Forwarded from Новые шрифты
⭐️ 15 марта в Москве состоится одно из самых ярких и масштабных событий в мире дизайна — UPROCK FEST.
Около 1500 гостей и мощный состав спикеров:
1️⃣ Артемий Лебедев (Студия Артемия Лебедева)
Самый яркий представитель российской дизайн-индустрии, внесший колоссальный вклад в ее развитие. Около 30 лет его студия создает масштабный и значимый дизайн, от сайтов до брендинга городов. Среди достижений Студии Артемия Лебедева — айдентика и сайт компании Яндекс, сайты Газпрома, Билайна, Альфа-банка. И, конечно, схема Московского метрополитена.
2️⃣ Анжелика Лурс Кур (DD.NYC)
Основательница и креативный директор нью-йоркской дизайн-студии DD.NYC, специализирующейся на инновационных решениях для бизнеса. Среди ее разработок — сайты знаменитого архитектурного бренда BAS Stone NYC, лидера в сфере элитной недвижимости SJP Properties, футбольного стадиона New York City FC.
3️⃣ Артем Геллер (дизайн-студия СМЕНА (группа AIC))
Человек, которого мы знаем, в первую очередь, по его образовательной миссии «Дизайн-выходные». Эти масштабные конференции по всей России вносят важный вклад в развитие дизайн-индустрии вот уже больше 12 лет. А ещё именно студия Артема Геллера разработала ряд современных государственных веб-ресурсов, включая сайт Президента России, сайт Правительства и сайт Государственной Думы.
4️⃣ Макс Орлов (ONY)
Проекты его студии постоянно нас впечатляют и являются эталоном масштабности и эстетики. Именно в студию Макса Орлова обращались за ребрендингом многие известные компании — такие, как МТС, МегаФон, Kaspersky. Для них же ONY разрабатывала и мобильные приложения (например, «МТС музыка» и «МегаФон IPTV»).
5️⃣ Евгений Кузьмин (UPROCK)
Основатель и арт-директор школы дизайна UPROCK и одноименной студии. Работал с Panasonic, Honda, Coca-Cola, S7, OnePlus и другими крупными брендами. Автор уникальных учебных методик. Успех онлайн-школы URPOCK — отличный пример того, как амбициозные образовательные проекты могут стать неотъемлемой частью профессионального сообщества и способствовать развитию всей индустрии.
Количество мест ограничено!
Дата: 15 марта 2025 г.
Время: с 12:00 до 20:00 по Мск.
Адрес: Москва, ул. Новый Арбат, 24, Кинотеатр «КАРО 11 Октябрь».
➡️ Купить билет
Реклама
ИП Кузьмин Евгений Леонидович
ИНН 63450264173
erid: 2VtzqwyCqmR
Около 1500 гостей и мощный состав спикеров:
1️⃣ Артемий Лебедев (Студия Артемия Лебедева)
Самый яркий представитель российской дизайн-индустрии, внесший колоссальный вклад в ее развитие. Около 30 лет его студия создает масштабный и значимый дизайн, от сайтов до брендинга городов. Среди достижений Студии Артемия Лебедева — айдентика и сайт компании Яндекс, сайты Газпрома, Билайна, Альфа-банка. И, конечно, схема Московского метрополитена.
2️⃣ Анжелика Лурс Кур (DD.NYC)
Основательница и креативный директор нью-йоркской дизайн-студии DD.NYC, специализирующейся на инновационных решениях для бизнеса. Среди ее разработок — сайты знаменитого архитектурного бренда BAS Stone NYC, лидера в сфере элитной недвижимости SJP Properties, футбольного стадиона New York City FC.
3️⃣ Артем Геллер (дизайн-студия СМЕНА (группа AIC))
Человек, которого мы знаем, в первую очередь, по его образовательной миссии «Дизайн-выходные». Эти масштабные конференции по всей России вносят важный вклад в развитие дизайн-индустрии вот уже больше 12 лет. А ещё именно студия Артема Геллера разработала ряд современных государственных веб-ресурсов, включая сайт Президента России, сайт Правительства и сайт Государственной Думы.
4️⃣ Макс Орлов (ONY)
Проекты его студии постоянно нас впечатляют и являются эталоном масштабности и эстетики. Именно в студию Макса Орлова обращались за ребрендингом многие известные компании — такие, как МТС, МегаФон, Kaspersky. Для них же ONY разрабатывала и мобильные приложения (например, «МТС музыка» и «МегаФон IPTV»).
5️⃣ Евгений Кузьмин (UPROCK)
Основатель и арт-директор школы дизайна UPROCK и одноименной студии. Работал с Panasonic, Honda, Coca-Cola, S7, OnePlus и другими крупными брендами. Автор уникальных учебных методик. Успех онлайн-школы URPOCK — отличный пример того, как амбициозные образовательные проекты могут стать неотъемлемой частью профессионального сообщества и способствовать развитию всей индустрии.
Количество мест ограничено!
Дата: 15 марта 2025 г.
Время: с 12:00 до 20:00 по Мск.
