Алгоритмы. - страница 3

Человек, которого никогда не было. Как ИИ создаёт синтетические личности?

палка, палка, огуречик..Ещё недавно у фальшивой личности обязательно был настоящий владелец.

продолжить чтение

Математики до сих пор не уверены, как быстрее всего перемножать числа

Как 23-летний студент опроверг давнюю гипотезу об одной из простейших математических операций

продолжить чтение

Представлен открытый проект DesktopFly — десктопный питомец для macOS в виде мухи на основе 668 нейронов мозга дрозофилы

Разработчик Денис Ширяев выпустил открытый проект под названием

продолжить чтение

Может ли ИИ выучить физику, просто наблюдая за миром?

О когнитивных способностях человека есть много исследований. Одно из самых известных это исследование за авторством Элизабет Спелке. Оно о том как у человека появляется самое первое, базовое понимание мира и физических законов. Её работа ставит под сомнение традиционные взгляды на то, что всё человеческое знание приобретается исключительно через опыт, и выдвигает гипотезу о наличии врожденных когнитивных систем.

продолжить чтение

Сжатие данных — это предсказание

Недавно я читала материалы о сжатии данных, и меня внезапно озарила безумная мысль: по сути своей, алгоритмы сжатия и LLM предназначены для решения одной и той же задачи.

продолжить чтение

Наши книги о LLM: состояние дел по готовящимся новинкам

Приветствуем, Хабр.

продолжить чтение

Машины, которые не умеют считать, но угадывают числа

Почему языковые модели научились предсказывать числовые величины и почему это до сих пор странно, или «Что снится роботам»Есть кластер задач, который выглядит скучно, но кормит половину мировой экономики. «Сколько будет стоить эта квартира?» «Сколько дней займёт доставка товара получателю?» «Какое количество посетителей будет в магазине в субботу?» «Какой будет расход электричества дата‑центра за неделю?»

продолжить чтение

Пробирка как процессор или как молекулы ДНК научились решать задачи

продолжить чтение

Чем запомнилась ICRA 2026: Reinforcement Learning, генерация сложных сценариев поведения и будущее робототехники

продолжить чтение

Что общего у Таро, Viterbi и LLM: как алгоритм выбирает один смысл из многих

Представьте, что человек спрашивает о смене профессии и вытягивает три карты: Повешенный → Маг → Колесница. Из одной и той же последовательности можно собрать несколько правдоподобных историй: о паузе и переосмыслении, о найденных ресурсах или о риске принять резкое действие за настоящее решение. Карты одинаковые, а смысловые маршруты — разные. Как интерпретатор выбирает один из них? И можно ли описать этот выбор так же, как поиск гипотезы в распознавании речи, машинном переводе или языковой модели?От множества трактовок к лучшему пути

продолжить чтение