НейроКПД | Нейронки и ТРИЗ для технарей

Запись встречи выложил у себя в YouTube https://youtu.be/ai7rO61iI-0. Либо можно можно посмотреть у Елены в Rutube: https://rutube.ru/video/c33f0e8d30fdfce66504220b42150b97/

Что делать в кризис при работе с техническими специалистами (технологами, конструкторами и т.д.)?

📣 Чугун, яйцеклетки, обиженный директор. Истории из практики Уже на следующей неделе, 6 августа, в четверг, в 18:30 (мск.), у нас в гостях Михаил Щербаков – ТРИЗ-эксперт с многолетним практическим опытом в машиностроении, металлургии и агросекторе.   На эфире обсудим: 📍 3 привычных инструмента, которые незаметно «убивают» системное мышление инженеров 📍 Лайфхак «3 вопроса», чтобы найти узкое горлышко в любой технологической цепочке 📍 Примеры практики: от литейного производства и клонирования животных до того, почему бизнес-тренер иногда расстраивает директоров 😭 Дополнительно ко встрече размещаем Опрос ⤵️ ❕ Голосуйте и пишите свои вопросы и комментарии под этим постом или постом опроса – всё обсудим на встрече 🔥 📱 ТРИЗ с Еленой Редколис 📱 ТРИЗ с Еленой Редколис #ТРИЗ #Инновации #УправлениеИнновациями #эфиртриз

Тишина... И тут бац! Прямой эфир! Приглашаю. Заодно познакомитесь с Еленой Редколис и её каналом.

Не знаю, правда ли это👆 Сейчас на площадках про найм и около них обсуждается следующая проблема – пересечение нескольких трендов. Тренд 1. Давно (более 5 лет, сегодня это уже давно 🥴) существует практика сразу откликаться на как можно большее количество вакансий. Причём под каждую вакансию (фирму) рекомендуют адаптировать своё резюме и сопроводительное письмо. Довольно тяжёлая работа для кандидата. И тут пришли нейросети… Тренд 2. Массовое получение резюме, желание выявить идеального специалиста как можно раньше увеличило нагрузку на HR. И тут пришли нейросети… Тренд 3. В нашу жизнь всё больше и больше входят нейросети. В итоге, у HR есть алгоритмы, которые отбирают идеальных кандидатов (и судя по отзывам, делают это очень плохо с точки зрения самих кандидатов и некоторых HR). Если есть алгоритм, то найдётся способ его обхода. И на картинках – результат войны алгоритмов. Надеюсь, это только шутка. Но в каждой шутке есть доля шутки.

Функциональный анализ процесса смачивания Продолжаем анализ автомойки. Пятый пост. Остальные смотрите по #автомойкаТРИЗ. Ранее применил Потоковый анализ к процессу смачивания загрязнений. Выявил, что только 30% воды как-то работает. Остальные 70% бесполезно стекают в канализацию. Почему так происходит – поможет Функциональный анализ (ФА). Посмотрим на загрязнение под микроскопом и как с этой грязью работает вода. Загрязнения автомобиля в очень среднем представлении состоят из: 65% - условная почва 20% - сажа от выхлопных газов и стёртых покрышек 10% - органика (всякие останки жуков и птичий помёт) 5% - «масло» (частицы ГСМ) и воздух. Раскидываем эту систему на компоненты, структуру и делам функциональную модель. И оказывается: Вода разрушает грязь в основном, через разрушения почвы и частично через ослабление удерживающих свойств органики. Частички почвы в большинстве своём имеют гидрофильный характер (группы –ОН есть, но недостаточно). Сажа, воздух и органика имеют гидрофобный характер (отталкивают воду): как за счёт своих острых краёв (сажа), так и за счёт большого коэффициента поверхностного натяжения. Органика создаёт крепкую плёнку на всём. А воздух внутри частичек сопротивляется сжатию проникающей водой, что тормозит воду. Чтобы как-то «задобрить» этих товарищей применяют ПАВ (поверхностно-активные вещества – «шампунь»), которые вначале создают мицеллы – отдельные независимые кусочки компонентов грязи. Кстати, мицеллярная вода в отделе косметики – это про создание мицелл 😉. А потом эти кусочки собирают в более крупные – коагулируют. Но это всё известно. Что можно ещё? Можно придумать, чтобы масло лучше разрушало органику – бензин хороший растворитель. Можно придумать, чтобы воздух внутри частичек грязи разрушал эти частички и сам втягивал воду и ПАВ во внутрь грязного слоя. Можно придумать как вода будет более эффективно разрушать компонент «почва». Можно придумать, как воздух или вода (или ещё какой ресурс этой системы) разрушают органику, сажу, почву. Как эти ресурсы будут убирать масло из системы. Как это сделать – пока не знаю. Но для этого есть решательные инструменты ТРИЗ – будем решать. #автомойкаТРИЗ

