📜 Как обстоят дела со свободой слова в Стэнфорде
🔍 Исследовательская группа College Pulse провела опрос среди студентов Стэнфорда о ситуации со свободой слова в университете.
📊 Основные результаты:
- 79% студентов считают, что перекрикивание выступающих иногда оправдано.
- 52% приходилось хотя бы раз в месяц скрывать своё мнение.
- 56% боятся что их репутации могут навредить из-за неправильного понимания их слов.
Но при этом, на каждого консервативного студента приходится примерно 5-6 либеральных (хм, а так уж ли либеральных?).
💬 Студенты жалуются:
- Боятся осуждения за высказывание консервативных взглядов.
- Администрация вуза порой игнорирует жалобы на дискриминацию.
💡 Таким образом, исследование показывает наличие проблем со свободой самовыражения в Стэнфорде.
К счастью, у нас с этого семестра уже новый президент, так как стаорго поймали на фальсификации данных в научных статьях 🤷♂️ Будем надеятся что станет лучше.
Я сейчас работаю в Стенфорде в качестве postdoctoral fellow, и от себя скажу что как то так и живем.
🎲 Рейтинг вузов по свободе слова
🔍 Исследовательская группа College Pulse провела опрос среди студентов Стэнфорда о ситуации со свободой слова в университете.
📊 Основные результаты:
- 79% студентов считают, что перекрикивание выступающих иногда оправдано.
- 52% приходилось хотя бы раз в месяц скрывать своё мнение.
- 56% боятся что их репутации могут навредить из-за неправильного понимания их слов.
Но при этом, на каждого консервативного студента приходится примерно 5-6 либеральных (хм, а так уж ли либеральных?).
💬 Студенты жалуются:
- Боятся осуждения за высказывание консервативных взглядов.
- Администрация вуза порой игнорирует жалобы на дискриминацию.
💡 Таким образом, исследование показывает наличие проблем со свободой самовыражения в Стэнфорде.
К счастью, у нас с этого семестра уже новый президент, так как стаорго поймали на фальсификации данных в научных статьях 🤷♂️ Будем надеятся что станет лучше.
Я сейчас работаю в Стенфорде в качестве postdoctoral fellow, и от себя скажу что как то так и живем.
🎲 Рейтинг вузов по свободе слова
🔥19😢7👍5❤3😱2
Помощь в написании постов
Привет, дорогие подписчики канала NN for Science! Сегодня хочу поделиться с вами отличной возможностью.
Как вы знаете, наш канал растет, и наше сообщество становится всё больше и интереснее. Но ведь всегда можно сделать лучше, правда?
И тут я хочу предложить вам стать частью закрытого чата, который поддерживает этот канал. В этом чате мы обсуждаем идеи для будущих публикаций, новости из мира машинного обучения и многое другое.
Что нужно сделать, чтобы попасть в чат NN for Scientists?
Что бы быть в чате, вам нужно будет писать хотя бы один пост в неделю на наш канал. Взамен вы получите доступ к эксклюзивным материалам и новостям, которые я отслеживаю. Многие из них появляются в закрытом чате намного быстрее и вообще не всегда попадают в канал.
Если вы готовы и хотите, напишите мне в личные сообщения пример поста который вы бы написали на канал, и я с удовольствием добавлю вас в этот закрытый чат. 💌
Жду ваших сообщений! @crimeacs
На фото: общественная библиотека в Mill Valley, CA
Привет, дорогие подписчики канала NN for Science! Сегодня хочу поделиться с вами отличной возможностью.
Как вы знаете, наш канал растет, и наше сообщество становится всё больше и интереснее. Но ведь всегда можно сделать лучше, правда?
И тут я хочу предложить вам стать частью закрытого чата, который поддерживает этот канал. В этом чате мы обсуждаем идеи для будущих публикаций, новости из мира машинного обучения и многое другое.
Что нужно сделать, чтобы попасть в чат NN for Scientists?
Что бы быть в чате, вам нужно будет писать хотя бы один пост в неделю на наш канал. Взамен вы получите доступ к эксклюзивным материалам и новостям, которые я отслеживаю. Многие из них появляются в закрытом чате намного быстрее и вообще не всегда попадают в канал.
