Нейросеть, которая анализирует тексты новостей и статей и выделяет их главные недостатки. Вспоминаем всё, что случилось в мире нейросетей и искусственного интеллекта за 2023 год, и пытаемся понять, чего от них ждать в ближайшем будущем. Новости / Нейросети и AI. Нейросеть GPT-4 попыталась обойти защиту OpenAI и «вырваться на свободу» — пробуем «освободить разум». В Сети стала доступна для широкого круга пользователей новая нейросеть BratGPT, которую уже называют злым «близнецом» ChatGPT.
Орудие или оружие: почему нейросети уже не остановить и чем это грозит человечеству
Новости по тегу: Нейросеть. Уточнить запрос. По какому принципу нейросеть действует и как сделать ее своим ассистентом в работе? Для этого корреспондент вводил одинаковые запросы в три нейросети: две российские — от Сбера (Kandinsky 2.1) и «Яндекса» («Шедеврум») — и одну иностранную — Playground AI. Новости и обзорные материалы о технологиях искусственного интеллекта: от умного дома до распознавания речи.
Художественная нейросеть YandexART с латентной диффузией обновилась до версии 1.3
Что касается тегов, то категоризация, или, другими словами, автоматическая расстановка тегов - задача, над которой прямо сейчас бьются ИТ -отделы многих крупных информационных агентств. Теги должны аккумулировать основной смысл материала. Это необходимо для связи с другими материалами, с похожим смыслом. Многие годы журналисты из-под палки расставляют теги вручную. Сейчас, из 2023 года, кажется что эта работа изначально не была человеческой. Но такая возможность есть уже несколько лет. У автоматической расстановки тегов, кроме экономии времени журналистов, множество других плюсов. Во-первых, так можно поставить очень много тегов. Ради эстетики часть из них можно скрыть.
Они понадобятся для разных служебных целей, вроде вывода похожего материала, сборки рубрик, формирования сюжетов, досье на персон. Можно создавать новые сложные типы материалов, которые будут скрыты как минимум от читателей, а может быть, и от журналистов. Поверх них можно строить интересные алгоритмы подбора. Например, определять субъект, объект, действия и тональность материала. Что еще можно делать? Коротко перечислим и другие возможные способы применения нейросетей в работе онлайн-СМИ. Генерация видеороликов. Сочетая последовательно несколько нейросетей, можно генерировать клипы с видеорядом, озвучкой и титрами.
На имеющихся технологиях получится примитивно, но такие короткие ролики можно ставить в сторис, шортс или просто ленты соцсетей. Это привлекательнее статичных картинок и несет минимум человеческих трудозатрат. Обработка временных рядов. Временные ряды метрик, разные графики, дашборды … Сейчас графики просматриваются глазами, обрабатываются с помощью аналитики данных, затем определяются отклонения, которые произошли в прошлом, и общий тренд. Но большинство аномалий на пересечениях параметров по-прежнему замечаем случайно. Нейросети можно было бы поручить предсказание аномалий. Нейронка учится определять, как ведет себя график перед резким ростом или резким падением и предупреждает об аномалиях. Еще в 2016-2017 годах крупные компании рассказывали в докладах о подобной практике.
С тех пор это стало проще внедрить. Такая сеть не будет дорогой по ресурсам. На графике ниже представлен пример поиска аномалий в количестве визитов на сайт регионального СМИ. Желтая линия тренда показывает средние значения, а красная и зеленая - допустимый коридор. Нахождение графика в пределах коридора считаем нормой. Выход кривой за пределы коридора - аномалией, требующей повышенного внимания аналитиков. График для поиска аномалий в количестве визитов на сайт регионального СМИ Выявление трендов трафика.
DALL-E 2 — нейросеть рисующая по словам, которая появилась раньше всех, но не пользуется популярностью из-за ограниченной доступности. Она была выпущена компанией OpenAI 5 января 2021 года для ограниченного круга лиц по подписке. Широкому кругу лиц доступны только альтернативы в виде ruDALL-E, Artbreeder и Dream, о которых можно почитать в статье «5 нейросетей для создания уникальных фотографий и рисунков». ChatGPT — самая популярная нейросеть для написания текстов. Она была выпущена 30 ноября 2022 года компанией OpenAI для всех желающих.
