Forwarded from ЕЖ
Новые чипы искусственного интеллекта обещают ведущим странам стратегическое преимущество как в экономике, так и в военной сфере. Китай уже ограничил применение американских чипов в системах госуправления. А Вашингтон запретил поставки продукции Intel и Qualcomm в Китай. Крупнейшие страны собираются вложить в новое электронное соперничество более 380 млрд долл. Агентство Bloomberg называет новое противостояние глобальной битвой чипов. Готова ли Россия к этому этапу технологического прогресса – покажут решения нового правительства РФ, — Независимая газета.
Forwarded from Импорт в Россию
Во втором полугодии Минпромторг запустит программу финансовой поддержки предприятий, внедряющих отечественный софт для проведения виртуальных испытаний в области машиностроения. Речь идет о создании на предприятиях так называемых цифровых двойников испытательных процессов. В этом сегменте доля рынка иностранных решений достигала 90%, — Минпромторг.
Forwarded from MarketTwits
🇺🇸#GOOGL #ии
Google представила свои самые мощные модели ИИ на фоне обострения конкуренции со стороны OpenAI. Презентация состоялась на следующий день после того, как OpenAI анонсировала свою новейшую модель ИИ GPT-4o
Google представила свои самые мощные модели ИИ на фоне обострения конкуренции со стороны OpenAI. Презентация состоялась на следующий день после того, как OpenAI анонсировала свою новейшую модель ИИ GPT-4o
Forwarded from Баррель черной икры
США предупредили Raiffeisen, что доступ банка к долларовой системе может быть ограничен из-за сделок в России, узнал Reuters. По данным FT, в 2024 году Россия и Беларусь могут обеспечить до 70% всей прибыли Raiffeisen Bank International. @banki_oil
Forwarded from Димитриев (Игорь)
Технологическая удавка, с помощью которой предполагалось сдерживать рост новых индустриальных стран не работает. Почему именно не работает нужно ещё разбираться: либо действительно создали свое оборудование, либо голландская ASML сливает технологии в обход санкций. Но факт в том, что это был один из основных разделов американской стратегии.
Forwarded from Kirill Kuchkin
ServerNews - все из мира больших мощностей
DigitalBridge: энергия для ЦОД закончится через два года
Руководитель DigitalBridge Марк Ганзи (Marc Ganzi) выступил с чрезвычайно пессимистичным прогнозом. По данным Datacenter Dynamics, он уверен, что энергия для дата-центров закончится уже через два года — значительно раньше, чем прежде считали в самой компании.
Forwarded from ЕЖ
Объем российской интернет-торговли растет на десятки процентов в год. Доля онлайна в рознице уже близка к 15%, сообщили в Ассоциации компаний интернет-торговли. Потребители покупают в интернете технику, мебель, одежду, продукты питания, товары для красоты и здоровья — другими словами, почти все. В условиях не просто растущих цен, а очередного инфляционного витка уход в онлайн-магазины можно воспринимать как семейную антикризисную меру. Изучая ценники на цифровых полках, покупатели ищут оптимальное для своего бюджета соотношение цены и качества, — Независимая газета.
Forwarded from ЕЖ
На рынке IT-решений для автоматизации логистики стратегическая сделка.
Компания TRUCKER полностью выкупила платформу TorgTrans, расширив свою долю на рынке IT-решений для логистики.
TRUCKER сможет расширить свою клиентскую базу, а интеграция сервисов двух платформ откроет новые возможности для малого и среднего бизнеса, которым станет доступен весь инструментарий для развития – работа со всеми видами перевозок, встроенный электронный документооборот, включая ЭТрН, сервисы аналитики рынка и инструменты управления цифровой очередью погрузки и выгрузки транспорта на предприятии.
После объединения платформ ожидается, что к концу 2024 года на платформе TRUCKER будет выполнено более 1,6 млн рейсов. Это более 10% всего рынка FTL-перевозок.
ООО «Национальный транспортный агрегатор» (владелец платформы TRUCKER TMS) — российская компания в сфере TMS-software (Transportation Management System). Компания предлагает SaaS-решения для авто- и ЖД-логистики, доступные в веб-браузере и мобильном приложении. Ежегодно через платформу проходит более 1 млн рейсов.
