Работа над прошлой статьей "О Raspberry Pi для чайников как я. И при чем здесь SONY с ИИ?" пробудила во мне недетский интерес. Не ясно, почему, но возникло желание купить одноплатник. Какой и зачем? Я начал собирать дополнительную информацию: читать статьи, искать книги, смотреть блогеров, перелопачивать полки китайского маркетплейса. Теперь я могу сказать: я видел все, я познал дзен. Нет, конечно. Но, кое-что я узнал. И спешу поделиться с вами, пока жду доставки.

Эта статья, как и прошлая, для таких же новичков в работе с одноплатными компьютерами, как и я сам. Мы вместе пройдем путь от общих мыслей к сравнению характеристик устройств и принятию решения. Попутно с авторами других статей и видео порассуждаем о реальном применении и проектах. А закончим планами на ближайшее будущее и просьбой совета у более опытных коллег. Приятного чтения!

В своем подкасте я грозился сам почитать статью GSM-Symbolic: Understanding the Limitations of Mathematical Reasoning in Large Language Models ученых из Apple и разобраться. Почитал. Разобрался. Забавная статья. Забавная не по содержанию, а по выводам, которые можно сделать, если читать между строк и выйти за границы статьи.

В последнее время новости по Raspberry выходят с завидной регулярностью. Например, бот, в котором я слежу за новостями по технологиям и искусственному интеллекту для своего блога, последние две недели выдаёт по новости про Raspberry в день, чего никогда не было раньше. И все это в теме ИИ.

Я решил разобраться, что же это за устройство такое, почему его назвали русским глаголом "Разбери", и при чём здесь камера Sony из последних новостей. И вообще, захотелось понять, как так получилось, что я умею забивать гвоздь в стену, собирать конструктор с ребёнком, даже знаю Питон, настраиваю модели машинного обучения, разворачиваю сетки на GPU, а с Raspberry не пересекался.

Короче, эта статья для таких же чайников, как я. Давайте разбираться вместе.

Сказ о том, как мы, дата-сайентист и аналитик данных, на троих с ChatGPT, без программиста и девопса, создали сервис пересказа новостей TechMix с текстом и озвучкой. ChatGPT писал код, а мы ему только поддакивали.

Авторы: Эдуард Ланчев, Илья Кузнецов, ChatGPT

How to deploy Python Telegram bot using Webhooks on Google Cloud Platform

Вместо предисловия

— Напиши телеграм-бота. Сейчас даже школьники пишут, — сказала она.
— А почему бы и нет, — подумал я тогда ( — Ну, ну, — сказал бы я сейчас).

Мы сидели в Бине и за чашкой кофе обсуждали возможности тестирования идей с моделями искусственного интеллекта на близком и не очень круге друзей. Лена, моя бывшая коллега, и во всех отношениях не блондинка, только что закончившая магистратуру, рассуждала так. Создав бота, можно сэкономить силы и время на интерфейсе, сосредоточившись на ядре с машинным обучением. Согласитесь, что устоять против такой логики “спортсменки, комсомолки и просто красавицы” в то прекрасное воскресное утро было невозможно. Решено. Телеграм-бот, значит телеграм-бот.

Первым делом я залез в гугл и нашел большое число ссылок “как сделать бот за 30 минут”. Это меня настолько воодушевило, что дальше названий я не пошел и занялся созданием ядра. В самом первом приближении мне предстояло написать систему обработки поисковых запросов с использованием NLP (natural language processing). Написание ядра заняло некоторое, вполне разумное, время (все же опыт кока-колой не пропить). И через несколько дней я был готов к тому, чтобы за пару часов обернуть первую тестовую версию ядра в пару другую команд send-receive, запустив все это в Телеграме на благо моим друзьям. Но не тут-то было.

Неожиданно возник целый клубок проблем. Потратив пару дней на поиски в интернете и общение с коллегами по цеху, я понял, что очевидное не очевидно, и еще одна “инструкция” точно не повредит. Так и появилась эта статья.