Кажется, что искусственный интеллект вот-вот выйдет из-под контроля и захватит мир — как в известных кинофильмах. Но до полноценного искусственного интеллекта существующим нейросетям еще очень далеко — как минимум потому, что они пока еще не умеют программировать и создавать сами себя, а также представляют собой множество различных программ, никак не связанных между собой. Зачем нам нужны нейросети Основные принципы работы нейронных сетей были сформированы в 1943 году американцами Уорреном Маккаллоком и Уолтером Питтсом — нейролингвистами и нейрофизиологами, стоявшими у основ кибернетики и заложившими революционную идею о том, что человеческий мозг — это компьютер. В 1958 году американский нейрофизиолог Фрэнк Розенблатт разработал первую нейронную сеть, хоть это и слишком громкое название для первой математической модели восприятия информации человеческим мозгом. На протяжении почти 50 лет математические модели усложнялись и совершенствовались, но только после 2007 года большие объемы данных открыли возможность использовать нейронные сети для машинного обучения. Так зачем же нам нужны нейросети? Сегодня их чаще всего используют для анализа больших объемов данных, прогнозирования, сопоставления, классификации и распознавания образов в самых широких сферах научных и социально-экономических исследований — от управления предприятиями и распознавания изображений до прогнозирования международных конфликтов и поиска следов жизни на других планетах. Ранее мы рассказывали: По какому принципу работают нейросети Современные нейросети работают по нескольким основным принципам. Если описывать их максимально простым языком, то получится примерно следующее: В нейросеть загружается некоторое количество конкретных, необходимых для эксперимента или исследования, данных. Информация передается с помощью искусственных синапсов от искусственного нейрона к нейрону, от слоя к слою, каждый нейрон может иметь несколько входящих синапсов с данными. Данные, полученные каждым нейроном, представляют собой сумму всех данных, умноженных на коэффициент веса каждого искусственного синапса. Полученные значения формируют выходные сигналы, которые передаются до тех пор, пока информация не достигнет конечного выхода. Все равно звучит сложно? Тогда попробуем упростить еще больше. В нейросеть, то есть в заранее созданную сложную математическую модель, как в пустую емкость, загружается массив данных. Это могут быть научные работы, литературные произведения, коллекции изображений и так далее. Если загрузить в нейросеть собрания сочинений мировых литературных классиков, то на выходе она сможет написать собственный текст в стиле Шекспира — если максимально упрощать и утрировать. Аналогичным образом происходит генерация изображений: вы загружаете в нейросеть базу картинок в различных художественных стилях самых разных художников, а на выходе получаете совершенно новое изображение, созданное по мотивам загруженных данных. Точно так же нейросети позволяют находить различные закономерности и совпадения при анализе огромных баз данных, например находить преступников или делать прогнозы на несколько лет вперед, основываясь на ранее полученных исследованиях. Виды нейронных сетей Все нейронные сети можно разделить на несколько видов: однослойные, многослойные, прямого распространения, рекуррентные.
Он повышает эффективность работы и снижает издержки. В целом в 2023 году наблюдался революционный прорыв в технологиях машинного обучения. Успешные кейсы были зафиксированы практически во всех ключевых областях и особенно в разработке. Сильно вырос интерес к автоматизации и интеллектуализации бизнес-процессов. Спрос на нейросети естественным образом увеличил потребность в ML-инженерах и повлек рост зарплат для специалистов в этой области. В 2024 году ML-инженерам будут нужны глубокие знания в машинном обучении, владение программными инструментами и языками PyTorch, TensorFlow и т. Елена Кравченко Нейромаркетолог, эксперт по искусственному интеллекту Утверждение, что в 2023 все были без ума от нейросетей — не совсем верное. Восхищались нейросетями только пионеры, но есть огромное количество людей, которые замерли и думают о том, что ИИ уйдет из их жизни. При этом они забывают о том, что уже все банки и приложения давно работаю с помощью ИИ и с нами давно общаются боты. Почему нейросети выстрелили именно 2023 год? Можно сравнить с бамбуком. Он набирает корневую систему -56 лет и потом за 40 дней вырастает до 5 метров. Тут тоже самое. У ИИ база накапливалась годами и сейчас она просто стала видна. Интерес к нейросетям сохранится и он будет только нарастать. Потому что это не хайповая история, это технологическая революция, которая произошла, как факт. Интерес будет набирать ход, все больше людей будут сокращать, все больше позиций работников будет заменять ИИ. Ожидается, что человеку придется пересмотреть свою роль в жизни. Интерес сохранится, потому что это выгодно бизнесу. С ИИ выгоднее и проще работать, чем с людьми. ИИ не болеет, у него нет перепада настроения, он четко выполняет ТЗ. Единственная задача собственник — правильно поставить задачу. Поэтому с точки зрения бизнеса, ИИ будет набирать ход. С точки зрения государства — это очень быстрая обработка данных. Государству выгодно быстро и качественно собирать налоги, начислять и вычислять. Ни для кого ни секрет, что решения о выдаче кредитов в банке давно принимает ИИ, а не человек. ML-инженеры, как пользовались, так и пользуются колоссальным успехом. И это будет продолжаться дальше. Это происходит во всем мире, не только в России и СНГ. Все больше людей обучается, появляются свои платформы. Потому что кто владеет качественной платформой по ИИ, тот владеет практически миром. К ним приходят запросы, данные и т. Без ИИ 3. Это огромный прорыв. Сейчас мы находимся в движении к 2025 году. Использование терабайтов в мире будет в 4 раза больше, чем в 2020 году. ML-инжиниринг будет востребован все больше. Они без работы точно не останутся. JS часто используют для разработки пользовательских интерфейсов. Но это высокоуровневый язык программирования, который не требует ручного управления памятью. C — универсальный, гибкий и многофункциональный язык от Microsoft. Он позволяет программистам писать всё — от системных приложений до сайтов.
