Скайнет стал еще чуть ближе 🦾
Представьте ИИ, который может воспринимать информацию напрямую из файлов, не требуя преобразования данных в изображения или звуки. Вот именно такой принцип лежит в основе новой модели под названием ByteFormer. На удивление статья написана исследователями из Apple (которые не так уж и часто что-то публикуют в открытый доступ).
Благодаря работе с байтами, ByteFormer способен понимать изображения и звуки лучше, чем некоторые другие модели. Это открывает огромные возможности для внедрения ИИ в различные сферы жизни.
Еще одно преимущество ByteFormer - возможность работать с закодированными или частично скрытыми данными, не теряя в точности. Это значит, что мы можем создать системы, которые уважают приватность, но при этом остаются эффективными.
Возможности ByteFormer впечатляют и заставляют нас переосмыслить, как ИИ может взаимодействовать с данными. Сегодня ИИ стал еще мощнее и ближе к нашему повседневному миру.
🫣 Статья
🐙 Код
Представьте ИИ, который может воспринимать информацию напрямую из файлов, не требуя преобразования данных в изображения или звуки. Вот именно такой принцип лежит в основе новой модели под названием ByteFormer. На удивление статья написана исследователями из Apple (которые не так уж и часто что-то публикуют в открытый доступ).
Благодаря работе с байтами, ByteFormer способен понимать изображения и звуки лучше, чем некоторые другие модели. Это открывает огромные возможности для внедрения ИИ в различные сферы жизни.
Еще одно преимущество ByteFormer - возможность работать с закодированными или частично скрытыми данными, не теряя в точности. Это значит, что мы можем создать системы, которые уважают приватность, но при этом остаются эффективными.
Возможности ByteFormer впечатляют и заставляют нас переосмыслить, как ИИ может взаимодействовать с данными. Сегодня ИИ стал еще мощнее и ближе к нашему повседневному миру.
🫣 Статья
🐙 Код
🔥48👍12🤯11❤6
Новый антибиотик 🦠
Новый антибиотик, открытый с помощью искусственного интеллекта, демонстрирует потенциал в борьбе с смертельными супербактериями, согласно исследованию, опубликованному в Nature Chemical Biology.
Ученые из Макмастерского университета и MIT применили машинное обучение для скрининга около 7,500 молекул, которые ингибировали рост бактерии Acinetobacter baumannii - микроорганизма, который Всемирная организация здравоохранения определила как "критическую" угрозу для здоровья человека.
Данные этого скрининга были использованы для обучения глубокой нейронной сети, целью которой было предсказать структурно новые молекулы с активностью против A. baumannii. Использование искусственного интеллекта позволило исследователям быстро исследовать "химическое пространство" (латентное пространство молекул), на предмет новых химических соединений с антибактериальной активностью.
Модель затем ранжировала молекулы по их прогнозируемым оценкам. Молекулы, оценка которых превышала 0.2, считались предварительными кандидатами для экспериментальной проверки. В результате этого процесса был выявлен новый антибиотик, абауцин.
Это исследование подчеркивает важность использования машинного обучения в поисках новых антибиотиков и может стать отправной точкой для разработки новых, эффективных противомикробных лекарств.
🐡 Статья
Новый антибиотик, открытый с помощью искусственного интеллекта, демонстрирует потенциал в борьбе с смертельными супербактериями, согласно исследованию, опубликованному в Nature Chemical Biology.
Ученые из Макмастерского университета и MIT применили машинное обучение для скрининга около 7,500 молекул, которые ингибировали рост бактерии Acinetobacter baumannii - микроорганизма, который Всемирная организация здравоохранения определила как "критическую" угрозу для здоровья человека.
Данные этого скрининга были использованы для обучения глубокой нейронной сети, целью которой было предсказать структурно новые молекулы с активностью против A. baumannii. Использование искусственного интеллекта позволило исследователям быстро исследовать "химическое пространство" (латентное пространство молекул), на предмет новых химических соединений с антибактериальной активностью.
Модель затем ранжировала молекулы по их прогнозируемым оценкам. Молекулы, оценка которых превышала 0.2, считались предварительными кандидатами для экспериментальной проверки. В результате этого процесса был выявлен новый антибиотик, абауцин.
Это исследование подчеркивает важность использования машинного обучения в поисках новых антибиотиков и может стать отправной точкой для разработки новых, эффективных противомикробных лекарств.
