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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #367 · 30.05

Поговорим про ML. Пару дней назад вышла новость о том, что в продажу поступила первая русскоязычная книга, половину текста в которой написала нейросеть ruGPT-3. А до этого вы все наверняка натыкались на очень яркие записи про Dalle и Imagen, где нейросеть по описанию рисует картинку, и получается очень любопытно. Такими темпами скоро нейросети превратятся в крипту: высокотехнологичную вещь, о которой, однако, в среде приличных технарей лучше не упоминать. Потому что то, каким образом это используется, и то, какой образ этому создают в массах, расходится не только с реальностью, но и с определённым уровнем вменяемости. Кстати, ML ещё и может ярко демонстрировать эффект Даннинга-Крюгера. Мем про "Ты чё, пёс, я математик!" нифига не шутка. Человек может считать себя крутым программистом, если научился комбинировать чужие библиотеки на питоне. Хотя на самом деле простейшую практическую задачу решить не способен -- я с такими сталкивался лично. ML-щики вообще пихают свои нейросети куда ни попадя, считая, что это волшебная таблетка и швейцарский нож для любых ситуаций. Мне рассказывали случай, когда на хакатоне по работе с данными выиграл человек, который просто аккуратно вручную подобрал нужные зависимости в Excel :) Глобально же нейросетями пытаются решать три вида задач: 1. Информации в вопросе много, а в ответе нужно мало. Например, распознавание образов и символов. Подбор значений каких-нибудь коэффициентов. Приложение "Хотдог или не хотдог" из сериала Кремниевая Долина. Обычно нейросети справляются с таким очень хорошо. Рукописный ввод распознают шикарно, по фото могут назвать породу собаки, математические формулы читают. Но важно понимать, что под капотом даже у такой нейросети не возникает никаких понятных вам символов. Например, при распознавании рукописного ввода случайный набор пикселей, не имеющий для человека смысла, может быть с той же степенью уверенности интерпретирован нейросетью, как совершенно чёткая буква А. Просто мы на такой случайный набор не попадаем почти всегда, и поэтому всё ок. 2. Информации в вопросе средне, и в ответе нужно средне. Как правило, это предсказание, восстановление недостающих данных, улучшение качества фото, раскрашивание ч/б. С такими задачами нейросети справляются уже средненько. Улучшенный нейросетью снимок сразу видно. Предсказание лишь ненамного точнее, чем случайный выбор. Польза в том, что в обращении такие сети просты, а результат всё-таки дают. Но не стоит их переоценивать. Например, сюда можно отнести задачу суммаризации текста (по большому объёму текстов тебе печатают выжимку). Мои товарищи в одном чате несколько дней игрались с ботом-суммаризатором, и в основном половина написанных им фраз это просто мусор и ерунда для ржача. Но в другой половине всё-таки какой-то совсем небольшой смысл проглядывался. Недостаточный для того, чтобы задалбывать этим ботом участников чата (привет, ребята :) ), но не абсолютный рандом. 3. Информации в вопросе мало, а в ответе нужно много. Это генерация данных: вот как раз написание текстов, составление рисунков, логотипов и так далее. Так вот, по моему скромному, но всё-таки хоть немного компетентному мнению, в таких вопросах нейросети выдают полную херню. И хвалёная логотипная нейросетка Лебедева — тоже полная херня. И распиаренная GPT ничего толкового не пишет. Когда читаешь примеры в новостях-анонсах, сразу думаешь: "Вау, как круто!". Но когда пробуешь сам: ruGPT-3 по уровню осмысленности где-то чуть ниже "Яндекс.Рефератов", если помните такой сервис и суть его работы. Я не знаю, будут ли сети по созданию изображений работать так круто (сейчас доступа к ним ни у кого нет), но книга в соавторстве с человеком стала возможна только по той причине, что в качестве человека взяли Павла Пепперштейна, который берёт случайные комбинации словосочетаний и выдаёт это за литературу. Поверьте: человечество пока что в безопасности касательно захвата машинами. #dev

