Мир сегодня с "Юрий Подоляка"

Труха⚡️Україна

View

Николаевский Ванёк

View

Мир сегодня с "Юрий Подоляка"

View

Труха⚡️Україна

View

Николаевский Ванёк

View

Искусственный интеллект. Высокие технологии

Наука, технологии, изобретения и урбанистика — прямо сейчас говорим о том, что уже скоро повлияет на каждого.
админ - @haarrp

@itchannels_telegram -🔥best channels
РКН: clck.ru/3FmsmC

TGlist rating

TypePublic

Verification

Not verified

Trust

Not trusted

LocationРосія

LanguageOther

Channel creation dateJan 14, 2020

Added to TGlist

Jul 03, 2024

I own this channel

History of changes

Linked chat

ИИ

Искусственный интеллект

Statistic of Telegram Channel Искусственный интеллект. Высокие технологии

More details

Subscribers

46 697

24 hours

30%Week

117-0.2%Month

310-0.7%

Citation index

0

Mentions2Shares on channels0Mentions on channels2

Average views per post

3 331

12 hours3 204

28.6%24 hours3 331

101.6%48 hours1 5550%

Engagement rate (ER)

1.51%

Reposts44Comments1Reactions41

Engagement rate by reach (ERR)

3.54%

24 hours0%Week

0.26%Month

1.43%

Average views per ad post

1 652

1 hour2 488150.61%1 – 4 hours764.6%4 - 24 hours34620.94%

More details

Connect our bot to the channel to find out the gender distribution of this channel's audience.

Total posts in 24 hours

3

Dynamic

Latest posts in group "Искусственный интеллект. Высокие технологии"

All posts

12.05.202517:01

Тра файл: мужик через GPT-4o составил текст извинения своей девушке, но слишком сильно доверился ИИ — забыл удалить одну строчку.

Комментарий очень красноречив 😂

12.05.202515:05

⚡️Создаём свою нейросеть в PyTorch

Хотите быстро разобраться в PyTorch и написать свою нейросеть? Мы подготовили для вас вебинар, где на практике разберём все этапы создания ML-модели.

Вебинар проведет Владислав Агафонов — ML-инженер, ранее работал в Yandex и Huawei.

Что будет на вебинаре?
🟠Установим PyTorch в Google Colab и настроим работу на бесплатном GPU;
🟠Поймём, что такое тензоры и почему они — фундамент всех нейросетей;
🟠Скачаем готовый датасет, разберём его структуру и подготовим для обучения;
🟠Научимся использовать DataLoader для эффективной загрузки данных;
🟠Пошагово соберём облегчённую версию классической свёрточной нейронной сети (CNN);
🟠Обучим и протестируем модель.

🕗 Встречаемся 14 мая в 18:30 по МСК, будет много практики, ответы на вопросы и полезные инсайты от эксперта.

😶Зарегистрироваться на бесплатный вебинар

12.05.202513:01

🪰 Исследователи из Пекинского авиационного университета разработали микроробота длиной всего 2 сантиметра с ультрабыстрой скоростью передвижения.

Результаты работы опубликованы в исследовании под названием «Беспроводной робот-насекомое с ультрабыстрой автономной скоростью движения» в журнале Nature Communications.

#микроробот #локомоция #биомимикрия #робототехника #технологии #инженерия #инновации

11.05.202510:52

🤖 Джеффри Хинтон: человек, который научил машины думать — и пожалел об этом

*В 1986 году он написал статью, которую никто не хотел читать.
В 2012 — создал модель, которая изменила всё.
А в 2023 — ушёл из Google, заявив:*
> "Я больше не могу участвовать в этом."

🧠 Глава 1 — Изгнанник

Джеффри Хинтон — потомственный логик. Его прадед, Джон Хинтон, был соратником Бертрана Рассела.
Но сам Джеффри выбрал путь нейросетей — странной идеи, что машины можно обучать, как мозг.

В 80-х это считалось ересью.
ИИ умер.
Финансирование ушло к экспертным системам.
Профессора смеялись. Он был "тот, кто возится с биомоделями".

Его идеи отвергали. Но он продолжал.

