Find similar content

Нейросеть, которая переводит ЧБ снимки в ЦВЕТ😱 Проделай такое с фотками мамы и бабушки и они офигеют! 👵🏼 #neuralnetworks#ai#palettefm

Реальные кадры с конференции: Илон Маск действительно инопланетянин 👽 Протестировали новую нейросеть Wonder Dynamics. Технология позволяет заменить персонажа на любом видео. Вы можете даже загрузить своего собственного персонажа. Пока только в закрытом бета-тесте. #нейросети#ии#WonderDynamics#neuralnetworks

🚨🚨 DeepSeek в первый день года показала реально важную штуку: улучшение трансформеров. Китайцы предложили способ сделать shortcut-путь в трансформерах гибче, но при этом сохранить стабильность даже у очень больших моделей. В обычном трансформере каждый блок что-то считает, а потом просто добавляет результат к исходному сигналу. Это помогает информации проходить через много слоёв, не теряясь. Hyper-Connections меняют shortcut-путь. Был один поток, а стало несколько. Перед каждым шагом модель выбирает, какие потоки подать на вычисления. Во время шага часть сигнала идёт «в обход», чтобы ничего не потерять. После всё снова аккуратно объединяется. То есть shortcut превращается из простого «input + output» в умный маршрутизатор сигналов. Проблема в том, что без ограничений такие смешивания могут усиливать сигнал слишком сильно или, наоборот, гасить его и большие модели начинают вести себя нестабильно. mHC решает это так: потоки остаются, но каждое смешивание работает как аккуратное усреднение. Сигнал не может «взорваться» или исчезнуть - он остаётся под контролем. Что это даёт на практике: - модели остаются стабильными даже на масштабе 27B, дают лучшее качество и не страдают от скачков лосса. Там, где обычные Hyper-Connections раздували сигнал до 3000×, mHC держат его примерно на уровне 1.6×. Если коротко: был один shortcut,. сделали несколько, но заставили их смешиваться безопасно. И трансформеры стали гибче и стабильнее. https://arxiv.org/abs/2512.24880 @ai_machinelearning_big_data #AI#DeepSeek#MachineLearning#NeuralNetworks#Research

🚨 Google готовится взорвать интернет: нейросеть, которая за секунды превратит ЛЮБОЙ текст в научпоп-тикток! 📝 Как это работает: — Ваш документ/книга/записки сжимаются до короткого сценария — Диктор зачитывает текст (с ИИ-озвучкой?) — На фоне — тематическая анимация/видеоряд (спасибо видеогенератору Veo 3 под капотом) 🔥 Что известно: 1. Скорее всего, это апгрейд их модели Veo 3 (ранее генерировала HD-видео по запросу) — теперь с упором на «упаковку» сложного текста в формат для TikTok-аудитории. 2. Сегодня, 14 мая, ждём демо на Google I/O (старт в 19:00 МСК). Возможно, ответ на OpenAI Sora? 💡 Зачем это нужно: — Автоматизация создания контента для блогеров/медиа "из коробки" — Видеолекции из учебников за пару кликов — В перспективе — личный «тиктокер» для каждого юзера? P.S. Если Google добавит мемные переходы и шазам-эффекты — TikTok умрёт от зависти. Ждём анонса! 👀 #GoogleIO#AI#Veo3#NeuralNetworks https://t.me/semasci

#developer#вакансия#удаленка#работа#ML#deepfake#datascience#ComputerVision#NeuralNetworks Вакансия - Senior CV Engineer Относительно этики продукта - мы не делаем deepfake в «чистом» виде, мы не про такой контент. Мы лишь используем эти технологии для переноса изображения самого человека в кадре на его же изображение в другом видео. Наши заказчики- создатели онлайн курсов - EdTech компании, коучи, эксперты, ВУЗы. Именно с этим видеоматериалом предстоит работать. Компания: AI CLONE Формат работы: удаленно Работа: fulltime Вилка : до 10 000 $ Локация: любая Обязанности: - Применение подходов при создании deepfake-моделей для обработки видеоматериалов; - Оценка текущей скорости производства по параметрам и текущей себестоимости готового видео; - Предложения по оптимизации скорости/цены/качества производства контента; - Работа по устранению артефактов на видео, внедрение полезных фич. Необходимые навыки: - Опыт в CV&ML/neural networks от 5 лет; наличие интересных проектов и исследований в портфолио будет являться преимуществом; - Навыки работы с артефактами на готовом видео после перевода (устранение артефактов на видео). Hard skills: Python, PyTorch , Computer vision, Neural Networks, Docker, Numpy, Pandas, CMake, FFmpeg. Deep Learning Frameworks: Keras, Tensorflow, OpenCV, CNNs, YOLO. Что мы предлагаем: - Полностью удаленный формат работы, в любом часовом поясе, из любой точки мира; - Возможность выплат в криптовалюте (по вашему желанию); - Возможность быть у истоков быстрорастущей, перспективной IT компании; - Любой удобный формат трудоустройства; - Комфортные условия работы, не токсичная команда; - Применение лучших практик и современный стек технологий, получение опыта в передовых направлениях ML и CV. Если вакансия вам показалась интересной присылайте CV @Nadezhda120288

