Size: a a a

AI / Искусственный Интеллект

2021 August 21

d

deewee in AI / Искусственный Интеллект
кто нибудь может мне настроить style transfer? если да, то сколько будет стоить подобная работа?
источник
2021 August 23

AK

Anton Kolonin in AI / Искусственный Интеллект
Направленная эволюция - Борис Злотин
https://aigents.timepad.ru/event/1412596/
26 августа 18:00-20:30 (время Московское)
Борис Львович Злотин — советский конструктор-изобретатель, инженер, один из ведущих теоретиков и методистов Теории решения изобретательских задач.
https://ru.wikipedia.org/wiki/%D0%97%D0%BB%D0%BE%D1%82%D0%B8%D0%BD,_%D0%91%D0%BE%D1%80%D0%B8%D1%81_%D0%9B%D1%8C%D0%B2%D0%BE%D0%B2%D0%B8%D1%87
источник
2021 August 24

TP

Tatiana Pirog in AI / Искусственный Интеллект
#aboutme Меня зовут Татьяна, делаем соревнования для школьников по ИИ и БДиМО. В данный момент интересует ИИ для анализа текстов любой сложности, в т.ч. рукописных
источник

AK

Anup Kuplu in AI / Искусственный Интеллект
источник
2021 August 27

AK

Anton Kolonin in AI / Искусственный Интеллект
источник

DS

Dmitry Spodarets in AI / Искусственный Интеллект
Всем привет!
В сентябре в рамках серии вебинаров “The A-Z of Data” от команды Data Phoenix приглашаю всех на следующие вебинары:
- 8 сентября - Deploying deep learning models with Kubernetes and Kubeflow - https://dataphoenix.info/webinar-deploying-deep-learning-models-with-kubernetes-and-kubeflow/
- 16 сентября - Re-usable pipelines for ML projects with DVC - https://dataphoenix.info/webinar-re-usable-pipelines-for-ml-projects/
- 22 сентября - From research to the product with Hydrosphere - https://dataphoenix.info/webinar-the-a-z-of-data-from-research-to-product-with-hydrosphere/
Буду рад видеть всех на наших трансляциях, присоединяйтесь 😉
источник

V

Vic in AI / Искусственный Интеллект
а как попасть к вам и рассказать про наши разработки?
источник

DS

Dmitry Spodarets in AI / Искусственный Интеллект
Я только рад новым спикерам 😉 Давай в личке обсудим
источник
2021 August 28

AA

Alex Alexandrov in AI / Искусственный Интеллект
Переслано от Julie
На 7литровую кастрюлю- примерно 4-5 таблеток аспирина.
источник
2021 August 30

AK

Anton Kolonin in AI / Искусственный Интеллект
https://aigents.timepad.ru/event/1412596/

2 сентября - МVP для AGI — что это? Продолжаем разбор проектов - Умный Холодильник (Виктор Артюхов), Добрый Доктор AI-болит (Константин Халецкий и Антон Колонин), Умный Пылесос и Автономный дрон (Виктор Казаринов), Умный Токомак (Владимир Смолин)
источник

AK

Anup Kuplu in AI / Искусственный Интеллект
💬 Train Short, Test Long: Attention with Linear Biases Enables Input Length Extrapolation

Github: https://github.com/ofirpress/attention_with_linear_biases

Paper: https://ofir.io/train_short_test_long.pdf

Fairseq: https://github.com/pytorch/fairseq

@ai_machinelearning_big_data
источник

NV

Nickolay Volevach in AI / Искусственный Интеллект
Всем привет. Есть ли сайт, приложение, которые могу анимировать все на фотографии? Примерно как MyHeritage, только не одно лицо, а включая другие объекты? Анимировать траву, облака, имитировать ветер
источник
2021 September 01

AK

Anton Kolonin in AI / Искусственный Интеллект
"Эмерджентность на базисных моделях" из алл ю нид?