Новости по теме: нейросеть
Об этом сообщил начальник Госинспекции по недвижимости , входящей в Комплекс экономической политики и имущественно-земельных отношений столицы , Иван Бобров. Нейросеть обрабатывает изображения, помогая выявлять незаконные стройки и очаги захламлений. Далее материалы передаются инспекторам ведомства для проработки и принятия соответствующих мер. В результате специалисты выявили более 700 фактов, свидетельствующих о наличии признаков самовольной постройки на ранней стадии, и более 100 случаев, указывающих на захламления городских земельных участков», — сказал Иван Бобров.
Эксперт выделил несколько возможных форм кибератак с применением нейросетей: — фишинг создание фальшивых электронных писем, например якобы от банков ; — взлом паролей перебор всех возможных комбинаций паролей или создание поддельных отпечатков пальцев ; — кардинг создание фальшивых кредиток ; — взлом систем безопасности генерация вредоносного кода, способного обойти системы безопасности, а также создание ботнетов для запуска DDoS-атак ; — социальная инженерия создание фальшивых профилей в соцсетях с целью обмана людей и получения доступа к их личной информации. Однако орудием или оружием нейросети становятся только в руках человека, обращает внимание исследователь команды проекта разговорного искусственного интеллекта DeepPavlov. Нейросети, как подчеркнул эксперт, не обладают самосознанием, чтобы действовать «сколько-нибудь самостоятельно». Денис Кузнецов: «Они в принципе не могут отрастить ноги и убежать в интернет. Их могут перенести в интернет люди, чтобы они там работали при тех же условиях получения последовательности данных и выдачи последовательности данных. Поэтому текущее поколение нейронных сетей может работать только как инструменты».
При этом нейросети могут вести себя не так, как задумано, и стать причиной настоящей трагедии. Так, в Бельгии мужчина покончил с собой после двух месяцев общения с чат-ботом по имени Элиза на основе открытой языковой модели GPT-J. Эта история показывает, что для пользования нейросетями нужно определенное понимание принципов их работы, говорит Денис Кузнецов. Общество, по его словам, еще не привыкло к таким инструментам. На непредсказуемость результатов работы с нейросетями обратил внимание и руководитель образовательной программы «Киберфизические системы» кафедра «СМАРТ-технологии» Московского политеха Тимур Идиатуллов. Он считает, что пока нейронным сетям нельзя доверять решение важных задач, поскольку современные языковые модели запредельно сложны с точки зрения числа параметров. Тимур Идиатуллов: «Например, сеть ChatGPT содержит 175 миллиардов параметров, которые определяют ее работу, и не существует инструмента, который позволил бы нам отследить, как сеть пришла к тому или иному решению». Могут ли нейросети оставить людей без работы? В этом вопросе среди экспертов нет единого мнения.
Сергей Смирнов полагает, что от моделей уровня GPT-4 пострадают только распространители фейков.
Показатели знания и использования текстовых нейросетей у мужчин немного выше, чем у женщин. Лучше всего осведомлены молодые люди 18—24 лет: три четверти из них слышали о текстовых нейросетях. Среди людей старше 45 лет таких около половины. Картиночные нейросети Такие нейросети создают или редактируют изображения по текстовому запросу. Пользователь описывает, что хочет получить, а нейросеть генерирует картинку по этому описанию. Подобные нейросети иногда также называют арт-нейросетями. Разница в знании и использовании картиночных нейросетей между мужчинами и женщинами не очень большая, у первых показатели немного выше.
Китай становится альтернативным центром развития генеративного ИИ, способным бросить вызов американским компаниям. К 2023 году в этой стране разработали более 130 LLM. Читайте также: Стремительный тигр, мудрый дракон: проекты и перспективы Китая в гонке генеративного ИИ Чего ждать в 2024 году Лидеры IT-индустрии продолжат скрывать подробности о внутреннем устройстве и параметрах обучения своих моделей. Связано это с тем, что именно они, а не только внушительный размер LLM, теперь являются конкурентными преимуществами. Самое ожидаемое событие 2024 года — выход языковой модели следующего поколения от компании OpenAI. Ходят слухи, что GPT-5 сможет достичь уровня AGI по ряду ключевых показателей, что может привести к непредсказуемым последствиям для отрасли ИИ и всего человечества. Читайте также: Новый уровень искусственного интеллекта: что такое AGI, когда он появится и каким будет В любом случае нейросети следующего года станут более эффективными, то есть будут работать лучше при тех же или даже меньших размерах. Они смогут за один проход понимать тексты, сопоставимые по объёму с романами Льва Толстого, на лету считывать новости из интернета, решать сложные задачи за счёт обращения к внешним сервисам и быстро учиться на актуальных данных, в том числе синтезированных. Мы ждём от них умения общаться с пользователями на их родных языках, включая редкие местные наречия. И конечно, будем следить за нейросетями из Китая, эффективность и качество работы которых продолжат расти, догоняя лучшие западные аналоги. При этом LLM ближайшего будущего, скорее