Адрес: Москва, ул. Новый Арбат, 24, Кинотеатр «КАРО 11 Октябрь».
➡️ Купить билет
Реклама
ИП Кузьмин Евгений Леонидович
ИНН 63450264173
erid: 2VtzqwyCqmR
Forwarded from Цифровой геноцид
Цифровой геноцид ревью: Что нового в UX? Гонзо-новости UX и HCI статей в феврале
AI-Instruments: Embodying Prompts as Instruments to Abstract & Reflect Graphical Interface Commands as General-Purpose Tools
https://arxiv.org/html/2502.18736v1
Промты на основе чата отвечают многословными линейно-последовательными текстами, что затрудняет изучение и уточнение неоднозначных намерений, резервное копирование и переосмысление или изменение направлений в творческой работе по проектированию с помощью ИИ. Вместо этого AI-Instruments воплощают «подсказки» как объекты интерфейса
На самом деле речь идет о скетчах или набросках - логичное продолжение, загружаете скетч рисунка, ЛЛМ дорабатывает, потом исправляете промтами. Синергия разных моделей графических и языковых это, конечно, очевидная мысль. Итак предлагаются четыре инструмента (Technology Probes): Fragments (Фрагменты) - Разбивают промпт на атрибуты (например, [стиль, иллюстрация]), которые можно манипулировать.Transformative Lenses (Трансформирующие линзы): Накладываются на контент для создания новых изображений (например, добавление фона). Generative Containers (Генеративные контейнеры):Генерируют набор вариантов (2×2 сетка) для одного промпта. Fillable Brushes (Заполняемые кисти): Позволяют локально изменять изображение (например, стиль или цвет).
Towards Bidirectional Human-AI Alignment: A Systematic Review
https://arxiv.org/html/2406.09264v3
Достижения в области универсального искусственного интеллекта (ИИ) подчеркнули важность направления ИИ-систем на достижение целей, этических принципов и ценностей, присущих как отдельным людям, так и группам — концепция, широко известная как контроля или выравнивания (alignment). Выравнивание— это процесс кодирования человеческих ценностей и целей в большие языковые модели, чтобы сделать их максимально полезными, безопасными и надежными.
Вообще, интересно, например, вот тут IBM рассуждает как моделировать ценности и цели в языковых моделях
https://www.ibm.com/think/topics/ai-alignment
Однако отсутствие четких определений и рамок человеческо-ИИ выравнивания представляет собой значительное препятствие, затрудняющее совместные усилия в различных исследовательских областях для достижения этого контроля. В частности, исследования выравнивания, ориентированные на машинное обучение (ML) и философию, часто рассматривают выравнивание ИИ как статичный, однонаправленный процесс (то есть направленный на то, чтобы цели ИИ-систем соответствовали целям людей), а не как продолжающуюся проблему взаимного выравнивания. Такой подход в значительной степени игнорирует долгосрочное взаимодействие и динамические изменения в процессе выравнивания. Чтобы понять эти пробелы, мы представляем систематический обзор более 400 статей. Какие ценности зашивают в промты для контроля ЛЛМ? Ценности сгруппированы по четырем основным категориям: "Openness to Change", "Self-Enhancement", "Conservation", "Self-Transcendence" и дополнительная категория "Desired Values for AI Tools".
Openness to Change (Открытость к переменам):
Self-Direction: Свобода выбора, творчество, независимость.
Stimulation: Возбуждение, новизна, вызов .
Hedonism: Наслаждение, чувственное удовлетворение.
Self-Enhancement (Самосовершенствование):
Achievement: Компетентность по социальным стандартам).
Power: Статус, контроль, доминирование .
Conservation (Сохранение):
Security: Безопасность, стабильность .
Tradition: Уважение традиций.
Conformity: Соответствие нормам, дисциплина .
Self-Transcendence (Самотрансценденция):
Benevolence: Благотворительность, забота о других .
Universalism: Защита благополучия всех, равенство .
Desired Values for AI Tools (Желаемые ценности для ИИ-инструментов):
Competency: Компетентность ИИ .
Human-Likeness: Сходство с человеком .
Applying the Gricean Maxims to a Human-LLM Interaction Cycle: Design Insights from a Participatory Approach
https://arxiv.org/abs/2503.00858
AI-Instruments: Embodying Prompts as Instruments to Abstract & Reflect Graphical Interface Commands as General-Purpose Tools
https://arxiv.org/html/2502.18736v1
Промты на основе чата отвечают многословными линейно-последовательными текстами, что затрудняет изучение и уточнение неоднозначных намерений, резервное копирование и переосмысление или изменение направлений в творческой работе по проектированию с помощью ИИ. Вместо этого AI-Instruments воплощают «подсказки» как объекты интерфейса
На самом деле речь идет о скетчах или набросках - логичное продолжение, загружаете скетч рисунка, ЛЛМ дорабатывает, потом исправляете промтами. Синергия разных моделей графических и языковых это, конечно, очевидная мысль. Итак предлагаются четыре инструмента (Technology Probes): Fragments (Фрагменты) - Разбивают промпт на атрибуты (например, [стиль, иллюстрация]), которые можно манипулировать.Transformative Lenses (Трансформирующие линзы): Накладываются на контент для создания новых изображений (например, добавление фона). Generative Containers (Генеративные контейнеры):Генерируют набор вариантов (2×2 сетка) для одного промпта. Fillable Brushes (Заполняемые кисти): Позволяют локально изменять изображение (например, стиль или цвет).
