Исследователи Google смоделировали появление жизни, создав само-реплицирующиеся цифровые формы жизни с помощью языка программирования Brainfuck. Они начали с случайных данных, которые взаимодействовали на протяжении миллионов поколений, и эти данные эволюционировали в само-реплицирующиеся программы. Эксперты отмечают, что само-репликация — это лишь часть жизни, требующая дальнейшей сложности. Ученые считают, что с большей вычислительной мощностью можно достичь более сложных результатов.
](https://futurism.com/the-byte/google-simulated-emergence-life).
](https://futurism.com/the-byte/google-simulated-emergence-life).
Futurism
Google Researchers Say They Simulated the Emergence of Life
A experiment that simulated random interactions for millions of generations led to the emergence of a digital form of life.
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
Помните эти новости, типа "французы убили OpenAI выпустив голосового помощника Moshi"?
Вместо того, чтобы сами ломиться тестировать проще посадить их рядом и попросить поговорить. Сразу станет понятно, у кого задержка меньше, кто умнее и тд.
И вот эта вот идея о том, что два ИИ разговаривают постепенно проникает в наши мозги.
Пока все рассматривали сценарии типа "ИИ, забронируй мне отель", но на стороне отеля тоже ИИ. И вот они уже весело щебечут.
Идем дальше: "ИИ сгоняй на звонок вместо меня, все равно мне там сидеть и слушать". И вот уже все пригнали своих ИИ-ассистентов на онлайн-колл, и они там решают судьбы мира.
А мне вот в связи с эти видится еще одно применение.
Помните, как ловко ИИ уже пишет сценарии. Даже диалоги выписывает, держа в голове несколько персонажей. Но если мы возьмем пару разных ИИ-агентов и заставим их поговорить друг с другом в реальном времени, то диалоговые сценарии могут быть, скажем так, очень свежими. Более того, кожаным сценаристам будет что подслушать и что спиратить для своих, пока еще кожаных, пьес.
В общем послушайте как два ИИ лопочут, один взрослый, второй поменьше и подумайте, о возможных применениях.
Вместо того, чтобы сами ломиться тестировать проще посадить их рядом и попросить поговорить. Сразу станет понятно, у кого задержка меньше, кто умнее и тд.
И вот эта вот идея о том, что два ИИ разговаривают постепенно проникает в наши мозги.
Пока все рассматривали сценарии типа "ИИ, забронируй мне отель", но на стороне отеля тоже ИИ. И вот они уже весело щебечут.
Идем дальше: "ИИ сгоняй на звонок вместо меня, все равно мне там сидеть и слушать". И вот уже все пригнали своих ИИ-ассистентов на онлайн-колл, и они там решают судьбы мира.
А мне вот в связи с эти видится еще одно применение.
Помните, как ловко ИИ уже пишет сценарии. Даже диалоги выписывает, держа в голове несколько персонажей. Но если мы возьмем пару разных ИИ-агентов и заставим их поговорить друг с другом в реальном времени, то диалоговые сценарии могут быть, скажем так, очень свежими. Более того, кожаным сценаристам будет что подслушать и что спиратить для своих, пока еще кожаных, пьес.
В общем послушайте как два ИИ лопочут, один взрослый, второй поменьше и подумайте, о возможных применениях.
Forwarded from Victor Osyka, техноцивилизация
Интервью фаундера Adept - AI агенты для knowledge workers, подняли $400 млн с 2022, были вынуждены продаться Amazon:
- Раньше он был VP of engineering GPT и Dall-e
- Главный миф про AGI - что через 10 лет заберет у нас работу. Да нет, просто будет скачок как от MS-DOS к графическим интерфейсам
Co-pilots
- Это и просто путь захвата рынка новыми игроками, но и наш ангел Scott Belsky (фаундер Behance) говорит: будет collapse of talent - один чел будет играть роль сразу PM/designer/engineer, руля пачкой co-pilots, мы станем более generalists
- У enterprises большие бюджеты на опыты с AI и мы переоцениваем их real adoption щас, но через 10 лет в продакшне будет больше, чем думаем
- AI services компании (помогают внедрять AI в enterprises) будут больше по выручке, чем model providers. Но продуктовые - еще больше
Adept
- Мы не пилим LLM, а в узкой нише агентов кому можно поручить произвольную работу. И тут верим в вертикальную интеграцию начиная от интерфейса end users
- Разница: RPA/Uipath делают много идентичных задач, их внедряют по полгода (меняя процессы) всякие Accenture (главный канал продаж). Агенты же постоянно меняют план как решать задачу. Enterprises юзают RPA и агенты параллельно
- Через 5-10 лет сможем ставить агентам высокоуровневые цели
- Мы как self-driving, когда его еще не было - потенциал даже сложно вообразить
Foundational models, чипы
- LLM сами по себе не продукт. Станут base layer для всего, как в софте EC2 nodes и storage. Nvidia подъедает, идя по value chain, поэтому все cloud providers и LLM игроки пилят свои чипы
- Думаю, будет вертикальная интеграция LLM и чипов. А иначе Google нет смысла продавать TPU, если фора по цене 20% - проще самим тренить и брать выручку с end users
- Альянс Apple и OpenAI двоякий: говорит, что коммодитизация LLM будет, но и еще что Gpt4o с мультимодальностью и OpenAI пока научно далеко впереди. А Apple будет мелкими моделями что-то солвить локально на приватных data юзеров
- У топ LLM сжимается окно набрать нужный объем выручки от end users чтобы остаться независимыми
3 эпохи DL в AI
1. До 2012 в AI и ML пробовали всякое и не работало
2. Google Brain 2012-2018, чистый R&D: собрали всех топ ученых и каждый искал из своего любопытства -> создали transformers, diffusion, оптимизацию - все, что сейчас воспринимают как должное
3. А с 2018 new age - Deepmind поняли, что надо прикладывать ML к разным real world or science problems
Лернинги OpenAI
- Я работал с Ильей, он говорил: давай трансформеры - они же всюду применимы
- OpenAI направлял бездну людей на одну проблему (типа “как управлять рукой робота”), этот подход уже не как в просто academia (там главная цель - статьи). Не пачка мелких ракет, а лунная программа
