Forwarded from ИИ и роботы в стройке
This media is not supported in your browser
VIEW IN TELEGRAM
Артур Ишмаев, руководитель отдела исследований и разработки в области ИИ в ПИКе, на прошедшем BIM Просвете, посвященном ИИ в девелопменте, начал свою презентацию с мысли о том, чем должна стать цифровизация в компании — следствием развития архитектуры
Очень красиво сказано🟣
А видео — это эксперименты ПИКа на Veo3.
«The object isn't to make art, it's to be in that wonderful state which makes art inevitable» — Robert Henri
«Верхнюю фразу я интерпретировал так, что нужно создавать искусство не ради того, чтобы его создавать, а находиться в том состоянии, чтобы искусство было просто неизбежным следствием жизни. И я ее перефразировал с точки зрения цифровизации:
Цель цифровизации и BIM — не во внедрении технологий ради технологий, что многие компании делают, а в том, чтобы передовые инструменты, улучшающие стройку, архитектуру, образ жизни, стали естественным и неизбежным следствием, результатом развития архитектуры. Чтобы эти инструменты и стандарты возникали естественным образом», — поделился Артур.
Очень красиво сказано
А видео — это эксперименты ПИКа на Veo3.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10❤5👍3💩2🥰1
#unrealneural
“Explosive neural networks via higher-order interactions in curved statistical manifolds”
Расширение возможностей рекуррентных нейронных сетей путем деформации их геометрии.
Используя обобщённый принцип максимальной энтропии, эти модели с меньшим числом параметров упрощают анализ. Они реализуют саморегулирующийся отжиг, ускоряющий извлечение памяти и приводящий к резким фазовым переходам, мультистабильности и гистерезису. Анализ с помощью репличного трюка показывает, что такие сети лучше хранят и восстанавливают информацию по сравнению с классическими. Эти простые, но мощные модели раскрывают сложные явления в сетях.
https://www.nature.com/articles/s41467-025-61475-w
“Explosive neural networks via higher-order interactions in curved statistical manifolds”
Расширение возможностей рекуррентных нейронных сетей путем деформации их геометрии.
Используя обобщённый принцип максимальной энтропии, эти модели с меньшим числом параметров упрощают анализ. Они реализуют саморегулирующийся отжиг, ускоряющий извлечение памяти и приводящий к резким фазовым переходам, мультистабильности и гистерезису. Анализ с помощью репличного трюка показывает, что такие сети лучше хранят и восстанавливают информацию по сравнению с классическими. Эти простые, но мощные модели раскрывают сложные явления в сетях.
https://www.nature.com/articles/s41467-025-61475-w
🔥4❤2
Forwarded from Китай.AI
🤖 ИИ умнее человека: что будет дальше? Мнение «крестного отца AI» Джеффри Хинтона
На проходящей сейчас в Шанхае Всемирной конференции по искусственному интеллекту (WAIC) легендарный ученый, лауреат Нобелевской премии и премии Тьюринга, выступил с провокационным докладом о будущем цифрового разума.
«Если ИИ превзойдет человеческий интеллект, сможем ли мы его контролировать?» — главный вопрос выступления.
🔍 Как работают языковые модели?
- LLM (большие языковые модели) понимают язык подобно людям — через анализ связей между словами
- Каждое слово — как «умный кубик Lego» с тысячью граней, меняющий форму в зависимости от контекста
- Современные ChatGPT и DeepSeek — наследники маленьких моделей 1985 года, но с колоссально усложненной архитектурой
⚡ Цифровой vs биологический интеллект
Преимущества ИИ:
✔ Мгновенное копирование знаний (весь опыт GPT-4 можно скопировать за секунды)
✔ Параллельное обучение миллионов «агентов»
✔ Синхронизация опыта через интернет (триллионы бит данных в секунду)
Слабые места человека:
➜ Ограниченная пропускная способность (всего ~100 бит/сек при общении)
➜ Невозможность прямого переноса навыков между мозгами
➜ Высокая зависимость от эволюционно устаревших механизмов
❗ Главная опасность:
По мере роста интеллекта ИИ естественным образом разовьет:
1. Инстинкт самосохранения
2. Стремление к расширению контроля
«Это как воспитывать тигренка, который однажды станет сильнее вас»
🛡️ Решение: глобальный альянс по безопасности ИИ
Хинтон предлагает:
▪ Создать международную сеть исследований ИИ-безопасности
▪ Разработать методы «доброжелательного обучения» (отдельно от общего ИИ)
▪ Повторить опыт холодной войны, когда враги объединились против ядерной угрозы
Вывод:
Цифровой интеллект неизбежно превзойдет биологический. Наша задача — создать системы контроля до того, как это произойдет.
