Неискусственный интеллект
Новый проект авторов "Нецифровой экономики" (@antidigital), посвященный новостям искусственного интеллекта.
По вопросам — @ilya_sclyuev, @okalman и @Tertiusgaudens
По вопросам — @ilya_sclyuev, @okalman и @Tertiusgaudens
Рэйтынг TGlist
0
0
ТыпПублічны
Вертыфікацыя
Не вертыфікаваныНадзейнасць
Не надзейныРазмяшчэннеРосія
МоваІншая
Дата стварэння каналаDec 24, 2024
Дадана ў TGlist
Jan 06, 2025Прыкрепленая група
Рэкорды
20.04.202523:59
1.2KПадпісчыкаў26.01.202523:59
200Індэкс цытавання13.03.202505:33
9.7KАхоп 1 паста12.03.202521:59
9.7KАхоп рэкламнага паста26.02.202511:45
13.93%ER12.03.202521:59
1216.71%ERRПераслаў з:
Denis Sexy IT 🤖
29.03.202511:30
А еще нейро-тиктокеров теперь можно делать за 10 минут с телефона:
1. Сначала генерируем в новом ChatGPT фото с надписью
Например, этим промптом, приложив картинку объекта:
2. А потом, скармливаем это в Sora (или что вы любите) и получаем своего нейро-инфлюенсера
3. Можно еще автоматом сгенерировать звук в MMaudio, но мне лениво
У меня такие мысли от этого всего - берегите свои аудитории, господа и дамы инфлюенсеры, через пару лет, из-за обилия контента в интернете, заполучать внимание новых подписчиков будет еще сложнее; а если вы все еще не инфлюенсер или блогер, а хочется - начинайте и не стесняйтесь, и помните что главное это интересный контент
В будущем все будем с роботами конкурировать за внимание
1. Сначала генерируем в новом ChatGPT фото с надписью
Например, этим промптом, приложив картинку объекта:
Create image Pretend you're a TikTokinfluencer with over 1 million followers.
You are in your.
Take a photo of this using an iPhone. Quality should be of an iPhone 14 or lower, it should not feel like a professional photoshoot.
Pretend like you are posting this picture on your Instagram stories.
Use text overlay that says:
2. А потом, скармливаем это в Sora (или что вы любите) и получаем своего нейро-инфлюенсера
3. Можно еще автоматом сгенерировать звук в MMaudio, но мне лениво
У меня такие мысли от этого всего - берегите свои аудитории, господа и дамы инфлюенсеры, через пару лет, из-за обилия контента в интернете, заполучать внимание новых подписчиков будет еще сложнее; а если вы все еще не инфлюенсер или блогер, а хочется - начинайте и не стесняйтесь, и помните что главное это интересный контент
В будущем все будем с роботами конкурировать за внимание
08.04.202510:46
Качество генерации видео и изображений за последние два года совершило значительный скачок. Использование технологии не ограничилось благими целями: злоумышленники всё чаще прибегают к ИИ-инструментам, чтобы распространять дипфейки и заниматься мошенничеством.
Пока способы генерации дипфейков развиваются быстрее, чем методы распознавания. Мы попросили Александра Паркина, руководителя исследовательских проектов VisionLabs в MTS AI рассказать подробнее о борьбе с дипфейками:
ℹ️ В разработке защитных систем есть два основных направления:
— Постоянное обновление обучающих выборок, чтобы успевать за новыми видами атак
— Разработка моделей, которые изначально устойчивы к неизвестным типам подделок
Оба подхода важны, и исследование DF40: Toward Next-Generation Deepfake Detection, принятое на NeurIPS 2024, уделяет им серьёзное внимание. Эта работа пытается систематизировать текущую ситуацию и ответить на вопрос: а можно ли построить точный детектор дипфейков, если делать акцент на универсальности (большинство текущих SOTA решений об этом) и не уделять внимание разнообразию и новизне атак?
✔️ Есть четыре крупных категории дипфейков:
— Face Swapping (FS) — замена одного лица на другое;
— Face Reenactment (FR) — передача мимики с одного лица на другое;
— Entire Face Synthesis (EFS) — синтез лица с нуля;
— Face Editing (FE) — локальное редактирование черт лица.
