Найти похожее

By Voodoont #Portrait #Beauty #voodoont #арт#art#illustration#ai#stable_diffusion#realistic#girl

🔊【#深度解读】 在硅谷，一场关于未来计算的革命已悄然启幕：当 ChatGPT 之父遇上 iPhone 之父，会碰撞出怎样的火花？他们联手打造的“AI伴侣”设备，或将彻底颠覆我们与科技互动的方式。从硬核设计哲学到AI极限应用，这背后有哪些未被曝光的故事？ 点开长文，见证AI时代的个人设备如何诞生、又如何即将改变你的世界。 #AI#未来计算#科技革命#人物故事 👉阅读全文

🔊【#深度解读】 探索AI黑箱背后的“神经手术”术语🧠！Goodfire Ember如何借助神经可编程，直接读写模型“思维”，再到揭示DNA模型中未知生物学奥秘？点链接]阅读完整深度解析！ #AI#可解释性#神经可编程性#Ember 👉阅读全文

◀️--sref 2791492891 #Cinematic#Vintage#Photography#StyleRandom#MidJourney#AiGenLabs#Ai 〰️〰️〰️〰️〰️ main channel📎

By Voodoont #ai#stable_diffusion#creetan_bull#myth#fantasy#hercules#voodoont

OpenAI 据称“泄露”的超级碗广告，带有耳机和闪亮的球体，被证实是恶作剧 OpenAI 近期被传出超级碗广告“泄露”一事，但随后被证实为虚假信息。据报道，一名员工在 Reddit 上意外泄露了一段视频，内容显示演员亚历山大·斯卡斯加德与 OpenAI 可能的第一款硬件设备——一个闪亮的球体和环绕式耳机。OpenAI 总裁 Greg Brockman 已对此事在 X 上发表评论。该事件发生之际，OpenAI 已经因其在超级碗期间的广告和相关争议而备受关注。The Verge 🏷#OpenAI#Super#Bowl#AI 📢频道👥群组📝投稿

OpenAI 携 Critterz 进军好莱坞，推出 AI 动画电影 OpenAI 计划通过 AI 动画电影“Critterz”进军好莱坞。这部电影预计于 2026 年全球上映，制作预算低于 3000 万美元，耗时九个月，远低于传统动画电影的成本。 OpenAI 将与 Native Foreign 和 Vertigo Films 合作，主要使用 GPT-5 等 AI 工具。该项目旨在说服好莱坞高管拥抱 AI 技术，尽管行业内存在对接受度、人才抵制、知识产权和创作机构的担忧。The Verge 🏷#OpenAI#Critterz#AI#动画 📢频道👥群组📝投稿

By Voodoont #voodoont #some #арт#art#ai#girls#разное#cartoon#anime

By Voodoont Dreams Gallery #voodoont #ai#арт#art#girl#beach#keira_knightley#celeb

🔥 Что общего у ИИ, Web3, блокчейна и креативной индустрии? 🔥 🤯 Они все изменят будущее! И уже 28–29 мая международные лидеры технологических отраслей соберутся вместе, чтобы определить ключевые тренды, которые зададут вектор развития на годы вперед. 💎Что тебя ждет? ✅ Инсайты от лидеров международных рынков ✅ Тренды, которые изменят бизнес, фриланс и госуправление ✅ Обсуждение технологий будущего: AI, метавселенные, цифровая экономика, креативная индустрия, новые медиа, блокчейн, крипта, WEB3, майнинг, города бедующего, международные рынки 🤐 Закрытая презентация проекта «JARVIS» от IT компании Neuron 🔥 Это главное событие 2025 года, где решается будущее технологий! Ты готов быть частью истории? 📍 28–29 мая. Следи за анонсами! 🚀ССЫЛКА🚀 #TechFuture2025#AI#Web3#Crypto

Dreams Gallery By Voodoont #voodoont #арт#art#ai#girl#redhead#beauty#rain#water

🌟MAD: алгоритм безопасной работы с огромными датасетами. Большие данные - это топливо для ИИ. Но как их использовать, чтобы не нарушить приватность, например датасета, где есть персональные данные? Один из вариантов - метод дифференциально-приватного отбора. Он выбирает из огромного набора уникальные элементы так, чтобы нельзя было соотнести их с конкретным человеком. А если данных - больше миллиарда? Для этого нужен более надежный подход. Таким алгоритмом стал Max Adaptive Degree (MAD), представленный Google на ICML 2025. Он не только эффективнее других параллельных методов, но и работает с наборами данных на десятки и сотни миллиардов записей. 🟡Стандартный MAD метод состоит из 3 шагов: 🟢Каждому элементу присваивается вес (обычно по частоте использования). 🟢К весу добавляется случайный шум для защиты приватности. 🟢Выбираются только те элементы, чей вес с шумом превышает определенный порог. Но тут появляется новая проблема - популярные элементы получают избыточный вес, который можно было бы использовать для менее частых, но ценных данных. MAD решает ее с помощью адаптивного взвешивания, перераспределяя вес: забирает часть у популярных элементов и отдает тем, чьи значения уже находятся у порога. Это позволяет отобрать больше полезных данных без потери приватности. Простой пример: представьте 100 пользователей, у каждого по 3 элемента. Один элемент (A) есть у всех, а остальные элементы уникальны. В базовом алгоритме элемент A получит слишком много веса (намного больше необходимого), а уникальные элементы - слишком мало. MAD "забирает" часть веса у A и распределяет его между уникальными элементами, давая им шанс пройти порог. 🟡MAD2R. Метод можно использовать в несколько итераций, публикуя промежуточные результаты с шумом. Так можно еще точнее распределять вес между раундами. В первом раунде запускается MAD как обычно, а во втором удаляются уже найденные элементы и те, которые явно не пройдут порог. Для остальных элементов применяется "смещение" веса на основе данных первого раунда. На практике MAD показал отличные результаты. Всего за 2 этапа он отобрал больше полезных элементов, чем другие методы. Например, в Common Crawl (800 млрд. записей) он выбрал набор слов, который покрыл 99.9% всех записей и 97% уникальных слов с полным соблюдением приватности. 🟡Статья 🟡Arxiv 🖥GitHub @ai_machinelearning_big_data #AI#ML#Selection#MAD#Google