Towards Bidirectional Human-AI Alignment: A Systematic Review
https://arxiv.org/html/2406.09264v3
Достижения в области универсального искусственного интеллекта (ИИ) подчеркнули важность направления ИИ-систем на достижение целей, этических принципов и ценностей, присущих как отдельным людям, так и группам — концепция, широко известная как контроля или выравнивания (alignment). Выравнивание— это процесс кодирования человеческих ценностей и целей в большие языковые модели, чтобы сделать их максимально полезными, безопасными и надежными.
Вообще, интересно, например, вот тут IBM рассуждает как моделировать ценности и цели в языковых моделях
https://www.ibm.com/think/topics/ai-alignment
Однако отсутствие четких определений и рамок человеческо-ИИ выравнивания представляет собой значительное препятствие, затрудняющее совместные усилия в различных исследовательских областях для достижения этого контроля. В частности, исследования выравнивания, ориентированные на машинное обучение (ML) и философию, часто рассматривают выравнивание ИИ как статичный, однонаправленный процесс (то есть направленный на то, чтобы цели ИИ-систем соответствовали целям людей), а не как продолжающуюся проблему взаимного выравнивания. Такой подход в значительной степени игнорирует долгосрочное взаимодействие и динамические изменения в процессе выравнивания. Чтобы понять эти пробелы, мы представляем систематический обзор более 400 статей. Какие ценности зашивают в промты для контроля ЛЛМ? Ценности сгруппированы по четырем основным категориям: "Openness to Change", "Self-Enhancement", "Conservation", "Self-Transcendence" и дополнительная категория "Desired Values for AI Tools".
Openness to Change (Открытость к переменам):
Self-Direction: Свобода выбора, творчество, независимость.
Stimulation: Возбуждение, новизна, вызов .
Hedonism: Наслаждение, чувственное удовлетворение.
Self-Enhancement (Самосовершенствование):
Achievement: Компетентность по социальным стандартам).
Power: Статус, контроль, доминирование .
Conservation (Сохранение):
Security: Безопасность, стабильность .
Tradition: Уважение традиций.
Conformity: Соответствие нормам, дисциплина .
Self-Transcendence (Самотрансценденция):
Benevolence: Благотворительность, забота о других .
Universalism: Защита благополучия всех, равенство .
Desired Values for AI Tools (Желаемые ценности для ИИ-инструментов):
Competency: Компетентность ИИ .
Human-Likeness: Сходство с человеком .
Applying the Gricean Maxims to a Human-LLM Interaction Cycle: Design Insights from a Participatory Approach
https://arxiv.org/abs/2503.00858
Forwarded from Цифровой геноцид
Прагматика Грайса это достаточно старая тема, которая возникла еще в 60ые, помню писал диплом и диссертацию на эту тему, как собственно, и статью на русской википедии о Грайсе. Тут надо отметить, что это опять таки история про выравнивание, но теперь в духе лингвистической прагматики
Каждый этап оценивается по четырем параметрам:
Quality (Качество): Точность и полезность вывода.
Relation (Связь): Соответствие запросу пользователя.
Quantity (Количество): Объем предоставленной информации.
Manner (Способ): Стиль и структура представления.
Как это может работать? Прописывать максимы Грайса в каждом промте, возможно, чтобы получить ответы. Другой вопрос - а с чем сравнивать?
Naturalistic Computational Cognitive Science: Towards generalizable models and theories that capture the full range of natural behavior
https://arxiv.org/abs/2502.20349
Авторы утверждают, что повышение натурализма в когнитивной науке необходимо для создания моделей, которые могут обобщать поведение человека в более широком диапазоне условий. Традиционные упрощенные настройки часто не способны отразить сложность естественных систем, поэтому эксперименты, охватывающие натуралистические условия, крайне важны. Статья разделена на части, посвященные вопросам «Что», «Зачем» и «Как» достичь этой цели, а также содержит примеры и предложенную структуру.
Что: Цель — разработать модели интеллекта на основе обучения, которые могут предсказывать поведение человека как в упрощенных, так и в натуралистических стимулах и задачах, постепенно увеличивая натурализм (раздел 2, рисунок 1).
Зачем: Увеличение натурализма повышает экологическую валидность моделей, позволяя им обрабатывать разнообразные данные и лучше обобщать. Упрощенные условия ограничивают спектр задач и дают менее разнообразные результаты по сравнению с натуралистическими (раздел 3).
Как: Это предполагает использование практик экспериментального дизайна из когнитивной науки и машинного обучения, таких как создание воспроизводимых моделей, ориентация на изучение явлений и тестирование для ускорения прогресса. Процесс включает разработку и оценку моделей, начиная с упрощенных условий и постепенно добавляя элементы натурализма (раздел 5, рисунок 2).
