Найти похожее

🪞ИИ стал индивидуальным? Уже встречали переписки ChatGPT, в которых он общается так, будто знает собеседника 100 лет? Все дело в глубокой персонализации, которая доступна в самых новых моделях ChatGPT и, скорее всего, скоро станет чем-то привычным для всех нейросетей. Как это работает? 🟠ИИ запоминает ваши привычки, интересы, стиль общения, что вы любите и чем часто занимаетесь (если вы ему, конечно, сообщали). 🟠Он анализирует ваши действия: что вы смотрите, читаете, покупаете, как отвечаете на вопросы. 🟠На основе этой информации ИИ предлагает вам то, что подходит именно вам: фильмы, музыку, товары, советы, обучение. 🟠Если ваши интересы меняются, ИИ быстро это замечает и меняет свои рекомендации. 🟠Во время разговора он подстраивается под ваш стиль и настроение, чтобы вы чувствовали себя как во время переписки очень хорошо понимающим вас другом. Совсем скоро наступит время, когда вы даже не успеете подумать, а ИИ уже выдаст вам то, что вы действительно хотите. Уже видите, как нейросети подстраиваются под нас? ❤️ — кажется, да 🔥 — пока нет 🦄 — главное чтоб не мы под них #теория@EDU4Telegrambot

🖥Кто собирает за нас информацию в интернете? Представьте, что как только вы даете задачу ИИ, сразу появляется умный робот, и за секунды проверяет множество сайтов в интернете, отбирая только самую нужную информацию. Именно этим и занимается AI Crawler. Почему именно AI? ⏩ Понимает контекст: может определить, о чём статья или пост, выделить ключевые моменты. ⏩ Учится на ходу: с каждым обходом сайтов становится умнее, лучше фильтрует и обрабатывает данные. ⏩ Работает быстрее и точнее: находит нужную информацию даже там, где обычный краулер «спотыкается». ⏩ Может обрабатывать сложные форматы: например, анализировать отзывы, новости, товары или даже видео с помощью распознавания речи. Где используется? 🔎 Google и Яндекс используют такие технологии, чтобы лучше понимать, что написано на сайтах. 😎 Компании используют таких роботов, чтобы следить за ценами у конкурентов или новостями в своей сфере. 🖱 Perplexity использует AI Crawler для сбора данных в реальном времени для генерации актуальных ответов. 🔴 Проверить, как это работает, можно бесплатно в @GPT4Telegrambot в разделе Интернет-поиск. Просто введите команду /s (с пробелом после) и выберите нейросеть, которая в реальном времени выходит интернет и собирает всю самую нужную информацию для ответа на ваш вопрос. Знали про такую технологию? ❤️ — нет, впервые слышу 🔥 — догадывался 🦄 — конечно знал(а) #теория@EDU4Telegrambot

👀Нейросеть, которая смотрит по-новому Cовременный подход к компьютерному зрению, который делает нейросети еще более мощными и универсальными — Vision Transformer. Разберем поэтапно, как это работает: 1️⃣Разделение на кусочки: изображение разбивается на маленькие квадратики (патчи), как если бы вы нарезали фотографию на кусочки. 2️⃣Преобразование: каждый кусочек превращается в набор чисел (вектор). 3️⃣Обработка трансформером: эти векторы поступают в трансформер — специальный блок, который учится находить важные связи между разными частями картинки. 4️⃣Результат: на выходе получается ответ — например, что на картинке изображено. Где используется ViT? 🖼 Google использует такие трансформеры для улучшения поиска по картинкам; 💊 В медицине ViT помогает врачам быстрее и точнее ставить диагнозы по снимкам; 🔎 На заводах это помогает автоматически находить бракованные детали на конвейере. А в чем фишка? ViT часто работает не хуже (а иногда и лучше!) классических CNN (нажмите здесь, чтобы вспомнить что это). Особенно это помогает, когда данных для обучения очень много. Трансформеры проще масштабируются и могут «замечать» более сложные связи внутри изображения. Стало понятнее, что это? ❤️ — да! 🔥 — ну почти 🦄 — ничего непонятно, но очень интересно #теория@EDU4Telegrambot

⚙️Как сделать нейросеть «своей»? Представьте, что у вас есть модель, которая уже обучена на огромном количестве текстов и умеет хорошо понимать язык в целом. Но вам нужно, чтобы она выполняла конкретную задачу: например, отвечала на вопросы по медицине или классифицировала отзывы покупателей. ✍️ Необязательно создавать нейросеть с нуля — для таких задач существует файнтюнинг (от англ. fine-tuning, «тонкая настройка»). Где применяется? 👩‍⚕️Медицина: дообучают модель на медицинских снимках или картах пациентов, чтобы она могла давать персонализированные рекомендации или ставить диагнозы по снимкам. 🏭Промышленность: модель, обученная на общих изображениях, дообучают на фото конкретных деталей или изделий, чтобы автоматически находить брак на производственной линии. 👨‍💼Юридические консультации: чат-бота дообучают на базе юридических документов, чтобы он мог давать точные советы по законам определённой страны. 📝Обработка текстов: модель дообучают на текстах компании, чтобы она отвечала в фирменном стиле или знала внутренние термины. Хотели бы себе «личную» нейросеть? ❤️ — да, было бы круто! 🔥 — не, хватит «общей» 🦄 — я лучше все сам(а) #теория@EDU4Telegrambot

