Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
#искусственный интеллект
Команда исследователей из Т-Технологий и МФТИ разработала метод, позволяющий построить детальную «карту» эволюции абстрактных понятий в глубине больших языковых моделей. Этот подход, основанный на «графах потоков признаков», не только открывает «черный ящик» ИИ, делая его работу прозрачной, но и дает в руки ученых мощный инструмент для точного управления поведением нейросетей, например, для подавления нежелательных тем в генерируемом тексте.
Ежедневные опоздания и отмены рейсов, отсутствие точной информации о перемещении городских маршрутов — острые проблемы, напрямую влияющие на качество жизни миллионов людей. Только за последний год, по данным Минтранса России, общественным транспортом воспользовалось более 14,3 миллиарда пассажиров. Традиционные решения часто оказываются ненадежными: даже при наличии GPS-трекера сигнал может прерываться из-за слабой связи или сбоев в питании, что особенно проблематично для междугородних поездок и удаленной местности. Ученые Пермского Политеха разработали систему, которая с точностью до 82% распознает автобусы с дорожных камер и предоставляет пассажирам актуальную информацию о движении маршрутов в реальном времени.
Команда исследователей из Т-Технологий, Московского физико-технического института (МФТИ) и Национального исследовательского университета «Высшая школа экономики» (НИУ ВШЭ) разработала новаторский метод, позволяющий проследить «жизненный цикл» отдельных концепций внутри сложных нейронных сетей. Подход получил название SAE Match. Он работает как своего рода магнитно-резонансная томография для искусственного интеллекта, создавая детальную карту того, как абстрактные признаки — «пушистый», «историческое событие» или «радость» — зарождаются, трансформируются и передаются между слоями нейросети. Это фундаментальный прорыв в области интерпретируемости искусственного интеллекта, открывающий путь к созданию более прозрачных, надежных и управляемых систем.
Сложные сети, состоящие из множества взаимодействующих элементов, лежат в основе работы мозга, социальных сообществ и многих технологических систем. Одно из самых необычных и трудноуловимых феноменов в таких сетях — химерное состояние. Это режим, при котором в одной системе одновременно сосуществуют порядок и хаос, т.е. часть элементов ведет себя синхронно, а другая часть остается в состоянии десинхронизации. Исследователи Научно-исследовательского института прикладного искусственного интеллекта и цифровых решений РЭУ имени Г.В. Плеханова в сотрудничестве с зарубежными коллегами из Индийского статистического института предложили новый подход к контролю над сложными динамическими системами.
Команда исследователей из Т-Технологий и МФТИ предложила новый подход к «воспитанию» больших языковых моделей, позволяющий им становиться умнее и безопаснее, не страдая от «сверхоптимизации» — парадоксального эффекта, когда слишком усердное обучение приводит к деградации качества. Разработанное семейство алгоритмов, получившее название Trust Region (TR), динамически обновляет «точку отсчета» для модели, позволяя ей постоянно развиваться и выходить за рамки первоначальных знаний, сохраняя при этом стабильность и адекватность.
Стремительное развитие искусственного интеллекта (ИИ) стало одним из ключевых факторов, определяющих глобальную технологическую и экономическую повестку. Для России, стремящейся занять достойное место в числе лидеров цифровой трансформации, ИИ представляет собой одновременно и огромную возможность, и серьезный вызов. Вопрос о том, является ли он двигателем прогресса или источником новых угроз, не имеет однозначного ответа, поскольку обе эти ипостаси тесно переплетены в современной реальности.
Коллектив исследователей из T-Bank, МФТИ и МИСИС разработал новый подход к обучению ансамблей нейронных сетей, заставляющий каждую модель в группе смотреть на проблему под своим уникальным углом. Этот метод, названный Saliency-Diversified Deep Ensembles (SDDE), позволяет не просто повысить точность работы искусственного интеллекта, но и научить его лучше распознавать ситуации, с которыми он ранее не сталкивался. В результате ансамбль становится умнее, точнее и осторожнее при столкновении с неизвестными данными, что открывает новые горизонты для создания более надежных и безопасных ИИ-систем.
Канадские исследователи в эксперименте проверили, насколько убедителен искусственный интеллект при обсуждении повседневных тем вроде перехода на веганство, покупки электромобиля или поступления в магистратуру. Нейросеть превзошла живых «уговорщиков» во всех сценариях, а особенно хорошо справилась с агитацией за веганство и поступление в вуз.
Одни романы, едва появившись на свет, мгновенно взрывают чарты книжных рейтингов, но через пару лет о них забывают все, кроме литературоведов. Другие, не так удачно стартовавшие в год публикации, продолжают завоевывать сердца новых читателей даже спустя век. В чем их секрет? Оказывается, разгадка кроется не только в сюжете, но и в самой ткани повествования.
Нейросети прочно вплелись в человеческую повседневность: с ними советуются по поводу рабочих задач и даже личной жизни. Обученные программы стали способны поддерживать диалог, «входить в роль» и, например, отвечать от лица знаменитости. Психологи из МГППУ решили проверить, насколько такое общение ИИ и человека действительно схоже с реальным человеческим диалогом.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно
Последние комментарии