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

TGINSIGHT SIMILAR POSTS

Намери подобно съдържание

Изходен канал @clockstackwheels · Post #977 · 30.04

В технологической стартап-среде появился новый тренд: ИИ-гаджеты. Больше всего внимания на текущий момент привлекли два проекта. Humane AI Pin (справа) — коробочка размером с футляр для TWS наушников, вешается на одежду, имеет на борту камеру, микрофон и мини-проектор (высвечивающий простенькое монохромное меню на ладонь). Подразумевается, что ты можешь нажать кнопку и дальше либо задать устройству любой вопрос, в том числе требующий изображения с камеры (например "Что за модель автомобиля передо мной?"), либо попросить устройство сделать что-то, что просят у человека-ассистента: отправить почту, поставить напоминание и так далее. Понятно, что запросы через интернет уходят куда-то в GPT-подобную модель. Rabbit R1 (слева) — коробочка размером с пачку Беломора, имеющая дисплей, кнопку, камеру с микрофоном и скролл-колесо. Разработчики заявляют, что придумали нечто под названием Large Action Model (LAM) — специальную нейросетку, которой можно скормить интерфейс любого приложения, и она за тебя сможет в этом приложении выполнить любой набор действий, как если бы ты попросил об этом человека. Ну и функциональность ответов на вопросы тоже присутствует, конечно. Опять же, через симку с выходом в сеть. Так вот, примечательно то, что эти устройства, судя по всему, такой же маркетинговый фейк, как и почти всё, что связано с ИИ за последний год-два. Во-первых, они вышли чудовищно сырыми: оба уже продаются и оба содержат 5% от ожидаемых функций, да и те выполняют крайне плохо. Во-вторых, что важнее, они то себя позиционируют совсем не как краудсорсинговые проекты под возможное будущее развитие. Humane, например, привлёк и потратил почти $300 млн на обещаниях инвесторам, но продукт до сих пор неюзабелен, и ему нужно ещё больше денег и больше времени. R1 так вообще, по косвенным признакам, либо не содержит никакой LAM, либо она у разработчиков не завелась, поэтому они просто написали руками скрипты автоматизации действий для четырёх приложений, работающие очень топорно. Причём, и там и там идея то на самом деле нормальная: полноценный ИИ-ассистент, который может многое, для чего раньше использовали ассистента-человека. И у больших языковых моделей типа GPT вполне достаточно степени понимания речи, чтобы обладать потенциалом для реализации этой функции. Но правила капиталистического рынка диктуют необходимость начать рекламу и продажи раньше, чем гипотеза подтвердится. #gadgets

Hashtags

Резултати

Намерени 2 подобни публикации

Търсене: #geolocation

当前筛选 #geolocation清除筛选
Libreware

@libreware · Post #1512 · 28.09.2025 г., 11:58

Chasing Your Tail (CYT) https://github.com/ArgeliusLabs/Chasing-Your-Tail-NG A comprehensive #WiFi probe request analyzer that monitors and tracks wireless devices by analyzing their probe requests. The system integrates with #Kismet for packet capture and WiGLE API for #SSID#geolocation analysis, featuring advanced #surveillance#detection capabilities. Features Real-time Wi-Fi monitoring with Kismet integration Advanced surveillance detection with persistence scoring Automatic GPS integration - extracts coordinates from Bluetooth GPS via Kismet GPS correlation and location clustering (100m threshold) Spectacular KML visualization for Google Earth with professional styling and interactive content Multi-format reporting - Markdown, HTML (with pandoc), and KML outputs Time-window tracking (5, 10, 15, 20 minute windows) WiGLE API integration for SSID geolocation Multi-location tracking algorithms for detecting following behavior Enhanced GUI interface with surveillance analysis button Organized file structure with dedicated output directories Comprehensive logging and analysis tools Requirements Python 3.6+ Kismet wireless packet capture Wi-Fi adapter supporting monitor mode Linux-based system WiGLE API key (optional)

djangoproject

@djangoproject · Post #241 · 25.01.2017 г., 13:30

http://www.aparat.com/v/4yGhH #Geolocation apps with #Django. Latitude, longitude, altitude, and even #iBeacons can be leveraged to enable geo-targeted experiences. But how do we build and optimize the server-side components to handle these requirements? Using a combination of libraries and techniques, we will illustrate these concepts. In this discussion everything from #map clustering and caching, to distance calculations and polygonal layering will be demonstrated using Django, #GeoDjango, #Redis, and #PostGIS as our tool belt.