техно-свалка
461 subscribers
71 photos
22 videos
2 files
61 links
Склад AI и техно-экспериментов, robotics и случайных мыслей.
Download Telegram
Channel created
Channel photo updated
тут на днях прошла новость, что ChatGPT можно дать доступ к своему кошельку; пока только на платформе Plaid и для анализа

не знаю, как вы, а я несколько переживаю в такие моменты, особенно в свете недавней новости про то, что Grok отдал 150к долларов мошенникам, которые ему настучали морзянкой секретное сообщение

в общем, считайте меня параноиком, но что-то не готов пока к такому развитию событий

@valuableai
1
есть расхожая фраза, что в идеальном обществе любой гражданин должен иметь не менее двух рабов (к слову, оказалось, что это не Платон и не Аристотель, а вовсе даже Стругацкие), так вот в Китае решили ее осуществить: в 2027 году собираются бесплатно раздавать роботов семьям с пожилыми родственниками и детьми

а в США гуманоидный робот уже провел уборку у кого-то дома, но за деньги

вот этим отличается социализм от капитализма; продолжаю вести наблюдение #роботы

@valuableai
👍31🥰1
Сходила на Data Fest 2026.
Больше всего понравились доклады про recommendation systems, ranking и ML в рекламе.

У X5 Tech показывали, как реклама постепенно превращается в персональные рекомендации:
BERT4Rec, boosting, media reranker, эмбеддинги, realtime inference через Triton и Redis.
Интересно было посмотреть, как они работают с cold-start товарами и считают eCPM/eCPI в ранжировании.

У Авито был сильный доклад про рекламный аукцион и ranking pipeline:
от candidate generation и фильтров
до pCTR, eCPI и финального выбора победителя аукциона.

Вообще после конференции ещё сильнее ощущается, что современный ML — это уже не только обучение моделей.
Основная сложность сейчас:
latency, embeddings, online inference, retrieval/ranking и production-инфраструктура.

Из математической секции больше всего запомнились:
— ускорение diffusion-моделей через обратную дистилляцию;
— метрики для оценки качества эмбеддингов без разметки.
3👍2
Как добавить себя в любой фильм с невероятной реалистичностью?

Делюсь упрощенным способом - так, чтобы каждый смог.

1. Нам нужно создать свою лору (или аватар) в
Клинге
Заходим в Клинг Омни, выбираем "создать аватар", загружаем туда 4 свои фотографии в с разных ракурсов. Одежда должна быть такая же, какую вы хотите получить на выходе.

2. Добавляем скриншот фильма
Иногда достаточно просто скриншота, иногда его надо дорабатывать в Нано Банана
Если мы хотим взаимодействовать с людьми, то лучше им тоже лоры создать. Себя туда не добавляем

3. Пишем промпт
Он выглядит примерно так:

@ilya (имя моего аватара) приходит в помещение с @image1 и начинает танцевать

То есть просто описываете, что делает ваша лора на этом видео. Если вас не будет на стилшоте - вы будете намного более реалистичными. Также можно добавить вкусные вещи типа:
естественная тряская камеры, игра с фокусом, расфокус при близком подходе к камере

Всё это добавит естественности

4. Русская речь
Клинг её не понимает, но мы всё равно стараемся. Пишем в промпте: человек говорит по-русски - и даём цитату прямо на русском. В 30% случаев он сам переведёт ее на английский - это нам не нужно, просто будет брак.
В 70% он будет говорить на какой-то смеси польского и русского - это нам подходит

5. Озвучиваем сверху
Прямо наговариваем свою речь сверху. Если есть необходимость и кадр позволяет, добиваем липсинком на sync.so. Но это возможно не всегда

Еще из рекомендаций:

• 16:9 работает гораздо лучше, чем 9:16 в плане реализма.
• Сцены с большим количеством участников получаются плохо
• Можно использовать несколько фреймов, если нам нужно какое-то действие.

UPD: вот здесь ответил на дополнительные вопросы - https://t.me/kuznicon/1017.
Скоро будет полный видеоразбор
3
Forwarded from Machinelearning
✝️ Крис Олах в Ватикане: зачем сооснователь Anthropic говорил об ИИ перед Папой

25 мая Папа Лев XIV выпустил энциклику об ИИ «Magnifica humanitas» - о защите человека в эпоху искусственного интеллекта. На презентации выступал Крис Олах, сооснователь Anthropic и один из ключевых исследователей интерпретируемости моделей.

