dok34.ru
Moderator
Учёные положили начало созданию мозгоподобных компьютеров
Никелат – материал, который позволяет компьютеру обучаться, как человек.
www.securitylab.ru
Нейросети и смежное :)
- Автор темы dok34.ru
- Дата начала
www.securitylab.ru
dok34.ru
Moderator
Паровозик, который смог (генеративные нейросети, в частности Stable Diffusion, что это и зачем)
Несмотря на название статьи, речь пойдет не о паровозике, а о поезде, который несется на бешеной скорости, но в который вы еще можете успеть запрыгнуть. А именно — о генеративных...
habr.com
dok34.ru
Moderator
Ученые Anthropic открыли метод анализа ИИ: шаг к пониманию цифрового мозга
Изучение функций нейронов, а не их сущности, позволило лучше понять, как работает нейросеть.
www.securitylab.ru
dok34.ru
Moderator
"Вчера нашел простой бесплатный сервис генерации музыки. Скажу просто: Я в обалдении. Если рисующими нейросетями я занимаюсь уже больше 2-х лет, и отлично знаю, что там почём, то с ИИ, сочиняющим музыку столкнулся впервые. На мой дилетантский взгляд, это крепкий средний уровень (спецы поправят, если неправ). Тоись, средним лабухам можно дружными рядами отправляться на пензию. А то, прям, "Заводы стоят, одни гитаристы в стране".
О сервисе: Регистрация с Гугла. Генерить можно на сайте (проще) и в Дискорде (чуть больше возможностей). Генерит по 2 песенки по 1 промпту. Есть выбор стиля музыки. Сначала генерит текст, потом пишет музон. Сохраняет видео или МП3-шки. Относительно бесплатный (дают по 50 кредитов в день, что хватит на 4-5 генераций).
В стандартном режиме доступны только простые короткие промпты. В расширенном (custom) режиме можно сразу дать большой текст для генерации музыки. А можно сгенерить текст на любую тему, и в отдельном окне указать необходимый музыкальный стиль. Русский язык понимает и генерит песни на русском (иногда с акцентом). Даже в рифму умеет"
...не пробовал🙂
О сервисе: Регистрация с Гугла. Генерить можно на сайте (проще) и в Дискорде (чуть больше возможностей). Генерит по 2 песенки по 1 промпту. Есть выбор стиля музыки. Сначала генерит текст, потом пишет музон. Сохраняет видео или МП3-шки. Относительно бесплатный (дают по 50 кредитов в день, что хватит на 4-5 генераций).
В стандартном режиме доступны только простые короткие промпты. В расширенном (custom) режиме можно сразу дать большой текст для генерации музыки. А можно сгенерить текст на любую тему, и в отдельном окне указать необходимый музыкальный стиль. Русский язык понимает и генерит песни на русском (иногда с акцентом). Даже в рифму умеет"
...не пробовал🙂
dok34.ru
Moderator
"Современные технологии, от компьютерных чипов и батарей до солнечных панелей, основаны на неорганических кристаллах. Для реализации новых технологий кристаллы должны быть стабильными, иначе они могут разложиться, и за каждым новым стабильным кристаллом могут стоять месяцы кропотливых экспериментов.
Приготовьтесь к радикальному ускорению технологического развития. Искусственный интеллект Google Deepmind добился «увеличения на порядок стабильных материалов, известных человечеству», обнаружив новые материалы с революционным потенциалом, которого хватит примерно на 800 лет.
Graph Networks for Materials Exploration (GNoME) — это новый инструмент глубокого обучения от Google, который значительно повышает скорость и эффективность открытий, предсказывая стабильность новых материалов.
Открытие новых материалов с необычными свойствами может запустить технологический снежный ком, который в конечном итоге подтолкнет общество в новых направлениях — но до сих пор это был кропотливый медленный процесс, включающий множество экспериментов, [которые проходили] методом проб и ошибок.
Неорганические кристаллические материалы, например, могут показать огромные перспективы, как только вы впервые их синтезируете, но весь этот потенциал ни к чему не приведет, если кристаллы не будут оставаться стабильными; нет смысла обнаруживать, что новый кристалл может улучшить работу батарей или электроники, если он будет рассыпаться и разрушаться.
И именно здесь инструмент глубокого обучения Graph Networks for Materials Exploration (GNoME) компании Deepmind только что сделал анонс, который обещает стать чрезвычайно революционным.
Инструмент GNoME обнаружил не менее 2,2 миллиона новых неорганических кристаллов и определил 380 000 из них как наиболее стабильные, предоставив исследователям предварительно отфильтрованный список новых материалов, которые можно использовать и синтезировать для экспериментальных исследований. Около 736 из них уже созданы независимо [от данного исследования] в исследовательских лабораториях по всему миру.
