Как улучшить сходимость в физически-информированных нейронных сетях
Physics-Informed Machine Learning — одно из перспективных направлений в ML. Здесь ключевую роль играют физически-информированные нейронные сети (Physics-Informed Neural Networks, PINNs). Однако процесс их обучения сопряжён с рядом трудностей. В этой статье кратко обсудим, как можно решить эти проблемы и повысить эффективность обучения PINNs.Классическая постановка задачи для PINNsPhysics-Informed Neural Networks
ИИ внедряется в наш язык: люди стали копировать слова ChatGPT
Учёные из Университета штата Флорида пришли к выводу, что искусственный интеллект начал напрямую влиять на то, как разговаривают люди. В рамках исследования
Обзор математики для начинающего ML-инженера
Этот текст содержит доступное объяснение основных частей высшей математики, которые могут потребоваться ML‑щику разного грейда в рабочих сценариях — без дотошных доказательств и с обилием визуальных и численных примеров.Предвосхищая возможные вопросы: я ставлю целью рассказать про минимальный набор знаний, с которым можно будет уже самостоятельно погружаться в более интересные и прикладные сценарии. Я не планирую рассмотрение в этих постах более упоротных разделов и деталей — с такой глубиной можно не на один год увязнуть при знакомстве с математикой для ML
SONAR-LLM — учим нейросети думать предложениями вместо слов
Привет, Хабр. Меня зовут Никита Драгунов, я из команды «Интерпретируемый ИИ» лаборатории FusionBrain AIRI. У себя в группе мы активно пытаемся понять, почему большие языковые модели и другие архитектуры ведут себя так или иначе, и разрабатываем инструменты, которые помогают нам в этом разобраться.Среди прочего нас очень заинтересовал сравнительно свежий подход, в котором предлагается перейти от генерации токенов к генерации целых предложений — Large Concept Models, LCM. Мы углубились в эту тему и смогли предложить новый способ, как использовать идею LCM эффективнее. О том, что мы сделали — в статье ниже.
Nvidia: сильный квартал, сдержанный гайденс и вопрос о «пузыре ИИ»
Рост выручки на 56%, но самый низкий темп за два года. Почему акции самой дорогой компании мира корректируются, несмотря на превышение ожиданий, и что это говорит о состоянии всего бума ИИ.Превышение, но с оговоркамиNvidia опубликовала отчет за второй финансовый квартал (закончился 27 июля), который оказался сильным, но не смог удовлетворить завышенные ожидания рынка.Выручка: $46.7 млрд (+56% к прошлому году), что немного выше консенсус-прогноза в $46.2 млрд.Прибыль на акцию (EPS): $1.05 против ожиданий $1.01.Прогноз на текущий квартал:
Google снизил энергопотребление AI-запросов в 33 раза: что это значит для будущего ИИ
Искусственный интеллект давно вышел за рамки научной фантастики и стал частью нашей жизни — от поисковых систем до чат-ботов и голосовых помощников. Но у этого удобства есть немалая цена: для генерации ответа ИИ расходует значительные вычислительные ресурсы и энергию.
ИИ-помощник для HR: когда нужен системный подход, а не разовый промпт в ChatGPT
На HR-специалистов одновременно ложатся задачи рекрутинга, адаптации, обучения, аналитики. Поэтому многие пользуются нейросетями: кто-то просит помочь с составлением вакансии, кто-то — с подготовкой документов. Чаще всего это происходит стихийно, и только 5% российских компаний системно внедряют ИИ-решения в процессы. Это требует настройки инфраструктуры, обучения моделей, контроля качества данных и соблюдения правовых норм. Но именно такой подход дает бизнесу ощутимый результат.Разберемся, какие задачи может взять на себя полноценный ИИ-помощник, и когда действительно оправдывает ожидания.
Тренды архитектуры ПО — взгляд InfoQ 2025
Ключевые идеиПока все вокруг активно прикручивают большие языковые модели, новые эксперименты всё чаще уходят в сторону более компактных и специализированных SLM и агентного ИИ.RAG уже стал почти обязательной надстройкой, чтобы вытянуть качество ответов из LLM, и теперь архитекторы стараются проектировать системы так, чтобы его было проще встроить.
