Машинное обучение. - страница 151

Реакционная лженаука. Как СССР осудил кибернетику — и чем это аукнулось для ИИ

продолжить чтение

ИИ-агенты за пределами чат-бота: платформа, мультиагентность, безопасность и путь в прод — новый выпуск подкаста ГНИВЦ

ИИ-агенты в проде — не игрушка, а архитектура. Подкаст ГНИВЦВышел новый выпуск подкаста ГНИВЦ, посвящённый теме, которая окончательно вышла из лабораторий в продакшен

продолжить чтение

RAG для тех, кто разочаровался: почему retrieval ломается и как это починить

Вы собрали RAG-пайплайн: загрузили документы, нарезали на чанки, сгенерировали эмбеддинги, подключили векторную базу. Задаёте вопрос — модель отвечает уверенно и подробно. Показываете заказчику, тот в восторге. Потом начинается тестирование на реальных вопросах, и оказывается, что на половину из них система отвечает мимо: то находит не тот документ, то находит правильный, но не тот кусок, то вообще ничего релевантного не достаёт и модель уверенно галлюцинирует.

продолжить чтение

Сумасшедшая история Т9: Стартапы, дельфины и буддизм против выгорания

продолжить чтение

SciGraph: как я учил ИИ читать научные статьи не только по словам, но и по связям

Привет, Хабр. Эта статья про систему, которая читает папку научных статей и помогает разбираться в них как в связанном корпусе, а не как в наборе отдельных PDF. Материал написан на базе выпускного проекта студента курса NLP Advanced. Исходный код проекта: Идея простая: если в статье есть авторы, методы, датасеты, цитирования и утверждения, то их можно превратить в граф. Тогда вопрос «какие работы привели к появлению DETR?» становится не просто поиском похожих фраз, а проходом по связям между работами.

продолжить чтение

Mistral AI приобретает Emmi AI для создания ведущего комплекса решений в области ИИ для промышленного инжиниринга

Французская компания в сфере искусственного интеллекта Mistral AI приобретает австрийскую Emmi AI, которая создаёт модели, ориентированные на сложные физические процессы, включая потоки воздуха, теплопередачу и напряжение материалов. За счёт сделки Mistral AI стремится расширить свои предложения для промышленных клиентов в Европе. Стороны не назвали финансовые условия сделки.

продолжить чтение

Адаптивный СВЧ‑сенсор на базе 8-битного МК

Введение. В последние годы наблюдается взрывной интерес к нейросетевым технологиям — эта тема уже набила оскомину. Однако в области встроенных систем и СВЧ‑электроники применение «тяжёлых» нейронных сетей зачастую экономически и энергетически неоправданно.Традиционно, нелинейность отклика СВЧ‑детектора от частоты считается проблемой, требующей сложной программной коррекции. Но в данной работе этот «недуг» превращен в «подвиг»: разница в нелинейности двух разных микросхем стала основой для обучения нейросетевого частотного дискриминатора (рисунок 1).

продолжить чтение

Создаем ИИ‑модель для генерации музыки на базе Lakh MIDI Dataset

ВведениеГенерация музыки алгоритмами — давно рабочий инструмент индустрии. Этот сегмент прошел путь от простых цепей Маркова, которые предсказывали вероятности перехода одной ноты в другую, до современных трансформеров, способных выдавать многоканальные аудиозаписи.

продолжить чтение

LLM без поиска — генератор галлюцинаций. Как мы с этим справились при создании поиска по интранету

продолжить чтение

Иллюзия ширины и геометрия глубины: почему глубокие нейросети умнее, и в чем лжет теорема об аппроксимации

Когда вы проектируете архитектуру своей нейросети и у вас есть фиксированный бюджет параметров (допустим, 1 гигабайт видеопамяти под веса), перед вами всегда встает выбор: сделать сеть толстой (увеличить размерность скрытого слоя / d_model) или глубокой (увеличить num_layers).Если мы откроем учебник по математике, мы увидим знаменитую универсальную теорему об аппроксимации. Она математически доказывает, что сеть с одним единственным скрытым слоем способна с любой точностью описать любую непрерывную функцию. Кажется, вывод очевиден: наращивай ширину, и сеть выучит всё.

продолжить чтение