AI для Всех
Прелести жизни в СФ - Alex (Head of Dev Relations @ Anthropic) - рассказывает про новинки ИИ после работы
Поделюсь спекуляцией:
Думаю (основываясь например на этом, этом и разговоре с Алексом вчера), что Антропик в ближайшем будушем начнет хостить созданные Артифакты (напомню, что артифакт - это интерактивная программа, котрая появляется справа от текстового интерфейса Claude).
По сути, это еще одна попытка в апстор, только в этот раз, вместо текстовых GPTs - сразу работающие приложения. Как минимум - это отличная лидогенерация. Люди хотят делиться артифактами, и не всегда скришота достаточно.
Как максимум - будут появляться действительно полезные вещи, созданные теми у кого есть потребность, но нет навыка.
Думаю (основываясь например на этом, этом и разговоре с Алексом вчера), что Антропик в ближайшем будушем начнет хостить созданные Артифакты (напомню, что артифакт - это интерактивная программа, котрая появляется справа от текстового интерфейса Claude).
По сути, это еще одна попытка в апстор, только в этот раз, вместо текстовых GPTs - сразу работающие приложения. Как минимум - это отличная лидогенерация. Люди хотят делиться артифактами, и не всегда скришота достаточно.
Как максимум - будут появляться действительно полезные вещи, созданные теми у кого есть потребность, но нет навыка.
X (formerly Twitter)
Alex Albert (@alexalbert__) on X
One of the most exciting things about artifacts is that it's not just making existing coding jobs easier/faster, it's creating software that would never be written otherwise.
Many people are now creating their first apps, with Claude's help.
Niche apps…
Many people are now creating their first apps, with Claude's help.
Niche apps…
👍14🔥10
Forwarded from proVenture (проВенчур)
🤡 Как запалиться использованием ChatGPT на весь мир.
Целых 5 авторов статьи под названием “The three dimensional porous mesh structure of Cu-based metal-organic framework – aramid cellulose separator enhances the electrochemical performance of lithium metal anode batteries”, видимо, устали, пока придумывали самое длинное название статьи в мире.
Остальное отдали генеративному AI, ну или как минимум отдали написание “Introduction” для своей статьи написать.
Важное правило – не палитесь, проверяйте, что какие-то вводные обороты в ваших высоконаучных трудах надо удалять 😂
Пятничный юмор, друзья...
P.S. Картинка взята из поста моего коллеги по R136 Ventures Ивана Рубинова.
#оффтоп #ai
Целых 5 авторов статьи под названием “The three dimensional porous mesh structure of Cu-based metal-organic framework – aramid cellulose separator enhances the electrochemical performance of lithium metal anode batteries”, видимо, устали, пока придумывали самое длинное название статьи в мире.
Остальное отдали генеративному AI, ну или как минимум отдали написание “Introduction” для своей статьи написать.
Важное правило – не палитесь, проверяйте, что какие-то вводные обороты в ваших высоконаучных трудах надо удалять 😂
Пятничный юмор, друзья...
P.S. Картинка взята из поста моего коллеги по R136 Ventures Ивана Рубинова.
#оффтоп #ai
😁69🔥2
AI для Всех
Как пользоваться Cursor бесплатно? Если вы пишете код, то скорее всего пользуетесь ChatGPT. Я пользуюсь им довольно много (70% моего кода пишет ChatGPT). Как я это делал до вчерашнего дня? Заходил в свой CustomGPT, который я настроил помогать мне с Питончиком…
Продолжаю с энтузиазмом пользоваться Cursor. Очень удобно, за последние 2 дня мы с ним (и Клодом) накатали работающий скрипт на go. Я go вообще ни разy в жизни до этого момента не трогал (даже синтаксис не видел).
Скрипт на GO фигачит значительно быстрее питоновского скрипта.
А еще мне нравится go run …, go get …
Скрипт на GO фигачит значительно быстрее питоновского скрипта.
А еще мне нравится go run …, go get …
Cursor
Cursor - The AI Code Editor
Built to make you extraordinarily productive, Cursor is the best way to code with AI.
👍21
Forwarded from Борис опять
# Гайд для сотрудников: опционы в стартапах
https://vas3k.club/post/24737/
Вышло! Русскоязычная версия ультимативного гайда о том, что сотрудникам стартапов нужно знать по опционы, как можно всё потерять и каковы шансы заработать.
По сравнению с англоязычной версией текст сокращен, упрощен и снабжен мемами.
Текст потребовал от меня много усилий, так что буду рад, если вы поделитесь им с друзьями❤️
https://vas3k.club/post/24737/
Вышло! Русскоязычная версия ультимативного гайда о том, что сотрудникам стартапов нужно знать по опционы, как можно всё потерять и каковы шансы заработать.
По сравнению с англоязычной версией текст сокращен, упрощен и снабжен мемами.
Текст потребовал от меня много усилий, так что буду рад, если вы поделитесь им с друзьями
Please open Telegram to view this post
VIEW IN TELEGRAM
Вастрик.Клуб
Гайд для сотрудников: опционы в стартапах — Вастрик.Клуб
Стартапы часто предлагают опционы как часть компенсации. Как работает эта лотерея? Я решил разобраться и поделиться с вами.
