Что думают инженеры OpenAI, Microsoft и AWS о будущем AI: честные ответы с AI Engineer World’s Fair 2025
Всем привет! Я провела три дня на AI Engineer World's Fair в Сан‑Франциско вместе с 3000 лучших AI‑инженеров мира, CTO компаний из Fortune 500 и основателями стартапов. Это третий год конференции, и она стала местом, где ведущие AI‑лаборатории, компании и инженерные команды показывают свои последние работы. Я поговорила с инженерами и руководителями из OpenAI, Microsoft, AWS, Pydantic и YC‑стартапов. Хочу поделиться их откровенными мнениями и ключевыми инсайтами, которые определяют, как мы будем строить AI‑системы в 2025 году и далее.
Жизнь после достижения AGI: тотальное счастье или закат цивилизации?
Представьте мир, где машины не просто следуют алгоритмам, а мыслят, обучаются и творят наравне с человеком, а возможно, и превосходят его. Это мир Общего Искусственного Интеллекта (AGI) – тот самый гипотетический рубеж, за которым ИИ достигнет когнитивных способностей, сопоставимых с человеческими. Мечта футурологов и ночной кошмар скептиков, AGI обещает революцию, сравнить которую по масштабу можно разве что с изобретением колеса или освоением огня. Но куда приведет нас этот тектонический сдвиг: к золотому веку всеобщего благоденствия или к закату человеческой цивилизации?Что говорят создатели ИИ?
Kandinsky 4.1 Image – новый генератор изображений от Сбера
В декабре прошлого года на конференции AI Journey наша команда представила диффузионную генеративную модель Kandinsky 4.0 Video (статья на habr
MCP: революция в мире искусственного интеллекта
Что такое MCP и почему это важно?Model Context Protocol — это не просто очередной технический стандарт. Это фундаментальное изменение парадигмы в разработке систем искусственного интеллекта. Если раньше языковые модели были подобны сверхразумным, но изолированным существам, то теперь они могут стать активными участниками цифровой экосистемы, взаимодействующими с окружающим миром в реальном времени.
ИИ учится управлять материей: будущее производства уже наступило
За последние десятилетия технологический прогресс изменил экономику и бизнес. Алгоритмы управляют логистикой, искусственный интеллект анализирует документы и генерирует код, а данные передаются через API — интерфейсы, позволяющие программам взаимодействовать друг с другом. Один из примеров — LLM API (Large Language Model API), который позволяет каждому из нас подключаться к большим языковым моделям, к примеру, ChatGPT и использовать их для создания текста, обработки информации и принятия решений.
Организация датасетов с ClearML
Привет, хабр! Это уже 3-я статья про ClearML. В этой статье я рассказывал про базовый функционал ClearML, а в этой - про то, как настраивать и запускать эксперименты обучения и тестирования через веб-браузер. А теперь я бы хотел затронуть менее популярную тему — организацию датасетов.Версионирование датасетовВ ML есть такой важный тезис: "Данные — это душа модели"
Запуск ML-экспериментов через ClearML
Привет, товарищи! В предыдущем посте я рассказывал, зачем нужен менеджер ML-экспериментов, поговорили про базовый функционал ClearML. А теперь мы рассмотрим, как можно создавать эксперименты, их настраивать, ставить в очередь и запускать прям из веб-браузера. Кроме того, возникает необходимость автоматически обучать/переобучать модель по расписанию. Для того, чтобы это осуществить в ClearML существуют 2 ключевых концепта:Воркеры и очередиДля запуска эксперимента по обучению или тестированию его нужно сначала поставить в очередь
ML-эксперименты проще с ClearML
В этой статье поговорим про мощный инструмент для организации ML-экспериментов (и не только) с помощью платформы ClearML. Как с помощью нее проводить исследования «по фэншую». Но для начала давайте ответим на следующий вопрос...Зачем вообще нужен менеджер экспериментов?Кто имеет четкое понимание по этому вопросу, могут скипнуть эту секцию. Начать стоит с того, что обучение моделей — это всегда эксперименты с непредсказуемым исходом. Да, докинув новых данных или взяв нейронку пожирнее, мы можем рассчитывать