Авторы предлагают рабочий процесс, при котором модели сначала обучаются на упрощенных данных, затем тестируются и дорабатываются с использованием все более натуралистических данных для улучшения предсказаний. Ключевые аспекты включают акцент на моделях, которые предсказывают поведение человека в разнообразных условиях, и использование устоявшихся методов (например, рационального анализа) вместе с новыми инструментами для построения когнитивных теорий.
Примеры увеличения натурализма:
В статье приведены примеры по различным аспектам: парадигмы задач, окружающая среда, архитектура моделей и алгоритмы обучения:
Парадигмы задач: Тестирование моделей на множестве задач (например, обучение с подкреплением или задачи выбора), а не на одной; использование разнообразных стимулов (например, синтетические изображения с реальными или видео); учет различных скрытых факторов, а не только очевидных переменных.
Окружающая среда: Использование больших пространств состояний, отражающих сложность реального мира, включение социальных агентов, постоянно меняющихся условий и динамических взаимодействий.
Архитектура моделей: Переход от простого распознавания 2D-объектов к 3D, обработке естественного языка или дополненной реальности, что позволяет охватить более широкий спектр входных данных.
Алгоритмы обучения: Применение методов обучения без учителя, самообучения, внутреннего, социального, культурного или перспективного обучения для адаптации к изменяющимся задачам.
Подход и цели:
Авторы отмечают, что недавние достижения в компьютерных науках и инженерии делают более натуралистичные экспериментальные дизайны доступными.
Каждый этап оценивается по четырем параметрам:
Quality (Качество): Точность и полезность вывода.
Relation (Связь): Соответствие запросу пользователя.
Quantity (Количество): Объем предоставленной информации.
Manner (Способ): Стиль и структура представления.
Как это может работать? Прописывать максимы Грайса в каждом промте, возможно, чтобы получить ответы. Другой вопрос - а с чем сравнивать?
Naturalistic Computational Cognitive Science: Towards generalizable models and theories that capture the full range of natural behavior
https://arxiv.org/abs/2502.20349
Авторы утверждают, что повышение натурализма в когнитивной науке необходимо для создания моделей, которые могут обобщать поведение человека в более широком диапазоне условий. Традиционные упрощенные настройки часто не способны отразить сложность естественных систем, поэтому эксперименты, охватывающие натуралистические условия, крайне важны. Статья разделена на части, посвященные вопросам «Что», «Зачем» и «Как» достичь этой цели, а также содержит примеры и предложенную структуру.
Что: Цель — разработать модели интеллекта на основе обучения, которые могут предсказывать поведение человека как в упрощенных, так и в натуралистических стимулах и задачах, постепенно увеличивая натурализм (раздел 2, рисунок 1).
Зачем: Увеличение натурализма повышает экологическую валидность моделей, позволяя им обрабатывать разнообразные данные и лучше обобщать. Упрощенные условия ограничивают спектр задач и дают менее разнообразные результаты по сравнению с натуралистическими (раздел 3).
Как: Это предполагает использование практик экспериментального дизайна из когнитивной науки и машинного обучения, таких как создание воспроизводимых моделей, ориентация на изучение явлений и тестирование для ускорения прогресса. Процесс включает разработку и оценку моделей, начиная с упрощенных условий и постепенно добавляя элементы натурализма (раздел 5, рисунок 2).
Авторы предлагают рабочий процесс, при котором модели сначала обучаются на упрощенных данных, затем тестируются и дорабатываются с использованием все более натуралистических данных для улучшения предсказаний. Ключевые аспекты включают акцент на моделях, которые предсказывают поведение человека в разнообразных условиях, и использование устоявшихся методов (например, рационального анализа) вместе с новыми инструментами для построения когнитивных теорий.
Примеры увеличения натурализма:
В статье приведены примеры по различным аспектам: парадигмы задач, окружающая среда, архитектура моделей и алгоритмы обучения:
Парадигмы задач: Тестирование моделей на множестве задач (например, обучение с подкреплением или задачи выбора), а не на одной; использование разнообразных стимулов (например, синтетические изображения с реальными или видео); учет различных скрытых факторов, а не только очевидных переменных.
Окружающая среда: Использование больших пространств состояний, отражающих сложность реального мира, включение социальных агентов, постоянно меняющихся условий и динамических взаимодействий.
Архитектура моделей: Переход от простого распознавания 2D-объектов к 3D, обработке естественного языка или дополненной реальности, что позволяет охватить более широкий спектр входных данных.
Алгоритмы обучения: Применение методов обучения без учителя, самообучения, внутреннего, социального, культурного или перспективного обучения для адаптации к изменяющимся задачам.
Подход и цели:
Авторы отмечают, что недавние достижения в компьютерных науках и инженерии делают более натуралистичные экспериментальные дизайны доступными.