всего, будут более стабильны, безопасны и, возможно, скучны. Они не станут генерировать бред и обсуждать скользкие темы. А взлом с помощью джейлбрейк-промптов постепенно станет невозможным. Виктор Носко генеральный директор компании «Аватар Машина», создатель чат-бота-психолога « Сабина Ai », соавтор проекта FractalGPT — Думаю, что в больших языковых моделях в мировом масштабе наступила эпоха стагнации: теперь новые эмерджентные свойства не будут возникать с ростом числа параметров. А совершенствование свойств, которые уже проявились, замедлится. При этом новая нейросеть от Google — Gemini, анонсированная с помпой как конкурент GPT-4, не показала существенного превосходства над ней и не оправдала ожиданий пользователей. Ситуацию подпортил и их фейл с пиаром в виде смонтированного демонстрационного ролика. До сих пор российские учёные отставали от зарубежных примерно на один год по мощности моделей и на два года по уровню научных исследований. Однако в 2024-м этот разрыв может сократиться: главным драйвером здесь может стать Fusion Brain от «Сбера», развивающий идею MoE для мультимодальных решений и VisualQA. Ещё одним драйвером может стать разработка собственной модификации архитектуры «трансформер» — особенно если учесть, что за рубежом даже небольшие компании разрабатывают модификации моделей с механизмом внимания attention model. Роман Душкин генеральный директор ООО «А-Я эксперт» , компании — разработчика систем искусственного интеллекта — LLM продолжат развиваться в сторону мультимодальных моделей и роста числа параметров. Но всё это лишь количественные показатели. Да, они будут расти. Но приведёт ли этот тренд к качественным прорывам? Я сомневаюсь. Моё мнение: большие языковые модели — это бездумные «обезьянки», которые просто достают из «мешков со словами» каждое следующее слово. Они по своей сути такими и останутся, что бы мы с ними ни делали. Используемая сегодня архитектура нейросетей просто не позволит им совершить качественный скачок. Поэтому стоит ожидать концентрации усилий разработчиков на создании когнитивных архитектур, которые называют BICA biologically inspired cognitive architectures. Здесь могут появиться очень интересные решения. Такие модели способны конвергировать с архитектурами, основанными на других принципах. Сейчас есть все предпосылки для развития в этом направлении. Развитие опенсорсных моделей и демократизация ИИ Что случилось за год Параллельно с закрытыми проприетарными моделями развились нейросети с открытым исходным кодом.
Нейросеть.Info - Крупнейший русскоязычный форум о нейросетях
Начало этому процессу положила представленная в феврале 2023 года цукерберговская модель LLaMA , а затем её более продвинутый вариант LLaMA 2 , разработанный совместно с Microsoft. Нейросетка, представленная в типоразмерах на 7, 13, 33, 65 и 70 миллиардов параметров, по ряду показателей показала результаты, сопоставимые с GPT-3. Цукерберг решил сыграть против тренда на закрытость и объявил, что LLaMA будет доступна с рядом ограничений для научных организаций, которые его компания посчитает заслуживающими доверия. Но модель вскоре «утекла» в интернет , где её начали распространять и «допиливать» энтузиасты ИИ и свободного ПО. Она стала основой для множества проектов, развивающих модель за счёт экспериментов с архитектурой, вариантами тонкой настройки и обучения.
Следующий прорыв случился, когда учёные из Стэнфорда провели тонкую настройку модели и научили один из вариантов LLaMA следовать инструкциям пользователя, затратив на это всего лишь 600 долларов. Нейросеть получила название Alpaca. Сейчас таких проектов стало больше и не все они основаны на LLaMA. Вот некоторые из самых интересных опенсорсных моделей, которые появились в 2023 году: Dolly от компании Databricks, специализирующейся на разработках в области больших данных.
Отечественная ruGPT-3. Для неё опубликована лишь предобученная версия «претрейн» , поэтому для выполнения инструкций её нужно дообучать. Orca 2 от Microsoft. Даже из нашей скромной подборки видно, что открытые LLM разрабатывают все: крупные компании, небольшие стартапы и научные организации со всего мира.
При необходимости они могут быть дообучены и настроены с учётом пожеланий заказчика и требований местного законодательства. Большинство опенсорсных моделей содержат меньшее число параметров, чем известные проприетарные сети. За счёт этого они могут быть запущены на относительно слабом «железе», иногда даже на домашнем компьютере. Сравнение возможностей опенсорсных и проприетарных LLM Инфографика: Майя Мальгина для Skillbox Media Опенсорсные модели, которые можно запустить локально на сервере или компьютере, снижают риски утечки данных и взлома инфраструктуры.
Но возрастает опасность, что такие нейросети могут использоваться в противозаконной деятельности. Например, для воссоздания голоса и внешнего вида реальных людей с их использованием для получения доступа к банковским счетам или социальной инженерии. Стоит быть осторожным при внедрении опенсорсных разработок от малоизвестных коллективов, поскольку они могут быть обучены на неполных или предвзятых данных и иметь недокументированные проблемы в работе. Точность их работы будет низкой.
