Привет всем! Сегодня поговорим о чем-то совсем необычном и даже немного сумасшедшем – о нейросетях, которые не только умеют анализировать данные, но и становятся настоящими звездами TikTok. Да-да, вы не ослышались! Искусственный интеллект сейчас не только помогает нам выбирать сериалы на вечер, но и крутит ролики, заставляющие смеяться, удивляться и даже подпевать.
Взлет виртуальных блогеров
Представьте себе: виртуальный блогер – это полностью цифровое создание, которое с помощью мощных алгоритмов ИИ может вести себя почти как настоящий человек. Они могут говорить, шутить, а некоторые даже "живут" своей уникальной жизнью, делясь ею с миллионами подписчиков. Эти персонажи – не просто анимационные модели, они – полноценные медийные персоны с характерами и предпочтениями.
Как это работает?
Нейросети, лежащие в основе таких блогеров, обучаются на огромных массивах данных: видео, текстах, звуках и изображениях. Они анализируют, как человек может реагировать в той или иной ситуации, что делает их контент удивительно "человечным". Например, они могут смотреть популярные челленджи и создавать свои собственные, иногда даже более смешные и оригинальные.
Зачем это нужно?
Во-первых, это новый уровень развлечения. Виртуальные блогеры могут делать все, что угодно, не подвергая риску живых людей. Во-вторых, для брендов это уникальная возможность рекламы. Виртуальные инфлюенсеры не устанут, не заболеют и не скажут чего-то не то – они идеальные с точки зрения PR.
Примеры историй успеха
Одним из самых ярких примеров виртуального блогера является Lil Miquela – модель и музыкантка из США с бразильскими корнями, которая "живет" в Лос-Анджелесе. На ее счету коллаборации с такими брендами, как Prada и Calvin Klein, и более миллиона подписчиков в Instagram. Или же Lu do Magalu, виртуальный PR-менеджер крупной бразильской розничной сети, который помогает клиентам с выбором товаров и отвечает на их вопросы.
И что дальше?
Пока что будущее за этими удивительными цифровыми персонажами выглядит очень ярким. Они продолжают развиваться, их алгоритмы становятся все более сложными и интересными. Может быть, однажды они смогут полностью заменить человеческих блогеров? Кто знает, но пока мы можем наслаждаться этим зрелищем и, возможно, даже учиться у искусственного интеллекта какого-то нового трюка или движения для следующего вирусного челленджа.
Итак, следите за обновлениями, не бойтесь новых технологий и помните, что за каждым вашим любимым TikTok-видео может стоять не только талантливый человек, но и очень умная машина. Как вам такое, Илон Маск?
Практические примеры, теоретические основы и последние новости из мира нейросетей - все это ждет тебя на нашем канале- https://t.me/Neiroseti_AI_promt
Привет, пикабушники! Сегодня хочу замутить разговор на серьезную тему - этику нейросетей. Многие думают, что ИИ - это просто какая-то умная программа, которая делает то, что ей скажут. Но на самом деле все гораздо сложнее и интереснее!
Представьте, что вы создали мощную нейросеть, которая может решать сложные задачи, генерировать контент и даже общаться с людьми. Круто, да? Но тут возникает вопрос - а что если ваш ИИ начнет делать что-то не то? Например, станет генерировать фейки, оскорблять людей или даже планировать преступления? Вот тут-то и встает вопрос об этике нейросетей.
Чтобы избежать таких проблем, разработчики уже сейчас закладывают в нейросети этические принципы. Это как свод правил и ценностей, которые ИИ должен соблюдать в своей работе. Например, нейросеть должна быть честной, непредвзятой, уважать частную жизнь людей и не допускать дискриминации. Звучит как набор правил для приличного человека, да? В этом и суть - мы хотим, чтобы ИИ вел себя нравственно, как порядочный гражданин.
Но откуда нейросеть знает, что хорошо, а что плохо? Тут в дело вступает машинное обучение. Разработчики "скармливают" нейросети огромное количество данных и примеров, на которых она учится отличать правильное от неправильного. Например, ИИ анализирует тексты, помеченные как "токсичные" или "оскорбительные", чтобы научиться их распознавать и не допускать. Или изучает этические кодексы и руководства, чтобы понять, какие действия считаются нравственными.