- 6 лет от transformers к chatGPT - это чтобы end users ну прям оценили. И за год до B2C релиза ChatGPT выкатили API разрабам играться
Ограничения моделей
- Не верю в иссякание performance моделей, просто это логарифмическая кривая: GPT5 заюзает в 100x больше вычислений, чем GPT4. Но закон Мура позволяет
- Но LLM НЕ superhuman, НЕ рождают новые подходы к нерешенным задачам
- Про данные как было? E.g. Учим решать maths - грузим кучу правильных решений, ОК. Но можно встроить модель в блокноты людей, кто только пробует решить, и это бездна data to absorb. Их больше в разговорах и на whiteboards, чем в datasets. Ну и конечно "бесконечный RL пока не решишь" типа AlphaGo
Reasoning
- Reasoning: для меня это способность порождать новые мысли. В отрасли есть идеи как решать, на roadmaps всех LLM игроков, но нужен рисеч
- Кодеры строят что-то конкретное, но в AI ты мало что меняешь, а просто растишь масштаб и наблюдаешь new intelligence. Хотя щас сложнее быть уверенным "натреним модель на $2 млрд, 100% что-то улучшим" =)
- Окно контекста в ML сложно, хотя у Gemini 1 млн токенов, но надо real memory оf long term предпочтений юзеров
Прочее
- Open source оч важен, пусть и с неким лагом из-за роста костов, но так вся отрасль будет поспевать за лидерами
- Регуляторы, к сожалению, ваще не понимают tech
- А паника по AI - это уже совсем глупости
- Раньше он был VP of engineering GPT и Dall-e
- Главный миф про AGI - что через 10 лет заберет у нас работу. Да нет, просто будет скачок как от MS-DOS к графическим интерфейсам
Co-pilots
- Это и просто путь захвата рынка новыми игроками, но и наш ангел Scott Belsky (фаундер Behance) говорит: будет collapse of talent - один чел будет играть роль сразу PM/designer/engineer, руля пачкой co-pilots, мы станем более generalists
- У enterprises большие бюджеты на опыты с AI и мы переоцениваем их real adoption щас, но через 10 лет в продакшне будет больше, чем думаем
- AI services компании (помогают внедрять AI в enterprises) будут больше по выручке, чем model providers. Но продуктовые - еще больше
Adept
- Мы не пилим LLM, а в узкой нише агентов кому можно поручить произвольную работу. И тут верим в вертикальную интеграцию начиная от интерфейса end users
- Разница: RPA/Uipath делают много идентичных задач, их внедряют по полгода (меняя процессы) всякие Accenture (главный канал продаж). Агенты же постоянно меняют план как решать задачу. Enterprises юзают RPA и агенты параллельно
- Через 5-10 лет сможем ставить агентам высокоуровневые цели
- Мы как self-driving, когда его еще не было - потенциал даже сложно вообразить
Foundational models, чипы
- LLM сами по себе не продукт. Станут base layer для всего, как в софте EC2 nodes и storage. Nvidia подъедает, идя по value chain, поэтому все cloud providers и LLM игроки пилят свои чипы
- Думаю, будет вертикальная интеграция LLM и чипов. А иначе Google нет смысла продавать TPU, если фора по цене 20% - проще самим тренить и брать выручку с end users
- Альянс Apple и OpenAI двоякий: говорит, что коммодитизация LLM будет, но и еще что Gpt4o с мультимодальностью и OpenAI пока научно далеко впереди. А Apple будет мелкими моделями что-то солвить локально на приватных data юзеров
- У топ LLM сжимается окно набрать нужный объем выручки от end users чтобы остаться независимыми
3 эпохи DL в AI
1. До 2012 в AI и ML пробовали всякое и не работало
2. Google Brain 2012-2018, чистый R&D: собрали всех топ ученых и каждый искал из своего любопытства -> создали transformers, diffusion, оптимизацию - все, что сейчас воспринимают как должное
3. А с 2018 new age - Deepmind поняли, что надо прикладывать ML к разным real world or science problems
Лернинги OpenAI
- Я работал с Ильей, он говорил: давай трансформеры - они же всюду применимы
- OpenAI направлял бездну людей на одну проблему (типа “как управлять рукой робота”), этот подход уже не как в просто academia (там главная цель - статьи). Не пачка мелких ракет, а лунная программа
- 6 лет от transformers к chatGPT - это чтобы end users ну прям оценили. И за год до B2C релиза ChatGPT выкатили API разрабам играться
Ограничения моделей
- Не верю в иссякание performance моделей, просто это логарифмическая кривая: GPT5 заюзает в 100x больше вычислений, чем GPT4. Но закон Мура позволяет
- Но LLM НЕ superhuman, НЕ рождают новые подходы к нерешенным задачам
- Про данные как было? E.g. Учим решать maths - грузим кучу правильных решений, ОК. Но можно встроить модель в блокноты людей, кто только пробует решить, и это бездна data to absorb. Их больше в разговорах и на whiteboards, чем в datasets. Ну и конечно "бесконечный RL пока не решишь" типа AlphaGo
Reasoning
- Reasoning: для меня это способность порождать новые мысли. В отрасли есть идеи как решать, на roadmaps всех LLM игроков, но нужен рисеч
- Кодеры строят что-то конкретное, но в AI ты мало что меняешь, а просто растишь масштаб и наблюдаешь new intelligence. Хотя щас сложнее быть уверенным "натреним модель на $2 млрд, 100% что-то улучшим" =)
- Окно контекста в ML сложно, хотя у Gemini 1 млн токенов, но надо real memory оf long term предпочтений юзеров
Прочее
- Open source оч важен, пусть и с неким лагом из-за роста костов, но так вся отрасль будет поспевать за лидерами
- Регуляторы, к сожалению, ваще не понимают tech
- А паника по AI - это уже совсем глупости
- 20% людей меньше выпивали с последствиями. И на 53% (!) меньше юзали обезбаливающие без рецепта (наркотики), и причем мужчины - аж на 80% меньше
- Мужчины стали на 45% реже оказываться в опасных ситуациях (водить пьяным, ходить в опасные районы/конфликты, опасный спорт итп)
- Мужчины стали на 45% реже оказываться в опасных ситуациях (водить пьяным, ходить в опасные районы/конфликты, опасный спорт итп)
Telegram
Progresspunks
Что-то я даже и не знаю как думать, перевариваю: в конгрессе США вчера представили доклад на 50 страниц о том, как Китай ведет нео-опиумную войну с Западом?
