TGINSIGHT SIMILAR POSTS
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
Търсене: #ml
@repo_science · Post #3688 · 03.11.2023 г., 12:00
#ML 😎 FREE RESOURCES TO LEARN MACHINE LEARNING Intro to ML by MIT Free Course Machine Learning for Everyone FREE BOOK ML Crash Course by Google Advanced Machine Learning with Python Github Practical Machine Learning Tools and Techniques Free Book Python Machine Learning for beginners ----- Main channel: @repo_science Coupons: @freecoupons_reposcience -----
Hashtags
@repo_science · Post #3447 · 17.07.2023 г., 15:14
#ML 🧠 Machine Learning Expert El aprendizaje automático es un vasto campo con muchos conceptos clave que conocer. Nuestro curso intensivo cubre todos los componentes básicos que necesita para sumergirse en el aprendizaje automático del mundo real. ✍️Ryan Doan | Ex-Amazon ML Infrastructure Engineer 🌐En 📆2022 🔗Link ----- Main channel:@repo_science Coupons:@freecoupons_reposcience -----
Hashtags
@amneumarkt · Post #687 · 18.07.2025 г., 06:24
#ml https://aryagxr.com/blogs/intro-to-nmc
Hashtags
@amneumarkt · Post #682 · 27.06.2025 г., 05:30
#ml Machine Learning Visualized — Machine Learning Visualized https://ml-visualized.com/?utm_source=substack&utm_medium=email
Hashtags
@amneumarkt · Post #617 · 25.08.2024 г., 14:03
#ml What’s Really Going On in Machine Learning? Some Minimal Models—Stephen Wolfram Writings https://writings.stephenwolfram.com/2024/08/whats-really-going-on-in-machine-learning-some-minimal-models/
Hashtags
@amneumarkt · Post #607 · 30.07.2024 г., 06:20
#ml Meta's second version of segment anything. https://github.com/facebookresearch/segment-anything-2 They have a nice demo: https://sam2.metademolab.com/
Hashtags
@amneumarkt · Post #596 · 07.07.2024 г., 20:53
#ml I was searching for a tool to visualize computational graphs and ran into this preprint. The hierarchical visualization idea is quite nice. https://arxiv.org/abs/2212.10774
Hashtags
@amneumarkt · Post #595 · 06.07.2024 г., 22:02
#ml Schmidhuber J. Deep Learning: Our Miraculous Year 1990-1991. In: arXiv.org [Internet]. 12 May 2020 [cited 7 Jul 2024]. Available: https://arxiv.org/abs/2005.05744
Hashtags
@amneumarkt · Post #575 · 09.05.2024 г., 19:51
#ml https://github.com/google-research/timesfm
Hashtags
@amneumarkt · Post #538 · 16.02.2024 г., 11:21
#ml Like a dictionary Kunc, Vladim’ir, and Jivr’i Kl’ema. 2024. “Three Decades of Activations: A Comprehensive Survey of 400 Activation Functions for Neural Networks.” arXiv [Cs.LG], February. http://arxiv.org/abs/2402.09092.
Hashtags
@amneumarkt · Post #532 · 09.02.2024 г., 05:35
#ml I got interested in satellite data last year and played with it a bit. It's fantastic. The spatiotemporal nature of it brings up a lot of interesting questions. Then I saw this paper today: Rolf, Esther, Konstantin Klemmer, Caleb Robinson, and Hannah Kerner. 2024. “Mission Critical -- Satellite Data Is a Distinct Modality in Machine Learning.” arXiv [Cs.LG], February. http://arxiv.org/abs/2402.01444.
Hashtags
@amneumarkt · Post #531 · 05.02.2024 г., 10:57
#ml Jelassi S, Brandfonbrener D, Kakade SM, Malach E. Repeat after me: Transformers are better than state space models at copying. arXiv [cs.LG]. 2024. Available: http://arxiv.org/abs/2402.01032 Not surprising at all when you have direct access to a long context. But hey, look at this title.
Hashtags