Forwarded from Dezzigners
Forwarded from Daily Coding 🔥
📖ReactJS for Jobseekers
🖋Каифи Хан | 2023
Создавайте высокопроизводительные, динамичные одностраничные приложения, используя самый популярный интерфейсный фреймворк - ReactJS
💾 Скачать книгу
Daily Coding #книги #React
🖋Каифи Хан | 2023
Создавайте высокопроизводительные, динамичные одностраничные приложения, используя самый популярный интерфейсный фреймворк - ReactJS
💾 Скачать книгу
Daily Coding #книги #React
Forwarded from Цифровой геноцид
https://www.youtube.com/live/m3H2q6MXAzs
Новая лекция от ЛеКунна из Мета, автора Llama и одного из теоретиков ИИ - здесь много осторожности и скепсиса, что приятно разбавляет восторги ИИ-оптимистов
Язык в некоторой степени прост. И это шокирует, потому что мы считаем язык вершиной человеческих способностей, но на самом деле язык относительно прост. Есть расчет, на который только что ссылался профессор Чен, и, конечно, цифры развиваются, потому что системы теперь обучаются на больших объемах данных, но если взять большую языковую модель, такую как Llama 4 или некоторые другие более новые модели, они обычно обучаются на чем-то вроде 30 триллионов токенов, что, по сути, весь публично доступный текст в интернете. Токен — это три байта. То есть примерно 10^14 байт. Любому из нас потребовалось бы от 400 000 до полумиллиона лет, чтобы прочитать этот материал. Это невозможно за одну жизнь. Сравните это с количеством информации, поступающей в зрительную кору головного мозга за несколько лет. Четырехлетний ребенок бодрствовал в общей сложности 16 000 часов, и количество информации, поступающей в нашу зрительную кору или через сенсорную кору через осязание, составляет около 2 мегабайт в секунду. У нас есть два миллиона оптических нервных волокон, идущих от глаз к мозгу. Каждое несет примерно один байт в секунду. И если сделать расчеты, получится около 10^14 байт.
Таким образом, количество информации, поступающей в зрительную кору за четыре года у ребенка, примерно такое же, как количество информации, переваренное крупнейшими большими языковыми моделями сегодня. Это говорит о нескольких вещах. Это говорит о том, что мы никогда не достигнем человеческого уровня ИИ, обучая большую языковую модель на текстах. Это просто никогда не произойдет. Нам нужно уметь обучать системы на высокочастотных сенсорных входах, таких как видео или другие модальности. И плохая новость в том, что текущие архитектуры, которые хорошо работают для текста, не работают для видео. Возможно, мы можем почерпнуть вдохновение в том, как учатся маленькие дети. И когда я говорю о маленьких детях, это не только человеческие дети, это также животные. Животные проходят аналогичный процесс обучения тому, как работает мир, в первые часы, дни, недели, месяцы жизни.
Человеческим младенцам требуется несколько месяцев, чтобы научиться очень простым вещам о мире, например, что мир трехмерный, что есть объекты, которые могут независимо двигаться в мире, и если вы не видите объект, потому что он скрыт за другим, он все еще существует. Это называется постоянством объекта.
Лекун предлагает отказаться от генеративных моделей в пользу архитектур предсказания совместного встраивания (JEPA).Joint Embedding Predictive Architecture
Эти модели предсказывают абстрактные представления, а не точные входные данные (например, пиксели видео), что делает их более эффективными для понимания мира. Вывод через оптимизацию, а не через фиксированные слои нейронных сетей, позволяет решать более сложные задачи, такие как планирование и рассуждение.
Он также подчеркивает необходимость обучения систем создавать ментальные модели мира через наблюдение и взаимодействие, подобно тому, как это делают младенцы и животные. Это требует самообучения без учителя, где системы улавливают зависимости между входами, избегая генеративных подходов.
Новая лекция от ЛеКунна из Мета, автора Llama и одного из теоретиков ИИ - здесь много осторожности и скепсиса, что приятно разбавляет восторги ИИ-оптимистов
Язык в некоторой степени прост. И это шокирует, потому что мы считаем язык вершиной человеческих способностей, но на самом деле язык относительно прост. Есть расчет, на который только что ссылался профессор Чен, и, конечно, цифры развиваются, потому что системы теперь обучаются на больших объемах данных, но если взять большую языковую модель, такую как Llama 4 или некоторые другие более новые модели, они обычно обучаются на чем-то вроде 30 триллионов токенов, что, по сути, весь публично доступный текст в интернете. Токен — это три байта. То есть примерно 10^14 байт. Любому из нас потребовалось бы от 400 000 до полумиллиона лет, чтобы прочитать этот материал. Это невозможно за одну жизнь. Сравните это с количеством информации, поступающей в зрительную кору головного мозга за несколько лет. Четырехлетний ребенок бодрствовал в общей сложности 16 000 часов, и количество информации, поступающей в нашу зрительную кору или через сенсорную кору через осязание, составляет около 2 мегабайт в секунду. У нас есть два миллиона оптических нервных волокон, идущих от глаз к мозгу. Каждое несет примерно один байт в секунду. И если сделать расчеты, получится около 10^14 байт.
Таким образом, количество информации, поступающей в зрительную кору за четыре года у ребенка, примерно такое же, как количество информации, переваренное крупнейшими большими языковыми моделями сегодня. Это говорит о нескольких вещах. Это говорит о том, что мы никогда не достигнем человеческого уровня ИИ, обучая большую языковую модель на текстах. Это просто никогда не произойдет. Нам нужно уметь обучать системы на высокочастотных сенсорных входах, таких как видео или другие модальности. И плохая новость в том, что текущие архитектуры, которые хорошо работают для текста, не работают для видео. Возможно, мы можем почерпнуть вдохновение в том, как учатся маленькие дети. И когда я говорю о маленьких детях, это не только человеческие дети, это также животные. Животные проходят аналогичный процесс обучения тому, как работает мир, в первые часы, дни, недели, месяцы жизни.
