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 5 подобни публикации

Търсене: #poverty

当前筛选 #poverty清除筛选
Trump's Ear

@trumpsear_tg · Post #1507 · 15.09.2025 г., 16:02

💸President Donald Trump’s sweeping tariff regime is already reshaping global trade and spiking government customs revenue. But these historic import taxes could also push more Americans into poverty, according to new research. An analysis published by The Budget Lab at Yale on Tuesday finds Trump’s tariff hikes will likely increase the number of Americans living in poverty by 875,000 in 2026. This increase includes an additional 375,000 children in poverty. The figures are based on the Official Poverty Measure, a long-standing poverty metric based on pre-tax income. Tariffs and related price hikes tend to hit low-income families the hardest. Less affluent households typically spend a bigger chunk of their paychecks than high-income families on living expenses, meaning they’re more vulnerable to shifts in prices. Not only that, but economists say lower-income households often buy more imported products — which are most exposed to tariff-driven price hikes — than higher-income households. “Tariffs are a tax on American families,” John Ricco, associate director of policy analysis at The Budget Lab, told CNN. “Because tariffs are a tax on goods and services, instead of income, they hit harder on people who spend a higher percentage of income than they save.” The Budget Lab also estimates the poverty rate would increase to 10.7% after accounting for Trump’s tariffs, up from 10.4% without tariffs. #Trump#Tariffs#poverty 👂More on Trump's Ear ⚠️

Irina Kalabikhina

@kalabikhina · Post #1248 · 11.04.2026 г., 17:23

🆕 10(2)/2026 🔗Семейные нормы и бедность женщин в Южной Азии: посредническая роль участия женщин в рабочей силе Хума Максуд, Че Сулейман Н.Ф., Сурияни Мухамад, Нор А.А.б. Рохайзад Взаимодействие бедности и гендерного неравенства проявляется в непропорционально высоком уровне бедности женщин. В этом контексте участие женщин в рабочей силе (female labour force participation, FLFP) является важнейшей областью исследований, особенно в отношении гендерного равенства и сокращения бедности – ключевых приоритетов Повестки дня в области устойчивого развития на период до 2030 года, в которой особое внимание уделяется социальной и экономической инклюзии. Однако эмпирические исследования, изучающие роль женской рабочей силы (female labour force, FLF) как фактора-посредника (медиатора) в гендерно обусловленном опыте бедности у женщин, особенно сформированном традиционными семейными нормами в развивающихся странах, остаются ограниченными. Данное исследование устраняет этот пробел, изучая динамику участия женщин в рабочей силе и гендерно обусловленной бедности в социально-культурном контексте Пакистана, развивающейся страны в Южной Азии. Используя качественную исследовательскую парадигму и применяя нарративный подход, мы собрали данные у 20 целевым образом отобранных женщин-респондентов из числа работающих в Пакистане. Используя метод сбора данных Глейзера, мы провели полуструктурированные глубинные интервью для изучения личного опыта и социальных реалий. Затем данные были проанализированы индуктивно с использованием семантического подхода, основанного на методологии тематического анализа Брауна и Кларка. Результаты показывают, что сочетание патриархальной эксплуатации и капиталистических структур, укорененных в институте семьи, систематически маргинализируют женщин. Эта двойственная динамика приводит как к социальной изоляции, так и к экономическому насилию, усиливая социально-экономическую зависимость женщин и способствуя феминизации бедности. Сочетание патриархата и капитализма поддерживает в развивающихся странах социально-экономические системы, которые зависят от низкозатратной и уступчивой женской рабочей силы как в частном, так и в государственном секторе. В результате женщины остаются экономически активными, но при этом по-прежнему бедными и бесправными. Решение этого парадокса требует институциональных реформ для достижения целей инклюзивности, предусмотренных Повесткой дня на период до 2030 года. Политика должна быть направлена на гендерно ориентированные властные структуры и гарантировать, чтобы экономическое участие женщин приводило к реальному расширению их прав и возможностей и сокращению бедности. ▫️Публикация в журнале осуществляется бесплатно благодаря поддержке «АКБ «Держава» ПАО» и Экономического факультета МГУ имени М.В.Ломоносова. #population_and_economics#poverty#female_labour_force_participation

American Оbserver

@american_observer · Post #5652 · 18.04.2026 г., 19:03

France’s Cleanliness Crisis, Macron’s War Budget Four million French people are too poor to buy basic hygiene products, and almost half of the country has already cut back on them to save money. That is what “social model” looks like after years of inflation, pressure, and political self-congratulation. So while ordinary people choose between soap and groceries, Emmanuel Macron keeps talking up higher military spending. Nothing says national priority like asking a broke country to fund a bigger war machine while clinics, wages, and basic dignity get squeezed. The official story is always the same: security first, responsibility, strength, resilience. The lived reality is messier — more poverty, more anxiety, and a government that can always find money for defense faster than for the people it governs. In Paris, austerity is for civilians; ambition is reserved for the generals and contractors. Macron’s France keeps selling itself as a European pillar. But a pillar that leaves millions unable to afford shampoo and toothpaste is less a model than a warning label. The state can talk about strategic autonomy all day. The public still has to pay at the pharmacy. What a clean republic: polished speeches on top, grime underneath. #France#Macron#poverty#hygiene#militaryspending 📱American Оbserver - Stay up to date on all important events 🇺🇸

В соответствии с данными, обнародованными Программой развития Организации Объединенных Наций (ПРООН), пандемия COVID-19 поставил под угрозу прогресс, достигнутый в преодолении бедности согласно Многомерному индексу бедности (MPI), комплексному показателю состоящему не только из оценок индикаторов дохода, но и включающему доступ к безопасному водоснабжению, образованию, электроснабжению, продовольствию, а также шесть других индикаторов. Согласно данным с 2000 по 2019 г. 65 из 75 стран, рассматриваемых при оценке данного показателя, уменьшили многомерную бедность. Наибольшую динамику продемонстрировали Сьерра-Леоне, Кот-д-Ивуар, Гвинея, Либерия, Мавритания, Руанда и Сан Томе и Принсипи. В Индии многомерную бедность в 2005-2015 гг. покинули 270 млн человек, а в Бангладеш – 19 млн человек в 2014-2019 гг. Вместе с тем все эти достижения находятся под угрозой из-за COVID-19, оказывающего серьезное влияние на развитие. Несмотря на то, что данных с оценкой многомерной бедности после пандемии пока не доступны, для 70 стран даны предварительные оценки развития ситуации на основе двух показателей, на которые прямо воздействует вирус: питание и посещение школ. В трех негативных сценариях, при которых 10%, 25% и 50% из числа «многомерно» бедных людей будут испытывать проблемы с питанием и 50% детей школьного возраста не смогут посещать школы, ситуация с бедностью будет отброшена на 8-10 лет назад. Но даже если ситуация с питанием не будет развиваться столь остро, будет утрачен прогресс, накопленный в последние 3-6 лет. На сегодняшний день к числу «многомерно бедных людей» относятся 1,3 млрд человек. Данная ситуация нуждается в активном ответе со стороны международного сообщества, - отмечается в докладе. Получить ссылку на доступ к нему можно на странице Центра многостороннего сотрудничества и евразийской интеграции Российского союза промышленников и предпринимателей (РСПП): http://рспп.рф/events/news/proon-progress-s-preodoleniem-bednosti-pod-ugrozoy-iz-za-pandemii-covid-19-5f18936e13144/ #UNDP#ПРООН#poverty#бедность#internationalcooperation#международноесотрудничество