Починаємо з презентації Apple: нові iPhone, складаний iPhone, Apple Watch і AirPods, а також чіпи M6 у Mac mini та M5 Ultra у Mac Studio.
Розглядаємо AI не лише як окрему модель, а й як частину складнішої системи, до якої підключаються інструменти, дані та зовнішні сервіси.
Говоримо про MCP, harness для AI-агентів і self-improvement, а також про практичні інтеграції з DaVinci Resolve, роботами та персональними knowledge bases.
Також говоримо про вартість використання сучасних моделей, робототехніку з computer vision та reinforcement learning, а також потенціал AI у наукових задачах, зокрема в математиці та фізиці.
00:36 — презентація Apple
03:28 — припущення щодо майбутніх моделей Mac mini та Mac Studio
04:54 — важливість розміру контексту для малих AI-моделей
06:53 — еволюція harness та їхній вплив на продуктивність моделей
07:57 — розвиток open-source harness та їх застосування
09:55 — сучасна розробка AI-моделей, що самовдосконалюються
13:55 — рівняння Нав’є — Стокса та їхнє значення для фізики
18:10 — математика й фізика: роль LLM у науковому прогресі
20:25 — вартість і продуктивність китайських моделей
22:21 — потенціал AI в автоматизації підтримки та сервісних терміналів
25:38 — AI у робототехніці: бачення, маніпуляція та reinforcement learning
34:40 — інтеграція MCP та плагінів для розширення можливостей AI
37:41 — використання AI для монтажу відео та обробки медіа
42:12 — підключення AI до особистих і робочих процесів
47:33 — модель Jev: хайп vs реальність