🔥Как работает нейросеть? — [9:59]
Нейросети уже заполонили мир, особенно ChatGPT и Midjourney, поэтому важно приблизительно понимать как они работают. В этом ролике речь пойдёт об общем строении ИИ, что такое нейрон, вес и как подбирается результат.
Перейти к просмотру
#видео#ai
👍Подключили AI-функции в CapCut, выбрали Nano Banana и получилась такая красота. Ну разве не восторг?
Забросили три разных промпта, чтобы получить изображение здания во всей красе. Почти не наврал. Как это можно использовать дальше — это только фантазия может подсказать. Но выглядит весьма недурно.
➡️Еще сервисы, где тоже заявляют возможность работать с Nano Banana. Условия у всех разные, но есть и бесплатные варианты.
LMArena
felo
nanobanana-pro
nano-banana.ai
lovart.ai
higgsfield.ai
P.S. Пришлось подключить к CapCut зарубежный гугл-аккаунт. Без него CapCut из-за региона категорически отказывался включать расширенные возможности. Есть бесплатные лимиты. Можно пробовать.
#ИИ#AI#Нейросети#NanoBanana
———
#Инструменты#CapCut
✍️ Подписывайтесь: @aiforproduct
🌟MedSAM-3: адаптация SAM 3 для медицины.
MedSAM-3 - исследовательский проект, который переносит возможности сегментации по текстовым запросам из общего домена в медицинский.
Несмотря на мощь оригинальной SAM 3, тесты показали ее слабую применимость к клиническим данным: базовая модель часто путает анатомические структуры и не понимает специфические термины.
MedSAM-3 решает эту проблему, позволяя врачам выделять объекты на снимках МРТ, КТ, УЗИ и гистопатологии с помощью естественного языка. Например, по запросу «сегментируй опухоль молочной железы».
В основе - дизайн SAM 3 с двойным трансформером. На обучении заморозили энкодеры изображений и текста, чтобы сохранить сильные визуальные приоритеты оригинала, а вот компоненты детектора прошли SFT на медицинских датасетах. Это позволило сохранить мощный базис оригинальной SAM 3, но добавить ей понимание медицинской специфики.
В посттрейн-тестах наилучшую производительность показала конфигурация MedSAM-3 T+I, где текстовые подсказки были объединены с ограничивающими рамками. Такой подход позволил тестовой модели обойти классический U-Net и первую версию MedSAM на бенчмарках BUSI (Dice score - 0.7772) и Kvasir-SEG.
🟡Помимо самой модели, разработчики собрали агентный фреймворк MedSAM-3 Agent.
Он использует мультимодальную LLM (в экспериментах - Gemini 3 Pro) в качестве планировщика, который анализирует запрос, выстраивает цепочку рассуждений и итеративно управляет процессом сегментации.
В эксперименте c Gemini 3 Pro, на том же тестовом наборе BUSI, метрика Dice выросла с 0.7772 до 0.8064.
⚠️ Проект пока на стадии техотчета, но разработчики обещают опубликовать код и веса модели в ближайшее время. Так что тем, кто занимается ИИ в медицине - рекомендуем следить за репозиторием на Github.
📌Лицензирование: Apache 2.0 License.
🟡Arxiv
🖥Github
@ai_machinelearning_big_data
#AI#ML#Segmentation#MedSAM3
🌟Hierarchical Reasoning Model: иерархическая модель рассуждений, имитирующая работу мозга человека.
Hierarchical Reasoning Model, (HRM) - рекуррентная архитектура, которая черпает вдохновение в принципах работы человеческого мозга. В ее основе лежат 2 взаимозависимых рекуррентных модуля:
🟢Первый, высокоуровневый модуль (H-модуль), отвечает за медленное, абстрактное планирование, подобно тета-волнам в мозге.
🟢Второй, низкоуровневый модуль (L-модуль), занимается быстрыми и детализированными вычислениями, аналогично гамма-волнам.
Эта структура дает модели достигать вычислительной глубины, необходимой для сложных рассуждений, при этом сохраняя стабильность и эффективность во время обучения, чего так не хватает стандартным трансформерам.
🟡Взаимодействие модулей назвали "Иерархической конвергенцией".
Процесс кардинально отличается от того, что происходит в обычных рекуррентных сетях, которые склонны к преждевременной сходимости, когда их скрытое состояние быстро стабилизируется, и дальнейшие вычисления практически прекращаются. В HRM все иначе:
🟠Сначала быстрый L-модуль выполняет серию итераций, находя локальное равновесие для текущего шага задачи. Его итоговое состояние передается медленному H-модулю.
🟠H-модуль, в свою очередь, осмысливает полученный результат, выполняет один шаг собственного, более абстрактного обновления и задает совершенно новый контекст для L-модуля.
