This media is not supported in your browser
VIEW IN TELEGRAM
#unrealneural
PolyDiff
Диффузия 3D-полигонов ❤
Выглядит нереально нейронно!
PolyDiff — это инновационная диффузионная модель, которая напрямую создаёт реалистичные и разнообразные 3D-полигональные сетки, работая с геометрией вершин и топологией граней. Используя трансформерную сеть для денойзинга, она постепенно восстанавливает зашумлённые треугольные грани, генерируя высококачественные сетки для 3D объектов .
https://arxiv.org/abs/2312.11417
PolyDiff
Диффузия 3D-полигонов ❤
Выглядит нереально нейронно!
PolyDiff — это инновационная диффузионная модель, которая напрямую создаёт реалистичные и разнообразные 3D-полигональные сетки, работая с геометрией вершин и топологией граней. Используя трансформерную сеть для денойзинга, она постепенно восстанавливает зашумлённые треугольные грани, генерируя высококачественные сетки для 3D объектов .
https://arxiv.org/abs/2312.11417
❤5🔥4👍3
Forwarded from BIM Координатор
#Статья: «Привет, ChatGPT, закончи этот дом…»
Спойлер: не закончит. Максимум, посчитает бетон и напишет имейл в вежливом тоне.
👉 Согласно свежему отчёту Microsoft, Ручной труд, самый «AI-устойчивый». Анализ ОЭСР 2024 показывает: профессии, опирающиеся на физические навыки и силу (строители, рабочие, монтажники), имеют низкую экспозицию к ИИ.
Я последние пару лет пишу скрипты, пушу фасады в Revit одним кликом, собираю MCP-ботов, который понимает «поставь виды на листы» без танцев с бубном.
🗺Но каждый раз, выезжая на объект или открывая чертежи с живой геодезией, ловлю одно и то же ощущение: ближайшее будущее, это каска + айпад.
ИИ съедает рутину: чертежи, спецификации, проверка параметров, всё, что можно описать алгоритмом, улетает в скрипты.
🫥 Физика, контекст и ответственность остаются у людей: на стройке нет Ctrl+Z. Ошибся, бетон застыл, каменщик ушёл, заказчик недоволен.
🧘♀️ AI сильнее бьёт по когнитивным офисным задачам. Brookings в 2024-м оценили: более 30% работников могут столкнуться с тем, что половина их задач будет «потревожена» генеративным ИИ, в основном это средне- и высокооплачиваемые «умственные» роли.
Но эффект, в первую очередь дополнение, а не замена. Исследование MIT Sloan (март 2025) подчёркивает: ИИ чаще дополняет людей, чем вытесняет их.
Похожий вывод сделал и Anthropic, изучив 1 млн взаимодействий: ИИ автоматизировал/усилил около 25% задач к концу 2024 года, причём «усиление» преобладает.
😞 Гибридная модель выигрывает: мы не «заменяем профессию», мы меняем распределение усилий. 80% рутины в автоматизацию, 20% на мозг и решение. Цель, увеличение объема качественно выполненных задач.
Спойлер: не закончит. Максимум, посчитает бетон и напишет имейл в вежливом тоне.
👉 Согласно свежему отчёту Microsoft, Ручной труд, самый «AI-устойчивый». Анализ ОЭСР 2024 показывает: профессии, опирающиеся на физические навыки и силу (строители, рабочие, монтажники), имеют низкую экспозицию к ИИ.
Я последние пару лет пишу скрипты, пушу фасады в Revit одним кликом, собираю MCP-ботов, который понимает «поставь виды на листы» без танцев с бубном.
🗺Но каждый раз, выезжая на объект или открывая чертежи с живой геодезией, ловлю одно и то же ощущение: ближайшее будущее, это каска + айпад.
ИИ съедает рутину: чертежи, спецификации, проверка параметров, всё, что можно описать алгоритмом, улетает в скрипты.
Но, надо осознавать, что победит тот, кто автоматизирует своё ремесло быстрее, чем ремесло автоматизирует его.
Но эффект, в первую очередь дополнение, а не замена. Исследование MIT Sloan (март 2025) подчёркивает: ИИ чаще дополняет людей, чем вытесняет их.
Похожий вывод сделал и Anthropic, изучив 1 млн взаимодействий: ИИ автоматизировал/усилил около 25% задач к концу 2024 года, причём «усиление» преобладает.