Для каждого из этих типов характерны разные визуальные артефакты, а значит, и детекторы нужны разные. Создать универсального «ловца» — задача сложная и пока далёкая от решения.
❓ Почему обучение не гарантирует устойчивость?
DF40 показывает, что если модель обучалась на одном типе фейка, она не всегда сможет выявить другой. Особенно это видно при распознавании замены лица и генерации с нуля: модель, обученная на первом, ещё кое-как справляется со вторым — до 0.8 AUC (Area Under the Curve, показатель точности), а вот при обратной ситуации падает до 0.6 AUC.
Такой дисбаланс — симптом того, что модели сильно завязаны на специфические признаки, плохо умеют обобщать.
🤖 Face Reenactment — исключение из правила?
Модели, обученные на одних методах передачи мимики (FR) показывают хорошие результаты и дипфейках, созданных с помощью других FR-методах, даже если данные из разных источников. Но и тут не обошлось без сюрприза: Wav2Lip, метод, который синхронизирует рот с аудио, часто остаётся незамеченным. Причина проста — он трогает только рот, и «глобальные» детекторы просто его игнорируют.
💻 CLIP vs Xception: что лучше?
DF40 отмечает, что предобученные CLIP-модели (на архитектуре Vision Transformer, ViT) работают существенно лучше классических свёрточных нейросетей (например, Xception). Они лучше отделяют реальные видео от фейковых, как бы «по опыту».
Причина, скорее всего, в богатом предобучении на огромных мультимодальных датасетах. Но из внутренних экспериментов мы видим: важен не только масштаб предобучения, но и его близость к задаче. Распознавание лиц, например, может быть куда полезнее ImageNet'а.
*️⃣ Отдельно стоит сказать про «передовые» SoTA-детекторы:
Многие из них на деле не сильно превосходят базовые модели, и DF40 — не первая работа, которая это показывает. Проблема в том, что они учат субоптимальные признаки, которые не обобщаются. То есть показывают хорошие цифры на знакомых датасетах — и проваливаются на новых.
📍 А что в реальной жизни?
Deepfake-Eval-2024 подчёркивает разрыв между лабораторными условиями и «диким интернетом». На реальных видео даже лучшие open-source модели теряют точность. Но научное сообщество это признаёт — и начинает строить более надёжные решения.
➡️ В сухом остатке:
— «Серебряной пули» в борьбе с дипфейками всё еще нет;
— Регулярное обновление датасетов и использование более универсальных предобученных моделей помогут приблизиться к решению реальных задач;
— Но будущее всё же за моделями, способными эффективно обобщать знания и распознавать неизвестные типы подделок.
* А тем, кому эта тема интересна, также посоветуем неофициальный канал пресс-службы MTS AI и VisionLabs Oops404 — про биометрию, дипфейки и любовь.
@anti_agi
Пока способы генерации дипфейков развиваются быстрее, чем методы распознавания. Мы попросили Александра Паркина, руководителя исследовательских проектов VisionLabs в MTS AI рассказать подробнее о борьбе с дипфейками:
ℹ️ В разработке защитных систем есть два основных направления:
— Постоянное обновление обучающих выборок, чтобы успевать за новыми видами атак
— Разработка моделей, которые изначально устойчивы к неизвестным типам подделок
Оба подхода важны, и исследование DF40: Toward Next-Generation Deepfake Detection, принятое на NeurIPS 2024, уделяет им серьёзное внимание. Эта работа пытается систематизировать текущую ситуацию и ответить на вопрос: а можно ли построить точный детектор дипфейков, если делать акцент на универсальности (большинство текущих SOTA решений об этом) и не уделять внимание разнообразию и новизне атак?
✔️ Есть четыре крупных категории дипфейков:
— Face Swapping (FS) — замена одного лица на другое;
— Face Reenactment (FR) — передача мимики с одного лица на другое;
— Entire Face Synthesis (EFS) — синтез лица с нуля;
— Face Editing (FE) — локальное редактирование черт лица.