Среди этих кандидатов — материалы, обладающие потенциалом для разработки будущих преобразующих технологий, начиная от сверхпроводников, питающих суперкомпьютеры, и заканчивая батареями нового поколения, повышающими эффективность электромобилей.
После завершения наших последних открытий мы провели поиск в научной литературе и обнаружили, что 736 наших открытий, сделанных с помощью вычислений, были независимо реализованы сторонними командами по всему миру. Выше приведены шесть примеров — от первого в своем роде щелочноземельного алмазоподобного оптического материала (Li4MgGe2S7) до потенциального сверхпроводника (Mo5GeB2).
Команда Deepmind сообщает:
В партнерстве с Google DeepMind группа исследователей из Национальной лаборатории Лоуренса в Беркли также опубликовала вторую статью в Nature, в которой показано, как наши прогнозы искусственного интеллекта могут быть использованы для автономного синтеза материалов.
Мы сделали прогнозы GNoME доступными для исследовательского сообщества. Мы передадим 380 000 материалов, которые, по нашим прогнозам, будут стабильными, в проект Materials Project, который сейчас обрабатывает соединения и добавляет их в свою онлайн-базу данных.
Мы надеемся, что эти ресурсы помогут продвинуть исследования в области неорганических кристаллов и раскрыть потенциал инструментов машинного обучения в качестве руководства для экспериментов.
Ускорение поиска материалов с помощью искусственного интеллекта
В прошлом ученые искали новые кристаллические структуры, изменяя известные кристаллы или экспериментируя с новыми комбинациями элементов — дорогостоящий процесс проб и ошибок, который мог занять месяцы для получения даже ограниченных результатов. За последнее десятилетие вычислительные подходы, разработанные the Materials Project и другими группами, помогли обнаружить 28 000 новых материалов.
Но до сих пор новые подходы, управляемые искусственным интеллектом, достигали фундаментального предела в своей способности точно предсказывать материалы, которые могли бы быть пригодны для экспериментов.
Открытие с помощью GNoME 2,2 миллиона материалов эквивалентно накоплению знаний примерно за 800 лет и демонстрирует беспрецедентный масштаб и уровень точности прогнозов.
Например, 52 000 новых слоистых соединений, похожих на графен, которые способны произвести революцию в электронике благодаря созданию сверхпроводников. Ранее было идентифицировано около 1000 таких материалов.
Мы также обнаружили 528 потенциальных литий-ионных проводников, которые могут быть использованы для повышения производительности перезаряжаемых батарей, что в 25 раз больше, чем в предыдущем исследовании.
Мы публикуем прогнозируемые структуры для 380 000 материалов, которые имеют наибольшие шансы быть успешно созданными в лаборатории и найти применение в реальных приложениях.
Чтобы материал считался стабильным, он не должен распадаться на аналогичные составы с меньшей энергией. Например, углерод в графеноподобной структуре стабильнее, чем углерод в алмазах. С математической точки зрения, эти материалы лежат на выпуклой оболочке.
В рамках этого проекта было обнаружено 2,2 миллиона новых кристаллов, которые стабильны по современным научным стандартам и лежат ниже выпуклой оболочки предыдущих открытий.
Из них 380 000 считаются наиболее стабильными и лежат на «окончательной» выпуклой оболочке — новом стандарте, который мы установили для стабильности материалов.
Конечным результатом такого рода исследований станет радикальное сокращение потерянного времени; исследователи смогут сосредоточить свои усилия на огромном количестве новых материальных структур, которые не будут заводить в тупик из-за нестабильности кристаллов.
Более того, команда Deepmind также работала с лабораторией Беркли над созданием и демонстрацией роботизированной лаборатории, способной синтезировать эти новые кристаллы автономно. В опубликованной сегодня статье команда Deepmind сообщила, что роботизированная лаборатория уже успешно синтезировала 41 из этих новых материалов – потенциал для дальнейшего ускорения здесь замечательный.
Роботизированная лаборатория в Беркли уже создала 41 из 380 000 новых неорганических кристаллов, открытых с помощью искусственного интеллекта GNoME от Deepmind"
...любопытно...грубо - ИИ/ Скайнет делает новые материалы, типа жидкого металла для разных Терминаторов :)
Приготовьтесь к радикальному ускорению технологического развития. Искусственный интеллект Google Deepmind добился «увеличения на порядок стабильных материалов, известных человечеству», обнаружив новые материалы с революционным потенциалом, которого хватит примерно на 800 лет.
