#нейросети

В США успешно испытали генеративный чат-бот для психотерапии под названием Therabot. Участники с психическими расстройствами месяц тестировали систему, после чего сообщили об улучшении симптомов и высоком доверии к цифровому «психологу».

Исследователи Центра искусственного интеллекта Сколтеха совместно с коллегами из Самарского университета разработали систему для автоматического выделения этапов производственных процессов по видеопотокам. С ее помощью нейросеть сможет сама определить отклонения от производственного процесса и даже предотвращать аварийные ситуации. Используемый подход самообучения (self-supervised learning) позволяет сократить затраты на ручную разметку данных и повысить устойчивость работы модели в реальных условиях.

Новое исследование показало, что нейросети лучше людей справились с созданием подписей к популярным интернет-мемам. Сгенерированные ИИ варианты в среднем получили более высокие оценки за юмор, креативность и «вирусность» — потенциал к широкому распространению. Впрочем, в «индивидуальном зачете» все-таки победили люди: самые смешные отдельные примеры были созданы без помощи ИИ-алгоритмов.

Исследователи из НИУ ВШЭ в Нижнем Новгороде показали, как с помощью нейросети воссоздавать динамику нейрона мозга, имея всего один ряд измерений, например запись его электрической активности. Разработанная нейросеть научилась восстанавливать полную динамику системы и предсказывать ее поведение при изменении условий. Такой метод может помочь изучать сложные биологические процессы, даже если нет возможности провести все необходимые измерения.

Исследователи Центра искусственного интеллекта Сколтеха Никита Беляков и Светлана Илларионова представили новую методику семантической сегментации мультиспектральных данных, с помощью которой можно распознавать облака, тени и снежные участки на спутниковых снимках. Такой подход не потребует дополнительного участия человека в аннотировании данных, а точность распознавания сложных климатических структур на снимках повысится.

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.