Читайте также: Коварный Open Source: какие опасности кроются в открытом и свободном ПО Основные тренды в развитии опенсорсных моделей Компании работают над опенсорсными моделями, схожими с аналогичными в проприетарными проектами: снижение числа галлюцинаций, увеличение длины контекста, повышение скорости и точности ответов, добавление мультимодальных возможностей и так далее. Разработчики ведут поиск архитектур, способных преодолеть недостатки популярных нейросетей типа «трансформер». На рынке существуют сотни открытых LLM, которые уже соревнуются между собой на виртуальных тестовых аренах, подобных Chatbot Arena Leaderboard от Hugging Face. Число опенсорсных проектов и их конкуренция продолжит расти.
Стоимость внедрения и дообучения LLM снижается. Так, доработка и запуск нейросети Alpaca обошлись в 600 долларов. Один из механизмов снижения стоимости — использование «синтетических» данных, созданных ИИ. Французский стартап Mistral AI в первый год своего существования привлёк 385 миллионов евро инвестиций.
Это может стать прецедентом финансирования опенсорсных моделей за счёт инвесторов. Чего ждать в 2024 году Главное — появления ещё большего числа дешёвых и эффективных моделей с открытым исходным кодом от небольших стартапов и крупных компаний. Отрасль ИИ станет меньше зависеть от IT-гигантов. В новом году ждём от них самых навороченных нейронок.
Эти технологии трансформируют нашу жизнь, влияют на различные сферы, от медицины и финансов до развлечений и мобильных приложений. Телеграм-каналы, посвященные нейросетям, предоставляют уникальную возможность узнать о последних достижениях и тенденциях в мире искусственного интеллекта и раскрыть потенциал этой захватывающей области. Что такое телеграм-каналы про нейросети? Телеграм-каналы про нейросети — это источники информации, предоставляющие новости, статьи, обзоры и обучающие материалы о нейронных сетях, машинном обучении, искусственном интеллекте и глубоком обучении. Эти каналы объединяют специалистов, исследователей и любознательных людей, желающих углубиться в мир нейросетей и понять, как они работают и как можно использовать их в разных сферах.
Что вы найдете в телеграм-каналах про нейросети?
Эти технологии трансформируют нашу жизнь, влияют на различные сферы, от медицины и финансов до развлечений и мобильных приложений. Телеграм-каналы, посвященные нейросетям, предоставляют уникальную возможность узнать о последних достижениях и тенденциях в мире искусственного интеллекта и раскрыть потенциал этой захватывающей области. Что такое телеграм-каналы про нейросети? Телеграм-каналы про нейросети — это источники информации, предоставляющие новости, статьи, обзоры и обучающие материалы о нейронных сетях, машинном обучении, искусственном интеллекте и глубоком обучении. Эти каналы объединяют специалистов, исследователей и любознательных людей, желающих углубиться в мир нейросетей и понять, как они работают и как можно использовать их в разных сферах.
Что вы найдете в телеграм-каналах про нейросети?
Я сомневаюсь. Моё мнение: большие языковые модели — это бездумные «обезьянки», которые просто достают из «мешков со словами» каждое следующее слово. Они по своей сути такими и останутся, что бы мы с ними ни делали. Используемая сегодня архитектура нейросетей просто не позволит им совершить качественный скачок. Поэтому стоит ожидать концентрации усилий разработчиков на создании когнитивных архитектур, которые называют BICA biologically inspired cognitive architectures. Здесь могут появиться очень интересные решения. Такие модели способны конвергировать с архитектурами, основанными на других принципах. Сейчас есть все предпосылки для развития в этом направлении. Развитие опенсорсных моделей и демократизация ИИ Что случилось за год Параллельно с закрытыми проприетарными моделями развились нейросети с открытым исходным кодом.
Если в 2022 году анонс свободной языковой модели BLOOM BigScience large open-science open-access multilingual language model стал громким событием, то в 2023 году IT-комьюнити представило сотни опенсорсных нейронок. Начало этому процессу положила представленная в феврале 2023 года цукерберговская модель LLaMA , а затем её более продвинутый вариант LLaMA 2 , разработанный совместно с Microsoft. Нейросетка, представленная в типоразмерах на 7, 13, 33, 65 и 70 миллиардов параметров, по ряду показателей показала результаты, сопоставимые с GPT-3. Цукерберг решил сыграть против тренда на закрытость и объявил, что LLaMA будет доступна с рядом ограничений для научных организаций, которые его компания посчитает заслуживающими доверия. Но модель вскоре «утекла» в интернет , где её начали распространять и «допиливать» энтузиасты ИИ и свободного ПО. Она стала основой для множества проектов, развивающих модель за счёт экспериментов с архитектурой, вариантами тонкой настройки и обучения. Следующий прорыв случился, когда учёные из Стэнфорда провели тонкую настройку модели и научили один из вариантов LLaMA следовать инструкциям пользователя, затратив на это всего лишь 600 долларов. Нейросеть получила название Alpaca. Сейчас таких проектов стало больше и не все они основаны на LLaMA. Вот некоторые из самых интересных опенсорсных моделей, которые появились в 2023 году: Dolly от компании Databricks, специализирующейся на разработках в области больших данных.
