Как прочитать канал с 1000 постов за час 🤩

Други, а вы в курсе, что в телеграме можно полностью скачать архив чата иди канала?

Это возможно в компьютерной версии приложения (см. на скриншоте).

Там можно выбрать, экспортировать ли медиафайлы и за какой период.

🤩И что дальше?

А теперь берете эту ссылку, загружаете в GPT и делаете с ней все, что хотите. Можно попросить найти самые интересные темы, или проверить был ли в этом канале ответ на Ваш вопрос.

Вариант для предпринимателей - это скачать историю какого-нибудь бизнесового чата, через ИИ найти всех людей, которые спрашивали про проблему, которую Вы решаете и написать им с предложением.

Знали об этом?

ИИ-учёные начинают свой путь в науке 🤩

Искусственный интеллект перешёл на новый уровень. Теперь он не просто помогает учёным, а сам становится учёным. Представь ИИ, который формулирует гипотезы, проводит эксперименты и пишет научные статьи самостоятельно.

Вот пример: в 2019 году команда MIT обучила ИИ на базе 1700 препаратов, одобренных FDA, и он открыл новый антибиотик Halicin. В 2023 году тот же ИИ нашёл антибиотик, который может справиться с MRSA — бактерией, устойчивой к лечению. Это уже не просто инструмент, а полноценный ИИ-исследователь.

🤩 Что такое ИИ-учёные? Сегодня термин "ИИ-учёный" применяется не только к людям, работающим с ИИ, но и к самим ИИ-системам, которые ведут исследования. Например, ИИ может анализировать научную литературу, выдвигать гипотезы, проводить эксперименты и даже писать статьи.

Команды из Оксфорда и Университета Британской Колумбии разрабатывают ИИ, который сможет пройти весь научный процесс от начала до конца. Чтобы избежать ошибок, он действует пошагово: генерирует гипотезы, проверяет их на уникальность, пишет код для тестов, проводит эксперименты и следит за результатами.

🤩 Проблемы и вызовы
Однако не всё идеально. ИИ может быть предвзятым, уделяя больше внимания уже известным областям. Отсутствие интуиции иногда мешает — например, ИИ может не учесть факторы, которые человек "чувствует" на опыте.

Но у него есть и плюсы. ИИ не ограничен предвзятостью человеческого мышления. Когда один физик не мог придумать способ наблюдения за частицами света, ИИ предложил успешное решение за несколько часов.

ИИ-учёные — это будущее науки. Они ускорят исследования, но всё ещё нуждаются в доработке. Как вам такое?

Реально бесплатные нейросети 🤩

Думаю, у многих возникала проблема, когда Вы хотите быстро решить единоразовую задачу, ищите для этого подходящую нейросеть, а они все платные или даже если дают пробный период, то его не хватает.

Я решил, что пора взламывать эту жизнь. Нужно  начать и научить вас использовать опенсорсные модели. Это программы, код которых находится в открытом доступе. И в принципе каждый может ими пользоваться.

Но есть нюанс, они часто не развернуты в виде сервиса. И человек, не разбирающийся в базовом программировании, не сможет сам сделать так, чтобы этот код работал. К тому же, не у всех железо нормально потянет некоторые модели.

🤩 Здесь на помощь приходит Google Colab - я раньше писал, что это такое, можете найти через поиск. Но и здесь, чтобы разворачивать нейросети, нужно знать, как запускать код.

Для тех, кто не хочет со всем этим заморачиваться - вот ссылка на статью, где собраны 63 условно-бесплатные нейросети для работы с изображениями, текстом и аудио.

И, исходя из всего перечисленного, у меня есть два предложения:

1️⃣ Я погружусь в мир опенсорса и буду собирать для Вас в Google Colab опенсорсные нейросети и рассказывать, как правильно их использовать.

2️⃣ Мы будем тестировать, насколько хорошо работают условно-бесплатные сервисы. Начнем как раз со списка, о котором я написал выше. И составим свой рейтинг самых лучших.

Но в обоих случаях, я хочу видеть вашу поддержку и отдачу, потому что это не совсем легкая работа.

Начнём, с этого поста. Жду на нём 20 реакций 🤩

И проголосуйте в опросе ниже, по какому пути пойдем.

Генеративная нейросеть с возможностью обучения ☕️

Итак, 20 лайков есть. Даже больше, спасибо. Погнали разбирать список.

Первым в очереди немного необычный сервис NightCafe, потому что он дает возможность "обучить" модель SDXL под себя. Для этого нужно загрузить не менее 20 изображений.
Я очень редко встречал подобное.

Еще можно также научить модели генерировать фотографии только с Вашим лицом или определенным стилем.

Очень большой плюс в том, что эта настройка доступна бесплатно.