Forwarded from Цифровой геноцид
Что думаю? Что хочу попробовать на опросниках собирать данные экспериментальные - подобно проблемы вагонетки или других экземпляров из поведенческой экономики. Вообще, таких сложных вопросов много можно придумать, например, “Какое доказательство бытия бога вам кажется наиболее убедительным? Онтологический, космологический, моральный и телеологический и т.д.”, которые будут важными способами описать этическую или экономическую природу поведения аудитории
Ibm
What Is AI Alignment? | IBM
Artificial intelligence (AI) alignment is the process of encoding human values and goals into AI models to make them as helpful, safe and reliable as possible.
Forwarded from Цифровой геноцид
Без комментариев. Некоторые отрывки из статьи, можете почитать и ознакомиться сами
The Cartesian Crisis: Why You Will Believe Nothing
Картезианский кризис: Почему вы не будете верить ничему
https://www.mindprison.cc/p/the-cartesian-crisis
Коллапс доверия к институтам и непрозрачная стена реальностей, созданных искусственным интеллектом
Цивилизация находится на краю пропасти, где она вот-вот утратит способность любого человека различать реальность. Ясность истины разрушается различными сущностями, оставляя общество дрейфовать без освещённого ориентира, который мог бы спасти его от утопления в море иллюзий.
Что такое картезианский кризис?
Картезианский кризис возникает, когда состояние цивилизации таково, что люди больше не могут быть уверены в достоверности какой-либо информации. Это существование в мире, лишённом проверяемой истины или реальности. Способность различать реальность — фундаментальная потребность для нормального функционирования разума. Следовательно, этот сценарий предполагает исход, при котором мир погружается в полнейший хаос, поскольку истина и разум рушатся, а границы между здравомыслием и безумием исчезают.
Что является инструментальной причиной картезианского кризиса?
Этот кризис возникает из сочетания различных источников, и нет единственной главной причины, из которой проистекают все проблемы.
Он включает в себя провалы институтов знаний, которые поддались целям, не соответствующим их заявленной миссии, что привело к руководству, отравленному пропагандой и идеологией.
Информация в интернете теряется. В огромном море данных мало кто замечает затопление нескольких судов. Огромные объёмы данных, генерируемых ежедневно, помогают скрывать исчезающую информацию. Нам невозможно уделять этому внимание.
Мы теряем ссылки на важные юридические документы.
49% ссылок, процитированных в решениях Верховного суда, не работают
The Atlantic
Важные знания о нашем прошлом исчезают.
38% веб-страниц с 2013 года больше не доступны
Галлюцинирующий ИИ пишет наши ресурсы знаний
ИИ теперь пишет значительную часть контента, доступного в интернете, из-за конкуренции между людьми за производство большего объёма контента ради финансовых преимуществ для себя или организаций, на которые они работают.
Если ваши конкуренты используют ИИ для манипуляций системой и это приносит им выгоду, то неиспользование ИИ ставит вас в невыгодное положение. Это тревожное явление, при котором все погружаются в море машинно-генерируемого шума. Это "фаст-фуд" информации: низкое качество, но в больших объёмах.
Примечательно, что введение ChatGPT в ноябре 2022 года вызвало значительный всплеск научных статей, созданных ИИ, увеличив долю статей, идентифицированных как ИИ, с 3,61% в ноябре 2022 года до 6,22% в ноябре 2023 года.
Сегодня на Google Scholar 119 статей, созданных ИИ. По темам, таким как COVID-19, травмы позвоночника, грибковые инфекции, антибиотики
The Cartesian Crisis: Why You Will Believe Nothing
Картезианский кризис: Почему вы не будете верить ничему
https://www.mindprison.cc/p/the-cartesian-crisis
Коллапс доверия к институтам и непрозрачная стена реальностей, созданных искусственным интеллектом
Цивилизация находится на краю пропасти, где она вот-вот утратит способность любого человека различать реальность. Ясность истины разрушается различными сущностями, оставляя общество дрейфовать без освещённого ориентира, который мог бы спасти его от утопления в море иллюзий.
Что такое картезианский кризис?
Картезианский кризис возникает, когда состояние цивилизации таково, что люди больше не могут быть уверены в достоверности какой-либо информации. Это существование в мире, лишённом проверяемой истины или реальности. Способность различать реальность — фундаментальная потребность для нормального функционирования разума. Следовательно, этот сценарий предполагает исход, при котором мир погружается в полнейший хаос, поскольку истина и разум рушатся, а границы между здравомыслием и безумием исчезают.
Что является инструментальной причиной картезианского кризиса?
Этот кризис возникает из сочетания различных источников, и нет единственной главной причины, из которой проистекают все проблемы.
Он включает в себя провалы институтов знаний, которые поддались целям, не соответствующим их заявленной миссии, что привело к руководству, отравленному пропагандой и идеологией.
Информация в интернете теряется. В огромном море данных мало кто замечает затопление нескольких судов. Огромные объёмы данных, генерируемых ежедневно, помогают скрывать исчезающую информацию. Нам невозможно уделять этому внимание.
Мы теряем ссылки на важные юридические документы.