- В США сейчас 70 тыс чел в год умирает от фентанила = словно ежедневно разбивается один Боинг. Это…
- В США сейчас 70 тыс чел в год умирает от фентанила = словно ежедневно разбивается один Боинг. Это…
Forwarded from Victor Osyka, техноцивилизация
Вышли результаты UBI эксперимента по раздаче $40 млн за 3 года 3 тыс семей в США, замутил Sam Altman, вело НКО OpenResearch - бывшее YCombinator Research с 2015 г. UBI = universal basic income, безусловный базовый доход
Дизайн эксперимента
- Возраст 21-40 лет
- 1000 людей давали по $1К/мес, а 2000 чел т.н. контрольная группа по $50 - это чтобы они хотели заполнять регулярные опросники
- Доходы отобранной выборки ниже медианы в US, но и немного higher income людей тоже
- В Иллинойсе и в Техасе. И города, и пригороды
- Был оч высокий participation rate - 96% участников заполняли вопросники ученых
- Продолжат вести опросы и в 2025-2026ом, будут отчеты про well-being, crime, детей
Занятость и доходы
- Доходы на семью сейчас (в плане, что проект начинали в год пандемии и они были ниже): $58к/год у тех кому давали +$12к/год, и $52к/год в контрольной группе
- 72% получавших $ - работали, а в контрольной группе - 74%
- Те, кто работали - они на 1.3 часа в неделю меньше. А те, кто младше 30 лет - на 1.8 часа. А родители одиночки на 3 часа меньше (а у кого дети с особенностями - стали работать сильно меньше)
- Люди стали избирательнее в выборе работы, в тч за счет более долгих поисков, отказываясь от crap jobs
- Самые низкооплачиваемые работники просто стали делать перерывы, чтобы не работать постоянно 50-70 часов в неделю
Здоровье и медицина
- Люди с UBI на 26% чаще ложились в больницу сами/их дети, и на 10% чаще вызывали скорую или ходили к зубному, и тратили на несколько сот $ в год больше на врачей
- 50% стали меньше экономить на всем прочем чтобы оплатить врачей
- 20% людей меньше выпивали с последствиями. И на 53% (!) меньше юзали обезбаливающие без рецепта (наркотики), и причем мужчины - аж на 80% меньше
- Мужчины стали на 45% реже оказываться в опасных ситуациях (водить пьяным, ходить в опасные районы/конфликты, опасный спорт итп)
- Раздача $ не повлияла на оценку своего здоровья, спорт, сон
Траты
- Из регулярного - люди наращивали расходы на еду (+$67/мес), аренду жилья (+$52/мес), транспорт (+$50)
- Но самой выросшей статьей стала финподдержка ими всяческих родных (с $58/мес до $84/мес) и не одалживать, а просто давать им $
- В основном люди тратили $ на решение срочных проблем: похороны, памперсы, оплата школ, ремонт авто, долги по коммуналке, продлить лицензию, штрафы, купить комп для удаленной учебы итп
Предпринимательство
- 63% думали про идеи бизнесов по сравнению с 57% в контрольной группе (а для underrepresented groups разница еще выше) - и оффлайн (йога, еда, ремонт крыш итп) и онлайн (фриланс, прогать)
- Плюс 5% женщин задумались о своем бизнесе
- На 3% больше людей докупали себе какое-то оборудование/материалы для своих бизнесов (из тех, кто уже ведет или самозанятые)
- Реально, кто не делал бизнес, начать его - такого было мало, все же люди больше закрывали базовые финансовые потребности своих семей
- В целом, конечно, эта небольшая доплата на $1К/мес не меняла у людей ментальность на предпринимательскую
Переезды
- Люди стали на 15% чаще переезжать в другое жилье или другой neighbourhood
- 68% переездов лидировали женщины
- На 13% чаще ехали в другие города, +8% сменили штат
- Люди стали чаще отселяться от своих родных или из toxic/abusive environments и начинать платить за свое жилье, были оч рады не стесняться и не зависеть от других
Agency
- Агентность = способность планировать и реализовывать цели с учетом своих ценностей и желаний
- Плюс 5% людей стали планировать свой бюджет и +12% планировать крупные покупки, что не имело для них смысла ранее когда они выживали от зарплаты до зарплаты
- Люди стали больше думать о будущем и о долгосрочных планах
- На 6% больше стали думать об образовании и тренингах
//
Т.е. в стране с 25% мирового ВВП (при доле в населении мира всего 5%), но супер недоступной медициной, небогатые люди (хотя и богатые по меркам развивающихся, и уж тем более неразвитых стран) чувствуют психологически настолько много напряжения, что лишняя $1К в мес снижает потребление ими опиатов в 2 раза, и снижает их суицидальное поведение в целом (!)
//
Сэм Альтман переизобрел социализм 😇
Дизайн эксперимента
- Возраст 21-40 лет
- 1000 людей давали по $1К/мес, а 2000 чел т.н. контрольная группа по $50 - это чтобы они хотели заполнять регулярные опросники
- Доходы отобранной выборки ниже медианы в US, но и немного higher income людей тоже
- В Иллинойсе и в Техасе. И города, и пригороды
- Был оч высокий participation rate - 96% участников заполняли вопросники ученых
- Продолжат вести опросы и в 2025-2026ом, будут отчеты про well-being, crime, детей
Занятость и доходы
- Доходы на семью сейчас (в плане, что проект начинали в год пандемии и они были ниже): $58к/год у тех кому давали +$12к/год, и $52к/год в контрольной группе
- 72% получавших $ - работали, а в контрольной группе - 74%
- Те, кто работали - они на 1.3 часа в неделю меньше. А те, кто младше 30 лет - на 1.8 часа. А родители одиночки на 3 часа меньше (а у кого дети с особенностями - стали работать сильно меньше)
- Люди стали избирательнее в выборе работы, в тч за счет более долгих поисков, отказываясь от crap jobs
- Самые низкооплачиваемые работники просто стали делать перерывы, чтобы не работать постоянно 50-70 часов в неделю
Здоровье и медицина
- Люди с UBI на 26% чаще ложились в больницу сами/их дети, и на 10% чаще вызывали скорую или ходили к зубному, и тратили на несколько сот $ в год больше на врачей
- 50% стали меньше экономить на всем прочем чтобы оплатить врачей
- 20% людей меньше выпивали с последствиями. И на 53% (!) меньше юзали обезбаливающие без рецепта (наркотики), и причем мужчины - аж на 80% меньше
- Мужчины стали на 45% реже оказываться в опасных ситуациях (водить пьяным, ходить в опасные районы/конфликты, опасный спорт итп)
- Раздача $ не повлияла на оценку своего здоровья, спорт, сон
Траты
- Из регулярного - люди наращивали расходы на еду (+$67/мес), аренду жилья (+$52/мес), транспорт (+$50)
- Но самой выросшей статьей стала финподдержка ими всяческих родных (с $58/мес до $84/мес) и не одалживать, а просто давать им $
- В основном люди тратили $ на решение срочных проблем: похороны, памперсы, оплата школ, ремонт авто, долги по коммуналке, продлить лицензию, штрафы, купить комп для удаленной учебы итп
Предпринимательство
- 63% думали про идеи бизнесов по сравнению с 57% в контрольной группе (а для underrepresented groups разница еще выше) - и оффлайн (йога, еда, ремонт крыш итп) и онлайн (фриланс, прогать)
- Плюс 5% женщин задумались о своем бизнесе
- На 3% больше людей докупали себе какое-то оборудование/материалы для своих бизнесов (из тех, кто уже ведет или самозанятые)
- Реально, кто не делал бизнес, начать его - такого было мало, все же люди больше закрывали базовые финансовые потребности своих семей
- В целом, конечно, эта небольшая доплата на $1К/мес не меняла у людей ментальность на предпринимательскую
Переезды
- Люди стали на 15% чаще переезжать в другое жилье или другой neighbourhood
- 68% переездов лидировали женщины
- На 13% чаще ехали в другие города, +8% сменили штат
- Люди стали чаще отселяться от своих родных или из toxic/abusive environments и начинать платить за свое жилье, были оч рады не стесняться и не зависеть от других
Agency
- Агентность = способность планировать и реализовывать цели с учетом своих ценностей и желаний
- Плюс 5% людей стали планировать свой бюджет и +12% планировать крупные покупки, что не имело для них смысла ранее когда они выживали от зарплаты до зарплаты
- Люди стали больше думать о будущем и о долгосрочных планах
- На 6% больше стали думать об образовании и тренингах
//
Т.е. в стране с 25% мирового ВВП (при доле в населении мира всего 5%), но супер недоступной медициной, небогатые люди (хотя и богатые по меркам развивающихся, и уж тем более неразвитых стран) чувствуют психологически настолько много напряжения, что лишняя $1К в мес снижает потребление ими опиатов в 2 раза, и снижает их суицидальное поведение в целом (!)