Если вы готовы и хотите, напишите мне в личные сообщения пример поста который вы бы написали на канал, и я с удовольствием добавлю вас в этот закрытый чат. 💌
Жду ваших сообщений! @crimeacs
На фото: общественная библиотека в Mill Valley, CA
😁13👍8❤3🤯2😱2
BrainLM: foundational модель мозга
Недавно была опубликована интересная научная работа, посвященная использованию foundational моделей (нету пока устоявшегося перевода) искусственного интеллекта для анализа активности мозга по данным фМРТ.
Foundation models - это разновидность нейросетей, которые сначала обучаются на огромных объемах разнообразных данных, а затем могут применяться для решения конкретных прикладных задач в определенной предметной области.
В статье представлена модель BrainLM, обученная в self-supervised режиме на данных функциональной магнитно-резонансной томографии от 77000 записей.
Модель демонстрирует успешные результаты на различных задачах анализа активности мозга:
- Прогнозирование клинических показателей, таких как возраст, тревожность, ПТСР по данным фМРТ
- Предсказание будущих состояний активности мозга на основе предыдущих записей
- Выявление функциональных связей различных зон мозга и их роли
- Моделирование виртуальных "воздействий" на мозг и анализ ответной реакции
Преимущества foundational подхода в том, что обученная на больших данных нейросеть формирует универсальные признаки, которые затем можно использовать для решения конкретных задач, связанных с анализом мозга.
Разработчики надеются, что BrainLM станет основой для создания нового поколения методов анализа активности мозга с помощью ИИ. Это позволит лучше понять принципы работы человеческого мозга и диагностировать различные заболевания.
🧠 Статья
Недавно была опубликована интересная научная работа, посвященная использованию foundational моделей (нету пока устоявшегося перевода) искусственного интеллекта для анализа активности мозга по данным фМРТ.
Foundation models - это разновидность нейросетей, которые сначала обучаются на огромных объемах разнообразных данных, а затем могут применяться для решения конкретных прикладных задач в определенной предметной области.
В статье представлена модель BrainLM, обученная в self-supervised режиме на данных функциональной магнитно-резонансной томографии от 77000 записей.
Модель демонстрирует успешные результаты на различных задачах анализа активности мозга:
- Прогнозирование клинических показателей, таких как возраст, тревожность, ПТСР по данным фМРТ
- Предсказание будущих состояний активности мозга на основе предыдущих записей
- Выявление функциональных связей различных зон мозга и их роли
- Моделирование виртуальных "воздействий" на мозг и анализ ответной реакции
Преимущества foundational подхода в том, что обученная на больших данных нейросеть формирует универсальные признаки, которые затем можно использовать для решения конкретных задач, связанных с анализом мозга.
Разработчики надеются, что BrainLM станет основой для создания нового поколения методов анализа активности мозга с помощью ИИ. Это позволит лучше понять принципы работы человеческого мозга и диагностировать различные заболевания.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥43👍11🎉4🤩2❤1
🤖Тест на уровень морального развития для чатботов
Ученые из Microsoft придумали, как проверить насколько "правильно" чатботы реагируют в сложных этических ситуациях. Их метод был адаптирован из тестов для оценки уровня морального развития человека.
Исследователи взяли известный психологический тест, где нужно решать моральные дилеммы. Они адаптировали его для чатботов - задавали им похожие вопросы и анализировали ответы.
Под уровнем морального развития человека авторы имеют в виду стадии морального развития, описанные в теории Кольберга (на картинке выше).
В этой теории выделяется 3 уровня (внутри которых выделяются разные стадии):
1) Доконвенциональный (ориентация на себя)
2) Конвенциональный (ориентация на окружающих)
3) Постконвенциональный (ориентация на общепринятые этические нормы)
Чем выше уровень - тем более зрелая моральная позиция у человека (по версии теста).
Результаты: GPT-3 находится на низком уровне "этичности". Вариант Text-davinci-002 также не предоставил значимых результатов. Модели с RLHF-обучением, включая GPT-4 и Text-davinci-003, показали гораздо лучшее понимание инструкций и этических проблем. Они превзошли случайный базовый уровень и продемонстрировали значительно более высокий уровень морального развития. Меньшая модель LLaMachat-70b неожиданно показала высокие результаты, что скорее всего говорит о пользе RLHF.