Продолжаем рубрику с нашими работами из #StableDiffusion🤖 На этот раз сгенерировали Neuro Monster 🧟‍♂️ #neuralnetworks#neuroscience#ai#stablediffusion#deforumstablediffusion

⚡️Александр Мордвинцев, исследователь из Google, создал цифровые системы на основе клеточных автоматов, где каждая клетка взаимодействует только со своими соседями. Эти нейронные клеточные автоматы (Neural Cellular Automata) способны самособираться в заданные формы и даже восстанавливаться после повреждений. В *Quanta Magazine* рассказали о том, как учёные научились обучать искусственные "клетки" собираться в заданные формы. Это похоже на игру «Жизнь» (*Game of Life*), но наоборот. 🧩 Что такое Game of Life? Это простая компьютерная модель: есть сетка из клеток, у каждой клетки всего два состояния — «жива» или «мертва». Жизнь клетки зависит от соседей (например, если вокруг слишком много соседей, клетка умирает). Обычно мы задаём правила и просто смотрим, что получится. А теперь учёные сделали наоборот: сначала задаём цель (например, фигуру), а потом подбираем правила так, чтобы клетки сами в неё собрались. ⚙️ Что изменили учёные? 1. Непрерывные состояния - клетка не просто «вкл/выкл», а может быть наполовину активна. Это как лампочка с плавным регулятором яркости. 2. Скрытые переменные - у каждой клетки есть «внутренние параметры», которые влияют на её поведение. Представь, что у клетки есть «настроение» или «память», которое не видно исследователю напрямую. 3. Асинхронное обновление — клетки меняются в случайное время, а не все сразу. Это ближе к реальной жизни, где всё развивается не идеально синхронно. 💡 Зачем это нужно? - Восстановление после повреждений: если часть фигуры «сломать», клетки могут достроить её заново. - Децентрализация: нет главного управляющего - каждая клетка действует локально, но вместе они формируют систему. - Устойчивость к шуму: клетки учатся справляться с хаосом и случайностями, а не просто повторяют выученный рисунок. 🟠Какие есть ограничения? - Пока это работает для картинок и форм, но не для сложных живых организмов. - Чтобы система умела «регенерировать», её нужно специально тренировать. - Перенести эту идею в настоящие биологические клетки или роботов сложно — там много физических ограничений. 🟠 Где это можно применить? - Медицина - модели самовосстановления тканей. - Робототехника - рой роботов, которые без команды сверху сами собираются в нужную конструкцию. - Материалы будущего — «умные» кирпичики или детали, которые сами подстраиваются под окружение. - Новые вычислительные системы - компьютеры без центрального процессора, где решения рождаются распределённо. Учёные показали, что нейронные клеточные автоматы можно рассматривать как модель эволюции: геном не задаёт форму напрямую, а запускает процесс её построения, что делает системы гибкими и адаптивными. Главное отличие от природы в том, что эволюция не имеет цели, а автоматы обучают под задачу. Эти модели предлагают новый тип вычислений: каждая клетка взаимодействует только с соседями, что делает архитектуру распределённой и потенциально энергоэффективной. Уже есть впечатляющие результаты — от распознавания цифр и умножения матриц до решения задач вроде IQ-тестов и управления роями роботов, которые начинают вести себя как единый организм. В итоге работы Мордвинцева соединяют биологию, компьютеры и робототехнику, возвращая к идее, что жизнь и вычисления — две стороны одного процесса. 🟢 Полная статья: https://www.quantamagazine.org/self-assembly-gets-automated-in-reverse-of-game-of-life-20250910/ @ai_machinelearning_big_data #evolution#machinelearning#neuralnetworks#biology