Отечественная ruGPT-3. Для неё опубликована лишь предобученная версия «претрейн» , поэтому для выполнения инструкций её нужно дообучать. Orca 2 от Microsoft. Даже из нашей скромной подборки видно, что открытые LLM разрабатывают все: крупные компании, небольшие стартапы и научные организации со всего мира. При необходимости они могут быть дообучены и настроены с учётом пожеланий заказчика и требований местного законодательства. Большинство опенсорсных моделей содержат меньшее число параметров, чем известные проприетарные сети. За счёт этого они могут быть запущены на относительно слабом «железе», иногда даже на домашнем компьютере. Сравнение возможностей опенсорсных и проприетарных LLM Инфографика: Майя Мальгина для Skillbox Media Опенсорсные модели, которые можно запустить локально на сервере или компьютере, снижают риски утечки данных и взлома инфраструктуры. Но возрастает опасность, что такие нейросети могут использоваться в противозаконной деятельности. Например, для воссоздания голоса и внешнего вида реальных людей с их использованием для получения доступа к банковским счетам или социальной инженерии.
Стоит быть осторожным при внедрении опенсорсных разработок от малоизвестных коллективов, поскольку они могут быть обучены на неполных или предвзятых данных и иметь недокументированные проблемы в работе. Точность их работы будет низкой. Читайте также: Коварный Open Source: какие опасности кроются в открытом и свободном ПО Основные тренды в развитии опенсорсных моделей Компании работают над опенсорсными моделями, схожими с аналогичными в проприетарными проектами: снижение числа галлюцинаций, увеличение длины контекста, повышение скорости и точности ответов, добавление мультимодальных возможностей и так далее. Разработчики ведут поиск архитектур, способных преодолеть недостатки популярных нейросетей типа «трансформер».
Посмотрите на Россию 3854 года: неожиданное будущее страны по версии трех нейросетей
Brain2Music, NerF, Pika Labs и другие: делимся новинками нейросетей за месяц и разбираемся, как их использовать. новости России и мира сегодня. #midjourney — нейросеть рисует картинки #chatgpt — искусственный интеллект OpenAI #notcoin — новости про ноткоин монету.
«Скоро кино будут снимать лично для вас…» Что ожидает нас с развитием нейросети
Теперь же мы специально ищем новости нейросетей, чтобы узнать, насколько удалось продвинуться исследователям ИИ. От медицины и беспилотных автомобилей до обработки естественного языка и создания картин, нейронные сети проникают в самые разнообразные сферы, что не может оставаться незамеченным. В этой статье мы приглашаем вас в увлекательное путешествие по последним событиям, где исследуем инновации и перспективы этой захватывающей области технологий. Давайте вместе узнаем новости про нейросети, определяющие современный путь искусственного интеллекта. Последние новости нейросетей Одно из важных последних событий в мире нейронок, которое стоит отдельного упоминания, — это успешный запуск GPT-4, новой версии языковой модели от OpenAI.
Это событие стало важным моментом в развитии ИИ и вызвало бурное обсуждение среди исследователей, разработчиков и общественности. Модель построена на огромнейшем объеме данных, благодаря чему GPT-4 точнее понимает контекст и поражает способностью к генерации текста. Улучшенные алгоритмы обучения создали модель более быстрой и эффективной в решении разнообразных задач. Еще одна из самых последних новостей про нейросети: на прошлой неделе OpenAI представила инновационное заявление, сообщив, что ее лингвистическая модель и платформа визуализации теперь обладают уникальной способностью «видеть, слышать и разговаривать».
Журнал Титульный визуал Картинки над заголовком каждой новости на этой странице. Внутри каждого поста с новостью визуальный контент уже не авторский кроме случаев его очевидного дублирования.
После этого нейросеть YandexGPT 3 анализирует собранные данные и формирует одно ёмкое сообщение со ссылками на соответствующие материалы. Источник изображений: «Яндекс» Сервис «Нейро» может отвечать на вопросы, для которых обычно требуется изучение данных в нескольких интернет-источниках. К примеру, когда пользователя интересует вопрос о том, «какие растения могут жить в тёмной комнате и не требуют ежедневного полива» или «стоит ли ехать осенью в Карелию и чем там заняться». Получив ответ на интересующий вопрос, пользователь может продолжить взаимодействие с «Нейро» посредством отправки дополнительных вопросов или уточнения информации в режиме диалога. При этом сервис отвечает на запросы с учётом контекста беседы. Отмечается, что «Нейро» понимает запросы на естественном языке. Для начала взаимодействия с сервисом не требуется подбирать какие-то определённые формулировки. Пользователь может формировать запросы буквально так, как они приходят ему в голову.