Цель этого руководства не…
Цель этого руководства не…
🔥23👍4😐4❤2
Вакансии в Data Science с релокацией в Германию от Data Job 🇩🇪
Отлично структурированный канал с избранными вакансиями для дата сайентистов, инженеров и аналитиков, которые хотят работать в Германии. В канале вы найдете:
1️⃣ Еженедельные дайджесты с вакансиями в Германии в форме карточек: вся самая нужная информация от вакансии в одном изображении.
2️⃣ Вакансии с релокацией и на английском - нет необходимости дополнительно фильтровать и перепроверять.
3️⃣ Отобранные командой вакансии в крутых компаниях с интересными задачами и привлекательными условиями. Отсутствие нерелевантных позиций, разбросанных по всему миру.
4️⃣ Актуальный список вакансий из дайджестов, доступный на сайте, а так же более подробное описание каждой позиции.
🔜 Подписывайтесь на Data Job, чтобы не пропустить действительно стоящую возможность и интересную работу!
#реклама
Отлично структурированный канал с избранными вакансиями для дата сайентистов, инженеров и аналитиков, которые хотят работать в Германии. В канале вы найдете:
#реклама
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5🔥1😐1
Anthropic запустила новую инициативу по разработке сторонних оценок моделей искусственного интеллекта
Инициатива направлена на повышение безопасности и эффективности ИИ путем финансирования новых разработок в таких областях, как оценка уровня безопасности ИИ, расширенные возможности и влияние на общество.
Компания а поиске предложений от сторонних организаций для создания надежных и важных для безопасности оценок. Приоритетные области включают кибербезопасность, CBRN (химические, биологические, радиологические и ядерные) риски, автономию моделей и социальные манипуляции.
Инициатива также поддерживает разработку инструментов и инфраструктуры для оценки. Предложения можно подавать через форму заявки.
💻 Блог
Инициатива направлена на повышение безопасности и эффективности ИИ путем финансирования новых разработок в таких областях, как оценка уровня безопасности ИИ, расширенные возможности и влияние на общество.
Компания а поиске предложений от сторонних организаций для создания надежных и важных для безопасности оценок. Приоритетные области включают кибербезопасность, CBRN (химические, биологические, радиологические и ядерные) риски, автономию моделей и социальные манипуляции.
Инициатива также поддерживает разработку инструментов и инфраструктуры для оценки. Предложения можно подавать через форму заявки.
💻 Блог
🔥21👍5
GraphRAG теперь Open source!
GraphRAG от Microsoft использует большие языковые модели для создания подробных графов знаний из текстовых документов, помогая выполнять сложные запросы к данным.
Этот инструмент превосходит традиционный RAG, предлагая комплексный структурированный поиск информации.
GraphRAG можно легко развернуть в Azure с помощью предоставленного ускорителя решений.
👨💻 Блог
🐙 GitHub
GraphRAG от Microsoft использует большие языковые модели для создания подробных графов знаний из текстовых документов, помогая выполнять сложные запросы к данным.
Этот инструмент превосходит традиционный RAG, предлагая комплексный структурированный поиск информации.
GraphRAG можно легко развернуть в Azure с помощью предоставленного ускорителя решений.
🐙 GitHub
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥47🤩5❤1
Искусственный интеллект покоряет математические олимпиады
Доброе утро, друзья! За чашечкой воскресного кофе хочу поделиться потрясающей новостью из мира ИИ. Возможно, вы её пропустили среди массы других новостей.
На прошлой неделе прошла Искусственная интеллектуальная математическая олимпиада (AIMO). Это как Международная математическая олимпиада, но для ИИ!
Призовой фонд составил миллион долларов, как у знаменитых “Проблем тысячелетия”. Участвовали только модели ИИ, но призы получают их создатели. Уровень задач сопоставим с золотыми медалями Международной математической олимпиады.
Организационный комитет AIMO - очень уважаемые людей в мире математики. Среди них — Теренс Тао, которого многие считают одним из величайших математиков нашего времени.
Главные герои этой истории — команда Numina. Это некоммерческая организация, созданная Цзя Ли, Янном Флёре и Элен Эвен. Их цель — продвигать использование ИИ в математике и решать сложные задачи.
Numina объединила усилия с командой BigCode из Hugging Face, чтобы исследовать возможности языковых моделей в формальной математике.
Путь к победе был сложным. Сначала Numina сосредоточилась на создании высококачественных данных для обучения ИИ решению олимпиадных задач. Потом команда Hugging Face занялась обучением моделей на математических и кодовых данных.
Они преодолели множество трудностей. Научили модель писать код, справились с высокой вариативностью результатов, оптимизировали модель под ограничения по вычислительным ресурсам и улучшили качество данных для обучения.
Модель команды Numina и Hugging Face заняла первое место, решив 29 задач из 50 на финальном этапе соревнования. Это превзошло ожидания организаторов!
Этот результат показывает, что ИИ уже сейчас способен решать сложнейшие математические задачи на уровне лучших человеческих умов. И это только начало!
В ближайшие годы мы можем ожидать настоящего прорыва в использовании ИИ в науке. Это открывает захватывающие перспективы для ускорения научного прогресса и решения глобальных проблем человечества.
