Изучаем нейронную сеть на Java
Всем привет, меня зовут Антон, я работаю в Сбере разработчиком Java, в продукте GigaIDE. В этой статье мы перепишем нейронную сеть c Phyton’а на Java, которая распознаёт рукописные цифры MNIST. Попробуем распознавать свои цифры, рисуя их мышкой, сделаем обратный запрос в сеть и заглянем в ее «мозги», а в конце сделаем выводы.
Как мы автоматизировали перевод скриншотов в документации
Привет! Меня зовут Глеб Смольяков, я инженер-программист в DevRel-отделе Битрикс24.
От задачи до MR: как устроен конвейер разработки с ИИ-агентами в «Первой Форме»
ИИ-агент может за минуты подготовить изменение, на которое у разработчика прежде уходил час. Но ускорение написания кода создаёт другую проблему: растёт нагрузка на проверку. Нужно изучить diff, понять предположения агента, проверить затронутые компоненты и убедиться, что решение соответствует задаче, а не просто проходит формальные проверки.Почему агент выбрал этот модуль? Какие связанные части системы изучил? Какие варианты отбросил? На какие требования и результаты проверок опирался? Если этот контекст остаётся в закрытой сессии, следующему участнику процесса приходится собирать его заново.
Как отправить данные из 1С в нейросеть и получить ответ обратно с настоящими именами и суммами
Почему обычной маскировки недостаточно, зачем нужна обратимость, как сохранить смысл чисел и почему суммы нельзя просто заменить случайными? Написали обработку, которая действительно заменяет персональные и платёжные реквизиты перед отправкой в модель и затем умеет расшифровать ответ обратно.В прошлой статье мы разбирали, как передать копию базы 1С подрядчику без реальных персональных данных.Но есть более локальный сценарий: базу передавать не нужно, а вот отдельную выгрузку хочется отдать нейросети на анализ.Например, попросить:
Масштабирование LLM: от одного чипа до ЦОДа. Глава 5. Инференс
Предыдущая главаНу и наконец рассмотрим, как нам применить обученный трансформер. И применение уже обученной модели сильно отличается от тренировки, потому что теперь приходится учитывать еще один фактор - задержку. Так что давайте разбираться, как устроен инференс LLM и как его правильно масштабировать.Основы инференсаИтак, мы натренировали трансофрмер и теперь хотим использовать его по назначению - принимать на вход промпт и генерировать в ответ всякие разные новые последовательности токенов/букв.
«Золотой век ИИ в СССР», или Как ученые в 1950–1960-е годы заложили основы искусственного интеллекта
Ключевые идеи, благодаря которым сегодня мы с помощью ИИ рисуем картинки, распознаем образы, пишем тексты и обеспечиваем безопасность на предприятиях, были заложены до появления терминов «искусственный интеллект», «нейросеть» и домашних компьютеров.
Я сделал CRM без бэкенда. Вот чего мне это стоило
Приложение слушает разговоры продавца с клиентами и превращает их в текст. Человек на той стороне трубки не подписывался на то, чтобы его голос уехал на чей-то сервер, и это решило архитектуру раньше, чем я написал первую строчку: наружу не уходит ничего.Дальше идёт счёт, который за это пришёл, и он вполне конкретный: шесть с половиной минут работы на десятиминутный разговор и половина возможностей, которые в приложении с сервером есть по умолчанию.Рамка: что решаем и чем платим
Google предоставит издателям способ борьбы с падением реферального трафика от ИИ‑поиска
Google предложит новую опцию для издателей, пострадавших от падения трафика из‑за ИИ‑поиска. Теперь читатели могут нажать кнопку на их сайте, чтобы указать его как «любимый источник», который они хотели бы видеть чаще в результатах поиска Google, Discover и Google News.
