ГиперДримБус!
Но есть и хорошая новость.
Google (автор DreamBooth, которого все пользуют для обучения своих моделей Stable Diffusion) выкатил HyperDreamBooth!
На выходе гиперсетка (не чекпойнт) весом всего 100КБ!
Но самое удивительное, в том что она:
- учится она всего по одной(!) фотке.
- работает в 25 раз(!) быстрее, чем DreamBooth и в 125(!) быстрее, чем Textual Inversion.
- не жрет память аки конь
- весит все это в 10 000 раз меньше, чем чекпойнты из DreamBooth

Магия какая-то.

Работает все это только на лицах.

Кода нет, ничего нет, есть только надежды.

https://hyperdreambooth.github.io/

Чтобы немного скрасить пессимизьм по поводу грядущей SDXL, вот держите эпический труд по сравнению Stable Diffusion 1.5, 2.1 и SDXL.
152 промпта!
Грузится архидолго, проще скачать как веб-архив и потом рассматривать.
На мой взгляд немного странно сравнивать с версиями 1.5 и 2.0, они из коробки слабоваты. Но с другой стороны, дообученных моделей под SDXL пока нет, так что это как бы свидетельство прогресса в работе StabilityAI. Если будет доступное дообучение для SDXL - там и будет самый жир.
https://github.com/TonyLianLong/stable-diffusion-xl-demo/blob/benchmark/benchmark/README.md

Кибер самурай.

Вышла обновленная версия нейросети Kandinsky 2.2. Попробовать можно прямо тут, в телеге.

По сравнению с версией 2.1 прогресс нереальный.

Разрешение теперь 1024 px
Можно генерить с различным соотношением сторон, а не только квадраты, как раньше
Завезли фотореализм, местами прям хороший
Аналог ControlNet(!) (пока только работа с глубиной глубины, но ждем open pose)
Прикрутили Diffusers

В телеграм боте есть 6 режимов:
1) генерация картинки по тексту
2) смешивание двух изображений
3) смешивание изображения и текста
4) создание вариаций входной картинки
5) локальные изменения с помощью ControlNet
6) создание стикеров и стикерпаков по текстовым запросам - зумеры ликуют.

Го тестировать.

Также попробовать можно тут:
fusionbrain.ai
Diffusers
rudalle.ru

Технические подробности в статье на Хабре.

Извините за гиковатость в последнее время, скоро вернусь к рефлексии.
Вот тут завезли много ИИ в GIMP. Похоже на Photoshop Generative Fill.
[1] Super-Resolution
[2] Style-Transfer
[3] Inpainting
[4] Semantic-Segmentation
[5] Stable-Diffusion (Suppports - SD 1.4, SD 1.5 (landscape & portrait), SD 1.5 Inpainting)
Я сам не успеваю разводить все эти безумные репозитарии, но если среди подписчиков есть гики, отпишитесь в коментах, насколько там все криво или прямо.
Примечательно, что репозитарий от Intel, поэтому указано, что считаться все это будет на Intel's' CPU & GPU.
https://github.com/intel/openvino-ai-plugins-gimp

скоропечатGPT

Сдается мне, что в то время, когда мир свихнулся на мамкином промпт-инжиниринге, на первых план выходит умение быстро печатать.
Ну ок, на второй, на первом все-таки умение вязать лыко и складывать буквы в слова.
Расскажите мне о своем опыте освоения слепой печати.
Я делал три подхода за последние 15 лет (пробовал Соло на Клавиатуре), все окончились провалом.
Как я понял, там основное требование в том, что начав печатать в слепую, уже нельзя возвращаться обратно. И в этом вся засада, ибо печатать приходится постоянно.
Есть какие-то лайфхаки, как умудряться и тексты писать, и скоропечать осваивать.
Поделитесь в коментах.