Для каждого из этих типов характерны разные визуальные артефакты, а значит, и детекторы нужны разные. Создать универсального «ловца» — задача сложная и пока далёкая от решения.
❓ Почему обучение не гарантирует устойчивость?
DF40 показывает, что если модель обучалась на одном типе фейка, она не всегда сможет выявить другой. Особенно это видно при распознавании замены лица и генерации с нуля: модель, обученная на первом, ещё кое-как справляется со вторым — до 0.8 AUC (Area Under the Curve, показатель точности), а вот при обратной ситуации падает до 0.6 AUC.
Такой дисбаланс — симптом того, что модели сильно завязаны на специфические признаки, плохо умеют обобщать.
🤖 Face Reenactment — исключение из правила?
Модели, обученные на одних методах передачи мимики (FR) показывают хорошие результаты и дипфейках, созданных с помощью других FR-методах, даже если данные из разных источников. Но и тут не обошлось без сюрприза: Wav2Lip, метод, который синхронизирует рот с аудио, часто остаётся незамеченным. Причина проста — он трогает только рот, и «глобальные» детекторы просто его игнорируют.
💻 CLIP vs Xception: что лучше?
DF40 отмечает, что предобученные CLIP-модели (на архитектуре Vision Transformer, ViT) работают существенно лучше классических свёрточных нейросетей (например, Xception). Они лучше отделяют реальные видео от фейковых, как бы «по опыту».
Причина, скорее всего, в богатом предобучении на огромных мультимодальных датасетах. Но из внутренних экспериментов мы видим: важен не только масштаб предобучения, но и его близость к задаче. Распознавание лиц, например, может быть куда полезнее ImageNet'а.
*️⃣ Отдельно стоит сказать про «передовые» SoTA-детекторы:
Многие из них на деле не сильно превосходят базовые модели, и DF40 — не первая работа, которая это показывает. Проблема в том, что они учат субоптимальные признаки, которые не обобщаются. То есть показывают хорошие цифры на знакомых датасетах — и проваливаются на новых.
📍 А что в реальной жизни?
Deepfake-Eval-2024 подчёркивает разрыв между лабораторными условиями и «диким интернетом». На реальных видео даже лучшие open-source модели теряют точность. Но научное сообщество это признаёт — и начинает строить более надёжные решения.
➡️ В сухом остатке:
— «Серебряной пули» в борьбе с дипфейками всё еще нет;
— Регулярное обновление датасетов и использование более универсальных предобученных моделей помогут приблизиться к решению реальных задач;
— Но будущее всё же за моделями, способными эффективно обобщать знания и распознавать неизвестные типы подделок.
* А тем, кому эта тема интересна, также посоветуем неофициальный канал пресс-службы MTS AI и VisionLabs Oops404 — про биометрию, дипфейки и любовь.
@anti_agi
10.04.202516:16
Генеративный ИИ приходит в сферу развлечений: эксперименты ведутся в игровой индустрии, есть инструменты для имитации работы целых съёмочных групп. Но это в основном за рубежом, а что у нас, в России?
Попросили рассказать об интеграции генИИ в отечественных креативных индустриях и будущем технологии в этом направлении Илью Филиппова, CEO red_mad_robot AI:
1️⃣ Что из ИИ-инструментов уже активно используют в креативных индустриях, сфере развлечений?
Если говорить о действительно работающих кейсах, то в России LLM и GenAI сейчас активно применяют:
▪️ Книжные сервисы — рекомендательные системы нового поколения. Мы в red_mad_robot участвовали в кейсе, где LLM помогали не только фильтровать каталоги, но и анализировать предпочтения пользователей по рецензиям, поисковым запросам и даже стилю письма в комментариях.
Это помогло создать «персонализированные витрины» книг, где рекомендации были более тонкими, чем просто «люди, купившие это, также купили то»;
▪️ Онлайн-кинотеатры и стриминги — здесь модели анализируют пользовательские предпочтения глубже. Некоторые сервисы тестируют AI-анализ просмотров (где пользователь ставил на паузу, перематывал, выходил) и адаптируют промо-материалы под это;
▪️ Игры — крупные студии пока осторожны, но небольшие разработчики тестируют LLM в сценарной адаптации. Например, в российских текстовых RPG уже были случаи, когда AI адаптировал сюжетную линию под стиль игрока.
