы о том, как люди делают то или это, и он возвращается с хорошими актуальными ресурсами / указателями. В любом случае, кодирование кажется совершенно открытым для возможностей в различных "видах" кодирования и с рядом инструментов с их плюсами и минусами. Трудно избежать чувства тревоги из-за того, что я не нахожусь на переднем крае того, что коллективно возможно, отсюда случайные воскресные размышления и хорошая доля любопытства о том, что находят другие.

Вау - не ожидал попасть в этот список с такими удивительными инвесторами, как @eladgil и @gokulr! Согласен с тезисом.

Получил удовольствие от общения с @AndrewYNg * Передовой край агентного ИИ * Будут ли модели самозапускаться? * Кодирование по настроению против кодирования с помощью ИИ * Профили успешных основателей * Следующие трансформации в индустрии

Отличный общий разговор, стоит посмотреть полностью.

Есть ли у вас любимые места (рестораны, кафе и т.д.), где можно поработать вечером в Сан-Франциско?

"Камера люцида" — это устройство, которое использует призму, удерживаемую металлической рамой, чтобы проецировать изображение сцены перед ней на лист бумаги ниже, что-то вроде современного проектора, подключенного к живой видеокамере. Скорее всего, они были изобретены в начале 1400-х годов, хотя опубликованные упоминания о них появляются только в конце 1500-х. Часть причины этого, вероятно, заключается в том, что они были тщательно охраняемыми коммерческими секретами художников, которые использовали их для достижения степени точности, которая ранее была невозможна или, по крайней мере, крайне сложна для выполнения без помощи в "свободной руке". Художник Дэвид Хокни заинтересовался этой темой много лет назад и написал об этом книгу в 2001 году. Его основная теория заключалась в том, что замечательное улучшение точности и реализма было напрямую связано с секретным использованием камеры люцида (а также более раннего устройства, называемого камерой обскура). Как он отметил, до этого периода вы никогда не видели бы картину лютни в перспективе, которая не выглядела бы искаженной и неправильной. Хотя вы могли использовать "правила перспективы" для реалистичного рисования простых прямолинейных форм, более сложная геометрия лютни была за пределами нормальных человеческих возможностей для реалистичного изображения в пространстве. Эта теория известна как тезис Хокни-Фалко. С тех пор, как я узнал об этом в колледже в начале 2000-х, я как бы мысленно поставил звездочку на работы некоторых художников. Например, насколько бы я ни уважал и восхищался Ингресом и Караваджо, восхищение их мастерством было смягчено осознанием того, что они, вероятно, пользовались подобной механической помощью. И да, большая часть искусства заключается в концепции, композиции и кадрировании, цветах, мазках кисти и т. д. Но именно этот захватывающий реализм впечатлил меня больше всего, и эта часть была разрушена, по крайней мере, частично из-за этого откровения. Это также заставило меня еще больше уважать скульптурный реализм Микеланджело (а также его исследования, которые явно являются эскизами, сделанными с натуры). В любом случае, причина, по которой я поднимаю этот вопрос сейчас, заключается в том, что я верю, что мы находимся на грани того же самого, что происходит в области математических исследований с появлением моделей, таких как GPT-5 Pro. Я уже использовал его для того, что, как я подозреваю, является действительно новым и интересным исследованием (как я подробно описал в недавних темах), и сегодня мы получили обновление от Себастьяна Бубека из OpenAI, показывающее, что модель смогла доказать интересный результат в современной математике, используя новое доказательство, в один прием, не меньше. Так что эта новая эпоха внезапно наступила. На прошлой неделе мы увидели результат от китайских компьютерных ученых, который побил рекорд по оптимальной сортировке, который держался 45 лет. Я размышлял в то время о том, использовался ли ИИ каким-то образом для генерации этого результата. Также посмотрите недавнюю статью в процитированном твите, которая имеет аналогичный характер, поскольку она одновременно удивительна и элементарна. Эти результаты, по моему мнению, являются отличительными признаками результатов, которые могли каким-то образом извлечь выгоду из ИИ. Теперь я не хочу обвинять этих авторов в чем-либо. Насколько я знаю, они сделали все вручную, так же как и художники в 1300-х годах. И даже если они использовали ИИ, чтобы помочь им, у нас еще нет принятых норм о том, как с этим обращаться: какие раскрытия необходимы и как следует распределять и учитывать кредит. Вся концепция авторства должна быть пересмотрена сегодня. В моей недавней теме, где я исследовал вместе с GPT-5 Pro использование теории Ли в