🔍Уроки: обзор популярных AI-сервисов Если вы еще не нашли себе помощников в рабочих и повседневных задачах, самое время сделать это сейчас. AI-сервисы появляются каждый день, но в наших уроках собраны те, которые держат лидирующие позиции уже значительное время. На курсе «Нейрограмотность» вам доступны уроки на следующие темы: ⚫️Обзор самых популярных нейросетей в мире ⚫️Тексты: ChatGPT / Perplexity / Claude-3 / Gemini ⚫️Создание изображений: Midjourney / DALL-E 3 ⚫️Улучшение изображений: Adobe Generative Fill / KREA ⚫️Логотипы и стиль: Looka / Brandmark / Logo Diffusion ⚫️Голос и аватары: HeyGen / ElevenLabs ⚫️Музыка и песни: Suno AI ⚫️Презентации: Gamma ⚫️Сайты: Dorik / Gamma / Sitekick ⚫️Бизнес-документы: MyMap ⚫️Общение с AI: Character / Replika ❓КАК НАЙТИ УРОКИ? Меню ➡️ Теория ➡️ Модуль 1.2. Обзор популярных AI-сервисов 🔵 Все уроки находятся в образовательном боте. Делитесь, какими сервисами вы уже пользуетесь?💬 #теория@EDU4Telegrambot

🤓 Как не переучить AI? На прошлой недели мы говорили о том, что ИИ может стать «ботаником» и просто «заучить» ответы. Вследствие этого, нейросети допускают ошибки. Представьте, что вы разработчики, и сейчас обучаете модель. Вот советы, как не сделать из искусственного интеллекта зубрилку, а создать классную рассуждающую модель: 💙Увеличивайте объём данных 💙Разделяйте процесс обучения и проверки 💙Останавливайте процесс обучения 💙Создавайте искусственные провалы в памяти ИИ 💙Меняйте примеры для обучения Подробнее написали о том, как это делать, в карточках⤴️ Уже чувствуете себя разработчиком? ❤️ — да, я почти senior 🔥 — пока только на уровне джуна 😎 — я и есть он #теория@EDU4Telegrambot

🤯Может ли нейросеть переобучиться? Снова вспоминаем, что ИИ — ученик, которому не чужды никакие ошибки обычного школьника. Сегодня разбираемся с таким явлением, как переобучение. Здесь «пере» = слишком. ✍️Разберемся на примере: Представьте, что вы учитесь решать задачи по математике и зазубрили, что: 2 + 2 = 4 3 + 5 = 8 7 + 1 = 8 И тут вам дали новую задачу: 6 + 2 = ? А вы не знаете, как её решать, потому что просто запоминали ответы, но не поняли, что надо складывать числа. Также и переобученная модель: она «знает» старые примеры, но не умеет работать с новыми. 👩‍🏫Вот как это выглядит на практике: Допустим, мы учим нейросеть распознавать кошек и собак по фото. В обучающей выборке: ✔️Все фото кошек — на белом фоне ✔️Все фото собак — на траве Сеть не учится отличать по морде или форме ушей. Она запоминает так: белый фон = кошка, зелёный = собака. ❌ Когда мы покажем ИИ фото кошки на траве — получим ответ «собака». Потому что нейросеть запомнила фон, а не животное. 🤔 Почему так происходит? — Мало данных — Слишком сложная модель — Слишком долгое обучение — Нечестные или однотипные примеры Конечно же, разработчики стремятся к тому, чтобы избежать таких случаев. Ставьте реакции, если интересно узнать, как именно это происходит 🔥 Сталкивались с такими ошибками? ❤️ — нет, не помню такого 🦄 — возможно было #теория@EDU4Telegrambot

😳ИИ, который появляется сам Разработчики небольшой компании AIZip создали искусственный интеллект, который способен «создавать собственные версии самого себя». 🧑‍💻Где его использовать? Пока что такой ИИ находит применение в сфере интернета вещей (IoT) для создания специализированных моделей. Они помогают, например, умным кроссовкам адаптироваться к походке конкретного человека. Эти мини-модели могут работать автономно, с минимальным вмешательством человека, что позволяет создавать миллионы эффективно настроенных моделей, реагирующих на показатели локальных датчиков. Как считаете, такая технология получит развитие? ❤️— думаю, да 🔥— вряд ли 🦄— какая-то она странная #теория@EDU4Telegrambot

