Мы этого не хотели. Мы этого боялись. Но в глубине души понимали, что рано или поздно это должно было произойти. И вот свершилось: искусственный интеллект добрался до рэпа. Но, как говорится, есть нюанс, и даже не один.
Журналист The Guardian протестировал приложение iRap — оно помогает рифмовать слова и целые предложения с помощью ИИ. Причём создатели утверждают, что ПО подбирает правильные фразы не только по ритму, но и по их семантическому значению. А ещё программа предлагает перестроить предложение так, чтобы оно лучше рифмовалось.
Здесь работает сразу несколько нейросеток. Первая преобразует устную речь в текст (журналист похвалил качество транскрипции). Вторая классифицирует части речи и ударные слоги. Потом языковые модели предлагают новые слова — похоже на то, как работают подсказки на клавиатурах смартфонов.
В теории звучит отлично, но на практике всё оказалось не так радужно. Приведу примеры из текста. Когда обозреватель сказал фразу Big red dog in the house («Большая красная собака в доме»), ему предложили рифмы Mouse («мышь»), Grouse («тетерев») и Slaughterhouse («скотобойня»). Здесь всё ещё терпимо, это можно превратить в странноватый рэп про забой животных на ферме.
Но функция с подбором синонимов сработала очень странно. Алгоритмы предложили три варианта на замену фразы про собаку в доме — Adult redhead goat in the accommodation («Взрослая рыжая коза в общежитии»), Cosmic coco cow in the compound («Космическая кокосовая корова в комплексе») и Monolithic rouge man in the manor («Монолитный румяный мужчина в усадьбе»). Кажется, русским рэперам пора напрячься — их карьера под угрозой.
А ещё журналист заметил, что алгоритм собрал в себе все замшелые стереотипы о рэперах. В синонимах к названию этого жанра он увидел слова «головорезы», «бандиты» и «сутенёры».
В общем, ложная тревога — искусственный интеллект пока не готов заменить наших любимых рэперов. Но держим в уме, что это только первый шаг, ведь программа обучается и на неудачных попытках.
Журналист The Guardian протестировал приложение iRap — оно помогает рифмовать слова и целые предложения с помощью ИИ. Причём создатели утверждают, что ПО подбирает правильные фразы не только по ритму, но и по их семантическому значению. А ещё программа предлагает перестроить предложение так, чтобы оно лучше рифмовалось.
Здесь работает сразу несколько нейросеток. Первая преобразует устную речь в текст (журналист похвалил качество транскрипции). Вторая классифицирует части речи и ударные слоги. Потом языковые модели предлагают новые слова — похоже на то, как работают подсказки на клавиатурах смартфонов.
В теории звучит отлично, но на практике всё оказалось не так радужно. Приведу примеры из текста. Когда обозреватель сказал фразу Big red dog in the house («Большая красная собака в доме»), ему предложили рифмы Mouse («мышь»), Grouse («тетерев») и Slaughterhouse («скотобойня»). Здесь всё ещё терпимо, это можно превратить в странноватый рэп про забой животных на ферме.
Но функция с подбором синонимов сработала очень странно. Алгоритмы предложили три варианта на замену фразы про собаку в доме — Adult redhead goat in the accommodation («Взрослая рыжая коза в общежитии»), Cosmic coco cow in the compound («Космическая кокосовая корова в комплексе») и Monolithic rouge man in the manor («Монолитный румяный мужчина в усадьбе»). Кажется, русским рэперам пора напрячься — их карьера под угрозой.
А ещё журналист заметил, что алгоритм собрал в себе все замшелые стереотипы о рэперах. В синонимах к названию этого жанра он увидел слова «головорезы», «бандиты» и «сутенёры».
В общем, ложная тревога — искусственный интеллект пока не готов заменить наших любимых рэперов. Но держим в уме, что это только первый шаг, ведь программа обучается и на неудачных попытках.
the Guardian
Rapper’s delight or weapons-grade nonsense? The app that uses AI to help MCs bust a rhyme
New tech is promising to take rap artists to new lyrical heights. But will its algorithm be able to handle our novice writer’s rubbish rhymes?
😁11👍5🔥3
Лучшие фильмы об искусственном интеллекте
Решила не включать в подборку совсем попсовые работы вроде «Матрицы» и «Терминатора» — вы их и так наверняка смотрели.
🎬 «Она», 2013 год (16+)
История одинокого писателя Теодора, который купил голосового помощника с искусственным интеллектом. Саманта (так звали ассистентку) постоянно учится и постепенно начинает понимать человеческие эмоции. Через какое-то время главный герой и Саманта влюбляются друг в друга.
Фильм стоит посмотреть хотя бы ради гениального Хоакина Феникса в главной роли и отличного сценария — не зря картина получила «Оскар» и «Золотой глобус».
🎬 «Из машины», 2014 год (16+)
Тоже оскароносный фильм, но уже за визуальные эффекты. Этот научно-фантастический триллер — о программисте Калебе Смите. Начальник попросил его протестировать первый в мире полноценный ИИ — так Калеб оказался на неделю в одном доме с человекоподобным роботом по имени Ава. Как вы могли догадаться, в какой-то момент эксперимент идёт не по плану.
🎬 «Игра в имитацию», 2014 год (16+)
Действие фильма разворачивается во время Второй мировой войны. В центре сюжета — британский математик Алан Тьюринг, который пытается взломать немецкую шифровальную машину Enigma. Он вооружается помощью лучших разгадывателей кроссвордов и создаёт первый в истории компьютер.
Советую посмотреть картину, даже если вы не любите Бенедикта Камбербэтча (но надеюсь, что вы не из таких). Ведь здесь хорошо показана биография «отца» компьютерных наук.
🎬 «АльфаГо», 2017 (0+)
Документальный фильм об исследователях из DeepMind, которые создали алгоритм для игры в го — древнюю китайскую настолку. До недавнего времени её считали слишком сложной, чтобы машина могла играть на уровне кожаных профессионалов. Но программа AlphaGo доказала, что это не так.
Против AlphaGo выступил южнокорейский чемпион мира по игре в го Ли Седоль. Если вы читали новости, то знаете, чем закончилось эпичное противостояние. Но всё равно посмотреть документалку и «заглянуть за кулисы» битвы будет интересно.
Решила не включать в подборку совсем попсовые работы вроде «Матрицы» и «Терминатора» — вы их и так наверняка смотрели.
🎬 «Она», 2013 год (16+)
История одинокого писателя Теодора, который купил голосового помощника с искусственным интеллектом. Саманта (так звали ассистентку) постоянно учится и постепенно начинает понимать человеческие эмоции. Через какое-то время главный герой и Саманта влюбляются друг в друга.
Фильм стоит посмотреть хотя бы ради гениального Хоакина Феникса в главной роли и отличного сценария — не зря картина получила «Оскар» и «Золотой глобус».
🎬 «Из машины», 2014 год (16+)
Тоже оскароносный фильм, но уже за визуальные эффекты. Этот научно-фантастический триллер — о программисте Калебе Смите. Начальник попросил его протестировать первый в мире полноценный ИИ — так Калеб оказался на неделю в одном доме с человекоподобным роботом по имени Ава. Как вы могли догадаться, в какой-то момент эксперимент идёт не по плану.
🎬 «Игра в имитацию», 2014 год (16+)
Действие фильма разворачивается во время Второй мировой войны. В центре сюжета — британский математик Алан Тьюринг, который пытается взломать немецкую шифровальную машину Enigma. Он вооружается помощью лучших разгадывателей кроссвордов и создаёт первый в истории компьютер.
Советую посмотреть картину, даже если вы не любите Бенедикта Камбербэтча (но надеюсь, что вы не из таких). Ведь здесь хорошо показана биография «отца» компьютерных наук.
🎬 «АльфаГо», 2017 (0+)
Документальный фильм об исследователях из DeepMind, которые создали алгоритм для игры в го — древнюю китайскую настолку. До недавнего времени её считали слишком сложной, чтобы машина могла играть на уровне кожаных профессионалов. Но программа AlphaGo доказала, что это не так.
Против AlphaGo выступил южнокорейский чемпион мира по игре в го Ли Седоль. Если вы читали новости, то знаете, чем закончилось эпичное противостояние. Но всё равно посмотреть документалку и «заглянуть за кулисы» битвы будет интересно.
👍21🔥3❤1
Уже сложно вспомнить, сколько раз я рассказывала про то, как нейросети учатся самостоятельно писать тексты по запросу. Пока у них это получается с переменным успехом — финальный вариант в любом случае приходится редактировать или собирать по крупицам из нескольких фрагментов.
📝 Но с мелкими задачами вроде написания слоганов или коротких описаний они уже неплохо справляются. Я чаще всего пользуюсь сберовскими алгоритмами, потому что они понимают русский язык.
👉 mGPT умеет достраивать предложения. Вы пишете часть фразы, а нейросеть выдаёт продолжение. Её обучили на 600 Гб данных из «Википедии» и других открытых источников. Она понимает 61 язык и даже учитывает культурный контекст.
Поэтому сетку можно использовать в онлайн-торговле и маркетинге — например, чтобы локализовывать карточки товаров в интернет-магазинах. А если нейросеть дообучить, она даже сможет «подрабатывать» чат-ботом.
👉 Сервис «Рерайтер», как понятно из названия, умеет переписывать текст другими словами, с помощью синонимов. Естественно, первоначальный смысл сохраняется (по крайней мере, должен).
