Искусственный интеллект

Привет, Хабр! Это Сергей, я пишу для команды спецпроектов МТС Диджитал. Мне нравится, когда старые технологии могут хоть как-нибудь взаимодействовать с новыми. Помните фильм «Морской бой» 2012 года? Там инопланетяне смогли вывести из строя все современные суда, но в итоге проиграли сражение линкору «Миссури» — музейному экспонату. Каждый раз, когда мне удается заставить какую-нибудь раритетную железку действовать в современных условиях, возникает то самое чувство, как при просмотре этого фильма.

Я проверил, насколько реально через MS-DOS получить доступ к нейронным сетям вроде нашумевшего DeepSeek и будет ли это работать. О результатах эксперимента и расскажу в этом посте.

Модель для генерации изображений YandexART применяют пользователи «Шедеврума», Алисы и других сервисов, чтобы визуализировать свои идеи и делиться ими с друзьями и знакомыми. С прошлого года YandexART можно встраивать в свои приложения и сервисы. А что если интерес людей к нейросетям может помочь в создании подарков с персональным визуальным посланием? С этой гипотезой мы в Yandex Cloud вместе с «Золотым Яблоком» запустили совместный проект: клиенты бьюти‑ритейлера могут самостоятельно генерировать изображения для электронных подарочных карт с помощью моделей от Яндекса.

На связи команда «Золотого Яблока». В этой статье мы расскажем, как компания знакомилась с YandexART, интегрировала его через API в свои сервисы, какие особенности может быть важно учесть другим разработчикам приложений, если они захотят повторить этот опыт. А именно:

— как оптимизировать трафик, чтобы получить гарантированное время ответа пользователю;
— почему этика нейросети — это не философская проблема, а вполне конкретная техническая задача;
— что можно протестировать заранее и «подкрутить» в модели, чтобы получить нужный результат без переобучения.

Базовое желание человека -- знать что будет дальше. Какая завтра погода, в какое время не будет пробок, сколько будет стоить нефть и бакс. Было бы удобно провести быстрый анализ с LLM, ведь у каждого есть доступ хотя бы к одной нашумевшей нейросетке.

Тем более LLM уже может прогнозировать будущее! Ниже вы можете посмотреть результаты прогноза для разных временных рядов из статьи Large Language Models Are Zero Shot Time Series Forecasters.

Остается лишь вопрос, а можно ли лучше?

Уязвимости в GenAI-системах - таинственное и неприступное понятие. Что это? Они вообще существуют? Существуют, конечно. Приглашаю к прочтению, если эта тема вас интересует. Расскажу, какие есть примеры уязвимостей (прям с CVE), и какие есть подходы к оценке их критичности.

Привет, коллеги! Сегодня хочу поделиться осторожным оптимизмом по поводу нейросетей в программировании. Нейросети не только ускоряют процесс разработки, но и помогают находить ошибки, улучшать качество кода, писать хорошо оптимизированный код самостоятельно и изучать новые технологии. Да, они революционны, но слепое доверие к их «интеллекту» может стоить вам часов дебаггинга. Почему 80% восторженных статей пишутся по маркетинговым шаблонам, и как отделить реальные возможности от рекламной шелухи — давайте разбираться.

В статье рассматривается, как современные языковые модели (LLM), такие как GPT, могут влиять на умственные способности человека в ближайшие 10 лет. Обсуждаются два сценария:

Позитивный: ИИ помогает людям быстрее находить информацию, улучшает память, развивает аналитические и творческие навыки, действует как персональный наставник и помогает в обучении.

Негативный: Чрезмерное использование ИИ может привести к снижению критического мышления, ухудшению памяти и потере способности решать задачи самостоятельно, что особенно заметно у молодёжи, если не соблюдать баланс.

Также анализируется влияние ИИ на разные возрастные группы (дети, подростки, взрослые и пожилые) и сравниваются люди, выросшие без ИИ, с теми, кто знаком с ним с раннего возраста. В статье приводятся рекомендации по правильному использованию ИИ в образовании и повседневной жизни, чтобы сохранить и развивать когнитивные способности.

Кто справляется с русским языком эффективнее: локальные разработки или глобальные адаптации? Мы сравнили отечественные модели, такие как GigaChat, с их западными конкурентами, включая ChatGPT. Немного разберемся, какие модели подходят для бизнеса, творчества и аналитики в русскоязычном сегменте

Нейросети – мощный инструмент, который уже меняет бизнес. Но обычно все сводится к общим словам: «ИИ помогает в маркетинге», «Нейросети улучшают сервис»… Звучит красиво, но где конкретика? Мы нашли реальные кейсы: как крупные компании уже используют искусственный интеллект, что из этого вышло и какие технологии стоят за успехом.

Адаптировали статью Marina Tosic, в которой автор выясняет, в чём сходства и различия между устройством человеческого мозга и моделей машинного обучения. Разобраться в теме нам помогли: кандидат технических наук Василий Борисов и архитектор ML-решений в РБК Кирилл Думнов. 

Ещё пару лет назад вопрос «Какой ChatGPT лучше?» сводился к простому выбору: что за версию использовать — «тройку» или «четвёрку»? Теперь всё сложнее, и не всегда с ходу понятно, чем одна модель отличается от другой. OpenAI больше не делает ставку на одну универсальную, а предлагает линейки моделей, где каждая специализируется на чём‑то своём: одни лучше рассуждают, другими удобнее писать код, третьи идеально подходят для повседневных задач (генераций и др.).