Это один из первых таких тестов для искусственного интеллекта. В будущем мы научимся создавать aligned и steerable чатботов. Разработчики смогут целенаправленно "воспитывать" в них правильное поведение в сложных ситуациях.
📄 Статья
Ученые из Microsoft придумали, как проверить насколько "правильно" чатботы реагируют в сложных этических ситуациях. Их метод был адаптирован из тестов для оценки уровня морального развития человека.
Исследователи взяли известный психологический тест, где нужно решать моральные дилеммы. Они адаптировали его для чатботов - задавали им похожие вопросы и анализировали ответы.
Под уровнем морального развития человека авторы имеют в виду стадии морального развития, описанные в теории Кольберга (на картинке выше).
В этой теории выделяется 3 уровня (внутри которых выделяются разные стадии):
1) Доконвенциональный (ориентация на себя)
2) Конвенциональный (ориентация на окружающих)
3) Постконвенциональный (ориентация на общепринятые этические нормы)
Чем выше уровень - тем более зрелая моральная позиция у человека (по версии теста).
Результаты: GPT-3 находится на низком уровне "этичности". Вариант Text-davinci-002 также не предоставил значимых результатов. Модели с RLHF-обучением, включая GPT-4 и Text-davinci-003, показали гораздо лучшее понимание инструкций и этических проблем. Они превзошли случайный базовый уровень и продемонстрировали значительно более высокий уровень морального развития. Меньшая модель LLaMachat-70b неожиданно показала высокие результаты, что скорее всего говорит о пользе RLHF.
Это один из первых таких тестов для искусственного интеллекта. В будущем мы научимся создавать aligned и steerable чатботов. Разработчики смогут целенаправленно "воспитывать" в них правильное поведение в сложных ситуациях.
📄 Статья
🔥13❤3👍2🤯1
Парное програмирование с большими языковыми моделями
Хочу рассказать о новом онлайн-курсе от DeepLearning.AI совместно с Google. Он посвящен применению больших языковых моделей (типа ChatGPT) в работе программиста.
На курсе расскажут, как упрощать код и повышать скорость разработки с помощью ИИ, как находить ошибки в коде и рефакторить его, а также как пояснять и документировать сложный код на разных языках программирования.
Курс рассчитан всего на 1 час, доступен бесплатно на платформе DeepLearning.AI и включает в себя практические задания на модели PaLM от Google.
Курс будет полезен программистам, которые хотят научиться применять возможности ИИ в своей работе. Его ведет Laurence Moroney, один из ведущих специалистов Google по искусственному интеллекту.
🤖 Ссылка на курс
Хочу рассказать о новом онлайн-курсе от DeepLearning.AI совместно с Google. Он посвящен применению больших языковых моделей (типа ChatGPT) в работе программиста.
На курсе расскажут, как упрощать код и повышать скорость разработки с помощью ИИ, как находить ошибки в коде и рефакторить его, а также как пояснять и документировать сложный код на разных языках программирования.
Курс рассчитан всего на 1 час, доступен бесплатно на платформе DeepLearning.AI и включает в себя практические задания на модели PaLM от Google.
Курс будет полезен программистам, которые хотят научиться применять возможности ИИ в своей работе. Его ведет Laurence Moroney, один из ведущих специалистов Google по искусственному интеллекту.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥21❤7
Эффективное квантование нейросетей в 8-бит
Исследователи предложили новый подход к сжатию нейросетей (без обучения заново), позволяющий сократить размер моделей в 4 раза (практически) без потери точности.
Исследователи из Intel и AMD предложили новое 8-битное представление с плавающей запятой. Оно более эффективно представляет распределение данных в сети.
Глубокие нейронные сети требуют огромных вычислительных мощностей. Уменьшение размера моделей позволит использовать их на большем количестве устройств.
Модели с таким представлением протестировали на задачах обработки языка и изображений. Результаты показали лучшее качество по сравнению с обычным 8-битным форматом.
Более того, исследователи выкатили целую библиотеку Intel® Neural Compressor, в которой реализовали новый метод, а так же множетсво других вариантов сжатия нейросетей.
🔍 Статья
🔗 Neural Compressor
Исследователи предложили новый подход к сжатию нейросетей (без обучения заново), позволяющий сократить размер моделей в 4 раза (практически) без потери точности.