Пока доступна бесплатная демо-версия. Лучше всего она работает с небольшими фрагментами — в крупных текстах нейросетка пока теряется. В любом случае даже сейчас её можно использовать для рерайта маленьких новостей или рекламных сообщений. В будущем инструмент прокачают — он научится переписывать текст в определённом стиле.
👉 Нейросеть «Суммаризатор» обрабатывает текст и убирает из него все лишние детали, без которых материал становится чище. В теории это удобный инструмент, если нужно сократить объём без искажения смысла. Например, чтобы уложиться в ограниченное количество символов в рекламном объявлении. Он без проблем уберёт 15–20% бесполезного контента.
Но я не устану повторять. Пока все эти сервисы — помощники, а не полноценные работники. Они ещё учатся, и поэтому результат лучше перепроверять вручную.
📝 Но с мелкими задачами вроде написания слоганов или коротких описаний они уже неплохо справляются. Я чаще всего пользуюсь сберовскими алгоритмами, потому что они понимают русский язык.
👉 mGPT умеет достраивать предложения. Вы пишете часть фразы, а нейросеть выдаёт продолжение. Её обучили на 600 Гб данных из «Википедии» и других открытых источников. Она понимает 61 язык и даже учитывает культурный контекст.
Поэтому сетку можно использовать в онлайн-торговле и маркетинге — например, чтобы локализовывать карточки товаров в интернет-магазинах. А если нейросеть дообучить, она даже сможет «подрабатывать» чат-ботом.
👉 Сервис «Рерайтер», как понятно из названия, умеет переписывать текст другими словами, с помощью синонимов. Естественно, первоначальный смысл сохраняется (по крайней мере, должен).
Пока доступна бесплатная демо-версия. Лучше всего она работает с небольшими фрагментами — в крупных текстах нейросетка пока теряется. В любом случае даже сейчас её можно использовать для рерайта маленьких новостей или рекламных сообщений. В будущем инструмент прокачают — он научится переписывать текст в определённом стиле.
👉 Нейросеть «Суммаризатор» обрабатывает текст и убирает из него все лишние детали, без которых материал становится чище. В теории это удобный инструмент, если нужно сократить объём без искажения смысла. Например, чтобы уложиться в ограниченное количество символов в рекламном объявлении. Он без проблем уберёт 15–20% бесполезного контента.
Но я не устану повторять. Пока все эти сервисы — помощники, а не полноценные работники. Они ещё учатся, и поэтому результат лучше перепроверять вручную.
👍16🔥2
Поздравляю с Первым сентября тех, кому сегодня не нужно на учёбу! В честь такого праздника собрала несколько интересных ИИ-стартапов в EdTech.
👩🏫 Южнокорейская компания Riiid использует искусственный интеллект, чтобы адаптировать обучение английскому языку под каждого пользователя. Флагманский продукт — приложение Santa для подготовки к международному экзамену TOEIC.
Здесь используют весь набор технологий — компьютерное зрение, обработку естественного языка и машинное обучение. Алгоритм прогнозирует оценки и поведение учеников, поэтому приложение может в реальном времени подстраивать контент под запросы пользователя.
Большой плюс в том, что технологию может использовать и адаптировать любая школа или университет.
👩🏫 Стартап ELSA Speak появился благодаря тому, что его основательница — вьетнамка Ву Ван — приехала учиться в США и не смогла найти общий язык с местными. Ни преподаватели, ни одногруппники не понимали её из-за сильного акцента. Тогда ей пришла идея необычного приложения.
Программа использует технологию распознавания речи: она слушает пользователя и оценивает его произношение. Сразу во время тренировки ИИ говорит, где речь поставлена хорошо, а где ещё нужно что-то подтянуть. Алгоритм обучался на голосах людей, говорящих на английском с разными акцентами. И он продолжает совершенствоваться!
👩🏫 Мы более-менее привыкли к распознаванию лиц на улицах и в общественном транспорте, но некоторые компании пошли дальше. Например, китайская Hikvision Digital Technology устанавливает камеры в местных школах.
Там нейросети отслеживают эмоции учеников — это позволяет понять, насколько внимательно они слушают преподавателя. ПО различает семь выражений лица: нейтральное, счастливое, грустное, разочарованное, злое, испуганное и удивлённое. Учитель видит все эти данные прямо во время урока.
К слову, похожие технологии разрабатывают и в России. В Перми уже даже начали внедрять распознавание эмоций учеников в школах (пока в тестовом режиме).
👩🏫 Южнокорейская компания Riiid использует искусственный интеллект, чтобы адаптировать обучение английскому языку под каждого пользователя. Флагманский продукт — приложение Santa для подготовки к международному экзамену TOEIC.
Здесь используют весь набор технологий — компьютерное зрение, обработку естественного языка и машинное обучение. Алгоритм прогнозирует оценки и поведение учеников, поэтому приложение может в реальном времени подстраивать контент под запросы пользователя.
Большой плюс в том, что технологию может использовать и адаптировать любая школа или университет.
👩🏫 Стартап ELSA Speak появился благодаря тому, что его основательница — вьетнамка Ву Ван — приехала учиться в США и не смогла найти общий язык с местными. Ни преподаватели, ни одногруппники не понимали её из-за сильного акцента. Тогда ей пришла идея необычного приложения.
Программа использует технологию распознавания речи: она слушает пользователя и оценивает его произношение. Сразу во время тренировки ИИ говорит, где речь поставлена хорошо, а где ещё нужно что-то подтянуть. Алгоритм обучался на голосах людей, говорящих на английском с разными акцентами. И он продолжает совершенствоваться!
👩🏫 Мы более-менее привыкли к распознаванию лиц на улицах и в общественном транспорте, но некоторые компании пошли дальше. Например, китайская Hikvision Digital Technology устанавливает камеры в местных школах.
Там нейросети отслеживают эмоции учеников — это позволяет понять, насколько внимательно они слушают преподавателя. ПО различает семь выражений лица: нейтральное, счастливое, грустное, разочарованное, злое, испуганное и удивлённое. Учитель видит все эти данные прямо во время урока.
К слову, похожие технологии разрабатывают и в России. В Перми уже даже начали внедрять распознавание эмоций учеников в школах (пока в тестовом режиме).
👍13🔥3👎1😁1
За последние пару месяцев генераторы изображений создали столько контента, что впечатлить меня этими картинками уже сложно. Но преобразование текста в видео ещё не приелось. Так что знакомлю вас с новым шедевром — короткометражкой The Crow («Ворон») от ирландского художника и композитора Гленна Маршалла.
🏆 Слово «шедевр» я использовала не случайно, ведь картина получила приз жюри Каннского кинофестиваля. Конечно, это далеко не первый фильм, созданный с помощью ИИ. Но предыдущие творения не удостаивались таких высоких наград.
За основу для короткометражки Маршалл взял ролик Painted на YouTube. На нём девушка в чёрном платье танцует в заброшке под эпичную музыку. Это видео он «скормил» нейросети CLIP от OpenAI. Затем предложил системе создать новый ролик с «изображением вороны в пустынном пейзаже».
💃 Получилось, будто поверх оригинального видео наложили красивую анимацию. Поэтому создаётся ощущение, что ворона периодически превращается в танцовщицу, но всего на долю секунды. А потом вновь становится птицей. Маршалл увидел в этом глубокий символизм (видимо, жюри Каннского фестиваля тоже).
В будущем художник хочет добавить 3D-анимацию в свои творения. Ещё он продолжает экспериментировать с CLIP: Маршалл пытается научиться выставлять ракурсы с помощью подробных текстовых запросов для нейросети.
🎬 Мне кажется, The Crow — это добротный вклад в киноиндустрию. Работу Маршалла уже признали на одной престижной премии, а скоро он примет участие и в другой (BAFTA Awards). А широкий интерес к теме ИИ точно не повредит никому.
👉 Кстати, имя Маршалл уже не первый раз мелькает в СМИ. В прошлом году он прославился благодаря клипу на песню группы Daft Punk. Правда, тогда художник воспользовался нейросетью Story2Hallucination. Но результат всё равно достойный — советую глянуть, если любите этих французов.
🏆 Слово «шедевр» я использовала не случайно, ведь картина получила приз жюри Каннского кинофестиваля. Конечно, это далеко не первый фильм, созданный с помощью ИИ. Но предыдущие творения не удостаивались таких высоких наград.
За основу для короткометражки Маршалл взял ролик Painted на YouTube. На нём девушка в чёрном платье танцует в заброшке под эпичную музыку. Это видео он «скормил» нейросети CLIP от OpenAI. Затем предложил системе создать новый ролик с «изображением вороны в пустынном пейзаже».
💃 Получилось, будто поверх оригинального видео наложили красивую анимацию. Поэтому создаётся ощущение, что ворона периодически превращается в танцовщицу, но всего на долю секунды. А потом вновь становится птицей. Маршалл увидел в этом глубокий символизм (видимо, жюри Каннского фестиваля тоже).
В будущем художник хочет добавить 3D-анимацию в свои творения. Ещё он продолжает экспериментировать с CLIP: Маршалл пытается научиться выставлять ракурсы с помощью подробных текстовых запросов для нейросети.
🎬 Мне кажется, The Crow — это добротный вклад в киноиндустрию. Работу Маршалла уже признали на одной престижной премии, а скоро он примет участие и в другой (BAFTA Awards). А широкий интерес к теме ИИ точно не повредит никому.