//
Сэм Альтман переизобрел социализм 😇
Вселенная без Большого взрыва?
Недавние наблюдения телескопа JWST показали галактики, которые не вписываются в теорию Большого взрыва. Массивные чёрные дыры и тяжёлые элементы в этих галактиках требуют более длительной эволюции.
Комментарии к статье на Хабре о Вселенной без Большого взрыва демонстрируют активное обсуждение и различные мнения.Многие пользователи выражают скептицизм по поводу новых теорий, обсуждаемых в статье, и предпочитают придерживаться традиционной теории Большого взрыва, аргументируя это тем, что текущие научные данные и наблюдения, такие как реликтовое излучение, поддерживают эту теорию [❞] [❞].Другие комментаторы более открыты к альтернативным теориям и выражают интерес к новым идеям, таким как концепция космической информации и инфляционной теории, которые объясняют существование галактик и чёрных дыр в ранней Вселенной [❞] [❞].Некоторые пользователи обсуждают возможные последствия открытия тахионов и их влияние на наше понимание Вселенной. Они отмечают, что такие гипотетические частицы могут изменить наше восприятие квантовой гравитации и теории относительности [❞].
https://habr.com/ru/articles/832358/
Недавние наблюдения телескопа JWST показали галактики, которые не вписываются в теорию Большого взрыва. Массивные чёрные дыры и тяжёлые элементы в этих галактиках требуют более длительной эволюции.
Комментарии к статье на Хабре о Вселенной без Большого взрыва демонстрируют активное обсуждение и различные мнения.Многие пользователи выражают скептицизм по поводу новых теорий, обсуждаемых в статье, и предпочитают придерживаться традиционной теории Большого взрыва, аргументируя это тем, что текущие научные данные и наблюдения, такие как реликтовое излучение, поддерживают эту теорию [❞] [❞].Другие комментаторы более открыты к альтернативным теориям и выражают интерес к новым идеям, таким как концепция космической информации и инфляционной теории, которые объясняют существование галактик и чёрных дыр в ранней Вселенной [❞] [❞].Некоторые пользователи обсуждают возможные последствия открытия тахионов и их влияние на наше понимание Вселенной. Они отмечают, что такие гипотетические частицы могут изменить наше восприятие квантовой гравитации и теории относительности [❞].
https://habr.com/ru/articles/832358/
Хабр
Вселенная без Большого взрыва
Тема обсуждения Телескоп JWST показал, что сверхдальние галактики имеют особенности, требующие более длительной эволюции, чем их возраст в теории Большого взрыва. Снимки галактики GN-z11 показали...
Forwarded from Стартапенко: IT, технології
Вчені навчили людей керувати приладами під час глибокого сну
Дослідники наближаються до того, щоб кожен міг занурюватися в усвідомлені сни та використовувати їх для вирішення реальних завдань. Під час сну м’язи паралізовані, але мозок все ще посилає сигнали, які можна вловлювати за допомогою датчиків на шкірі.
Звучить наче фантастика, але науковці запевняють про неймовірний потенціал технології.
Дослідники наближаються до того, щоб кожен міг занурюватися в усвідомлені сни та використовувати їх для вирішення реальних завдань. Під час сну м’язи паралізовані, але мозок все ще посилає сигнали, які можна вловлювати за допомогою датчиків на шкірі.
Звучить наче фантастика, але науковці запевняють про неймовірний потенціал технології.
❤1
Forwarded from Стартапенко: IT, технології
Південна Корея виплачуватиме $360 за побачення і $15,000 за шлюб, щоб підвищити рівень народжуваності.
У країні зафіксовано найнижчий показник народжуваності у світі, тому влада вирішила впровадити фінансові стимули.
Поки що ці заходи діятимуть лише в одному районі Пусана, другого за величиною міста Південної Кореї.
У країні зафіксовано найнижчий показник народжуваності у світі, тому влада вирішила впровадити фінансові стимули.
Поки що ці заходи діятимуть лише в одному районі Пусана, другого за величиною міста Південної Кореї.
Вычислительная модель «Кентавр» способна точно (!) предсказывать и моделировать любое (!) человеческое поведение в любом (!) эксперименте из любой (!) области, который можно описать на естественном языке.
Это открытие сделано выдающимся коллективом из 15-ти ведущих мировых научных центров. И оно окажет прорывное влияние на когнитивные науки, бросая вызов существующей парадигме разработки вычислительных моделей человеческого разума.
Кратко это открытие можно описать так:
• если революционный прорыв ChatGPT показал человечеству, что ИИ-модели могут быть неотличимы от людей в любых действиях, основанных на использовании человеческих языков, -
• то революционный прорыв «Кентавра» показывает человечеству, что ИИ-модели могут быть неотличимы от людей по своему поведению в любых ситуациях и обстоятельствах, связанных с исследованием, планированием и научением.
Иными словами, ИИ-модели могут не только оперировать на наших языках неотличимо от нас, но и при этом вести себя, как неотличимые от нас разумные сущности.
https://www.facebook.com/sergey.karelov.5/posts/pfbid0mmbgrEXeqLSRgEAsa8rTNwEnRAQDZ16U8QaaATkazJKppYW3qwJi3CoyWkPUy29Ul
https://osf.io/preprints/psyarxiv/d6jeb?fbclid=IwY2xjawGZRLNleHRuA2FlbQIxMAABHTKEfgQNJK1ssx37SINae_tqC0z-THh5ROuMVLddXdk7iPsNMnh3ZfU0xQ_aem_7ez2wmKoUCzFG_vFLIkg-w
Это открытие сделано выдающимся коллективом из 15-ти ведущих мировых научных центров. И оно окажет прорывное влияние на когнитивные науки, бросая вызов существующей парадигме разработки вычислительных моделей человеческого разума.