Конечно, это не идеальный процесс. Нейросети могут перенимать предвзятости и стереотипы, заложенные в данных для обучения. Или оказаться в ситуации этической дилеммы, где нет однозначно правильного решения. Поэтому так важно, чтобы разработчики постоянно следили за своими ИИ, тестировали их и дорабатывали.
Еще один важный момент - прозрачность и подотчетность ИИ. Мы должны понимать, как нейросети принимают решения и на основе чего делают выводы. Черные ящики, которые выдают результат непонятно как - это не круто. Поэтому многие компании уже работают над тем, чтобы сделать нейросети более открытыми и объяснимыми.
В общем, этика ИИ - это большая и важная тема, над которой уже сейчас ломают голову лучшие умы планеты. От того, насколько нравственными и безопасными будут нейросети, зависит наше будущее. Так что следите за этой темой, она еще не раз всплывет в новостях и на Пикабу. А у вас какие мысли, как нам воспитать ИИ с крепкими моральными принципами? Может у вас есть идеи? Делитесь в комментариях.
Практические примеры, теоретические основы и последние новости из мира нейросетей - все это ждет тебя на нашем канале- https://t.me/Neiroseti_AI_promt
Снова эксперимент, на этот раз новости еще короче, буквально несколько предложений. Пусть будет quick news.
1 В Fallout 3 солнце 15 лет светит неправильно из-за ошибки в коде, но фанат уже исправил её модом.
2 Xiaomi за 32 дня выпустила 10 000 электромобилей SU7, планирует в этом году поставить 100 000 и хочет выйти на мировой рынок. Tesla за 1 квартал выпустили 433 тыс и продали 386 тыс авто. При пересчете на 32 дня - выпустили 48 тыс и продали 43 тыс авто.
3 GitHub представила AI-платформу GitHub Copilot Workspace для ускорения работы программистов, интегрированную в GitHub Copilot, с поддержкой проектов от идеи до кода.
4 OpenAI запустила функцию памяти для ChatGPT, позволяющую чат-боту запоминать запросы, подсказки и другие настройки, чтобы улучшить ответы и упростить работу пользователей.
5 Boston Dynamics представила мохнатого робота-собаку Sparkles на базе Spot, предназначенного для сфер искусства и развлечений, который способен выполнять сложные движения под музыку и в обход препятствий. (обшили робота мехом, ждем новых фурри))
6 Microsoft Edge обновил поддержку высококонтрастных тем Windows, перейдя с устаревших функций CSS на новый кросс-браузерный стандарт.
Ребят, вы же знаете, что нейросети сейчас могут всё, да? Рисовать, музыку писать, код генерировать… Ну, я и подумал: а что, если заставить нейронку стихи писать? О Пикабу, конечно же! Пушкин отдыхает, Есенин нервно курит в сторонке – сейчас искусственный интеллект покажет, как надо поэзию творить.
Нашел я такую нейросеть, которая стишки строчит, скормил ей пару десятков постов с горячего, чтобы прониклась атмосферой, и задал тему: "Ода Пикабу". Жду, значит, шедевр. Нейронка пыхтит, старается, строчки выдает… И что вы думаете?
Получилось что-то типа этого:
Пикабу, о Пикабу, Место смеха и котов, Здесь найдешь ты всё, что нужно, От мемов до стихов.
Лента длинная, как жизнь, В ней и радость, и печаль, Пикабушник не грусти, Пост свой в горячее тащай!
Ну, как вам? Пушкин обзавидовался, да? Ладно, ладно, признаюсь, это я ещё приукрасил. На самом деле стихи получились… ну, скажем так, своеобразные. Рифмы хромают, ритм скачет, как блоха, а смысл вообще где-то потерялся.
Но знаете, что самое смешное? В этих корявых строчках всё равно что-то есть. Какой-то наивный шарм, что ли. Как будто ребенок писал, который только-только буквы выучил и пытается свои мысли выразить.
В общем, ребят, нейросети – это, конечно, круто. Но настоящих поэтов они пока не заменят. Так что не переживайте, Пушкин и Есенин могут спать спокойно. А мы с вами будем дальше постить котиков и мемы, и радоваться, что у нас есть такое место, как Пикабу.
