Как я искал боровики и дошёл до спутниковой классификации леса
Грибов в этом году у нас было мало. То ли весенние заморозки, то ли сухое лето, то ли дожди, которые под конец, наоборот, лили без остановки. Не поймёшь. Только к концу августа мне начали попадаться первые сообщения: в лесах Ленинградской области наконец пошли боровики. Моя супруга боровики очень любит, и каждую осень мне приходится искать места их обитания.В этот раз на «тихую охоту» оставалось совсем немного времени — ну, три пары выходных, не больше, как мне тогда казалось. Конкуренция в сезон почище, чем за вакансии на HH, а тратить эти считанные дни на прогулки с пустой корзиной не хотелось.
Встречаем маршруты «Прогулочный» и «Оживлённый» в Яндекс Картах, или Как мы учили модель понимать предпочтения людей
Год назад я рассказывал, как Яндекс Карты научились учитывать рельеф и лестницы при построении пешеходных маршрутов. Но альтернативные варианты по-прежнему выглядели для пользователя как просто «ещё один путь, только дольше» — и люди не раздумывая выбирали самый быстрый. Теперь у каждого альтернативного маршрута появилось имя и характер: например, «Быстрый», «Прогулочный», «Оживлённый» или «Без лестниц».
Национальная метеорологическая служба США использует ИИ-карты, где показаны фальшивые города в Айдахо
Национальная метеорологическая служба США (National Weather Service, NWS) использует сгенерированные искусственным интеллектом карты, на которых нашли минимум два выдуманных города в штате Айдахо, пишет Washington Post. Речь идёт о наименованиях двух несуществующих мест: Оранжотильд (Orangeotild) Уота Бод (Whata Bod).
Google обновила прогнозы погоды с помощью модели ИИ
Google представила усовершенствованную модель погоды на базе искусственного интеллекта. Её интегрируют в такие продукты, как поисковик, Gemini и смартфоны Pixel.
Google интегрировала Gemini в Google Maps
Компания Google интегрировала в Google Maps ИИ-модель Gemini. В бета-версии 25.41.03.815390258 Gemini появляется при нажатии на значок микрофона в навигации, сообщает Android Authority.
Когда YOLO не спасает: как один параметр может испортить всё
История о том, почему в ML побеждают не те, у кого самая большая модель, а те, кто понимает, что они делают.ВведениеСовременные object detection-модели достаточно мощные, чтобы «из коробки» выдавать приемлемую точность. Особенно если задача выглядит простой — например, определить, где на покерном столе лежат карты.Но «приемлемо» и «надёжно» — не одно и то же.В одном из проектов заказчик обучил модель, которая показывала 93% точности на валидной выборке, но на практике её приходилось постоянно подчищать вручную. Модель теряла карты в нужных моментах, срабатывала на графику трансляции и мешала, а не помогала аналитике.
