Kurgan-Telecom Ru | Информационные технологии

11 000 строк кода, 95% Zig, 0% стандартной библиотеки: история создания NovumOS с поддержкой SMP, FAT32 LFN и Huge Pages.

Привет, Хабр!

Когда много задач и мало ясности, можно автоматически уйти в один из трёх сценариев. Первый — «решу потом»: задача висит, избегаешь её всем способами. Второй — «задолбали»: давишь на коллег и ищешь виноватых, потому что хочется вернуть контроль. Третий — «сделаю сам»: забираешь чужое, потому что так проще и быстрее, в итоге тащить всё на себе.

Задачи часто закрываются и так, у кого-то это даже считается нормой. Вопрос в том, стоит ли оно того. Растёт усталость, копится раздражение,  с людьми разговариваешь резче или вообще отстраняешься от них. При такой нагрузке иногда хочется вырубить интернет, уволиться, уехать за город, чтоб никого ни слышать и не видеть. 

Психолог Стивен Карпман описал модель, в которой под стрессом человек действует на автопилоте и скатывается в одну из трёх ролей: жертвы, преследователя или спасателя. Обычно её обсуждают в контексте отношений, но на работе она тоже проявляется: в переписке, на встречах, в дедлайнах. Я не считаю эту схему доказанным психологическим инструментом и не использую её, чтобы навешивать ярлыки на людей. Для меня это короткие названия реакций, которые помогают вовремя заметить, что со мной что-то происходит, и вернуться к осознанным действиям без лишней драмы.

Я Вика, руководитель проектов в Outlines Tech. Хочу поделиться, как можно переключаться на более спокойные реакции, отключить автопилот и в первую очередь заботиться о себе. Чтобы проще донести мысль, буду использовать названия ролей из модели Созидания (The Empowerment Dynamic) как альтернативу модели Карпмана.

В мире есть две вещи, которые ненавидит каждый: стоять в очереди и заполнять веб-формы. Кажется, спасение найдено — это дружелюбные и общительные ИИ-агенты. Но они, как и люди, могут «заболтать» вас и уйти в сторону, потому что умеют говорить, но не понимают сути бизнес-процессов.

В статье предлагается решение: не отпускать ИИ в свободное плавание, а поставить его на службу и направить с помощью BPMN (Business Process Model and Notation).

Для меня машинное обучение - это прежде всего экспериментальная наука. Выигрывает не тот, кто придумал самую сложную архитектуру, а тот, кто быстрее проходит итерации (анализирует кривые потерь, меняет гипотезы и снова запускает обучение).

И именно в этой постоянной гонке я всё чаще задаю себе один и тот же вопрос, а нужно ли вообще обучать модель с нуля?

Когда я говорю «обучать с нуля», я имею в виду именно пустые веса. Не fine-tuning и не до обучение, а старт с нулевой инициализацией (PyTorch-модель без пред обученных параметров или YOLO с отключёнными pretrained-весами).

Каждый раз перед началом обучения я задаю себе два простых вопроса: зачем я собираюсь тренировать модель и какая архитектура мне действительно нужна? Если ответы на эти вопросы расплывчатые, есть большой риск просто потратить ресурсы и время, а в итоге получить модель хуже готовых решений. Если же после этих вопросов сама цель становится ясной и обоснованной, тогда стоит двигаться дальше.

В прошлом году кривая хайпа Гартнера мелькала буквально везде. На совещаниях, в телеграм-каналах, в презентациях коллег. Кто-то размахивал ей как аргументом: "Смотрите, генеративный ИИ на пике, скоро всех накроет разочарование!" Кто-то, наоборот, доказывал, что модель устарела и ничего не предсказывает. Спорили все, разбирался мало кто.

Я тогда каждый раз думал: надо бы сесть и нормально разобраться, что это за кривая, откуда взялась, и правда ли она работает. Руки дошли только сейчас. Зато получилось основательно: с историей, с разбором конкретных отчётов и с честным ответом на вопрос, стоит ли вообще ей доверять.