👉 Кстати, имя Маршалл уже не первый раз мелькает в СМИ. В прошлом году он прославился благодаря клипу на песню группы Daft Punk. Правда, тогда художник воспользовался нейросетью Story2Hallucination. Но результат всё равно достойный — советую глянуть, если любите этих французов.
👍15🔥6
Сегодня, 5 сентября, — международный день благотворительности. Поэтому решила собрать тематические стартапы, которые используют ИИ для поддержки нуждающихся.
Dataro
Австралийская компания помогает фондам собирать больше денег с помощью бигдаты. Например, Dataro уже увеличила чистый доход организации Flying Doctor Service (одна из крупнейших авиамедицинских НКО) на 35 тысяч долларов.
Её алгоритмы машинного обучения анализируют всю историю пожертвований: любые транзакции и коммуникации с донором. После такого анализа ПО присваивает каждому жертвователю прогностический балл — вероятность, с которой человек пожертвует деньги. Так можно экономить деньги и время на тех людей, которые не собираются жертвовать в ближайшее время.
Candid
Этот стартап помогает не только некоммерческим организациям, но и потенциальным донорам. Сервис на основе ИИ подсказывает людям, как лучше распределить пожертвования.
Для этого нужно оставить запрос на сайте: умные алгоритмы всё проанализируют и подберут самый подходящий фонд. В базе данных — более 2 млн НКО по всему миру. У большинства можно посмотреть их статус, миссию, персонал и финансовые отчёты.
Crisis Text Line
Сервис для тех, кто оказался в сложной ситуации. По сути, это горячая текстовая линия, в которой сообщения распределяют между волонтёрами-консультантами с помощью ИИ. Алгоритмы помогают сильно сократить время ожидания. Чем важнее проблема, тем быстрее человек получит помощь.
Служба работает 24/7. Сначала пользователю отвечает бот — он спрашивает, что произошло, а потом выбирает подходящего сотрудника. Обычно волонтёр приходит на помощь в течение пяти минут.
City Mass Mobility Map
Удобный навигатор для людей с ограниченной подвижностью. Человеку нужно один раз заполнить профиль и указать в нём все детали (например, передвигается ли он на коляске или ходит с палочкой). После этого достаточно ввести пункт назначения, и алгоритмы искусственного интеллекта предложат самый оптимальный маршрут с учётом всех ограничений.
Dataro
Австралийская компания помогает фондам собирать больше денег с помощью бигдаты. Например, Dataro уже увеличила чистый доход организации Flying Doctor Service (одна из крупнейших авиамедицинских НКО) на 35 тысяч долларов.
Её алгоритмы машинного обучения анализируют всю историю пожертвований: любые транзакции и коммуникации с донором. После такого анализа ПО присваивает каждому жертвователю прогностический балл — вероятность, с которой человек пожертвует деньги. Так можно экономить деньги и время на тех людей, которые не собираются жертвовать в ближайшее время.
Candid
Этот стартап помогает не только некоммерческим организациям, но и потенциальным донорам. Сервис на основе ИИ подсказывает людям, как лучше распределить пожертвования.
Для этого нужно оставить запрос на сайте: умные алгоритмы всё проанализируют и подберут самый подходящий фонд. В базе данных — более 2 млн НКО по всему миру. У большинства можно посмотреть их статус, миссию, персонал и финансовые отчёты.
Crisis Text Line
Сервис для тех, кто оказался в сложной ситуации. По сути, это горячая текстовая линия, в которой сообщения распределяют между волонтёрами-консультантами с помощью ИИ. Алгоритмы помогают сильно сократить время ожидания. Чем важнее проблема, тем быстрее человек получит помощь.
Служба работает 24/7. Сначала пользователю отвечает бот — он спрашивает, что произошло, а потом выбирает подходящего сотрудника. Обычно волонтёр приходит на помощь в течение пяти минут.
City Mass Mobility Map
Удобный навигатор для людей с ограниченной подвижностью. Человеку нужно один раз заполнить профиль и указать в нём все детали (например, передвигается ли он на коляске или ходит с палочкой). После этого достаточно ввести пункт назначения, и алгоритмы искусственного интеллекта предложат самый оптимальный маршрут с учётом всех ограничений.
Startup Daily
AI-led 'givetech' Dataro lands $2.5 million seed round to help charities innovate fundraising
Dataro's machine learning algorithms analyse patterns in fundraising to paint a much more detailed picture of giving.
👍8🔥2
😱 Уже несколько лет нас пугают заголовками о том, что роботы заменят людей в разных профессиях
Мол, нейросети-бухгалтеры будут выполнять всю бюрократическую работу, беспилотные такси — развозить людей, а робокурьеры — доставлять товары.
🕺 Креативный класс оставался в относительной безопасности, пока нейронки не научились почти идеально рисовать картины и неплохо работать с текстом. Теперь настала очередь артистов…
На Financial Times вышла колонка о том, что актёры и музыканты всерьёз переживают о своём профессиональном будущем. 65% опрошенных британцев из этой сферы считают, что ИИ представляет угрозу для отрасли. Попробую порассуждать, действительно ли всё так серьёзно 🤔
Как по мне, страх артистов вполне объясним — взять хотя бы дипфейки. Из громких примеров можно вспомнить, как создатели «Звёздных войн» «оживили» актрису Кэрри Фишер, чтобы она вновь появилась на экранах в образе принцессы Леи. Сегодня дипфейки неплохо делают даже бесплатные мобильные приложения.
🗣 Актёрам озвучки тоже есть о чём переживать. За последние пару лет появилось как минимум несколько сервисов, которые генерируют «живые» голоса, практически неотличимые от реальных. У компании VocaliD есть несколько персонажей на выбор, говорящих разным тембром.
А у Sonantic (её недавно купила Spotify) искусственные голоса могут смеяться, плакать и кричать. И эти фишки уже использовали разработчики компьютерных игр при озвучке героев.
🧑⚖️ Пугает и правовой аспект. Компании всё чаще предлагают артистам контракты, по которым могут использовать синтезированные лицо или голос актёра в любое время. Молодые работники шоу-бизнеса могут поддаться искушению из-за предоплаты, а в будущем пожалеть из-за последствий.
Мне кажется, поводов для переживания и правда достаточно. И хотя вся эта проблема вряд ли сильно затронет топовых актёров уровня Ди Каприо, второстепенным артистам точно станет тяжелее найти работу.
Мол, нейросети-бухгалтеры будут выполнять всю бюрократическую работу, беспилотные такси — развозить людей, а робокурьеры — доставлять товары.
🕺 Креативный класс оставался в относительной безопасности, пока нейронки не научились почти идеально рисовать картины и неплохо работать с текстом. Теперь настала очередь артистов…
На Financial Times вышла колонка о том, что актёры и музыканты всерьёз переживают о своём профессиональном будущем. 65% опрошенных британцев из этой сферы считают, что ИИ представляет угрозу для отрасли. Попробую порассуждать, действительно ли всё так серьёзно 🤔
Как по мне, страх артистов вполне объясним — взять хотя бы дипфейки. Из громких примеров можно вспомнить, как создатели «Звёздных войн» «оживили» актрису Кэрри Фишер, чтобы она вновь появилась на экранах в образе принцессы Леи. Сегодня дипфейки неплохо делают даже бесплатные мобильные приложения.
🗣 Актёрам озвучки тоже есть о чём переживать. За последние пару лет появилось как минимум несколько сервисов, которые генерируют «живые» голоса, практически неотличимые от реальных. У компании VocaliD есть несколько персонажей на выбор, говорящих разным тембром.
А у Sonantic (её недавно купила Spotify) искусственные голоса могут смеяться, плакать и кричать. И эти фишки уже использовали разработчики компьютерных игр при озвучке героев.
🧑⚖️ Пугает и правовой аспект. Компании всё чаще предлагают артистам контракты, по которым могут использовать синтезированные лицо или голос актёра в любое время. Молодые работники шоу-бизнеса могут поддаться искушению из-за предоплаты, а в будущем пожалеть из-за последствий.
Мне кажется, поводов для переживания и правда достаточно. И хотя вся эта проблема вряд ли сильно затронет топовых актёров уровня Ди Каприо, второстепенным артистам точно станет тяжелее найти работу.
👍12🔥5😱3
🖼 Нарисованная нейросетью картина победила в крупном конкурсе. Настоящие художники в ярости
Новость вышла ещё в конце августа, а я до неё добралась только сейчас. Но уж очень руки чешутся обсудить её. Я про американца Джейсона Аллена, который победил на конкурсе изобразительных искусств.
🤖 Фишка в том, что мужчина даже не прикасался к кисти, — его картину «Театр космической оперы» нарисовала нейросеть Midjourney.
Аллен уверяет, что работа заняла у него «многие недели». Он долго подбирал правильный запрос и создал за это время сотни изображений. В конце концов конкурсант выбрал три лучших картины, отредактировал их в фотошопе и напечатал на холстах. Он предварительно растянул работы с помощью другой нейросети Gigapixel AI.
🤬 В интернете сразу же начался очередной холивар на тему того, что настоящие художники скоро останутся без работы. Вечно недовольные пользователи Twitter отреагировали на новость в своей привычной манере. «Мы наблюдаем, как на наших глазах умирает ремесло художника», — посыл у самых популярных комментариев примерно такой.