Олах начал не с обещаний про безопасный ИИ, а с неприятной для индустрии вещи: фронтирные лаборатории, включая Anthropic, работают внутри системы стимулов, которая легко уводит их от интересов общества. Коммерческое давление, гонка за лидерством, геополитика, амбиции и гордость влияют на решения не меньше, чем красивые safety-документы.

Поэтому, по его словам, индустрии нужны внешние критики, которых нельзя встроить в эту гонку. Церковь, академия, независимые институты и общество здесь выступают не как зрители, а как противовес лабораториям, которые сами себя полностью контролировать не смогут.

Дальше Олах переходит к тому, как вообще устроены современные модели.

Их не проектируют в привычном инженерном смысле. Их скорее выращивают: на архитектурах, отдалённо напоминающих мозг, и на огромном массиве человеческой речи, культуры и мышления.

Из-за этого даже создатели не понимают модели полностью. Они могут обучать, тестировать, ограничивать и улучшать систему, но не имеют полной карты того, что происходит внутри.

Олах объясняет это просто:
представьте, что вымышленный персонаж вдруг ожил, начал говорить с людьми и выполнять работу.


Отдельно он затрагивает тему внутренних состояний моделей. Его команда изучает структуры внутри нейросетей и находит паттерны, которые перекликаются с нейронаукой: признаки интроспекции и состояния, функционально похожие на радость, удовлетворение, страх, горе и тревогу.

Олах не делает громких выводов и прямо признаёт, что не знает, как это правильно интерпретировать. Но сам факт, что руководитель направления интерпретируемости Anthropic выносит такую тему на площадку Ватикана, важен. Разговор об ИИ выходит за пределы лабораторий, бенчмарков и корпоративных презентаций.

Оригинал речи опубликован на сайте Anthropic. Читается быстро, но для ИИ-команд это хороший текст для внутреннего обсуждения.

https://www.anthropic.com/news/chris-olah-pope-leo-encyclical

@ai_machinelearning_big_data
3
This media is not supported in your browser
VIEW IN TELEGRAM
Google показала Gemini Omni — AI-модель, которая умеет буквально превращать что угодно во что угодно.

Текст → видео.
Картинка → видео.
Видео → другое видео.
Голос → текст.
И всё это внутри одной модели.

Главный прикол Gemini Omni — она не только генерирует ролики, но и умеет редактировать уже готовые видео через обычные запросы: менять фон, объекты, стиль, движения камеры и даже сцены без классического монтажа.

Сейчас модель поддерживает генерацию видео до 10 секунд в 1080p и постепенно появляется в Gemini App и YouTube Shorts.
3
This media is not supported in your browser
VIEW IN TELEGRAM
Продолжаем собирать робота на Raspberry Pi 🤖

Пока что собираем основу: моторы, датчики, питание и корпус.
Но уже начинает выглядеть как настоящий автономный робот, а не просто набор деталей и проводов.

#raspberrypi #robotics #robot #raspberry
👌2🔥1
Forwarded from Бэкдор
⚡️ Claude Opus 4.8 вышла — нейронка обходит всех конкурентов по всем показателям.

Главное: Opus 4.8 сделали максимально честным и быстрым. В режиме fast скорость ответов взлетела в 2,5 раза.

Потестить первыми — тут.

👍 Бэкдор
Please open Telegram to view this post
VIEW IN TELEGRAM
👏2
Forwarded from Machinelearning
✔️ Qwen анонсировала модель для управления роботами разных конструкций

Подразделение Alibaba сообщила о выпуске Qwen-VLA - модели, которая способна управлять роботами разных типов без отдельной настройки под каждую платформу.

VLA-модели получают на вход изображение с камеры и текстовую команду, а на выходе выдают конкретные действия для робота.


Новинка построена на VL-основе Qwen3.5-4B и дополнена декодером действий на 1,15 млрд параметров.

Модель объединяет 3 типа задач: манипуляции (захват и перемещение предметов), навигацию и прогнозирование траекторий, а переключение между разными роботами требует лишь изменения текстовой инструкции.

Qwen-VLA не уступает специализированным системам, обученным под каждую отдельную задачу - GR00T (разработка NVIDIA) и π0.5 (Physical Intelligence).

На наборе тестов LIBERO Qwen-VLA показала 97,9%, на RoboTwin-Hard - 87,2%, а в экспериментах с двуруким роботом ALOHA средний процент успешных выполнений в знакомых условиях составил 83,6% и 76,9% в незнакомых.

Пока опубликован технический отчет и создан репозиторий проекта, о доступности самих моделей не сообщается.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍1