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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #91 · 26.10

Сейчас 10 лет Яндекс.Такси. Кажется, именно Яндекс первым привел Uber-модель в Россию. Пишут, что мой первый заказ был в мае 2013-го. Целая вечность назад, но я помню — был где-то в районе Лесной, нужно было в точку, удалённую от метро. Как раз крутили рекламу нового сервиса от Яндекса, я скачал, запустил поиск. Ждал минут 15, потом ещё искал, где водитель припарковался. Быстрее было бы дойти. Сейчас уже стало ясно, что сервисы такси — одна из важнейших технологических вех нового времени. Сложно представить себе что-то ещё, что настолько фундаментально поменяло наши жизни. Ни роботы-пылесосы, ни сервисы доставки, ни даже каршеринг — ничто из этого настолько сильно не поделило мир на "до" и "после". Процесс вызова такси по телефону действительно был неприлично труден: следовало знать адрес, где находишься, знать номер таксопарка, а затем ждать неопределенное время, после чего платить весьма немалые деньги водителю налом. К такси прибегали в крайних случаях, когда обойтись другим способом было невозможно. Сокращение такого значительного числа издержек в столь необходимой для людей услуге — перемещение — сопоставимо с изобретением интернета или электричества. Да, и без электричества мы могли обогревать и освещать свои дома, готовить пищу, вращать мельницы. Но на этом примере становится видно, что время и усилия на получение результата очень важны. Такси стало полноценным вариантом повседневного транспорта, а не редкой вынужденной мерой для богатых. Я заказываю такси десяток раз в месяц, и уже всерьез не способен вспомнить, как в принципе возможно было жить без этих сервисов. Что я делал в таких же ситуациях 10 лет назад? Ждал автобус полчаса, шел пешком час? Или даже просто отменял своё намерение добраться в какую-то точку? Лучше, наверное, и не вспоминать. #life

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #opticalcomputing

当前筛选 #opticalcomputing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

Machinelearning

@ai_machinelearning_big_data · Post #8489 · 09.09.2025 г., 15:30

🔬Университет Флориды представил оптический AI-чип Инженеры UF создали чип, который использует лазеры и микролинзы для выполнения операций свёртки — ключевых для распознавания изображений, видео и речи. 🚀 Почему это интересно: - Энергопотребление таких чипов эффективнее в 10–100 раз, чем у обычных электронных чипов - Точность обработки сохраняется на уровне ~98% - Технология поможет снизить нагрузку на энергосети и сделать масштабные AI-системы более устойчивыми Впервые оптические вычисления встроены прямо в чип и применены к нейросети. Это значит, что чип может выполнять самые ресурсоёмкие операции почти не потребляя энергию. 📊 Итог - Потребление энергии ↓ в 10–100 раз - Точность ~98% Этот чип может стать новым стандартом в энергоэффективных вычислениях для AI. ⚡Подробности: news.ufl.edu/2025/09/optical-ai-chip/ @ai_machinelearning_big_data #AI#Chip#OpticalComputing#Photonics#Energy