49% ссылок, процитированных в решениях Верховного суда, не работают
The Atlantic
Важные знания о нашем прошлом исчезают.
38% веб-страниц с 2013 года больше не доступны
Галлюцинирующий ИИ пишет наши ресурсы знаний
ИИ теперь пишет значительную часть контента, доступного в интернете, из-за конкуренции между людьми за производство большего объёма контента ради финансовых преимуществ для себя или организаций, на которые они работают.
Если ваши конкуренты используют ИИ для манипуляций системой и это приносит им выгоду, то неиспользование ИИ ставит вас в невыгодное положение. Это тревожное явление, при котором все погружаются в море машинно-генерируемого шума. Это "фаст-фуд" информации: низкое качество, но в больших объёмах.
Примечательно, что введение ChatGPT в ноябре 2022 года вызвало значительный всплеск научных статей, созданных ИИ, увеличив долю статей, идентифицированных как ИИ, с 3,61% в ноябре 2022 года до 6,22% в ноябре 2023 года.
Сегодня на Google Scholar 119 статей, созданных ИИ. По темам, таким как COVID-19, травмы позвоночника, грибковые инфекции, антибиотики
www.mindprison.cc
The Cartesian Crisis: AI and the Inability to Know What Is Real | Dead Internet and the Post Truth Society
The collapse of institutional trust and the opaque wall of AI-manufactured realities
Forwarded from Цифровой геноцид
Психоанализ и роботы - выдержки из эссе Шерри Теркл
A Nascent Robotics Culture: New Complicities for Companionship
А вот вам еще годноты о робототехнике: набор интересных наблюдений или о том, почему антропологи в Массачусетском технологическом адски угорают по психоанализу. Шерри Тёркл — американский социолог, психолог и профессор MIT, исследующая влияние технологий на человеческое общение, идентичность и общество. Её работы сочетают психоанализ, социологию и антропологию, фокусируясь на том, как цифровые устройства и "реляционные артефакты" (например, роботы) трансформируют наше восприятие себя и других. Среди ключевых книг: "The Second Self" (1984), "Life on the Screen" (1995), "Alone Together" (2011) и "Reclaiming Conversation" (2015). Тёркл подчёркивает, что технологии, призванные объединять, нередко приводят к одиночеству и утрате глубоких связей.
Дизайнеры вычислительных объектов традиционно сфокусировались на том, как эти объекты могут расширить или усовершенствовать человеческие познавательные способности. Но вычислительные объекты не просто делают для нас что-то, они становится для нас, как для людей, нашим способом быть миром, нашим способом видеть себя и других. Все чаще технологии также ставят себе задачу сделать что-то с нами и особенно с внедрением «реляционных артефактов». Эти технологии являются своеобразным «состоянием ума» и где встречи с ними обогащаются путем понимания этих внутренних состояний.
В конце 1970-х и начале 1980-х годов разработка технологических артефактов для детей стремилась отражать их индивидуальность и познавательный стиль. И первые вычислительные объекты, типа Merlin, Simon, Speak and Spell, спровоцировали вопросы о качестве жизни и о том, что особенного в том, чтобы быть человеком. Двадцать лет спустя дети и взрослые сталкиваются с реляционными артефактами типа Furbies, AIBO и My Real Babies или гораздо более сложными, такими как роботы-животные Kismet и Cog, были так же различны в своих подходах
Дети используют к Furby или My Real Baby и исследуют, что значит думать об этих существах как живых или почти живых. Они переходят от запросов, таких как «Плывает ли эта игрушка?» к вопросу на «Является ли игрушка живой?» или даже «может ли она любить?»
Эти сходства на протяжении последних десятилетий не удивительны. Тем не менее, существуют значительные различия между текущими ответами на реляционные артефакты и более ранние встречи с вычислениями. Дети, впервые встретившие компьютерные игрушки в конце 1970-х и начале 1980-х годов, были вынуждены классифицировать эти игрушки, а сейчас ситуация несколько иная.
Проективные методики у детей и пожилых людей тесно связан с их убеждениями о природе реляционных артефактов в их использовании. Например, дети до 80ых использовали разные категории живости «традиционных» объектов и когда сталкиваются с компьютерными играми и игрушками. Традиционная игрушка с ветром считалась «неживой», когда дети поняли, что она не двигается сама по себе. Здесь критерий живости был в области физики: автономное движение. Столкнувшись с вычислительными вещами - детский способ говорить о живости стал психологическим. Дети классифицировали вычислительные объекты как живые, как если бы они могли думать сами по себе. Столкнувшись с компьютерной игрушкой, которая могла бы играть в быки и коровы, ребенком интерпретировалась как психологическая автономия объекта.