глубоком обучении, я сам разработал подсказки, хотя я никогда в жизни не смог бы сгенерировать теорию и код, которые модель разработала в результате этих подсказок. Получаю ли я кредит за результат, если он окажется революционным для этой области? Что насчет моего последующего эксперимента, где я использовал свои оригинальные подсказки, которые я сам написал, вместе с "мета-подсказкой", чтобы заставить GPT-5 Pro придумать 10 дополнительных пар подсказок, свободно основанных на моих собственных, но касающихся совершенно разных ветвей математики, которые развивались в совершенно разных направлениях. Получаю ли я кредит за эти теории, если они окажутся важными? Я очень надеюсь, что да, потому что я уже опубликовал идеи и код на GitHub и широко их раскрыл, так что если кто-то действительно продолжит эти направления исследования, академическая этика потребует от них ссылаться на меня. Но даже если вы считаете, что я заслуживаю кредита за управление ИИ с помощью своей подсказки, то, безусловно, мои претензии на приоритет несколько ослаблены для 10 других теорий, которые являются результатом использования моей подсказки в качестве модели для мета-подсказки, верно? В конце концов, я даже не знал, что "тропическая геометрия" — это вещь пару дней назад, но теперь у меня есть теория и код, которые применяют ее к исследованиям ИИ. Я бы предположил, что, так же как я начал мысленно ставить звездочку на определенные произведения искусства и художников, подобно звездочке рядом с именем Барри Бондса в Зале славы, я подозреваю, что большинство ученых начнут делать то же самое для любых новых математических теорий в научных статьях в следующем году или около того. Я подозреваю, что люди вскоре начнут говорить такие вещи, как "этот парень — настоящий профессионал; он написал свои лучшие статьи до 2025 года!", чтобы отличить тех, кто выполнил всю свою работу вручную, используя свои собственные мозги, от тех, кто использовал помощь ИИ. И это абсолютно валидный способ рассматривать вещи, если ИИ способен не только отвечать на сложные теоретические проблемы, но даже ставить интересные вопросы самостоятельно. Если я прав, нам следует подготовиться к грядущему цунами шокирующих научных статей, которые побьют давние рекорды и пределы и разрушат стены, которые долгое время считались относительно непроницаемыми без какого-либо прорывного теоретического открытия. И я верю, что многие из этих результатов будут иметь что-то общее: они всегда были прямо перед нами, но требовали комбинирования теории из разных областей математики и прикладных предметов новыми способами, которые ранее не преследовались из-за человеческих, социологических причин: разные области, разделенные по линиям, с различной терминологией, журналами, практиками, кафедрами, конференциями, социальными сетями и т. д. Другой формой, которую я подозреваю, что эти результаты примут, будет использование элементарных результатов в странных формах, которые, по какой-то причине, не приходят естественно человеческим мозгам, но которые мы можем понять, как только они будут четко объяснены для нас. Еще одной формой, которую они могут принять, являются результаты, которые используют давно забытые эзотерические знания из анализа конца 19 века. Те трюки, которые позволили Фейнману решать интегралы, которые никто другой не мог решить. Эти результаты известны и существуют в книгах, но никто больше не читает эти книги, и оригинальные теории, для которых они были разработаны, в значительной степени были заменены нашей современной техникой, которая работает на многих уровнях увеличенной абстракции и общности. Еще одной формой, которую они могут принять, является просто применение известной математики, которая понятна лишь нескольким сотням специализированных гениев в мире, которые сосредоточены только на теории и совершенно не на приложениях. Эта математика могла просто "лежать в стороне" с 1950-х или 1970-х годов, ожидая, когда кто-то применит ее к практической проблеме, такой как те, что в исследованиях ИИ. Многие идеи, которые я исследовал с GPT-5, похоже, попадают в эту категорию.

"Прогнозирование очень сложно, особенно если речь идет о будущем" - приписываемое Нильсу Бору

каждый значительный уровень повышения производительности модели открывает новые рынки. Если вы стартап, вам следует создавать то, что, по вашему мнению, позволит GPT-6 (или более поздние версии). Затем подготовьтесь и выживайте достаточно долго до этого момента. h/t @eladgil

Не удивительно, что @figma входит в топ-15 Grindscore среди всех венчурных компаний с > 100 отзывами на Glassdoor. Grindscore = % сотрудников «Позитивный прогноз по бизнесу» / «Баланс между работой и личной жизнью». Низкий WLB + сотрудники, которые верят в компанию = успех.