Graph Networks for Materials Exploration (GNoME) — это новый инструмент глубокого обучения от Google, который значительно повышает скорость и эффективность открытий, предсказывая стабильность новых материалов.
Открытие новых материалов с необычными свойствами может запустить технологический снежный ком, который в конечном итоге подтолкнет общество в новых направлениях — но до сих пор это был кропотливый медленный процесс, включающий множество экспериментов, [которые проходили] методом проб и ошибок.
Неорганические кристаллические материалы, например, могут показать огромные перспективы, как только вы впервые их синтезируете, но весь этот потенциал ни к чему не приведет, если кристаллы не будут оставаться стабильными; нет смысла обнаруживать, что новый кристалл может улучшить работу батарей или электроники, если он будет рассыпаться и разрушаться.
И именно здесь инструмент глубокого обучения Graph Networks for Materials Exploration (GNoME) компании Deepmind только что сделал анонс, который обещает стать чрезвычайно революционным.
Инструмент GNoME обнаружил не менее 2,2 миллиона новых неорганических кристаллов и определил 380 000 из них как наиболее стабильные, предоставив исследователям предварительно отфильтрованный список новых материалов, которые можно использовать и синтезировать для экспериментальных исследований. Около 736 из них уже созданы независимо [от данного исследования] в исследовательских лабораториях по всему миру.
Среди этих кандидатов — материалы, обладающие потенциалом для разработки будущих преобразующих технологий, начиная от сверхпроводников, питающих суперкомпьютеры, и заканчивая батареями нового поколения, повышающими эффективность электромобилей.
После завершения наших последних открытий мы провели поиск в научной литературе и обнаружили, что 736 наших открытий, сделанных с помощью вычислений, были независимо реализованы сторонними командами по всему миру. Выше приведены шесть примеров — от первого в своем роде щелочноземельного алмазоподобного оптического материала (Li4MgGe2S7) до потенциального сверхпроводника (Mo5GeB2).
Команда Deepmind сообщает:
В партнерстве с Google DeepMind группа исследователей из Национальной лаборатории Лоуренса в Беркли также опубликовала вторую статью в Nature, в которой показано, как наши прогнозы искусственного интеллекта могут быть использованы для автономного синтеза материалов.
Мы сделали прогнозы GNoME доступными для исследовательского сообщества. Мы передадим 380 000 материалов, которые, по нашим прогнозам, будут стабильными, в проект Materials Project, который сейчас обрабатывает соединения и добавляет их в свою онлайн-базу данных.
Мы надеемся, что эти ресурсы помогут продвинуть исследования в области неорганических кристаллов и раскрыть потенциал инструментов машинного обучения в качестве руководства для экспериментов.
Ускорение поиска материалов с помощью искусственного интеллекта
В прошлом ученые искали новые кристаллические структуры, изменяя известные кристаллы или экспериментируя с новыми комбинациями элементов — дорогостоящий процесс проб и ошибок, который мог занять месяцы для получения даже ограниченных результатов. За последнее десятилетие вычислительные подходы, разработанные the Materials Project и другими группами, помогли обнаружить 28 000 новых материалов.
Но до сих пор новые подходы, управляемые искусственным интеллектом, достигали фундаментального предела в своей способности точно предсказывать материалы, которые могли бы быть пригодны для экспериментов.
Открытие с помощью GNoME 2,2 миллиона материалов эквивалентно накоплению знаний примерно за 800 лет и демонстрирует беспрецедентный масштаб и уровень точности прогнозов.
Например, 52 000 новых слоистых соединений, похожих на графен, которые способны произвести революцию в электронике благодаря созданию сверхпроводников. Ранее было идентифицировано около 1000 таких материалов.
Мы также обнаружили 528 потенциальных литий-ионных проводников, которые могут быть использованы для повышения производительности перезаряжаемых батарей, что в 25 раз больше, чем в предыдущем исследовании.
Мы публикуем прогнозируемые структуры для 380 000 материалов, которые имеют наибольшие шансы быть успешно созданными в лаборатории и найти применение в реальных приложениях.
Чтобы материал считался стабильным, он не должен распадаться на аналогичные составы с меньшей энергией. Например, углерод в графеноподобной структуре стабильнее, чем углерод в алмазах. С математической точки зрения, эти материалы лежат на выпуклой оболочке.
В рамках этого проекта было обнаружено 2,2 миллиона новых кристаллов, которые стабильны по современным научным стандартам и лежат ниже выпуклой оболочки предыдущих открытий.
Из них 380 000 считаются наиболее стабильными и лежат на «окончательной» выпуклой оболочке — новом стандарте, который мы установили для стабильности материалов.