Человеческим младенцам требуется несколько месяцев, чтобы научиться очень простым вещам о мире, например, что мир трехмерный, что есть объекты, которые могут независимо двигаться в мире, и если вы не видите объект, потому что он скрыт за другим, он все еще существует. Это называется постоянством объекта.
Лекун предлагает отказаться от генеративных моделей в пользу архитектур предсказания совместного встраивания (JEPA).Joint Embedding Predictive Architecture
Эти модели предсказывают абстрактные представления, а не точные входные данные (например, пиксели видео), что делает их более эффективными для понимания мира. Вывод через оптимизацию, а не через фиксированные слои нейронных сетей, позволяет решать более сложные задачи, такие как планирование и рассуждение.
Он также подчеркивает необходимость обучения систем создавать ментальные модели мира через наблюдение и взаимодействие, подобно тому, как это делают младенцы и животные. Это требует самообучения без учителя, где системы улавливают зависимости между входами, избегая генеративных подходов.
YouTube
NUS120 Distinguished Speaker Series | Professor Yann LeCun
As part of its 120th anniversary celebrations, NUS is proud to launch the NUS120 Distinguished Speaker Series, kicking off with lectures by giants in the field of Artificial Intelligence.
In this lecture, Professor Yann LeCun, Vice President and Chief AI…
In this lecture, Professor Yann LeCun, Vice President and Chief AI…
Forwarded from PSD | Дизайн-пространство
Масштабное обновление DSGNERS!, часть 5: полностью переосмыслили интерфейс
Узнайте, каким будет интерфейс и навигация в грядущем обновлении. Иллюстрировано множеством скриншотов. Не пропустите!
Читать на DSGNERS! | #новости
Узнайте, каким будет интерфейс и навигация в грядущем обновлении. Иллюстрировано множеством скриншотов. Не пропустите!
Читать на DSGNERS! | #новости
Forwarded from Дизайн-Телега 🔥
3D Social Media Notification Icon
💾 Скачать и использовать
https://www.figma.com/communy/file/1262633311649272462/3D-Social-Media-Notification-Icon
🔎 Посмотреть описание
https://www.figma.com/communy/file/1262633311649272462/3D-Social-Media-Notification-Icon
#figma #icons
Источник
👨 Дизайн-телега
💾 Скачать и использовать
https://www.figma.com/communy/file/1262633311649272462/3D-Social-Media-Notification-Icon
🔎 Посмотреть описание
https://www.figma.com/communy/file/1262633311649272462/3D-Social-Media-Notification-Icon
#figma #icons
Источник
👨 Дизайн-телега
Forwarded from PSD | Дизайн-пространство
Forwarded from Новые шрифты
Шрифт Mazut SP by Sasha Pavljenko
Бесплатно для личных и коммерческих проектов.
Полная версия включает в себя цифры, знаки препинания и дополнительное начертание Italic, стоит всего 500 рублей Sasha Pavljenko
📁Скачать Шрифт
#Latin #Free #Cyrillic
🅰️ Новые шрифты
Бесплатно для личных и коммерческих проектов.
Полная версия включает в себя цифры, знаки препинания и дополнительное начертание Italic, стоит всего 500 рублей Sasha Pavljenko
📁Скачать Шрифт
#Latin #Free #Cyrillic
🅰️ Новые шрифты
Forwarded from Node.JS [ru] | Серверный JavaScript
Создайте приложение на Node.js, которое принимает URL в качестве аргумента командной строки, загружает HTML-контент по указанному URL, подсчитывает количество тегов на странице и сохраняет результат в tags.json.
•
node app.js report https://example.com — сохраняет количество тегов HTML-страницы в файл tags.json.•
node app.js print https://example.com — выводит статистику по тегам на странице в консоль.Решение задачи
const https = require('https');
const fs = require('fs');
const { JSDOM } = require('jsdom');
const action = process.argv[2];
const url = process.argv[3];
function fetchHtml(url) {
return new Promise((resolve, reject) => {
https.get(url, (res) => {
let data = '';
res.on('data', (chunk) => (data += chunk));
res.on('end', () => resolve(data));
}).on('error', (err) => reject(err));
});
}
async function report(url) {
try {
const html = await fetchHtml(url);
const dom = new JSDOM(html);
const tags = Array.from(dom.window.document.getElementsByTagName('*')).map(el => el.tagName);
const tagCount = tags.reduce((acc, tag) => {
acc[tag] = (acc[tag] || 0) + 1;
return acc;
}, {});
fs.writeFileSync('tags.json', JSON.stringify(tagCount, null, 2));
console.log('Статистика сохранена в tags.json');
} catch (err) {
console.error('Ошибка:', err);
}
}
async function print(url) {
try {
const html = await fetchHtml(url);
const dom = new JSDOM(html);
const tags = Array.from(dom.window.document.getElementsByTagName('*')).map(el => el.tagName);
const tagCount = tags.reduce((acc, tag) => {
acc[tag] = (acc[tag] || 0) + 1;
return acc;
}, {});
console.log('Статистика по тегам:', tagCount);
} catch (err) {
console.error('Ошибка:', err);
}
}
if (action === 'report') {
report(url);
} else if (action === 'print') {
print(url);
} else {
console.log('Используйте команды: report <URL> или print <URL>');
}
Please open Telegram to view this post
VIEW IN TELEGRAM