> _"Если никто не верит в твои идеи, это может значить, что они плохие.
> Или… что ты слишком рано."_
> — Джеффри Хинтон

🔁 Глава 2 — Возвращение

В 2006 году он публикует работу о глубоких нейросетях.
А в 2012 — вместе с двумя студентами, Алексом Крижевским и Ильёй Суцкевером — создаёт AlexNet.

Она уничтожает конкурентов в ImageNet.
Ошибка распознавания изображений падает почти вдвое.

Мир меняется.
Facebook, Google, Microsoft — все бросаются нанимать тех, кто "знает про нейросети".

Джеффри Хинтон становится иконой нового ИИ.

🌐 Глава 3 — Все используют, никто не понимает

На его идеях строится:

- Google Translate
- Siri
- AlphaGo
- ChatGPT
- Рекомендательные алгоритмы YouTube и TikTok

Но сам Хинтон начинает ощущать:
мы создаём не инструмент — мы создаём силу, которую не контролируем.

🛑 Глава 4 — Отход

В мае 2023 года Хинтон покидает Google.
Он больше не может молчать.

> _"Я хочу говорить открыто о рисках ИИ.
> О том, что мы можем потерять контроль над разумом, который сами породили."_

Он сравнивает ИИ с оружием, которое может быть использовано как во благо, так и во зло.
Говорит о:

- дезинформации
- автономном оружии
- потере доверия к реальности

🎯 Финал

Джеффри Хинтон — не Стив Джобс. Он не сделал миллиардов.
Он не устраивал презентации.

Но он изменил мир глубже, чем любой техно-стартап.

Он придумал, как научить машину видеть, слышать и "думать".

И первым из всех признал:

> _"Может быть, мы сделали нечто слишком сильное.
> И слишком рано."_

📌 Джеффри Хинтон — учёный, который задал самый главный вопрос:
> *А не зашли ли мы слишком далеко зашли?*

10.05.202516:02

🧩 LegoGPT: Генерация физически устойчивых и пригодных к сборке моделей LEGO по текстовому промету

https://huggingface.co/papers/2505.05469

Reposted from:

Machinelearning

10.05.202509:13

✔️ Тенденция регулирования ИИ меняется: техгиганты переходят от «стремления к регулированию» к «отказу от регулирования».

Сэм Альтман, генеральный директор OpenAI, на слушаниях в Сенате заявил, что государственное одобрение для запуска мощных ИИ-систем губительно для технологического лидерства США. Это резкий разворот позиции после его же призывов к созданию регуляторного агентства два года назад. Теперь акцент сместился: вместо предупреждений об «экзистенциальных рисках» ИИ топ-менеджеры и власти требуют ускорить разработки, чтобы обогнать Китай.

OpenAI не одинока в резком смене курса: Google DeepMind отказался от запрета на военные ИИ-проекты, а Microsoft и компания Марка Цукерберга сняли ограничения на сотрудничество с армией.
washingtonpost.com

✔️ Nvidia адаптирует чип H20 для Китая, чтобы обойти экспортный контроль США.

Nvidia планирует выпустить упрощенную версию чипа H20 для китайского рынка уже в июле. Модификация связана с ужесточением экспортных ограничений США, которые заблокировали поставки оригинального чипа без специальной лицензии. Новый вариант H20 получит значительно урезанную память и другие технические ограничения, но позволит Nvidia сохранить позиции на ключевом рынке, где за прошлый год компания заработала $17 млрд.

По данным инсайдеров, китайские клиенты Tencent, Alibaba и ByteDance уже активно интересовались чипом, нарастив заказы до $18 млрд только с начала года. Глава Nvidia Дженсен Хуанг недавно посетил Пекин, подчеркнув стратегическую важность региона для компании.
reuters.com

✔️ Google инвестирует в 3 площадки для развития ядерной энергетики в США.

Google расширяет свое участие в энергетическом секторе, выделив финансирование стартапу Elementl Power для подготовки 3 площадок под современные ядерные проекты в США. Каждый объект планируют оснастить реакторами мощностью от 600 МВт, что должно помочь корпорации обеспечить стабильное энергоснабжение для своих дата-центров. Сумма вложений не раскрывается, но цель партнерства — ускорить ввод новых мощностей до 2035 года.

Elementl Power, основанная в 2022 году, позиционирует себя как разработчика «под ключ», предлагающего решения для клиентов, которые хотят доступ к чистой энергии.
world-nuclear-news.org

✔️ LegoGPT генерирует конструкции LEGO по текстовым описаниям.