Компания TRUCKER полностью выкупила платформу TorgTrans, расширив свою долю на рынке IT-решений для логистики.
TRUCKER сможет расширить свою клиентскую базу, а интеграция сервисов двух платформ откроет новые возможности для малого и среднего бизнеса, которым станет доступен весь инструментарий для развития – работа со всеми видами перевозок, встроенный электронный документооборот, включая ЭТрН, сервисы аналитики рынка и инструменты управления цифровой очередью погрузки и выгрузки транспорта на предприятии.
После объединения платформ ожидается, что к концу 2024 года на платформе TRUCKER будет выполнено более 1,6 млн рейсов. Это более 10% всего рынка FTL-перевозок.
ООО «Национальный транспортный агрегатор» (владелец платформы TRUCKER TMS) — российская компания в сфере TMS-software (Transportation Management System). Компания предлагает SaaS-решения для авто- и ЖД-логистики, доступные в веб-браузере и мобильном приложении. Ежегодно через платформу проходит более 1 млн рейсов.
Forwarded from Импорт в Россию
Минпромторг готовит меры поддержки отрасли промышленных роботов, в том числе рассматривается включение этих устройств в реестр отечественной радиоэлектроники.
Также прорабатываются и налоговые льготы, аналогичные поддержке IT-компаний, и целевое субсидирование на закупку роботов. Участники рынка утверждают, что для достижения целей, которые перед ними поставил президент РФ, не хватает 20 тыс. профильных специалистов и 800 млрд руб. инвестиций.
Также прорабатываются и налоговые льготы, аналогичные поддержке IT-компаний, и целевое субсидирование на закупку роботов. Участники рынка утверждают, что для достижения целей, которые перед ними поставил президент РФ, не хватает 20 тыс. профильных специалистов и 800 млрд руб. инвестиций.
Forwarded from Импорт в Россию
Разработчик компьютерного оборудования и IТ-решений "Аквариус" запустил производство новой модели ноутбука, который совместим с основными отечественными операционными системами: Astra Linux, "Альт", "Ред ОС", "РОСА Linux". До конца года "Аквариус" планирует произвести несколько десятков тысяч устройств.
Forwarded from DIVGEN 🚩 Карта СВО (Злобоглазка)
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Пул N3
Мощное усиление в топ-менеджменте Wildberries: одним из исполнительных директоров назначена Ольга Наумова. Ранее Наумова занимала высшие руководящие посты в ООО «Русская Рыбопромышленная Компания» (РРПК), «Пятерочке», «Магните», «Соллерсе».
При этом в целом вертикаль компании не меняется: все финальные решения остаются за гендиректором и основательницей Татьяной Бакальчук. Ольге Наумовой уже «нарезан» пул задач: улучшение логистики и развитие направления пунктов выдачи заказов.
При этом в целом вертикаль компании не меняется: все финальные решения остаются за гендиректором и основательницей Татьяной Бакальчук. Ольге Наумовой уже «нарезан» пул задач: улучшение логистики и развитие направления пунктов выдачи заказов.
Forwarded from Банкста
На Мосбирже намечается еще одна перспективная сделка из IT: IVA Technologies анонсировала IPO – планирует продать около 10% акций. Компания работает на рынке корпоративных коммуникаций. Ее флагманская разработка – платформа ВКС IVA MCU, а всего в экосистеме 14 продуктов: мессенджер, почта, бизнес-помощник и др.
Ожидается, что российский рынок корпоративных коммуникаций удвоится с текущих 81 до 164 млрд рублей к 2028 году, при этом доля российских игроков вырастет с 40% до 90%. И неудивительно – после ухода из России Zoom, Cisco, Avaya и Microsoft российские компании нуждаются в качественной замене средств связи. Государство тоже готово помогать – компенсировать затраты на внедрение российского ПО, давать налоговые льготы. Но не импортозамещением единым: в стране растет спрос на комплексные решения, повышаются требования к функционалу и безопасности средств для корпоративных коммуникаций.
