#нейросети

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.

В НовГУ разработали систему искусственного интеллекта для автоматического распознавания и интерпретации текстов древнерусских грамот. Разработка вошла в число проектов-победителей грантового конкурса «Студенческий стартап» Фонда содействия инновациям. На её реализацию выделен один миллион рублей.

Слушатели узнают про структуру взаимодействия ИИ и человека.

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.

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.

Профессор древней истории Цюрихского университета Феликс К. Майер совместно с программистом Филиппом Штребелем работает над необычным проектом: созданием генератора изображений на базе искусственного интеллекта, способного воссоздавать максимально достоверные изображения Древнего Рима и Древней Греции.

Характерные для антисемитизма предрассудки в отношении евреев нередко проявляются в завуалированных формах. Ученые из Израиля проверили, не передались ли такие предвзятые суждения большим языковым моделям (LLM), которые усваивают существующие в обществе представления, поскольку их обучают на обширных корпусах текстов, созданных человеком. Подозрения исследователей оказались ненапрасными.

Периодически нейросети в своих ответах галлюцинируют, предлагая пользующимися их услугами людям выпить яд под видом лекарства и так далее. Новая научная работа показала, что эта проблема связана с самой природой нейросети. Хотя ее вероятность можно понизить, устранить полностью невозможно.

Модели искусственного интеллекта нередко искажают факты, что ставит под угрозу не только интерпретацию известных научных данных, но и обработку новых и написание текстов на их основе. Историк из США проанализировал специфику информации о прошлом и опубликовал рекомендации по ее изложению, которые должны сформировать у текста «иммунитет» к галлюцинациям нейросетей.

Специалисты OpenAI объяснили, почему модели ИИ иногда дают неверные ответы — так называемые «галлюцинации». Это устойчивая тенденция больших языковых моделей выдавать ответы, которые фактически могут быть неверны.

Для культурной адаптации моделей искусственного интеллекта коллектив российских ученых составил методику сбора и обработки пар данных текст-изображение. Применение методики позволило обучить модель Kandinsky 3.1 генерации изображений с учетом культурных особенностей народов нашей страны.

Международный коллектив ученых из Сколковского института науки и технологий, МФТИ, Института исследований искусственного интеллекта (AIRI) и Университета Париж-Сите разработал новый, элегантный метод для проверки логических способностей больших языковых моделей (LLM). Вместо того чтобы судить о правильности рассуждений нейросети лишь по ее финальному ответу, исследователи научились заглядывать внутрь ее механизма «внимания» и находить там скрытые паттерны, отвечающие за проверку логики. Этот подход, названный QK-score, позволяет с высокой точностью определять, следует ли модель законам логики на каждом шаге своих рассуждений, делая ее работу более прозрачной и надежной.

Слушатели узнают, каким образом можно применять нейросети в обычной жизни.

Исследователи Лаборатории языковой конвергенции НИУ ВШЭ — Санкт-Петербург Анастасия Колмогорова и Елизавета Куликова разработали «словарь нового поколения», который позволяет обучать нейросети распознавать человеческие эмоции. Работа демонстрирует трансформацию лингвистики в эпоху искусственного интеллекта.

Исследователи ТюмГУ и Института адаптивного интеллекта с помощью нейросети проанализировали модели активации адаптивного интеллекта в историях героев художественной литературы. В основу исследования легли произведения, где персонаж попадает в опасную ситуацию, применяя смекалку и находчивость. Психологи выявили факторы, которые помогли героям раскрыть навыки адаптации к перипетиям судьбы.

Исследователи факультета компьютерных наук НИУ ВШЭ улучшили метод обучения генеративных потоковых нейросетей для работы с неструктурированными задачами. Это поможет искать новые лекарства эффективнее.

Слушатели узнают, как нейроимпланты и ИИ превращают сигналы мозга в команды для экзоскелетов и синтезаторов речи.

76 процентов современных ученых используют ИИ-инструменты в своей работе, но большинство осваивает их самостоятельно, сталкиваясь с трудностями.

Когда модели искусственного интеллекта ошибаются и выдают неверный ответ на запрос, пользователи пытаются выяснить причину этой ошибки, задавая вопрос самому ИИ-помощнику. Историк технологий Бендж Эдвардс объяснил, почему делать так нет смысла и как это связано с устройством нейросетей.

Американские медики описали случай из своей практики, наглядно показывающий, чем могут закончиться консультации с ChatGPT по поводу здоровья.