Что важно: рынок стал гораздо прагматичнее. Если пару лет назад генеративка воспринималась как хайп, теперь её ценность оценивают по конкретным метрикам — ретеншн, конверсия, монетизация.
2️⃣ Где чаще всего внедряют ИИ на российских онлайн-площадках?
Сейчас генеративный AI активно применяют во внутренних задачах контентных платформ, потому что это приносит прямую экономию. При этом без человека тут всё равно не обойтись. Например:
▪️ Автоматизированные аннотации и описания — в книжных сервисах, стримингах и маркетплейсах, где есть каталоги. Это снижает ручной труд редакторов, но качество описаний проверяют люди;
▪️ Генерация обложек и визуального контента — книжные и музыкальные сервисы уже тестируют AI-генерацию изображений для обложек, но и тут без финального редактирования дизайнеров не обойтись;
▪️ Оптимизация работы модерации — AI фильтрует контент в комментариях и UGC, но стопроцентного доверия к нему пока нет.
3️⃣ Что индустрии развлечений может дать мультиагентность?
Мультиагентные системы сейчас выглядят как новая волна хайпа, их реальная полезность пока не подкреплена тестами. Однако перспективы есть:
▪️ Игры и интерактивные миры — мультиагентные системы могут создать более естественное поведение NPC, особенно в open-world. Вместо заскриптованных реплик персонажи смогут вести динамичные диалоги;
▪️ Голоса и музыка — AI уже научился имитировать живую речь, но мультиагентность может пойти дальше и создать полноценные голосовые ассистенты для креативных задач (например, AI-режиссёр или AI-драматург).
Пока креативного «мультитула» нет, но тренд очевиден: компании всё чаще хотят кастомизируемые AI-решения, а не просто «один универсальный ChatGPT».
4️⃣ Какие применения ИИ в развлечениях станут основными?
▪️ Игровые AI-ассистенты — AI-помощники, которые адаптируют геймплей под игрока;
▪️ Автоматизированный сторителлинг — AI создаст каркас историй или предложит варианты развития событий.
▪️ Генерация фильмов и игр — вероятно, что в ближайшие годы появятся первые коммерческие продукты, частично сгенерированные AI.
Один из главных вопросов: как AI будет регулироваться в плане авторского права. Сейчас этот аспект пока остаётся серой зоной.
5️⃣ Будет ли ИИ конкурировать с человеческим креативом?
AI уже способен генерировать тексты, музыку и визуал, но он не создаёт новое, а компилирует известное. Это означает, что часть контента (шаблонные статьи, базовая графика, SEO-тексты) почти полностью уйдёт в AI. При этом человеческий креатив останется востребованным там, где важны эмоции, уникальные идеи, неожиданные смыслы.
@anti_agi
Попросили рассказать об интеграции генИИ в отечественных креативных индустриях и будущем технологии в этом направлении Илью Филиппова, CEO red_mad_robot AI:
1️⃣ Что из ИИ-инструментов уже активно используют в креативных индустриях, сфере развлечений?
Если говорить о действительно работающих кейсах, то в России LLM и GenAI сейчас активно применяют:
▪️ Книжные сервисы — рекомендательные системы нового поколения. Мы в red_mad_robot участвовали в кейсе, где LLM помогали не только фильтровать каталоги, но и анализировать предпочтения пользователей по рецензиям, поисковым запросам и даже стилю письма в комментариях.
Это помогло создать «персонализированные витрины» книг, где рекомендации были более тонкими, чем просто «люди, купившие это, также купили то»;
(кстати, про генИИ в рекомендациях у нас уже былотдельный пост — прим.ред.)
▪️ Онлайн-кинотеатры и стриминги — здесь модели анализируют пользовательские предпочтения глубже. Некоторые сервисы тестируют AI-анализ просмотров (где пользователь ставил на паузу, перематывал, выходил) и адаптируют промо-материалы под это;
▪️ Игры — крупные студии пока осторожны, но небольшие разработчики тестируют LLM в сценарной адаптации. Например, в российских текстовых RPG уже были случаи, когда AI адаптировал сюжетную линию под стиль игрока.