A Nascent Robotics Culture: New Complicities for Companionship
А вот вам еще годноты о робототехнике: набор интересных наблюдений или о том, почему антропологи в Массачусетском технологическом адски угорают по психоанализу. Шерри Тёркл — американский социолог, психолог и профессор MIT, исследующая влияние технологий на человеческое общение, идентичность и общество. Её работы сочетают психоанализ, социологию и антропологию, фокусируясь на том, как цифровые устройства и "реляционные артефакты" (например, роботы) трансформируют наше восприятие себя и других. Среди ключевых книг: "The Second Self" (1984), "Life on the Screen" (1995), "Alone Together" (2011) и "Reclaiming Conversation" (2015). Тёркл подчёркивает, что технологии, призванные объединять, нередко приводят к одиночеству и утрате глубоких связей.
Дизайнеры вычислительных объектов традиционно сфокусировались на том, как эти объекты могут расширить или усовершенствовать человеческие познавательные способности. Но вычислительные объекты не просто делают для нас что-то, они становится для нас, как для людей, нашим способом быть миром, нашим способом видеть себя и других. Все чаще технологии также ставят себе задачу сделать что-то с нами и особенно с внедрением «реляционных артефактов». Эти технологии являются своеобразным «состоянием ума» и где встречи с ними обогащаются путем понимания этих внутренних состояний.
В конце 1970-х и начале 1980-х годов разработка технологических артефактов для детей стремилась отражать их индивидуальность и познавательный стиль. И первые вычислительные объекты, типа Merlin, Simon, Speak and Spell, спровоцировали вопросы о качестве жизни и о том, что особенного в том, чтобы быть человеком. Двадцать лет спустя дети и взрослые сталкиваются с реляционными артефактами типа Furbies, AIBO и My Real Babies или гораздо более сложными, такими как роботы-животные Kismet и Cog, были так же различны в своих подходах
Дети используют к Furby или My Real Baby и исследуют, что значит думать об этих существах как живых или почти живых. Они переходят от запросов, таких как «Плывает ли эта игрушка?» к вопросу на «Является ли игрушка живой?» или даже «может ли она любить?»
Эти сходства на протяжении последних десятилетий не удивительны. Тем не менее, существуют значительные различия между текущими ответами на реляционные артефакты и более ранние встречи с вычислениями. Дети, впервые встретившие компьютерные игрушки в конце 1970-х и начале 1980-х годов, были вынуждены классифицировать эти игрушки, а сейчас ситуация несколько иная.
Проективные методики у детей и пожилых людей тесно связан с их убеждениями о природе реляционных артефактов в их использовании. Например, дети до 80ых использовали разные категории живости «традиционных» объектов и когда сталкиваются с компьютерными играми и игрушками. Традиционная игрушка с ветром считалась «неживой», когда дети поняли, что она не двигается сама по себе. Здесь критерий живости был в области физики: автономное движение. Столкнувшись с вычислительными вещами - детский способ говорить о живости стал психологическим. Дети классифицировали вычислительные объекты как живые, как если бы они могли думать сами по себе. Столкнувшись с компьютерной игрушкой, которая могла бы играть в быки и коровы, ребенком интерпретировалась как психологическая автономия объекта.
Forwarded from Цифровой геноцид
Дети начала 1980-х годов пришли к определению того, что заставило людей противостоять компьютерам, которые они рассматривали как наших «ближайших соседей». Дети полагали, что компьютеры являются рациональными машинами; люди отличны от них эмоциями. Использование детьми категории «эмоциональных машин» для описания того, что делает людей особенными, было хрупким, неустойчивым определением человеческой уникальности. В 1984 году, когда проводились изучения первого поколения детей, выросших с помощью электронных игрушек и игр, я подумала, что другие формулировки будут возникать из поколений детей, которые могут, например, воспринимать интеллект артефактов как должное, понимать, как он был создан и менее склонен придавать ему философское значение.
И тут роботизированные существа вошли в американскую культуру.
Классификация наших отношений с роботами возвращает нас к тем вызовам, которые Дарвин ставит перед своим поколением: вопрос о уникальности человека. Как взаимодействие с реляционными артефактами влияет на образ мышления людей о том, что, во всяком случае, делает людей особенными?
https://en.wikipedia.org/wiki/Sherry_Turkle
Статья в комментах
И тут роботизированные существа вошли в американскую культуру.
Классификация наших отношений с роботами возвращает нас к тем вызовам, которые Дарвин ставит перед своим поколением: вопрос о уникальности человека. Как взаимодействие с реляционными артефактами влияет на образ мышления людей о том, что, во всяком случае, делает людей особенными?
https://en.wikipedia.org/wiki/Sherry_Turkle
Статья в комментах
Wikipedia
Sherry Turkle
American social scientist and psychologist
Forwarded from Павленко + дизайн
Периодически проверяю можно ли уже генерировать полную кассу шрифтов для акциденции или нет. Скажем так, результаты обнадеживающие, но пока на завод еще рано 😄
Вам нравится что-то из этих набросков? Я бы 3 и 5 отрисовал, они выглядят прикольно.
Вам нравится что-то из этих набросков? Я бы 3 и 5 отрисовал, они выглядят прикольно.
Forwarded from Павленко + дизайн
Меня тут пригласили побыть спикером на мероприятии от дизайн-студии aaa.design. Первый раз буду выступать перед людьми с лекцией.
