Читерство - давняя проблема игровой индустрии. Многие разработчики предпочитают просто закрывать на неё глаза и использовать обычные блокировки. Однако есть более эффективные способы борьбы с читерами. В данной статье разберемся в том, какие читы бывают, как они влияют на индустрию и рассмотрим способы противостояния читам.
Нейросетями теперь пользуются почти все мои знакомые. Чат-боты с искусственным интеллектом в плане сбора информации намного удобнее поисковых систем, а нейросети, генерирующие картинки по запросу, нашли свое применение в рекламе и иллюстрировании контента. Однако как раз с ними не все столь гладко, как хотелось бы. Доступ к одним без плясок с бубном и нервотрепки невозможно оплатить из России, другие не радуют качеством изображений, путаясь в количестве пальцев, изгибая конечности персонажей невообразимым образом или выдавая в ответ на запрос совсем не то, что требовалось. Тут у меня и возникла идея развернуть Stable Diffusion на локальной машине, чтобы не мучиться с оплатой и токенами. А для этого сначала следует разобраться, какое железо потребуется для реализации подобной задумки.
Сейчас уже доподлинно неизвестно, кто именно первым догадался перетереть зерно в муку и испечь из нее хлеб, или взбить молоко, чтобы получить масло. Зато историки хорошо знают, кому пришло в голову нанести смесь растертого в порошок железа и клея на немагнитную основу для записи информации — это сделал в 1898 году датский инженер Вальдемар Поульсен. Он же изобрел звукозаписывающее устройство под названием «телеграфон», использовавшее вместо магнитной ленты проволоку.
Статистика утверждает, что в Кремниевой долине успеха достигает только 1 стартап из 100. Если говорить о компаниях, разрабатывающих программные продукты, то тут цифры еще более скромные. Кажется, на рынке ПО уже давным-давно всё изобретено, и придумать что-то новое, а главное — востребованное сегодня практически невозможно. Тем интереснее история индийского IT-предпринимателя Джиоти Бансала, приехавшего «покорять Америку» сразу после окончания института, и спустя полтора десятилетия ставшего долларовым мультимиллионером, а созданная им компания была продана за 3,7 миллиардов долларов.
В годы моей бурной юности в ходу были пятидюймовые дискеты. Их и вправду можно было назвать “floppy”, то есть, гибкими — футляр из плотного коленкора довольно легко сгибался, пробивался степлером и даже с некоторым усилием сворачивался в трубку. Перфокарты я тоже застал — родители иногда приносили их домой из вычислительного центра, в котором работали, и маленький я рисовал на этих забавных карточках с напечатанными типографским способом рядами цифр (и совой, сова с надписью «КАНГАС» почему-то накрепко засела в памяти) короткими фломастерами от плоттеров-графопостроителей, которые в ассортименте добывались там же, в ВЦ. Сейчас, используя многогигабайтовое облако, смешно вспоминать эту бумажную карточку емкостью 80 байт. Зато можно сказать, что эволюцию носителей информации от перфокарт к облаку я увидел собственными глазами.
По мере того как компании стремятся использовать возможности искусственного интеллекта, резко возрос спрос на специализированные вычислительные ресурсы, в частности, на графические процессоры (GPU). Графические процессоры раньше ассоциировались в основном с играми и графикой, но теперь стали основой многих операций машинного обучения.
В данной статье мы рассмотрим значение вычислений на GPU в сфере машинного обучения, ключевую роль ИИ в современном бизнесе и проблемы, с которыми сталкиваются компании при обеспечении эффективности вычислительных ресурсов.
На свете не так много ученых, оставивших след не только в области компьютерных технологий, но также в массовой культуре и искусстве. Один из них — американский специалист по искусственному интеллекту, основоположник теории нейросетей, лауреат премии Тьюринга Марвин Ли Мински. Человек, который в 1963 году изобрел наголовный графический дисплей — прообраз Google Glass и Apple Vision Pro, сооснователь лаборатории искусственного интеллекта Массачусетского технологического института, автор нескольких книг и уникальных изобретений.
В последние время интерес к генеративному ИИ и технологиям, лежащим в его основе, быстро растет. Его активно используют потребители, а компании пытаются понять, как задействовать весь его потенциал. Сегодня мы подготовили перевод дискуссии ведущих сотрудников AWS, Доктора Вернера Фогельса и Свами Сивасубраманиана, о Генеративном ИИ. Они обсуждают его возможности, почему это не хайп и как AWS демократизирует доступ к большим языковым и базовым моделям.