Но Аллен заранее понимал, что его творчество вызовет споры. Он говорит, что люди почему-то судят искусство по методу его создания. Поэтому победитель обратился к ненавистникам с риторическим вопросом: «А что, если художник написал бы картину, вися вниз головой, и во время работы его били? Следовало бы оценивать его творчество как-то иначе?» 🤔
Ещё конкурсант иронически заметил, что хейтеры выступают против искусства, сгенерированного нейросетью. При этом они же первыми бросаются на живого человека, без которого произведения бы просто не получилось. Аллен считает это лицемерием.
👆 Кстати, американец и не скрывал, что картину рисовала нейросеть, — он открыто говорил об этом на конкурсе. А победа воодушевила его, даже несмотря на комментарии критиков.
Я в этом споре, скорее, на стороне Аллена. Сгенерированные изображения — это новый вид искусства. И игнорировать его абсолютно бессмысленно, оно уже проникло в нашу культуру. И уж тем более нет причин обвинять победителя, который честно признался, что изображение создала Midjourney.
Но Аллен поднял несколько важных вопросов о будущем сгенерированных картин и их месте в современном мире. Можно ли оценивать творчество ИИ наравне с работой живых художников? И можно ли вообще назвать человека автором такой картины?
👉 Как по мне, смешивать реальную живопись и произведение Midjourney на одном конкурсе, наверное, не совсем корректно. По-хорошему организаторам нужно было выделять работу Аллена в отдельную номинацию.
Новость вышла ещё в конце августа, а я до неё добралась только сейчас. Но уж очень руки чешутся обсудить её. Я про американца Джейсона Аллена, который победил на конкурсе изобразительных искусств.
🤖 Фишка в том, что мужчина даже не прикасался к кисти, — его картину «Театр космической оперы» нарисовала нейросеть Midjourney.
Аллен уверяет, что работа заняла у него «многие недели». Он долго подбирал правильный запрос и создал за это время сотни изображений. В конце концов конкурсант выбрал три лучших картины, отредактировал их в фотошопе и напечатал на холстах. Он предварительно растянул работы с помощью другой нейросети Gigapixel AI.
🤬 В интернете сразу же начался очередной холивар на тему того, что настоящие художники скоро останутся без работы. Вечно недовольные пользователи Twitter отреагировали на новость в своей привычной манере. «Мы наблюдаем, как на наших глазах умирает ремесло художника», — посыл у самых популярных комментариев примерно такой.
Но Аллен заранее понимал, что его творчество вызовет споры. Он говорит, что люди почему-то судят искусство по методу его создания. Поэтому победитель обратился к ненавистникам с риторическим вопросом: «А что, если художник написал бы картину, вися вниз головой, и во время работы его били? Следовало бы оценивать его творчество как-то иначе?» 🤔
Ещё конкурсант иронически заметил, что хейтеры выступают против искусства, сгенерированного нейросетью. При этом они же первыми бросаются на живого человека, без которого произведения бы просто не получилось. Аллен считает это лицемерием.
👆 Кстати, американец и не скрывал, что картину рисовала нейросеть, — он открыто говорил об этом на конкурсе. А победа воодушевила его, даже несмотря на комментарии критиков.
Я в этом споре, скорее, на стороне Аллена. Сгенерированные изображения — это новый вид искусства. И игнорировать его абсолютно бессмысленно, оно уже проникло в нашу культуру. И уж тем более нет причин обвинять победителя, который честно признался, что изображение создала Midjourney.
Но Аллен поднял несколько важных вопросов о будущем сгенерированных картин и их месте в современном мире. Можно ли оценивать творчество ИИ наравне с работой живых художников? И можно ли вообще назвать человека автором такой картины?
👉 Как по мне, смешивать реальную живопись и произведение Midjourney на одном конкурсе, наверное, не совсем корректно. По-хорошему организаторам нужно было выделять работу Аллена в отдельную номинацию.
🔥16👍7❤3
📺 Пару лет назад рекламщики сделали дипфейк Леонида Куравлёва — оживили и омолодили его легендарного персонажа Милославского из гайдаевской комедии про Ивана Грозного.
Ролик получился действительно классный и один из первых в этом жанре, поэтому особенных вопросов об авторских правах он не вызвал. Актёр был ещё жив, а его семья согласилась на использование образа (и получила за это хороший гонорар).
🧑🎨 Но теперь мы всё чаще видим, как телевизионщики «оживляют» уже давно почивших актёров на экране. Мода перекочевала с Запада быстрее, чем я этого ждала.
Сначала по Первому показали новый сезон сериала «Диверсант» с дипфейком Владислава Галкина. Теперь телеканал работает над фильмом, героями которого станут сразу пять (!) покойных советских актёров. Ну, точнее, не сами актёры, а их аватары.
🤔 Обсуждать сюжет вольного ремейка «Семи самураев» я точно не хочу. Но вот поразмышлять над этическими и правовыми вопросами — почему бы и нет? Правда, ответов не ждите — их у меня пока нет…
☝️ Во-первых, меня печалит тот факт, что лица актёров будут использовать без их разрешения. Ведь если фильм получится, кхм, некачественным, то память даже безупречного артиста будет опорочена другими людьми. Давайте признаемся: риски очень велики.
✌️ Во-вторых, имеют ли моральное право родственники звёзд распоряжаться таким «наследством»? Ведь эти артисты при жизни наверняка даже не знали о подобных технологиях. И уж точно не могли предположить, что их физиономии можно будет «наклеить» на головы других людей.
С живыми артистами в таких случаях всё гораздо проще. Они могут просто подписать договор с киноделами — на год, пять или всю жизнь. И тогда режиссёры смогут абсолютно легально и без зазрений совести делать фильмы с дипфейками.
👉 В общем, эти тенденции меня настораживают. Масло в огонь подливает и то, что современные алгоритмы ещё не научились делать дипфейки без технических косяков. Даже в высокобюджетных «Звёздных войнах» ожившая принцесса Лея иногда выглядит как персонаж компьютерной игры. Зрителя такими приёмами не обмануть. А тогда зачем всё это нужно?
Ролик получился действительно классный и один из первых в этом жанре, поэтому особенных вопросов об авторских правах он не вызвал. Актёр был ещё жив, а его семья согласилась на использование образа (и получила за это хороший гонорар).
🧑🎨 Но теперь мы всё чаще видим, как телевизионщики «оживляют» уже давно почивших актёров на экране. Мода перекочевала с Запада быстрее, чем я этого ждала.
Сначала по Первому показали новый сезон сериала «Диверсант» с дипфейком Владислава Галкина. Теперь телеканал работает над фильмом, героями которого станут сразу пять (!) покойных советских актёров. Ну, точнее, не сами актёры, а их аватары.
🤔 Обсуждать сюжет вольного ремейка «Семи самураев» я точно не хочу. Но вот поразмышлять над этическими и правовыми вопросами — почему бы и нет? Правда, ответов не ждите — их у меня пока нет…
☝️ Во-первых, меня печалит тот факт, что лица актёров будут использовать без их разрешения. Ведь если фильм получится, кхм, некачественным, то память даже безупречного артиста будет опорочена другими людьми. Давайте признаемся: риски очень велики.
✌️ Во-вторых, имеют ли моральное право родственники звёзд распоряжаться таким «наследством»? Ведь эти артисты при жизни наверняка даже не знали о подобных технологиях. И уж точно не могли предположить, что их физиономии можно будет «наклеить» на головы других людей.
С живыми артистами в таких случаях всё гораздо проще. Они могут просто подписать договор с киноделами — на год, пять или всю жизнь. И тогда режиссёры смогут абсолютно легально и без зазрений совести делать фильмы с дипфейками.
👉 В общем, эти тенденции меня настораживают. Масло в огонь подливает и то, что современные алгоритмы ещё не научились делать дипфейки без технических косяков. Даже в высокобюджетных «Звёздных войнах» ожившая принцесса Лея иногда выглядит как персонаж компьютерной игры. Зрителя такими приёмами не обмануть. А тогда зачем всё это нужно?
👍11🔥5
Топ лучших книг об искусственном интеллекте
И я снова к вам с книжной подборкой. Эти произведения — мастрид для человека, который интересуется ИИ.
⚙️ «Будущее без работы. Технологии, автоматизация и стоит ли их бояться» (18+)
На протяжении веков люди переживали, что новые технологии их заменят. Сначала боялись ткацких станков, потом — двигателей внутреннего сгорания… Все опасения оказались напрасными, ведь эти новшества в итоге только создавали дополнительные рабочие места.
Но автор книги — экономист и писатель Дэниел Сасскинд — доказывает, что на этот раз ситуация изменилась. ИИ действительно может лишить работы большую часть человечества.
Что нужно сделать, чтобы смягчить «удар»? И главное: как мы будем использовать наше время и искать цели в жизни, в которой людям больше не нужно работать? Спойлер — простых ответов нет, но не всё так страшно.
🧠 «Создатели искусственного гения. О бунтарях, которые наделили интеллектом Google, Facebook и весь мир» (16+)
Журналист The New York Times Кейд Метц написал историю о создании и развитии ИИ. В основе книги — сотни репортажей и интервью. Герои произведения — люди, без которых революция в области ИИ не произошла бы. Это Джеффри Хинтон, Демис Хассабис, Ян ЛеКун, Джефф Дин и другие деятели, о которых вы наверняка слышали неоднократно.
