Машинное обучение. - страница 35

Вы не опоздали: почему 95% людей только притворяются, что умеют пользоваться ИИ

Если вы откроете LinkedIn или X прямо сейчас, вас, скорее всего, накроет безжалостной волной историй успеха в сфере ИИ.

продолжить чтение

Perplexity выложила отрытые эмбеддинг-модели

Perplexity представила pplx-embed – набор многоязыковых моделей для обработки больших объемов информации. Эти модели разработаны для работы с данными из интернета, обеспечивая альтернативу проприетарным API.

продолжить чтение

Проект Stargate по созданию дата-центров для AI застрял из-за разногласий

Одной из первых инициатив Дональда Трампа в начале его второго президентского срока стал мегапроект Stargate, который подразумевает направление нескольких сотен миллиардов долларов США на строительство в стране дата-центров для инфраструктуры ИИ. По некоторым данным, реализация этого проекта буксует из-за разногласий между партнёрами.

продолжить чтение

Мультиагентный Grok 4.20, ИИ-двойники от Pika, векторный Recraft V4 и отмена Gucci из-за ИИ

Привет, это новый выпуск «Нейро-дайджеста» — коротких и полезных обзоров ключевых событий в мире искусственного интеллекта и технологий. Меня зовут

продолжить чтение

Сотрудники Google и OpenAI выступили против боевого ИИ и слежки

Более трехсот сотрудников корпораций Google и OpenAI опубликовали открытое письмо с требованием запретить использование нейросетей для массовой слежки и создания автономного оружия. Поводом для протеста стало давление Пентагона на компанию Anthropic. Разработчики выразили солидарность с главой стартапа Дарио Амодеем, который по этическим соображениям наотрез отказался выполнять ультиматум американских военных о полном снятии встроенных ограничений с языковой модели Claude.

продолжить чтение

Эволюция и внедрение агентного ИИ: практика, ошибки и риски

Складывается впечатление, что агентный ИИ уже вышел за рамки фантастических обещаний и вступил в фазу прагматичной апробации. Так ли это? В статье эксперт онлайн-магистратур Центра «Пуск» МФТИ Денис Прилепский отвечает на этот вопрос и рассказывает, как эволюционировал агентный ИИ и как сегодня технологию внедряют в работу компаний. Статья разделена на две части. В первой мы уже обсудили, как агентный ИИ переходит из зоны эффектных демонстраций в зону инженерной ответственности. Во второй части (вы сейчас здесь) — поговорим о правилах, рисках и ошибках внедрения технологии в структуру бизнеса. 

продолжить чтение

Эволюция и внедрение агентного ИИ: зрелость и архитектура

Складывается впечатление, что агентный ИИ уже вышел за рамки фантастических обещаний и вступил в фазу прагматичной апробации. Так ли это? В статье эксперт онлайн-магистратур Центра «Пуск» МФТИ Денис Прилепский отвечает на этот вопрос и рассказывает, как эволюционировал агентный ИИ и как сегодня технологию внедряют в работу компаний. Статья разделена на две части. В первой (вы сейчас здесь) поговорим о том, как агентный ИИ переходит из зоны эффектных демонстраций в зону инженерной ответственности. Во второй части — о правилах, рисках и ошибках внедрения технологии в структуру бизнеса. 

продолжить чтение

Notion запустила Custom Agents — попробовать можно бесплатно до 3 мая 2026 года

Notion представила Custom Agents - автономных ИИ-агентов, которые могут работать по расписанию и заданным триггерам, а не только отвечать на разовые сообщения в чате. По данным компании, ранние тестировщики уже создали более 21 000 агентов, а внутри самой Notion сейчас работает 2 800 таких агентов.Пользователь может описать задачу обычным языком, задать условие запуска. Например, каждый понедельник в 9:00 или

продолжить чтение

Legacy-код человечества: почему ИИ — это не угроза, а единственный работающий антивирус

продолжить чтение

Если попросить ИИ назвать случайное мужское имя, он скажет «Marcus». И будет говорить «Marcus» снова и снова

Разработчик Бенджи Смит провёл эксперимент с 37 500 запросами к пяти моделям Claude с одной задачей: выбрать случайное имя. Самый частый мужской ответ — Marcus, 23.6% от всех попыток. У женских имён фаворит — Amara, 14.3%. А Opus 4.5 при простом промпте возвращал «Marcus» в каждом из ~100 запросов подряд без единого отклонения. При том что каждый вызов API проходит заново через модель, без кеша.Всего за эксперимент модели выдали 1 680 уникальных имён, но если измерить энтропию по Шеннону, реальный выбор эквивалентен ~137 именам. У Sonnet 4.5 ещё меньше — около 22. Разброс между моделями хорошо виден в таблице.

продолжить чтение

Rambler's Top100