Что важно: рынок стал гораздо прагматичнее. Если пару лет назад генеративка воспринималась как хайп, теперь её ценность оценивают по конкретным метрикам — ретеншн, конверсия, монетизация.
2️⃣ Где чаще всего внедряют ИИ на российских онлайн-площадках?
Сейчас генеративный AI активно применяют во внутренних задачах контентных платформ, потому что это приносит прямую экономию. При этом без человека тут всё равно не обойтись. Например:
▪️ Автоматизированные аннотации и описания — в книжных сервисах, стримингах и маркетплейсах, где есть каталоги. Это снижает ручной труд редакторов, но качество описаний проверяют люди;
▪️ Генерация обложек и визуального контента — книжные и музыкальные сервисы уже тестируют AI-генерацию изображений для обложек, но и тут без финального редактирования дизайнеров не обойтись;
▪️ Оптимизация работы модерации — AI фильтрует контент в комментариях и UGC, но стопроцентного доверия к нему пока нет.
3️⃣ Что индустрии развлечений может дать мультиагентность?
Мультиагентные системы сейчас выглядят как новая волна хайпа, их реальная полезность пока не подкреплена тестами. Однако перспективы есть:
▪️ Игры и интерактивные миры — мультиагентные системы могут создать более естественное поведение NPC, особенно в open-world. Вместо заскриптованных реплик персонажи смогут вести динамичные диалоги;
▪️ Голоса и музыка — AI уже научился имитировать живую речь, но мультиагентность может пойти дальше и создать полноценные голосовые ассистенты для креативных задач (например, AI-режиссёр или AI-драматург).
Пока креативного «мультитула» нет, но тренд очевиден: компании всё чаще хотят кастомизируемые AI-решения, а не просто «один универсальный ChatGPT».
4️⃣ Какие применения ИИ в развлечениях станут основными?
▪️ Игровые AI-ассистенты — AI-помощники, которые адаптируют геймплей под игрока;
▪️ Автоматизированный сторителлинг — AI создаст каркас историй или предложит варианты развития событий.
▪️ Генерация фильмов и игр — вероятно, что в ближайшие годы появятся первые коммерческие продукты, частично сгенерированные AI.
Один из главных вопросов: как AI будет регулироваться в плане авторского права. Сейчас этот аспект пока остаётся серой зоной.
5️⃣ Будет ли ИИ конкурировать с человеческим креативом?
AI уже способен генерировать тексты, музыку и визуал, но он не создаёт новое, а компилирует известное. Это означает, что часть контента (шаблонные статьи, базовая графика, SEO-тексты) почти полностью уйдёт в AI. При этом человеческий креатив останется востребованным там, где важны эмоции, уникальные идеи, неожиданные смыслы.
@anti_agi
Пераслаў з:
Нецифровая экономика
14.04.202518:40
В мире, где алгоритмы подбирают нам и коллег, и спутников жизни, в столице бигтеха Сан-Франциско всё чаще замечают… бумажные объявления. Нет, не на столбах. Прямо в салонах беспилотных такси Waymo.
Так, на днях пользовательница соцсети X выложила фото записки, обнаруженной в центре управления одного из автомобилей: «Ищем сеньор-разработчиков ИИ для музыкального проекта. influur.com». Записка от руки — с почерком и мейлом CEO стартапа Influur Алессандры Анджелини. Публикация мгновенно разлетелась по Сети, собрав десятки тысяч просмотров и лайков. Анджелини позже призналась: благодаря этому спонтанному шагу она уже получила около 60 резюме.
Спустя пару дней в другом Waymo находят ещё одну записку — уже от одинокого 26-летнего айтишника, ищущего свидание. Он честно пишет, что работает в техе, но не делает из этого образ жизни, и оставляет номер телефона для потенциальных интересантов. Объявление моментально становится вирусным.
На фоне тотальной автоматизации, когда компании вроде Google и OpenAI продвигают идею, что «агенты ИИ» будут нанимать за нас людей и даже заменят романтические отношения, бумажные записки в роботакси выглядят как ностальгический вызов. Простой, почти наивный жест, который всё ещё может сработать — особенно в городе, где ИИ давно воспринимается как нечто само собой разумеющееся.