К сожалению, есть и существенный минус - бесплатно доступно только 5 кредитов. Но никто не отменял смену аккаунтов)

А цены достаточно демократичны, за 6 долларов дают 100 кредитов в месяц, их хватит на 406 изображений.

Прикольно еще, что в платном тарифе можно использовать настройки других пользователей. Представляете, какая там доступна вариативность?

Буду рад, если попробуете и поделитесь своими результатами.

Как учёные предлагают использовать дебаты, чтобы спасти образование от ИИ ✊

Искусственный интеллект активно входит в образовательные процессы, помогая студентам писать работы. Но вместе с этим возникает риск, что навыки критического мышления и аргументации начнут снижаться. А что, если вместо борьбы с нейросетями, лучше развивать навыки, которые они не могут заменить?

Дебаты как спасение 🤩
Исследователи из Университета Канзаса, Джейкоб Джастис и Бретт Брикер, предлагают решение — вернуться к старому, проверенному методу обучения: дебаты.

По их мнению, умение грамотно вести спор, перестраивать аргументы и реагировать на критику развивает навыки, которые ИИ не сможет заменить. Более того, дебаты помогают повысить глубину понимания материала, научиться исследовать темы и проявлять эмпатию к оппонентам.

Чем нейросети хуже? 🤩
Недавние исследования показали, что использование ИИ для написания научных работ снижает точность понимания понятий на 25% и уменьшает уровень осознанного чтения на 12%. Искусственный интеллект может помочь сделать работу быстрее, но на выходе вы получите только поверхностные знания.

Почему это важно? 🤩
Генерация фейков и информационного мусора растет с каждым годом. Умение защищать свою точку зрения и критически оценивать новую информацию — это не просто навык, а жизненно важная компетенция в современном мире.

Дебаты могут стать ключевым инструментом в обучении, начиная с начальной школы и до университетов. Это поможет не только лучше понимать сложные темы, но и выработать критическое мышление, которое так важно в эпоху ИИ.

Студийная запись из шакальной 📞

Если б я знал об этом сервисе, когда выполнял заказ по озвучке, мне бы это очень помогло. А то я танцы с бубном устраивал в поисках нормального апскейлера.

А эта нейронка еще и от Adobe. Уверен, кто-то о ней уже слышал. Но я все же расскажу.

Хотя, на самом деле рассказывать почти нечего. Вот ссылка.

После самой обычной регистрации вам каждый день будет доступно для улучшения в общем объеме 1 час аудио. А одним файлом максимум 30 минут или 500 мегабайт. Для обычных задач вполне достаточно.

Дальше тоже всё легко. Просто загружаете файл и нажимаете кнопку улучшения.

И, естественно, лучше один раз услышать, чем 1000 раз прочитать. Поэтому я записал голос через аудиоредактор, выставив минимальные значения частоты (8000 Hz) и битрейта (64 Kbps).

Результаты ниже 👇🏻

Шумы нейронка убрала очень хорошо и даже добавила голосу басистости. В каких-то моментах заметно, что голос изменен. Но мне кажется это из-за того, что изначальные параметры аудио очень плохие были.

Есть, кстати в сервисе еще платная подписка, которая добавляет больше контроля над изменениями.

Пользуйесь и ставьте реакции на этот пост 🙃

Что такое кэширование промпта и зачем оно нужно? 👨‍💻

Недавно OpenAI анонсировали эту функцию. Давайте разберемся, что это вообще такое.

Если работаешь с нейросетями, в какой-то момент сталкиваешься с тем, что генерация текста жрёт кучу ресурсов. Тут-то и приходит на помощь кэширование промпта.

Что это такое?

Кэширование промпта — это способ сохранять результаты запросов, чтобы не пересчитывать их снова. Один раз отправил запрос — результат сохранился. Следующий раз не надо ждать генерации: ответ достаётся из кэша.

Зачем это нужно?

- Экономия ресурсов: Генерация сложных текстов требует мощности. Кэширование снижает нагрузку.
- Быстрый ответ: Не нужно ждать, пока модель снова всё пересчитает.
- Стабильность: Если тебе важна консистентность ответов (например, в документах), кэш даёт один и тот же результат на одинаковые запросы.

Как это работает?

1. Модель проверяет, был ли такой запрос ранее (сравнивает промпты через хэширование).
2. Если запрос совпадает, результат вытаскивается из кэша.
3. Кэш управляется памятью: например, используется метод LRU (least recently used), чтобы удалить старые данные и освободить место.

Какие есть минусы?

- Нет гибкости: Если промпт слегка изменился, а ответ пришёл старый — это может запутать.
- Память: Кэш надо чистить, иначе он начнёт захламлять систему.

Кэширование промпта — отличный инструмент, если всё настроить правильно. Важно не перегнуть палку и не забывать чистить кэш.