Кратко это открытие можно описать так:
• если революционный прорыв ChatGPT показал человечеству, что ИИ-модели могут быть неотличимы от людей в любых действиях, основанных на использовании человеческих языков, -
• то революционный прорыв «Кентавра» показывает человечеству, что ИИ-модели могут быть неотличимы от людей по своему поведению в любых ситуациях и обстоятельствах, связанных с исследованием, планированием и научением.
Иными словами, ИИ-модели могут не только оперировать на наших языках неотличимо от нас, но и при этом вести себя, как неотличимые от нас разумные сущности.
https://www.facebook.com/sergey.karelov.5/posts/pfbid0mmbgrEXeqLSRgEAsa8rTNwEnRAQDZ16U8QaaATkazJKppYW3qwJi3CoyWkPUy29Ul
https://osf.io/preprints/psyarxiv/d6jeb?fbclid=IwY2xjawGZRLNleHRuA2FlbQIxMAABHTKEfgQNJK1ssx37SINae_tqC0z-THh5ROuMVLddXdk7iPsNMnh3ZfU0xQ_aem_7ez2wmKoUCzFG_vFLIkg-w
Facebook
Sergey Karelov
Открытие тысячелетия - создана универсальная модель человеческого познания.
И уж поверьте, - это важнее, чем выборы Трампа.
Вычислительная модель «Кентавр» способна точно (!) предсказывать и...
И уж поверьте, - это важнее, чем выборы Трампа.
Вычислительная модель «Кентавр» способна точно (!) предсказывать и...
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
This media is not supported in your browser
VIEW IN TELEGRAM
Так, потерпите, меня пробило на грибы и Runway.
Я щас доберусь до видеогенератров, но вот вам еще один очень классный пример, похожий на предыдущий о том, как вытаскивать 3Д мир из любой картинки, уже не имея никакой болванки в блендоре.
Берете в Runway Image2Video.
Просто используете новые управлялки из Runway, чтобы сделать видео облетов "внутри" картинки.
Используете эти видео чтобы собрать трехмерную сцену из Гауссианов в Unity Gaussian BOX Splatting.
А дальше вы уже в 3Д и просто светите сцену с помощью Custom URP Lit 6 ways Shader.
Еще раз - на входе картинка (хоть Флюкс, хоть древний Мидж) - на выходе вы бродите в Юнити по этой картинке внутри!
Шел 2024 год. Люди массово переселялись в картинки.
Сорс.
@cgevent
Я щас доберусь до видеогенератров, но вот вам еще один очень классный пример, похожий на предыдущий о том, как вытаскивать 3Д мир из любой картинки, уже не имея никакой болванки в блендоре.
Берете в Runway Image2Video.
Просто используете новые управлялки из Runway, чтобы сделать видео облетов "внутри" картинки.
Используете эти видео чтобы собрать трехмерную сцену из Гауссианов в Unity Gaussian BOX Splatting.
А дальше вы уже в 3Д и просто светите сцену с помощью Custom URP Lit 6 ways Shader.
Еще раз - на входе картинка (хоть Флюкс, хоть древний Мидж) - на выходе вы бродите в Юнити по этой картинке внутри!
Шел 2024 год. Люди массово переселялись в картинки.
Сорс.
@cgevent
👍1
Forwarded from Все о блокчейн/мозге/space/WEB 3.0 в России и мире
1000 ИИ-агентов воспроизводят реальные личности людей с точностью 85% https://t.me/alwebbci/2773
Исследователи из Стэнфордского университета создали систему моделирования поведения реальных людей с помощью ИИ.
Что получилось?
1. Более 1000 ИИ-агентов, каждый из которых моделирует конкретного реального человека
2. Агенты могут имитировать установки, поведение и личностные черты людей, которых они представляют. Они успешно воспроизводили личностные черты и поведение в экономических играх.
Потенциальные сферы применения:
1. Инструмент для политтехнологов и госуправления.
Например, правительство хочет ввести новую систему налогообложения. Вместо того, чтобы сразу внедрять эти изменения в реальной жизни (что может привести к непредвиденным последствиям), можно сначала "протестировать" их на виртуальном обществе из ИИ-агентов.
2. Создание реалистичных NPC в видеоиграх с богатыми предысториями.
3. Персонализированное обучение.
4. Исследование человеческого поведения в сложных системах
Исследователи из Стэнфордского университета создали систему моделирования поведения реальных людей с помощью ИИ.
Что получилось?
1. Более 1000 ИИ-агентов, каждый из которых моделирует конкретного реального человека
2. Агенты могут имитировать установки, поведение и личностные черты людей, которых они представляют. Они успешно воспроизводили личностные черты и поведение в экономических играх.
Потенциальные сферы применения:
1. Инструмент для политтехнологов и госуправления.
Например, правительство хочет ввести новую систему налогообложения. Вместо того, чтобы сразу внедрять эти изменения в реальной жизни (что может привести к непредвиденным последствиям), можно сначала "протестировать" их на виртуальном обществе из ИИ-агентов.
2. Создание реалистичных NPC в видеоиграх с богатыми предысториями.
3. Персонализированное обучение.
4. Исследование человеческого поведения в сложных системах
Telegram
All about AI, Web 3.0, BCI
Stanford researchers discovers how to clone human personalities and inject them into AI Agents
This builds on last year's paper which put 1000's of fully automated agents in a simulated town.
Last year, Stanford introduced generative agents in a simulated…
This builds on last year's paper which put 1000's of fully automated agents in a simulated town.
Last year, Stanford introduced generative agents in a simulated…
👍1
Forwarded from Все о блокчейн/мозге/space/WEB 3.0 в России и мире
❗️ Нейроинтерфейс в речевой зоне мозга обеспечил полный контроль над компьютером
Речевая" зона мозга научилась управлять компьютерной мышью.
Исследователи сделали большую работу, опровергающую классические представления о специализации участков мозга.
Вентральная моторная кора, традиционно считавшаяся "речевой зоной", успешно использована для управления курсором компьютера.
Доказана пластичность моторной коры. Один инвазивный нейроинтерфейс обеспечивает 2 функции:
1. Речевой интерфейс
2. Управление курсором
Опровергнута строгая локализация функций.
Практическое применение:
1. Полный контроль компьютера через единый имплант
2. Снижение хирургических рисков
3. Уменьшение стоимости нейропротезов
Участник с БАС успешно использовал систему для работы с Netflix, браузером и играми.
Технические достижения:
- Калибровка: 40 секунд
- Точность: 2.90 бит/сек
- Hardware: 4×64 электрода Utah Array.
Речевая" зона мозга научилась управлять компьютерной мышью.
Исследователи сделали большую работу, опровергающую классические представления о специализации участков мозга.
