Forwarded from Data Secrets
Hugging Face сегодня в ударе: помимо опенсорсного агента Deep Research они релизнули целый стор ИИ приложений
Он так и называется: AI App store. В нем уже 400к (!) аппсов и найти можно вообще все, что хочешь. Например, нужна вам для вашего проекта тулза, транскрибирующая или обобщающая видео:
1. Заходите на huggingface.co/spaces
2. Вводите запрос «summary of video» (в поисковой строке кстати тоже встроена моделька) или переходите в нужный раздел из предложенных
3. Из множества вариантов выбираете то, что подходит, пользуетесь прямо внутри Hugging Face или качаете себе проект: они все опенсорсные и бесплатные
Так что если вы под каждую задачу искали по сусекам отдельный сервис, то больше так делать не нужно: Hugging Face объединил их все в одном месте и тут буквально за минуту отыщется действительно все. А если вы разработчик, то можно и самому добавить Space
🍯
Он так и называется: AI App store. В нем уже 400к (!) аппсов и найти можно вообще все, что хочешь. Например, нужна вам для вашего проекта тулза, транскрибирующая или обобщающая видео:
1. Заходите на huggingface.co/spaces
2. Вводите запрос «summary of video» (в поисковой строке кстати тоже встроена моделька) или переходите в нужный раздел из предложенных
3. Из множества вариантов выбираете то, что подходит, пользуетесь прямо внутри Hugging Face или качаете себе проект: они все опенсорсные и бесплатные
Так что если вы под каждую задачу искали по сусекам отдельный сервис, то больше так делать не нужно: Hugging Face объединил их все в одном месте и тут буквально за минуту отыщется действительно все. А если вы разработчик, то можно и самому добавить Space
🍯
👍7🔥2
This media is not supported in your browser
VIEW IN TELEGRAM
Transformer реализованный в excel 🤯🤯🤯
Здесь есть все
• Positional Encoding
• Self-Attention
• Cross-Attention
• Multi-head Attention
• Skip Connection
• LayerNorm
• ReLU Activation
• Feed Forward
• Softmax
Здесь есть все
• Positional Encoding
• Self-Attention
• Cross-Attention
• Multi-head Attention
• Skip Connection
• LayerNorm
• ReLU Activation
• Feed Forward
• Softmax
🤯7👍2
Forwarded from ИИ и роботы в стройке
Нужны ли нейросети в проектировании, и смогут ли они понимать чертежи
Геометрия, чертежи, 3D-модели... Всё это казалось далеким от мира нейросетей, но, как оказалось, это лишь вопрос времени. В статье на Хабре рассматривают вопрос, смогут ли нейросети чертить.
На данный момент вывод однозначен — пока ИИ не может дать ту точность, которую можно принимать на веру. Но это не мешает использовать нейросети как помощника — например, как поисковик по 3D-моделям, который умеет анализировать детали и давать рекомендации.
И разработчики продолжают искать способ повысить точность результата от ИИ — один из вариантов переводить пиксели в текст и работать с более логичными для нейросети входными «сырыми» данными в форматах DXF, STEP и т.д.
Чтобы повысить точность автор предлагает использовать связку двух моделей — трансформер (который хорошо «видит» статистические закономерности и прогнозирует варианты) и символическую систему, где будут даны четкие определения из серии «толщина — это...».
Где сейчас помогают нейросети в проектировании
⚫️ Автоматическая генерация вариаций позволяет нейросети создавать несколько форм детали, удовлетворяющих заданным ограничениям. Инженер выбирает наиболее удачную форму, что экономит время на ручном переборе.
⚫️ Упрощение рутинных операций помогает новичкам быстро понять части сборки. Нейросеть подсказывает, что это за деталь, и выступает в роли «справочника с интеллектом».
⚫️ Снижение «человеческого фактора» помогает избежать ошибок в чертежах. Нейросеть может предупредить о несоответствиях в размерах, единицах измерения и других неточностях.