Но есть нейросети, которые всё таки могут написать неплохие произведения.
Если не хочешь отстать от прогресса подпишись на наш тг- https://t.me/Neiroseti_AI_promt (новости из сферы ии и всё про нейронные сети)
Если вы не знаете популярные языковые модели, чем они отличаются друг от друга, и какую лучше применить для своих целей, то вам возможно будет интересно ознакомиться с моими статьями:
В интерфейсе Perplexity Labsпредставлены 18 генеративных моделей, включая Claude 3, Mixtral, Llava и Gemma. Даже нейросеть от Meta про которую так много говорили всю эту неделю - LLaMa 3, ее тоже можно использовать в этом же интерфейсе.
Что особенно приятно, что все эти модели доступны бесплатно и без VPN. Сайт к тому же прекрасно открывается с телефона.
Можно бесшовно в одном месте пообщаться с разными моделями чат-ботов, сравнить ответы, не суетясь и не создавая вкладок, классно. Можно использовать телефон,просто выберите нейросеть из списка и напишите свой запрос.
Хотите узнавать первыми о полезных сервисах с искусственным интеллектом для работы, учебы и облегчения жизни? В своем телеграм канале НейроProfit я рассказываю, как можно использовать нейросети для бизнеса
Сначала ты носишь свой код в коробках и борешься с коллегами за возможность сесть за клавиатуру (одну на всех), а потом ты просто говоришь машине, что делать. Или всё не так просто? Если присмотреться, то так ли много изменилось? Меняют ли что-то сегодня нейросети в работе, например, джуна или синьора?
Эта статья состоит из трех частей. Первая и вторая написаны по воспоминаниям программистов из Швеции и СССР: Марианны Эрнерфельд и Владимира Николаевича Орлова. И третья — из опыта работы с нейросетями.
Первые коды для дейтинга и железной дороги
Интервью с Марианной Эрнерфельд было опубликовано в июле 2019 в блоге ее сына. Оно более полное, особенно версия на шведском языке.
Девушка решила стать программистом в 1965 году. Тогда не было ни одного университета, обучающего программированию, но существовал годовой курс в Сольне (коммунна в Швеции), и на него могли выдать студенческий займ.
В то же время SJ (шведская государственная железнодорожная компания, на то время монополист) рекламировала годовую программу стажёрства, на которой можно было учиться работе в разных отделах компании. У SJ был компьютерный отдел, поэтому Марианна подала заявление и в эту программу, надеясь оказаться в нем.
На каждое место было по 14 кандидатов, а компания не хотела нанимать соискателей женского пола, но у Марианны (и нескольких других женщин) получилось успешно пройти все тесты.
Во время обучения студенты обучались всему: от поездов и путей и до того, как работали электрические и телефонные линии. В 1969 году SJ начинает программу внутреннего обучения программированию, и Марианна попадает в нее.
Компьютерный отдел SJ состоял примерно из 40 программистов и системных инженеров. Больше никаким другим образом научиться программированию в Швеции было нельзя — совершенно новая профессия. Некоторые из программистов раньше были машинистами локомотивов, и у большинства даже не было аттестатов о полном среднем образовании.
Обучение началось с объяснения, что такое компьютеры. Затем они прошли курсы в IBM, у которой в огромном здании в Стокгольме находилась «машина для обучения».
Одновременно на одном курсе было примерно 50-100 человек, но нас разделили, так что в каждом кабинете присутствовало по 8 студентов. Там мы смотрели на телеэкраны в передней части класса. Преподаватель и его доска транслировались на экраны из другого кабинета. У каждого преподавателя было примерно по 10 кабинетов со студентами, и каждый кабинет мог задавать вопросы при помощи микрофона, обращая на себя внимание нажатием кнопки. Это было сверхсовременно!
Сначала студенты узнали об IBM OS, а затем изучили собственный язык программирования IBM под названием PL/I. Это была более современная версия Кобола, обладавшая возможностями, которых у Кобола пока не было (но они появятся позже), например, создание таблиц и запросов.
После первого курса IBM Марианна вернулась в SJ для выполнения своих первых практических программ. Она и трое обучающихся создали программу для дейтинга — оператор вводит данные мужчин и женщин, их черты, а затем генерирует пары между ними при помощи изобретённого алгоритма. Позже программистка прошла ещё несколько курсов, например, изучала ассемблер (язык программирования).
