Мультимодальные языковые модели: как нейросети учатся видеть и слышать
Мультимодальные языковые модели представляют собой самый прогрессивный класс нейросетевых архитектур, объединяющих способность воспринимать и обрабатывать различные типы данных одновременно - текст, изображения, аудио и видео. Это похоже на то, как наш мозг интегрирует информацию из разных органов чувств, чтобы создать полную картину мира. Как сказал философ Марсель Пруст, “Настоящее открытие не в том, чтобы увидеть новые земли, а в том, чтобы иметь новые глаза”.▍ Фундаментальные принципы мультимодальных моделей
А не пора ли нам подкрепиться?
Краткое содержание предыдущих серийВ заметке про Pointer Network было много всего: нетривиальная архитектура кодировщика (энкодера) и декодера, механизм внимания, а также совсем немного про обучение с подкреплением. В общем, много-много всякого, нужного для охвата пазла целиком. Далее, в следующей заметке
Эконофизика и физически-обоснованные нейронные сети
Эконофизика — область науки, которая объединила в себе экономическую теорию и физические методы. По случаю выхода нашей с коллегами научной статьи , решил рассказать об этой концепции. Особенно про то, как современные подходы машинного обучения могут способствовать построению динамических моделей.Историческая справкаВпервые термин эконофизика
Математика, нужна ли ты программисту?
Недавно тут была опубликована пятничная статья о математике. Автор правильно сделал, что не поставил у неё тег «математика» потому что она не про математику. Хотелось бы исправить этот недостаток, написав статью без тега «программирование».
Искусственный интеллект в ритейле: как он предсказывает вашу следующую покупку в приложении
Привет, Хабр! На связи подразделение ad-hoc аналитики X5 Tech. Сегодня мы расскажем о задаче Next Basket Recommendation (NBR) и о том, как она может быть полезна для онлайн-ритейла. В этой статье мы рассмотрим, как с помощью рекомендательных моделей можно предсказать, какие товары пользователь добавит в свою следующую корзину, и как это помогает улучшить взаимодействие с приложением. Вы узнаете о ключевых метриках, которые используются для оценки качества рекомендаций, а также познакомитесь с различными подходами — от простых частотных методов до современных моделей на основе глубокого обучения.
ИИ играет в долгую, решая старые математические задачи
Игра в шахматы требует от игроков умения думать на несколько ходов вперёд, и этот навык с годами освоили компьютерные программы. Ещё в 1996 году суперкомпьютер IBM обыграл тогдашнего чемпиона мира по шахматам Гарри Каспарова в знаменитом матче. Позже, в 2017 году, программа искусственного интеллекта (ИИ), разработанная Google DeepMind, под названием AlphaZero, победила лучшие компьютерные шахматные движки того времени, обучившись игре за считанные часы.
Как человеческий мозг справляется с таким странным понятием, как ноль
Ноль, который был изобретён в конце истории, является особенным среди чисел. Новые исследования раскрывают, как мозг создаёт нечто из ничего
Простыми словами о методе максимального правдоподобия и информации Фишера
Всем привет! Сегодня я хотел бы рассказать про метод максимального правдоподобия и информацию Фишера и еще несколько смежных тем, которые активно используются в машинном обучении и анализе данных. Расскажу я об этом просто, понятно и без воды, но с практическими примерами, в том числе на Python.Сейчас я кратенько и водянисто расскажу о проблематике, а потом перейдем непосредственно к теме. Обещаю всю воду оставить исключительно здесь)
Несудьба, интегрально-ролевая система
Правила универсальной нарративно-вычислительной ролевой системы, предназначенной как для соло игр, так и вождения партии. Использует калькулятор, теги с идентификаторами и строится на интерпретации ассоциаций.
Почему GPT-4 ошибается в 96% случаев: границы возможностей LLM
7 декабря 1962 года журнал Life International опубликовал логическую головоломку, состоящую из 15 предложений, описывающих пять домов на улице. Каждое предложение содержало подсказку, например: «Англичанин живёт в красном доме» или «Молоко пьют в среднем доме». Каждый дом имел свой цвет, в нём проживали люди разных национальностей, у которых были разные домашние животные и другие характеристики. Заголовок статьи гласил: «Кому принадлежит зебра?» Подобные задачи стали примером для оценки возможностей, а также ограничений современных моделей машинного обучения.
