Почему искусственный интеллект не работает без настоящего инженера | Андрей Татаринов #48

В этом выпуске мы поговорили с Андреем Татариновым, инженером, который каждый день работает с языковыми моделями и внедряет ИИ в реальные продукты. Обсудили, как устроены LLM: что на самом деле происходит под капотом ChatGPT, почему ИИ часто галлюцинирует, и как с этим работать. Разобрали, зачем нужен fine-tuning и RAG, как промт превращается в инженерную задачу, и почему без человека модели пока не справляются. Поделились практическим опытом автоматизации, примерами из реальных кейсов и мнением о том, в каком направлении развивается рынок ИИ. Вы узнаете, как реально применять языковые модели, какие ошибки совершают новички, и что нужно, чтобы ИИ стал помощником, а не источником проблем. Подписывайтесь на канал «Организованное программирование» в Telegram: – Список подкаст-платформ (Apple Podcast, Google Podcast, Spotify, Яндекс.Музыка и другие): – Смотреть в ВК Видео: В этом видео: 00:01 — Введение. Как LLM меняют всё: от стартапов до мышления инженеров 03:12 — От Яндекса до Epoch 8: путь инженера в ML-революции 06:35 — Бустинги, логрег и берты: как мы пришли к GPT 10:04 — Лемки наступают: почему GPT-системы сокрушили прошлое 13:51 — Иллюзия экспоненты: будет ли у ИИ потолок? 17:42 — Новая реальность: как теперь проектируются AI-системы 21:34 — Под капотом LLM: инференс, рантаймы и матрицы 25:03 — Проблема масштаба: почему модель ≠ база данных 29:08 — Векторные базы и RAG: как накормить модель знаниями 33:01 — Промт — не магия: где заканчивается здравый смысл LLM 36:45 — Файнтюнинг: учим GPT понимать нас лучше 40:12 — Пределы модели: почему знания «вытесняются» 44:08 — LEGO, Copilot и код: генерация, где работает, где нет 48:01 — Заменит ли GPT ревьюера? Хекслет тестирует 52:15 — Проблема смыслов: почему даже с правилами модель врёт 56:09 — Что такое разум у LLM: reasoning и цепочки размышлений 01:00:00 — MCP и агенты: когда LLM делают больше, чем отвечают 01:04:17 — Автоматизация задач: мечта об ИИ-помощнике 01:08:43 —За пределами промтов — новый взгляд на разум 01:13:00 — Автономные агенты: размах MCP в продакшне 01:17:15 — Инциденты под контролем: SRE агентный подход 01:21:40 — Оркестрация инструментов: когда API MCP не хватает 01:26:05 — Покупать или делать самому: стратегия внедрения 01:30:30 — MCP как стандарт: реальные шаги или маркетинг? 01:34:55 — Архитектурные тренды: готовимся к агентам заранее 01:39:20 — Команды и экосистема: как вести IT-лидеров 01:43:45 — Безопасность и контексты: бизнес, observability, security 01:48:10 — MCP next layer: от работы в одиночку к рынку агентов 01:52:35 — Оценка зрелости: когда агенты перестают быть хайпом 01:57:00 — Call to action: малые эксперименты — большие изменения 02:01:25 — Финал: ключевые выводы и приглашение к диалогу 02:06:50 — Заключение #машинноеобучение #искусственныйинтеллект #нейросети #AIинструменты #LLMмодели #автоматизация #программирование #OpenAI #ChatGPT #GPT4 #подкаст #технологии #инженерия #Hexlet #Epokha8 Почему искусственный интеллект не работает без настоящего инженера | Андрей Татаринов #48