😯Выдуманный мир для ИИ Представте, что вы играете в игру, где нужно научиться управлять машиной. Но вместо того, чтобы ездить на настоящей дороге, вы играете в симулятор, где все выглядит как в реальной жизни. Это примерно то же самое, что такое симуляционное обучение для ИИ. Где применяется? 🚙 Автономные машины ИИ может учиться водить автомобиль в симуляторе, где можно попробовать разные дороги и ситуации, не рискуя реальными машинами или людьми. 🤖Роботы Роботы могут учиться делать разные задачи в симуляции, например, собирать вещи или помогать людям, без риска сломать что-то или ранить кого-то. 💊Медицинские симуляции Симуляции используются для обучения моделей ИИ в диагностике и хирургических процедурах, где точность и безопасность имеют первостепенное значение. В целом, симуляционное обучение для ИИ является мощным инструментом, который позволяет искусственному интеллекту учиться и совершенствоваться в контролируемой и безопасной среде, что имеет решающее значение для многих систем, где безопасность и точность являются приоритетом. Как считаете, это полезно? ❤️ — да, надо все тестировать в симуляции 🔥 — на реальных примерах будет быстрее 👀 — я вообще вашим роботам не доверяю #теория@EDU4Telegrambot

🤝Нейросети в аренду В наше время можно взять в аренду не только автомобили или квартиру, но и целую готовую инфраструктуру, сервисы и даже нейросети. Если вы встречались с такими понятиями, как SaaS, PaaS или IaaS, то AIaaS будет для вас весьма знакомым понятием. 🤔Как это работает? ➡️ Провайдеры предлагают шаблоны для распознавания речи, анализа данных, чат-ботов и других задач. ➡️ Вы платите только за то, чем пользуетесь (например, за количество обработанных запросов). ➡️ Вам не нужно покупать серверы или нанимать команду data-сайентистов. Получается, что необязательно разрабатывать что-то свое, тратя на это миллионы, так как можно внедрить уже готовое решение всего за несколько дней. 💰 Такой подход особенно выгоден малому и среднему бизнесу, так как позволяет конкурировать с крупными игроками без многомиллионных инвестиций в ИИ. Делитесь, знали о таком решении? ❤️ — нет, что-то новенькое 🔥 — да, слышал(а) 👀 — какие у вас тут слова сложные #теория@EDU4Telegrambot

😎ИИ-агенты: новая эра автономии Представьте ИИ, который сам принимает решения даже в незнакомых ситуациях. Такие системы называют ИИ-агентами — они позволяют автоматизировать даже самые сложные процессы. 💡Где это полезно? ➡️ Поддержка клиентов Агенты ИИ могут обрабатывать запросы клиентов, отвечать на вопросы и даже решать проблемы без вмешательства человека, адаптируясь к различным ситуациям. ➡️ Финансы ИИ-агенты могут помогать в выявлении аномалий и предупреждении о возможном мошенничестве, а также принимать решения по заемщикам с высоким уровнем риска. ➡️ Здравоохранение Агенты ИИ могут анализировать медицинские изображения, помогать врачам в диагностике и составлять планы лечения пациентов. Эта технология считается «третьей волной» в развитии ИИ, следующей после прогностических моделей и генеративного ИИ. Ожидается, что агентный ИИ станет ключевым инструментом для бизнеса и личных нужд, позволяя людям работать более эффективно и автономно. Встречались уже с ИИ-агентами на практике? ❤️ — да, было дело 🔥 — не знаю, возможно не понял(а) 👀 — нет, о чем вы вообще #теория@EDU4Telegrambot

😳ИИ может быть к нам предвзятым С одной стороны, нейросети не могут испытывать чувств, с другой стороны, могут проявлять предвзятость. Как так? Рассказываем👇 Алгоритмы ИИ обучаются на основе исторических данных, которые могут содержать существующие предрассудки и дискриминационные практики. Если обучающие данные отражают социальные предубеждения, алгоритм может воспроизводить и даже усиливать эти предубеждения. Вот, как это проявляется: 💙Системы распознавания лиц часто демонстрируют меньшую точность при идентификации людей с тёмным цветом кожи по сравнению с людьми с светлым цветом кожи. 💙Автоматизированные системы отбора резюме могут неосознанно дискриминировать кандидатов на основе пола, расы или возраста. Так, в 2018 году алгоритм найма, разработанный Amazon, демонстрировал предвзятость против женщин, так как обучался на данных, где преобладали резюме мужчин. 💙Алгоритмы, используемые для оценки кредитоспособности, могут демонстрировать предвзятость в отношении определённых демографических групп. Такой случай заметили в 2019 году, когда компания Apple Card предоставляла мужчинам более высокие кредитные лимиты по сравнению с женщинами, за что подверглась критике. Как с этим бороться? ✅ При обучении нужно включать данные, представляющие все группы населения, и регулярно проводить аудит данных на наличие предвзятости. ✅ Использовать различные метрики, такие как справедливость (fairness), для оценки работы алгоритмов и выявления потенциальных проблем. ✅ Следить за образованностью разработчиков и пользователей ИИ и повышать осведомлённость о таких проблемах и способах их решения. Это поможет создать культуру ответственности и этичного использования ИИ. Встречались с такими случаями? ❤️ — нет, что вы! 🔥 — возможно не заметил(а) 👀 — ой, было дело #теория@EDU4Telegrambot