Представьте, каких высот достигнет ИИ в математике в ближайшем будущем! 🚀🧮🤖
Ссылка
Доброе утро, друзья! За чашечкой воскресного кофе хочу поделиться потрясающей новостью из мира ИИ. Возможно, вы её пропустили среди массы других новостей.
На прошлой неделе прошла Искусственная интеллектуальная математическая олимпиада (AIMO). Это как Международная математическая олимпиада, но для ИИ!
Призовой фонд составил миллион долларов, как у знаменитых “Проблем тысячелетия”. Участвовали только модели ИИ, но призы получают их создатели. Уровень задач сопоставим с золотыми медалями Международной математической олимпиады.
Организационный комитет AIMO - очень уважаемые людей в мире математики. Среди них — Теренс Тао, которого многие считают одним из величайших математиков нашего времени.
Главные герои этой истории — команда Numina. Это некоммерческая организация, созданная Цзя Ли, Янном Флёре и Элен Эвен. Их цель — продвигать использование ИИ в математике и решать сложные задачи.
Numina объединила усилия с командой BigCode из Hugging Face, чтобы исследовать возможности языковых моделей в формальной математике.
Путь к победе был сложным. Сначала Numina сосредоточилась на создании высококачественных данных для обучения ИИ решению олимпиадных задач. Потом команда Hugging Face занялась обучением моделей на математических и кодовых данных.
Они преодолели множество трудностей. Научили модель писать код, справились с высокой вариативностью результатов, оптимизировали модель под ограничения по вычислительным ресурсам и улучшили качество данных для обучения.
Модель команды Numina и Hugging Face заняла первое место, решив 29 задач из 50 на финальном этапе соревнования. Это превзошло ожидания организаторов!
Этот результат показывает, что ИИ уже сейчас способен решать сложнейшие математические задачи на уровне лучших человеческих умов. И это только начало!
В ближайшие годы мы можем ожидать настоящего прорыва в использовании ИИ в науке. Это открывает захватывающие перспективы для ускорения научного прогресса и решения глобальных проблем человечества.
Представьте, каких высот достигнет ИИ в математике в ближайшем будущем! 🚀🧮🤖
Ссылка
🔥49😐8🤯5❤4👍1
GPT-4о и задачи ARC Challenge: ожидаемые результаты эксперимента OpenAI
Тут сотрудник OpenAI провел эксперимент, который может изменить наше представление о том, насколько Франсуа Шолле неправ со своим соревнованием.
Контекст
Некоторые эксперты считают, что современные языковые модели (LLM) не способны решать задачи, требующие общего интеллекта. Франсуа Шолле, известный в первую очередь как создатель фрэймворка Keras, а так же как автор набора задач ARC (Abstraction and Reasoning Corpus), говорил:
Задачи ARC, по задумке, предназначены для проверки способностей ИИ к обобщению и рассуждению, выходящему за рамки простого распознавания шаблонов.
Эксперимент
Сотрудник OpenAI решил проверить это утверждение на GPT-4о. Вот как проходил эксперимент:
1. Базовый тест (Pass@1)
• GPT-4 решала задачи ARC, получая 2-3 примера в контексте.
• Модель должна была сразу давать ответ без цепочки рассуждений.
=> решено 4.42% задач
• добавляем системный промпт, объясняющий задачу
=> решено 6.61%
2. Метод консенсуса (Consensus@32)
• Для каждой задачи генерируем 32 ответа.
• Выбираем наиболее частый ответ.
=> 9.28%
3. Проверка с нулевой температурой (Temp=0)
• Использовалась детерминированная генерация ответов.
=> 10.0%
4. Оценка сложности задач (Pass@N)
• Генерировалось до 1000 ответов на задачу.
• Задача считалась решенной, если хотя бы один ответ был правильным.
=> 26.52%
Результаты
Результаты оказались впечатляющими:
1. Базовая производительность была неожиданно высокой даже без оптимизации.
2. Метод консенсуса дал значительный прирост эффективности.
3. Тест с нулевой температурой подтвердил надежность метода консенсуса.
4. Анализ Pass@N показал, что процент успешных попыток на логарифмической шкале очень предсказуем.
5. Общая эффективность GPT-4 в решении задач ARC оказалась выше ожиданий.
Что это значит?
Современные языковые модели могут быть способны на большее, чем думал Шолле.
Тред от сотрудника OpenAI
Тут сотрудник OpenAI провел эксперимент, который может изменить наше представление о том, насколько Франсуа Шолле неправ со своим соревнованием.
Контекст
Некоторые эксперты считают, что современные языковые модели (LLM) не способны решать задачи, требующие общего интеллекта. Франсуа Шолле, известный в первую очередь как создатель фрэймворка Keras, а так же как автор набора задач ARC (Abstraction and Reasoning Corpus), говорил:
Прогресс в направлении искусственного общего интеллекта (AGI) застопорился. LLM обучаются на огромных объемах данных, но остаются неспособными адаптироваться к новым задачам.
Задачи ARC, по задумке, предназначены для проверки способностей ИИ к обобщению и рассуждению, выходящему за рамки простого распознавания шаблонов.
Эксперимент
Сотрудник OpenAI решил проверить это утверждение на GPT-4о. Вот как проходил эксперимент:
1. Базовый тест (Pass@1)
• GPT-4 решала задачи ARC, получая 2-3 примера в контексте.