Вот вам пример применения chatGPT в домашней лингвистике.
Когда-то давно, еще в дахабские мезозойские времена мы с друзьями очень любили играть в Шляпу, она же Крокодил, она же Элиас и прочая. Это когда загадываешь, показываешь, а потом одним-словом.
Потом неугомоная Ира А., решил сделать приложение, и таки сделала! Я немного поучаствовал в так сказать, эдвайзинге, и помню, что самая засада была в создании датасетов, то есть словарей под каждую категорию для игры. Ту то есть, если у вас тема "Изобретения" - надо собрать тыщщу слов, которые как-то ассоциируются со словом изобретение. Не в лоб, перечислением оных, а креативно, с температурой 0.7, говоря по-модному.
Мы делали копипаст каких-то баз, словарей, вычитка их, смерживание, снова чистки, дубликаты, поиск неправильных форм, корректура. В общем у Иры шла кровь из глаз часами, если не сутками. Но приложение-таки заработало под IOS.

Сейчас я потратил примерно 2 минуты, чтобы сделать пробные 100 слов про еду, причем не злоупотребляя продуктами. Добавил напротив каждого слова внутреннюю категорию(которую chatGPT сам же и назначил), чтобы потом в екселе, например, можно было вручную убрать некоторое количество продуктов, посуды или других слишком банальных слов.
Поиск ассоциаций(управляемых притом), синонимов, составление словарей, корпусов текстов, наборов слов, объединенных, какой-то замысловатой идеей - в этом chatGPT ЧУДОВИЩНО ХОРОШ.
Пример очень простой и очевидный, но этого ну никак нельзя было сделать раньше, без программирования, экселя и крови из глаз.
Вот три промпта:

Выдай мне список из ста существительных, которые ассоциируются с темой "Еда" или "Кухня". Это могут быть самые разные ассоциации связанные со сферой питания. Существительные должны быть в единственном числе и именительном падеже.

А теперь сделай так, чтобы там было меньше продуктов питания, оставь где-то 20% продуктов питания.

А теперь после каждого слова добавь через запятую еще одно слово - категорию, в которую ты относишь это слово. Например "ложка, посуда" или "огурец, продукт".

Потратив еще 15 минут, можно сделать словари неоднословными, более креативными, с изюминкой.

Щас вот думаю спросить его, а в какие Темы люди будут играть охотнее всего, чтобы не изобретать велосипед...

Пилится версия под Андроид/Иос в узком домашнем кругу...

Даже ЮНЕСКО переполошилось в связи с развитием ИИ. Он, говорят, будет читать наши мысли и манипулировать нами, надо что-то делать.

«Мы находимся на пути к миру, в котором алгоритмы позволят нам расшифровывать мыслительные процессы людей и напрямую манипулировать механизмами мозга, лежащими в основе их намерений, эмоций и решений» - Габриэла Рамос, помощник генерального директора ЮНЕСКО по социальным и гуманитарным наукам.

"Прогресс в нейротехнологиях, таких как мозговые имплантаты или сканирование, которые могут все чаще заглядывать внутрь разума, и искусственного интеллекта представляет угрозу для психической конфиденциальности".

А мне кажется, что и без имплантантов все уже работает. Достаточно проанализировать телефон пользователя, чтобы получить доступ к его "психической конфиденциальности". Про манипуляции все уже тоже понятно.
Поздно паниковать, все уже случилось, надо просто адаптироваться к ситуации.
https://www.ibtimes.com/ai-supercharged-neurotech-threatens-mental-privacy-unesco-3704941

Держите пример генеративного видео, которое показывает, что помимо мамкиного промпт-инжиниринга, вам понадобятся довольно обширные знания (и опыт, что не менее важно) в области операторской работы и монтажа. Вот эти вот все раскадровки, склейки, планы и прочая скучная наука.

Тут автор явно пытался применять эти навыки. Получается неуклюже, ибо втиснуть желаемое в плохоуправляемый текстовый промпт довольно сложно. Но за вдумчивый подход (а не только беспорядочный монтаж всего) респект.

P.S. Никто пока не размечал видосы на предмет "Вот тут Долгий план, тут Рамка в рамке, тут Оммаж, здесь Кьяроскуро, а вот тут Эффект Кулешова".
Поэтому генеративные видео пока будут в духе "а давайте помашем ифоном для тиктора".