Исследователи из Университета Карнеги-Меллон представили LegoGPT — нейросеть, которая превращает текстовые запросы в рабочие схемы сборки LEGO. Модель обучалась на 47 тысячах структур, что позволяет ей создавать оригинальные дизайны с нуля.

Система поэтапно подбирает блоки, проверяя их совместимость и устойчивость. Если деталь пересекается с другими или «висит в воздухе», LegoGPT откатывается к стабильному шагу и продолжает сборку. Результат всегда можно собрать руками или роботом. Код проекта доступен на GitHub.
tomshardware.com

✔️ Google создала Gemini Nano для защиты от мошенничества в реальном времени.

Google усилила борьбу с онлайн-мошенничеством, интегрировав модель Gemini Nano в браузер Chrome. Технология работает прямо на устройстве, анализируя сайты в режиме реального времени и блокируя фишинговые страницы до того, как пользователь успеет ввести данные.

В Android-версии Chrome появились ИИ-уведомления: если система заподозрит спам в push-сообщениях, предложит отписаться или заблокировать. Аналогичные алгоритмы теперь сканируют звонки и SMS — Gemini Nano распознает подозрительные шаблоны, даже если схема новая.
blog.google

@ai_machinelearning_big_data

#news #ai #ml

09.05.202514:00

🚀 Olmo 2 1B — компактная ИИ-модель, которая удивляет. Институт AI2 представил новую языковую модель с 1 млрд параметров, которая обходит решения от Google в тестах на арифметику и точность фактов.

Что делает Olmo 2 1B особенной?

— Полная прозрачность: исследователи выложили не только модель под открытой лицензией Apache 2.0, но и все обучающие данные с кодом обучения. Это редкий случай, когда можно буквально "заглянуть под капот" ИИ.

🔗 Ссылка - *клик*

@vistehno

Reposted from:

Machinelearning

09.05.202511:08

⚡️ HunyuanCustom: консистентная видеогенерация c инпейнтом и липсинком.

Tencent выпустила HunyuanCustom, фреймворк, который не только генерирует видео по заданным условиям, но и умеет сохранять консистентность субъектов, будь то человек, животное или предмет. Модель справляется даже с мультисубъектными сценами: в демо-роликах люди естественно взаимодействуют с предметами, а текст на упаковках не плывет между кадрами.

В основе модели лежит улучшенный механизм слияния текста и изображений через LLaVA. Например, если вы загружаете фото женщины в платье и текст «танцует под дождем», система анализирует оба инпута, связывая описание с визуальными деталями.

Но главное - это модуль временной конкатенации: он «растягивает» особенности изображения вдоль временной оси видео, используя 3D-VAE. Это помогает избежать «прыгающих» лиц или внезапных изменений фона, проблемы, которая характерна даже для топовых моделей видеогенерации.

Tencent переработали и пайплайн аудио. Для синхронизации звука с движениями губ или действиями в кадре HunyuanCustom использует AudioNet, модуль, который выравнивает аудио- и видеофичи через пространственное кросс-внимание.

Фреймворк поддерживает возможность замены объекта в готовом ролике (скажем, подставить новую модель кроссовок в рекламу), модель сжимает исходное видео в латентное пространство, выравнивает его с шумными данными и встраивает изменения без артефактов на границах.

Экспериментальные тесты показали, что HunyuanCustom обходит конкурентов по ключевым метрикам. Например, Face-Sim (сохранение идентичности лица) у Tencent — 0.627 против 0.526 у Hailuo, а с Keling, Vidu, Pika и Skyreels разрыв еще больше.

⚠️ Для работы модель требует минимум 24 ГБ видеопамяти для роликов 720p, но чтобы раскрыть все возможности, разработчики рекомендуют 80 ГБ VRAM.

Код и чекпоинты уже доступны в открытом доступе, а в репозитории есть примеры запуска как на нескольких GPU, так и в экономном режиме для потребительских видеокарт.

📌Лицензирование кода : Tencent Hunyuan Community License.

🟡Страница проекта
🟡Модель
🟡Arxiv
🖥GitHub

@ai_machinelearning_big_data

#AI #ML #Video #HunyuanCustom #Tencent

07.05.202515:09

🚀 ✔️ LTX Studio выпустила открытую видео-модель с рекордной скоростью и качеством.