Как же тогда кодили? Сначала рисовали блок-схемы, а затем писали карандашом код. Его передавали в отдел перфорирования, где код вбивали в перфокарты. Перфокарты состояли из 80 столбцов (72 под программу и 8 для последовательности), поэтому строка кода не могла содержать больше 72 символов.
Программисты должны были писать код чётко, чтобы работавшие на перфораторе женщины могли его читать. Спустя несколько лет работы в SJ им выделили человека для чтения кода. В остальном они по большей мере перфорировали карты данных: отчёты об отработанных часах в SJ, пробег каждого железнодорожного вагона (чтобы их можно было отправлять на обслуживание). Перфоратор выглядел как обычная печатная машинка, пробивающая отверстия с картах. Кроме того, над каждым столбцом она печатала обычным текстом букву.
«А ещё мы носили на перфокартах пирожные, так что они были довольно удобны»
Когда Марианна только начинала работу, программы были маленькими, но позже каждая могла занимать несколько коробок длиной по метру. Одна строка кода превращалась в одну перфокарту. Отдел перфорирования возвращал готовую программу (тысячи карт). Кроме того, приходилось создавать «контрольные карты», в которых кодировалось: должны ли перфокарты компилироваться или исполняться, на каком языке они были написаны и т.д. Контрольные карты имели собственный цвет. Первая карта была рабочей картой с именем на ней, чтобы отдел знал, кому их возвращать.
Еще карты возвращались вместе с «пижамной бумагой», содержащей списки кодов ошибок и номеров строк. У сотрудников был доступ к паре дыроколов, они могли вносить небольшие изменения самостоятельно.
Пижамная бумага с ошибками
Затем создавали тестовые файлы и смотрели, даёт ли программа ожидаемый результат. Если нет, то начинали «настольное тестирование» (с карандашом и бумагой), пытаясь разобраться, в чём ошибка. Для создания правильной программы требовалось много времени.
В машинном зале было примерно 10 операторов машин. Все они носили белые халаты, работали с ленточными накопителями, дисками и вставляли перфокарты. На входе висела табличка «Магазин закрыт», а программистам редко разрешалось посещать огромный машинный зал. Первые машины (IBM 1400) занимали 10-20 квадратных метров, а более новые были размером с холодильник.
Изначально у железнодорожной компании имелась IBM 360, а также более старые машины. Позже они получили IBM 370.
Ближе к концу 70-х появились терминалы. Все работали в общем зале с терминалами. Когда нужно было внести изменения в программу, приходилось сражаться за терминальное время. В компании пользовались жёлто-коричневыми терминалами Alfaskop. До самого увольнения из SJ в 1979 году у Марианны не было персонального терминала.
Alfaskop
Системные инженеры в основном работали со спецификациями, входными и выходными данными программ. Программисты были решателями задач, рисовали блок-схемы и думали, как выполнять задачи.
Какие коды писали? Например, онлайн-бронирование SG, работавшее 24/7. Это было современно по тем временам, а система целиком была написана на ассемблере. Благодаря этому SJ выделялась — ни одна другая компания в Швеции к этому и близко не стояла. Программисты создавали коды, а после завершения и тестирования отдавали их другим отделам. Их поддержкой занимались другие, отдел Марианны только писал новые.
В блоге Владимира Николаевича Орлова есть порядка 7 частей (и несколько отступлений) его автобиографичного рассказа о советском программировании. Дальше наш пересказ одного отрывка.
В 1976 году Владимир служил в Латвийском военном городе Вентспилс-8. Он был в числе первых, кто прошёл полный курс обучения по специальности «военный инженер-программист». Подготовка специалистов по ЭВМ и программированию велась с 1956 года.
Учились тогда прикладному программированию. Из студентов готовили IT-специалистов широкого профиля со знанием теории построения операционных систем, систем программирования, информационно-поисковых систем.
Обучение программированию начиналось с посещения машинного зала ЭВМ М-220.
За пультом ЭВМ М-220 старший лейтенант.