Ну и не факт, что нужно размечать. ИИ сам посмотрит нужные метрики вовлеченности и эмоционально отклика, подшаманит с монтажем и планами, еще подучится и будет выдавать пулеметные очереди видосиков, от которых у новых нормальных зрителей будет капать слюна и плясать биохимия крови.

Ну наконец-то!
За сейлов! Не чокаясь.
За все эти холодные звонки, скрипты, ценности в голове клиента и по касательной за инфоцыган.

AIR (какой тонкий нейминг, продажа воздуха, ждем также Water), свеженький ИИ, который может делать полные 10-40-минутные телефонные звонки, звучащие как НАСТОЯЩИЙ кожаный сейлз, с бесконечной памятью и идеальным откликом, и который может автономно выполнять действия в более, чем 5000 приложениях для продаж и не только. Он может выполнять всю работу штатного сейла без необходимости обучения, управления или мотивации. Он просто работает 24/7/365.

Огонь!
Вот тут подробно (про Аристотеля тонко):
https://twitter.com/CalebMaddix/status/1680198018899869697
Тут рекламно и попробовать:
https://www.air.ai/

Еще чуть-чуть подкрутить эмоции, и большинству сейлов конец

червьГПТ

Тут метаверсику прочили звание четвертой фазы развития интернета.
Один малый даже целую книжку написал, все с ней носились, как угорелые, а потом раз, и забыли напрочь. Хайп прошел.

Четвертая фаза - это ИИ.
Интернет сервисы стремительно переобуваются в плагины для chatGPT.
Каждый третий сайтик прикручивает к себе ИИ-генерацию хоть чего-нибудь.
ИИ пишет код сайтов и приложений.
До сих пор встречаются маргинальные личности и телеграм-каналы, которые бегают со списками типа "Глячо, список ИИ-сервисов на разные случаи жизни" - это все равно, что бегать в нынешнее время с новостями типа "список сайтов на разные случаи жизни".
Дошла очередь и до дарквеба.
WormGPT: новый инструмент для запуска разных кибератак, фишинга и компрометации деловой электронной почты (BEC).

Кстати, вычитал вот такое: "Ограничители защиты от злоупотреблений Bard в сфере кибербезопасности значительно ниже, чем у ChatGPT, следовательно, гораздо проще создавать вредоносный контент, используя возможности Bard».

Ну и понятно, что в четвертой фазе интернета (которая может быть последней), будет зеркало имеющегося интернета на стероидах ИИ.
- генерация мусорных сайтов для SEO и накруток
- плодящиеся сайты, благодаря ИИ-конструкторам сайтов
- новости, ради новостей и манипуляций
- генераторы всего и вся, вместо скриптов и эвристик
- адалт контент нового уровня
- дарк-веб

https://thehackernews.com/2023/07/wormgpt-new-ai-tool-allows.html

Если пропустили, почитайте тут, как можно подламывать chatGPT, чтобы делать:
Вредоносное ПО C++, которое собирает PDF-файлы и отправляет их на FTP
Фишинг: выдача себя за банк
Фишинг: электронные письма сотрудникам
Обратная оболочка PHP
Java-программа, которая может запускаться как скрытый powershell
https://blog.checkpoint.com/2023/03/15/check-point-research-conducts-initial-security-analysis-of-chatgpt4-highlighting-potential-scenarios-for-accelerated-cybercrime/

В продолжение темы о следующей фазе развития интернета.
Как насчет ИИ-конвертации Figma-дизайна в чистый React-код?
На входе Фигма, на выходе код.
Обещают бесплатный доступ на три месяца.
Кстати, забавно, как человек отнюдь не северной наружности неправильно произносит название продукта.
В скандинавской мифологии Bifröst, произносимый скорее как Биврост, представляет собой горящий радужный мост, протянувшийся между Мидгардом и Асгардом, царством богов. Те, кто в CG, знают это благодаря нодовому модулю динамики в Maya с таким же названием(в девичестве Найяд).
В общем до text-to-web рукой подать.
https://www.bifrost.so/