• Модель должна была сразу давать ответ без цепочки рассуждений.
=> решено 4.42% задач
• добавляем системный промпт, объясняющий задачу
=> решено 6.61%
2. Метод консенсуса (Consensus@32)
• Для каждой задачи генерируем 32 ответа.
• Выбираем наиболее частый ответ.
=> 9.28%
3. Проверка с нулевой температурой (Temp=0)
• Использовалась детерминированная генерация ответов.
=> 10.0%
4. Оценка сложности задач (Pass@N)
• Генерировалось до 1000 ответов на задачу.
• Задача считалась решенной, если хотя бы один ответ был правильным.
=> 26.52%
Результаты
Результаты оказались впечатляющими:
1. Базовая производительность была неожиданно высокой даже без оптимизации.
2. Метод консенсуса дал значительный прирост эффективности.
3. Тест с нулевой температурой подтвердил надежность метода консенсуса.
4. Анализ Pass@N показал, что процент успешных попыток на логарифмической шкале очень предсказуем.
5. Общая эффективность GPT-4 в решении задач ARC оказалась выше ожиданий.
Что это значит?
Современные языковые модели могут быть способны на большее, чем думал Шолле.
Тред от сотрудника OpenAI
😐29👍9❤3🔥1
AI переходит в фазу промышленного строительства: что нас ждет?
Друзья, уже несколько дней порываюсь написать про AI $600B Question, и тут как раз вышло продолжение серии.
Сегодня разберем интересную статью Дэвида Кана "AI is Now Shovel Ready". Автор рассматривает грядущий бум строительства дата-центров для ИИ и его влияние на энергетику и экономику. Давайте разберемся, что нас ждет в ближайшие годы.
Ключевые прогнозы
1. ИИ станет (если уже не стал) катализатором энергетической трансформации. Ожидается рост солнечной энергетики, инноваций в области аккумуляторов и возрождение ядерной энергетики (уже от 3х серьезных людей в долине слышал про ядерный реактор Майкрософта для AGI датацентра).
2. Некоторые крупные облачные провайдеры могут оказаться недостаточно гибкими для быстро меняющихся требований к дата-центрам. Это создаст возможности для новых промышленных игроков в сфере ИИ.
3. В ближайшие полгода появится много новостей о задержках в строительстве дата-центров из-за проблем с жидкостным охлаждением, размером кластеров и доступом к электроэнергии.
4. Строительство новых дата-центров для ИИ станет стимулом для экономики и создаст рабочие места в реальном секторе: сталелитейной промышленности, энергетике, грузоперевозках и строительстве.
5. Когда новые мощности дата-центров заработают, стоимость обучения и инференса на платформах AWS, Azure и GCP снизится, что будет выгодно для стартапов.
Масштабы строительства
Автор приводит впечатляющие цифры по планам крупнейших технологических компаний:
- Amazon: $50 млрд на новые проекты дата-центров только в первой половине 2024 года, всего $100-150 млрд за 15 лет.
- Microsoft: удваивает строительство новых дата-центров в 2024 году, с проектами по всему миру.
- Google: хотя и меньше по масштабам, но также активно расширяется.
- Meta: не имея облачного бизнеса, все равно наращивает мощности для внутренних нужд ИИ.
Ключевые вызовы
1. Энергетика: Потребуется значительное увеличение генерирующих мощностей, особенно в солнечной и ветровой энергетике.
2. Охлаждение: Новое поколение чипов Nvidia требует жидкостного охлаждения, что создает дефицит в цепочке поставок.
3. Инфраструктура: Двухлетний период ожидания дизельных генераторов, необходимость инноваций в области литий-ионных аккумуляторов.
4. Размер кластеров: Беспрецедентные масштабы (например, анонсированный Илоном Маском кластер на 300 тыс. GPU) создают новые технические вызовы.
Выводы
1. Мы находимся на пороге перехода от "цикла хайпа" к реальному промышленному циклу в сфере ИИ.
2. Этот переход создаст значительные возможности и вызовы для разных секторов экономики.
3. Успех будет зависеть от операционной эффективности и способности быстро адаптироваться к изменениям.
4. Возможно появление новых лидеров рынка, особенно на стыке энергетики, промышленности и ИИ.
Что это значит для нас?
1. Для инвесторов: Стоит обратить внимание на компании, работающие в сфере энергетики, промышленного строительства и инфраструктуры для дата-центров.
2. Для стартапов: Ожидается снижение стоимости использования ИИ-инфраструктуры, что может открыть новые возможности.
3. Для специалистов: Растет спрос на экспертов в области энергетики, промышленного строительства и эксплуатации дата-центров.
4. Для общества: Нас ждет значительная трансформация энергетического сектора и создание новых рабочих мест в традиционных отраслях.
Что вы думаете об этих прогнозах? Как, по вашему мнению, этот промышленный бум в сфере ИИ повлияет на нашу жизнь и экономику? Делитесь своими мыслями в комментариях!
📈 Статья
Друзья, уже несколько дней порываюсь написать про AI $600B Question, и тут как раз вышло продолжение серии.
