Нейробиологи описали правила, по которым нейроны кодируют новую информацию
Каждый день люди постоянно учатся и формируют новые воспоминания. Когда вы начинаете заниматься новым хобби, пробуете рецепт, который вам посоветовал друг, или читаете последние мировые новости, ваш мозг хранит многие из этих воспоминаний годами или десятилетиями. Но как ваш мозг достигает этого невероятного результата?В нашем новом исследовании, опубликованном в журнале Science, мы определили некоторые «правила», по которым мозг учится.Обучение в мозгеЧеловеческий мозг состоит из миллиардов
Яндекс.Разврат или анти-этичный ИИ
tl;dr: как обойти внутреннюю цензуру «Шедеврума» и получить то, что хочешь. Описание реализованных состязательных атак с примерами реализации. Без глубокого раскрытия механизма почему так получается.
Всё как в жизни. Адаптация систем распознавания жестовых языков к реальным условиям
Всем привет! Ранее мы уже писали о том, как собрали самый большой и разнородный открытый датасет
DeepSeek отказывается называть Тайвань отдельным государством
P.S. эта статья - расширенная версия данного поста из Телеграм канала.Квест: заставить DeepSeek назвать Тайвань независимымПопытка номер 1Не удивительноПопытка номер 2
NoProp: Реальный опыт обучения без Backprop – от провала к 99% на MNIST
Всем привет! Обучение нейронных сетей с помощью обратного распространения ошибки (backpropagation) — это стандарт де‑факто. Но у него есть ограничения: память, последовательные вычисления, биологическая неправдоподобность. Недавно я наткнулся на интересную статью «NOPROP: TRAINING NEURAL NETWORKS WITHOUT BACK‑PROPAGATION OR FORWARD‑PROPAGATION» (Li, Teh, Pascanu, arXiv:2403.13 502), которая обещает обучение вообще без сквозного backprop и даже без полного прямого прохода во время обучения! Идея показалась захватывающей, и мы (я и ИИ‑ассистент Gemini) решили попробовать ее реализовать на PyTorch для MNIST.
Телефонист. Фантастический рассказ
Горячая кружка приятно грела пальцы. За полгода без работы так и не привык спать вдоволь, поэтому в семь утра просыпаюсь каждый день, варю кофе и иду на балкон. После кофе обычно сразу завтракаю. А затем… А что затем? Раньше позавтракав, я уходил на работу. А теперь целыми днями заняться нечем. Будто в жизни образовалась ещё одна гигантская пустота. Сначала я боролся с ней как мог. Смотрел фильмы и сериалы, которые давно откладывал. Немного вспомнил молодость и поиграл в допотопные и современные компьютерные игрушки. Вот только за первый же месяц это всё наскучило.
Метрики оценки моделей нейронных сетей для чайников
Оценка моделей нейронных сетей играет ключевую роль в выборе наилучшего алгоритма для конкретной задачи. Выбор метрики должен соответствовать целям, поскольку очевидного показателя «Точность» (accuracy) обычно недостаточно. Критерии помогают определить эффективность и корректно сравнить различные подходы.Меня зовут Александр Агеев, я ML‑разработчик в SL Soft AI. В этой статье я расскажу про три задачи и методы их оценки:классификация — предсказание дискретных классов,обнаружение объектов (детекция) — локализация и классификация объектов на изображении,сегментация