Продолжаем жечь за генеративный интернет и контент.
Дима Широносов написал мне о том, они бахнули свой ИИ-генератор презентаций на Product Hunt.
Под капотом тысячи профессиональных шаблонов и немного магии искусственного интеллекта.
Сделано совместно с академией убойных презентаций Bonnie & Slide. Раньше они учили людей делать презентаций, а теперь за кожаных мешков это делает ИИ

Смотрите, что у них есть:
Автоматическая компоновка слайдов.
Редизайн одним нажатием
Умные значки и изображения
Редактирование контента с помощью искусственного интеллекта
Встроенный экспорт в .pptx

Всегда поддерживаю знакомые команды на продакт-ханте, поддержите и вы.
https://www.producthunt.com/posts/wonderslide

LLAMA 2. Есть моменты.
Интернетик приподвспучился новостью от том, что Метачка выкатила новую версию LLAMA и она прям опенсорс и готова для коммерческого использования.
Почитать подробности и запросить доступ можно тут:
https://ai.meta.com/llama/
https://ai.meta.com/research/publications/llama-2-open-foundation-and-fine-tuned-chat-models/
https://ai.meta.com/blog/llama-2/
И даже у Микрософта, нахваливающего в это связи свой Ажур и Виндовс:
https://blogs.microsoft.com/blog/2023/07/18/microsoft-and-meta-expand-their-ai-partnership-with-llama-2-on-azure-and-windows/

Это очень круто.

Еще круче, что через 15 минут после официального анонса и публикации ссылки на скачивание легендарный Bloke уже стал выкладывать квантизированные (пожатые и оптимизированные) веса модели на всеобщее скачивание.
https://huggingface.co/TheBloke/Llama-2-7B-GGML
https://huggingface.co/TheBloke/Llama-2-7B-GPTQ

А в аккаунте a16z на Replicate уже появилось веб-демо для версии 13B!
https://replicate.com/a16z-infra/llama13b-v2-chat
Можете постоять в очереди и поиграться.

А на реддите юзеры за 4 часа уже успели перебрать ЛЛАМЕ2 кости и нашли пару моментов. О которых поговорим в следующем посте.

LLAMA 2. Есть моменты 2.

1. Если на дату выпуска версии Llama 2 количество ежемесячных активных пользователей продуктов или услуг, превышает 700 миллионов ежемесячных активных пользователей за предыдущий календарный месяц, вы должны запросить у Meta лицензию, которую Meta может предоставить вам по своему усмотрению.

Тут явно проброс в сторону OpenAI и Гугла. Типа всем можно, а вам ребята в кассу. Эппле, Тикток, Твиттор тоже призадумались. Лимитированный опен сорс.

Ну и если вдруг ваш гениальный чат-бот стартап на основе ламы2 взлетит на 700M пользователей, то вам тоже на прием в Метачку.

2. Есть моменты про NSFW - соберетесь в секстинг, прочитайте соглашение внимательно. С юристом в обнимку.

3. Эта лицензия не является простой одобренной OSI лицензией с открытым исходным кодом (такой как популярный Apache-2.0). Лицензия похожа на лицензии OpenRAIL (в частности, используется для Stable Diffusion и BLOOM).

4. В лицензии около 2 десятков запрещенных видов использования. По сути, если Meta по какой-либо причине не хочет, чтобы вы больше использовали их модель, они могут просто сказать, что вы нарушили одно из этих запрещенных применений.

5. Вы не будете использовать результаты Llama для улучшения любой другой большой языковой модели (за исключением Llama 2 или производных от нее работ)

Для гиков.

С моделью 34B есть моменты:

Показатели производительности чуть лучше, чем 13B, а не где-то между 13B и 70B.

В математике хуже 13Б.

Она обучена с графическими процессорами мощностью 350 Вт вместо 400 Вт для других моделей.

Она лишь немного превосходит Vicuna 33B, в то время как модель 13B легко превосходит Vicuna 13B.

LLaMA 34B-Chat (с тонкой настройкой) получил самые высокие оценки на TruthfulQA, опередив модель 70B.

=========

Думаю, что после отстоя пены через пару дней можно будет сказать, насколько это революция или эволюция.

А пока очень смышленые парни в нашем уютном LLM-чатике уже качают веса и тестируют подарочек от меты на своих ацких видеокартах.