В 2023 году выручка IVA Technologies увеличилась на 77% до 2,4 млрд рублей, чистая прибыль – на 75% до 1,8 млрд рублей. Чистая рентабельность составила 72%. У компании отрицательный чистый долг, что вместе со стремительными темпами роста может впоследствии, согласно дивидендной политике, гарантировать дивиденды.
@banksta
Ожидается, что российский рынок корпоративных коммуникаций удвоится с текущих 81 до 164 млрд рублей к 2028 году, при этом доля российских игроков вырастет с 40% до 90%. И неудивительно – после ухода из России Zoom, Cisco, Avaya и Microsoft российские компании нуждаются в качественной замене средств связи. Государство тоже готово помогать – компенсировать затраты на внедрение российского ПО, давать налоговые льготы. Но не импортозамещением единым: в стране растет спрос на комплексные решения, повышаются требования к функционалу и безопасности средств для корпоративных коммуникаций.
В 2023 году выручка IVA Technologies увеличилась на 77% до 2,4 млрд рублей, чистая прибыль – на 75% до 1,8 млрд рублей. Чистая рентабельность составила 72%. У компании отрицательный чистый долг, что вместе со стремительными темпами роста может впоследствии, согласно дивидендной политике, гарантировать дивиденды.
@banksta
Forwarded from Spydell_finance (Paul Spydell)
Очередная волна неистового ИИ хайпа последний месяц.
Рост рынка последний месяц связан прежде всего с анонсами ИИ моделей и ИИ-продуктов от ведущих ИТ компаний США.
Почти 1.5 года работы с различными ГИИ (ChatGPT, Gemini, Llama, Claude), есть ли в них польза и что они могут делать? Я не пишу сейчас полноценный обзор – это серия лонгридов, на которые сейчас нет времени, но попытаюсь выделить главное.
По сути, главное и самое основное предназначение ГИИ – это компрессия и декомпрессия информация, собственно, и все, а из этого уже «расщепляются» различные производные направления.
Компрессия информации - конспектирование, резюмирование, обобщение, «суммаризация» и так далее огромных массивов текстовой, аудио или видео информации по особым алгоритмам. Например, кратко пересказ YouTube ролик, книгу, инструкцию пользования или какие-либо события.
Декомпрессия информации – из ранее сжатой информации на основе логических цепочек и по заданным сценарным векторам генерировать аудио, видео или текстовый контент. Например, на основе краткой рецензии книги, сгенерированной ранее ИИ, написать похожие отзывы/рецензии или дать рекомендации по схожим литературным произведениям.
Основные сценарии использования ГИИ:
• Обобщение и интерпретация контента.
• Переводчик.
• Экспертная система / ответы на вопросы (что это означает, как это сделать, как это работает, как это исправить и т.д).
• Анализ, аналитика данных (пока самое слабое звено и хуже всего развито).
• Рерайт готовых текстов по заданным направлениям, стилям и тональности.
• Копирайтинг, написание резюме, отзывов, эссе, простых статей по заданным темам.
• Более эффективное распознавание цифрового контента (OCR документов, видео, аудио). Например, автоматическая стенограмма презентации с аудио в текст, автоматический таймкоды в видео, распознавание и структуризация документов.
• Более умный семантический поиск. Например, поиск в фото или видео определенных объектов, сюжетов и так далее. Пока все это не работает, но Google обещает интеграцию до конца года.
• Создание фото и видео с заданными условиями.
В перспективе года ГИИ модели позволяет сделать умный органайзер, структурировав документы, письма, фото и видео с заданными маркерами. Например, 30 тыс фото в библиотеке, нужно разбить по типам и сюжетам (люди, природа, города, культурные объекты и т.д.). Аналогично с документами, т.е. умная группировка и поиск по критериям. Структуризация и систематизация контента – это то, что способен делать ГИИ.
Потенциально может быть полезен, как персональный репетитор, создатель гида, проводника в различных неизведанных вопросах и направлениях, в том числе как туристический гид, неплохое пространство для роли консультанта по многим вопросам. Некая улучшенная комбинация Google + Wiki / онлайн библиотеки.
