Промпт:
Нет, правда, нам больше не нужны апскейлеры с Nano Banana Pro
Upscale this picture to 4K resolution without any change in details; make it fully in focus.
Нет, правда, нам больше не нужны апскейлеры с Nano Banana Pro
👍1😁1
Довольно приятный для школьников/студентов метод использования Нано Бананы Про. Кидаете ей фото вашей задачи по математике и она выдаёт вам фото листа с полностью и ПРАВИЛЬНО решённой задачей ВАШИМ почерком. Ну а потом распечатываете на цветном принтере и отдаёте учителю на проверку.
Сорян, что опять про Нано Банану, но такие уже нынче времена.
Ботликер
Сорян, что опять про Нано Банану, но такие уже нынче времена.
Ботликер
Nano Banana Pro умеет вычислять возраст людей по фото
Кидаем фотку чела, юзаем этот промпт. И узнаём возраст. Мой угадала точно, причём я загружал с чужого ака, чтобы не подгрузила кэш про меня :)
Ботликер
Кидаем фотку чела, юзаем этот промпт. И узнаём возраст. Мой угадала точно, причём я загружал с чужого ака, чтобы не подгрузила кэш про меня :)
Ботликер
Всё-таки, какая крутая Нано Банана Про в инфографичных визуализациях любых концепций:
1. Топология 3D «Ландшафта потерь» (Loss Landscape)
2. Линии магнитного поля токамака (реактора термоядерного синтеза)
3. Визуализация «Механизма внимания» (Attention Mechanism) в LLM
4. Эксперимент с двумя щелями (волново-частичная дуальность)
5. Архитектура «RAG» (Retrieval-Augmented Generation — генерация с дополнением извлечением)
6. Сравнение моделей по «Паучьей диаграмме» (Spider Chart / Radar Chart)
7. Дерево решений «Цепочка рассуждений» (Chain of Thought)
8. Визуализация «Латентного пространства» (t-SNE диаграмма рассеяния)
9. Маршрутизация в «Смеси экспертов» (Mixture of Experts, MoE)
10. Выверка зеркал космического телескопа Джеймса Уэбба (JWST Mirror Alignment)
Ботликер
1. Топология 3D «Ландшафта потерь» (Loss Landscape)
2. Линии магнитного поля токамака (реактора термоядерного синтеза)
3. Визуализация «Механизма внимания» (Attention Mechanism) в LLM
4. Эксперимент с двумя щелями (волново-частичная дуальность)
5. Архитектура «RAG» (Retrieval-Augmented Generation — генерация с дополнением извлечением)
6. Сравнение моделей по «Паучьей диаграмме» (Spider Chart / Radar Chart)
7. Дерево решений «Цепочка рассуждений» (Chain of Thought)
8. Визуализация «Латентного пространства» (t-SNE диаграмма рассеяния)
9. Маршрутизация в «Смеси экспертов» (Mixture of Experts, MoE)
10. Выверка зеркал космического телескопа Джеймса Уэбба (JWST Mirror Alignment)
Ботликер
❤2
Так, всем смотреть свежее, единетвенное за годы, интервью Ильи Суцкевера. Только вышло.
Илья Суцкевер это один из главных архитекторов современного ИИ-бума: он сооснователь OpenAI, был её главным учёным и ключевым автором AlexNet (2012), которая фактически запустила эру глубокого обучения. Именно под его руководством родились GPT-2, GPT-3 и GPT-4, а его исследования по трансформерам и масштабированию моделей легли в основу почти всего, что сейчас называют «большими языковыми моделями».
После ухода из OpenAI в 2024 году он основал Safe Superintelligence Inc. (SSI), собрав $1 млрд на первом же раунде, чтобы строить безопасный сверхинтеллект, и это при том, что он почти не даёт интервью; в индустрии его уважают до дрожи, он всё равно что БОГ.
Есть оригинальные русские субтитры.
Ботликер
Илья Суцкевер это один из главных архитекторов современного ИИ-бума: он сооснователь OpenAI, был её главным учёным и ключевым автором AlexNet (2012), которая фактически запустила эру глубокого обучения. Именно под его руководством родились GPT-2, GPT-3 и GPT-4, а его исследования по трансформерам и масштабированию моделей легли в основу почти всего, что сейчас называют «большими языковыми моделями».
После ухода из OpenAI в 2024 году он основал Safe Superintelligence Inc. (SSI), собрав $1 млрд на первом же раунде, чтобы строить безопасный сверхинтеллект, и это при том, что он почти не даёт интервью; в индустрии его уважают до дрожи, он всё равно что БОГ.