Сегодня разберем интересную статью Дэвида Кана "AI is Now Shovel Ready". Автор рассматривает грядущий бум строительства дата-центров для ИИ и его влияние на энергетику и экономику. Давайте разберемся, что нас ждет в ближайшие годы.
Ключевые прогнозы
1. ИИ станет (если уже не стал) катализатором энергетической трансформации. Ожидается рост солнечной энергетики, инноваций в области аккумуляторов и возрождение ядерной энергетики (уже от 3х серьезных людей в долине слышал про ядерный реактор Майкрософта для AGI датацентра).
2. Некоторые крупные облачные провайдеры могут оказаться недостаточно гибкими для быстро меняющихся требований к дата-центрам. Это создаст возможности для новых промышленных игроков в сфере ИИ.
3. В ближайшие полгода появится много новостей о задержках в строительстве дата-центров из-за проблем с жидкостным охлаждением, размером кластеров и доступом к электроэнергии.
4. Строительство новых дата-центров для ИИ станет стимулом для экономики и создаст рабочие места в реальном секторе: сталелитейной промышленности, энергетике, грузоперевозках и строительстве.
5. Когда новые мощности дата-центров заработают, стоимость обучения и инференса на платформах AWS, Azure и GCP снизится, что будет выгодно для стартапов.
Масштабы строительства
Автор приводит впечатляющие цифры по планам крупнейших технологических компаний:
- Amazon: $50 млрд на новые проекты дата-центров только в первой половине 2024 года, всего $100-150 млрд за 15 лет.
- Microsoft: удваивает строительство новых дата-центров в 2024 году, с проектами по всему миру.
- Google: хотя и меньше по масштабам, но также активно расширяется.
- Meta: не имея облачного бизнеса, все равно наращивает мощности для внутренних нужд ИИ.
Ключевые вызовы
1. Энергетика: Потребуется значительное увеличение генерирующих мощностей, особенно в солнечной и ветровой энергетике.
2. Охлаждение: Новое поколение чипов Nvidia требует жидкостного охлаждения, что создает дефицит в цепочке поставок.
3. Инфраструктура: Двухлетний период ожидания дизельных генераторов, необходимость инноваций в области литий-ионных аккумуляторов.
4. Размер кластеров: Беспрецедентные масштабы (например, анонсированный Илоном Маском кластер на 300 тыс. GPU) создают новые технические вызовы.
Выводы
1. Мы находимся на пороге перехода от "цикла хайпа" к реальному промышленному циклу в сфере ИИ.
2. Этот переход создаст значительные возможности и вызовы для разных секторов экономики.
3. Успех будет зависеть от операционной эффективности и способности быстро адаптироваться к изменениям.
4. Возможно появление новых лидеров рынка, особенно на стыке энергетики, промышленности и ИИ.
Что это значит для нас?
1. Для инвесторов: Стоит обратить внимание на компании, работающие в сфере энергетики, промышленного строительства и инфраструктуры для дата-центров.
2. Для стартапов: Ожидается снижение стоимости использования ИИ-инфраструктуры, что может открыть новые возможности.
3. Для специалистов: Растет спрос на экспертов в области энергетики, промышленного строительства и эксплуатации дата-центров.
4. Для общества: Нас ждет значительная трансформация энергетического сектора и создание новых рабочих мест в традиционных отраслях.
Что вы думаете об этих прогнозах? Как, по вашему мнению, этот промышленный бум в сфере ИИ повлияет на нашу жизнь и экономику? Делитесь своими мыслями в комментариях!
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥32👍9❤1
TLDR: Wunder Fund, Data Detective, Data Infrastructure Engineer, Алготрейдинг, HFT, remote
💵 Вилка: $5-8k net (на руки)
🐶 Платим удобным способом, помогаем с релокацией много куда, удаленка.
👁 Инфа: Мы — Wunder Fund, занимаемся высокочастотной торговлей (HFT) уже 10 лет и наш дневной оборот больше $5 млрд. Каждый день мы аккуратно сохраняем большой объем биржевых данных и преобразуем их в специальный единый формат, чтобы наши кванты могли тестировать идеи и создавать торговые алгоритмы.
🕵🏻♂️ Задачи: Несмотря на предельную аккуратность, потери случаются. Поэтому сейчас у нас отрыта роль Data Infrastructure Engineer/Researcher, работа которого будет похожа на детективное расследование. Нам очень важно, чтобы полученные данные были пригодны для симуляции и на 100% совпадали с реальными событиями на бирже. Ты будешь создавать очень надежные дата-пайплайны, чекеры, расследовать загадочные инциденты.
💡Кому будет интересно:
Причины потерь и расхождений всегда нетривиальны, поэтому в этой роли важен именно интерес к исследованию и желание докопаться до сути вещей. Со временем у тебя появится развитая интуиция и ты сможешь расследовать не только уже случившиеся инциденты, но и предсказывать те, что еще не выстрелили в продакшне.
Что нужно:
— Python 3
— Быть опытным практиком в методе пристального вглядывания в данные;
— Мы ожидаем, что у тебя уже есть успешный опыт работы с дата-пайплайнами
— Будет плюсом: успехи в Kaggle-соревнованиях; ШАД, успехи в ICPC и других олимпиадах.