На прошлой и этой неделе были две группы. Второй модуль. Для закрепления материала попросил их нарисовать тату по теме ТРИЗ. Первую группу показывать не буду. Плохо пояснил задание. Плохо получилось. У второй – есть интересные моменты. Запомнили жизненный цикл (как я его изобразил 😊). Обыграли 40 приёмов: XXXX, концентрические круги на животе и 40 значков (я их не считал) – мандалу. Ещё был рисунок где 40 приёмов – это 40 ключей. Привёл фото работ слушателей и то, что сделала нейронка вот по этому промту: Мужчина со спортивным мускулистым обнажённым торсом. На торсе множество татуировок на тему ТРИЗ. Мужчина стоит прямо на камеру. Обнимает женщину за талию. Женщина стоит спиной к камере, на спине множество татуировок на тему ТРИЗ. Тема ТРИЗ - это Альтшуллер, 40 приёмов, противоречия, девятиэкранка, причинно-следственный анализ, физические эффекты, потоковый анализ, функциональный анализ. Китайцы – это Qwen Русые – это Kling Тёмноволосые – это Gemini

Кого заменит ИИ? Интересная инфографика из отчёта. Дам дополнительные комментарии. Значение 1.0 (или 100%) означает, что для всех задач в данной профессии использование LLM (языковых моделей) может сократить время выполнения как минимум на 50% без потери качества. Теоретическое значение получили после анализа выполняемых задач (в том числе, анализировали при помощи нейросетей). Фактическое – анализ результатов по имеющимся базам. Обращаю внимание, что речь идёт только про задачи, решение которых требует «печатной машинки в виде компьютера». Физический труд здесь не рассматривается. Что я увидел в этом графике: 1️⃣ Место ИИ есть во всех областях. Не знаю, почему обделили Благоустройство территорий – нейросети могут сделать ландшафтный дизайн (сам делал), могут составить список растений, подкормок, план посадок и ухода исходя из конкретных условий территории. 2️⃣ «Завтра всех заменит ИИ» – откладывается. Не всех. Нет ни одного направления, где бы LLM даже теоретически может присутствовать на 100%. И нет ни одной области, где практическое внедрение добралось до половины потенциала применения нейронок. 3️⃣ Но не надо радоваться. Часть специалистов будет не нужна. В этих профессиональных областях конкуренция за вакансию станет жёстче.

Полезный и грустный пост одновременно. В связи с «замедлением Телеграм», а это я ощущаю и по себе, и по количеству просмотров в этом канале. Я решил… Нет, не завести канал в Макс. Возможно, там мой канал и появится. Но я пока слышу кучу негатива по поводу того, как там всё сложно делается. Я подожду, когда наладится функционал. Я буду выкладывать по возможности посты здесь в Телеграме. Также напоминаю, что у меня есть канал-дублёр в Вконтакте. Плюс этой площадки – видео можно выкладывать разного размера. Но функционал для ведения блога хуже. Недавно появились в Вконтакте «Каналы» – что-то типа Телеграма по своему функционалу, говорят… Кто-то завёл и меня это выбесило – сообщения о новых постах приходят не в ленте, а в сообщениях. Там где обычно идёт переписка с друзьями-родственниками! Ещё есть YouTube – надеюсь, что-нибудь новое выложу и там. Есть Дзен (нужно ещё 6 подписчиков, чтобы канал стал полноценным в глазах Дзена), VC и Пикабу – там почти одно и то же. Часто длинные статьи лёгкого содержания. Есть Хабр – пока там статей мало. И из-за уважения к этой площадке не выкладываю там часто лёгкие статьи. Берегу для более серьёзного. Буду рад, если подпишетесь на паре площадок для надёжности. О выходе статей и видео я буду сообщать в Вконтакте, здесь в Телеграме (если будет возможность). Ну и в Максе – когда канал там появится.