Таким образом, вычислительный путь низкоуровневого модуля перезапускается, направляя его к новой точке локального равновесия. Механизм не дает системе застрять и позволяет ей последовательно выполнять множество различных, но взаимосвязанных этапов решения, выстраивая длинные логические цепочки.
Тестовая модель HRM с 27 млн. параметров, обученная всего на 1000 примерах без какого-либо претрейна или CoT-пар, показала неожиданно высокие результаты .
На задачах, требующих глубокого поиска и перебора вариантов ( Sudoku-Extreme ) и поиск оптимального пути ( Maze 30x30 ), HRM достигла почти идеальной точности, а вот CoT-методы полностью провалились с результатом 0%.
На бенчмарке ARC-AGI-1, HRM показывает точность в 40.3%. Для сравнения, o3-mini-high показала 34.5%, а Claude 3.7 с контекстом 8K - 21.2%.
▶️ Веса моделей для самостоятельного воспроизведения тестов:
🟢ARC-AGI-2;
🟢Sudoku 9x9 Extreme (1000 examples);
🟢Maze 30x30 Hard (1000 examples);
📌Лицензирование: Apache 2.0 License.
🟡Статья
🟡Arxiv
🖥Github
@ai_machinelearning_big_data
#AI#ML#HRM#SapientInc
🌟 Kimi-Audio: открытая модель для аудиозадач.
Kimi-Audio — инструктивная модель с 7 млрд. параметров, разработанная командой MoonshotAI, которая объединяет распознавание речи, анализ аудиоконтента и генерацию ответов в реальном времени в единую архитектуру. Модель показала SOTA-результаты на множестве аудиобенчмарков, от распознавания речи до эмоционального анализа.
Архитектура Kimi-Audio — это 3 компонента:
🟢Гибридный токенизатор, который преобразует аудио в дискретные семантические токены (12.5 Гц) через векторное квантование и дополняет их непрерывными акустическими признаками из Whisper.
🟢Модифицированная LLM (на базе Qwen 2.5 7B) с общими слоями для мультимодальных данных и раздельными «головами» для генерации текста и аудио.
🟢Детокенизатор на основе flow matching и BigVGAN. Он превращает токены обратно в звук с задержкой менее секунды благодаря чанковому потоковому декодированию и look-ahead механизму.
Отдельного внимания заслуживает пайплайн обучения, к нему команда разработки подошла ответственно и скрупулезно: 13 млн часов аудио были обработаны через автоматический конвейер, включающий шумоподавление, диаризацию и транскрипцию.
Для повышения качества сегменты объединялись по контексту, а транскрипции дополнялись пунктуацией на основе пауз. После предобучения на задачах ASR и TTS модель прошла этап SFT на 300 тыс. часов данных (развернутые диалоги и аудиочаты).
В тестах ASR Kimi-Audio показала: WER 1.28 на LibriSpeech test-clean против 2.37 у Qwen2.5-Omni. В аудиопонимании она лидирует на ClothoAQA (73.18) и MELD (59.13), а в классификации сцен (CochlScene) показывает 80.99 — на 17 пунктов выше ближайшего соперника. В диалогах модель близка к GPT-4o (3.90 против 4.06 по субъективной оценке).
📌 Лицензирование кода : Apache 2.0 License.
📌 Лицензирование модели: MIT License.
🟡Модель
🟡Техотчет
🖥GitHub
#AI#ML#KimiAudio#MoonshotAI
Графовые нейронные сети для моделирования подземной архитектуры
Пересматриваю статьи в журнале Mathematical Geosciences и натыкаюсь на довольно частое применение графовых нейронных сетей (Graph Neural Networks - GNN) в геологическом моделировании. Например, прекрасная статья Three-Dimensional Structural Geological Modeling Using Graph Neural Networks
Трехмерные геологические модели это основа современного исследования недр для любых целей. Модель нужно построить по обрывкам данных, создать достоверную картинку. Это вообще-то сложно 🤯! Текущий подход - сделать сетку и применять геостатистические методы или машинное обучение для интерполяции внутри сетки. При этом возникают проблемы, когда геология сложная, например куча разломов.
По сравнению с традиционными свёрточными нейронными сетями (CNN), GNN не имеют регулярной структуры и допускают сложную структурную информацию и геологические взаимоотношения, открывая новые возможности для моделирования трёхмерных структурных геологических моделей. Архитектура генерирует трехмерные структурные модели, ограниченные разбросанными точечными данными, геологической выборкой и границами (пластами и разломами).
Геологическая природа нестркутрна и, возможно, графовые сети в будущем заменят традиционные подходы. На картинке прогноз строения пластов с GNN.
#ML#AI#Subsurface_Modeling#GNN
⚡️ТОП-3 инсайта с CrossConf 2024
Выступили на конференции CrossConf с докладом о том, как используют машинное обучение в продуктах. Наш зал был полностью заполнен — люди стояли в проходах, чтобы послушать и задать свои вопросы. Рассказываем, что самое важное мы обсудили.