🐡 Статья
🔥70👍12❤5😢1
Forwarded from Институт AIRI
Осталось чуть больше 24 часов для подачи заявки на школу по искусственному интеллекту «Лето с AIRI»⏲
Участников будут ждать две недели науки с ведущими учеными из научно-исследовательских организаций и ВУЗов: лекции, семинары, а также постеры и проекты от партнеров Школы.
Самое время запрыгнуть в последний вагон и заполнить форму по ссылке до 4 июня включительно.
До встречи! 🍀
Участников будут ждать две недели науки с ведущими учеными из научно-исследовательских организаций и ВУЗов: лекции, семинары, а также постеры и проекты от партнеров Школы.
Самое время запрыгнуть в последний вагон и заполнить форму по ссылке до 4 июня включительно.
Please open Telegram to view this post
VIEW IN TELEGRAM
👍7❤5🔥4😱3😁2
Forwarded from Многоэтажная Америка 🇺🇸
This media is not supported in your browser
VIEW IN TELEGRAM
Будущее уже здесь 🤖
Наконец мне удалось прокатиться на беспилотном такси!
В Сан - Франциско довольно часто можно увидеть беспилотное такси, с пассажирами и без, но пока оно для пользования доступно не всем.
Эти автомобили оснащены датчиками, радарами, камерами и другими системами, которые позволяют им воспринимать окружающую среду и принимать решения на основе собранных данных.
🚘Машина идет плавно. Только один раз за 20-минутную поездку машина резко дернулась, резко объехав яму на дороге. А так, едешь супер комфортно.
Одним словом - восторг! :)
Наконец мне удалось прокатиться на беспилотном такси!
В Сан - Франциско довольно часто можно увидеть беспилотное такси, с пассажирами и без, но пока оно для пользования доступно не всем.
Эти автомобили оснащены датчиками, радарами, камерами и другими системами, которые позволяют им воспринимать окружающую среду и принимать решения на основе собранных данных.
🚘Машина идет плавно. Только один раз за 20-минутную поездку машина резко дернулась, резко объехав яму на дороге. А так, едешь супер комфортно.
Одним словом - восторг! :)
🔥50👍11😱2❤1
Forwarded from Нейросети и Блендер
ControlNet для QR кодов
😳 Интересная идея обрабатывать QR коды, жаль не... Наведите и перейдете на одну и ту же ссылку.
☺️ Невероятно круто. Ссылка на реддит. Процесс создания(сайт на китайском, но отлично переводится).
😶🌫️ Модели для ContolNet пока нет в открытом доступе, ожидаем...
P.S. на реддите есть настройки, чтобы попробовать уже сейчас обработать QR код через SD.Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
🤯33🔥12👍7❤1
Forwarded from Experimental chill
Сегодня прям праздник статей!
Я тут писал про оптимизации хеширования и сортировок с помощью Reinforcement Learning, Deepmind выложили статью, я в acknowledgements.
AlphaDev discovers faster sorting and hashing algorithms
https://www.deepmind.com/blog/alphadev-discovers-faster-sorting-algorithms
Faster sorting algorithms discovered using deep reinforcement learning
https://www.nature.com/articles/s41586-023-06004-9
Из очень хорошего, работать мне с ними понравилось. Из интересного -- результаты не самые революционные, но какие-то циклы серверов сэкономили.
Я тут писал про оптимизации хеширования и сортировок с помощью Reinforcement Learning, Deepmind выложили статью, я в acknowledgements.
AlphaDev discovers faster sorting and hashing algorithms
https://www.deepmind.com/blog/alphadev-discovers-faster-sorting-algorithms
Faster sorting algorithms discovered using deep reinforcement learning
https://www.nature.com/articles/s41586-023-06004-9
Из очень хорошего, работать мне с ними понравилось. Из интересного -- результаты не самые революционные, но какие-то циклы серверов сэкономили.
Deepmind
AlphaDev discovers faster sorting algorithms
In our paper published today in Nature, we introduce AlphaDev, an artificial intelligence (AI) system that uses reinforcement learning to discover enhanced computer science algorithms – surpassing those honed by scientists and engineers over decades.
🔥9👍3❤2🤯2
This media is not supported in your browser
VIEW IN TELEGRAM
Гугловый Бард совершенствуется в логике и рассуждениях
Отличные новости для пользователей Барда! Сегодня запускаются два интересных улучшения, которые обещают улучшить его производительность в математических задачах и работе с кодом.
Новая техника под названием "неявное выполнение кода" позволяет Bard обнаруживать вычислительные промпты и выполнять код в фоновом режиме, что приводит к более точным ответам на сложные рассуждения и математические задачи.