Геометрия, чертежи, 3D-модели... Всё это казалось далеким от мира нейросетей, но, как оказалось, это лишь вопрос времени. В статье на Хабре рассматривают вопрос, смогут ли нейросети чертить.
На данный момент вывод однозначен — пока ИИ не может дать ту точность, которую можно принимать на веру. Но это не мешает использовать нейросети как помощника — например, как поисковик по 3D-моделям, который умеет анализировать детали и давать рекомендации.
И разработчики продолжают искать способ повысить точность результата от ИИ — один из вариантов переводить пиксели в текст и работать с более логичными для нейросети входными «сырыми» данными в форматах DXF, STEP и т.д.
Чтобы повысить точность автор предлагает использовать связку двух моделей — трансформер (который хорошо «видит» статистические закономерности и прогнозирует варианты) и символическую систему, где будут даны четкие определения из серии «толщина — это...».
Где сейчас помогают нейросети в проектировании
Please open Telegram to view this post
VIEW IN TELEGRAM
❤3⚡1👍1
Аннотированная история современного искусственного интеллекта и глубокого обучения
https://people.idsia.ch/~juergen/deep-learning-history.html#rnn
https://people.idsia.ch/~juergen/deep-learning-history.html#rnn
👍4
Эволюция и слепое пятно Найта в машинном обучении
Статья о том как суровый фильтр эволюции позволил организмам (включая нас) ориентироваться в неожиданных событиях («неизвестные неизвестные»), с чем системы ИИ борются.
https://arxiv.org/abs/2501.13075
Статья о том как суровый фильтр эволюции позволил организмам (включая нас) ориентироваться в неожиданных событиях («неизвестные неизвестные»), с чем системы ИИ борются.
https://arxiv.org/abs/2501.13075
👍3
This media is not supported in your browser
VIEW IN TELEGRAM
Пространство-время Минковского объединяет три измерения пространства и одно измерение времени в единую систему. В ней расстояния и время зависят от движения наблюдателя: объекты могут казаться сжатыми или растянутыми, а одновременность событий становится относительной.
По сути это геометрическая интерпретация пространства-времени, где точки четырехмерного пространства - это события.
Эта концепция объясняет многие эффекты теории относительности
По сути это геометрическая интерпретация пространства-времени, где точки четырехмерного пространства - это события.
Эта концепция объясняет многие эффекты теории относительности
1⚡6👍2
This media is not supported in your browser
VIEW IN TELEGRAM
Text2CAD
генерация параметрических моделей САПР из текстовых подсказок. Подсказки могут варьироваться от абстрактных описаний форм до подробных параметрических инструкций.
https://sadilkhan.github.io/text2cad-project/
генерация параметрических моделей САПР из текстовых подсказок. Подсказки могут варьироваться от абстрактных описаний форм до подробных параметрических инструкций.
https://sadilkhan.github.io/text2cad-project/
1👍4⚡1👎1🔥1
ContrastCAD
Успех моделей на основе Transformer побудил многих исследователей изучать модели CAD, используя подходы, основанные на последовательностях.
Экспериментальные результаты показывают, что предлагаемый метод значительно повышает эффективность обучения автоэнкодеров на основе Transformer даже для сложных моделей CAD, имеющих очень длинные последовательности построения.
https://ieeexplore.ieee.org/document/10559801
Успех моделей на основе Transformer побудил многих исследователей изучать модели CAD, используя подходы, основанные на последовательностях.