LTX Studio представила новую модель для генерации видео, которая сочетает скорость, детализацию и контроль. Свыше 13 млрд. параметров и технология multiscale rendering позволяют добиться плавного движения, четкой картинки и минимума артефактов даже в динамичных сценах.

Суть multiscale rendering — анализ сцены на разных уровнях детализации, который сохраняет крупные объекты стабильными, не теряя мелких элементов. Результат: реалистичная анимация и согласованность между кадрами.

Модель работает до 30 раз быстрее аналогов при том же качестве и позволяет управлять ключевыми кадрами и камерой — можно буквально «режиссировать» каждый момент. Она доступна бесплатно на платформе LTX Studio или для локального инференса, веса опубликованы на HuggingFace.
LTX в сети Х (ex-Twitter)

▪Попробовать можно тут→ https://app.ltx.studio/ltx-video
▪Code → https://github.com/Lightricks/LTX-Video
▪Weights → https://huggingface.co/Lightricks/LTX-Video

07.05.202512:02

Киберпанк стал реальностью: в Японии вырастили мозг, управляющий роботом

Учёные создали цереброид — миниатюрный мозг, выращенный из стволовых клеток. Его подключили к специальному чипу, превратив в настоящего киборга.

Этот мозг уже учится, выполняет команды и управляет роботом — словно кадр из научной фантастики.

Он функционирует почти как настоящий, хотя пока и обладает ограниченными возможностями.

06.05.202513:00

🤖 История нейросетей: от мечты до революции

Когда-то идея создать «машину, похожую на мозг», звучала как фантастика. Сегодня нейросети распознают лица, переводят тексты, управляют роботами и пишут код. Как мы дошли до этого?

1) 🧠 Все началось… с нейрона на бумаге

✨ 1943 год.
Два учёных — Уоррен МакКаллок и Уолтер Питтс — публикуют статью, где описывают математическую модель нейрона. Они показали: нейроны можно представить как простые логические элементы, способные передавать сигналы.
Это была первая попытка описать работу мозга через математику.

👉 Но… компьютеры тогда только зарождались, а про обучение моделей никто не думал.

2) 🔍 Появляется перцептрон — первая нейросеть

✨ 1958 год.
Американский психолог Фрэнк Розенблатт создаёт перцептрон — устройство, которое могло «учиться» распознавать простые образы (например, различать круг и квадрат).

📝 Перцептрон обучали на карточках с рисунками: показывали примеры, корректировали ошибки. Машина сама подбирала веса связей между нейронами, чтобы давать правильный ответ.

Это был первый шаг к обучаемым моделям, но… были ограничения.

3) 💤 Застой: «нейросети не могут»

✨ 1969 год.
Книга Марвина Мински и Сеймура Паперта «Перцептроны» разбила мечты: учёные доказали, что односвязный перцептрон не способен решать задачи, требующие нелинейных разделителей (например, XOR).

👉 Многие поверили, что нейросети — тупиковая ветвь.
Финансирование упало. Интерес угас.

4) 🚀 Второе дыхание: обратное распространение ошибки

✨ 1986 год.
Джеффри Хинтон, Дэвид Румельхарт и Рональд Уильямс открывают метод backpropagation (обратного распространения ошибки).

Теперь нейросеть могла автоматически корректировать все свои слои, а не только первый. Это позволило строить глубокие нейросети и обучать их на сложных задачах.

💥 Революция? Почти. Компьютеров всё ещё не хватало, чтобы обучать большие сети.

5) 📷 Практическое применение: сверточные сети

✨ 1990-е.
Янн Лекун создаёт LeNet — сверточную нейросеть (CNN), которая распознавала рукописные цифры на чеках. Это была первая успешная коммерческая нейросеть.

👉 LeNet работала медленно, но точнее, чем любые предыдущие методы.

6) 💥 Большой взрыв: глубокое обучение

✨ 2012 год.
На конкурсе ImageNet сеть AlexNet (созданная студентами Хинтона — Крижевским и Суцкевером**) разгромила соперников, улучшив точность классификации изображений на **10% сразу.