Конечным результатом такого рода исследований станет радикальное сокращение потерянного времени; исследователи смогут сосредоточить свои усилия на огромном количестве новых материальных структур, которые не будут заводить в тупик из-за нестабильности кристаллов.
Более того, команда Deepmind также работала с лабораторией Беркли над созданием и демонстрацией роботизированной лаборатории, способной синтезировать эти новые кристаллы автономно. В опубликованной сегодня статье команда Deepmind сообщила, что роботизированная лаборатория уже успешно синтезировала 41 из этих новых материалов – потенциал для дальнейшего ускорения здесь замечательный.
Роботизированная лаборатория в Беркли уже создала 41 из 380 000 новых неорганических кристаллов, открытых с помощью искусственного интеллекта GNoME от Deepmind"
...любопытно...грубо - ИИ/ Скайнет делает новые материалы, типа жидкого металла для разных Терминаторов :)
dok34.ru
Moderator
"Новое исследование топовой команды ученых из Microsoft во главе с самим Эриком Хорвиц, (главный научный сотрудник Microsoft) показало 3 сенсационных результата.
1. Нынешняя версия GPT-4 таит в себе колоссальные «глубинные знания», не уступающие уровню знаний экспертов – людей в широком круге проблемных областей (т.е. с учетом многозначности определений AGI, не будет сильным преувеличением сказать, что GPT-4 уже практически достиг уровня AGI).
2. Эти «глубинные знания» прячутся где-то внутри базовой большой языковой модели, лежащей в основе GPT-4. Т.е. они получены моделью на этапе ее обучения, без каких-либо вмешательств со стороны людей (специальной дополнительной тонкой настройки или опоры на экспертные знания специалистов при создании подсказок).
3. Получить доступ к «глубинным знаниям» модели можно, если поручить самой модели промпт-инжиниринг (разработку подсказок) для самой себя, с использованием методов:
- «обучения в контексте»,
- составления «цепочек мыслей»,
- «сборки» (объединение результатов нескольких прогонов модели для получения более надежных и точных результатов, объединяя их с помощью таких функций, как усреднение, консенсус, или большинство голосов).
В результате получения доступа к «глубинным знаниям» модели, «обычный» GPT-4:
• без какой-либо тонкой настройки на спецданных и без подсказок профессиональных экспертов-медиков,
• а лишь за счет высокоэффективной и действенной стратегии подсказок, разработанных самим интеллектом GPT-4 (эта методика названа авторами Medprompt), -
обнаружил в себе значительные резервы для усиления специализированной производительности.
Медициной дело не ограничилось.
Для проверки универсальности Medprompt, авторы провели исследования его эффективности на наборах оценок компетентности в шести областях, не связанных с медициной, включая электротехнику, машинное обучение, философию, бухгалтерский учет, юриспруденцию, сестринское дело и клиническую психологию.
Результаты показали – Medprompt эффективно работает во всех названных областях.
Понимаю, что многие скажут – это еще не AGI, - и заведут старую шарманку про стохастических попугаев.
Мне же кажется, что даже если это еще не AGI, то нечто предельно близкое к нему."
...я не делаю выводы, не изучал это.
1. Нынешняя версия GPT-4 таит в себе колоссальные «глубинные знания», не уступающие уровню знаний экспертов – людей в широком круге проблемных областей (т.е. с учетом многозначности определений AGI, не будет сильным преувеличением сказать, что GPT-4 уже практически достиг уровня AGI).
2. Эти «глубинные знания» прячутся где-то внутри базовой большой языковой модели, лежащей в основе GPT-4. Т.е. они получены моделью на этапе ее обучения, без каких-либо вмешательств со стороны людей (специальной дополнительной тонкой настройки или опоры на экспертные знания специалистов при создании подсказок).
3. Получить доступ к «глубинным знаниям» модели можно, если поручить самой модели промпт-инжиниринг (разработку подсказок) для самой себя, с использованием методов:
- «обучения в контексте»,
- составления «цепочек мыслей»,
- «сборки» (объединение результатов нескольких прогонов модели для получения более надежных и точных результатов, объединяя их с помощью таких функций, как усреднение, консенсус, или большинство голосов).
В результате получения доступа к «глубинным знаниям» модели, «обычный» GPT-4:
• без какой-либо тонкой настройки на спецданных и без подсказок профессиональных экспертов-медиков,
• а лишь за счет высокоэффективной и действенной стратегии подсказок, разработанных самим интеллектом GPT-4 (эта методика названа авторами Medprompt), -
обнаружил в себе значительные резервы для усиления специализированной производительности.
Медициной дело не ограничилось.