Подробнее: https://clck.ru/3BcVkD
Пишите в ТГ: @wunderfund
#реклама
💵 Вилка: $5-8k net (на руки)
🐶 Платим удобным способом, помогаем с релокацией много куда, удаленка.
👁 Инфа: Мы — Wunder Fund, занимаемся высокочастотной торговлей (HFT) уже 10 лет и наш дневной оборот больше $5 млрд. Каждый день мы аккуратно сохраняем большой объем биржевых данных и преобразуем их в специальный единый формат, чтобы наши кванты могли тестировать идеи и создавать торговые алгоритмы.
🕵🏻♂️ Задачи: Несмотря на предельную аккуратность, потери случаются. Поэтому сейчас у нас отрыта роль Data Infrastructure Engineer/Researcher, работа которого будет похожа на детективное расследование. Нам очень важно, чтобы полученные данные были пригодны для симуляции и на 100% совпадали с реальными событиями на бирже. Ты будешь создавать очень надежные дата-пайплайны, чекеры, расследовать загадочные инциденты.
💡Кому будет интересно:
Причины потерь и расхождений всегда нетривиальны, поэтому в этой роли важен именно интерес к исследованию и желание докопаться до сути вещей. Со временем у тебя появится развитая интуиция и ты сможешь расследовать не только уже случившиеся инциденты, но и предсказывать те, что еще не выстрелили в продакшне.
Что нужно:
— Python 3
— Быть опытным практиком в методе пристального вглядывания в данные;
— Мы ожидаем, что у тебя уже есть успешный опыт работы с дата-пайплайнами
— Будет плюсом: успехи в Kaggle-соревнованиях; ШАД, успехи в ICPC и других олимпиадах.
Подробнее: https://clck.ru/3BcVkD
Пишите в ТГ: @wunderfund
#реклама
😢13👍9😐5❤3
🍃 Тёмная сторона бума искусственного интеллекта: экологические последствия
Вчера мы обсуждали грандиозные планы по строительству дата-центров для искусственного интеллекта. Сегодня давайте взглянем на обратную сторону медали – влияние этого технологического бума на нашу планету.
Каждые три месяца мощность, используемая для работы ИИ, удваивается. Звучит впечатляюще, не так ли? Но за этими цифрами скрывается суровая реальность. Оказывается, один запрос к ИИ-помощнику может потреблять в десять раз больше энергии, чем обычный поиск в Google. А если говорить о сложных задачах, то разница может достигать тридцатикратного размера!
Что это значит на практике? Возьмём, к примеру, гигантов индустрии. Microsoft, Meta, Google – все они отчитываются о стремительном росте выбросов углекислого газа. За последние несколько лет эти показатели выросли на 40-65%. Согласитесь, цифры впечатляющие, и не в хорошем смысле.
Но проблема не ограничивается только выбросами. Дата-центры – настоящие водохлёбы. Только представьте: на каждый мегаватт-час энергии они потребляют около семи тысяч литров воды. Для охлаждения серверов Google в США ежегодно уходит почти 13 миллиардов литров пресной воды. Это в то время, когда многие регионы страдают от засухи!
Возникает закономерный вопрос: что же делать? Технологические компании не сидят сложа руки. Они запускают "водопозитивные" инициативы, обещая к 2030 году восполнять больше воды, чем потребляют. Звучит неплохо, но достаточно ли этого?
Интересно, что сами IT-специалисты не особо обеспокоены ситуацией. Хотя больше двух третей из них признают проблему роста энергопотребления, многие просто не знают, как с этим бороться. Не хватает навыков, знаний, а порой и просто понимания масштаба проблемы.
Что же это значит для нас с вами? Во-первых, каждый раз, обращаясь к ИИ-помощнику, мы оставляем свой, пусть небольшой, но экологический след. Во-вторых, компаниям придётся серьёзно задуматься об экологичности при внедрении ИИ-технологий, и не потому что левые-зеленые подняли вой, а потому что при таких темпах роста потребления воды скоро придется выбирать между ИИ и выращиванием продуктов. Вероятно, что вскоре мы увидим новые законы, регулирующие эту сферу.
А для учёных и инженеров открывается новое поле деятельности. Как сделать ИИ более энергоэффективным? Как охлаждать серверы, не истощая водные ресурсы? Эти вопросы ждут своих решений.
Знаете, глядя на все эти цифры и факты, невольно задумываешься: сможем ли мы найти баланс между техническим прогрессом и заботой о природе? Или однажды нам придётся выбирать между умными помощниками и чистым воздухом?
📉 Статья
Вчера мы обсуждали грандиозные планы по строительству дата-центров для искусственного интеллекта. Сегодня давайте взглянем на обратную сторону медали – влияние этого технологического бума на нашу планету.
Каждые три месяца мощность, используемая для работы ИИ, удваивается. Звучит впечатляюще, не так ли? Но за этими цифрами скрывается суровая реальность. Оказывается, один запрос к ИИ-помощнику может потреблять в десять раз больше энергии, чем обычный поиск в Google. А если говорить о сложных задачах, то разница может достигать тридцатикратного размера!
