Эта статья — отличное подспорье для каждого, кто хочет ускорить процесс разработки с помощью автоматизации. Из нее вы узнаете, как создать веб-приложение, которое преобразует объекты JSON в интерфейсы Typescript с помощью API ChatGPT. Приведенные пошаговые инструкции смогут легко выполнить даже новички.

После того как блестящий дебют ChatGPT сделал большие языковые модели (LLM) основным центром приложения инвестиций в ИТ, новые продукты на основе генеративного ИИ сыпятся на удивленных пользователей как из рога изобилия. Буквально каждую неделю лидеры ИТ-индустрии и небольшие «ламповые» стартапы презентуют нам новые умные сервисы, способные эффективно автоматизировать рутину и облегчить человеку раскрытие его творческого потенциала. 

Разобраться с самыми перспективными нейросетями поможет наша краткая «шпаргалка» с их перечислением и краткой сервисной информацией. В список вошли как непосредственно LLM, так и наиболее интересные нейросетевые генеративные решения на их основе.

Для Python существует более 137 тысяч библиотек с открытым исходным кодом, автоматизирующих работу в разных областях — от отдельных рутинных рабочих процессов в компаниях до создания сложных многофункциональных приложений. Одна из самых популярных областей применения «змеиного языка» — наука о данных, а также задачи, связанные с искусственным интеллектом и машинным обучением.

В этой обширной «шпаргалке» для начинающих AI/ML специалистов мы собрали опенсорсные библиотеки Python, сгруппированные по областям практического применения. Этот список с кратким описанием функций каждого инструмента будет полезен всем, кто постоянно работает с «Питоном» и ищет эффективные инструменты для решения возникающих задач.

Техническое сообщество уже давно обсуждает угрозы, исходящие от искусственного интеллекта. Опасность массовых сокращений рабочих мест, распространение фальшивых новостей и опасная гонка вооружений на базе ИИ постоянно мелькают в заголовках новостей и волнуют каждого, кто думает о своем будущем. 

Чем же является продвинутый ИИ — прорывным средством производства, способным устранить рутину и подтолкнуть творческий потенциал, или чудовищной силой, которая может потенциально угрожать своим создателям? 

В этой статье мы попытаемся разобраться с наиболее актуальными проблемами, связанными с искусственным интеллектом, и с практической стороны оценить степень их реальной опасности.

Цифровые помощники с искусственным интеллектом и машинным обучением проникли практически в каждую область нашей жизни. Что бы мы не делали — просматривали поток новых писем в электронной почте, выбирали лучший маршрут для объезда пробок или искали новый интересный сериал, ИИ придет на помощь, чтобы облегчить задачу. 

Те, кто следит за новыми возможностями, которые дает нам внедрение умных машин, и знает как их использовать, могут получить немало преимуществ, как в профессиональной области, так и в плане улучшения общего качества жизни. В этой статье мы собрали наиболее яркие примеры того, как ИИ и ML технологии меняют или изменят в ближайшее время окружающую нас действительность.

Самоуправляемое транспортное средство может «видеть» разными способами. Человеческое зрение ему заменяют радары, камеры, лазеры, радиоволны и ультразвук. В этом обзоре поговорим о лидарах и компьютерном зрении (CV) — двух основных инструментах, на которых основано автономное восприятие окружающего мира беспилотными автомобилями. Мы коротко опишем принцип работы технологий, расскажем, кто производит и внедряет подобные устройства, а также сравним их основные достоинства и недостатки.

ИИ в последние годы не только разрушил многие наши представления о востребованных специальностях, но и создал профессиональную область, которой раньше не существовало, — промпт-инженерию (prompt engineering).

Чтобы работать инженером затравок или подсказок (насчет перевода термина однозначного мнения еще не сложилось), нужно знать, как создавать поромпты, которые генерируют желаемые ответы от моделей ИИ, таких как GPT-3 и GPT-4.

Хотите распределить тяжелую рабочую нагрузку в проектах на Python между несколькими процессорами или вычислительным кластером? В этой статье расскажем про лучшие фреймворки, которые помогут реализовать подобно желание на практике.

Взрывное распространение ИИ‑генеративных технологий затронуло и создание видеоконтента. Главным двигателем здесь стали дипфейки (DeepFake). В общем доступе появились десятки инструментов, вроде DeepFaceLab, Deepfakes Web или FaceSwap, которые позволяют изменять лица людей на видео, добиваясь пугающей натуралистичности.

Ранее мы уже разбирали, что представляет собой технология deepfake, какие потенциальные опасности несет, а также тестировали популярные инструменты для распознавания дипфейк‑изображений. Этим материалом мы продолжим интересную тематику и раскроем больше технологических деталей вывода «глубоких подделок» на чистую воду. На сей раз речь пойдет о real‑time или live‑дипфейках, способных в реальном времени подменять участников видеозвонков образами других людей. Также расскажем о критических уязвимостях «живых» дипфейков, которые можно эффективно использовать для их распознавания.