ГИИ может применяться для создания спектра идей для контента, применяться для автоматизации создания отчетов и шаблонных проектов, первичной аналитики данных.
В перспективе нескольких лет многие профессии под угрозой: переводчики, редакторы и корректоры, копирайтеры и контентмейкеры, секретари, работники службы поддержки и консультанты, дизайнеры, художники, аниматоры, программисты и аналитики начального уровня.
Тянет ли справочное бюро, переводчик, обобщение контента и умная группировка на 25 трлн долларов (кумулятивный ИИ хайп с начала 2023 по США и развитым странам) с пафосной претензией на «изменение мира ДО чатботов и ПОСЛЕ чатботов»? Крайне сомнительно.
Как это все работает на практике, удалось ли ГИИ интегрировать в проекты Spydell Technologies, есть ли в ГИИ достаточная глубина рынка и пространство для монетизации, чтобы оправдать приращение капитализации на триллионы долларов? Об этом позже.
Рост рынка последний месяц связан прежде всего с анонсами ИИ моделей и ИИ-продуктов от ведущих ИТ компаний США.
Почти 1.5 года работы с различными ГИИ (ChatGPT, Gemini, Llama, Claude), есть ли в них польза и что они могут делать? Я не пишу сейчас полноценный обзор – это серия лонгридов, на которые сейчас нет времени, но попытаюсь выделить главное.
По сути, главное и самое основное предназначение ГИИ – это компрессия и декомпрессия информация, собственно, и все, а из этого уже «расщепляются» различные производные направления.
Компрессия информации - конспектирование, резюмирование, обобщение, «суммаризация» и так далее огромных массивов текстовой, аудио или видео информации по особым алгоритмам. Например, кратко пересказ YouTube ролик, книгу, инструкцию пользования или какие-либо события.
Декомпрессия информации – из ранее сжатой информации на основе логических цепочек и по заданным сценарным векторам генерировать аудио, видео или текстовый контент. Например, на основе краткой рецензии книги, сгенерированной ранее ИИ, написать похожие отзывы/рецензии или дать рекомендации по схожим литературным произведениям.
Основные сценарии использования ГИИ:
• Обобщение и интерпретация контента.
• Переводчик.
• Экспертная система / ответы на вопросы (что это означает, как это сделать, как это работает, как это исправить и т.д).
• Анализ, аналитика данных (пока самое слабое звено и хуже всего развито).
• Рерайт готовых текстов по заданным направлениям, стилям и тональности.
• Копирайтинг, написание резюме, отзывов, эссе, простых статей по заданным темам.
• Более эффективное распознавание цифрового контента (OCR документов, видео, аудио). Например, автоматическая стенограмма презентации с аудио в текст, автоматический таймкоды в видео, распознавание и структуризация документов.
• Более умный семантический поиск. Например, поиск в фото или видео определенных объектов, сюжетов и так далее. Пока все это не работает, но Google обещает интеграцию до конца года.
• Создание фото и видео с заданными условиями.
В перспективе года ГИИ модели позволяет сделать умный органайзер, структурировав документы, письма, фото и видео с заданными маркерами. Например, 30 тыс фото в библиотеке, нужно разбить по типам и сюжетам (люди, природа, города, культурные объекты и т.д.). Аналогично с документами, т.е. умная группировка и поиск по критериям. Структуризация и систематизация контента – это то, что способен делать ГИИ.
Потенциально может быть полезен, как персональный репетитор, создатель гида, проводника в различных неизведанных вопросах и направлениях, в том числе как туристический гид, неплохое пространство для роли консультанта по многим вопросам. Некая улучшенная комбинация Google + Wiki / онлайн библиотеки.
ГИИ может применяться для создания спектра идей для контента, применяться для автоматизации создания отчетов и шаблонных проектов, первичной аналитики данных.
В перспективе нескольких лет многие профессии под угрозой: переводчики, редакторы и корректоры, копирайтеры и контентмейкеры, секретари, работники службы поддержки и консультанты, дизайнеры, художники, аниматоры, программисты и аналитики начального уровня.