Что это значит на практике? Возьмём, к примеру, гигантов индустрии. Microsoft, Meta, Google – все они отчитываются о стремительном росте выбросов углекислого газа. За последние несколько лет эти показатели выросли на 40-65%. Согласитесь, цифры впечатляющие, и не в хорошем смысле.
Но проблема не ограничивается только выбросами. Дата-центры – настоящие водохлёбы. Только представьте: на каждый мегаватт-час энергии они потребляют около семи тысяч литров воды. Для охлаждения серверов Google в США ежегодно уходит почти 13 миллиардов литров пресной воды. Это в то время, когда многие регионы страдают от засухи!
Возникает закономерный вопрос: что же делать? Технологические компании не сидят сложа руки. Они запускают "водопозитивные" инициативы, обещая к 2030 году восполнять больше воды, чем потребляют. Звучит неплохо, но достаточно ли этого?
Интересно, что сами IT-специалисты не особо обеспокоены ситуацией. Хотя больше двух третей из них признают проблему роста энергопотребления, многие просто не знают, как с этим бороться. Не хватает навыков, знаний, а порой и просто понимания масштаба проблемы.
Что же это значит для нас с вами? Во-первых, каждый раз, обращаясь к ИИ-помощнику, мы оставляем свой, пусть небольшой, но экологический след. Во-вторых, компаниям придётся серьёзно задуматься об экологичности при внедрении ИИ-технологий, и не потому что левые-зеленые подняли вой, а потому что при таких темпах роста потребления воды скоро придется выбирать между ИИ и выращиванием продуктов. Вероятно, что вскоре мы увидим новые законы, регулирующие эту сферу.
А для учёных и инженеров открывается новое поле деятельности. Как сделать ИИ более энергоэффективным? Как охлаждать серверы, не истощая водные ресурсы? Эти вопросы ждут своих решений.
Знаете, глядя на все эти цифры и факты, невольно задумываешься: сможем ли мы найти баланс между техническим прогрессом и заботой о природе? Или однажды нам придётся выбирать между умными помощниками и чистым воздухом?
📉 Статья
❤30😁11😐6👍4🔥4😢4
Claude Artifacts теперь можно делиться с друзьями
Anthropic только что анонсировали возможность делиться созданными артефактами.
Сделал для вас AI Змейку
Пока что, созданным артефактом нельзя управлять (нет никакого дашборда и статистики), но полагаю, что это временно. Еще из прикольного - артефакты можно Ремиксовать (откроется окошко с чатом, и Артефакт можно будет переделать под себя).
Определенно - это инетерсный подход, и думаю что будет спрос на инструменты для отслеживания эволюции Артефактов.
Вообщем, добро пожаловать в новую эру - Apps 2.0
Anthropic только что анонсировали возможность делиться созданными артефактами.
Сделал для вас AI Змейку
Пока что, созданным артефактом нельзя управлять (нет никакого дашборда и статистики), но полагаю, что это временно. Еще из прикольного - артефакты можно Ремиксовать (откроется окошко с чатом, и Артефакт можно будет переделать под себя).
Определенно - это инетерсный подход, и думаю что будет спрос на инструменты для отслеживания эволюции Артефактов.
Вообщем, добро пожаловать в новую эру - Apps 2.0
🔥30🤩5❤2
Форум: расскажите мне пожалуйста все что нужно знать про State Space Models?
Особенно интересует применение к аудио. Например, видел AudioMamba, но они зачем то из аудио наделали спектрограм, которые почанкали. Насколько я понимаю, там весь смысл в том что мамба должна из коробки с последовательностями дружить.
Короче, все что нужно знать (не обязательно только про аудио), пожалуйста делитесь в комменты
Особенно интересует применение к аудио. Например, видел AudioMamba, но они зачем то из аудио наделали спектрограм, которые почанкали. Насколько я понимаю, там весь смысл в том что мамба должна из коробки с последовательностями дружить.
Короче, все что нужно знать (не обязательно только про аудио), пожалуйста делитесь в комменты
❤9👍3🤩3
Исследовательское партнерство OpenAI и Los Alamos National Laboratory
OpenAI и Национальная Лаборатория Лос-Аламос (LANL) объединились для оценки возможностей ИИ в бионауках. Это партнерство изучает, как мульти-модальные модели ИИ могут поддерживать научные эксперименты, объединяя зрительные и голосовые возможности для улучшения лабораторных работ. Исследования включают безопасность использования моделей GPT-4о в лабораторных условиях. Уже было исследование про GPT4, и теперь надо понять, насколько безопасны аудио-визуальные способности модели.
Проект оценивает, как ИИ может помочь выполнять стандартные лабораторные задачи, такие как культивирование клеток и подготовки образцов для масс-спектрометрии, напр. Цель - повысить эффективность работы ученых, как опытных исследователей, так и PhD студентов. Модели ИИ будут анализировать визуальные и голосовые данные, помогая ученым в реальном времени. Например, ИИ ассистент может распознавать визуальные аномалии в процессе культивирования клеток и предупреждать исследователей о необходимости вмешательства, обеспечивая более точный и воспроизводимый процесс.
Дело полезное, т.к. ИИ для биологических исследований должен быть безопасным и продуктивным, а результаты этих оценок помогут установить новые стандарты безопасности и эффективности ИИ в науке.
