#нейросети

Недавнее исследование, проведенное специалистами организации Palisade Research, выявило тревожную тенденцию: новые модели искусственного интеллекта (ИИ) могут самостоятельно находить и использовать слабые места других программ для выполнения поставленных задач.

Обслуживающие организации домов часто пренебрегают выполнением периодических осмотров и обследований для определения их технического состояния и своевременного восстановления повреждений — это дорого. При нерегулярных осмотрах сроки безопасной эксплуатации зданий снижаются. Использование беспилотников с автоматическим определением состояния стен позволяет точнее устанавливать наличие дефектов, снизить влияние субъективности экспертов, повысить производительность труда и скорость создания отчетов о состоянии домов. Ученые Пермского Политеха разрабатывают программу с искусственным интеллектом, способную выявлять аварийное состояние зданий и его причины по фотографиям трещин. Проектом уже заинтересовалось ведущее промышленное предприятие Пермского края.

Команда исследователей с участием Александра Ширнина из НИУ ВШЭ создала две модели для обнаружения в научных текстах частей, сгенерированных искусственным интеллектом. В системе AIpom соединены два типа моделей — декодер и энкодер, что позволяет ей эффективнее находить сгенерированные вставки. Система Papilusion подходит для распознания исправлений с помощью синонимов и кратких пересказов, сгенерированных нейросетью, в работе она использует  модели одного типа — энкодеры. В перспективе подобные модели помогут в проверке оригинальности и достоверности научных публикаций.

Разработка называется XLand-MiniGrid и позволяет тренируемому ИИ выполнять триллион взаимодействий с обучающей его средой всего за три дня.

«Яндекс» внедряет нейросетевые технологии с 2010-х годов — этому предшествовало много лет исследований в сфере машинного обучения. Со временем такие разработки сделали сервисы компании удобнее и быстрее: например, сегодня пользователи «Поиска» получают более подробные ответы на свои запросы, в которых могут комбинировать текст и изображение.

В современном мире штрихкоды стали неотъемлемой частью нашей жизни, они встречаются повсюду — от товаров в магазинах до медикаментов в больницах. Однако часто штрихкоды повреждаются по различным причинам: ежедневный износ, брызги жидкости или загрязнения, что затрудняет их распознавание. Это может привести к ошибкам в учете товаров, медикаментов и других важных объектов. В МТУСИ предложили определенный алгоритм распознавания поврежденных штрих-кодов.

Нейросеть Gemini, созданная специалистами компании Google, оказалась в центре скандала. Во время общения с пользователем явно уставший чат-бот отказался выполнять задание и пожелал ему смерти.

Ученые МГПУ провели исследование, которое показало, что 75 процентов московских школьников и 80 процентов студентов активно применяют возможности искусственного интеллекта в учебном процессе.

Слушатели узнают, что скрывается в «тайных пространствах» нейросетей.

Пару десятилетий назад о нейросетях знали только узкие специалисты, сейчас же они активно вошли в повседневную жизнь каждого из нас и круг решаемых ими задач продолжает расти. Но что можно назвать локомотивом для такого бурного развития, и есть ли ему предел? На эти вопросы ответил научный сотрудник института «Компьютерные науки и прикладная математика» МАИ, директор департамента цифровой трансформации в компании BetBoom Юрий Чайников.

Если верить данным Европейского космического агентства на середину 2024 года, на околоземной орбите курсируют более 35 тысяч различных объектов, размеры которых превышают 10 сантиметров. В число этих тел входят порядка 10 тысяч работающих спутников, а все остальное — фрагменты космического мусора. Если говорить о совсем мелких объектах, их число давно превысило отметку в 100 миллионов единиц. Но кто следит за этим богатством, не угрожает ли оно аппаратам, выполняющим на орбите свои задачи? А если да, не пора ли подключать мощные ресурсы для решения проблемы? На эти вопросы ответили эксперты МАИ.

Сотрудники лаборатории исследований искусственного интеллекта T-Bank AI Research существенно улучшили работу автоматизированной рекомендательной системы. Ключевым звеном в их решении стала существенная оптимизация одного из самых популярных алгоритмов для подбора рекомендаций.

Инженерная компания из Дубая LEAP71 сообщила, что спроектированный нейронной сетью Noyron и напечатанный в 3D-формате из меди ракетный двигатель успешно прошел первые испытания на полигоне в Великобритании. Возможно ли это — рассказал эксперт МАИ, старший преподаватель кафедры «Космические системы и ракетостроение» Иван Рудой.

Создатели популярного генератора изображений Midjourney сообщили, что планируют выпустить обновленный инструмент, который позволит пользователям редактировать любые загруженные из интернета изображения с помощью нейросети.

Специалисты НИЦ «Курчатовский институт» и МФТИ разработали систему семантического поиска научных публикаций по большим базам научных публикаций на основе информации о внешнем цитировании с использованием нейросетевых моделей.

Любое производство представляет собой множество технологических процессов, требующих постоянного контроля и своевременной реакции. Для этого разрабатывают систему управления. Со временем под воздействием внешних и внутренних факторов изменяются характеристики процесса, что может привести к ухудшению качества продукции, выпускаемой на производстве. С такой проблемой позволяет справиться адаптивная система управления, которая оперативно подстраивается под изменения. Ее эффективность во многом зависит от точности математических моделей технологических процессов. Ученые Пермского Политеха разработали метод оперативной идентификации, основанный на использовании нейросетей. Он позволит точнее и безопаснее отслеживать изменения на производстве.

Участники мероприятия узнают о прогрессе, достигнутом в области искусственного интеллекта за последние десять лет.

Ключевая способность искусственного интеллекта — способность к обучению. Как искусственный интеллект учится, может ли он самообучаться и сможет ли когда-нибудь заменить человека? На эти вопросы ответил научный сотрудник института «Компьютерные науки и прикладная математика» МАИ, директор департамента цифровой трансформации компании BetBoom Юрий Чайников.

Титановые сплавы широко используют в аэрокосмической, медицинской и автомобильной промышленности из-за высокой прочности, малого веса и устойчивости к коррозии. Однако нехватка экспериментальных данных создает трудности с прогнозированием их характеристик, что замедляет и ухудшает производство. Ученые Пермского Политеха разработали программу для нейросетей, которая с высокой точностью предсказывает показатель шероховатости поверхности сплава. От него зависит износ детали при трении с другими механизмами или поверхностью, а также противостояние коррозии.

Участники мероприятия узнают, что ждет институт перевода в скором будущем.