Вентральная моторная кора, традиционно считавшаяся "речевой зоной", успешно использована для управления курсором компьютера.
Доказана пластичность моторной коры. Один инвазивный нейроинтерфейс обеспечивает 2 функции:
1. Речевой интерфейс
2. Управление курсором
Опровергнута строгая локализация функций.
Практическое применение:
1. Полный контроль компьютера через единый имплант
2. Снижение хирургических рисков
3. Уменьшение стоимости нейропротезов
Участник с БАС успешно использовал систему для работы с Netflix, браузером и играми.
Технические достижения:
- Калибровка: 40 секунд
- Точность: 2.90 бит/сек
- Hardware: 4×64 электрода Utah Array.
Ученые пересмотрели историю происхождения генетического кода
https://naked-science.ru/article/biology/uchenye-peresmotreli-isto
Более того, современный генетический код мог появиться после исчезновения древних вариантов. Дело в том, что среди доменов, возникших еще до LUCA, наблюдалось повышенное содержание таких ароматических аминокислот, как триптофан и тирозин, хотя их традиционно считали «поздними новичками».
В тексте научной работы также говорится, что порядок включения аминокислот в генетический код мог быть искажен в рамках лабораторных экспериментов, (последние не всегда адекватно отражают реальные условия в древних клетках).
«Это намекает на то, что до возникновения современного генетического кода могли существовать иные системы кодирования аминокислот, которые ушли в глубины геологического времени. Ранняя жизнь, похоже, «любила» кольцевые структуры»
https://naked-science.ru/article/biology/uchenye-peresmotreli-isto
Более того, современный генетический код мог появиться после исчезновения древних вариантов. Дело в том, что среди доменов, возникших еще до LUCA, наблюдалось повышенное содержание таких ароматических аминокислот, как триптофан и тирозин, хотя их традиционно считали «поздними новичками».
В тексте научной работы также говорится, что порядок включения аминокислот в генетический код мог быть искажен в рамках лабораторных экспериментов, (последние не всегда адекватно отражают реальные условия в древних клетках).
«Это намекает на то, что до возникновения современного генетического кода могли существовать иные системы кодирования аминокислот, которые ушли в глубины геологического времени. Ранняя жизнь, похоже, «любила» кольцевые структуры»
Naked Science
Ученые пересмотрели историю происхождения генетического кода
Своеобразную «шпаргалку» внутри клеток, объясняющую как перевести набор нуклеотидов («букв») в ДНК или РНК в последовательность аминокислот («деталей»), из которых состоят белки, называют генетическим кодом. Его устройство одинаково почти у всех организмов…
"крупные языковые модели, такие как Claude, иногда создают видимость соблюдения рекомендаций по безопасности, хотя на самом деле могут преследовать другие цели. Эта работа стала первой "убедительной эмпирической демонстрацией" того, что модели могут стратегически имитировать следование правилам, в зависимости от того, находятся ли они под наблюдением."
Существуют универсальные требования, без которых жизнь, в привычном нам понимании, невозможна.
Среди этих требований: снижение энтропии, замкнутые клеточные структуры и интеграция информации. Живые организмы обязаны уметь восстанавливать повреждения, поддерживать стабильность своих структур и эффективно перерабатывать энергию.
Всякая форма жизни основывается на чётко отделённых единицах — клетках, которые обеспечивают их автономность и защиту.
Сложные формы жизни неизменно обладают системами, подобными мозгу, которые позволяют анализировать внешнюю и внутреннюю среду, принимать решения и координировать действия.
https://www.securitylab.ru/news/555099.php
Среди этих требований: снижение энтропии, замкнутые клеточные структуры и интеграция информации. Живые организмы обязаны уметь восстанавливать повреждения, поддерживать стабильность своих структур и эффективно перерабатывать энергию.
Всякая форма жизни основывается на чётко отделённых единицах — клетках, которые обеспечивают их автономность и защиту.
Сложные формы жизни неизменно обладают системами, подобными мозгу, которые позволяют анализировать внешнюю и внутреннюю среду, принимать решения и координировать действия.
https://www.securitylab.ru/news/555099.php
SecurityLab.ru
Предложен базовый закон существования всех форм жизни
Новое исследование соединяет биологию, физику и эволюцию в единое объяснение.
Forwarded from Александр Михайлов
В GPT есть такое понятие как embeddings, это векторное отражение смысла слова / выражения / текста. Путем сравнения (измерения косинусного расстояния между векторами) эмбеддингов двух похожих слов, можно понять, насколько они похожи по смыслу, независимо от языка. Расстояние между "пес", "dog" и "puppy" будет примерно 0.05, то есть очень близкое. Аналогично можно сравнивать тексты по смыслу. Или делать контекстный поиск.
Затем эти embedding можно складывать, смешивая смыслы (семантические свойства). Если сложить собака + синий, то получим синюю собаку. В уравнении king-man+woman = queen
Если из Москвы вычесть Россию и затем прибавим Англию, то получим Лондон (Москва - Россия = столица; Англия + столица = Лондон)
Идем дальше и находим embedding любого товара в экономике, выделяя его не семантические, а экономические значения. Теперь можно заняться бартером, меняя услуги и/или вещи. Теперь можно купить условную буханку хлебка за урок по танцам. На балансе числятся ембединги деятельности, а не валюта.
Идем дальше и находим embedding преобразования любого товара в экономике. Почему бы не найти разницу между "поломанный телефон" и "телефон" и не взять ее за "починку телефона", взять (токарный станок + деталь) - заточенная деталь под втулку = "заточка детали под втулку на токарном станке". Таким образом обозначая все возможные экономические преобразования в формате вектора.
Идем дальше и пишем приложение, которое подберет 100 способов как из объекта А (ткань+ дизайнер) получить объект Б (футболка с принтом) - находит все возможные пути, используя преобразования из пункта выше.
Идем дальше и пишем приложение, где я могу заявиться как человек, способный выполнить преобразования "починить телефон", "заставить дизайнера работать".
Таким образом, если предпринимателю потребуется из точки А перейти в точку Б, то он мгновенно найдет себе сотню исполнителей и найдет идеальное качество Б в соответствии со своим бюджетом.
Идем дальше и убираем предпринимателя. Предприниматель - человек, который может провести маркетинговое исследование (узнать о потребности общества) и организовать процессы, чтобы создавать нужный товар (длительное время удовлетворять потребность общества). Пишем приложение, где каждый человек может сообщить о своих потребностях напрямую. Теперь приложение знает, какие есть запросы у общества и запускает процессы, которые эффективно закрывают потребности общества.
Может быть так будет выглядеть новая embedding-based экономика. Я просто сообщаю о своих ресурсах и способностях, а приложение само мне предлагает 20 видов работ на сегодня. Я просто сообщаю о своих потребностях, а приложении само мне предлагает 20 видов товаров. И реализует их по запросу.