Анонс
OpenAI и Национальная Лаборатория Лос-Аламос (LANL) объединились для оценки возможностей ИИ в бионауках. Это партнерство изучает, как мульти-модальные модели ИИ могут поддерживать научные эксперименты, объединяя зрительные и голосовые возможности для улучшения лабораторных работ. Исследования включают безопасность использования моделей GPT-4о в лабораторных условиях. Уже было исследование про GPT4, и теперь надо понять, насколько безопасны аудио-визуальные способности модели.
Проект оценивает, как ИИ может помочь выполнять стандартные лабораторные задачи, такие как культивирование клеток и подготовки образцов для масс-спектрометрии, напр. Цель - повысить эффективность работы ученых, как опытных исследователей, так и PhD студентов. Модели ИИ будут анализировать визуальные и голосовые данные, помогая ученым в реальном времени. Например, ИИ ассистент может распознавать визуальные аномалии в процессе культивирования клеток и предупреждать исследователей о необходимости вмешательства, обеспечивая более точный и воспроизводимый процесс.
Дело полезное, т.к. ИИ для биологических исследований должен быть безопасным и продуктивным, а результаты этих оценок помогут установить новые стандарты безопасности и эффективности ИИ в науке.
Анонс
❤12👍6🔥2😱2
This media is not supported in your browser
VIEW IN TELEGRAM
Уже представляете себе тик токи с путешествиями Барсика?
😁51🤩13😱2😐1
Сегодня хочу обратить ваше внимание на пост из канала Машин Лернинг. Автор(ка) делится инсайтами из лекции Яна ЛеКуна, одного из пионеров глубокого обучения и лауреата премии Тьюринга.
В посте затрагиваются действительно важные темы:
- Почему нам необходимы мультимодальные нейросети
- Ограничения современных языковых моделей
- Будущее AGI
- А также немного философии о том, что действительно важно в научной карьере
Особенно интересны расчёты, показывающие, насколько человеческий опыт богаче, чем данные, на которых обучаются современные ИИ-модели.
Рекомендую прочитать этот пост всем, кто интересуется будущим ИИ и хочет понять, какие вызовы стоят перед исследователями в этой области.
А если интересно почитать что думают другие авторы каналов - то вот вам
ИИ папка 📂
В посте затрагиваются действительно важные темы:
- Почему нам необходимы мультимодальные нейросети
- Ограничения современных языковых моделей
- Будущее AGI
- А также немного философии о том, что действительно важно в научной карьере
Особенно интересны расчёты, показывающие, насколько человеческий опыт богаче, чем данные, на которых обучаются современные ИИ-модели.
Рекомендую прочитать этот пост всем, кто интересуется будущим ИИ и хочет понять, какие вызовы стоят перед исследователями в этой области.
А если интересно почитать что думают другие авторы каналов - то вот вам
ИИ папка 📂
🔥10😁6👍5❤3😢3🤯1😱1
MathΣtral - калькулятор на стероидах
В честь 2311-летия Архимеда Mistral выпустили модель MathΣtral, и она уже доступна для использования под лицензией Apache 2.0
MathΣtral основана на модели Mistral 7B и специализируется на предметах STEM (наука, технологии, инженерия, математика).
Она имеет контекстное окно в 32k и демонстрирует выдающиеся способности в логическом мышлении, особенно в решении сложных математических задач.
Модель достигает 56,6% на MATH и 63,47% на MMLU. Особенно впечатляют результаты с majority voting — 68,37% (ответ выбирается на основе большинства предложенных решений) и 74,59% если ответ выбирает strong reward model из 64 предложений, сгенерированных Mathstral 7B.
MathΣtral была создана в рамках сотрудничества с тем самым проектом Numina, и её выпуск - часть усилий Mistral AI по поддержке академических инициатив.
По идее создателей MathΣtral должна стать помощником для студентов и исследователей в решении задач, требующих высокого уровня математических рассуждений.
Забавно, что в бухгалтерии модель не сильна.
🤗 Веса на HF
🖤 Потрогать
⭐️ Файнтьюнить (LoRa-based, рекомендуют A100 or H100 GPU)
В честь 2311-летия Архимеда Mistral выпустили модель MathΣtral, и она уже доступна для использования под лицензией Apache 2.0
MathΣtral основана на модели Mistral 7B и специализируется на предметах STEM (наука, технологии, инженерия, математика).
Она имеет контекстное окно в 32k и демонстрирует выдающиеся способности в логическом мышлении, особенно в решении сложных математических задач.
Модель достигает 56,6% на MATH и 63,47% на MMLU. Особенно впечатляют результаты с majority voting — 68,37% (ответ выбирается на основе большинства предложенных решений) и 74,59% если ответ выбирает strong reward model из 64 предложений, сгенерированных Mathstral 7B.
MathΣtral была создана в рамках сотрудничества с тем самым проектом Numina, и её выпуск - часть усилий Mistral AI по поддержке академических инициатив.
По идее создателей MathΣtral должна стать помощником для студентов и исследователей в решении задач, требующих высокого уровня математических рассуждений.
Забавно, что в бухгалтерии модель не сильна.
🤗 Веса на HF
⭐️ Файнтьюнить (LoRa-based, рекомендуют A100 or H100 GPU)
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥16😁8👍4❤2