Кто не освоит AI останется позади? Исследователь Стэнфорда

Как попасть в Стэнфорд? Что происходит на передовой искусственного интеллекта? И каким будет AI через несколько лет? В этом выпуске мы поговорили с Артемием Новосёловым — исследователем в области искусственного интеллекта, который работал в Stanford University, занимался большими языковыми моделями в Stripe, а сегодня строит собственную AI-компанию Foresyn AI. Обсудили: ✅ Как попасть в Стэнфорд и почему его пригласили работать именно туда ✅ Чем исследования отличаются от работы в Big Tech ✅ Как создаются современные AI-модели ✅ Что происходит с LLM и AI-агентами прямо сейчас ✅ Каким будет искусственный интеллект через 5–10 лет ✅ Почему AI меняет индустрию быстрее, чем большинство людей успевает это осознать ✅ Стоит ли сегодня строить карьеру в AI Если вам интересны искусственный интеллект, машинное обучение, стартапы, Кремниевая долина, Stanford, Stripe и будущее технологий — этот выпуск для вас. Автор подкаста ТАЙМКОДЫ: 00:00 — Тизер выпуска: Стэнфорд, AI, Stripe и Кремниевая долина 01:32 — От геолога МГУ до Кремниевой долины: с чего всё началось 03:20 — Переезд в Норвегию и учёба на геофизика 05:20 — Как работает сейсморазведка и поиск нефти 06:28 — Диплом из Индии и работа в Лукойле 09:33 — Почему решил уйти из нефтянки в AI 11:16 — Первые нейросети в геологии: когда стало понятно, что ML работает 13:38 — Переезд в Вену и PhD: исследование грома и молний 18:20 — Deep Learning для звука и сейсмологии 21:14 — Исследования для мониторинга ядерных испытаний 22:32 — Как по звуку восстановить тип и траекторию молнии 24:00 — Как исследования привели в Стэнфорд 26:21 — GPT меняет науку: кто не освоит AI, останется позади 27:40 — Первые впечатления от Стэнфорда и Кремниевой долины 29:04 — Карпаты, Эндрю Ын, RLHF и AI-комьюнити Стэнфорда 30:38 — Миллиардеры, хакерхаус и жизнь в Silicon Valley 35:04 — Как устроено комьюнити Кремниевой долины 38:30 — Работа в Стэнфорде: AI для обнаружения землетрясений 45:19 — Можно ли предсказывать землетрясения 48:37 — Сколько платят в Стэнфорде и как устроена академическая карьера 52:42 — Бум GPT и переход из науки в стартап 53:52 — Нейросеть, которая обрабатывает миллионы звонков 55:23 — Как выглядит жизнь внутри быстрорастущего стартапа 56:55 — Переход в Stripe 57:20 — AI против мошенничества: как устроен антифрод в Stripe 59:23 — Как LLM начали заменять ручной анализ кейсов 1:00:59 — Свои модели, open source и миллионы проверок в день 1:02:53 — Деньги, акции и корпоративная жизнь в бигтехе 1:04:47 — Бюрократия больших компаний и «20 менеджеров на одной встрече» 1:06:10 — Почему ушёл из Stripe и решил делать свою компанию 1:08:19 — Первый клиент и запуск собственного AI-бизнеса 1:10:03 — Как сократить двухчасовую работу эксперта до 10 минут 1:12:51 — Главная возможность AI сейчас: автоматизация экспертных процессов 1:14:04 — Как устроен бизнес на AI-агентах 1:15:29 — Почему кастомная разработка стала намного быстрее 1:17:10 — Насколько AI реально ускоряет программистов 1:18:24 — Исчезнут ли отдельные роли инженера, дизайнера и продакта 1:20:02 — Главное преимущество AI — не только генерация кода 1:21:15 — Новый bottleneck разработки: ревью AI-кода 1:22:33 — Какие профессии и роли может изменить AI 1:23:12 — Куда на самом деле движется AI-индустрия 1:24:26 — Почему AI может ускорить рост всей экономики 1:27:05 — Как войти в AI/ML-инженеринг сейчас 1:28:07 — Почему важнее понимать рынок, чем просто пройти курсы 1:30:46 — Как выбрать специализацию в AI на ближайшие 3–5 лет 1:31:15 — Прогноз развития IT-индустрии до 2030–2035 года 1:33:12 — Смогут ли AI-агенты полностью заменить code review 1:34:40 — Стоит ли программистам сегодня глубоко учить код 1:35:48 — Финал