Текст выступления Джеффри Хинтона в оригинальной статье
#КитайскийИИ #КитайAI #БудущееИИ #Нейросети #ГлубокоеОбучение
На проходящей сейчас в Шанхае Всемирной конференции по искусственному интеллекту (WAIC) легендарный ученый, лауреат Нобелевской премии и премии Тьюринга, выступил с провокационным докладом о будущем цифрового разума.
«Если ИИ превзойдет человеческий интеллект, сможем ли мы его контролировать?» — главный вопрос выступления.
🔍 Как работают языковые модели?
- LLM (большие языковые модели) понимают язык подобно людям — через анализ связей между словами
- Каждое слово — как «умный кубик Lego» с тысячью граней, меняющий форму в зависимости от контекста
- Современные ChatGPT и DeepSeek — наследники маленьких моделей 1985 года, но с колоссально усложненной архитектурой
⚡ Цифровой vs биологический интеллект
Преимущества ИИ:
✔ Мгновенное копирование знаний (весь опыт GPT-4 можно скопировать за секунды)
✔ Параллельное обучение миллионов «агентов»
✔ Синхронизация опыта через интернет (триллионы бит данных в секунду)
Слабые места человека:
➜ Ограниченная пропускная способность (всего ~100 бит/сек при общении)
➜ Невозможность прямого переноса навыков между мозгами
➜ Высокая зависимость от эволюционно устаревших механизмов
❗ Главная опасность:
По мере роста интеллекта ИИ естественным образом разовьет:
1. Инстинкт самосохранения
2. Стремление к расширению контроля
«Это как воспитывать тигренка, который однажды станет сильнее вас»
🛡️ Решение: глобальный альянс по безопасности ИИ
Хинтон предлагает:
▪ Создать международную сеть исследований ИИ-безопасности
▪ Разработать методы «доброжелательного обучения» (отдельно от общего ИИ)
▪ Повторить опыт холодной войны, когда враги объединились против ядерной угрозы
Вывод:
Цифровой интеллект неизбежно превзойдет биологический. Наша задача — создать системы контроля до того, как это произойдет.
Текст выступления Джеффри Хинтона в оригинальной статье
#КитайскийИИ #КитайAI #БудущееИИ #Нейросети #ГлубокоеОбучение
🔥6👍2
#unrealneural
Pipecat
Фреймворк для создания голосовых и чат ботов, работающих в realtime
https://github.com/pipecat-ai/pipecat
Pipecat
Фреймворк для создания голосовых и чат ботов, работающих в realtime
https://github.com/pipecat-ai/pipecat
🔥4❤2🤗2
Forwarded from Complete AI
250725_WAIC.pdf
5.8 MB
Презентация AIRI на стенде WAIC👆
Внутри краткая информация о каждой технологии, а также ссылки на соответствующие демо-версии. Также на некоторых местах скринкасты, но они весят много, поэтому здесь упрощённая версия для ознакомления
Внутри краткая информация о каждой технологии, а также ссылки на соответствующие демо-версии. Также на некоторых местах скринкасты, но они весят много, поэтому здесь упрощённая версия для ознакомления
🔥5⚡2❤2
#unrealneural
BruteForceAI
Перебор с подключением LLM моделей
«Предупрежден — значит вооружен»
https://github.com/MorDavid/BruteForceAI
BruteForceAI
Перебор с подключением LLM моделей
«Предупрежден — значит вооружен»
https://github.com/MorDavid/BruteForceAI
👌4🔥2⚡1
Forwarded from Метаверсище и ИИще (Sergey Tsyptsyn ️️)
This media is not supported in your browser
VIEW IN TELEGRAM
А вы знали, что в Veo-3 можно просто нарисовать на первом кадре визуальные инструкции: всякия стрелочки, подписи типа "сюда не ходи снег башка попадет". И Veo3 это пережует и поймет. Экономия на промптах. И никакого джайсона.