Книга читается легко, потому что автор не скучно описывает разные факты и даты, но и делится «закулисными» подробностями. В общем, если интересуетесь областью ИИ — вам почти наверняка понравится.
🌅 «Клара и Солнце» (16+)
Последний на сегодняшний день роман нобелевского лауреата Кадзуо Исигуро уже стал бестселлером. И неслучайно: художественное произведение не хуже документалистики поднимает важные вопросы ИИ.
Сюжет разворачивается в будущем. Героиня книги — андроид по имени Клара, от лица которой и ведётся повествование. Она очень умна и наблюдательна. Но могут ли роботы испытывать эмоции? И, что ещё важнее, смогут ли они заменить человека или хотя бы жить наравне с ним? На это и пытается ответить автор.
И я снова к вам с книжной подборкой. Эти произведения — мастрид для человека, который интересуется ИИ.
⚙️ «Будущее без работы. Технологии, автоматизация и стоит ли их бояться» (18+)
На протяжении веков люди переживали, что новые технологии их заменят. Сначала боялись ткацких станков, потом — двигателей внутреннего сгорания… Все опасения оказались напрасными, ведь эти новшества в итоге только создавали дополнительные рабочие места.
Но автор книги — экономист и писатель Дэниел Сасскинд — доказывает, что на этот раз ситуация изменилась. ИИ действительно может лишить работы большую часть человечества.
Что нужно сделать, чтобы смягчить «удар»? И главное: как мы будем использовать наше время и искать цели в жизни, в которой людям больше не нужно работать? Спойлер — простых ответов нет, но не всё так страшно.
🧠 «Создатели искусственного гения. О бунтарях, которые наделили интеллектом Google, Facebook и весь мир» (16+)
Журналист The New York Times Кейд Метц написал историю о создании и развитии ИИ. В основе книги — сотни репортажей и интервью. Герои произведения — люди, без которых революция в области ИИ не произошла бы. Это Джеффри Хинтон, Демис Хассабис, Ян ЛеКун, Джефф Дин и другие деятели, о которых вы наверняка слышали неоднократно.
Книга читается легко, потому что автор не скучно описывает разные факты и даты, но и делится «закулисными» подробностями. В общем, если интересуетесь областью ИИ — вам почти наверняка понравится.
🌅 «Клара и Солнце» (16+)
Последний на сегодняшний день роман нобелевского лауреата Кадзуо Исигуро уже стал бестселлером. И неслучайно: художественное произведение не хуже документалистики поднимает важные вопросы ИИ.
Сюжет разворачивается в будущем. Героиня книги — андроид по имени Клара, от лица которой и ведётся повествование. Она очень умна и наблюдательна. Но могут ли роботы испытывать эмоции? И, что ещё важнее, смогут ли они заменить человека или хотя бы жить наравне с ним? На это и пытается ответить автор.
🔥10👍4
«Благими намерениями ЕС вымощена дорога в ад регулирования»
Так эксперты в области ИИ оценивают новый законопроект Евросоюза о регулировании нашей любимой сферы. Они уверены, что новые правила ограничат инновации — использовать передовые инструменты с открытым исходным кодом станет сложнее. Но обо всём по порядку.
Драфт законопроекта показали ещё год назад, но споры не утихают до сих пор. Европейцы предложили ограничивать использование многих технологий на основе ИИ, которые могут угрожать сохранности персональных данных граждан ЕС.
💼 Собеседники TechCrunch считают, что под такие критерии может попасть любая модель — с юридической точки зрения правила прописаны слишком расплывчато. Поэтому под ударом все компании, даже некоммерческие.
Вообще, в готовящемся законе есть исключения для некоторых категорий ИИ с открытым исходным кодом (например, для тех, что используются исключительно для исследований). Но невозможно предотвратить использование таких проектов злоумышленниками, говорит аналитик центра Brookings Алекс Энглер.
Свежий пример — система Stable Diffusion, которая генерирует изображения по текстовым подсказкам. Её недавно выпустили в открытый доступ с лицензией, которая запрещает создавать определённые типы контента. Но не помогло — инструмент моментально стали использовать для создания порнографических дипфейков со знаменитостями 🤵♀️
Гендиректор НИИ Allen Institute for AI Орен Эциони тоже видит угрозу для мелких и средних компаний. Он считает, что разработчиков коммерческого ПО и ПО с открытым кодом нужно разделять. В противном случае любые инновации будут появляться только у корпораций, которые и без того чувствуют себя неплохо. Места для конкуренции не останется.
👓 В Hugging Face называют закон «размытым». Пока вообще не понятно, будет он относиться к моделям ИИ или только к ПО, работающему на его базе.
В общем, вопросов пока много. Но я рада, что они поднимаются. Ведь в этом споре рано или поздно зародится истина (я на это надеюсь).
Так эксперты в области ИИ оценивают новый законопроект Евросоюза о регулировании нашей любимой сферы. Они уверены, что новые правила ограничат инновации — использовать передовые инструменты с открытым исходным кодом станет сложнее. Но обо всём по порядку.
Драфт законопроекта показали ещё год назад, но споры не утихают до сих пор. Европейцы предложили ограничивать использование многих технологий на основе ИИ, которые могут угрожать сохранности персональных данных граждан ЕС.
💼 Собеседники TechCrunch считают, что под такие критерии может попасть любая модель — с юридической точки зрения правила прописаны слишком расплывчато. Поэтому под ударом все компании, даже некоммерческие.
Вообще, в готовящемся законе есть исключения для некоторых категорий ИИ с открытым исходным кодом (например, для тех, что используются исключительно для исследований). Но невозможно предотвратить использование таких проектов злоумышленниками, говорит аналитик центра Brookings Алекс Энглер.
Свежий пример — система Stable Diffusion, которая генерирует изображения по текстовым подсказкам. Её недавно выпустили в открытый доступ с лицензией, которая запрещает создавать определённые типы контента. Но не помогло — инструмент моментально стали использовать для создания порнографических дипфейков со знаменитостями 🤵♀️
Гендиректор НИИ Allen Institute for AI Орен Эциони тоже видит угрозу для мелких и средних компаний. Он считает, что разработчиков коммерческого ПО и ПО с открытым кодом нужно разделять. В противном случае любые инновации будут появляться только у корпораций, которые и без того чувствуют себя неплохо. Места для конкуренции не останется.
👓 В Hugging Face называют закон «размытым». Пока вообще не понятно, будет он относиться к моделям ИИ или только к ПО, работающему на его базе.
В общем, вопросов пока много. Но я рада, что они поднимаются. Ведь в этом споре рано или поздно зародится истина (я на это надеюсь).
👍14🔥4
Какие заболевания ИИ ищет у москвичей и немного про точность (в продолжении)
Часто вижу новости медицинской тематики о том, что ИИ научился диагностировать разные болезни. Но обычно речь идёт о западных концептах.
Поэтому меня зацепила новость про похожую нейросеть, которую запустили в московских клиниках ещё весной. Пока она, вроде бы, работает в экспериментальном режиме. Как следует из сообщения на mos.ru, сервис уже проанализировал 28 тысяч медицинских изображений и «хорошо зарекомендовал себя у врачей» 🤑
Правда, кое-что в этой новости меня всё-таки смущает. Начнем с количества заболеваний. Обычно нейросети натаскивают на поиск какого-то одного заболевания (ну, или парочки, если у них похожие признаки). Но отечественная чудо-нейронка определяет семь патологий разом!
🔬 На изображениях компьютерной томографии она находит рак лёгких, остеопороз позвоночника, аневризму грудного отдела аорты, ишемическую болезнь сердца, легочную гипертензия, гидротораксу и даже коронавирус. Предположу, что здесь работает целая система из разных моделей ИИ.
По словам представителей Департамента здравоохранения, диагностическая точность сервисов ИИ — 94%, а доля ложноотрицательных результатов минимальная (но здесь уже почему-то без цифр) 😱
На первый взгляд есть понятный обывателю термин «точность», да ещё и с внушительным уровнем 94%. И тут мы подходим ко второму «сомнительному моменту» — что же такое точность в диагностике. Продолжение в следующем посте.
Часто вижу новости медицинской тематики о том, что ИИ научился диагностировать разные болезни. Но обычно речь идёт о западных концептах.
Поэтому меня зацепила новость про похожую нейросеть, которую запустили в московских клиниках ещё весной. Пока она, вроде бы, работает в экспериментальном режиме. Как следует из сообщения на mos.ru, сервис уже проанализировал 28 тысяч медицинских изображений и «хорошо зарекомендовал себя у врачей» 🤑
Правда, кое-что в этой новости меня всё-таки смущает. Начнем с количества заболеваний. Обычно нейросети натаскивают на поиск какого-то одного заболевания (ну, или парочки, если у них похожие признаки). Но отечественная чудо-нейронка определяет семь патологий разом!
🔬 На изображениях компьютерной томографии она находит рак лёгких, остеопороз позвоночника, аневризму грудного отдела аорты, ишемическую болезнь сердца, легочную гипертензия, гидротораксу и даже коронавирус. Предположу, что здесь работает целая система из разных моделей ИИ.
По словам представителей Департамента здравоохранения, диагностическая точность сервисов ИИ — 94%, а доля ложноотрицательных результатов минимальная (но здесь уже почему-то без цифр) 😱
На первый взгляд есть понятный обывателю термин «точность», да ещё и с внушительным уровнем 94%. И тут мы подходим ко второму «сомнительному моменту» — что же такое точность в диагностике. Продолжение в следующем посте.