Исследователи из Intel и AMD предложили новое 8-битное представление с плавающей запятой. Оно более эффективно представляет распределение данных в сети.
Глубокие нейронные сети требуют огромных вычислительных мощностей. Уменьшение размера моделей позволит использовать их на большем количестве устройств.
Модели с таким представлением протестировали на задачах обработки языка и изображений. Результаты показали лучшее качество по сравнению с обычным 8-битным форматом.
Более того, исследователи выкатили целую библиотеку Intel® Neural Compressor, в которой реализовали новый метод, а так же множетсво других вариантов сжатия нейросетей.
🔍 Статья
🔗 Neural Compressor
👍20❤6🔥1
Интерактивная статья про тестирование ИИ
Журнал Nature выпустил занимательную интерактивную статью о том, как оценивают умные чатботы типа ChatGPT. Задача оказалось непростй даже для самих создателей ИИ.
В статье разбираются разные способы оценить, насколько хорошо чатботы понимают текст и умеют рассуждать. Есть классический тест Тьюринга, когда человек должен понять разговаривает он с ботом или с другим человеком. Есть и более современные подходы, где ИИ проходит серию испытаний, по результатам которых оцениваются разные его аспекты.
Но главная фишка этой статьи в интерактивных примерах, где можно самому пообщаться с чатботом или пройти тесты для ИИ. Такой формат позволяет лучше разобраться в сложностях оценки искусственного интеллекта.
Дальше в статье обсуждаются разные способы тестирования ИИ - психологические, поведенческие и другие. Анализируются плюсы и минусы каждого подхода простым языком.
В итоге авторы призывают создать более надежные тесты, чтобы понимать, что умеют чатботы, а что нет. Это важно для исследований и безопасного использования ИИ.
Рекомендую эту статью всем, кто интересуется темой тестирования умных чатботов. Интерактивный формат делает материал наглядным и доступным.
🕹 Интерактивная статья
Журнал Nature выпустил занимательную интерактивную статью о том, как оценивают умные чатботы типа ChatGPT. Задача оказалось непростй даже для самих создателей ИИ.
В статье разбираются разные способы оценить, насколько хорошо чатботы понимают текст и умеют рассуждать. Есть классический тест Тьюринга, когда человек должен понять разговаривает он с ботом или с другим человеком. Есть и более современные подходы, где ИИ проходит серию испытаний, по результатам которых оцениваются разные его аспекты.
Но главная фишка этой статьи в интерактивных примерах, где можно самому пообщаться с чатботом или пройти тесты для ИИ. Такой формат позволяет лучше разобраться в сложностях оценки искусственного интеллекта.
Дальше в статье обсуждаются разные способы тестирования ИИ - психологические, поведенческие и другие. Анализируются плюсы и минусы каждого подхода простым языком.
В итоге авторы призывают создать более надежные тесты, чтобы понимать, что умеют чатботы, а что нет. Это важно для исследований и безопасного использования ИИ.
Рекомендую эту статью всем, кто интересуется темой тестирования умных чатботов. Интерактивный формат делает материал наглядным и доступным.
🕹 Интерактивная статья
👍15❤7🔥1
Краткий обзор анонсированных на конференции MetaConnect2023 новых продуктов и исследований в области AI от компании Meta:
На MetaConnect2023 был представлен ряд новых продуктов, опирающихся на последние достижения в области искусственного интеллекта.
В частности, были анонсированы следующие AI-модели и исследования:
- Llama 2 - открытая модель для диалоговых систем
- Emu - генеративная нейросеть для картинок
- Масштабируемые контекстные модели для диалоговых систем
- Code Llama - генерация и обсуждение кода
- Segment Anything - сегментация изображений для Instagram
Эти разработки лягут в основу таких продуктов Meta, как виртуальные персонажи, стикеры и фильтры в Instagram, умный помощник и др.
Более подробно ознакомиться с этими исследованиями можно по ссылкам в посте. Интересно то, что после всех лет и инвестиций в исследования, Meta наконец то заходит в продакшен, и то ли еще будет!
На MetaConnect2023 был представлен ряд новых продуктов, опирающихся на последние достижения в области искусственного интеллекта.