Тянет ли справочное бюро, переводчик, обобщение контента и умная группировка на 25 трлн долларов (кумулятивный ИИ хайп с начала 2023 по США и развитым странам) с пафосной претензией на «изменение мира ДО чатботов и ПОСЛЕ чатботов»? Крайне сомнительно.
Как это все работает на практике, удалось ли ГИИ интегрировать в проекты Spydell Technologies, есть ли в ГИИ достаточная глубина рынка и пространство для монетизации, чтобы оправдать приращение капитализации на триллионы долларов? Об этом позже.
Forwarded from Spydell_finance (Paul Spydell)
О прикладном использовании больших языковых моделей…
Сразу к делу – есть ли положительный опыт интеграции в научно-исследовательские проекты в области экономики и финансов? Нет, ни одна модель не функциональна, ничего не работает.
Есть две критические и пока неразрешимые проблемы на архитектурном уровне самих моделей ГИИ.
Первое – нет вшитого контроля верификации выходных данных и корректности интерпретации. Другими словами, ГИИ не способен оценивать корректности и адекватность сгенерированного контента, нет встроенного критерия истинности.
Современные модели ГИИ не обладают критическим мышлением и верификатором результатов, что в контексте работы LLM означает: выявление логических связей и противоречий, оценка аргументов и доказательств, анализ данных и источников, адаптация выходного результата в контекст условий.
Доступные на сегодняшний день LLM:
• Не проверяют достоверность источников информации и не различают надежные данные от ненадежных.
• Не способны самостоятельно выявлять логические ошибки или противоречия в своих ответах.
• Не могут критически оценивать представленные аргументы и доказательства.
• Не могут адекватно адаптировать свои ответы к специфическим условиям или контексту задачи.
LLM обучаются на сверх больших массивах данных, изначальная достоверность которых под сомнением, и в этом наборе информационного мусора пытают происходит компрессия данных и определение весов.
Те данные, на которых были обучены LLM изначально могут содержать ошибки, предвзятость и недостоверную информацию, а следовательно обучение часто строиться на ложных сведениях.
В некотором смысле веса в больших языковых моделях (LLM) определяют иерархию интерпретации информации, позволяя модели распознавать иерархические и контекстуальные зависимости в данных. Иначе говоря, веса определяют меру связанности информационных блоков, как одна часть информации влияет на другую часть информации.
Что это означает на практике? LLM крайне неэффективны в разработке инновационных смысловых конструкций и интерпретации изначально противоречивой информации, производя сложные многоуровневые оценки факторов, обстоятельств и зависимостей.
ГИИ могут быть эффективны в интерпретации общепризнанных наиболее популярных фактов регулярного характера, но не способы выстраивать иерархию приоритетов и многоуровневую композицию факторов риска в неоднозначном и неструктурированном наборе данных, вектор распределения которых не прогнозируем.
Следовательно, сложная аналитика процессов и событий не подвластна ГИИ, поэтому в ГИИ нет интеллекта в широком понимании. Это высоко эрудированная система, которая достаточно тупа в понимании связей и зависимостей сложных систем, а социология, психология, политология, экономика – это как раз те области, где нет жесткой структуризации данных и нет однозначности в интерпретации.
Можно формализовать математику или физику (здесь ГИИ в перспективе 3-5 лет может добиться успехов), но нельзя формализовать мотивы и действия социума, поэтому ГИИ не может управлять бизнес-процессами, не может прогнозировать и оценивать все те области, где задействован человек (финансы, экономика, социология, политика и т.д.).
К чему это приводит? ГИИ генерируют огромное количество контента, который на прикладных задачах практически невозможно применять из-за отсутствия достоверности.
В идеале система должна работать, как микропрограмма в процессоре, где повторение опытов всегда дает один и тот же результат – есть однозначность и прогнозируемость. В ГИИ слишком широкий диапазон допусков.
В итоге время и ресурсы на проверку результатов работы ГИИ превосходят любую потенциальную выгоду. Проще говоря, ГИИ слишком завораживающее фейкометят, чтобы использовать их в серьезных исследованиях и бизнес-процессах.