Есть оригинальные русские субтитры.
Ботликер
YouTube
Ilya Sutskever – We're moving from the age of scaling to the age of research
Ilya & I discuss SSI’s strategy, the problems with pre-training, how to improve the generalization of AI models, and how to ensure AGI goes well.
𝐄𝐏𝐈𝐒𝐎𝐃𝐄 𝐋𝐈𝐍𝐊𝐒
* Transcript: https://www.dwarkesh.com/p/ilya-sutskever-2
* Apple Podcasts: https://podcasts.…
𝐄𝐏𝐈𝐒𝐎𝐃𝐄 𝐋𝐈𝐍𝐊𝐒
* Transcript: https://www.dwarkesh.com/p/ilya-sutskever-2
* Apple Podcasts: https://podcasts.…
❤3
Несколько ключевых моментов из интервью Суцкевера, меня крайне порадовал последний
1. Эпоха исследований возвращается
Период 2020–2025 был «эпохой масштабирования»: модели росли за счет увеличения данных и вычислительной мощности. Но этот ресурс исчерпаем. Сейчас мы возвращаемся к «эпохе исследований» (как в 2012–2020), где для прогресса нужны новые фундаментальные идеи и архитектуры, а не просто большие кластеры.
2. Загадка эффективности обучения
Главный нерешенный вопрос: почему человек учится на порядки быстрее нейросети? Людям нужно мало данных, чтобы освоить навык, моделям — миллиарды примеров. Суцкевер уверен, что существует пока не открытый принцип машинного обучения, который объясняет эту эффективность и которого не хватает современным моделям.
3. «Чутье» у моделей (Value Functions)
Будущее за моделями, которые умеют оценивать свои действия в процессе, а не только в конце. Как шахматист сразу понимает, что позиция проиграна после потери фигуры, так и ИИ должен иметь внутреннюю «интуицию» (Value Function), чтобы отсекать тупиковые пути рассуждений заранее.
4. Стратегия SSI: сразу к цели
Новая компания Ильи (SSI) не планирует выпускать промежуточные продукты вроде чат-ботов. Их стратегия — «прямой выстрел» (straight shot) к безопасному суперинтеллекту. Это позволяет не отвлекаться на коммерческую гонку и сосредоточиться на чистой науке.
5. Безопасность через эмпатию
Вместо жестких инструкций контроля Илья предлагает концепцию «заботы о живом» (care for sentient life). Суперинтеллект, вероятно, сам будет обладать формой сознания, поэтому ему проще привить эмпатию ко всем чувствующим существам, чем заставить просто подчиняться правилам.
Полное видео
Ботликер
1. Эпоха исследований возвращается
Период 2020–2025 был «эпохой масштабирования»: модели росли за счет увеличения данных и вычислительной мощности. Но этот ресурс исчерпаем. Сейчас мы возвращаемся к «эпохе исследований» (как в 2012–2020), где для прогресса нужны новые фундаментальные идеи и архитектуры, а не просто большие кластеры.
2. Загадка эффективности обучения
Главный нерешенный вопрос: почему человек учится на порядки быстрее нейросети? Людям нужно мало данных, чтобы освоить навык, моделям — миллиарды примеров. Суцкевер уверен, что существует пока не открытый принцип машинного обучения, который объясняет эту эффективность и которого не хватает современным моделям.
3. «Чутье» у моделей (Value Functions)
Будущее за моделями, которые умеют оценивать свои действия в процессе, а не только в конце. Как шахматист сразу понимает, что позиция проиграна после потери фигуры, так и ИИ должен иметь внутреннюю «интуицию» (Value Function), чтобы отсекать тупиковые пути рассуждений заранее.
4. Стратегия SSI: сразу к цели
Новая компания Ильи (SSI) не планирует выпускать промежуточные продукты вроде чат-ботов. Их стратегия — «прямой выстрел» (straight shot) к безопасному суперинтеллекту. Это позволяет не отвлекаться на коммерческую гонку и сосредоточиться на чистой науке.
5. Безопасность через эмпатию
Вместо жестких инструкций контроля Илья предлагает концепцию «заботы о живом» (care for sentient life). Суперинтеллект, вероятно, сам будет обладать формой сознания, поэтому ему проще привить эмпатию ко всем чувствующим существам, чем заставить просто подчиняться правилам.
Полное видео
Ботликер
❤3🔥2👨💻2