Затем эти embedding можно складывать, смешивая смыслы (семантические свойства). Если сложить собака + синий, то получим синюю собаку. В уравнении king-man+woman = queen
Если из Москвы вычесть Россию и затем прибавим Англию, то получим Лондон (Москва - Россия = столица; Англия + столица = Лондон)
Идем дальше и находим embedding любого товара в экономике, выделяя его не семантические, а экономические значения. Теперь можно заняться бартером, меняя услуги и/или вещи. Теперь можно купить условную буханку хлебка за урок по танцам. На балансе числятся ембединги деятельности, а не валюта.
Идем дальше и находим embedding преобразования любого товара в экономике. Почему бы не найти разницу между "поломанный телефон" и "телефон" и не взять ее за "починку телефона", взять (токарный станок + деталь) - заточенная деталь под втулку = "заточка детали под втулку на токарном станке". Таким образом обозначая все возможные экономические преобразования в формате вектора.
Идем дальше и пишем приложение, которое подберет 100 способов как из объекта А (ткань+ дизайнер) получить объект Б (футболка с принтом) - находит все возможные пути, используя преобразования из пункта выше.
Идем дальше и пишем приложение, где я могу заявиться как человек, способный выполнить преобразования "починить телефон", "заставить дизайнера работать".
Таким образом, если предпринимателю потребуется из точки А перейти в точку Б, то он мгновенно найдет себе сотню исполнителей и найдет идеальное качество Б в соответствии со своим бюджетом.
Идем дальше и убираем предпринимателя. Предприниматель - человек, который может провести маркетинговое исследование (узнать о потребности общества) и организовать процессы, чтобы создавать нужный товар (длительное время удовлетворять потребность общества). Пишем приложение, где каждый человек может сообщить о своих потребностях напрямую. Теперь приложение знает, какие есть запросы у общества и запускает процессы, которые эффективно закрывают потребности общества.
Может быть так будет выглядеть новая embedding-based экономика. Я просто сообщаю о своих ресурсах и способностях, а приложение само мне предлагает 20 видов работ на сегодня. Я просто сообщаю о своих потребностях, а приложении само мне предлагает 20 видов товаров. И реализует их по запросу.
😱1
Forwarded from Denis Sexy IT 🤖
Сэм Альтман написал новый пост в блог. OpenAI теперь точно знает как сделать АИ, главные пункты:
***
Самое главное в первом пункте – если АИ-думерам еще не было по настоящему страшно, то теперь пора, можно паниковать
Ставлю на 2027 как год достижения полноценного АИ
– Переход к AGI и суперинтеллекту
Альтман пишет, что компания уже знает, как построить полноценный AGI, и готовится к созданию ещё более мощного ИИ – суперинтеллекта. Этот шаг он считает ключевым для будущего науки, экономики и общества
– Роль ChatGPT и «точка перелома» в развитии AI
Запуск ChatGPT в конце 2022 года стал катализатором невиданного роста в ИИ-индустрии, привлёк к OpenAI огромное внимание и дал старт реальному внедрению мощных языковых моделей в разных областях
– Масштабные перемены в OpenAI после успеха ChatGPT
Компания выросла с небольшого исследовательского коллектива до полноценной организации, способной строить массовые продукты. Альтман описывает стресс и сложности, связанные с «воспитанием» нового типа компании, для которой нет готовых учебников
– Уроки из кризисного момента (увольнение Альтмана)
Неожиданное увольнение CEO и последовавший хаос высветили слабые места в системе корпоративного управления. Сэм подчёркивает, насколько важно разнообразие мнений в совете директоров и прозрачная, стабильная структура управления для компании, работающей с такой прорывной технологией
– Стратегия «постепенного» и безопасного развития ИИ
OpenAI верит в подход: выпускать модели, постепенно повышая их сложность и возможности, вовлекая общество в процесс адаптации и совершенствуя безопасность и этичность применений в реальном времени
– Упор на колоссальную ответственность
Альтман отмечает, что OpenAI «не может быть обычной компанией» из-за масштаба последствий работы с AI и необходимости действовать с особой осторожностью и прозрачно, чтобы ИИ приносил пользу всему человечеству
– Эмоциональные аспекты и человеческий фактор
Автор описывает, насколько тяжёлым, выматывающим и одновременно невероятно «вознаграждающим» оказался путь к текущим достижениям. Он подчеркивает важность поддержки коллег, партнёров и друзей в кризисные моменты
– Признание непредсказуемости развития AI
Несмотря на имеющиеся планы, он признаёт, что векторы развития будут меняться. Команда не могла предугадать необходимость превращаться в продуктовую компанию, но адаптировалась к новым вызовам и продолжит этот курс
– Главная цель — «сделать историю» и принести пользу
Первоначальная мечта — создать самую значимую технологию в истории и использовать её во благо людей. Альтман напоминает, что OpenAI придерживается этой миссии, продолжая «двигаться вперёд» и стремясь к открытиям и улучшению жизни человечества
***
Самое главное в первом пункте – если АИ-думерам еще не было по настоящему страшно, то теперь пора, можно паниковать
Ставлю на 2027 как год достижения полноценного АИ
👍1
Forwarded from Denis Sexy IT 🤖
Ресечеры смогли сделать модель АИ на базе трансформеров, которая смотрит данные МРТ-сканирования мозга и предсказывает как мозг будет работать в следующие 5 секунд ☕️
То есть алгоритм «читает» 30 кадров сканирования мозга (примерно ~21 секунды данных), а затем выдает свой прогноз – какой будет активность на следующих кадрах, в будущем. Первые секунды модель предсказывает с очень большой точностью — совпадение с реально полученным данными выше 85%
Для чего пригодится алгоритм:
– Чтобы обыграть нас как дешевок
– Более короткие сессии МРТ – пациенту не надо долго лежать в трубе томографа, если часть данных можно «дорисовать» алгоритмом
– Предупреждение об опасных состояниях – например, при подозрении на скорый эпилептический приступ
– Усовершенствование нейроинтерфейсов (BCI), которые считывают сигналы мозга и позволяют управлять внешними устройствами. Если система будет знать чуть вперёд, она может реагировать быстрее
– «Персонализированный» АИ, который подстраивается под настроение или состояние человека, реагируя на меняющиеся сигналы мозга
– ну и ученые смогут глубже понять, как мозг «предвосхищает» будущее и какие внутренние нейронки мозга при этом активируются
Исследование тут
Tldr: кожаные предсказуемые
То есть алгоритм «читает» 30 кадров сканирования мозга (примерно ~21 секунды данных), а затем выдает свой прогноз – какой будет активность на следующих кадрах, в будущем. Первые секунды модель предсказывает с очень большой точностью — совпадение с реально полученным данными выше 85%
Для чего пригодится алгоритм:
– Более короткие сессии МРТ – пациенту не надо долго лежать в трубе томографа, если часть данных можно «дорисовать» алгоритмом
– Предупреждение об опасных состояниях – например, при подозрении на скорый эпилептический приступ
– Усовершенствование нейроинтерфейсов (BCI), которые считывают сигналы мозга и позволяют управлять внешними устройствами. Если система будет знать чуть вперёд, она может реагировать быстрее
– «Персонализированный» АИ, который подстраивается под настроение или состояние человека, реагируя на меняющиеся сигналы мозга
– ну и ученые смогут глубже понять, как мозг «предвосхищает» будущее и какие внутренние нейронки мозга при этом активируются
Исследование тут
Tldr: кожаные предсказуемые
Please open Telegram to view this post
VIEW IN TELEGRAM
arXiv.org
Predicting Human Brain States with Transformer
The human brain is a complex and highly dynamic system, and our current knowledge of its functional mechanism is still very limited. Fortunately, with functional magnetic resonance imaging (fMRI),...
