Когда внимание мозга отвлекается от основной работы, скоординированные циклические волны нейронной активности помогают заново сфокусироваться. Отследив электрические импульсы, ученые обнаружили, что нейроны префронтальной коры синхронизируются круговыми паттернами, что подобно координации птиц в стае. И такая координация помогает удерживать фокус на актуальной задаче.
В череде серых офисных будней возникла насущная проблема. Есть сканы договоров, содержащие адреса пунктов (заправок) в табличной форме. Необходимо занести названия и адреса в базу, добавив геоданные. Можно сделать вручную, но это не наш метод. На дворе XXI век, автоматизация, да и простую лень никто не отменял. Бесплатные OCR распознаватели справляются плохо, особенно с таблицами, платные — не пробовал, жаба бухгалтер не позволяет. Что же делать? И тут Qwen спешит на помощь! Скормил лист — вроде неплохо, вот оно счастье! Ан нет, опять «эмпирический опыт». Давайте посмотрим, что получилось, и с какими «когнитивными искажениями» пришлось столкнуться.
В 2022 году случился «нейросетевой бум» – генеративные модели вроде Midjourney вышли из лабораторий и стали доступны широкому кругу людей. Уже несколько лет нейросети являются одной из самых популярных тем для обсуждения в арт-сообществе, вызывая волну споров, страхов и мифов.
В этой статье я хочу разобраться во всем этом и разложить по полочкам – отделить мифы от реальности, обсудить популярные аргументы сторонников ИИ, например, сравнение с фотографией, обсудить возможность охраны промпта авторским правом, а также проанализировать ситуацию с обучением моделей и «добросовестным использованием».
Я старалась углубиться в проблему и разобрать позиции всех сторон, чтобы статья вышла объективной насколько это возможно ^^
Глупо отрицать, что нейросети ускорили работу профессионалов.
Дизайнеры рисуют картинки за 5-10 минут вместо 2-х часов, редакторы за день собирают воронку постов, а благодаря вайбкодингу непрофессиональные разработчики кое-как, но могут собрать прототип будущего продукта.
Только, как это часто бывает, в погоне за хайповыми инструментами люди забывают о безопасности. И сегодня я хочу рассказать о рисках, которые нас ждут, если мы будем использовать нейросети без должной осторожности.
Доброго времени суток, «Хабр»!
За свою долгую (нет) карьеру писателя статей я уделил внимание достаточно важной теме, причем рассмотрел ее сразу в двух аспектах: написание промтов для текстовых и графических нейронных сетей. В какой-то момент появилась мысль углубиться в одну из этих тем.
Сегодня мы подробнее остановимся именно на текстовых моделях, точнее перейдем в сферу программирования и составим инструкцию по созданию промта, который обеспечит более качественный результат на выходе.
Примите стратегически удобное положение, а я приступаю к рассказу.
В лаборатории Линкольна Массачусетского технологического института заработал новый суперкомпьютер TX-GAIN. Два экзафлопса вычислительной мощности для развертывания искусственного интеллекта. В основе вычислительной мощности – более шестисот графических процессоров. Суперкомпьютер создан для лучшего понимания биологических процессов, что важно для медицины, а также для моделирования климата.
Привет! Это новый выпуск «Нейро-дайджеста» — коротких и полезных обзоров ключевых событий в мире искусственного интеллекта и технологий.
Неделя выдалась интересной: MiniMax-M2 вошёл в топ-5 LLM, Adobe показали Firefly Image 5 с редактированием по слоям, а Meta и HuggingFace показали песочницу для ИИ-агентов OpenEnv. Copilot стал умнее, Anthropic получили миллион TPU, а Alibaba представили смарт-очки с Qwen на борту.
Всё самое важное — в одном месте. Поехали!
Мы в LogistiX, внедряя технологические инновации, неизбежно сталкиваемся не только с техническими задачами, но и с человеческим фактором. На стороне заказчика это часто проявляется как пассивный саботаж, сомнения или эмоциональное отторжение, что ставит под угрозу сроки и качество проекта.
Важно понимать, что сопротивление персонала — это не «поломка» системы, а совершенно нормальная реакция на неопределенность. Люди боятся возможной потери контроля и изменения привычных ролей.
Эта проблема имеет предсказуемую логику, и ею можно управлять. Ответственность за снижение сопротивления лежит, прежде всего, на стороне заказчика, поскольку именно у него есть полномочия и каналы коммуникации с сотрудниками.
В этой статье мы разберем, почему автоматизация часто буксует из-за конфликта с персоналом и как системные инструменты превращают это сопротивление в ресурс для развития.
Цех по сборке металлоконструкций. Зал для производственных совещаний. Только что завершилась презентация новых роботов-слесарей. В зале повисла гнетущая тишина. Все ждут уже неотвратимого решения Генерального.
Привет, Хабр! Мы все читаем одни и те же новости: ИИ пишет код, управляет дронами и вот-вот отберёт у людей всю работу. Кажется, он везде. Но на самом деле есть одна интересная сфера, куда нейросетям пока вход закрыт. Ещё удивительнее то, что речь идёт именно о той деятельности, которая связана с рождением всех этих умных алгоритмов — дата-центры. И тут возникает парадокс: туда, где создают LLM, наотрез отказываются пускать их к рулю. Почему?
Когда GPT впервые научился вызывать внешние API, стало понятно: нас ждет эра agentic AI. Вчера «Яндекс» представил «Алису» с AI-агентами, которые могут записать вас к врачу, заказать товар и оплатить услугу.
Удобно? Безусловно. Но что, если агент ошибется — отправит деньги не туда, запишет к не тому врачу или сольет данные партнерам? Кто несет ответственность — разработчики, компания или сама «Алиса»?
