ИИ знает, что вы делали вчера: зачем Google запускает Dreambeans
Google выводит Dreambeans за пределы США: первым международным рынком экспериментального приложения стала Индия. Сервис создаёт иллюстрированные истории на основе информации из подключённых приложений Google. Пользователю достаточно разрешить доступ к выбранным источникам — темы для ежедневной подборки ИИ предложит сам.В Индии Dreambeans доступно на Android и iOS пользователям от 18 лет. Приложение поддерживает английский и 13 местных языков. Вместе с новой аудиторией Google получает проверку своей идеи: насколько людям нужна лента, которая сама выбирает темы из их личной информации.
У ИИ есть знания, у человека — контекст
TL;DR. Текст всё чаще доходит до читателя через два преобразователя: ИИ, с которым пишет автор, и ИИ, который делает выжимку для читателя. В КИПиА такая конструкция называется измерительным каналом, и у неё есть известное свойство: погрешности звеньев складываются, а проверять нужно канал целиком. Знание ИИ передаёт через канал хорошо. Контекст — нет. Ниже разбираю, какой именно контекст теряется, почему ошибка модели, общая для всех её читателей, опаснее обычного непонимания и как поверять такой канал автору и читателю.Два преобразователя между автором и читателем
Scikit-rank — open-source-библиотека для нейросетевого ранжирования
Всем привет! На связи Александр Милоградский, отвечаю за R&D в направлении рекомендательных технологий Т-Банка. Расскажу о нашем новом вкладе в open source —
Приложение персонализированных ИИ‑рекомендаций Dreambeans доступно для бесплатного тестирования в США
ИИ‑приложение Dreambeans от Google Labs, которое создаёт для пользователей персонализированные ленты новостей,
Как агентский ИИ перестраивает клиентский опыт
Как агентский ИИ перестраивает клиентский опыт
«Вам может это понравиться»: на Урбан ML разобрались, почему рекомендательные системы перестали предлагать похожее
Открывая онлайн-кинотеатр, сервис для прослушивания аудиокниг или музыки, пользователи редко задумывается о том, почему перед ним оказались именно эти фильмы, книги или треки. Между тем рекомендательные системы в последнее время переживают крупную трансформацию. Если раньше задача сервисов сводилась к поиску похожих пользователей или товаров, то сегодня они уже умеют предугадывать намерения человека, и развитие LLM ускорило этот процесс.