Как это работает? Большие языковые модели (LLM), такие как Bard, предсказывают наиболее вероятное следующее слово в ответе, что очень хорошо для творческих задач. Но когда дело доходит до таких областей, как рассуждения и математика, такого подхода недостаточно.
Именно здесь на помощь приходит неявное выполнение кода, сочетающее возможности традиционных вычислений с предсказательной силой LLM для улучшения производительности Bard.
Опираясь на идеи, изложенные в книге Дэниела Канемана "Думай медленно, решай быстро", Бард теперь может балансировать между быстрым, интуитивным мышлением "Системы 1" и медленным, обдуманным мышлением "Системы 2".
Точность ответов Барда на вычислительные промпты в ходе тестирования повысилась примерно на 30%.
А еще, если вы попросите Bard "создать таблицу для регистрации волонтеров в моем приюте для животных" - они сразу будут экспортированы прямо в Sheets.
🎸 Новость
Отличные новости для пользователей Барда! Сегодня запускаются два интересных улучшения, которые обещают улучшить его производительность в математических задачах и работе с кодом.
Новая техника под названием "неявное выполнение кода" позволяет Bard обнаруживать вычислительные промпты и выполнять код в фоновом режиме, что приводит к более точным ответам на сложные рассуждения и математические задачи.
Как это работает? Большие языковые модели (LLM), такие как Bard, предсказывают наиболее вероятное следующее слово в ответе, что очень хорошо для творческих задач. Но когда дело доходит до таких областей, как рассуждения и математика, такого подхода недостаточно.
Именно здесь на помощь приходит неявное выполнение кода, сочетающее возможности традиционных вычислений с предсказательной силой LLM для улучшения производительности Bard.
Опираясь на идеи, изложенные в книге Дэниела Канемана "Думай медленно, решай быстро", Бард теперь может балансировать между быстрым, интуитивным мышлением "Системы 1" и медленным, обдуманным мышлением "Системы 2".
Точность ответов Барда на вычислительные промпты в ходе тестирования повысилась примерно на 30%.
А еще, если вы попросите Bard "создать таблицу для регистрации волонтеров в моем приюте для животных" - они сразу будут экспортированы прямо в Sheets.
🎸 Новость
🔥28👍12❤6
This media is not supported in your browser
VIEW IN TELEGRAM
Materialistic: Selecting Similar Materials in Images
MIT совместно с Adobe разработали метод сегментации похожих материалов. Этот метод хорошо работает с различными условиями освещения и тенями, и не полагается на семантическую сегментацию.
В этом подходе используется предварительно обученная self-supervised (#SSL) модель DINOv1 от Меты. Несмотря на свои впечатляющие возможности, эмбеддинги в DINO не инвариантны и поэтому не могут быть использованы для сегментации материалов. Для решения этой проблемы, авторы добавили к DINO энкодер материалов, который сопоставляет эмбеддинги из DINO с материалом и преобразует пространственно неточные представления в более точные попиксельные представления. Cross-Similarity модуль позволяет пользователю выбирать материал, который будет сцементирован по всему изображению.
📜 Статья
🌐 Примеры
@karray
MIT совместно с Adobe разработали метод сегментации похожих материалов. Этот метод хорошо работает с различными условиями освещения и тенями, и не полагается на семантическую сегментацию.
В этом подходе используется предварительно обученная self-supervised (#SSL) модель DINOv1 от Меты. Несмотря на свои впечатляющие возможности, эмбеддинги в DINO не инвариантны и поэтому не могут быть использованы для сегментации материалов. Для решения этой проблемы, авторы добавили к DINO энкодер материалов, который сопоставляет эмбеддинги из DINO с материалом и преобразует пространственно неточные представления в более точные попиксельные представления. Cross-Similarity модуль позволяет пользователю выбирать материал, который будет сцементирован по всему изображению.
📜 Статья
🌐 Примеры
@karray
👍10❤3🔥3
Как поговорить с PDFкой, используя всего 10 строк кода.
Вот что нужно сделать:
1. Загрузите файл PDF.
2. Разделите документ на более мелкие фрагменты.
3. Сделайте эмбеддинг каждого фрагмента используя большую языковую модель (например от OpenAI).
4. Подгрузите эмбеддинги в память векторного хранилища Faiss Vector DB.
5. Задавайте вопросы о PDF.
Все это можно сделать с помощью библиотеки Langchain.
🦜 Langchain
👌 Источник
Вот что нужно сделать:
1. Загрузите файл PDF.
2. Разделите документ на более мелкие фрагменты.