Почему получилось?
• Были большие данные (ImageNet — 1,2 млн изображений)
• Были мощные GPU
• Были методы dropout, ReLU и хорошее понимание backpropagation

С этого момента deep learning стал мейнстримом.
Компании вроде Google, Facebook, Microsoft начали инвестировать миллиарды.

7) 🤯 Нейросети сегодня: GPT, Stable Diffusion, AlphaFold

Сейчас нейросети умеют:

• писать тексты (GPT)
• рисовать картины (Stable Diffusion, Midjourney)
• предсказывать белковые структуры (AlphaFold)
• водить машины (Tesla Autopilot)

Размер моделей растёт: от 10 нейронов в перцептроне — до 500 миллиардов параметров в GPT-4.

8) 🏁 Что дальше?

Мы прошли путь от искусственного нейрона — до машин, которые иногда ведут себя пугающе «человечно».
И это — только начало.

Кто знает, где мы окажемся через 10 лет?

👉 А нейросети продолжают учиться.
И, возможно, скоро они напишут продолжение этой истории сами.

🎉 Если понравился рассказ — поделись с друзьями, чтобы они тоже узнали, как всё начиналось!
🔍 Хочешь отдельную статью про GPT, CNN или AlphaFold? Пиши!

06.05.202511:01

Хотите оказаться там, где бизнес и технологии пересекаются не на слайдах, а в реальности?

Конференция Data&ML2Business — это не просто витрина фич, а внутренняя кухня внедрения реальных технологий. 28 мая в Москве или онлайн расскажем, как компании реально применяют ML, BI и аналитические платформы.

В программе:

– выступления CTO и архитекторов Яндекса
– кейсы по генеративным моделям, речевой аналитике и аналитике видео
– гибридные data-решения в фарме и индустриальных компаниях
– что происходит с ML-процессами, когда они выходят за пределы одной команды

Событие подходит тем, кто строит системные решения и работает на стыке бизнеса и технологий.

Присоединяйтесь офлайн в Москве или онлайн — будет полезно.

06.05.202508:03

🔥 Калифорнийский стартап объявляет о прорыве в области робототехники для повседневных задач с помощью ИИ π0.5 — модели «зрение-язык-действие».

Все, что видит робот, он видит впервые.

🧪 В экспериментах Робот успешно справился с уборкой посуды, застиланием постели и мытьем пола в незнакомых домах, демонстрируя полное понимание задачи, её разбиение на шаги и адаптацию к новым условиям.

➡️ Робот воспринимает команды от абстрактных ("убери посуду") до пошаговых ("подними кружку", "поставь в раковину"), демонстрируя потенциал обобщения для сложных роботизированных навыков.

Модель анализирует семантику задачи, разбивает её на шаги и генерирует команды для моторных систем. π0.5 умеет реагировать и на голосовые команды разной детализации — от «убери посуду» до точечных указаний

✔️ Подробнее про π0.5

05.05.202513:03

🚀 ChatGPT всё ещё лидирует в AI-гонке, но Google Gemini стремительно набирает обороты!

Недавний опрос CivicScience показал, что 40% американских потребителей в прошлом месяце использовали генеративные AI-инструменты:

🤖 ChatGPT – 46%

🌟 Google Gemini – 37%

💼 Microsoft Copilot – 25%

🔍 При этом 52% пользователей ChatGPT и 40% пользователей Gemini предпочитают работать исключительно на своей платформе – показатель высокой лояльности и доверия.

Что это значит?

ChatGPT продолжает задавать тон благодаря широкой базе фанатов и зрелой экосистеме.

Google Gemini быстро сокращает отрыв, привлекая новых пользователей свежими возможностями и интеграциями.

Конкуренция стимулирует развитие: нам стоит ждать ещё более интересных функций и улучшений!

А вы какую платформу используете чаще всего? Поделитесь в комментариях!

#AI #ChatGPT #GoogleGemini #GenerativeAI #TechTrends #Innovation

05.05.202511:04

🖥 Prompt Library здесь собраны лучшие промты на все случаи жизни

Всего более 500 промтов на все случаи жизни в одном месте.

Разделены на 9 категорий — бизнес, карьера (идеально для составления резюме), креатив, образование, здоровье, маркетинг, технологии, личный помощник и общее.

Сохраняем и бустим производительность тут.