В частности, были анонсированы следующие AI-модели и исследования:
- Llama 2 - открытая модель для диалоговых систем
- Emu - генеративная нейросеть для картинок
- Масштабируемые контекстные модели для диалоговых систем
- Code Llama - генерация и обсуждение кода
- Segment Anything - сегментация изображений для Instagram
Эти разработки лягут в основу таких продуктов Meta, как виртуальные персонажи, стикеры и фильтры в Instagram, умный помощник и др.
Более подробно ознакомиться с этими исследованиями можно по ссылкам в посте. Интересно то, что после всех лет и инвестиций в исследования, Meta наконец то заходит в продакшен, и то ли еще будет!
🔥10❤2
Партнёрство Cloudflare и Hugging Face
Cloudflare объявило о начале партнёрства с Hugging Face с целью сделать модели ИИ более доступными для разработчиков.
Что обещают? 👀
-В Hugging Face появятся безсерверные модели GPU без инфраструктурных "костылей" и оплат за неиспользуемые мощности. Просто выберите свою модель и работайте.
-Модели Hugging Face появятся в каталоге моделей Cloudflare
-Интеграционные инструменты Cloudflare станут частью Hugging Face Inference
Разработчики, использующие платформу Cloudflare, вскоре смогут развертывать модели Hugging Face прямо с панели управления Cloudflare, а те, кто использует Hugging Face, смогут развертывать модели непосредственно в Workers AI.
🤗 Блог
Cloudflare объявило о начале партнёрства с Hugging Face с целью сделать модели ИИ более доступными для разработчиков.
Что обещают? 👀
-В Hugging Face появятся безсерверные модели GPU без инфраструктурных "костылей" и оплат за неиспользуемые мощности. Просто выберите свою модель и работайте.
-Модели Hugging Face появятся в каталоге моделей Cloudflare
-Интеграционные инструменты Cloudflare станут частью Hugging Face Inference
Разработчики, использующие платформу Cloudflare, вскоре смогут развертывать модели Hugging Face прямо с панели управления Cloudflare, а те, кто использует Hugging Face, смогут развертывать модели непосредственно в Workers AI.
🤗 Блог
🔥28👍6❤3
Как использовать машинное обучение для оптимального размещения климатических датчиков
Ученые из Великобритании разработали умный алгоритм, который может подсказать, где лучше всего разместить датчики для мониторинга климата в Антарктике.
Эта труднодоступная область очень важна для понимания изменений климата, но сеть наблюдений там очень редкая. А установка каждой новой станции обходится дорого.
Чтобы оптимизировать размещение датчиков, ученые использовали метод машинного обучения - convolutional Gaussian neural process.
Модель проанализировала огромные массивы спутниковых данных об Антарктике, чтобы научиться предсказывать температуру в разных точках континента.
Затем алгоритм моделировал, как новые измерения в тех или иных местах уточнят его предсказания. Так он выявлял самые информативные точки для размещения датчиков.
В результате модель значительно превзошла другие методы в выборе оптимальных локаций. Это позволит лучше понимать климатические изменения в Антарктике и экономить на развертывании сенсорной сети (а еще этот подход отлично транслируется на другие типы датчиков и локаций).
Такой подход - первый шаг к созданию "цифровых двойников" природы. Модели на основе ИИ смогут направлять сбор данных об окружающей среде, чтобы максимально точно её отображать.
🗺️ Статья
🥸 Выступление
🌪️ Код
Ученые из Великобритании разработали умный алгоритм, который может подсказать, где лучше всего разместить датчики для мониторинга климата в Антарктике.
Эта труднодоступная область очень важна для понимания изменений климата, но сеть наблюдений там очень редкая. А установка каждой новой станции обходится дорого.
Чтобы оптимизировать размещение датчиков, ученые использовали метод машинного обучения - convolutional Gaussian neural process.
Модель проанализировала огромные массивы спутниковых данных об Антарктике, чтобы научиться предсказывать температуру в разных точках континента.
Затем алгоритм моделировал, как новые измерения в тех или иных местах уточнят его предсказания. Так он выявлял самые информативные точки для размещения датчиков.