3. Сделайте эмбеддинг каждого фрагмента используя большую языковую модель (например от OpenAI).
4. Подгрузите эмбеддинги в память векторного хранилища Faiss Vector DB.
5. Задавайте вопросы о PDF.
Все это можно сделать с помощью библиотеки Langchain.
🦜 Langchain
👌 Источник
🔥35👍13😁7❤1
🔬 Обновления OpenAI API - еще на шаг ближе к личному ассистенту
OpenAI объявило о внедрении целого ряда улучшений в свои модели, среди которых большая гибкость управления моделями API, возможность вызова функций, расширение контекста, а также снижение цен.
Среди новшеств стоит отметить:
📍 Возможность вызова функций в Chat Completions API
📍 Обновлённые и более поддерживаемые версии gpt-4 и gpt-3.5-turbo
📍 Новая версия gpt-3.5-turbo с контекстом 16k (против стандартной версии 4k)
📍 Снижение стоимости на 75% для нашей модели векторного представления данных
📍 Снижение стоимости на 25% за входные токены для gpt-3.5-turbo
Нововведение в виде вызова функций позволит разработчикам более надёжно связывать возможности GPT с внешними инструментами и API.
К примеру, теперь разработчики могут:
📨 Создавать чат-ботов, отвечающих на вопросы с помощью внешних инструментов
🔀 Преобразовывать естественный язык в вызовы API или запросы к базам данных
🗂 Извлекать структурированные данные из текста
И что самое удивительное, пока во всем мире инфляция и цены повышаются - OpenAI наоборот демпингует и снижает цены на использование своего API.
Новость
OpenAI объявило о внедрении целого ряда улучшений в свои модели, среди которых большая гибкость управления моделями API, возможность вызова функций, расширение контекста, а также снижение цен.
Среди новшеств стоит отметить:
📍 Возможность вызова функций в Chat Completions API
📍 Обновлённые и более поддерживаемые версии gpt-4 и gpt-3.5-turbo
📍 Новая версия gpt-3.5-turbo с контекстом 16k (против стандартной версии 4k)
📍 Снижение стоимости на 75% для нашей модели векторного представления данных
📍 Снижение стоимости на 25% за входные токены для gpt-3.5-turbo
Нововведение в виде вызова функций позволит разработчикам более надёжно связывать возможности GPT с внешними инструментами и API.
К примеру, теперь разработчики могут:
📨 Создавать чат-ботов, отвечающих на вопросы с помощью внешних инструментов
🔀 Преобразовывать естественный язык в вызовы API или запросы к базам данных
🗂 Извлекать структурированные данные из текста
И что самое удивительное, пока во всем мире инфляция и цены повышаются - OpenAI наоборот демпингует и снижает цены на использование своего API.
Новость
👍29❤2🔥2😁1
Ай-ЖЕПА: умная модель AI, которая учится понимать мир как люди
Meta представили первую AI модель, основанную на ключевом компоненте видения Яна ЛеКуна. Модель I-JEPA выучивает скрытое представление окружающего мира и отличается высокой эффективностью в различных задачах компьютерного зрения.
В прошлом году главный научный сотрудник по AI в Meta, Ян ЛеКун, предложил новую архитектуру, призванную преодолеть ключевые ограничения даже самых передовых AI систем сегодня. Его видение - создать машины, которые способные понять, как работает мир. Он считает что тогда они и обучаться будут быстрее, и планировать, как выполнять сложные задачи, и легко адаптироваться к незнакомым ситуациям тоже смогут.
И вот, Meta наконец то представили первую AI модель, основанную на ключевом компоненте видения ЛеКуна. Эта модель, Image Joint Embedding Predictive Architecture (I-JEPA), учится создавать модель окружающего мира с помощью сравнения абстрактных образов (вместо сравнения просто пикселей.
I-JEPA демонстрирует потенциал self-supervised (#SSL) архитектур для представлений изображений без необходимости в дополнительном знании, закодированном через ручные преобразования изображений. Это важный шаг к применению и масштабированию self-supervised методов для изучения общей модели мира.
И пусть "Ай-ЖЕПА" в русском языке может и звучать немного забавно, Meta делает ставку на то, что AGI к нам придет от зрения (вообще кажется все компании так или иначе делают ставку на один орган осязания, например на язык как в случае с Open AI).
✌️ Блог-пост
📖 Статья
💾 Код
Meta представили первую AI модель, основанную на ключевом компоненте видения Яна ЛеКуна. Модель I-JEPA выучивает скрытое представление окружающего мира и отличается высокой эффективностью в различных задачах компьютерного зрения.