https://www.facebook.com/sergey.karelov.5/posts/4262543910447933

Sergey Karelov

Гибель или взлет, что он нам несет – поворот к базисным моделям (это революция в обучении машин, последствия которой пока непредставимы).
Для подавляющего числа читателей, термин «базисные модели (foundation models  - адаптируемые к приложениям модели машинного обучения, которые обучаются независимым от задач способом на необработанных данных) неизвестен. А ведь это самый важный технологический термин ближайших десятилетий.
Обучение машин на базисных моделях имеет две принципиальные особенности, позволяющие говорить о смене парадигмы машинного обучения и о революционном прорыве в развитии ИИ технологий:
1) Переход количества в качество обучения при колоссальном масштабировании моделей.
2) Эмерджентность (возникновение у системы свойств, отсутствующих у ее элементов) умений прикладных систем, полученных путем машинного обучения на «базисных моделях».
Поэтому не будет преувеличением сказать, что переход на базисные модели обучения машин повлечет:
• гигантские практические последствия для многих областей деятельности людей, несопоставимые даже с революциями пара, электричества и атома.
• сопутствующие этому риски столь же титанические, как в части социальных последствий, так и в плане создания непреодолимых препятствий для дальнейших научно-технологических разработок.  
Только представьте.
- Поисковик Google (созданный на базисной модели BERT) для 4 млрд землян осуществляет 6 млрд поисковых запросов в день.
- Система обработки естественного языка  GPT-3 от OpenAI, используемая десятками тысяч разработчиков более чем 300 приложений, генерирует 4,5 млрд слов в лень, что позволит ей к концу следующего года произвести больше текстов, чем было накоплено человечеством за всю докомпьютерную эпоху.
И это лишь только начало. Переход на базисные модели через 10-20 лет может привести не только к технологиям уровня возможностей человеческого интеллекта (AGI), но и вообще к слабо представимым последствиям, типа материализации «призрака трансгуманизма», о котором я писал 4 дня назад в посте "Призрак бродит по планете, призрак трансгуманизма.
Манифест Джека Кларка на Stanford HAI."
Ведь базисные модели - это те модели из «Манифеста Кларка», что он назвал для массового читателя более привычным для них термином «Большие модели».
Это новое поколение моделей, что может открыть для людей невиданные ранее материальные и нематериальные блага, которые:
✔️  получат лишь самые богатые бизнесмены, высокие правительственные чиновники и ведущие разработчики ИИ,
✔️  а подавляющему большинству людей эти сверхценные блага просто не достанутся.
Помимо обострения неравенства и централизации власти, распространение приложений на основе базисных моделей, способно провоцировать
✔️  появление на Земле новых классов предубеждений, деформирующих коллективный интеллект человечества;
✔️  полной отказ от понятия «истина».
Наконец, мы даже не можем представить к каким новым классам катастроф могут вести такие приложения в стратегических инфраструктурах.
Подробней о перспективах и рисках базисных моделей читайте отчет CRFM - Стэнфордского центра человеко-ориентированного ИИ (HAI) по изучению базисных моделей (именно здесь выступал со своим «манифестом» Джек Кларк).
Под отчетом, соавтор которого содиректор HAI и бывший руководитель Google Cloud AI Фэй Фэй Ли, более 60 подписей.
Авторы пишут:
• нужно торопиться уводить базисные модели из под полного контроля китов БигТеха, движимых лишь бизнес-мотивацией;
• необходимо срочное создание инфраструктуры для общественных проектов ИИ, подобных космическому телескопу Хаббла и Большому адронному коллайдеру.
Подробней - ссылка в коменте

https://arxiv.org/abs/2108.07258
источник

AK

Anton Kolonin in AI / Искусственный Интеллект
Сегодня довелось читать несколько статей как про "эмерджентность" в векторных пространствах, так и про дальнейшее развитие NARS в части управления целями и подцелями, включая приоритизацию оных. В связи с чем возникло обостренное чвство не полной решенности двух технологических проблем, обозначенных в моей прошлогодней презентации про предикаты и схемы их храанения и представления:
http://aigents.com/papers/2020/Data-Structures-2020-en.pdf