В результате модель значительно превзошла другие методы в выборе оптимальных локаций. Это позволит лучше понимать климатические изменения в Антарктике и экономить на развертывании сенсорной сети (а еще этот подход отлично транслируется на другие типы датчиков и локаций).
Такой подход - первый шаг к созданию "цифровых двойников" природы. Модели на основе ИИ смогут направлять сбор данных об окружающей среде, чтобы максимально точно её отображать.
🗺️ Статья
🥸 Выступление
🌪️ Код
🔥21👍11🤯4
Данные с носимых устройств: готовы ли вы принимать решения о своем здоровье на их основе, или для вас это пока недостаточно надежный источник информации?
Whoop во вторник похвастался,
что заколабился с OpenAI, и теперь у нас не просто дэшборд со статистикой, а карманный тренер, с которым можно обсудить, когда запланировать тренировку, почему сегодня нет сил и подскажет, как заземлиться, если тело сигнализирует о стрессе.
Особенно приятно, что за фичу не надо платить дополнительно, бета доступна всем владельцам Whoop, а ещё GPT4 не будет дообучатся на данных пользователей.
Похоже, мы близки к временам, когда все носимое от часов до менструальных кап будет агрегировать информацию о теле для превентивного здравоохранения. Для этого хорошо бы смотреть на биоданные под разными углами.
И тут интересно выглядит уже Garmin, который поддержал исследование научной группы QIMP (почему они крутые - отдельно) из Университета Вены, чтобы получить мультимодальные данные: стандартные биосигналы с часов и невероятно подробные данные о метаболизме по whole body PET сканам.
Кстати, если вы недалеко от Вены, можете успеть поучаствовать. Для тревожных - доза радиации эквивалентна полету из Калифорнии в Лондон и обратно, а медицинская картинка выглядит космически (второе видео), плюс €75 компенсация за смелость.
Честно говоря, я больше доверяю, если данные мультимодальные, и интерпретируют их учёные и врачи, ну, или делают peer-review и верифицируют контент, как, например, у Flo.
А как у вас? Кому какой подоход кажется полезнее?
Whoop во вторник похвастался,
что заколабился с OpenAI, и теперь у нас не просто дэшборд со статистикой, а карманный тренер, с которым можно обсудить, когда запланировать тренировку, почему сегодня нет сил и подскажет, как заземлиться, если тело сигнализирует о стрессе.
Особенно приятно, что за фичу не надо платить дополнительно, бета доступна всем владельцам Whoop, а ещё GPT4 не будет дообучатся на данных пользователей.
Похоже, мы близки к временам, когда все носимое от часов до менструальных кап будет агрегировать информацию о теле для превентивного здравоохранения. Для этого хорошо бы смотреть на биоданные под разными углами.
И тут интересно выглядит уже Garmin, который поддержал исследование научной группы QIMP (почему они крутые - отдельно) из Университета Вены, чтобы получить мультимодальные данные: стандартные биосигналы с часов и невероятно подробные данные о метаболизме по whole body PET сканам.
Кстати, если вы недалеко от Вены, можете успеть поучаствовать. Для тревожных - доза радиации эквивалентна полету из Калифорнии в Лондон и обратно, а медицинская картинка выглядит космически (второе видео), плюс €75 компенсация за смелость.
Честно говоря, я больше доверяю, если данные мультимодальные, и интерпретируют их учёные и врачи, ну, или делают peer-review и верифицируют контент, как, например, у Flo.
А как у вас? Кому какой подоход кажется полезнее?
🔥9👍4❤3🤯1🤩1
Yandex ML Prize
Яндекс объявил о старте приема заявок на ежегодную премию в области машинного обучения – Yandex ML Prize.
Премия присуждается ученым и преподавателям из 11 стран за вклад в развитие таких направлений как компьютерное зрение, обработка естественного языка, поиск информации и др.
В премии открыто 5 номинаций:
- Для молодых исследователей (студентов)
- Для научных руководителей
- Для преподавателей в сфере ML
- За лучшую первую научную публикацию
- Для сотрудников Яндекса
Лауреаты получат денежные премии от 500 000 рублей до миллиона, а также доступ к сервисам Яндекса для научной работы.
Подать заявку можно до 16 октября. Победители будут объявлены в декабре.
Это хорошая возможность для исследователей, их наставников и преподавателей получить признание и поддержку для дальнейших исследований в области ML.