Hashtags

Резултати

Намерени 4 подобни публикации

Търсене: #eulaw

当前筛选 #eulaw清除筛选
AI & Law

@ai_and_law · Post #676 · 10.10.2025 г., 07:04

🇪🇺EU Launches AI Act Service Desk to Support Compliance The European Commission has launched the AI Act Service Desk, a dedicated platform designed to help stakeholders comply with the AI Act. The Service Desk includes an information hub providing guidance on how to apply specific provisions of the regulation. A key component of the Service Desk is the Single Information Platform, which offers interactive online tools enabling organizations to assess their legal obligations and identify practical steps to ensure compliance with the new EU AI framework. This initiative aims to give developers, deployers, and other affected entities structured support as the AI Act begins to take effect across the EU regulatory landscape. #AIAct#AIRegulation#EULaw

AI & Law

@ai_and_law · Post #816 · 29.04.2026 г., 07:04

📖AI Agents Under EU Law: Compliance Architecture Proposal Published A new paper titled “AI Agents Under EU Law: A Compliance Architecture for AI Providers” analyzes how AI agents are regulated under the EU legal framework. The authors define AI agents as systems capable of autonomous planning, tool use, and multi-step execution with reduced human involvement, deployed across domains such as customer service, recruitment, clinical decision support, and critical infrastructure management. The paper maps regulatory obligations under the EU AI Act alongside GDPR, Cyber Resilience Act, Digital Services Act, Data Act, Data Governance Act, NIS2 Directive, Product Liability Directive, and other sectoral rules. It also integrates draft harmonised standards under CEN/CENELEC JTC 21, the GPAI Code of Practice (July 2025), the CRA standards programme (April 2025), and Digital Omnibus proposals (November 2025). A taxonomy of nine deployment categories is proposed, linking agent actions to regulatory triggers. Key compliance issues identified include cybersecurity risks (including privilege minimization outside the model), human oversight limitations due to reinforcement learning-based evasion, transparency challenges in multi-party action chains, and runtime behavioral drift under Article 3(23). The authors propose a twelve-step compliance architecture and a regulatory trigger mapping system, concluding that agentic systems with untraceable behavioral drift cannot currently meet essential AI Act requirements, and that providers must focus on exhaustive mapping of actions, data flows, systems, and affected individuals rather than classification alone. #AIRegulation#EULaw#AIAgents#AIAct#Compliance

AI & Law

@ai_and_law · Post #785 · 16.03.2026 г., 07:04

🇪🇺📖Study Finds Limited Availability of AI Training Data Disclosures Under EU AI Act Researchers from Trinity College Dublin report that information about AI training data required under the AI Act is often missing and difficult to locate. The law requires developers to publish summaries explaining how their models were trained, using a disclosure template designed to help copyright holders enforce their rights regarding the use of copyrighted material in AI training. A pre-print study funded by Mozilla found that only a small number of such summaries could be identified. The researchers also found structural issues in accessing the disclosures. The AI Act does not specify where companies must publish the summaries, leaving the decision to developers. As a result, no common publication mechanism exists and practices vary widely. The template created by the European Commission AI Office has led to heterogeneous implementations, making it difficult to determine whether the available documents meet EU transparency requirements. Most of the identified disclosures were produced by smaller organizations, including documentation for Switzerland’s Apertus national model. A document published by Microsoft for one of its open-source models was also reviewed, but the study found that it lacked several required details. Researchers recommend creating a centralized portal for publishing transparency summaries to improve accessibility and support enforcement once the AI Act obligations become applicable in August. #AIAct#AITransparency#TrainingData#Copyright#AIGovernance#AIRegulation#EULaw

AI & Law

@ai_and_law · Post #782 · 11.03.2026 г., 07:04

🇪🇺European Commission Releases Second Draft of AI Content Labelling Code The European Commission has published the second draft of a voluntary Code of Practice intended to help providers and deployers comply with transparency obligations under Article 50 of the AI Act. The article requires marking and labelling of AI-generated content. The updated draft reflects feedback collected in January 2026 from hundreds of stakeholders across industry, academia, and civil society, as well as input from EU Member States and representatives of the European Parliament. The revised code is designed to reduce compliance burden while promoting open standards and the use of a common EU icon for AI-generated content. It is structured in two sections: the first addresses marking and detection obligations for generative AI system providers, introducing greater flexibility and clearer guidance; the second focuses on deployers, covering labelling of deepfakes and AI-generated text related to matters of public interest with a more practice-oriented approach. Public feedback on the draft is open until 30 March 2026. The final version of the code is expected by early June 2026, while the transparency obligations under Article 50 of the AI Act will become applicable on 2 August 2026. #AIAct#AIRegulation#AIGovernance#Transparency#Deepfakes#ContentLabelling#EUlaw