В те годы неотъемлемым атрибутом любого машинного зала (а для размещения ЭВМ М-220 требовалось не менее 100 квадратных метра) было присутствие в нем на стене портрета Джоконды (вспомните кинофильм «Служебный роман»):
Тогда Владимиру и другим обучающимся показали, как рождается портрет. В устройство для чтения перфокарт поставили колоду перфокарт, набрали команду на пульте управления ЭВМ и на АЦПУ стал появляться портрет Джоконды.
«Я окончательно понял, что поступил правильно, выбрав специальность программиста, а ЭВМ М-220 на ближайшие 7 лет стала моей рабочей лошадкой»
Это не означает, что Орлов не работал на других ЭВМ : к концу обучения в академии он был «на ты» с М-220, Минск-32, ЭВМ «Весна», СПЭМ-80, а также имел навыки работы на ЕС ЭВМ. Но главной машиной до 1979 года в Советском Союзе оставалась ЭВМ М-220.
Как тогда кодили? Программирование на М-220 серьёзно отличается от сегодняшнего программирования. Нужно обязательно знать машинные команды. Хотя бы те, которые позволяли загрузить программу с перфокарт, магнитных ленты и барабана в память машины и передать ей управление, чтобы она начала выполняться.
После Вентспилса я на всю жизнь запомнил команды ЭВМ М-220 для работы с внешними устройствами – 50 и 70. Все программы, которые я в итоге напишу в Вентспилсе, будут написаны в машинных кодах, никаких языков высокого уровня или даже автокода.
Одним из рабочих заданий была автоматизация кассы взаимопомощи.
Сначала информация по новым членам кассы взаимопомощи записывалась на бумажные бланки. С бланков данные набивались на перфокарты. Затем перфокарты вручную сортировались. Запускалась небольшая программа, которая данные с перфокарт записывала на магнитную ленту. После всего этого начинался процесс добавления новых членов в базу данных кассы взаимопомощи.
Для этого в лентопротяжки ставились три бобины, одна с новыми данными, вторая с данными, подготовленными ранее или текущей базой данных, и чистая, на которую переносилась информация, получаемая слиянием.
Неочевидное обучение программированию
Спустя 55 лет развития сферы программирования писать код можно даже не своими пальцами. Не работать на громоздких и медленных машинах, не запоминать команды. Можно и читерить: искусственный интеллект уже хорошо справляется со многими задачами. Вот модель GPT 4 — стандарт по умолчанию для создания контента, анализа, машинного перевода и, конечно, для решения задач.
GPT 4 можно использовать и для обучения программированию. Скормите чату условие своей задачки, а на выходе будет код программы на требуемом языке, часто еще и с объяснениями основных моментов в коде. Так можно создать себе персонального учителя.
Как можно использовать нейронку? Например, отправить в чат фрагмент или готовый код программы и промпт к нему:
расскажи, какую задачу решает код
объясни код по строкам
добавь комментарии в код
найди в коде синтаксические ошибки
найди в коде логические ошибки
оптимизируй код (уменьши расход памяти или ускорь выполнение)
уменьши сложность алгоритма
Не всегда, правда, код без глюков, а решения полные :( Главная проблема ИИ типа ChatGPT в том, что многие считают их универсальными. Из-за этого нередко либо результат не устраивает (завышенные ожидания), либо понимаешь, что проще и быстрее сделать самому.Чтобы апгрейднуть результат и сэкономить время, достаточно сделать очевидное: для каждой задачи использовать профильную нейронку.
В рамках API ограничения по получению ответа у GPT-4 составляет 4096 токенов, а у Claude 3 Opus около 128к токенов, в связи с этим и ответ получаемый от Claude 3 Opus будет больше. Плюс модели Claude 3 показывают себя более вдумчивыми.
Так мы справились с громоздкой задачей по программированию, сохранив себе пару часов для отдыха или другой задачи. Возьмем за пример задание из типовых курсов по программированию: написать мобильное приложение для сети клиник.
Возьмем эту задачу и декомпозируем ее. Разбить на более легкие шаги — это заведомо хорошая стратегия, чтобы нейронка не разваливалась и не отвлекалась.
У нас вышли такие шаги:
Составь функциональные требования, основанные на следующем описании: [полное описание из задания].
Теперь распиши полученные функциональные требования в виде User stories.
На основе полученных данных (Функциональных требований и user stories) составь сущности и атрибуты к ним с выделением первичных ключей.