ИИ решения для CAD/CAE программ Для программ по созданию геометрии (CAD) и по выполнению различных расчётов (прочность, газовая динамика, радиоволны и т.д., CAE) появился и всё больше получает распространение ИИ-агент: Cosmon Nexus – в РФ без впн даже сайт не открывается. Что он умеет на практике: - настроить мультифизику и граничные условия в классических задачах по прочности и теплу – без ручного копания во всех вкладках программы; - ​прогонять серии расчётов, строить таблицы;​ - взять на себя исправление геометрической и сеточной модели (в CAE); - перенос полей между разными солверами (например, температур из CFD в прочностной расчёт); - по одному запросу собрать аккуратный .docx/.pdf‑отчёт с геометрией, описанием настроек, результатами и пояснениями по допускам для производства. Это умели и CAE-программы и до него. Но часто было очень криво и нельзя было изменить формат под формат предприятия. Интересно, а тут как. На картинке фрагмент диалога: пользователь вначале спросил какие граничные условия нужны для конкретной задачи, подготовил данные. А потом только указывал участки геометрии для задания ГУ, ИИ-агент сам заполнял все необходимые настройки. На мой взгляд, вполне полезная вещь. Хоть и надо за ней проверять, но это быстрее, чем писать все значения и ставить галочки. С другой стороны (из моего опыта), задание граничных условий – не самый сложный процесс. Интересно, в России кто-то начал пользоваться?

Февраль прошёл, март – уже середина. А обещанной встречи всё нет! Но я про неё помню и готовлюсь. 😊 Вот подобрал задачу (в описании на картинке). Убрал и изменил информацию, чтобы не было раскрытий тайны. Разобрал её по некоторым аналитическим ТРИЗ-инструментам. Потестил применение нейронки в этом деле. И уже вышел на создание МЖП-минимально-жизнеспособного продукта! Но ещё не собрал всё в кучу, чтобы продемонстрировать на встрече. Работаю. Должно всё получиться! И уже скоро! А пока вы можете в комментариях написать своё виденье хода решения этой проблемы – потом сравним, что получилось.

Как общаться с нейронкой? Есть исследования, говорящие о том, что вежливое общение с ИИ повышает качество ответов (примерно на 10-15%). Есть исследования, говорящие о том, что угрозы в сторону ИИ также повышают качество ответов (и тоже на 10-15%). Я пробовал и так, и так. Первый вариант мне ближе и я в целом получают, то, что хочу. Второй вариант пробовал – нейронка ушла в «глухую оборону» и продолжала тупить. Но читая разные каналы, встретил любопытный комментарий (подтверждения которого я нахожу в своей практике): «…каждая LLM запрограммирована на работу прежде всего с «верхним слоем». То есть выдавать достаточно поверхностные ответы, состоящие из общих наиболее частотных фраз. Когда пользователь показывает глубину семантики запроса, тогда включаются более «глубокие» слои. Но если пользователь вдруг не показывает ничего, кроме панибратства и нетерпимости, и общается поверхностно, то алгоритм LLM остаётся на «верхнем слое» в целях экономии энергии» Поясню. В структуре нейросетей есть «слои» – это если очень образно, «сита» уровней знаний, вшитых в нейронку. Через эти сита проходят токены и чанки вашего запроса (это то, на что нейронка делит всю информацию, которую вы в неё ввели в виде промта). И вот, если вопрос поверхностный, то зачем нейронке сильно думать? Представьте, что к вам подошёл «чёткий пацанчик» и спросил: «Что такое «адронный коллайдер». Спросил ради того, чтобы спросить. Будете ли вы искать информацию в Интернете и готовить ему лекцию для того, чтобы ответить на его вопрос? Скорее нет. Зачем? И так видно, что цель вопроса не в получении развёрнутого правильного ответа. Вот и нейросеть также. И этот эффект имеет накопительный характер – один промт ничего не изменит, а вот повторение стиля из раза в раз может изменить ответы. Относитесь к нейронке так, как хотите отношения к себе. Это и вопросов касается. Я также заметил, что инструменты ТРИЗ помогают сделать вопрос более глубоким. А какие у вас ощущения от общения с нейронками?