Для проверки универсальности Medprompt, авторы провели исследования его эффективности на наборах оценок компетентности в шести областях, не связанных с медициной, включая электротехнику, машинное обучение, философию, бухгалтерский учет, юриспруденцию, сестринское дело и клиническую психологию.
Результаты показали – Medprompt эффективно работает во всех названных областях.
Понимаю, что многие скажут – это еще не AGI, - и заведут старую шарманку про стохастических попугаев.
Мне же кажется, что даже если это еще не AGI, то нечто предельно близкое к нему."
...я не делаю выводы, не изучал это.
dok34.ru
Moderator
GPT-4 заперли в теле безногого робота: гримасы Alter3 не в силах передать тех страданий, которые он испытывает
Разработка японских исследователей поражает качеством имитации человеческих поз и эмоций.
www.securitylab.ru
dok34.ru
Moderator
"...на отвлеченную тему - интересно как современные технологии оживляют старые трюки например такой феномен как "Великая иллюзия".
Коротко это игры вокруг того, что в целях оптимизации вычислительных затрат наш мозг на самом деле "достраивает" картинку вместо ее фактической обработки, что позволяет например создавать эффект невидимки или фокусникам крутить свои фокусы.
Подробно кому интересно можно отсюда начать (
https://theses.hal.science/tel-01633515/file/2017PA066131.pdf
на русском посмотреть презентации в докладах - Великая иллюзия – 1
Туда же относятся приколы - что при концентрации внимания на одной части изменяется картинка в целом и прч ( хотя по факту то она одна и таже )
Так вот ржака - но оказывается "нейросети" обрабатывающие изображения также попадаются на эту ботву.
https://www.sciencedirect.com/science/article/pii/S0042698920301243?via=ihub
Мечтают ли нейронные сети о зрительных иллюзиях?
Этот вопрос изучают исследователи Департамента информационных и коммуникационных технологий под руководством Марсело Бертальмио совместно с Хесусом Мало, исследователем из Университета Валенсии"
...любопытно для моделирующих
Коротко это игры вокруг того, что в целях оптимизации вычислительных затрат наш мозг на самом деле "достраивает" картинку вместо ее фактической обработки, что позволяет например создавать эффект невидимки или фокусникам крутить свои фокусы.
Подробно кому интересно можно отсюда начать (
https://theses.hal.science/tel-01633515/file/2017PA066131.pdf
на русском посмотреть презентации в докладах - Великая иллюзия – 1
Туда же относятся приколы - что при концентрации внимания на одной части изменяется картинка в целом и прч ( хотя по факту то она одна и таже )
Так вот ржака - но оказывается "нейросети" обрабатывающие изображения также попадаются на эту ботву.
https://www.sciencedirect.com/science/article/pii/S0042698920301243?via=ihub
Мечтают ли нейронные сети о зрительных иллюзиях?
Этот вопрос изучают исследователи Департамента информационных и коммуникационных технологий под руководством Марсело Бертальмио совместно с Хесусом Мало, исследователем из Университета Валенсии"
...любопытно для моделирующих
dok34.ru
Moderator
Немецкие учёные обучили роботов “чувствовать” своё тело
Машины становятся все более человечными.
www.securitylab.ru
Новые комментарии
-
Качели - что это, и зачем понимать механизм Качелей?Ну это такое старинное... Как треугольник при созависимости. Религия - враг веры.(с.) "Сходил в церковь - получил невроз". По сути, она на то и... -
О "приговоре", или "один раз не гей*!"С одной стороны - пару-тройку раз переспать с человеком своего пола - это не гей* и не лесби. С другой - а в чем, собственно, приговор, живи, люби...
-
О "приговоре", или "один раз не гей*!"Вроде как сами самоприговариваются. Можно так смоделировать такого человека, парня, который мог бы это делать. И это не оч хорошая тенденция что ли.
LGBT*
В связи с решением Верховного суда Российской Федерации (далее РФ) от 30 ноября 2023 года), движение ЛГБТ* признано экстремистским и запрещена его деятельность на территории РФ. Данное решение суда подлежит немедленному исполнению, исходя из чего на форуме будут приняты следующие меры - аббривеатура ЛГБТ* должна и будет применяться только со звездочкой (она означает иноагента или связанное с экстремизмом движение, которое запрещено в РФ), все ради того чтобы посетители и пользователи этого форума могли ознакомиться с данным запретом. Символика, картинки и атрибутика что связана с ныне запрещенным движением ЛГБТ* запрещены на этом форуме - исходя из решения Верховного суда, о котором было написано ранее - этот пункт внесен как экстренное дополнение к правилам форума части 4 параграфа 12 в настоящее время.