HLAMT или Почему неандерталец не может отправить email? Представьте: мы дали неандертальцу мощный MacBook и быстрый Wi-Fi. Сможет ли он отправить email? Конечно, нет. Дело явно не в brainpower (она у нас с ним примерно одинаковая). Тогда почему же? ==== Остановитесь и подумайте ==== Дело не только в том, что он никогда этого не делал и этому не учился. Ему не хватает концептов. В его голове нет ментальной модели для понятий «интернет», «адресат», и уж точно «емайл». В эпоху AI мы часто оказываемся в роли такого неандертальца. Мы купили подписку на ChatGPT, но стали ли мы кардинально умнее? Чтобы добиться этого, нам нужно систематически применять один мощный фреймворк - H-LAM/T. Еще в 60-е Doug Engelbart - да-да, тот самый, что сделал Mother of All Demos - сформулировал его в своей статье “Augmenting Human Intellect”. Разбираемся на примере LLM: 1) H - Human Центр системы. AI не имеет своих целей. Только вы решаете, что такое «хорошо» и куда мы движемся. Вы - источник мотивации и судья результата. 2) L - Language Неандерталец не мог думать про email. Нам для эффективного общения с LLM нужно понять промптинг. 3) A - Artifacts Инструменты, которые нас усиливают. Раньше это был микроскоп или калькулятор. Сегодня это LLM, AI-агенты и векторные базы данных. 4) M - Methodology Просто иметь инструмент мало. Нужно «ноу-хау». Как построить воркфлоу? Как использовать RAG (Retrieval Augmented Generation), чтобы модель не галлюцинировала? Как тестировать AI продукт? Мои посты, курсы и видео, во многом, про это. О некоторых «рецептах» я узнаю от друзей, коллег, участников курсов или онлайн, некоторые «открываю», пока играюсь (tinkering) с моделями, тулами или фреймворками. 5) T - Training Мышечная память. Нельзя научиться плавать по учебнику. Нельзя научиться управлять AI, просто прочитав твит. Нужно делать это руками. Поэтому я хакатоню. Поэтому пробую новые инструменты или модели, и лишь потом пишу про них. Поэтому я стараюсь, чтобы мы на каждой встрече курса делали что то конкретное, набивали руку. Ключевая мысль Энгельбарта: иметь доступ к артефакту - это только 20% успеха. Чтобы превратиться из «неандертальца с chatGPT» в knowledge worker-а, который быстрее и качественнее выполняет свою работу, нужно прокачивать язык (промпты), методологию (сценарии использования) и постоянно тренироваться. Именно системное развитие всех компонентов дает бОльший результат. Во многом, кстат, недавно вышедшее пособие от OpenAI про AI native кодинг команды именно про это. Но об этом уже в другом посте К чему я все это? Рекомендую системно заниматься всеми компонентами этого фреймворка. Ну а я постараюсь помочь, по крайней мере компонентами A, L и M :-)