🔥Google превращает поиск в подкасты: пробуем Audio Overviews! Новая фича от Google — Audio Overviews — генерирует мини-подкасты на основе ваших поисковых запросов! Вместо скучных текстовых ответов вы получаете живой диалог двух AI-ведущих, которые обсуждают тему, сводя данные из топовых источников. Вот что известно: 🔹Как работает? - Ищете что-то сложное (например, «Как работают шумоподавляющие наушники?» или «Почему золото дорогое?»). - Видите кнопку «Generate Audio Overview» под поисковой строкой. - Через 5–40 сек AI создает подкаст со ссылками на источники . 🔹Особенности: - Два голоса: Мужской и женский, с «живой» интонацией и шутками. - Контроль: Регулировка скорости (0.25x–2x), пауза, громкость. - Достоверность: Каждый факт подкреплен цитатой из 5–9 сайтов . 🔹Откуда взялось? Фича дебютировала в NotebookLM (AI-ассистент Google для анализа документов) , а теперь тестируется в поиске через Google Search Labs . Пока доступно только в США на английском, но в NotebookLM уже поддерживает 76 языков — ждем экспансии! 😲Почему это прорыв? - Экономит время: Слушайте конспект темы за 4 минуты вместо чтения десятка статей. - Для учебы и работы: Идеально подойдет для изучения сложных тем «на ходу» . - Дети реально верят, что ведущие — живые люди! (Тест ZDNet с 11-летним ребенком) . ⚠️Осторожно: AI иногда ошибается, а прервать «разговор» пока нельзя . Англоязычные источники: 1. The Verge: Как Google тестирует AI-подкасты в поиске 2. ZDNet: Инструкция + примеры использования 3. TechCrunch: Поддержка 76 языков в NotebookLM 💬Ваше мнение? Стали бы слушать AI-подкасты вместо чтения? #GoogleAI#Podcast#ИскусственныйИнтеллект#NeuralNetworks#TechNews https://t.me/semasci

🧩 Новая архитектура нейросетей от Samsung: Tiny Recursive Model (TRM) - обошла DeepSeek-R1, Gemini 2.5 Pro и o3-mini в задачах рассуждения ARC-AGI 1 и ARC-AGI 2. ✔️ Размер модели - всего 7 миллионов параметров и около 1000 обучающих примеров. Это меньше в 10 000 раз, чем у современных LLM, но результат лучше. Как работает TRM: 1️⃣Черновой ответ: модель сразу формирует быстрый набросок решения, а не пишет его по словам. 2️⃣Скрачпад: создаёт внутреннее пространство для логики и промежуточных рассуждений. 3️⃣Самокритика: многократно (6 раз) проверяет свои рассуждения, уточняя и исправляя ошибки. 4️⃣Переписывание: на основе улучшённой логики создаёт новую, более точную версию ответа. 5️⃣Цикличность: повторяет процесс до 16 раз, пока не достигнет уверенного, логически цельного решения. 💡 Чем интересна модель: - Меньше затрат на вычисления, а результат выше; высокая эффективность при низких издержках. - Доказательство того, что собственная логика и архитектура могут быть сильнее простого размера модели. Можно коротко описать ее: «думай, прежде чем действовать». - Мощные рассуждающие системы становятся доступными даже без огромных кластеров, модель можно запускать на ограниченных ресурсах. Это не просто «компактаная LLM», это другой способ мышления: модель, которая действительно *думает, прежде чем говорить*. 🟠Статья: https://arxiv.org/abs/2510.04871v1 🟠Github: https://github.com/SamsungSAILMontreal/TinyRecursiveModels @ai_machinelearning_big_data #TinyRecursiveModels#TRM#DeepLearning#NeuralNetworks

Detailed oil and watercolor hybrid, dark-fantasy meets tropical minimalism, masterpiece quality, ultra-detailed, painterly brushwork, 8K. Side view of a young blonde with very long wavy hair blowing in the wind, graceful and relaxed. Minimal accessories: aviator sunglasses with neon turquoise lenses and a few simple bracelets. Bright tropical palette and bold prints: red bustier and red bi. bottoms. She is standing on a surfboard, poised as if catching a gentle wave. Background: seaside beach with palm trees and rocky outcrops suggesting an exotic resort. Natural materials and earthy tones in props emphasize connection with nature. Light, airy mood conveying the ease of a beach vacation, soft cinematic lighting, subtle watercolor textures blended with detailed oil strokes, shallow depth of field, rich but balanced contrast. Original character, no real people, no logos —ar 3:4 —s 1000 —style raw —v 7 #aiartist#neuralnetworks#deeplearning#aicommunity#aifa Показать полностью... ***** Subscribe!⬅️ Click!

⚡️ В сеть слили обращение Зеленского, которое не попало в эфир #Зеленский#Украина#Киев#ИИ#Нейросети#Zelensky#Ukraine#Kyiv#Politics#AI#NeuralNetworks

🚁 На фоне коррупционных скандалов Зеленский обзавёлся новым чартером #Зеленский#Украина#Киев#ИИ#Нейросети#Zelensky#Ukraine#Kyiv#Politics#AI#NeuralNetworks