Телеграм канал «Клуб CDO»

Время ИИшницы! Приглашаем на митап, который пройдёт 22 октября в 18:30⤵️

В честь юбилейного года AIRI мы пересобрали формат ИИшницы и выходим в офлайн. Шесть спикеров выступят в формате печа-куча, а после обсудят тему агентов за круглым столом.

Спикеры:

➡️ Артемий Сахаров, специалист по анализу данных и машинному обучению, Р-Фарм
🔖 Цифровой контур R&D: ИИ-агенты для работы с мишенями и базами экспериментов

➡️ Ваня Ершов, руководитель разработки ИИ-агентов в «Алисе AI», Яндекс
🔖 Агент — это не только модель: как устроены современные харнессы

➡️ Владимир Димитров, Senior DS engineer в команде Авито Работа
🔖 AI Recruiter в Авито: агент, который проводит интервью

➡️ Владимир Шапошников, научный сотрудник группы «Мультимодальные архитектуры ИИ» лаборатории «Сильный ИИ в медицине», AIRI
🔖 Агент сказал «готово». Проверяем

➡️ Евгений Володин, Технический директор, Антиплагиат
🔖 ИИ-агенты в образовании

➡️ Борис Заикин, к.т.н., исполнительный директор по исследованию данных, Сбер
🔖 RL агента в исполняемых средах: опыт обучения 9B-модели в харнессе GigaAgent

Модераторы мероприятия — директор Центра ИИ-разработки новых лекарственных препаратов в AIRI Артур Кадурин и директор по маркетингу и коммуникациям AIRI Александра Бройтман.

Кстати, вы тоже можете стать спикером печа-кучи. Для этого направьте нам тему об агентах, с которой вы хотели бы выступить, и краткое описание к ней на почту event@airi.net. Вместе с модераторами мы выберем двух спикеров и свяжемся с ними для подготовки к докладу🙂

Подробное описание митапа и регистрация на офлайн-формат на сайте.

Трансляция на YouTube и VK Видео⏯

#ИИшница

Дайджест статей

📰 OKF + RAG: The Ultimate AI Agent Architecture 🔗 https://medium.com/@ravishkhullar/okf-rag-the-ultimate-ai-agent-architecture-26b9ceed44f1 💡 Метрики, API-контракты и ранбуки держи в Git как Markdown с YAML (OKF) и читай напрямую, RAG оставь для неструктурированного архива.

📰 Building an Enterprise AI Control Plane for Agentic AI 🔗 https://medium.com/@seshu.giri.rao/building-an-enterprise-ai-control-plane-for-agentic-ai-0f06c8d49706 💡 Забери у агента креды инструментов: политики на уровне параметров, третий исход REQUIRES_APPROVAL, хеш payload до исполнения.

📰 AI can build a Dashboard in minutes. Why Is your data team still taking Weeks? 🔗 https://medium.com/@jatin_solanki/ai-can-build-a-dashboard-in-minutes-why-is-your-data-team-still-taking-weeks-524fe9721500 💡 Перестань копить дашборды: вкладывайся в metric contracts, права и eval-наборы, а графики пусть агент генерирует и выбрасывает.

📰 The Ontologist End-to-End Toolbox 🔗 https://medium.com/@pauline.armary/the-ontologist-end-to-end-toolbox-12e8a42a2807 💡 Прежде чем продавать онтологии как слой между BI и бизнесом, проверь, есть ли инструменты на каждый шаг семантического пайплайна.

📰 An architecture for data is not an architecture for learning 🔗 https://danramsden.medium.com/an-architecture-for-data-is-not-an-architecture-for-learning-104a0ada091c 💡 Назначь владельцев не только data products, но и information experiences, иначе данные не доходят до решений и обучения.

📰 From Data Warehouse to Agentic Data Architecture: A Reference Model for Governed Enterprise… 🔗 https://medium.com/@srinib100/from-data-warehouse-to-agentic-data-architecture-a-reference-model-for-governed-enterprise-c773dc0ed3c9 💡 Проектируя DWH, закладывай не отчётность, а управляемое рассуждение: что изменилось, почему, допустимо ли действие и как его аудировать.

📰 RAG по 11 000 файлов: почему семантический поиск не находит по артикулу 🔗 https://habr.com/ru/articles/1092432/ 💡 Для каталогов с артикулами бери dense+sparse (BGE-M3, RRF) и фильтры по метаданным параллельно с поиском без фильтра, а не вместо него.