Please open Telegram to view this post
VIEW IN TELEGRAM
⚡5❤4🔥2👍1
#unrealneural
Машинное обучение (ML) в медицине: обзор, приложения и проблемы
https://www.mdpi.com/2227-7390/9/22/2970
Машинное обучение (ML) в медицине: обзор, приложения и проблемы
https://www.mdpi.com/2227-7390/9/22/2970
❤2👍2⚡1
#unrealneural
AI-Researcher: Autonomous Scientific Innovation
Помогает формулировать исследовательские идеи и автономно делать обзор литературы, идей, помогает в реализации алгоритмов, экспериментов и составлении рукописей с помощью контейнерных многоагентных конвейеров LLM.
https://github.com/HKUDS/AI-Researcher
AI-Researcher: Autonomous Scientific Innovation
Помогает формулировать исследовательские идеи и автономно делать обзор литературы, идей, помогает в реализации алгоритмов, экспериментов и составлении рукописей с помощью контейнерных многоагентных конвейеров LLM.
https://github.com/HKUDS/AI-Researcher
❤3🔥3⚡2
This media is not supported in your browser
VIEW IN TELEGRAM
#unrealneural
FLUX Krea
FLUX Krea — это новая модель генерации изображений с открытым исходным кодом.
https://www.krea.ai/apps/image/flux-krea
FLUX Krea
FLUX Krea — это новая модель генерации изображений с открытым исходным кодом.
https://www.krea.ai/apps/image/flux-krea
❤3👍3⚡2
Forwarded from Сиолошная
This media is not supported in your browser
VIEW IN TELEGRAM
Вот так вот выглядит генерация ответа в Windsurf. Видео не ускорено :)
И нет, вы не подумайте — под капотом достаточно большая и умная модель, а не глупая поделка. Если верить бенчмаркам то она и GPT-4.1 обходит, хотя тут я немного скептичен. Но разрыв даже если и есть, то очень небольшой.
Например, на ReBench на свежих задачах модель вообще заняла топ-1, обогнав Claude 4 Sonnet и o3 (правда там всего 34 задачи, но модель точно не плетётся в конце. Саша, доколе????).
И нет, вы не подумайте — под капотом достаточно большая и умная модель, а не глупая поделка. Если верить бенчмаркам то она и GPT-4.1 обходит, хотя тут я немного скептичен. Но разрыв даже если и есть, то очень небольшой.
Например, на ReBench на свежих задачах модель вообще заняла топ-1, обогнав Claude 4 Sonnet и o3 (правда там всего 34 задачи, но модель точно не плетётся в конце. Саша, доколе????).
🔥3⚡1❤1
This media is not supported in your browser
VIEW IN TELEGRAM
#unrealneural
BANG — это инструмент для разделения моделей 3D предназначенный для художников, вероятно.
Можно разделять части с помощью BBox, Surface Points или даже текстовых подсказок.
https://huggingface.co/papers/2507.21493
BANG — это инструмент для разделения моделей 3D предназначенный для художников, вероятно.
Можно разделять части с помощью BBox, Surface Points или даже текстовых подсказок.
https://huggingface.co/papers/2507.21493
👍5❤🔥2❤2⚡1
#unrealneural
Исследователи разработали модель ИИ с 27 миллионами параметров, вдохновлённую мозгом, использующую иерархическую обработку, стабильную сходимость, приблизительный градиент, глубокое наблюдение и адаптивное вычислительное время. Её эффективность может заключаться в превосходящей производительности при меньших вычислительных затратах по сравнению с моделями вроде o3-mini и R1, особенно в задачах с длительным контекстом и последовательной обработкой.
https://arxiv.org/abs/2506.21734
Исследователи разработали модель ИИ с 27 миллионами параметров, вдохновлённую мозгом, использующую иерархическую обработку, стабильную сходимость, приблизительный градиент, глубокое наблюдение и адаптивное вычислительное время. Её эффективность может заключаться в превосходящей производительности при меньших вычислительных затратах по сравнению с моделями вроде o3-mini и R1, особенно в задачах с длительным контекстом и последовательной обработкой.
https://arxiv.org/abs/2506.21734
❤3⚡1🔥1🤔1
#unrealneural
Тенденции в неврологии
В статье описывается нарастающий тренд объединения карт мозга из различных научных дисциплин, чтобы глубже изучить структуру и его функции. Обращается внимание на сложности, связанные с интерпретацией этих карт, включая установление точных связей между особенностями мозга и преодоление различий в уровнях детализации. Переход к командной междисциплинарной работе в нейронауках помогает решать эти задачи и расширять знания о мозге.
https://www.cell.com/trends/neurosciences/fulltext/S0166-2236(25)00124-9
Тенденции в неврологии
В статье описывается нарастающий тренд объединения карт мозга из различных научных дисциплин, чтобы глубже изучить структуру и его функции. Обращается внимание на сложности, связанные с интерпретацией этих карт, включая установление точных связей между особенностями мозга и преодоление различий в уровнях детализации. Переход к командной междисциплинарной работе в нейронауках помогает решать эти задачи и расширять знания о мозге.
https://www.cell.com/trends/neurosciences/fulltext/S0166-2236(25)00124-9
❤6⚡5👍2🔥2
#unrealneural
Sakana AI: как превратить идеи в реальные технологии
В интервью от 29 июля команда Sakana AI рассказала, зачем они создали новую Applied Team: чтобы не просто проводить исследования, а делать из них работающие решения для бизнеса.