Низкая достоверность выходного контента вшита на уровне архитектуры LLM, поэтому проблема неисправима ни сейчас, ни в ближайшем будущем.
Вторая проблема – необучаемость и ограниченная длина контекстного окна. Эта тема требует отдельного обзора.
Сразу к делу – есть ли положительный опыт интеграции в научно-исследовательские проекты в области экономики и финансов? Нет, ни одна модель не функциональна, ничего не работает.
Есть две критические и пока неразрешимые проблемы на архитектурном уровне самих моделей ГИИ.
Первое – нет вшитого контроля верификации выходных данных и корректности интерпретации. Другими словами, ГИИ не способен оценивать корректности и адекватность сгенерированного контента, нет встроенного критерия истинности.
Современные модели ГИИ не обладают критическим мышлением и верификатором результатов, что в контексте работы LLM означает: выявление логических связей и противоречий, оценка аргументов и доказательств, анализ данных и источников, адаптация выходного результата в контекст условий.
Доступные на сегодняшний день LLM:
• Не проверяют достоверность источников информации и не различают надежные данные от ненадежных.
• Не способны самостоятельно выявлять логические ошибки или противоречия в своих ответах.
• Не могут критически оценивать представленные аргументы и доказательства.
• Не могут адекватно адаптировать свои ответы к специфическим условиям или контексту задачи.
LLM обучаются на сверх больших массивах данных, изначальная достоверность которых под сомнением, и в этом наборе информационного мусора пытают происходит компрессия данных и определение весов.
Те данные, на которых были обучены LLM изначально могут содержать ошибки, предвзятость и недостоверную информацию, а следовательно обучение часто строиться на ложных сведениях.
В некотором смысле веса в больших языковых моделях (LLM) определяют иерархию интерпретации информации, позволяя модели распознавать иерархические и контекстуальные зависимости в данных. Иначе говоря, веса определяют меру связанности информационных блоков, как одна часть информации влияет на другую часть информации.
Что это означает на практике? LLM крайне неэффективны в разработке инновационных смысловых конструкций и интерпретации изначально противоречивой информации, производя сложные многоуровневые оценки факторов, обстоятельств и зависимостей.
ГИИ могут быть эффективны в интерпретации общепризнанных наиболее популярных фактов регулярного характера, но не способы выстраивать иерархию приоритетов и многоуровневую композицию факторов риска в неоднозначном и неструктурированном наборе данных, вектор распределения которых не прогнозируем.
Следовательно, сложная аналитика процессов и событий не подвластна ГИИ, поэтому в ГИИ нет интеллекта в широком понимании. Это высоко эрудированная система, которая достаточно тупа в понимании связей и зависимостей сложных систем, а социология, психология, политология, экономика – это как раз те области, где нет жесткой структуризации данных и нет однозначности в интерпретации.
Можно формализовать математику или физику (здесь ГИИ в перспективе 3-5 лет может добиться успехов), но нельзя формализовать мотивы и действия социума, поэтому ГИИ не может управлять бизнес-процессами, не может прогнозировать и оценивать все те области, где задействован человек (финансы, экономика, социология, политика и т.д.).
К чему это приводит? ГИИ генерируют огромное количество контента, который на прикладных задачах практически невозможно применять из-за отсутствия достоверности.
В идеале система должна работать, как микропрограмма в процессоре, где повторение опытов всегда дает один и тот же результат – есть однозначность и прогнозируемость. В ГИИ слишком широкий диапазон допусков.
В итоге время и ресурсы на проверку результатов работы ГИИ превосходят любую потенциальную выгоду. Проще говоря, ГИИ слишком завораживающее фейкометят, чтобы использовать их в серьезных исследованиях и бизнес-процессах.
Низкая достоверность выходного контента вшита на уровне архитектуры LLM, поэтому проблема неисправима ни сейчас, ни в ближайшем будущем.
Вторая проблема – необучаемость и ограниченная длина контекстного окна. Эта тема требует отдельного обзора.