В этом обзоре я расскажу, какая модель ChatGPT лучше для своих областей, то есть как выбрать ту, которая будет решать вашу задачу лучше остальных. Спойлер: для разных предназначений мы выберем всего три‑четыре модели, чтобы закрыть максимальное число вопросов наиболее способными нейросетями.

Появилась свободное время, и я решил сделать RAG (Retrieval Augmented Generation) для нашей компании. Компания небольшая, но документации технической и бизнес накопилось очень много, в основном на wiki.

Цель - подключить бота в slack, который быстро может выдать инфу по нужной теме.

Источник знаний:

Я часто думаю о том, как технологии меняют нашу жизнь. Сегодняшний мир с его цифровыми достижениями, такими как облачные сервисы, искусственный интеллект, криптотехнологии, уже не тот, что был лет 15–20 назад. Я родился в начале 80-х и хорошо помню, как компьютеры и интернет год за годом меняли наш мир. Но что, если заглянуть в будущее? Давайте представим, каким станет человечество через, например, сто, двести или тысячу лет. Возможно, нас, людей, уже не будет на этой планете, так как мы уничтожим себя ядерным оружием или доведём Землю до такого состояния, что жизнь на ней станет невозможной. Всё может быть так, но мне больше нравится представлять будущее в позитивном ключе, так как я считаю, что в мире всё идёт к лучшему.

Во вселенной так устроено, что природа сама по себе стремится к выживанию и развитию. Положительные изменения накапливаются, а негативные либо устраняются, либо становятся малозначительными. Конечно, бывают катастрофы, кризисы и деградация отдельных систем, но в глобальном масштабе эволюция неизменно ведёт к росту эффективности и адаптации. Иначе нас бы тут просто не было. Поэтому я считаю, что человечество не вымрет полностью, потому что мы уже слишком умны, чтобы просто «исчезнуть», как мамонты. Люди при сегодняшнем развитии технологий смогут выжить в любых условиях, после любых катаклизмов. Я считаю, что человечество не просто будет жить, а переедет на новый уровень существования и трансформируется в нечто невообразимое!

Эти проекты охватывают работу с искусственным интеллектом, обработку данных, программирование и автоматизацию — области, которые сейчас задают тон в технологиях. Каждый из них приносит что-то своё: возможность работать на разных устройствах, быстро подключаться к вашим задачам или выдавать максимальную производительность без лишних усилий.

Представьте мир, где каждый персонаж живёт своей жизнью: принимает решения, взаимодействует с окружающей средой и даже эволюционирует. Где почва, растения и ресурсы подчиняются сложным алгоритмам, а нейронные сети управляют поведением тысяч существ. Это не сценарий для нового блокбастера — это проект, над которым я работаю.

В этой статье я расскажу, как с помощью NestJS, TypeORM и Tensorflow.js создаю виртуальную вселенную, которая “дышит” и развивается. Мы разберём:

Привет, Хабр! Вы прекрасно знаете, что мы в Smart Engines непрерывно совершенствуем наши системы распознавания российского паспорта и других документов. Вместе с этим мы постоянно расширяем список документов, которые могут быть распознаны при помощи наших решений, – и будем делать это и дальше. Но что если бизнесу нужно оперативно настроить распознавание нового корпоративного документа с жесткой структурой? Сегодня такая потребность есть практически у любой организации.

Можно прийти с этой задачей к нам, и мы обязательно поможем. Но есть и альтернативный сценарий – встроить возможность настройки распознавания к себе. Для этого мы выпустили специальный инструмент – дизайнер форм. С ним ждать никого не придется, а добавлять распознавание новых форм можно будет по мере их появления, буквально день в день. О нем мы сегодня и поговорим.

27 декабря 2023 года на сайте американской газеты The New York Times вышла статья Майкла Гринбаума и Райана Мака под названием «The Times подала в суд на Open AI и Microsoft из-за использования работ, защищенных авторским правом». Авторы пишут, что разработчики искусственного интеллекта неправомерно использовали материалы газеты для обучения чат-ботов, которые теперь конкурируют с новостным изданием. Наша команда заинтересовалась вопросом регулирования авторского права в отношении ИИ.

Мы провели своё фактчек‑расследование в 2024 году и ожидали, что на волне колоссального роста ИИ‑технологий юридические аспекты будут меняться максимально быстро и динамично. Однако, оглянувшись назад спустя почти год мы видим, что воз и ныне там — авторский статус ИИ по-прежнему размыт, никаких регламентов и норм права не появилось. Давайте посмотрим, что же происходило.

В 1995 году с легкой руки Gartner в умах многих аналитиков по всему миру поселился новый термин — Gartner Hype Cycle. Как только не называли эту кривую: и цикл хайпа, и цикл зрелости, и цикл ожиданий. Но мне больше всего нравится представлять её в виде волн. Тогда в ней появляется глубокий образ — множество волн, которые в нашем технологическом мире переплетаются и рождают нашу повседневность.

Привет, Хабр! Меня зовут Антон Черноусов. Я Developer Advocate в Yandex Cloud и многие годы веду подкаст «The Art Of Programming».

Кривая Гартнера частенько помогает представить результаты прогнозов. Хотя прогнозы — дело неблагодарное. Особенно если мы попытаемся «заглянуть под капот» одной узкой сферы. Сегодня мы займемся неблагодарным делом и пристально посмотрим на мир DevOps.