Экспериментальные результаты показывают, что предлагаемый метод значительно повышает эффективность обучения автоэнкодеров на основе Transformer даже для сложных моделей CAD, имеющих очень длинные последовательности построения.
https://ieeexplore.ieee.org/document/10559801
1🔥4⚡1👍1
Все, что вам нужно знать для создания вашего первого приложения LLM
https://towardsdatascience.com/all-you-need-to-know-to-build-your-first-llm-app-eb982c78ffac/
https://towardsdatascience.com/all-you-need-to-know-to-build-your-first-llm-app-eb982c78ffac/
👍3⚡1
Бустаните плиз канал для публикации историй и всего такого⚡️
https://yangx.top/boost/unrealneural
https://yangx.top/boost/unrealneural
Telegram
AI LAB | Лаборатория ИИ
Проголосуйте за канал, чтобы он получил больше возможностей.
#пытаюсьпонять
Наткнулся на статью о способе улучшения результатов модели LLM без увеличения количества параметров (как это делается сейчас от релиза к релизу топовых GPT).
Не говоря обо всех пунктах, больше всего заставил задуматься следующий момент:
вместо того, чтобы бесконечно увеличивать размер модели, результат можно улучшить предоставив ей больше времени на формирование ответа - метод "budget forcing"
Как это сделать? Использовать слово "wait", чтобы заставить модель думать дольше.
Звучит прикольно, но абстрактно.
Если посмотреть глубже в процесс, то "wait" - токен, который влияет на контекст в скрытых состояниях модели и она интерпретирует его как сигнал для продолжения формирования ответа.
Причем повторение этого токена может постоянно активировать другие паттерны генерации - разные ответы.
Чем больше модель "думает" - тем больше шансов дать правильный ответ.
Самое интересное, что этот токен "wait" так работает из-за того, что это слово чаще всего вызывает дополнительное рассуждение в данных на которых учатся LLM. То есть у людей это намёк на то, что "не время заканчивать", "стоит еще подумать".
https://arxiv.org/pdf/2501.19393
Наткнулся на статью о способе улучшения результатов модели LLM без увеличения количества параметров (как это делается сейчас от релиза к релизу топовых GPT).
Не говоря обо всех пунктах, больше всего заставил задуматься следующий момент:
вместо того, чтобы бесконечно увеличивать размер модели, результат можно улучшить предоставив ей больше времени на формирование ответа - метод "budget forcing"
Как это сделать? Использовать слово "wait", чтобы заставить модель думать дольше.
Звучит прикольно, но абстрактно.
Если посмотреть глубже в процесс, то "wait" - токен, который влияет на контекст в скрытых состояниях модели и она интерпретирует его как сигнал для продолжения формирования ответа.
Причем повторение этого токена может постоянно активировать другие паттерны генерации - разные ответы.
Чем больше модель "думает" - тем больше шансов дать правильный ответ.
Самое интересное, что этот токен "wait" так работает из-за того, что это слово чаще всего вызывает дополнительное рассуждение в данных на которых учатся LLM. То есть у людей это намёк на то, что "не время заканчивать", "стоит еще подумать".
https://arxiv.org/pdf/2501.19393
🤯4🤔2🔥1
#вкопилкуэрудита
Парадокс Моравека
Ганс Моравек, исследователь искусственного интеллекта и робототехники в 1980-х годах, отметил контринтуитивный аспект искусственного интеллекта:
- Искусственному интеллекту легче осваивать задачи, требующие рассуждений высокого уровня (например, шахматы или го).
- Базовые сенсорные и двигательные навыки (например, ходьба или распознавание лица мамы), которые люди считают инстинктивными, представляют большую сложность для ИИ.
Более того, эти «более простые» навыки требуют значительно большей вычислительной мощности. Это показывает сложность воспроизведения человеческого восприятия и ловкости — результатов миллионов лет эволюции — по сравнению с логическим мышлением, более поздним развитием.
В современном мире искусственного интеллекта и машинного обучения парадокс Моравека иллюстрирует проблемы проектирования роботов и систем искусственного интеллекта, способных беспрепятственно перемещаться и взаимодействовать с физическим миром.
Ну и пример: ИИ может разгромить чемпиона мира по шахматам за секунды, но если поставить перед ним задачу аккуратно взять фигуру, чтобы сделать ход – он, скорее всего, опрокинет всю доску.