👍8🔥5
Что такое точность в диагностике и почему сама по себе она бессмысленна (продолжение)
Итак, я вчера писала про нейросеть, которая диагностирует заболевания у москвичей. На портале mos.ru из характеристик диагностики назвали только точность 👀
Когда мы говорим о каком-то «черном ящике», которому мы даём на вход какую-то информацию и получаем ответ «да» или «нет» сама по себе точность бессмысленна без характеристик «чувствительность» и «специфичность».
Это не зависит от того, какая механика внутри этого «чёрного ящика», будь то полимеразная цепная реакция теста на «ковид» или же алгоритм с глубоким обучением — главное, что это какой-то классификатор. Разберём подробнее.
☝️Чувствительность (sensitivity) — это то, насколько хорошо наш «ящик» распознаёт больных. То есть если человек болен, то он всегда будет распознан. Это доля предсказанных больных от числа реально больных.
☝️Специфичность (specificity) — это то, насколько тест ошибается на небольных. То есть представьте себе ситуацию, что тест просто всегда говорит «да» — это значит, что чувствительность у него будет 1 (он и правда предскажет всех больных), но вот для небольных даст огромное количество ошибок. Таким образом, специфичность — это то, сколько из реально небольных тест определит как реально небольных. Тоже в идеале 1.
В итоге разработчики любых диагностических механизмов обычно оптимизируют оба значения — и чувствительность, и специфичность. И это главные параметры 🫣
Что же касается точности (accuracy) — то это просто результат деления всех правильных диагнозов на все диагнозы. Это плохая характеристика, потому что она зависит от того, сколько у нас больных и небольных.
Представьте себе тест, который всегда говорит «нет». И тогда если у вас миллион здоровых и тысяча больных, то такой тест будет иметь точность 99,9%. Неплохо, не так ли? Поэтому без данных о чувствительности и специфичности — никуда. И это относится к любому тесту 🤔
Итак, я вчера писала про нейросеть, которая диагностирует заболевания у москвичей. На портале mos.ru из характеристик диагностики назвали только точность 👀
Когда мы говорим о каком-то «черном ящике», которому мы даём на вход какую-то информацию и получаем ответ «да» или «нет» сама по себе точность бессмысленна без характеристик «чувствительность» и «специфичность».
Это не зависит от того, какая механика внутри этого «чёрного ящика», будь то полимеразная цепная реакция теста на «ковид» или же алгоритм с глубоким обучением — главное, что это какой-то классификатор. Разберём подробнее.
☝️Чувствительность (sensitivity) — это то, насколько хорошо наш «ящик» распознаёт больных. То есть если человек болен, то он всегда будет распознан. Это доля предсказанных больных от числа реально больных.
☝️Специфичность (specificity) — это то, насколько тест ошибается на небольных. То есть представьте себе ситуацию, что тест просто всегда говорит «да» — это значит, что чувствительность у него будет 1 (он и правда предскажет всех больных), но вот для небольных даст огромное количество ошибок. Таким образом, специфичность — это то, сколько из реально небольных тест определит как реально небольных. Тоже в идеале 1.
В итоге разработчики любых диагностических механизмов обычно оптимизируют оба значения — и чувствительность, и специфичность. И это главные параметры 🫣
Что же касается точности (accuracy) — то это просто результат деления всех правильных диагнозов на все диагнозы. Это плохая характеристика, потому что она зависит от того, сколько у нас больных и небольных.
Представьте себе тест, который всегда говорит «нет». И тогда если у вас миллион здоровых и тысяча больных, то такой тест будет иметь точность 99,9%. Неплохо, не так ли? Поэтому без данных о чувствительности и специфичности — никуда. И это относится к любому тесту 🤔
👍16🔥2
ИИ поможет дописать «домашку», но дети станут глупее. Или нет?
Журналист и писатель Аки Периц решил протестировать, смогут ли современные модели ИИ делать домашку за школьников и студентов. И у него плохие новости для преподавателей — смогут 🦾
Для эксперимента он взял программу Sudowrite (построена на языковой модели GPT-3 от OpenAI). У неё простой алгоритм работы: вы вводите начало текста, а она сама его заканчивает. Я недавно писала об аналогах — их уже немало.
Сначала Периц захотел посмотреть, как нейросеть справится с эссе о политике США и Китая. Он «скормил» программе несколько строк из недавнего доклада Пентагона 🪖 Результат неожиданно оказался вполне осмысленный — немного редактуры и такой текст, возможно, принял бы даже преподаватель из магистратуры. Здесь всё не поместится, так что читайте на сайте Slate, если интересно.
🎒Потом журналист дал ИИ задачку для школьников: он вбил начало своего же сочинения по «Ромео и Джульетте», которое писал в 14 лет. Сгенерированное продолжение ему понравилось даже несмотря на синтаксические ошибки и странные формулировки — это вполне в духе старшеклассников.
Эксперименты заставили Перица задуматься, что несут такие приложения: вред или благо?
С одной стороны, помощь ИИ похожа на допинг — она даёт нечестные преимущества и наносит ущерб в долгосрочной перспективе (дети никогда не научатся писать сами) 🤥 С другой — такие модели можно сравнить со спортивной экипировкой. Она повышает производительность и позволяет добиваться лучших результатов (и даже поощряется). Так какой вариант здесь подходит больше?
Уверена, что большинство учителей будут выступать за первый. По крайней мере журналист пообщался с несколькими американскими преподавателями, и они подтвердили мои догадки. Педагоги уверены, что использовать ИИ для домашки — это практически то же самое, что списать работу из открытых источников.
В целом, я скорее согласна с такой позицией. Но ИИ никуда не денется, нравится нам это или нет 🤷♀️ Поэтому преподавателям придётся искать новые способы для тестирования учеников. Например, делать акцент на устных экзаменах.
Журналист и писатель Аки Периц решил протестировать, смогут ли современные модели ИИ делать домашку за школьников и студентов. И у него плохие новости для преподавателей — смогут 🦾
Для эксперимента он взял программу Sudowrite (построена на языковой модели GPT-3 от OpenAI). У неё простой алгоритм работы: вы вводите начало текста, а она сама его заканчивает. Я недавно писала об аналогах — их уже немало.
Сначала Периц захотел посмотреть, как нейросеть справится с эссе о политике США и Китая. Он «скормил» программе несколько строк из недавнего доклада Пентагона 🪖 Результат неожиданно оказался вполне осмысленный — немного редактуры и такой текст, возможно, принял бы даже преподаватель из магистратуры. Здесь всё не поместится, так что читайте на сайте Slate, если интересно.
🎒Потом журналист дал ИИ задачку для школьников: он вбил начало своего же сочинения по «Ромео и Джульетте», которое писал в 14 лет. Сгенерированное продолжение ему понравилось даже несмотря на синтаксические ошибки и странные формулировки — это вполне в духе старшеклассников.
Эксперименты заставили Перица задуматься, что несут такие приложения: вред или благо?
С одной стороны, помощь ИИ похожа на допинг — она даёт нечестные преимущества и наносит ущерб в долгосрочной перспективе (дети никогда не научатся писать сами) 🤥 С другой — такие модели можно сравнить со спортивной экипировкой. Она повышает производительность и позволяет добиваться лучших результатов (и даже поощряется). Так какой вариант здесь подходит больше?
Уверена, что большинство учителей будут выступать за первый. По крайней мере журналист пообщался с несколькими американскими преподавателями, и они подтвердили мои догадки. Педагоги уверены, что использовать ИИ для домашки — это практически то же самое, что списать работу из открытых источников.
В целом, я скорее согласна с такой позицией. Но ИИ никуда не денется, нравится нам это или нет 🤷♀️ Поэтому преподавателям придётся искать новые способы для тестирования учеников. Например, делать акцент на устных экзаменах.
🤔13🔥2👍1
Прочитала на The Verge, что Alphabet попыталась объединить два своих амбициозных направления — робототехнику и обработку естественного языка. Так разработчики хотят научить роботов-ассистентов понимать обычные просьбы.
У «корпорации добра» уже есть роботы-помощники (проект Everyday Robots запустили ещё в 2019 году) 🤖 По сути, это механические руки на колёсиках — они умеют вытирать столы, переставлять посуду и открывать двери. Но пока это только прототипы. Журналисты The Verge называют их в видео «медленными и нерешительными».
🧠 Но теперь роботы хотя бы станут умнее. Alphabet обучила их на большой языковой модели PaLM c 540 млрд параметров (я мельком о ней упоминала, когда писала про другой гугловский алгоритм Minerva). PaLM хорошо понимает контекст, поэтому может правильно реагировать даже на неочевидные запросы.
Разработчики привели такой пример. Если сказать механическому помощнику «Я пролил свой сок, можешь помочь?», он интерпретирует просьбу как «Принеси мне губку с кухни» 😱
В Alphabet говорят, что во время тестов обученные роботы правильно понимали инструкции пользователей в 84% случаях (и успешно их выполняли в 74% сценариев). Но я бы относилась к этим цифрам настороженно. Ведь нам не говорят, какие конкретно давали запросы. Вряд ли это были очень сложные предложения.