📰 Долгосрочная память для медицинского AI-ассистента: почему мы не отдали управление памятью LLM 🔗 https://habr.com/ru/articles/1090888/ 💡 LLM пусть извлекает факты, а переходы состояния памяти, историю и различие «нет данных» vs «подтверждённо нет» веди кодом.

Кстати любопытный обзор о том как ИИ помог Palantir превратить сложный комплексный продукт в простой пользовательский интерфейс.

Как говорят у нас в редакции: «что бы сделать отличный продукт надо очень сложную технологию упаковать в очень простую форму».

https://habr.com/ru/articles/1076452/

Имхо очень точная мысль в посте выше: обучение - это не получение готовых ответов, а путь к ним. И этот путь нельзя пропустить.

В эпоху ИИ это особенно актуально. Там, где мы учим наизусть, со временем ничего не остаётся. То, что нам выдали готовым куском, не откладывается. А там, где мозг сам доскрипел до решения, оно остаётся навсегда.

ИИ отлично выдаёт готовые куски. Вопрос в том, кто в итоге проходит путь.

Теренс Тао провел в Калтехе большую лекцию про математику в эру ИИ и выложил слайды

https://terrytao.wordpress.com/2026/10/10/math-2-0/

Лекцию он назвал "Math 2.0", хотя еще в мае собирался читать ее под названием "Machine Assisted Proof". Сам он признается, что наполнение заметно изменилось "из-за недавних событий".

Основная мысль Теренса такая: раньше математика строилась на допущении, что решить открытую задачу очень трудно и происходит это редко. Вокруг этого выросли институты, карьерные стимулы и традиции. Однако, на самом деле, решение задач – это лишь прокси метрика, а глобальная цель науки состоит в другом: в исследовании, поиске новых задач и понимании, как применить решения в реальном мире.

Так вот, раньше эта прокси-метрика в виде решения открытых задач работала, потому что, решая задачи, математики копили опыт и понимание. Сейчас же, как говорит Тао, дальнейшая слепая оптимизация одного лишь решения задач "активно вредна для долгосрочного здоровья математики".

Если ИИ просто выдает решения в обход людей, он как бы стерилизует окружающее задачу поле: непройденные пути так и остаются непройденными, цикл становится невозобновляемым, понимание не накапливается, и растет доля решений, которые как бы работают на бумаге, но расходятся с тем, что нам на самом деле нужно миру.

В качестве аналогии Тао предлагает такой мысленный эксперимент: ИИ придумал коктейль, который убивает все раковые клетки, и он даже подтвержден клиническими испытаниями третьей фазы. Стали бы вы колоться, не зная, что хотя бы один человек-эксперт понимает механизм?

В качестве решения Тао предлагает сместить фокус с уничтожения открытых задач на использование ИИ для укрепления человеческого понимания. Собственно, это он и называет "Math 2.0". ИИ может действительно помочь ускорить прогресс, если будет искать объяснения и новые принципы и исследовать окрестности гипотез, а не только генерировать доказательства. Это огромное непаханное поле, и главным ограничением тут Теренс называет уже не технологии, а воображение.

На этой неделе открыл для себя, что у автора «Марсианина» и «Проекта „Конец света“» (в оригинале Project Hail Mary - это скорее «Бросок на удачу», отчаянный пас в последнюю секунду) есть отличные короткие фантастические рассказы.

Каждый на 5-10 минут, каждый держится на одном повороте в финале.

Два из них построены на одном и том же трюке - ошибке атрибуции. Автор даёт тебе голос, поведение, мотивы, и мозг сам дорисовывает за ними человека. А человека там нет. Ты понимаешь это только в последних строках и перечитываешь всё заново другими глазами.

Аналогия с ИИ напрашивается сама. Мы делаем ровно то же самое с моделями и агентами: видим связный текст, уверенный тон, «намерения» - и достраиваем за ними разум, понимание, характер. Иногда это полезная рабочая абстракция. Иногда - та самая ошибка, на которой Weir строит свои финалы.

Почитайте на weekend и проверьте себя - на какой строке поймёте, кто перед вами.

Annie's Day: https://xpressenglish.com/our-stories/annies-day/
Meeting Sarah: в списке рассказов на сайте автора http://www.galactanet.com/writing.html