Парадокс Моравека
Ганс Моравек, исследователь искусственного интеллекта и робототехники в 1980-х годах, отметил контринтуитивный аспект искусственного интеллекта:
- Искусственному интеллекту легче осваивать задачи, требующие рассуждений высокого уровня (например, шахматы или го).
- Базовые сенсорные и двигательные навыки (например, ходьба или распознавание лица мамы), которые люди считают инстинктивными, представляют большую сложность для ИИ.
Более того, эти «более простые» навыки требуют значительно большей вычислительной мощности. Это показывает сложность воспроизведения человеческого восприятия и ловкости — результатов миллионов лет эволюции — по сравнению с логическим мышлением, более поздним развитием.
В современном мире искусственного интеллекта и машинного обучения парадокс Моравека иллюстрирует проблемы проектирования роботов и систем искусственного интеллекта, способных беспрепятственно перемещаться и взаимодействовать с физическим миром.
Ну и пример: ИИ может разгромить чемпиона мира по шахматам за секунды, но если поставить перед ним задачу аккуратно взять фигуру, чтобы сделать ход – он, скорее всего, опрокинет всю доску.
👍4⚡1
#вкопилкуэрудита
Диффузионный трансформер
Новая архитектура нейронной сети, объединяющая диффузионные модели (которые обеспечивают стабильную и качественную генерацию данных) и трансформеры (которые эффективно моделируют сложные зависимости).
Диффузионный трансформер улучшает генерацию за счёт объединения диффузионного процесса, который создаёт детализированные данные шаг за шагом, и механизма внимания в трансформерах, который эффективно анализирует глобальные зависимости. Это даёт более точный контроль над структурой данных, уменьшает артефакты и ускоряет обучение модели за счёт параллельных вычислений.
С этим типом модели я познакомился, изучая Hunyuan3D 2.0. В контексте этого инструмента такая модель (Hunyuan3D-DiT) отвечает за диффузионное восстановление 3д формы из шума.
https://blog.deepschool.ru/cv/tasks/diffuziya-na-transformerah/
Диффузионный трансформер
Новая архитектура нейронной сети, объединяющая диффузионные модели (которые обеспечивают стабильную и качественную генерацию данных) и трансформеры (которые эффективно моделируют сложные зависимости).
Диффузионный трансформер улучшает генерацию за счёт объединения диффузионного процесса, который создаёт детализированные данные шаг за шагом, и механизма внимания в трансформерах, который эффективно анализирует глобальные зависимости. Это даёт более точный контроль над структурой данных, уменьшает артефакты и ускоряет обучение модели за счёт параллельных вычислений.
С этим типом модели я познакомился, изучая Hunyuan3D 2.0. В контексте этого инструмента такая модель (Hunyuan3D-DiT) отвечает за диффузионное восстановление 3д формы из шума.
https://blog.deepschool.ru/cv/tasks/diffuziya-na-transformerah/
⚡3👍1😁1
Forwarded from Просто о BIM
#AI Начнем неделю с прикладного применения ИИ в концептуальной архитектуре.
Мой хороший друг и автор тг канала про нейронки Артур Ишмаев записал видео 👆 с примером применения инструмента krea.ai в работе архитектора.
Если пост соберет 50 огоньков 🔥 , то проведем с ним онлайн демонстрацию как повторить.
У инструмента есть бесплатная версия, но лучше купить минимальную версию за 10$ в месяц.
Мой хороший друг и автор тг канала про нейронки Артур Ишмаев записал видео 👆 с примером применения инструмента krea.ai в работе архитектора.
Если пост соберет 50 огоньков 🔥 , то проведем с ним онлайн демонстрацию как повторить.
У инструмента есть бесплатная версия, но лучше купить минимальную версию за 10$ в месяц.
🔥11👍3❤1⚡1