▫️Машинное обучение в платежах
ML помогает не только обнаруживать мошенничество, но и персонализировать клиентский опыт. Пример? Генерация контента для таргетированных предложений, которые увеличивают лояльность и конверсии. Это реальный способ сделать финтех удобнее и безопаснее.
▫️ИИ в PropTech и ERP
Технологии искусственного интеллекта снижают расходы и решают проблемы. Например:
• Прогнозирование энергопотребления на объектах коммерческой недвижимости позволило сэкономить до 25%.
• ИИ-ассистенты помогают обрабатывать обращения пользователей быстрее, снижая нагрузку на поддержку на 27%.
▫️Инструменты для продакт-менеджеров
• ИИ-инструменты стали незаменимыми помощниками. Мы рассказали о кейсах работы с GPT:
• Быстрое прототипирование идей.
• Генерация презентаций.
• Создание бизнес-документов.
Что обсуждали после доклада?
Нас поразила вовлеченность аудитории. Особенно запомнился вопрос архитектора из X5 Retail:
Будет ли создан инструмент, который позволит собирать сложные продукты, как из блоков конструктора, через текстовые запросы, без кода?
Этот вопрос мы выделили как один из самых интересных, и он был награждён организаторами конференции. Автор получил книгу за свой вклад в обсуждение.
А как думаете вы? Реально ли такое будущее?
#ИИ#GPT#AI#нейросети#CrossConf
———
#События
✍️Подписывайтесь: @aiforproduct
🚀 AI Integration Enhances Payment Efficiency
Artificial intelligence is being utilized to streamline payment processes, ensuring transactions are completed seamlessly with each interaction. According to PANews, this advancement goes beyond simply enabling AI to handle payments; it focuses on making every AI interaction an opportunity to settle financial transactions efficiently. This development highlights the growing role of AI in financial technology, aiming to enhance user experience by automating and simplifying payment procedures.
#AI#Payment#FinTech#Automation#Efficiency#UserExperience#ArtificialIntelligence
Таримское шоссе — транспортная артерия, пересекающая пустыню Такла-Макан. Она находится в Синьцзян-Уйгурском автономном районе Китая и занимает территорию в 270 тысяч квадратных километров.
Шоссе протяженностью более 500 км соединяет города Луньтай и Миньфэн.
#Видео#7класс#5_6класс#Транспорт#Климат#Китай#Природные_зоны
#вакансия#UAE#startup#PM#PO#AI#prompt#fulltime
AI Product manager
Название компании: Nexpanse
Формат работы: удаленный
Занятость: полная
Зарплатная вилка:от 2500 до 6000 USD (грейды: от junior+ до senior)
📝Контакты: Елена Трофимова, https://t.me/Al_Toffi
Nexpanse (ОАЭ, Дубай) – технологический стартап в области AI внутри устойчивой компании в сфере международного маркетинга и разработки мобильных приложений.
Для запуска собственного AI проекта ищем в команду Менеджера продукта, «болеющего» темой AI (prompt). Тематика продукта более детально будет обсуждаться с нанятым сотрудником, с опорой на его экспертизу.
Основная задача - использовать текущие исследования команды по рынку AI веб-продуктов и запустить улучшенные аналоги тех продуктов, которые покажутся нам наиболее интересными. Компания готова предоставить все необходимые ресурсы и условия.
Наши ожидания от кандидата:
- опыт работы на позиции product manager с полным функционалом управления продуктом от 2 лет
- опыт запуска digital проектов «с нуля»
- опыт работы с подписочными моделями монетизации продукта
- крайне важен жгучий интерес и базовые знания в области AI
- опыт работы с аналитическими системами, Zero Code и No Code решениями
Мы предлагаем:
- конкурентная заработная плата: фиксированный оклад на старте, дополнительная система мотивации после испытательного срока
- комфорт и свобода: удаленный формат работы и гибкое начало рабочего дня (с 9:00 до 10:00 мск)
- крутая команда, поддержка и обучение: у нас комфортно работать, мы поможем быстро влиться и прокачать экспертизу благодаря сложным задачам и опытным коллегам, а если потребуется доп. обучение - компенсируем стоимость
- развитие в одной из самых востребованных ниш в IT, возможность внести свой вклад в конечную идею продукт
- долгосрочное сотрудничество и перспективы карьерного и финансового роста вместе с компанией
4 февраля (24 января по старому стилю) 1725 года из Санкт-Петербурга отправилась Первая Камчатская экспедиция.
На эту тему есть отличный ролик канала Послезавтра
https://vkvideo.ru/video-214641506_456239020
#5_6класс#7класс#Видео#Гидросфера#8_9класс#ВГО#Океаны