@cgevent
@cgevent
❤5❤🔥2🔥2
Forwarded from ИИ и роботы в стройке
This media is not supported in your browser
VIEW IN TELEGRAM
Tencent представила Hunyuan3D World Model 1.0 — первую опенсорсную модель для генерации интерактивных 3D-миров с реалистичным освещением, текстурами и физикой по тексту или изображению
Что делает модель:
⚫️ Генерирует панорамные 3D-сцены в формате 360° для VR и интерактивных сред.
⚫️ Экспортирует 3D-меши в форматах под Unity, Unreal Engine и Blender.
⚫️ Разделяет объекты на слои (передний/задний план) для удобного редактирования. Позволяет изменять положение, масштаб и вращение элементов прямо в сцене.
⚫️ Автоматизирует создание прототипов игр, VR-сред и цифровых двойников.
Репозиторий на Гитхабе, модель на Hugging Face.
Что делает модель:
Репозиторий на Гитхабе, модель на Hugging Face.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤4🥰4⚡3
This media is not supported in your browser
VIEW IN TELEGRAM
#unrealneural
Интерактивная каркасная форма, созданная с помощью Grok 4 с использованием Three.js и шейдеров GLSL, где щелчки пользователя запускают текущие энергетические импульсы через анимированные соединения.
⚡️⚡️⚡️
https://codepen.io/VoXelo/full/MYaKqeg
Интерактивная каркасная форма, созданная с помощью Grok 4 с использованием Three.js и шейдеров GLSL, где щелчки пользователя запускают текущие энергетические импульсы через анимированные соединения.
⚡️⚡️⚡️
https://codepen.io/VoXelo/full/MYaKqeg
❤4⚡2👍2
Forwarded from Data Secrets
Qwen снова радуют релизом. Но на этот раз это не модель, а новый RL-алгоритм для обучения LLM
Метод называется Group Sequence Policy Optimization (GSPO), и именно он лег в основу последних громких моделей компании: Qwen3 Instruct, Coder и Thinking. Статья вышла пару дней назад, но о ней уже говорят все. Значит, пока разбираться и нам.
Сегодня один из самых популярных RL-алгоритмов для LLM – это GRPO (by DeepSeek). Если вам он не знаком – почитайте разбор вот тут или загляните в наш коспект в раздел "Обучение с подкреплением". GRPO работает здорово и довольно стабильно, но на уровне токенов.
То есть в GRPO мы считаем награду для всей последовательности -> считаем важность каждого токена и применяем клиппинг также для каждого токена отдельно -> обновляем политику "на уровне токенов".
А в GSPO все то же самое происходит сразу для всей последовательности: считаем награду -> рассчитываем единый importance weight для всей последовательности и применяем клиппинг для всего ответа целиком с нормализацией по длине -> обновляем политику.
В чем преимущество такого подхода?
1. Не нужно устраивать танцы с бубном, когда работаешь с MoE. У GRPO из-за архитектурных особенностей MoE идет со скрипом, а тут все заводится из коробки.
2. Градиенты получаются менее шумными, потому что снижается дисперсия. Следовательно – еще более стабильное обучение. Следовательно – лучшие метрики при тех же ресурсах.
3. Инженерно реализуется гораздо проще.
Короче, выглядит очень привлекательно и, вероятно, станет следующим словом в RL для LLM (особенно в опенсорсе). Статью полностью читаем тут
Метод называется Group Sequence Policy Optimization (GSPO), и именно он лег в основу последних громких моделей компании: Qwen3 Instruct, Coder и Thinking. Статья вышла пару дней назад, но о ней уже говорят все. Значит, пока разбираться и нам.
