TGTGInsighttelegram intelligenceLIVE / telegram public index
← Python Заметки

TGINSIGHT SIMILAR POSTS

Најди сличен содржај

Изворен канал @pythonotes · Post #146 · 16 сеп.

Функция sub в regex может принимать функцию в качестве аргумента repl. 📄 Из документации: If repl is a function, it is called for every non-overlapping occurrence of pattern. The function takes a single match object argument, and returns the replacement string. То есть для каждого совпадения будет вызвана функция для вычисления замены вместо замены на одну и ту же строку для всех совпадений. Иными словами, для замены разных совпадений на разные строки не потребуется запускать re.sub() много раз для каждой строки замены. Достаточно определить функцию, которая вернёт строку для каждого из совпадений. Описание слишком запутанное🤔, давайте лучше рассмотрим на простом примере: Создаем карту замены. То есть какие строки на какие требуется менять. remap = { 'раз': '1', 'два': '2', 'три': '3', 'четыре': '4', 'пять': '5', } Пишем функцию поиска строки для замены. Единственным аргументом будет объект re.Match. Используя данные этого объекта мы вычисляем замену on-the-fly! def get_str(match: re.Match): word = match.group(1) return remap.get(word.lower()) or word Пример текста. text = '''Раз Два Три Четыре Пять Вместе будем мы считать Пять Четыре Три Два Раз Мы считать научим вас ''' Теперь запускаем re.sub и вместо строки замены (repl) подаём имя функции. (Данный паттерн ищет отдельные слова в тексте) >>> print(re.sub(r'(\w+)', get_str, text)) 1 2 3 4 5 Вместе будем мы считать 5 4 3 2 1 Мы считать научим вас Думаю, достаточно наглядно 🤓 #libs#regex

Hashtags

Резултати

Пронајдени 1 слични објави

Пребарај: #digitaltransparency

当前筛选 #digitaltransparency清除筛选
AI & Law

@ai_and_law · Post #488 · 21.01.2025 г., 08:04

🇪🇺Deepfakes in the EU AI Regulation: Definition Challenges for Image Processing A critical analysis by Meding and Sorge highlights significant challenges in how the EU AI Regulation defines and regulates deepfakes. The lack of clear distinctions between legitimate image processing and deepfake creation leaves providers and users navigating a gray area, particularly given the complexity of transparency obligations. Key issues include: ✔️ Ambiguities in the definition of deepfakes, with no clear criteria for "standard editing functions" or "non-essential changes." ✔️ Confusion over differentiating changes at the pixel level versus visible alterations. ✔️ Modern tools like Google "Best Take" and Samsung’s editing features blur the boundaries of what qualifies as a deepfake. For companies working with AI-driven image processing, the risks are clear. To ensure compliance and avoid fines, businesses should prioritize implementing transparency mechanisms, such as content labeling, and conduct a detailed review of editing functionalities against regulatory standards. #AIRegulation#Deepfakes#EthicsInAI#DigitalTransparency