Теперь на основе полученной информации составь plantUML.
Теперь составь BPMN TO-BE в виде кода.
Теперь составь полную спецификацию требований к этому ПО.
Теперь распиши каждый пункт спецификации подробнее, мне нужна готовая заполненная спецификация.
Составь документацию API с описанием всех методов системы на базе swagger.
И на все у Opus был ответ. Теперь проверим, исправим баги, если они есть — и готово! Конечно, не все так легко, как здесь читается, но работа над этими 8 пунктами своими руками была бы дольше в много-много раз.
Компания Meta AI показала новое поколение больших языковых моделей с открытым кодомLlama 3 с параметрами 8B и 70B. По сравнению с предыдущими моделями, у новых улучшенная производительность и способность к рассуждению, а так же они лучше себя проявили в кодинге. Анонсировано, что гигантская 400-миллиардная версия все еще находится в процессе дотренировки.
Чем LLaMa 3 лучше других языковых моделей?
- Знания
По сравнению с конкурентами, бесплатная, превосходит конкурентов по метрикам, кроме Claude Opus от Anthropic - ей она уступает по некоторым показателям.
По количеству “знаний”, которые нейросеть получила при предварительном обучении Llama 3, (причем обе модели - и 8B и 70B) обогнала Gemini Pro 1.5 и Claude 3 Sonnet:
- LLaMa 3 знает 30 языков.
- Интеграция в приложение
Чат-бот в скором времени интегрируют в поисковую строку продуктов Meta* (Instagram, Facebook, WhatsApp и Messenger), а исходный код уже вышел.
- Доступ к актуальной информации
LLaMa 3 имеет доступ к к Google и Bing, т.е. к актуальной информации и может в реальном времени отвечать на вопросы.
- Imagine Flash.
Благодаря модели Imagine Flash способна генерировать изображения в реальном времени, пока вы печатаете промпт, а генерация видоизменяется с каждым напечатанным символом - пока только для США (вы знаете, что делать).
Чат-бот в скором времени интегрируют в поисковую строку продуктов Meta* (Instagram, Facebook, WhatsApp и Messenger), а исходный код уже вышел.
LLaMa 3 имеет доступ к к Google и Bing, т.е. к актуальной информации и может в реальном времени отвечать на вопросы.
- Llama 3 70b уже появилась на LMSYS
В общемлидерборде Llama 3 заняла 5 место, почти догнав Claude 3 Sonnet и обогнав предыдущую лучшую open-source модель Command R+
В топе по ответам на английском языке Llama 3 уступила только GPT 4 Turbo, обогнав Claude 3, Mistral и недавно вышедшую Mixtral8x22b
Можно запустить в Groq с любым VPN в один клик — тут
*Компания Meta является экстремистской на территории РФ
Что еще крутого в Llama 3?
Llama 3 генерирует до 600 слов в минуту, то есть в 25 раз быстрее, чем вы печатаете. Можно сгенерировать письма, сказки, договора, отчеты со скоростью несколько страниц в секунду.
Хотите узнавать первыми о полезных сервисах с искусственным интеллектом для работы, учебы и облегчения жизни? В своем телеграм канале НейроProfit я рассказываю, как можно использовать нейросети для бизнеса
2txt может быть полезен разработчикам, исследователям и специалистам по обработке данных, которым необходимо автоматизировать процессы извлечения текста из визуального контента. Сервис особенно удобен для работы с большим количеством изображений, где требуется быстрая и точная обработка.
Где, например:
Образование и исследования: автоматизация сбора данных из учебных материалов и исследовательских работ, содержащих изображения с текстом.
Медицина: извлечение информации из медицинских отчетов и сканов, где текст встроен в изображения.
Бизнес: анализ брендов и логотипов на изображениях для маркетинговых исследований.
Медиа и развлечения: обработка и каталогизация текстовой информации из видео и фотоматериалов для создания архивов и баз данных.
Так что инструмент способен значительно упростить и ускорить процесс обработки больших объемов визуальных данных с текстовой информацией.
Хотите узнавать первыми о полезных сервисах с искусственным интеллектом для работы, учебы и облегчения жизни? В своем телеграм канале НейроProfit я рассказываю, как можно использовать нейросети для бизнеса