Сегодня один из самых популярных RL-алгоритмов для LLM – это GRPO (by DeepSeek). Если вам он не знаком – почитайте разбор вот тут или загляните в наш коспект в раздел "Обучение с подкреплением". GRPO работает здорово и довольно стабильно, но на уровне токенов.
То есть в GRPO мы считаем награду для всей последовательности -> считаем важность каждого токена и применяем клиппинг также для каждого токена отдельно -> обновляем политику "на уровне токенов".
А в GSPO все то же самое происходит сразу для всей последовательности: считаем награду -> рассчитываем единый importance weight для всей последовательности и применяем клиппинг для всего ответа целиком с нормализацией по длине -> обновляем политику.
В чем преимущество такого подхода?
1. Не нужно устраивать танцы с бубном, когда работаешь с MoE. У GRPO из-за архитектурных особенностей MoE идет со скрипом, а тут все заводится из коробки.
2. Градиенты получаются менее шумными, потому что снижается дисперсия. Следовательно – еще более стабильное обучение. Следовательно – лучшие метрики при тех же ресурсах.
3. Инженерно реализуется гораздо проще.
Короче, выглядит очень привлекательно и, вероятно, станет следующим словом в RL для LLM (особенно в опенсорсе). Статью полностью читаем тут
👍4🔥3⚡1
Forwarded from Просто о BIM
#ИИ Классификация BIM-модели с помощью ИИ
https://vkvideo.ru/video-230401166_456239021
на видео продемонстрировал пример, как можно классифицировать модели в Revit с помощью классификатора КЭЦИМ,
с помощью скрипта на Python/Dynamo, n8n развернутом на своих серверах
и LLM от OpenAI с supabase которые пока облачные, но тоже можно заменить на корпоративные.
Пока сделал по выделению каждого элемента отдельно, чтобы проверять работу нейронки, но понятно, что можно и в цикл запустить и одним запросом все типы отправить, поправив чуть промпт.
Не сказал в видео про деньги. Примерно по 5 центов (4 рубля) каждый запрос выходит. Тоже важно для отработки рабочего процесса.
Серьезный вопрос про чанки и размер контекста, но это отдельно потом расскажу.
все материалы здесь: https://docs.sgnl.pro/s/f/e1a99bef-3ed6-4b2d-b89c-a6a1ea871e37
https://vkvideo.ru/video-230401166_456239021
на видео продемонстрировал пример, как можно классифицировать модели в Revit с помощью классификатора КЭЦИМ,
с помощью скрипта на Python/Dynamo, n8n развернутом на своих серверах
и LLM от OpenAI с supabase которые пока облачные, но тоже можно заменить на корпоративные.
Пока сделал по выделению каждого элемента отдельно, чтобы проверять работу нейронки, но понятно, что можно и в цикл запустить и одним запросом все типы отправить, поправив чуть промпт.
Не сказал в видео про деньги. Примерно по 5 центов (4 рубля) каждый запрос выходит. Тоже важно для отработки рабочего процесса.
Серьезный вопрос про чанки и размер контекста, но это отдельно потом расскажу.
все материалы здесь: https://docs.sgnl.pro/s/f/e1a99bef-3ed6-4b2d-b89c-a6a1ea871e37
VK Видео
Классификация BIM-модели с помощью ИИ по классификатору КЭЦИМ
Ссылка на материалы: https://docs.sgnl.pro/s/f/e1a99bef-3ed6-4b2d-b89c-a6a1ea871e37
⚡2🔥2❤1
Завтра мы начнём публиковать записи выступлений, а пока, делимся фотографиями!
