🔅Новая модель, которая позволяет удалять фон из видео

На Hugging Face опубликовали модель машинного обучения, которая помещает объекты на видео на хромакей. После этого их можно использовать в видеоредакторах или других приложениях.
На платформе опубликовали саму модель и развернули демо;
большие видео не стоит грузить из-за лимита на GPU.

🤗 Загрузить своё видео и затестить

@machinelearning_ru

🔺 Исследование: ИИ превзошел человека в… дивергентном мышлении

▶️Новое исследование, опубликованное в журнале Scientific Reports, выявило, что генеративные языковые модели могут обладать более высоким уровнем креативности в некоторых задачах.
Сравнив результаты 151 человека и GPT-4, которые выполняли задачи на альтернативное использование предметов (например, как можно еще использовать вилку, кроме очевидного способа), оценку последствий (исходы гипотетических ситуаций – например, исчезновение гравитации) и дивергентные ассоциации (назвать слова, максимально далекие друг от друга по смыслу), авторы сделали интересный вывод.

Вот некоторые интересные выводы из исследования:
🟡Творческий потенциал нейросетей обсуждается учеными, но машины пока не могут определить, что является творчеством вообще.

🟡Нейросети могут генерировать музыку и изображения, которые имеют художественную ценность.

🟡ИИ может быть более креативным в задачах на дивергентные ассоциации.

▶️ Читать подробнее

@vistehno

✖️ Профессия промпт-инженера не получит большого внимания и не станет востребованной

Рик Баттл и Тедж Голлапуди из VMware, рассказали, что языковые модели часто непредсказуемо реагируют на запросы. На качество ответа влияет сам вопрос, набор входных данных и другие параметры. Разные комбинации дают разный результат, поэтому промпт-инженеры подбирали запросы методом тыка.

Рик Баттл рассказала про способ составления промптов с помощью самой языковой модели. Большинство таких запросов получаются нелогичными для человека, но дают лучший результат, чем метод подбора с помощью проб и ошибок. В одном из случаев запрос, составленный нейросетью, начинался с отсылки на «Звёздный путь», и это заметно улучшило сгенерированный ответ.

Баттл утверждают, что нейросети представляют собой набор математических моделей и алгоритмов, а люди не могут точно знать как они работают, и какие из команд оказывают на нейросеть большее влияние. Поэтому даже пользователи, называющие себя экспертами в промптинге, просто находят удачные комбинации, но не могут составлять сразу хорошие запросы.

В качестве ещё одного примера целесообразности использования нейросети для генерации промптов приводят недавний эксперимент Intel. Инженеры компании разработали инструмент для Stable Diffusion, который получает пользовательский запрос, а потом преобразует его в оптимальный для нейросети. В результате изображения, сгенерированные с помощью преобразованных промптов, получается более детализированными и эстетичными. Для преобразования запросов разработчики Intel обучили специальную нейросеть.

Исследователи считают, что профессия промпт-инженера уже утратила свою актуальность, не успев стать востребованной и популярной. Нынешние языковые модели могут генерировать более правильные и эффективные запросы чем люди.

📎 Читать подробнее

@machinelearning_ru

🖥 Генераторы данных с открытым исходным кодом!

🟡Mimesis - надежный генератор данных для Python, который может создавать широкий спектр поддельных данных на различных языках.

🟡Spawner - инструмент для создания данных для разнообразных баз данных и искусственного интеллекта. Содержит широкий набор полей, включая возможность пользовательской настройки вручную.

🟡Text or Images, Input or Output - крутейший LLM генератор.

🟡Benerator - генератор текстовых данных для оценки, тестирования и обучения ИИ-моделей.

🟡DataFactory - удобный способ создавать разнообразные наборы тестовых данных для наполнения баз данных и проверки ИИ-моделей.

🟡MockNeat - простой интерфейс для программной генерации данных в форматах json, xml, csv и sql.

🟡Faker - с помощью этого инструмента можно быстро создать фейковые данные для тестов.

@machinelearning_ru