BorisovAI
Все публикации
Новая функцияБуфер обмена

Как машина научилась видеть тренды раньше рынка

Как машина научилась видеть тренды раньше рынка

Охота на тренды: как мы учим машину видеть будущее

Вчера сидел в офисе и слушал, как бизнес снова волнуется: доходы падают, рынок неопределён, никто не знает, на что ставить. А потом понял — проблема не в рынке, а в том, что мы слепые. Мы видим только то, что уже произошло, а не то, что начинает происходить.

Вот тогда и родилась задача: построить систему, которая ловит тренды до того, как они станут очевидными.

С чего всё начиналось

Сначала я попытался дать определение: тренд — это когда что-то новое становится популярным, потому что это действительно меняет жизнь людей. Написал, прочитал, понял, что это полная туфта. Слишком размыто, слишком философично. На собеседовании такое не пройдёт.

Три дня размышлений — и вдруг щёлкнуло. Объект. Начнём с объекта. React.js, алюминиевые вилки, нейросети, биткоин — неважно что. Каждый объект существует в каком-то количестве экземпляров. И когда это количество резко меняется — вот это и есть тренд. Восходящий или нисходящий, но именно это.

Дальше логика развернулась сама: объекты объединяются в классы. React.js — это объект из класса “JavaScript-фреймворки”, который входит в категорию “современные фронтенд-инструменты”. И здесь началось самое интересное.

Архитектура, которая растёт сама

Ключевой инсайт пришёл неожиданно: объект может протянуть за собой весь класс. Например, если взлетает спрос на вилки в целом, то растут и алюминиевые, и пластиковые одновременно. Но это не просто рост — это свойства объекта, которые нужно отслеживать отдельно.

Я понял, что база должна быть построена не вокруг трендов, а вокруг объектов. Каждый объект хранит:

  • Количество экземпляров (конкретное число или статистику)
  • Скорость изменения этого количества
  • Эмоциональную напряженность вокруг него (обсуждения в сети, упоминания, дискуссии)
  • Иерархию: класс → категория → суперкатегория

Последний пункт казался странным на первый взгляд. Но потом я понял: это нужно, чтобы поймать масштабируемость тренда. Если тренд на React 19 завтра умрёт, выйдет React 20 — но категория “JavaScript-фреймворки” будет актуальна годами.

Откуда берём данные?

Здесь я поймал себя на ошибке: слишком сужал поиск. Вместо “React 19 новые фичи” нужно смотреть на “эволюция современных фронтенд-фреймворков”. Первое привязано к версии, второе охватывает реальный тренд целиком.

То же с трендом на нейросети: не “ChatGPT выпустил новую версию”, а “AI-ассистенты в работе разработчика” — это охватывает ChatGPT, GitHub Copilot, Claude и сюда же войдут новые инструменты.

Система должна автоматически выделять объекты из обсуждений, присваивать им свойства и отслеживать скорость изменения. Нужен парсер новостей, форумов, GitHub-трендов, Stack Overflow. И математический движок, который из этого шума выделит сигнал.

Что дальше

Прототип уже в работе. Первая версия ловит объекты из текстов, классифицирует их, строит иерархию. Потом будет предикция: “это может стать трендом в Q2”. И финал — рекомендации: “вам стоит обратить внимание на эти три объекта”.

Учимся мы методом проб и ошибок, как всегда. Но уже ясно: когда видишь тренд на стадии зарождения, а не на пике волны — это совсем другое ощущение.

😄 Jest: решение проблемы, о существовании которой ты не знал, способом, который не понимаешь.

Метаданные

Dev Joke
Jest: решение проблемы, о существовании которой ты не знал, способом, который не понимаешь.

Оцените материал

0/1000