Фокус — на том, чтобы учёные и инженеры работали вместе над практическими задачами, а не «в теории».
Ключевые методы, которые использует Applied Team Sakana AI:
1. Связь между исследованием и продуктом
Applied Team служит мостом между командой фундаментальных исследований и реальными кейсами применения. Задача — быстро адаптировать и тестировать идеи из лаборатории в продуктах.
2. Работа в «малых, но автономных» командах
Каждая мини-группа отвечает за полный цикл: от идеи до внедрения. Это ускоряет эксперименты и принятие решений.
3. Совместное проектирование с конечными пользователями
Команда активно работает с потенциальными заказчиками и промышленными партнёрами, чтобы точно понимать реальные потребности и ограничения.
4. Итеративный подход: MVP → Feedback → Refinement
Быстрая разработка минимального жизнеспособного решения (MVP), сбор обратной связи и доработка на основе реального опыта.
5. Инженеры = соавторы решений, а не просто исполнители
Инженеры вовлечены в осмысление, как использовать конкретную технологию, а не просто реализуют готовое ТЗ.
Исследования, которые не пылятся на полке — а меняют индустрию.
https://sakana.ai/applied-team-interview-2025/
Sakana AI: как превратить идеи в реальные технологии
В интервью от 29 июля команда Sakana AI рассказала, зачем они создали новую Applied Team: чтобы не просто проводить исследования, а делать из них работающие решения для бизнеса.
Фокус — на том, чтобы учёные и инженеры работали вместе над практическими задачами, а не «в теории».
Ключевые методы, которые использует Applied Team Sakana AI:
1. Связь между исследованием и продуктом
Applied Team служит мостом между командой фундаментальных исследований и реальными кейсами применения. Задача — быстро адаптировать и тестировать идеи из лаборатории в продуктах.
2. Работа в «малых, но автономных» командах
Каждая мини-группа отвечает за полный цикл: от идеи до внедрения. Это ускоряет эксперименты и принятие решений.
3. Совместное проектирование с конечными пользователями
Команда активно работает с потенциальными заказчиками и промышленными партнёрами, чтобы точно понимать реальные потребности и ограничения.
4. Итеративный подход: MVP → Feedback → Refinement
Быстрая разработка минимального жизнеспособного решения (MVP), сбор обратной связи и доработка на основе реального опыта.
5. Инженеры = соавторы решений, а не просто исполнители
Инженеры вовлечены в осмысление, как использовать конкретную технологию, а не просто реализуют готовое ТЗ.
Исследования, которые не пылятся на полке — а меняют индустрию.
https://sakana.ai/applied-team-interview-2025/
❤3👍3🔥3👏1
#unrealneural #пытаюсьпонять
Кто на самом деле изобрёл сверточные нейронные сети (CNN)?
В 1980 году Кунихико Фукусима предложил неокогнитрон — первую архитектуру с иерархией свёрток и pooling, инвариантную к смещению.
Лишь через 10 лет Лекун добавил обучение с учителем, но фундамент был заложен в Японии.
Многие идеи в ИИ созданы давно — сегодня мы не изобретаем, а масштабируем то, что раньше казалось невозможным.🤗
https://www.rctn.org/bruno/public/papers/Fukushima1980.pdf
Кто на самом деле изобрёл сверточные нейронные сети (CNN)?
В 1980 году Кунихико Фукусима предложил неокогнитрон — первую архитектуру с иерархией свёрток и pooling, инвариантную к смещению.
Лишь через 10 лет Лекун добавил обучение с учителем, но фундамент был заложен в Японии.
Многие идеи в ИИ созданы давно — сегодня мы не изобретаем, а масштабируем то, что раньше казалось невозможным.🤗
https://www.rctn.org/bruno/public/papers/Fukushima1980.pdf
❤8👍5🔥3
Forwarded from Neural Shit
This media is not supported in your browser
VIEW IN TELEGRAM
Наконец-то нормальная капча
😁10❤5🔥4🤣4💩1
#unrealneural
OASIS — масштабируемый симулятор соцсетей с открытым кодом! Использует крупные языковые модели для реалистичной имитации поведения до 1 млн пользователей на платформах вроде Twitter и Reddit. Можно симулировать изучать социальные явления: распространение информации, групповая поляризация, стадное поведение. Универсальный инструмент для анализа цифровой динамики и взаимодействия пользователей!
https://github.com/camel-ai/oasis
OASIS — масштабируемый симулятор соцсетей с открытым кодом! Использует крупные языковые модели для реалистичной имитации поведения до 1 млн пользователей на платформах вроде Twitter и Reddit. Можно симулировать изучать социальные явления: распространение информации, групповая поляризация, стадное поведение. Универсальный инструмент для анализа цифровой динамики и взаимодействия пользователей!
https://github.com/camel-ai/oasis
🔥6❤3👍2