TGTGInsightтелеграм анализLIVE / telegram public index
← Такты, стеки, два колеса

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #129 · 2.01

Твиттер — самая странная соцсеть. Начнем с того, что там никто не зарабатывает. Я ни разу не слышал, чтобы в твиттере кто-то получал доход от своего десятитысячного аккаунта. Хотя раскрутить такой аккаунт не проще, чем Ютуб до миллиона, а с него уже люди вполне себе живут и на работу не ходят. Но главное не это. Там очень своеобразная аудитория. Я имею ввиду тех, кто пишет очень часто, и вообще ведёт регулярную онлайн социальную активность именно в Твиттере. Так вот, там ярко выражена квинтэссенция либерально-молодёжной повестки: люди в депрессиях и на терапиях, с прогрессивными, но не работающими отношениями, с тревожностью и неуверенностью в себе, с видимой эмоциональной нестабильностью и ранимостью, незрелые адепты инфантильных идеологий. Читаешь как "Килл Ми Плиз", очень полезно — собственные проблемы кажутся незначительными. С другой стороны, именно эта аудитория в таком её состоянии производит самые смешные шутки, и вообще создает один из наиболее интеллектуальных и остроумных русскоязычных источников контента. А ещё там прям много пишут текстов, даже длинные рассказы оформляют "тредами" — цепочками ответов на собственные твиты. Во всём остальном интернете тексты убили дети, а в Твиттере тексты живут милостью невыросших взрослых. Достаточно умных, чтобы писать клёво, но недостаточно мудрых, чтобы разобраться со своей жизнью. Не знаю, как в англоязычном мире (кажется, не так), но в Рунете Твиттер это совершенно уникальное явление. #web

Hashtags

Резултати

Намерени 1 подобни публикации

Търсене: #generativea

当前筛选 #generativea清除筛选
Machinelearning

@ai_machinelearning_big_data · Post #8675 · 02.10.2025 г., 15:11

🔦Генерация изображений на свете, а не на GPU Исследователи из UCLA представили оптическую генеративную модель (Optical Generative Model). Она использует свет и линзы вместо вычислительных блоков - то есть картинки рождаются не на чипах, а в физике. 🔬 Как это работает: 1. Лёгкий цифровой энкодер превращает случайный шум в фазовый узор. 2. Этот узор загружается на оптический модулятор света. 3. Свет проходит через дифракционный декодер и прямо на сенсоре формируется изображение. ✔️ Авторами проведены реальные эксперименты: с помощью видимого света и SLM показаны результаты генерации: - Созданы цифры, лица, бабочки и даже картины в стиле Ван Гога. - Качество сравнимо с современными диффузионными моделями. - Есть две версии: мгновенная (один проход) и итеративная (несколько шагов, как у диффузии). ⚡ Чем интересен такой подход - Подход не требует никакой вычислительной нагрузки. - Супербыстрая генерация: физика света выполняет то, что GPU делает миллиардами операций. - Это открывает путь к энергоэффективному ИИ для edge-устройств: AR/VR, мобильные камеры, компактные сенсоры. ⚠️ Ограничения: - Сложно выравнивать оптические системы. - Ограничения по точности фазовых масок. - Зависимость от качества оборудования (шум, битовая глубина). Но даже с этими проблемами, это первый шаг к новому классу ИИ, где вычисления заменяются чистой оптикой. Nature: https://www.nature.com/articles/s41586-025-09446-5 @ai_machinelearning_big_data #AI#OpticalComputing#Photonics#GenerativeA