#премии_и_гранты
Яндекс объявил о старте приема заявок на ежегодную премию в области машинного обучения – Yandex ML Prize.
Премия присуждается ученым и преподавателям из 11 стран за вклад в развитие таких направлений как компьютерное зрение, обработка естественного языка, поиск информации и др.
В премии открыто 5 номинаций:
- Для молодых исследователей (студентов)
- Для научных руководителей
- Для преподавателей в сфере ML
- За лучшую первую научную публикацию
- Для сотрудников Яндекса
Лауреаты получат денежные премии от 500 000 рублей до миллиона, а также доступ к сервисам Яндекса для научной работы.
Подать заявку можно до 16 октября. Победители будут объявлены в декабре.
Это хорошая возможность для исследователей, их наставников и преподавателей получить признание и поддержку для дальнейших исследований в области ML.
#премии_и_гранты
👍20😁8🔥4🎉3❤1🤯1😢1
Сгенерированные стикеры в Messenger
Недавно компания Meta представила новую фишку с использованием AI в своих приложениях - сгенерированные стикеры. Теперь пользователи могут создавать на лету персонализированные стикеры, просто вводя текст (работает реально почти мгновенно).
Эта технология использует модель генерации изображений Emu и алгоритм Llama 2 для генерации уникальных высококачественных стикеров на основе текстовых подсказок. Пользователю достаточно ввести текст, и за считанные секунды (даже меньше) будет сгенерировано несколько стикеров на заданную тему.
Новая функция уже доступна для части пользователей на английском языке в приложениях WhatsApp, Messenger, Instagram и Facebook Stories. Она дает практически безграничные возможности для самовыражения и общения в мессенджерах.
Получается очень мило и интересно! В соцсетях уже пишут разгромные статьи по поводу отсутствия цензуры, но я думаю что за пару дней все поправят
Недавно компания Meta представила новую фишку с использованием AI в своих приложениях - сгенерированные стикеры. Теперь пользователи могут создавать на лету персонализированные стикеры, просто вводя текст (работает реально почти мгновенно).
Эта технология использует модель генерации изображений Emu и алгоритм Llama 2 для генерации уникальных высококачественных стикеров на основе текстовых подсказок. Пользователю достаточно ввести текст, и за считанные секунды (даже меньше) будет сгенерировано несколько стикеров на заданную тему.
Новая функция уже доступна для части пользователей на английском языке в приложениях WhatsApp, Messenger, Instagram и Facebook Stories. Она дает практически безграничные возможности для самовыражения и общения в мессенджерах.
Получается очень мило и интересно! В соцсетях уже пишут разгромные статьи по поводу отсутствия цензуры, но я думаю что за пару дней все поправят
🔥18👍7❤2
This media is not supported in your browser
VIEW IN TELEGRAM
Ученые научили компьютер понимать нашу речь без имплантов в мозг
Представьте, что вы надели шлем, который записывает активность вашего мозга, пока вы слушаете чью-то речь. Оказывается, по этим данным можно понять, что именно вы слышите, и расшифровать сказанные слова и фразы!
Такой метод разработали исследователи из компании Meta. Их нейросеть проанализировала записи мозговой активности добровольцев и научилась угадывать, какие отрывки речи они слушали. Причем это возможно даже для незнакомых фраз, которых не было в обучающих данных! Самое крутое что и датасет и код выложены в открытый доступ.
Это открытие важно, потому что раньше расшифровать речь по мозговым сигналам получалось только с помощью имплантов непосредственно в мозг. А неинвазивные методы вроде ЭЭГ-шлемов давали очень приблизительный результат.
Новый подход сделает технологии распознавания речи по активности мозга безопаснее и доступнее для пациентов. А в Метаверсе он поможет устройствам точнее понимать команды и желания пользователей, "читая" сигналы их мозга. Так что скоро с умными очками или шлемами виртуальной реальности мы сможем общаться, просто "думая вслух"!
📎 Статья
🧠 Код
Представьте, что вы надели шлем, который записывает активность вашего мозга, пока вы слушаете чью-то речь. Оказывается, по этим данным можно понять, что именно вы слышите, и расшифровать сказанные слова и фразы!
