‼️
Срочно меняйте пароли на гугле, если важное что-то есть

#hack #net #google #fb #check #pass #imp

Миллионы учётных записей Gmail, Фейсов(буков) и банковских логинов попали в сеть с помощью вредоносного ПО

пруф 1 ... на wired.com
пруф 2 ... на kod.ru

«База данных, содержащая 149 миллионов имён пользователей и паролей учётных записей, в том числе 48 млн для Gmail, 17 млн для Facebook* и 420 000 для криптовалютной платформы Binance, была удалена после того, как исследователь сообщил об этом хостинг-провайдеру», — рассказывается в статье.

📌 @tech_di

#ai #howto #neuro #pic #work #llm #word

#ps
Немного подробнее о том, как сжимает нейросеть образы 😐

Продолжение для странички блокнота:
https://t.me/tech_di/4231

На картинках примерное представление "для человеческого восприятия" как сжимаются данные для обучения нейросетей

Далее простым языком о сложном,.. так, что бы убрать самые непонятные моменты 😉

💡
А теперь представьте, что нейросети дали в обучение сотни миллионов фото разных псов.
Нейронка при запросе "нарисуй собаку", уже сможет изобразить очень приблизительно, но собаку. Будут кипения, будут проблемы с породой, будет просто коллаж ... Потому что у нейросети ещë нет саязей о том, как отличаются пропорции тела, цвета и других сотен параметров, которые определяют конкретную породу, конкретное предствавление собаки по запросу и т.д.

Решалось это самым простым способом: увеличением мощности железа и колличеством параметров конструктора для нейросети ...

---

Дальше без картинок, дальше нужно воображение 😅

Для обучения нейросетей в части распознавания собачьих нужно понимать их породу, опознавать в любом положении, в любом ракурсе на фото, с любыми пятнами, бликами, цветами и т.д.

🪙
Следующий этап обучения нейросетей состоял в выделении разных признаков и объектов в объекте

То есть предварительно учили нейро-сети что такое ухо, что такое глаз, нос, ноги, руки, лапы, хвост и т.д.

📊
Даëтся для обучения эталонный набор фото, где точно известно какая порода (это размечалось много в ручную на первых этапах)

Вот уже базу миллионов фото собак можно хотя бы с точностью в 80-90% определить по породе по признакам размеров разных частей тела

🔨
И потом ещë раз обучение на всех миллионах фото пëселей (собак), но уже перед обжатием выделяя признаки частей тела, характеристики окраса, размеров и т.п.

Добивались 95%+ точности определения при обратном анализе ...


То есть по тестовому материалу нейросеть МАТЕМАТИЧЕСКИ должна была с очень высокой степенью достоверности дать ответ по МИЛЛИАРДАМ проанализированных характеристик, которые при обучении были сохранены

...

Итого:
Тотальное большинство нынешних ИИ -- это вероятностные машины, которые дают наиболее вероятный ответ на ваш вопрос (в том числе учитывая всю вашу переписку)

😏
Как в примере с картинкой пëселя выше, точно так же всë работает и для образов текста, предложений и целых образных словесных картин

То есть в большинстве случаев вы общаетесь с очень сложной математической моделью, которая оперирует уже триллионами параметров ... Которые учитывают и интонацию ваших сообщений и могут понимать ваш психотип, что бы подстраиваться под ваш стиль и давать отличную "среднюю температуру по больничке", которую вы так от этой модели хотите ...

А инженерные промты, которые встраивают разработчики в свои продукты, учитываются при КАЖДОМ запросе пользователя 🤩

📌 @tech_di