В прошлом году главный научный сотрудник по AI в Meta, Ян ЛеКун, предложил новую архитектуру, призванную преодолеть ключевые ограничения даже самых передовых AI систем сегодня. Его видение - создать машины, которые способные понять, как работает мир. Он считает что тогда они и обучаться будут быстрее, и планировать, как выполнять сложные задачи, и легко адаптироваться к незнакомым ситуациям тоже смогут.
И вот, Meta наконец то представили первую AI модель, основанную на ключевом компоненте видения ЛеКуна. Эта модель, Image Joint Embedding Predictive Architecture (I-JEPA), учится создавать модель окружающего мира с помощью сравнения абстрактных образов (вместо сравнения просто пикселей.
I-JEPA демонстрирует потенциал self-supervised (#SSL) архитектур для представлений изображений без необходимости в дополнительном знании, закодированном через ручные преобразования изображений. Это важный шаг к применению и масштабированию self-supervised методов для изучения общей модели мира.
И пусть "Ай-ЖЕПА" в русском языке может и звучать немного забавно, Meta делает ставку на то, что AGI к нам придет от зрения (вообще кажется все компании так или иначе делают ставку на один орган осязания, например на язык как в случае с Open AI).
✌️ Блог-пост
📖 Статья
💾 Код
😁55🎉22🔥10❤4
Pinball автоматы
Когда-то давно, еще во времена Windows XP, я мог часами играть в пинбол на своем стареньком Pentium 4. А недавно я столкнулся с этой игрой в новом для себя формате, на этот раз это был реальный, физический пинбол.
В Emporium San Francisco я обнаружил пинбол-автомат, посвященный сериалу Stranger Things. Сразу стало понятно, что игра будет не просто про набор очков. Нет, игра про гораздо большее.
В этой игре есть сюжет. Да, вы не ошиблись, в пинболе оказывается есть сюжет. Игра следует основным событиям сериала, и каждая попытка отбить шарик становится частью большого приключения. Оказывается, чтобы продвигаться по сюжету нужно выполнять определенные задания и миссии. Например забить мячом в левый верхний угол или попасть по светящейся лампочке.
Атмосфера была непередаваема - каждая реплика из сериала, воспроизводимая автоматом, по задумке создателей должна переносить тебя в мир Hawkins (в реальности все кричит и шумит так, что комфортнее играть в шумоподавляющих наушниках со своей музыкой). Но все это вместе - звуки, свет, задания - создавали ощущение, что ты не просто играешь в игру, а ты становишься частью чего-то большего.
Монетки уходили одна за другой, но это того стоило. С каждой новой игрой я погружался все глубже в сюжет. Кстати, поиграть стоит примерно 10 долларов в час.
Так что, если вам когда-либо попадется в глаза пинбол Stranger Things в Emporium San Francisco, не упустите возможность опробовать. Это не просто игра, это путешествие, полное приключений и открытий.
Когда-то давно, еще во времена Windows XP, я мог часами играть в пинбол на своем стареньком Pentium 4. А недавно я столкнулся с этой игрой в новом для себя формате, на этот раз это был реальный, физический пинбол.
В Emporium San Francisco я обнаружил пинбол-автомат, посвященный сериалу Stranger Things. Сразу стало понятно, что игра будет не просто про набор очков. Нет, игра про гораздо большее.
В этой игре есть сюжет. Да, вы не ошиблись, в пинболе оказывается есть сюжет. Игра следует основным событиям сериала, и каждая попытка отбить шарик становится частью большого приключения. Оказывается, чтобы продвигаться по сюжету нужно выполнять определенные задания и миссии. Например забить мячом в левый верхний угол или попасть по светящейся лампочке.
Атмосфера была непередаваема - каждая реплика из сериала, воспроизводимая автоматом, по задумке создателей должна переносить тебя в мир Hawkins (в реальности все кричит и шумит так, что комфортнее играть в шумоподавляющих наушниках со своей музыкой). Но все это вместе - звуки, свет, задания - создавали ощущение, что ты не просто играешь в игру, а ты становишься частью чего-то большего.
Монетки уходили одна за другой, но это того стоило. С каждой новой игрой я погружался все глубже в сюжет. Кстати, поиграть стоит примерно 10 долларов в час.
Так что, если вам когда-либо попадется в глаза пинбол Stranger Things в Emporium San Francisco, не упустите возможность опробовать. Это не просто игра, это путешествие, полное приключений и открытий.
❤36👍12🤯7🔥6