Китайцы выпустили нейросеть, которая может генерировать КИНО — новая SeeDance 2.0 от разрабов ТикТока создаёт до жути реалистичные видео.

Нарезка того, как Месси обводит Роналдо с нуля создана в новой нейронке — артефакты почти незаметны невооружённым взглядом, а движения выглядят плавно и четко. При этом в SeeDance 2.0 почти нет цензуры: она спокойно создаёт ролики с политиками и знаменитостями.

Попробовать можно бесплатно — здесь.

Защитный ров из людей: стратегия New York Times в эпоху ИИ

Прочитал интервью с CEO New York Times Мередит Копит Левиен. Парадоксально, но в развитии ИИ они видят для себя огромное преимущество.

Логика такая: нейросети сделают так, что любая базовая информация будет стоить ноль. И именно поэтому глубокий авторский взгляд, живая экспертиза и реальные расследования людей станут новой роскошью - премиальным продуктом, который будет стоить по-настоящему дорого.

P.S. именно в рамках это стратегии они планируют до бесконечности судиться с ОпенИИ, чтобы те не трогали их материалы)

Родные вайбы ))))
Метеорит челябинский, Аркаим, Бортничество Башкирский мед, Наскальные рисунки в пещере Кунгур, Озера, Уральские горы, Великий торговый путь по которому перевозили соль на верблюдах.

Межтем, наша статейка набрала 5.3k охвата и +8 кармы и 16 закладок. Норм, хорошо пошла история.

Комитет Госдумы по информационной политике отклонил законопроект о маркировке контента, сгенерированного искусственным интеллектом (ИИ).

Факт, сейчас это выходит в топ + Сейчас еще добавляется долг понимания кода.

Да... все так )))

СРОЧНО!!!! Нужны два ML в Yandex на Алису по работе с системами авто. Кому интересно пишите мне для связи я сведу с нужным человеком. ВАКАНСИЯ ПРЯМ ГОРИТ !!!

Главный ресурс ИИ - не технологии, а люди, заявил в интервью телеканалу «Россия 24» глава «Норникеля» Владимир Потанин.

По его словам, Россия сегодня все еще в числе лидеров по кадровому потенциалу в области искусственного интеллекта, но с  оговоркой, что этот статус не гарантирован.

Потому что требования к специалистам быстро меняются, а система образования не успевает за темпом технологий. И при этом конкуренция за кадры становится глобальной. Потанин уверен, что подготовка и удержание специалистов - это уже не задача бизнеса, а госполитика. И здесь появляется жесткая развилка: можно инвестировать в технологии, а можно — в людей, которые эти технологии создают. И если проиграть во втором, первое теряет смысл.

«С этой целью я лично участвовал в создании Центрального университета и принял приглашение возглавить его попечительский совет и мы эндаумент сделали в этом университете (Фонд Потанина вложит 1 млрд рублей в эндаумент университета и будет удваивать взносы других жертвователей вплоть до достижения рубежа 10 млрд рублей, прим. ред). Я верю в то, что способность готовить хорошие, качественные кадры в этой области будет огромным конкурентным преимуществом. Мы не хотим, чтобы от нас уезжали инженеры, специалисты. В области искусственного интеллекта это прямо вопрос выживания», заявил глава «Норникеля».

Как бороться с переобучением в нейросетях

Переобучение — это момент, когда модель:
👉 отлично знает train
👉 и вообще не понимает реальный мир

Она запоминает, а не обобщает.
Разберём, как с этим бороться 👇

1. Больше данных (самый честный способ)

Чем больше данных — тем сложнее модели заучить шум.

Что можно сделать:
👉 собрать новые данные
👉 использовать data augmentation
👉 синтетически расширить выборку

В CV и NLP это часто даёт лучший эффект, чем любые трюки с архитектурой.

2. Regularization (штраф за “слишком умную” модель)

👉 L1 / L2 регуляризация 
→ штрафуют большие веса

Интуитивно:
модель становится проще и меньше переобучается

3. Dropout — случайное “забывание” нейронов

Во время обучения случайные нейроны отключаются.

Что это даёт:
👉 модель не может опираться на конкретные нейроны
👉 учится быть более устойчивой

Обычно:
👉 0.2 – 0.5 dropout rate

4. Early Stopping — остановись вовремя

Следим за валидацией:

👉 train loss ↓ 
👉 val loss сначала ↓, потом ↑ 

Как только val начинает расти — останавливаем обучение

Это один из самых эффективных и недооценённых методов.

5. Упростить модель

Иногда решение самое простое:

👉 меньше слоёв 
👉 меньше параметров 
👉 проще архитектура 

Большая модель = больше шанс переобучения.

6. Batch Normalization

Помогает:
👉 стабилизировать обучение
👉 немного снижает переобучение

Но это не silver bullet — скорее бонус.

7. Data Augmentation

Особенно важно для:

👉 CV (повороты, шум, кропы) 
👉 NLP (перефразирование, замены) 

Модель видит больше вариантов одного и того же объекта.

8. Правильная валидация

Если у тебя плохой split —
ты даже не поймёшь, что модель переобучилась.

Используй:
👉 train / val / test 
👉 k-fold (если мало данных) 

Главный инсайт

Переобучение — это не ошибка модели.

Это сигнал, что:
👉 либо мало данных 
👉 либо модель слишком сложная 
👉 либо процесс обучения настроен плохо 

В одном предложении

Чтобы победить переобучение —
либо добавь информации (данные), либо убери сложность (модель).

Исследование: массовые увольнения из-за ИИ обрушат экономику

Экономисты из Пенсильванского и Бостонского университетов математически обосновали неизбежность рыночного кризиса из-за массового внедрения ИИ. Согласно их исследованию, компании оказываются в «ловушке автоматизации»: стремясь сократить издержки за счёт увольнений, бизнес лишает дохода собственных же потребителей — людей, которые в результате перестают покупать товары и услуги. Это приводит к падению совокупного спроса и долгосрочной прибыли всех участников рынка. Единственным эффективным инструментом стабилизации авторы называют введение налога на автоматизацию.

https://hightech.plus/2026/04/13/issledovanie-massovie-uvolneniya-iz-za-ii-obrushat-ekonomiku

Можно было и не доказывать, это и так ясно было, просто из натурных наблюдений.