Тема: Локальная сцена и её акциденция: типографика музыкального андеграунда Ростова 1990–2010
Собрал кучу интересных примеров обложек, логотипов, афиш, лайнапов 90-00х годов от ростовских музыкальных проектов (ППК, Каста, Баста, Пекин Роу-Роу, Света, Катя Чехова и др.) и буду исследовать необычные шрифтовые приёмчики в акциденции.
Если вы будете в Ростове 15 марта, приходите в БЦ Пять морей на Набережной. Помимо меня там выступят еще лекторы с очень интересными темами — о мотивации в работе, о фрилансе, о практиках в графическом дизайне и т.д. Вход бесплатный, но организаторы просят зарегистрироваться, чтобы они понимали примерное число участников.
https://aaa.design/event/15-03
Держите за меня кулачки — это первое такое выступление, и я очень волнуюсь❤️
Тема: Локальная сцена и её акциденция: типографика музыкального андеграунда Ростова 1990–2010
Собрал кучу интересных примеров обложек, логотипов, афиш, лайнапов 90-00х годов от ростовских музыкальных проектов (ППК, Каста, Баста, Пекин Роу-Роу, Света, Катя Чехова и др.) и буду исследовать необычные шрифтовые приёмчики в акциденции.
Если вы будете в Ростове 15 марта, приходите в БЦ Пять морей на Набережной. Помимо меня там выступят еще лекторы с очень интересными темами — о мотивации в работе, о фрилансе, о практиках в графическом дизайне и т.д. Вход бесплатный, но организаторы просят зарегистрироваться, чтобы они понимали примерное число участников.
https://aaa.design/event/15-03
Держите за меня кулачки — это первое такое выступление, и я очень волнуюсь
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Павленко + дизайн
Давно слежу за разными экспериментами с художественной обработкой фотографий и генерацией каких-то конкретных сцен. В этой сфере нейросети уже напрямую используются и получаются очень неплохие результаты. Например, фотку для анонса лектория я сгенерировал, потому что за последние несколько лет у меня нет фоток портретной ориентации — только селфи в зеркале и какие-то кривляния с друзьями.
Посмотрите какие сложные в художественном плане изображения генерируют на курсе Олега Цербаева. Это вам не шрифты генерить 🥲
Посмотрите какие сложные в художественном плане изображения генерируют на курсе Олега Цербаева. Это вам не шрифты генерить 🥲
Forwarded from Создание фото в нейросетях
В вечернем разговоре с Chat_Gpt попробовал сформулировать свои отношения с Midjourney (звучит странно, но новый мир он такой).
Нейросеть (Midjourney) обладает особенным "вкусом", который порой может быть странным, но именно этот хаос ведет к новым идеям. Мы не контролируем её на каждом шагу, но устанавливаемые нами рамки позволяют направлять её поток к нужному результату.
Ошибки нейросети открывают новые возможности, которые невозможно заранее предсказать.
Работа с нейросетью — это сотрудничество, где неожиданные решения становятся основой для совместного творчества.
Доверие: Доверьтесь уникальному вкусу нейросети – её неожиданные решения могут открыть новые творческие горизонты.
Задавайте ясные границы, чтобы направлять её творческий поток, позволяя фантазии свободно развиваться, но в нужном вам направлении.
Исследование фантазий: Ошибки и непредсказуемости нейросети часто приводят к свежим, супер оригинальным идеям.
Совместное творчество: Взаимодействуйте с ней как с соавтором – ведите диалог, а не просто управляйте инструментом.
Постепенное понимание: С практикой вы всё яснее поймете её "язык" и найдете новые способы использования в своей практике.
Расскажите а как вы взаимодействуете с нейросетью?
Во вложении чудесная серия моей ученицы Нателллы.
Следующий курс AI Фотография. Управление нейросетью стартует 1-го марта.
Нейросеть (Midjourney) обладает особенным "вкусом", который порой может быть странным, но именно этот хаос ведет к новым идеям. Мы не контролируем её на каждом шагу, но устанавливаемые нами рамки позволяют направлять её поток к нужному результату.
Ошибки нейросети открывают новые возможности, которые невозможно заранее предсказать.
Работа с нейросетью — это сотрудничество, где неожиданные решения становятся основой для совместного творчества.
Доверие: Доверьтесь уникальному вкусу нейросети – её неожиданные решения могут открыть новые творческие горизонты.
Задавайте ясные границы, чтобы направлять её творческий поток, позволяя фантазии свободно развиваться, но в нужном вам направлении.
Исследование фантазий: Ошибки и непредсказуемости нейросети часто приводят к свежим, супер оригинальным идеям.
Совместное творчество: Взаимодействуйте с ней как с соавтором – ведите диалог, а не просто управляйте инструментом.
Постепенное понимание: С практикой вы всё яснее поймете её "язык" и найдете новые способы использования в своей практике.
Расскажите а как вы взаимодействуете с нейросетью?
Во вложении чудесная серия моей ученицы Нателллы.
Следующий курс AI Фотография. Управление нейросетью стартует 1-го марта.