Нейросеть DALL-E 3 попросили сгенерировать голодного кота, каждый раз делая его ещё более голодным
А какой степени голодности ваш кот сегодня?
Сохраняем на аватарки
А какой степени голодности ваш кот сегодня?
Сохраняем на аватарки
🎄🇷🇺 Нейросеть попросили сгенерировать самый эпичный новогодний стол в России
Вот что из этого вышло
Вот что из этого вышло
Самое интересно для ИИ начинается с 2010 года.
До 2010 развивался, по сути, лишь один из восьми базовых признаков ИИ – это предиктивный анализ, что активно использовался в торговых алгоритмах на бирже (анализ паттернов), в научных и экономических исследованиях, в прогнозировании погоды, в оценке страховых и финансовых рисков и так далее.
Все остальные семь признаков ИИ находили теоретическое обоснование и прототипирование с 1950 по 2010 с разной интенсивностью и с разной успешностью. Причем, концепты были во всех измерениях, даже в когнитивных функциях, где в 90-х и начале нулевых лучшие решения были от IBM.
То, что есть сейчас – не новинка, но препятствием к развитию были вычислительные мощности и отсутствие данных. Big data зародился в середине 2000-2010, а в лучшую форму вышел в 2010-2020, плюс к этому вычислительные мощности серверов выросли на порядок.
Десятилетие с 2010 по 2019 годы было периодом стремительного прогресса в ИИ, отмеченным значительными технологическими инновациями, расширением применения и увеличением общественного интереса. Это был период, когда ИИ стал не просто академическим исследованием, а мощным инструментом, влияющим на множество аспектов повседневной жизни и работы. Без данных и вычислительных мощностей все это так бы осталось теорией.
Началась бурная экспансия ИИ во все отрасли экономики и сферы жизни. Практически не было не затронутых ключевых отраслей: здравоохранение, образование, транспорт, розничная и оптовая торговля, логистика и склад, консалтинг, финансы и страхование, промышленность и сельское хозяйство, умная система управление городом, распознавание лиц, кибербезопасность и так далее.
Революция в глубоком обучении: прорывы в глубоких нейронных сетях, особенно с развитием сверточных (CNN) и рекуррентных (RNN) нейронных сетей, значительно улучшили способности ИИ в распознавании образов, обработке естественного языка и предсказательном анализе.
Появление и развитие трансформеров: архитектура трансформеров, представленная в 2017 году, привнесла революционные изменения в область обработки естественного языка и генерации текста, что и стало прообразом ChatGPT.
В период с 2010 по 2019 активно развивалась мультимодальность, автономность принятия решений, обработка естественного языка и к совершенству выходил предиктивный анализ с существенным прогрессом в когнитивных функциях и самообучению.
С 2020 началась эра генеративных сетей, что позволило реализовать глубокую мультидисциплинарность, способность к обучению и адаптации и самое главное – это понимание контекста сложных задач и высокоразвитые когнитивные функции, которые были немыслимы ранее.
Лейбл ИИ перестал быть чистым маркетингом, как десятилетием ранее, а стал символом новой эпохи.
Важнейшим этапом стал выдающиеся прогресс в NLP и понимании семантики и конструкции языка, позволяя выстраивать адекватные смысловые структуры.
Семантика языка играет критическую роль в понимании и интерпретации человеческого языка. Алгоритмы и модели стремятся понять не только буквальные значения слов, но и их семантический контекст и намерения, говорящего или пишущего.
Мера развития ИИ напрямую связана с пониманием контекста и смысла «между строк». На данный момент – это слабое место ChatGPT, но, с другой стороны, невероятный прогресс за последние годы.
Сложно сказать, куда все это приведет, но прогресс впечатляющий, мягко говоря…
До 2010 развивался, по сути, лишь один из восьми базовых признаков ИИ – это предиктивный анализ, что активно использовался в торговых алгоритмах на бирже (анализ паттернов), в научных и экономических исследованиях, в прогнозировании погоды, в оценке страховых и финансовых рисков и так далее.
Все остальные семь признаков ИИ находили теоретическое обоснование и прототипирование с 1950 по 2010 с разной интенсивностью и с разной успешностью. Причем, концепты были во всех измерениях, даже в когнитивных функциях, где в 90-х и начале нулевых лучшие решения были от IBM.
