ИИ‑разработчиков в России обяжут раскрывать, на каких данных обучалась их нейросеть
Разработчиков в сфере искусственного интеллекта в России могут обязать раскрывать массивы данных, на которых обучались или тестировались их модели,
Microsoft и EA отменили французскую локализацию в некоторых играх из-за отказа актёров озвучки от условий обучения ИИ
Microsoft и Electronic Arts перестали добавлять локализации на французском языке в свои игры, поскольку актёры озвучки отказались принимать условия видеоигровых издателей на использование голосов для обучения моделей искусственного интеллекта, пишет французский портал JeuxOnLine.
Microsoft работает над созданием маркетплейса для лицензирования контента, используемого в обучении ИИ
Компания Microsoft занимается разработкой маркетплейса Publisher Content Marketplace, который позволит лицензировать контент, который используется для обучения ИИ‑моделей. Пользователи смогут выставлять условия для использования публикуемого ими контента, который будут оплачивать использующие его ИИ‑компании. Планируется, что платформа позволит авторам контента собирать детальные отчёты о том, как их материалы были использованы после публикации. В свою очередь, ИИ‑разработчики получат легальный доступ к лицензированному контенту высокого качества.
xAI открыл вакансии для профессиональных писателей, журналистов и сценаристов по обучению ИИ
Стартап xAI открыл вакансии для профессиональных писателей, журналистов и сценаристов, чтобы они занялись обучением моделей искусственного интеллекта. Разработчик чат-бота Grok и одноимённых ИИ-моделей предлагает от $40 до $125 в час специалистам десятков направлений, включая медицинскую журналистику, юридическую публицистику, копирайтинг и поэтическое творчество.
Пошаговый запуск собственного LLM сервера от А до Я
ВведениеВ сети сейчас полно «гуру» и коучей, которые обещают запустить собственную LLM почти на ноутбуке. Да, это технически возможно, но обычно речь идёт о моделях в диапазоне от млн до млрд параметров. Такая модель будет работать, однако — медленно, и её практическая ценность будет ограничена. В результате многие пользователи разочаровываются в локальных LLM. В этой статье я расскажу, как пошагово развернуть собственный сервер для инференса LLM, чтобы получить действительно полезный инструмент. Зачем нужен локальный сервер LLM?Снижение расходов
Боязнь и недоверие к нейросетям: почему мы так реагируем на LLM технологии
Вводные данные: год назад я, как и многие, скептически относился к искусственному интеллекту, считая его лишь набором «умных» запросов к интернету. После нескольких разговоров с публичной нейросетью меня поразили её способности, но мои коллеги по‑прежнему уверенно утверждали, что ИИ – это просто огромная база данных. Я собрал собственный сервер, запустил локальную нейросеть без доступа к сети, но даже предложение протестировать её на моём GPU‑сервере никого не заинтересовало. Что скрывается за этим скептицизмом? Почему люди отрицают возможности ИИ, хотя внутри уже чувствуют тревогу перед неизвестным?
Локальная модель vs Гигачат: мой опыт и выводы
Как всё началосьПрошлой весной я впервые столкнулся с нейросетью — Гигачат от Сбербанка. До этого я считал такие сервисы «несерьёзной фигнёй». После нескольких экспериментов с Гигачатом моё мнение кардинально изменилось: ответы оказались впечатляющими, и я начал задумываться о применении ИИ в работе.Однако использовать внешний сервис в коммерческих проектах оказалось дорогим. Я начал искать альтернативу — локальные модели, которые можно запускать на собственном железе без постоянных расходов.Первый шаг: небольшие модели
Сотни деятелей культуры поддержали кампанию «Кража — не инновация» против незаконного использования контента для ИИ
Около 800 художников, писателей, актёров и музыкантов присоединились к кампании под названием «Кража — это не инновация», участники которой выступают против незаконного использования контента ИИ‑компаниями для обучения своих моделей.
Cloudflare купила разработчика преобразователя неструктурированных данных Human Native
Cloudflare приобрела Human Native. Компания разработала технологию, которая использует неструктурированный контент от обычных издателей, авторов и медиа-компаний и преобразует его в понятный для ИИ.