Такой метод разработали исследователи из компании Meta. Их нейросеть проанализировала записи мозговой активности добровольцев и научилась угадывать, какие отрывки речи они слушали. Причем это возможно даже для незнакомых фраз, которых не было в обучающих данных! Самое крутое что и датасет и код выложены в открытый доступ.
Это открытие важно, потому что раньше расшифровать речь по мозговым сигналам получалось только с помощью имплантов непосредственно в мозг. А неинвазивные методы вроде ЭЭГ-шлемов давали очень приблизительный результат.
Новый подход сделает технологии распознавания речи по активности мозга безопаснее и доступнее для пациентов. А в Метаверсе он поможет устройствам точнее понимать команды и желания пользователей, "читая" сигналы их мозга. Так что скоро с умными очками или шлемами виртуальной реальности мы сможем общаться, просто "думая вслух"!
📎 Статья
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥32😢9👍6❤5🎉1
Как в Microsoft видят будущее AI: итоги встречи с их Chief Scientist
Немножко гонзо журналистики Вам в ленту. Только что вышел с доклада Джейми Тиван, Chief Scientist в Microsoft, отвечающей за исследования в области AI. Вот основные тезисы из того что она рассказала:
- Microsoft в целом считает себя "документной компанией" и стремится облегчить людям работу с документами. В частности, они проанализировали огромное количество диалогов сотрудников компаний в период пандемии (которые стали общаться больше из-за удаленки), чтобы понять реальные потребности пользователей.
- По мнению Джейми, хотя модели вроде GPT пока не могут полноценно заменить человека, они отлично справляются с генерацией идей и взглядов с новых ракурсов. Джейми видит потенциал ИИ в автоматизации рутинных задач, чтобы люди могли заниматься более ценной деятельностью.
- Также было отмечено, что в отличие от физических систем вроде автопилотов, развитие ИИ в сфере программного обеспечения для совместной работы практически ничем не ограничено. По мнению Джейми, ИИ - это инструмент повышения производительности, а не угроза замены людей.
- Кроме того, ИИ активно применяется в медицинской сфере, которая составляет 18% ВВП США - например, для автоматизированного анализа снимков или ведения историй болезни. Джейми убеждена в неизбежности и пользе масштабирования возможностей ИИ.
- Microsoft также активно работает над ответственным управлением данными в ИИ - они хотят применить свой успешный опыт облаков в этой сфере (а в облака они реально умеют, у них хостятся правительства стран и даже армия).
В целом, встреча еще раз убедила меня в серьезности намерений Microsoft внедрять ИИ в самых разных областях для повышения эффективности и создания новой потребительской ценности.
Немножко гонзо журналистики Вам в ленту. Только что вышел с доклада Джейми Тиван, Chief Scientist в Microsoft, отвечающей за исследования в области AI. Вот основные тезисы из того что она рассказала:
- Microsoft в целом считает себя "документной компанией" и стремится облегчить людям работу с документами. В частности, они проанализировали огромное количество диалогов сотрудников компаний в период пандемии (которые стали общаться больше из-за удаленки), чтобы понять реальные потребности пользователей.
- По мнению Джейми, хотя модели вроде GPT пока не могут полноценно заменить человека, они отлично справляются с генерацией идей и взглядов с новых ракурсов. Джейми видит потенциал ИИ в автоматизации рутинных задач, чтобы люди могли заниматься более ценной деятельностью.
- Также было отмечено, что в отличие от физических систем вроде автопилотов, развитие ИИ в сфере программного обеспечения для совместной работы практически ничем не ограничено. По мнению Джейми, ИИ - это инструмент повышения производительности, а не угроза замены людей.
- Кроме того, ИИ активно применяется в медицинской сфере, которая составляет 18% ВВП США - например, для автоматизированного анализа снимков или ведения историй болезни. Джейми убеждена в неизбежности и пользе масштабирования возможностей ИИ.
- Microsoft также активно работает над ответственным управлением данными в ИИ - они хотят применить свой успешный опыт облаков в этой сфере (а в облака они реально умеют, у них хостятся правительства стран и даже армия).
В целом, встреча еще раз убедила меня в серьезности намерений Microsoft внедрять ИИ в самых разных областях для повышения эффективности и создания новой потребительской ценности.
👍27❤5😁4🔥3🤯1