А в этом и есть главная проблема создания роботов-помощников. Наша жизнь слишком беспорядочна, чтобы ИИ мог в ней ориентироваться на достойном уровне. Даже чтобы выполнить элементарную команду «Порежь яблоко», он должен как минимум знать, где лежат фрукты и какого размера нужны дольки.
Вот почему единственный домашний механический помощник, который может хорошо выполнять свою работу — это робот-пылесос. У него всего одна задача, на которую он запрограммирован — всасывать грязь 🫡
Но будем объективны: Alphabet делает важные шаги в робототехнике. Пусть до полноценных помощников роботам ещё далеко, но они действительно становятся умнее. Так что ждём, пока разработчики доведут проект до ума. Как говорится, будем посмотреть.
У «корпорации добра» уже есть роботы-помощники (проект Everyday Robots запустили ещё в 2019 году) 🤖 По сути, это механические руки на колёсиках — они умеют вытирать столы, переставлять посуду и открывать двери. Но пока это только прототипы. Журналисты The Verge называют их в видео «медленными и нерешительными».
🧠 Но теперь роботы хотя бы станут умнее. Alphabet обучила их на большой языковой модели PaLM c 540 млрд параметров (я мельком о ней упоминала, когда писала про другой гугловский алгоритм Minerva). PaLM хорошо понимает контекст, поэтому может правильно реагировать даже на неочевидные запросы.
Разработчики привели такой пример. Если сказать механическому помощнику «Я пролил свой сок, можешь помочь?», он интерпретирует просьбу как «Принеси мне губку с кухни» 😱
В Alphabet говорят, что во время тестов обученные роботы правильно понимали инструкции пользователей в 84% случаях (и успешно их выполняли в 74% сценариев). Но я бы относилась к этим цифрам настороженно. Ведь нам не говорят, какие конкретно давали запросы. Вряд ли это были очень сложные предложения.
А в этом и есть главная проблема создания роботов-помощников. Наша жизнь слишком беспорядочна, чтобы ИИ мог в ней ориентироваться на достойном уровне. Даже чтобы выполнить элементарную команду «Порежь яблоко», он должен как минимум знать, где лежат фрукты и какого размера нужны дольки.
Вот почему единственный домашний механический помощник, который может хорошо выполнять свою работу — это робот-пылесос. У него всего одна задача, на которую он запрограммирован — всасывать грязь 🫡
Но будем объективны: Alphabet делает важные шаги в робототехнике. Пусть до полноценных помощников роботам ещё далеко, но они действительно становятся умнее. Так что ждём, пока разработчики доведут проект до ума. Как говорится, будем посмотреть.
The Verge
Google adds AI language skills to Alphabet’s helper robots to better understand humans
Robots + AI language understanding = ???
👍7🔥1
5 нейросеток для теста прямо сейчас
Решила собрать интересные нейросетки, с которыми может поэкспериментировать любой. Не нужно даже оставлять заявку на участие в бета-тесте.
ThisPersonDoesntExist
Каждое обновление страницы на этом сайте подарит вам новую фотографию человека. Но есть одно «но» — люди на этих снимках не настоящие, все изображения генерирует нейросеть. Зато она делает это так филигранно, что отличить реальное фото от фейка не могут даже профессиональные фотографы. Кстати, интересный факт: журналисты иногда берут эти снимки, если не хотят «светить» лицом 🫥
Полупроводниковый оркестр
Если вы когда-нибудь мечтали стать дирижёром, у вас есть шанс потренироваться на этом сайте. ИИ-сервис с помощью веб-камеры распознаёт движение рук. Чем сильнее вы машете конечностями, тем быстрее играют электронные инструменты. По такому же принципу можно управлять громкостью — достаточно поднимать руки вверх и вниз.
👯♀️ Единственный минус — оркестр пока знает только одну мелодию. Но даже этого хватит, чтобы оценить возможности искусственного интеллекта.
Бесконечная драм-машина
🎧 Ещё один музыкальный сервис позволяет создавать биты из тысячи повседневных звуков. Например, из лая собаки и хруста печенек. Или из звуков чихания и металлического скрежета — вариантов почти бесконечное количество. Всё, что от вас требуется — поставить точки на своеобразной карте и нажать кнопку Play.
ИИ-дуэт
На этом сайте нарисованы ноты фортепиано. Можете наиграть любую мелодию, а искусственный интеллект подстроится под вас и продолжит ваше общее музыкальное произведение 🎼 Попробуйте, даже если совсем не умеете играть и никогда не учили сольфеджио — процесс увлекательный. Особенно если у вашего дуэта получается красивая музыка.
DALL-E Mini
🖼 Доступ к полноценной версии DALL-E пока ограничен. Но можно легко потестировать её урезанную версию. В её основе та же модель ИИ, которая создаёт изображение на основе текстового запроса. Правда, вычислительная мощность здесь поменьше, так что финальная картинка будет менее чёткая. Но поиграться с нейросеткой всё равно интересно.
Решила собрать интересные нейросетки, с которыми может поэкспериментировать любой. Не нужно даже оставлять заявку на участие в бета-тесте.
ThisPersonDoesntExist
Каждое обновление страницы на этом сайте подарит вам новую фотографию человека. Но есть одно «но» — люди на этих снимках не настоящие, все изображения генерирует нейросеть. Зато она делает это так филигранно, что отличить реальное фото от фейка не могут даже профессиональные фотографы. Кстати, интересный факт: журналисты иногда берут эти снимки, если не хотят «светить» лицом 🫥
Полупроводниковый оркестр
Если вы когда-нибудь мечтали стать дирижёром, у вас есть шанс потренироваться на этом сайте. ИИ-сервис с помощью веб-камеры распознаёт движение рук. Чем сильнее вы машете конечностями, тем быстрее играют электронные инструменты. По такому же принципу можно управлять громкостью — достаточно поднимать руки вверх и вниз.
👯♀️ Единственный минус — оркестр пока знает только одну мелодию. Но даже этого хватит, чтобы оценить возможности искусственного интеллекта.
Бесконечная драм-машина
🎧 Ещё один музыкальный сервис позволяет создавать биты из тысячи повседневных звуков. Например, из лая собаки и хруста печенек. Или из звуков чихания и металлического скрежета — вариантов почти бесконечное количество. Всё, что от вас требуется — поставить точки на своеобразной карте и нажать кнопку Play.
ИИ-дуэт
На этом сайте нарисованы ноты фортепиано. Можете наиграть любую мелодию, а искусственный интеллект подстроится под вас и продолжит ваше общее музыкальное произведение 🎼 Попробуйте, даже если совсем не умеете играть и никогда не учили сольфеджио — процесс увлекательный. Особенно если у вашего дуэта получается красивая музыка.
DALL-E Mini
🖼 Доступ к полноценной версии DALL-E пока ограничен. Но можно легко потестировать её урезанную версию. В её основе та же модель ИИ, которая создаёт изображение на основе текстового запроса. Правда, вычислительная мощность здесь поменьше, так что финальная картинка будет менее чёткая. Но поиграться с нейросеткой всё равно интересно.
👍16🔥4
ИИ против учёных-мошенников
Прочитала на The Register материал о том, как в академической среде борются с мошенниками. Точнее, с теми, кто намеренно подделывает результаты своих исследований.
🤥 Автор пишет, что хитрые «учёные» часто берут одно изображение, например, скопления клеток (cluster of cells), копируют его, переворачивают, обрезают — в общем, фотошопят. Так они делают вид, что провели гораздо больше экспериментов, чем на самом деле.
Такие фейковые изображения — главная причина отзыва статей из медицинских изданий, говорят эксперты в статье. И последствия ложатся не столько на плечи нерадивых авторов, сколько на самих издателей. Ведь получается, что редакторы плохо сделали свою работу — имидж журнала падает🤦♂️
Поиск дубликатов изображений — утомительная задача для людей. Но с ней отлично справляются алгоритмы. Поэтому теперь некоторые издатели используют ПО на основе искусственного интеллекта, чтобы находить фейки заранее. Например, Американская ассоциация по изучению рака (AACR) тестирует программу Proofig от одноимённого израильского стартапа.
🤖 С января 2021 по май 2022 года алгоритм проверил 1367 рукописей, предварительно одобренных к публикации. В 208 случаях ПО обнаружило дубликаты изображений. Большинство из них, скорее всего, сделаны из-за неаккуратности учёных — авторы просто исправляли ошибку и присылали правильные данные.
В редких случаях сомнительные картинки действительно оказались сфальсифицированы. По этой причине четыре статьи пришлось отозвать. В процентном соотношении это немного, однако каждая из них в теории могла подпортить имидж издания.
🙏 Результаты обнадеживают, но инструменты вроде Proofig пока не готовы полностью заменить редакторов. Иногда они игнорируют очевидные фейки или, наоборот, случайно помечают подлинные изображения, поэтому за работу алгоритмов приходится контролировать. В любом случае — двойная проверка явно надёжнее одинарной.
Прочитала на The Register материал о том, как в академической среде борются с мошенниками. Точнее, с теми, кто намеренно подделывает результаты своих исследований.
🤥 Автор пишет, что хитрые «учёные» часто берут одно изображение, например, скопления клеток (cluster of cells), копируют его, переворачивают, обрезают — в общем, фотошопят. Так они делают вид, что провели гораздо больше экспериментов, чем на самом деле.