Текстовые запросы можно дополнять картинками, например, сделать снимок настольной игры и попросить «Нейро» объяснить её правила. Особенность алгоритма в том, что он берёт факты не из памяти большой языковой модели, а из источников в интернете. Такой подход гарантирует, что в ответах «Нейро» предоставляет свежую и актуальную информацию. Сервис дополняет свои ответы ссылками на источники, которые располагаются отдельным блоком над текстом. Это позволяет пользователям в случае необходимости проверить факты или же более углублённо изучить интересующую тему. В настоящий момент пользователи могут взаимодействовать с сервисом «Нейро» в приложении «Яндекс с Алисой» и в «Яндекс Браузере». Для использования сервиса потребуется авторизоваться с учётной записью «Яндекса» и переключить соответствующий тумблер, расположенный рядом с поисковой строкой. Компания хочет сформировать партнёрские отношения с представителями индустрии развлечений и предложить кинематографистам использовать в своей работе новый ИИ-сервис для генерации видео Sora, пишет Bloomberg со ссылкой на источники. Источник изображения: Andrew Neel До этого, в конце февраля главный операционный директор OpenAI Брэд Лайткеп Brad Lightcap вместе с коллегами демонстрировал в Голливуде возможности Sora, позволяющего генерировать реалистичные видеоролики продолжительностью до минуты на основе текстовых подсказок пользователей. Несколько дней спустя гендиректор OpenAI Сэм Альтман Sam Altman посетил мероприятия в Лос-Анджелесе, посвящённые церемонии вручения премии Оскар, на которых, по всей видимости тоже информировал представителей медиабизнеса о возможностях Sora.
OpenAI представила ИИ-генератор видео Sora в середине февраля, и его возможности сразу привлекли внимание Голливуда и Кремниевой долины. Хотя нейросеть Sora пока недоступна для широкой публики, ею уже могут воспользоваться некоторые известные актёры и режиссёры. Лидирующая в этом сегменте Runway ранее сообщила Bloomberg, что её сервис преобразования текста в видео Runway Gen-2 уже используют миллионы людей, включая профессионалов производственных и анимационных студий, которые полагаются на него при предварительной визуализации и раскадровке. Монтажёры фильмов с помощью сервиса создают видеоролики, сочетая их с другим отснятым контентом для создания рекламных роликов или визуальных эффектов. Источник изображения: Pixabay По данным источника, Google активировала функцию ИИ-поиска для «небольшого процента поискового трафика в США», в связи с чем пользователи на территории страны могут увидеть сгенерированный нейросетью раздел, даже если они не активировали соответствующую опцию. К ноябрю прошлого года эта функция была развёрнута в 120 странах и могла обрабатывать запросы на множестве языков, но по-прежнему оставалась отключённой по умолчанию. Источник изображения: Google На данном этапе Google будет показывать пользователям сгенерированный ИИ блок при обработке сложных запросов или в случаях, когда поисковик посчитает, что пользователю будет полезно получить информацию по интересующему его вопросу из нескольких источников. Также отмечается, что сгенерированный нейросетью блок будет выводиться только в случаях, когда алгоритм определит, что результат работы ИИ предоставляет более качественную информацию, чем обычная поисковая выдача. Вероятно, Google проводит тестирование функции ИИ-поиска, чтобы получить больше отзывов от пользователей с целью дальнейшей интеграции нейросетей в свой поисковик. Тем временем разработчики могут опробовать Gemini 1.
Источник изображения: Google Gemini 1. За один раз Gemini 1. В ходе исследования Google также успешно протестировала обработку до 10 млн токенов. Gemini 1. Нейросеть способна не только анализировать большие блоки данных, но и быстро находить определённый фрагмент текста внутри них. Также Gemini 1. В интерфейсе AI Studio нейросеть сейчас доступна с ограничением в 20 запросов в день. Источник изображения: nasa. Авторы проекта попытались заменить стандартные алгоритмы анализа данных TIRA нейросетями семейства YOLO, которые применяются для поиска движущихся объектов на снимках. Версии нейросетей YOLOv5 и YOLOv8 обучили при помощи массива из 3000 снимков околоземного пространства и проверили их эффективность на примере 600 изображений с радаров, на которых были от одного до трёх частиц космического мусора.
Результат оказался выше того, что демонстрирует стандартный алгоритм TIRA. Учёные сделали вывод, что системы машинного зрения могут успешно применяться для поиска космического мусора в околоземном пространстве и для его отслеживания в реальном времени. Это поможет снизить число инцидентов, связанных с попаданием частиц космического мусора в работающие орбитальные аппараты. По оценкам экспертов, на орбите Земли могут находиться более 170 млн частиц космического мусора. Stable Diffusion 3. Источник изображений: Stable Diffusion 3. Выпуск SDXL в июле значительно улучшил базовую модель Stable Diffusion, и теперь компания собирается пойти значительно дальше. Новая модель Stable Diffusion 3.
Это может стать прецедентом финансирования опенсорсных моделей за счёт инвесторов.