1. В общем случае, как любой терм, так и любой отношение (предикат) имеет место быть определенным в каком либо контексте, причем любые количественные метрики вроде верятности, истинности, силы, выраженности, экспресии, определённости итд. имеют смысл в данном контексте, где контекстов может быть не просто много, но они еще (собаки) могут и выстраиваться в иерархии. Практически это означает, что у любого терма или предиката необходиомо указание контекста, в котором определенные количественные метрики имеют смысл. Практически, это означает, что любая графовая ДБ для более или менее "Внятного ИИ" ("Reasonable AI" - RAI) обязана иметь гипер/мета-графовую структуру в терминах моего доклада.

2) Подавляющее большинство прикладных систем, предполагающих применение "Внятного ИИ" ("Reasonable AI" - RAI) имеют и должны иметь дело как с историческими данными, где каждый предикат аннотирован временной меткой или интервалом, или их набором (частным случаем являются "вечные истины", количественные метрики которых предполагаются неизменными во времени), так и прогнозными данными, включая цели, подцели, ожидания а также планы действий направленные на их достижение либо избегание, причем, аналагично историческим данным, прогнозные данные также должны аннотироваться временными метками и интервали, соотвественно конкретным "горизонтам планирования". Несмотря на то, что в давней дискуссии с Беном Герцелем им было совершенно справедливо замечено, что категория времени является просто частным случаем контекта (см. выше п.1), собственный опыт реализации прикладных систем и ряда коллег как за рубежом (сам NARS) так и своих (Александр Болдачев) убеждает в  том, что категория времени заслуживает того, чтобы быть выделенной в "системный" атрибут терма при его хранении в базе данных с особыми правилами индексирования и наделенной особыми синтаксическими свойствами в языках, предназначенных для создания AGI.  

Итак, снова задаю старый вопрос "коллективному интеллекту" сообщества?
Какие графовые БД на сегодняшний день:
а) нативно поддерживают гиперграфы, как OpenCog?
б) нативно поддерживают индексацию по времени и интервалам как TimeScale DB?
в) являются open-source по "не заразным" (в отличие GPL) лицензиям (последнее требование скорее всего не выполнимо, но - вдруг).

Благодарю за ответы. Будем выносить тему на семинар @agirussia в ноябре по мере получения ответов.
источник
2021 September 02

V

Vitaliy in AI / Искусственный Интеллект
думаете кодеров заменит ии ?
источник

И

Игорь in AI / Искусственный Интеллект
Всё так, copilot и gpt-3
источник

BM

BuYn Max in AI / Искусственный Интеллект
Не столько заменит - сколько отомрут современные языки программирования и парадигмы программирования.
На современных кодеров буду смотреть, как мы сейчас на тех, кто был вынужден программировать на асме или машинных кодах.
Зачем делать работу которую за тебя может выполнить компьютер - даже если твой код получится быстрее и эффективнее.
источник

И

Игорь in AI / Искусственный Интеллект
Зарплату тоже компьютер будет получать?
источник

V

Vitaliy in AI / Искусственный Интеллект
ну пока не скоро... такого еще нет даже в каких-то прототипах
источник

BM

BuYn Max in AI / Искусственный Интеллект
Это не уменьшит количество работы - а увеличит(во вском случае с точки зрения программистов).
Появление автомобилей обещало привести к катастрофе, поскольку сразу исчезали целые индустрии. Тех кто держал лошадей, подковывал, выращивал корм.
Но это привело к обратному эффекту. Появились те виды работы которые в "лошадиной экономике" показались бы абсурдными. И появление которых предсказать было не возможно.
источник