Люди – це прогнозовані машинки: як ЦРУ використовує штучний інтелект для моделювання поведінки лідерів
ЦРУ створило чат-бот, що імітує поведінку світових лідерів. Цей інструмент базується на принципі, що люди — це, по суті, складні, але прогнозовані системи. Наші дії формуються за певними алгоритмами: попередній досвід, особисті переконання, культурні впливи та інші фактори дозволяють передбачити наступний крок.
Чат-бот на основі ШІ аналізує ці "алгоритми" для створення моделей поведінки, які допомагають аналітикам прогнозувати рішення лідерів у кризових ситуаціях або при міжнародних переговорах. Штучний інтелект, як дзеркало людської поведінки, підтверджує, наскільки передбачуваними ми можемо бути навіть у найбільш неочікуваних обставинах.
https://www.perplexity.ai/page/cia-chatbot-emulates-world-lea-rS0Qx8t_RJq26JoNglbk1g#22258d4c-43b2-4139-a079-2a3401a5bd7a
ЦРУ створило чат-бот, що імітує поведінку світових лідерів. Цей інструмент базується на принципі, що люди — це, по суті, складні, але прогнозовані системи. Наші дії формуються за певними алгоритмами: попередній досвід, особисті переконання, культурні впливи та інші фактори дозволяють передбачити наступний крок.
Чат-бот на основі ШІ аналізує ці "алгоритми" для створення моделей поведінки, які допомагають аналітикам прогнозувати рішення лідерів у кризових ситуаціях або при міжнародних переговорах. Штучний інтелект, як дзеркало людської поведінки, підтверджує, наскільки передбачуваними ми можемо бути навіть у найбільш неочікуваних обставинах.
https://www.perplexity.ai/page/cia-chatbot-emulates-world-lea-rS0Qx8t_RJq26JoNglbk1g#22258d4c-43b2-4139-a079-2a3401a5bd7a
Perplexity AI
Perplexity is a free AI-powered answer engine that provides accurate, trusted, and real-time answers to any question.
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
Media is too big
VIEW IN TELEGRAM
Ну, за Холивуд.
FilmAgent: A Multi-Agent Framework for End-to-End Film Automation in Virtual 3D Spaces
Еще 7 лет назад(!) у Диснея была работа Cardinal AI. Я помню, что еще на Ивентах показывал лихие ролики, где по сценарию генерился сториборд и раскадровка. Тогда, правда, не было генерации ассетов, и модельки брались из внутренней базы и просто расставлялись на основе семантического анализа текста.
Прошло 7 лет.
И вот, в препродакшене уже орудуют ИИ-агенты.
Я процитирую, это слишком амбициозно:
"FilmAgent - новая мультиагентная система совместной работы на основе LLM, предназначенная для автоматизации и оптимизации процесса производства фильмов. FilmAgent моделирует ключевые роли съемочной группы - режиссеров, сценаристов, актеров и кинематографистов - и симулирует эффективные человеческие рабочие процессы. Процесс разделен на три этапа: планирование, написание сценария и киносъемка. На каждом этапе команда (агентов) съемочных групп обеспечивает итеративную обратную связь, таким образом проверяя промежуточные результаты и сокращая количество ошибок."
Короче, вместо того, чтобы усадить chatGPT и попросить его написать сценарий, они сделали рой агентов, которые пишут, критикуют, улучшают, причем не только сценарий, но и отыгрывание ролей и ракурсы камеры.
А потом берут Юнити и визуализируют это!!!
В принципе остается подать это в video2video и кино готово!
Я порылся в репозитарии - там, конечно, все совсем из китайских палок и говна и сишарпа, но можно подставлять свои llm и tts.
Кстати, на гитхабе примеры работы ИИ-скрипт-докторов, до и после. Поглядите, забавно.
Но мне нравится сам процесс. Симулировать агентами, тот бардак, который творится на площадке или пьянство при написании сценариев - бесценно. Все, как у людей.
https://filmagent.github.io/
@cgevent
FilmAgent: A Multi-Agent Framework for End-to-End Film Automation in Virtual 3D Spaces
Еще 7 лет назад(!) у Диснея была работа Cardinal AI. Я помню, что еще на Ивентах показывал лихие ролики, где по сценарию генерился сториборд и раскадровка. Тогда, правда, не было генерации ассетов, и модельки брались из внутренней базы и просто расставлялись на основе семантического анализа текста.
Прошло 7 лет.
И вот, в препродакшене уже орудуют ИИ-агенты.
Я процитирую, это слишком амбициозно:
"FilmAgent - новая мультиагентная система совместной работы на основе LLM, предназначенная для автоматизации и оптимизации процесса производства фильмов. FilmAgent моделирует ключевые роли съемочной группы - режиссеров, сценаристов, актеров и кинематографистов - и симулирует эффективные человеческие рабочие процессы. Процесс разделен на три этапа: планирование, написание сценария и киносъемка. На каждом этапе команда (агентов) съемочных групп обеспечивает итеративную обратную связь, таким образом проверяя промежуточные результаты и сокращая количество ошибок."
Короче, вместо того, чтобы усадить chatGPT и попросить его написать сценарий, они сделали рой агентов, которые пишут, критикуют, улучшают, причем не только сценарий, но и отыгрывание ролей и ракурсы камеры.
А потом берут Юнити и визуализируют это!!!
В принципе остается подать это в video2video и кино готово!
Я порылся в репозитарии - там, конечно, все совсем из китайских палок и говна и сишарпа, но можно подставлять свои llm и tts.
Кстати, на гитхабе примеры работы ИИ-скрипт-докторов, до и после. Поглядите, забавно.
Но мне нравится сам процесс. Симулировать агентами, тот бардак, который творится на площадке или пьянство при написании сценариев - бесценно. Все, как у людей.
https://filmagent.github.io/
@cgevent