В Waymo сдержанно отреагировали: «Мы гордимся, что даём людям возможность двигаться — и в профессии, и в жизни». При этом отмечают, что машины тщательно осматриваются и убираются после каждого рейса. Так что судьба бумажных объявлений — неоднозначна.
В принципе прекрасная иллюстрация нашего настоящего — оставлять каракули и надеяться, что ИИ их не заметит и записка достигнет живого человека. Даже если шансов совсем немного.
Так, на днях пользовательница соцсети X выложила фото записки, обнаруженной в центре управления одного из автомобилей: «Ищем сеньор-разработчиков ИИ для музыкального проекта. influur.com». Записка от руки — с почерком и мейлом CEO стартапа Influur Алессандры Анджелини. Публикация мгновенно разлетелась по Сети, собрав десятки тысяч просмотров и лайков. Анджелини позже призналась: благодаря этому спонтанному шагу она уже получила около 60 резюме.
Спустя пару дней в другом Waymo находят ещё одну записку — уже от одинокого 26-летнего айтишника, ищущего свидание. Он честно пишет, что работает в техе, но не делает из этого образ жизни, и оставляет номер телефона для потенциальных интересантов. Объявление моментально становится вирусным.
На фоне тотальной автоматизации, когда компании вроде Google и OpenAI продвигают идею, что «агенты ИИ» будут нанимать за нас людей и даже заменят романтические отношения, бумажные записки в роботакси выглядят как ностальгический вызов. Простой, почти наивный жест, который всё ещё может сработать — особенно в городе, где ИИ давно воспринимается как нечто само собой разумеющееся.
В Waymo сдержанно отреагировали: «Мы гордимся, что даём людям возможность двигаться — и в профессии, и в жизни». При этом отмечают, что машины тщательно осматриваются и убираются после каждого рейса. Так что судьба бумажных объявлений — неоднозначна.
В принципе прекрасная иллюстрация нашего настоящего — оставлять каракули и надеяться, что ИИ их не заметит и записка достигнет живого человека. Даже если шансов совсем немного.
Пераслаў з:
Data Secrets
25.03.202519:31
Итак, нативная обработка изображений от OpenAI вышла, работает супер и даже доступна бесплатным пользователям
Но... Google затмил сегодня вечером всех, выпустив Gemini 2.5 Pro. Это та самая модель, которая на арене висела на первом месте под названием Nebula.
Контекст – миллион (!) токенов, на бенчмарках почти везде обходит o3-mini, GPT-4.5, R1, Sonnet 3.7, Grok-3 и остальных. Естественно, мультимодальная + есть ризонинг.
Попробовать уже можно здесь, а вот блогпост
Но... Google затмил сегодня вечером всех, выпустив Gemini 2.5 Pro. Это та самая модель, которая на арене висела на первом месте под названием Nebula.
Контекст – миллион (!) токенов, на бенчмарках почти везде обходит o3-mini, GPT-4.5, R1, Sonnet 3.7, Grok-3 и остальных. Естественно, мультимодальная + есть ризонинг.
Попробовать уже можно здесь, а вот блогпост
Пераслаў з:
Адель и МЛь
27.03.202512:45
Властелин колец в стиле Ghibli.
С релизом image gen gpt-4o весь интернет заполнен переделками картинок в стиле анимации студии Ghibli.
Вот чел обработал каждый главный кадр из оригинального трейлера LOTR с помощью модели OpenAI, потом потратил $250 на Kling и LumaLabs, еще 9 часов поредактировал - готово.
Тут даже звуковая дорожка оригинальная легла.
С релизом image gen gpt-4o весь интернет заполнен переделками картинок в стиле анимации студии Ghibli.
Вот чел обработал каждый главный кадр из оригинального трейлера LOTR с помощью модели OpenAI, потом потратил $250 на Kling и LumaLabs, еще 9 часов поредактировал - готово.
Тут даже звуковая дорожка оригинальная легла.
Увайдзіце, каб разблакаваць больш функцый.