Почти все, с чем мы сталкиваемся в интернете, имеет отношение к API, а точнее к версиям этого программного интерфейса, использующим для работы HTTP-запросы. Когда мы хотим узнать прогноз погоды, интерфейс браузера или мобильного приложения вызывает API Яндекс.Погоды или API Gismeteo. Когда прокладываем кратчайший маршрут из одного места в другое, Яндекс.Карты вызывают соответствующее API.

Пользовательские API-интерфейсы могут быть реализованы на Python с использованием нескольких фреймворков. В этой статье остановимся на особенностях работы с одним из самых популярных вариантов — платформой FastAPI, библиотеки которой активно используют такие технологические гиганты, как Microsoft, Netflix, Uber. Речь пойдет о некоторых расширенных функциях FastAPI, которые могут использовать в своих проектах те разработчики, у кого уже есть базовые знания о фреймворке.

За прошедший год общедоступные сервисы генерации изображений, вроде Midjourney или Craiyon (экс Dall-E Mini) по-настоящему приоткрыли двери в будущее для массовой интернет-аудитори. Чтобы представить себя в образе героя аниме или перенести действие любимой книги в другую фантастическую вселенную, больше не нужно обладать даже зачатками технических знаний. Достаточно написать, что ты хочешь увидеть и искусственный интеллект сделает всю магию за тебя.

Одними из самых частых объектов для экспериментов в стиле «вжух-и-готово» в дни перед началом главных зимних праздников стали персонажи вселенной Гарри Поттера. Благодаря AI, знакомые миллионам поклонников культовой киносаги герои то попадают в антуражи мультиков студии Ghibli, то погружаются в пучину киберпанка, то переносятся в миры мрачных фантазий Тима Бертона или примеривают на себя эпичные самурайские доспехи. 

Мне же пришелся по душе эксперимент в стиле «нейрореализм», который провел с нейросетью Dall-E2 и строчками из книг Джоан Роулинг талантливый разработчик Jim Clyde Monge. Давайте посмотрим вместе и сравним — удалось ли искусственному интеллекту сделать образы, созданные голливудскими актерами полнее и ярче?

Оптимизация скорости сайта на WordPress — одна из тех тем, которые, казалось бы «перекопаны» вдоль и поперек, но продолжают вызывать постоянный интерес. И, если задуматься, это совсем неудивительно. WP остается самой популярной CMS, на которой работает более 43% сайтов. Технически же неискушенный пользователь может легко потеряться в «океане» созданных для WordPress технологий и возможностей настройки.

В этой статье мы расскажем о первых этапах оптимизации работы WordPress. Это будет полезно тем, кто только начинает использовать CMS или начал задумываться об эффективности ее работы. Конечно, в кратком обзоре будет приведен далеко не полный список возможных мер, но выполнение этих шагов позволит вам быстро добиться первых ощутимых результатов и сделать WP-сайт более быстрым.   

От создания дипфейков до обработки естественного языка — опенсорс-инструменты всегда находятся на переднем крае разработок с искусственным интеллектом и машинным обучением. Концепция открытого исходного кода и приложения для совместной работы упрощают обмен данными в командах и делают производственный цикл значительно короче.

Неудивительно, что open source с каждым годом завоевывает все большую популярность и начинает преобладать даже в корпоративном секторе, где традиционно доминировало проприетарное ПО. Согласно опросу, проведенному Red Hat среди почти 1300 ИТ-руководителей крупнейших компаний мира, свыше 80% предприятий планируют увеличить использование enterprise-технологий с открытым исходным кодом в ближайшие два года.

В этой статье рассмотрим 15 проектов с открытым исходным кодом, которые на наших глазах меняют мир искусственного интеллекта и машинного обучения. Некоторые из них — просто программные пакеты на основе AI/ML алгоритмов, другие — полнофункциональные фреймворки или платформы для машинного обучения. Но каждый из представленных ниже инструментов достоин внимания разработчика, интересующегося перспективными технологиями.

Сегодня модель облачных услуг охватила все ниши бизнеса и приносит SaaS-компаниям огромные прибыли. Например, Salesforce — крупнейший в мире провайдер SaaS — только в 2021 году заработал 21,2 млрд долларов, увеличив свой доход по сравнению с предыдущим 2020 годом на 24%. Согласно экспертным прогнозам, в 2025 году мировой рынок SaaS достигнет объема 436,9 млрд долларов. 

Одним из главных драйверов роста SaaS стала эпидемия COVID-19. Повсеместный переход на удаленку и внедрение мер социального дистанцирования заставили предпринимателей по всему миру трансформировать свои бизнес-модели на базе онлайн-сервисов.