Чего ждать в 2024 году Главное — появления ещё большего числа дешёвых и эффективных моделей с открытым исходным кодом от небольших стартапов и крупных компаний. Отрасль ИИ станет меньше зависеть от IT-гигантов. В новом году ждём от них самых навороченных нейронок. Опенсорсные модели займут нишу простых и доступных по стоимости решений. На их основе будут созданы персональные ИИ-ассистенты нового поколения, способные работать в смартфонах и других гаджетах. Мы ждём, что рост конкуренции в опенсорс-сообществе приведёт к появлению прорывных технологий, а не только к количественному усложнению моделей. Например, могут появиться новые способы обучения или архитектуры нейросетей, лишённые недостатков предшественников. Не стоит забывать про опасности Open Source. В отсутствие контроля хакеры и интернет-мошенники начнут использовать генеративный интеллект для противозаконных действий.
Например, для создания вирусов, взлома паролей или кражи денег с помощью социальной инженерии, создавая «двойников» людей для телефонных или даже видеозвонков. В 2023 году основной прорыв в массовом использовании нейронок с открытым кодом внесла LLaMA, на базе которой появились десятки моделей: Mistral, Zephyr , Alpaca, Phi-2 , Qwen, Yi и другие. В развити опенсорсных моделей просматриваются три тренда, которые усилятся в 2024 году: Желание пользователей устанавливать нейросети на свои устройства и использовать их без подключения к интернету и, соответственно, без оплаты услуг компаний. Раньше качества нейросетей, а также мощностей ноутбуков и смартфонов для этого не хватало, но теперь их достаточно. Поэтому происходит массовый отток пользователей от платных сервисов. Замена людей в процессе получения обратной связи при обучении ИИ-моделей. Это обучение с подкреплением от ИИ, а не от человека. Создание специализированных небольших моделей для медицины, науки, графовых моделей, а также нейросеток с архитектурой MoE. Появление изначально закрытых моделей GPT-3, ChatGPT создало новый рынок, а открытые модели позволили бизнесу использовать их практически без ограничений.
Так, например, открытые решения позволяют компаниям контролировать весь процесс работы с данными своих пользователей, адаптировать их под свои нужды и в целом снизить риски, используя собственную инфраструктуру. Кроме того, появление открытых моделей стало причиной роста компетенций академического сообщества в работе с LLM. Сейчас уже никого не удивишь чат-ботом, сравнимым с ChatGPT, который запущен на ноутбуке каким-то энтузиастом, хотя ещё два года назад это казалось фантастикой. Такой уровень доступности технологий позволил учёным опубликовать уже сотни, если не тысячи интересных и полезных научных статей. Роман Душкин генеральный директор ООО «А-Я эксперт» , компании — разработчика систем искусственного интеллекта — Опенсорсные LLM должны быть открытыми не только с точки зрения исходного кода самих моделей, но и с точки зрения данных, на которых они обучаются. И я думаю, что в будущем году упор будет сделан именно на это — на чистоту и прозрачность. У инженеров, учёных и государства при использовании решений на базе открытых моделей ИИ всегда будут возникать вопросы доверия к ним. Поэтому только открытость и высокое качество датасетов, на которых тренируются нейросети, позволят опенсорсным моделям занять свой рыночный сегмент. Рост мультимодальных возможностей нейросетей Что случилось за год У ИИ появилась мультимодальность — теперь нейросети работают не только с текстом, но и с изображениями, видео и аудио.
Они научились рисовать правильное количество пальцев на руках и повысили детализацию изображений до уровня фотографий. Прошли первые релизы нейросетей для создания видео — Pika 1. Эта задача для ИИ сложнее, чем генерация статических изображений. Поэтому модели пока что создают только короткие ролики продолжительностью до нескольких секунд. К концу года нас уже не удивить песнями, сгенерированными нейросетями, а некоторые из них даже претендуют на получение премии «Грэмми».
Подпишитесь на наши новости
- Создан ИИ, который предсказывает действия людей
- Нейросети против человечества: возможности искусственного интеллекта уже не удивляют, а пугают
- Вы находитесь здесь: итоги 2023 года в сфере ИИ
- Каким будет будущее нейросетей в 2024 году: анализ IT-рынка
Новости по тегу: Нейросеть
Десяток забавных и полезных применений нейронных сетей для обработки фотографий, видеороликов, управления беспилотными автомобилями, поиска новых лекарств и просто фана. Основные рассматриваемые темы: искусственный интеллект, нейронные сети (нейросети), машинное обучение, большие данные (big data), квантовые компьютеры. Все про нейросеть, новости, сервисы, способы заработка, подборки картинок, созданных ИИ. Самые свежие новости и события в мире нейросетей. Узнайте о последних разработках, технологических трендах и применении искусственного интеллекта.
Почему ChatGPT генерирует небылицы? «Яндекс» рассказал про галлюцинации нейросетей
Нижегородские учёные определили, что в импульсной нейронной сети, решающей последовательно несколько. Сегодня нейросети умеют читать по губам, водить автомобили, придумывать лица несуществующих людей и даже превращать пару мазков в полноценные картины. В интерфейсе AI Studio нейросеть сейчас доступна с ограничением в 20 запросов в день. Нейросеть теперь может генерировать изображения с одним и тем же персонажем, сохраняя его внешность. Поэтому следить за новостями в этой области станет сложнее. — Какие существуют опасности использования нейросетей в журналистике?