Тот же вопрос встает и перед бизнесом. В корпоративной среде agentic AI действуют уже от лица компании. Они сами ставят задачи, создают тикеты, вносят изменения в CRM и принимают решения. Это шаг к самоуправляемой организации — и новая зона риска, где ошибка модели может стоить миллионы.
Меня зовут Сергей Спиренков, я евангелист в KODE и CEO собственных проектов. В статье расскажу, где агентные системы уже приносят пользу, а где превращаются из помощников в источник уязвимостей.
Даже если вы избегали ChatGPT и его многочисленных аналогов, то наверняка сталкивались с обработкой текстов ИИ хотя бы в поисковой выдаче. Большие языковые модели (LLM) сейчас применяют повсюду. Проблема в том, что все они построены на одной и той же архитектуре трансформеров, поэтому страдают от общих недостатков. В этой статье эксперты из лаборатории искусственного интеллекта компании «Криптонит» расскажут о существующих ограничениях LLM, наметившихся путях их преодоления и о том, какими будут следующие большие языковые модели.
Эпоха трансформеров началась стремительно, и Marvel здесь ни при чём. Исследование OpenAI «Scaling Laws for Neural Language Models» показало, что эта архитектура с механизмом самовнимания легко масштабируется. Производительность LLM предсказуемо растёт с увеличением размера модели, объёма датасетов и доступных вычислительных ресурсов, а это — залог коммерческого успеха. Поэтому в 2020-2021 начался бум развития LLM. Каждая крупная ИТ-компания хотела представить свою модель с миллиардами параметров (и получить миллиарды долларов от инвесторов).
Однако в последующей работе «Training Compute-Optimal Large Language Models» от DeepMind появилось важное уточнение: существующие модели слабо оптимизированы по отношению данных к параметрам. Поэтому при дальнейшей разработке моделей стали фокусироваться в том числе и на качестве данных, а не только на размере.
Поначалу простое масштабирование и увеличение доли качественных датасетов в обучающих наборах действительно приводили к экспоненциальному росту возможностей LLM. Наверняка вы помните, как с каждым релизом ChatGPT умнел (а мы глупели).
Я протестировал все доступные для скачивания AI браузеры, чтобы это не пришлось делать вам: ChatGPT Atlas, Comet, Fellou, Genspark, Dia, Brave, Яндекс Браузер, Edge. Рассказываю про каждый из них — про плюсы, минусы и фишки, — а процесс тестирования приложен на видео, чтобы вы все видели своими глазами.
Привет, Хабр. Меня зовут Юрий, я уже почти как лет двадцать инженер. По меркам айтишечки — динозавр. И большую часть нашей айтишной работы, не всегда можно в реальном мире потыкать палочкой. Код, сервисы, бек, фронт, нейронки это все круто, но оно там, на экране.
А иногда, так хочется делать вещи, которые можно пощупать руками, понюхать, попробовать на вкус. В реальном мире, не в эфимерном коде. Так N лет назад я открыл для себя пивоварение, а в этом году погрузился в 3д печать. И это нормальная история, во многих коллективах я видел группы по интересам, привязанные к ручным, крафтовым занятиям. Все это выглядит как естественная потребность для инженера.
Сегодня я расскажу про 3д печать, не про всю, конечно. Это очень большое направление, с явными рисками свалиться в холивар. Рассмотрим только литофанию и «хьюфорж».
Nvidia помогает стартапу Starcloud запустить H100 на орбиту. SpaceX отправит спутник с GPU в ноябре — первый раз в истории дата-центр полетит над антеннами и проводами.
Речь идет об импланте, который восстанавливает зрение при возрастной макулярной дегенерации (ВМД). Это постепенная потеря зрения, которая ощущается как постепенно замутнение. Словно запотевает объектив фотоаппарата. Это приводит к географической атрофии, более тяжёлой форме заболевания. Основной причины необратимой слепоты в мире, поражающей более пяти миллионов человек.
Твердотельные аккумуляторы уже несколько лет называют следующим шагом в развитии энергохранения. Они обещают большую емкость, быструю зарядку и повышенную безопасность по сравнению с привычными литийионными батареями. Но пока такие решения остаются на этапе испытаний — в реальных устройствах работают лишь прототипы. В этом материале разберем, что уже удалось сделать, какие проблемы мешают перейти к массовому производству.
Команда AI for Devs подготовила перевод исследования о парадоксе безопасности локальных LLM. Если вы запускаете модели на своём сервере ради приватности, эту статью стоит прочитать. Эксперименты показывают: локальные модели вроде gpt-oss-20b куда легче обмануть, чем облачные аналоги. Они чаще вставляют вредоносный код, не замечая подвоха, и превращаются в идеальную цель для атак.
Микросхемы — основа всех современных устройств, от смартфонов до серверов. Кремний, из которого их делают, десятилетиями был главным материалом электроники, но его возможности ограничены. С каждым годом создавать чипы меньше, быстрее и экономичнее становится все сложнее — на помощь в этом приходят «двумерные» материалы: графен, молибденит и их аналоги толщиной в несколько атомов. Недавно ученые из Университета Фудань в Шанхае показали, как встроить такие вещества в обычный кремниевый чип. Эта технология открывает новые пути в создании электроники. Что это за материалы, как они работают и почему вызывают столько интереса? Разбираемся.
Уже год назад вышла новая книжка Юваль Ноя Харари "Нексус. Краткая история информационных сетей от каменного века до искусственного интеллекта".
Предыдущие его книги (особенно "Sapiens") были настоящими хитами. Но Nexus, к сожалению, не переведён на русский. Есть опасения, что перевода и не появится в обозримом будущем.
Книга посвящена истории и будущему информационных сетей человечества, с особым акцентом на искусственный интеллект.
Предлагаю читателю мой краткий пересказ.