То, что есть сейчас – не новинка, но препятствием к развитию были вычислительные мощности и отсутствие данных. Big data зародился в середине 2000-2010, а в лучшую форму вышел в 2010-2020, плюс к этому вычислительные мощности серверов выросли на порядок.
Десятилетие с 2010 по 2019 годы было периодом стремительного прогресса в ИИ, отмеченным значительными технологическими инновациями, расширением применения и увеличением общественного интереса. Это был период, когда ИИ стал не просто академическим исследованием, а мощным инструментом, влияющим на множество аспектов повседневной жизни и работы. Без данных и вычислительных мощностей все это так бы осталось теорией.
Началась бурная экспансия ИИ во все отрасли экономики и сферы жизни. Практически не было не затронутых ключевых отраслей: здравоохранение, образование, транспорт, розничная и оптовая торговля, логистика и склад, консалтинг, финансы и страхование, промышленность и сельское хозяйство, умная система управление городом, распознавание лиц, кибербезопасность и так далее.
Революция в глубоком обучении: прорывы в глубоких нейронных сетях, особенно с развитием сверточных (CNN) и рекуррентных (RNN) нейронных сетей, значительно улучшили способности ИИ в распознавании образов, обработке естественного языка и предсказательном анализе.
Появление и развитие трансформеров: архитектура трансформеров, представленная в 2017 году, привнесла революционные изменения в область обработки естественного языка и генерации текста, что и стало прообразом ChatGPT.
В период с 2010 по 2019 активно развивалась мультимодальность, автономность принятия решений, обработка естественного языка и к совершенству выходил предиктивный анализ с существенным прогрессом в когнитивных функциях и самообучению.
С 2020 началась эра генеративных сетей, что позволило реализовать глубокую мультидисциплинарность, способность к обучению и адаптации и самое главное – это понимание контекста сложных задач и высокоразвитые когнитивные функции, которые были немыслимы ранее.
Лейбл ИИ перестал быть чистым маркетингом, как десятилетием ранее, а стал символом новой эпохи.
Важнейшим этапом стал выдающиеся прогресс в NLP и понимании семантики и конструкции языка, позволяя выстраивать адекватные смысловые структуры.
Семантика языка играет критическую роль в понимании и интерпретации человеческого языка. Алгоритмы и модели стремятся понять не только буквальные значения слов, но и их семантический контекст и намерения, говорящего или пишущего.
Мера развития ИИ напрямую связана с пониманием контекста и смысла «между строк». На данный момент – это слабое место ChatGPT, но, с другой стороны, невероятный прогресс за последние годы.
Сложно сказать, куда все это приведет, но прогресс впечатляющий, мягко говоря…
Telegram
Spydell_finance
Как отличить ИИ от обычного программного комплекса?
Многие программные комплексы могут быть крайне сложными, многоуровневыми, многофункциональными и многокомпонентными с возможностью интеграции автоматизированных систем управления (АСУ) с глубокой степенью…
Многие программные комплексы могут быть крайне сложными, многоуровневыми, многофункциональными и многокомпонентными с возможностью интеграции автоматизированных систем управления (АСУ) с глубокой степенью…
🇷🇺 В России тестируют нейросеть под названием «Товарищ майор»
Как пишут «Известия», ИИ будет вычислять владельцев анонимных тг-каналов. Она использует те же приёмы, что и человек при анализе телеграм-канала: собирает данные об админах из описания, архивных копий, постов и опубликованных файлов. А далее анализирует утечки и сопоставляет их с именем пользователя и его фотографией.
По словам разработчика, нейросеть будет полезна для сотрудников в сфере кибербезопасности и правоохранителей.
Как пишут «Известия», ИИ будет вычислять владельцев анонимных тг-каналов. Она использует те же приёмы, что и человек при анализе телеграм-канала: собирает данные об админах из описания, архивных копий, постов и опубликованных файлов. А далее анализирует утечки и сопоставляет их с именем пользователя и его фотографией.
По словам разработчика, нейросеть будет полезна для сотрудников в сфере кибербезопасности и правоохранителей.