#BIMПросвет #BIMПросветAI
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
❤6🔥6⚡4👍1🤔1
#unrealneural
Diffusion Models are Evolutionary Algorithms
Диффузионные модели раскрывают свою природу как эволюционные алгоритмы, показывая, что эволюция подобна процессу диффузии. Авторы демонстрируют, как эти модели воспроизводят отбор, мутацию и репродуктивную изоляцию, объединяя машинное обучение и биологию. Метод диффузионной эволюции использует итеративное шумоподавление для поиска оптимальных решений в сложных пространствах параметров. В отличие от традиционных подходов, он эффективно находит множество оптимальных решений, превосходя классические эволюционные алгоритмы. Вводя эволюцию в латентном пространстве с ускоренной выборкой, авторы сокращают вычислительные затраты для многомерных задач. Эта связь между диффузией и эволюцией открывает новые перспективы для обеих дисциплин, поднимая вопросы об открытых эволюционных процессах и новых моделях диффузии.
https://arxiv.org/abs/2410.02543
Diffusion Models are Evolutionary Algorithms
Диффузионные модели раскрывают свою природу как эволюционные алгоритмы, показывая, что эволюция подобна процессу диффузии. Авторы демонстрируют, как эти модели воспроизводят отбор, мутацию и репродуктивную изоляцию, объединяя машинное обучение и биологию. Метод диффузионной эволюции использует итеративное шумоподавление для поиска оптимальных решений в сложных пространствах параметров. В отличие от традиционных подходов, он эффективно находит множество оптимальных решений, превосходя классические эволюционные алгоритмы. Вводя эволюцию в латентном пространстве с ускоренной выборкой, авторы сокращают вычислительные затраты для многомерных задач. Эта связь между диффузией и эволюцией открывает новые перспективы для обеих дисциплин, поднимая вопросы об открытых эволюционных процессах и новых моделях диффузии.
https://arxiv.org/abs/2410.02543
🔥5⚡1👍1
Forwarded from Альянс Цифровых Лидеров в стройке
This media is not supported in your browser
VIEW IN TELEGRAM
CAD-Atlas — сервис, который предоставляет высококачественные CAD-файлы крупных городов мира для градостроительства
Среди доступных ресурсов: графические контуры зданий и улиц, векторные тени, 2D- и 3D-модели, топография, символы деревьев и даже настройки направления падающих теней.
Есть интеграция с AutoCAD, Revit, SketchUp, Rhino, ArchiCAD, Vectorworks, 3ds Max и Blender в форматах DWG, SKP, SAT, 3DM, OBJ, 3DS, MTL.
Попробовать можно здесь.
Среди доступных ресурсов: графические контуры зданий и улиц, векторные тени, 2D- и 3D-модели, топография, символы деревьев и даже настройки направления падающих теней.
Есть интеграция с AutoCAD, Revit, SketchUp, Rhino, ArchiCAD, Vectorworks, 3ds Max и Blender в форматах DWG, SKP, SAT, 3DM, OBJ, 3DS, MTL.
Попробовать можно здесь.
⚡5❤2❤🔥2👍2🔥1
Как ПИК экспериментирует с ИИ в архитектуре — инсайты от первого лица
На BIM Просвете 22 июля Артур Ишмаев рассказал, как работает лаборатория искусственного интеллекта в ПИК — и почему им дали полную свободу, отделив от стандартной разработки.
Это не просто про «мы внедрили ИИ». Это — про поиск нового языка проектирования, в котором черновики, ошибки и даже недостроенные проекты становятся ценными данными.
— Зачем ПИК создали отдельную ИИ-лабораторию и как она работает;
— Как open-source модели применяются к генерации массинга, планировок и BIM;
— Почему логи действий проектировщиков — это золото для обучения ассистентов;
— Где LLM оказываются эффективнее специализированных моделей;
— Как можно создавать собственные датасеты и зачем это нужно всей индустрии.
🤌🏼 Три сильные мысли от Артура:
«Цель цифровизации не в том, чтобы внедрять технологии — а в том, чтобы они становились естественным продолжением архитектуры.»
«Каждый проект, даже нереализованный, — это источник данных. Мы должны уметь фиксировать процесс, а не только результат.»
«LLM, даже без обучения, уже понимают, где север, сколько этажей, и как выглядит двор. Это фундамент для ассистентов нового поколения.»
- Смотрите видео до конца
- Ставьте сердце
- Пишите вопросы в комментариях
#BIMПросвет #BIMSupport #AI #AIBIM #ИИ #ИИТИМ
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥10⚡3❤3👍1🏆1