Такие фейковые изображения — главная причина отзыва статей из медицинских изданий, говорят эксперты в статье. И последствия ложатся не столько на плечи нерадивых авторов, сколько на самих издателей. Ведь получается, что редакторы плохо сделали свою работу — имидж журнала падает🤦♂️
Поиск дубликатов изображений — утомительная задача для людей. Но с ней отлично справляются алгоритмы. Поэтому теперь некоторые издатели используют ПО на основе искусственного интеллекта, чтобы находить фейки заранее. Например, Американская ассоциация по изучению рака (AACR) тестирует программу Proofig от одноимённого израильского стартапа.
🤖 С января 2021 по май 2022 года алгоритм проверил 1367 рукописей, предварительно одобренных к публикации. В 208 случаях ПО обнаружило дубликаты изображений. Большинство из них, скорее всего, сделаны из-за неаккуратности учёных — авторы просто исправляли ошибку и присылали правильные данные.
В редких случаях сомнительные картинки действительно оказались сфальсифицированы. По этой причине четыре статьи пришлось отозвать. В процентном соотношении это немного, однако каждая из них в теории могла подпортить имидж издания.
🙏 Результаты обнадеживают, но инструменты вроде Proofig пока не готовы полностью заменить редакторов. Иногда они игнорируют очевидные фейки или, наоборот, случайно помечают подлинные изображения, поэтому за работу алгоритмов приходится контролировать. В любом случае — двойная проверка явно надёжнее одинарной.
👍12🔥4
ИИ определит безопасность родов прямо во время операции
Думаю, нет смысла лишний раз говорить об опасностях, с которыми женщина и её будущий ребёнок сталкиваются во время беременности и родов. Вы и без меня наверняка слышали хотя бы одну историю, которую хочется поскорее забыть 🥶
Но технологии в медицине развиваются быстро, так что печальных случаев становится всё меньше 👩⚕️ Хочу рассказать об успехах американцев из крупного исследовательского центра — клиники Мейо. Они разработали ИИ-алгоритм, который рассчитывает индивидуальные риски для роженицы и её ребёнка.
👩🏻💻 Модель учитывает где-то 700 параметров, её обучили на 66 с лишним тысячах родов. Причём в этих наборах данных была информация не только о самом процессе рождения, но и обо всех осмотрах/анализах с момента поступления женщин в роддома.
Если алгоритм успешно пройдёт все этапы тестирования, его станут применять в реальном времени, прямо во время “процесса”. То есть врачам и акушерам нужно будет вводить новые данные в программу, а та будет моментально пересчитывать риск неблагоприятного исхода (и заодно давать рекомендации медикам) 🩺
Это поможет легче решать, нужно ли, например, делать кесарево сечение. А ещё такой подход, в теории, должен снизить риск осложнений у мам и новорождённых.
👆 Авторы исследования говорят, что с алгоритмом удобнее будет определять состояние будущей матери во время беременности. Если ИИ заподозрит что-то неладное ещё до родов, у женщины останется больше времени на госпитализацию или на перевод в более подходящую клинику.
📉 Как неочевидный бонус — искусственный интеллект поможет ещё и государству. Он может снизить расходы на здравоохранение (в США на лечение матерей после тяжёлых родов уходит по 30 млрд долларов в год).
Будем надеяться, что ИИ спасёт не одну жизнь. Но когда это будут внедрять — пока неясно. Ведь исследователи ещё даже не опубликовали оценки результатов работы алгоритма.
Думаю, нет смысла лишний раз говорить об опасностях, с которыми женщина и её будущий ребёнок сталкиваются во время беременности и родов. Вы и без меня наверняка слышали хотя бы одну историю, которую хочется поскорее забыть 🥶
Но технологии в медицине развиваются быстро, так что печальных случаев становится всё меньше 👩⚕️ Хочу рассказать об успехах американцев из крупного исследовательского центра — клиники Мейо. Они разработали ИИ-алгоритм, который рассчитывает индивидуальные риски для роженицы и её ребёнка.
👩🏻💻 Модель учитывает где-то 700 параметров, её обучили на 66 с лишним тысячах родов. Причём в этих наборах данных была информация не только о самом процессе рождения, но и обо всех осмотрах/анализах с момента поступления женщин в роддома.
Если алгоритм успешно пройдёт все этапы тестирования, его станут применять в реальном времени, прямо во время “процесса”. То есть врачам и акушерам нужно будет вводить новые данные в программу, а та будет моментально пересчитывать риск неблагоприятного исхода (и заодно давать рекомендации медикам) 🩺
Это поможет легче решать, нужно ли, например, делать кесарево сечение. А ещё такой подход, в теории, должен снизить риск осложнений у мам и новорождённых.
👆 Авторы исследования говорят, что с алгоритмом удобнее будет определять состояние будущей матери во время беременности. Если ИИ заподозрит что-то неладное ещё до родов, у женщины останется больше времени на госпитализацию или на перевод в более подходящую клинику.
📉 Как неочевидный бонус — искусственный интеллект поможет ещё и государству. Он может снизить расходы на здравоохранение (в США на лечение матерей после тяжёлых родов уходит по 30 млрд долларов в год).
Будем надеяться, что ИИ спасёт не одну жизнь. Но когда это будут внедрять — пока неясно. Ведь исследователи ещё даже не опубликовали оценки результатов работы алгоритма.
👍10🔥5
Гуманоид лежит на траве, он корчится и не может встать. Примерно так началось обучение виртуальных человечков игре в футбол ⚽️
На Wired вышла забавная заметка о том, как исследователи из гугловской DeepMind шаг за шагом разрабатывали сильный ИИ (AGI), который сможет пинать мяч не хуже человека-футболиста.
Зачем вообще это нужно? Чтобы роботы будущего и аватары в метавселенных двигались максимально естественно, как реальные люди 🕺🏿 Футбол здесь — не конечная цель, а способ обучения.
Сначала учёные создали модельки с ограниченным диапазоном движений. Гуманоиды не могут выворачивать коленный сустав, чтобы лучше подстроиться под мяч. В общем, анатомия получилась близкой к человеческой.
Чуть ли не самым сложным оказалось научить AGI управлению телом, координацией 🦿 Ведь для этого нужно овладеть и моторикой, и долгосрочным планированием. Если вам кажется, что ничего сложного здесь нет — ̶п̶о̶с̶м̶о̶т̶р̶и̶т̶е̶ ̶н̶а̶ ̶н̶а̶ш̶и̶х̶ ̶ф̶у̶т̶б̶о̶л̶и̶с̶т̶о̶в̶ попробуйте сыграть в браузерную QWOP. Задача элементарная: заставить человечка идти и не падать. Через пару попыток поймёте, в чем загвоздка.
🤖 Для начала в DeepMind поставили перед виртуальными агентами цель: пробежать или ударить по мячу. Но метод обучения с подкреплением не сработал из-за огромного количества вариантов и недостатка предварительных знаний — модельки просто корчились на земле.
Тогда учёные «скормили» ИИ данные, которые получили с помощью захвата движения реальных футболистов. Это ограничило гуманоидов — через какое-то время их движения стали похожи на человеческие.
Дальше «спортсменов» начали учить дриблингу, бегу и удару по мячу. И только после этого их допустили до матчей. Сначала модельки хаотично бегали за мячом, как собаки за фрисби 🐕 Они постоянно спотыкались и почти падали. Голы залетали в ворота случайно, мяч удачно отскакивал от стены.
Но через несколько дней тренировок футболисты научились командной работе. Теперь они не просто тупо бегут к воротам с мячом, но ждут партнёров и даже пасуются (ну, или пытаются). Учёные говорят, что впервые видят такую координацию в настолько сложной модели ИИ.
Видео: https://www.youtube.com/watch?v=KHMwq9pv7mg&t=49s
На Wired вышла забавная заметка о том, как исследователи из гугловской DeepMind шаг за шагом разрабатывали сильный ИИ (AGI), который сможет пинать мяч не хуже человека-футболиста.
Зачем вообще это нужно? Чтобы роботы будущего и аватары в метавселенных двигались максимально естественно, как реальные люди 🕺🏿 Футбол здесь — не конечная цель, а способ обучения.
Сначала учёные создали модельки с ограниченным диапазоном движений. Гуманоиды не могут выворачивать коленный сустав, чтобы лучше подстроиться под мяч. В общем, анатомия получилась близкой к человеческой.
Чуть ли не самым сложным оказалось научить AGI управлению телом, координацией 🦿 Ведь для этого нужно овладеть и моторикой, и долгосрочным планированием. Если вам кажется, что ничего сложного здесь нет — ̶п̶о̶с̶м̶о̶т̶р̶и̶т̶е̶ ̶н̶а̶ ̶н̶а̶ш̶и̶х̶ ̶ф̶у̶т̶б̶о̶л̶и̶с̶т̶о̶в̶ попробуйте сыграть в браузерную QWOP. Задача элементарная: заставить человечка идти и не падать. Через пару попыток поймёте, в чем загвоздка.
🤖 Для начала в DeepMind поставили перед виртуальными агентами цель: пробежать или ударить по мячу. Но метод обучения с подкреплением не сработал из-за огромного количества вариантов и недостатка предварительных знаний — модельки просто корчились на земле.
Тогда учёные «скормили» ИИ данные, которые получили с помощью захвата движения реальных футболистов. Это ограничило гуманоидов — через какое-то время их движения стали похожи на человеческие.
Дальше «спортсменов» начали учить дриблингу, бегу и удару по мячу. И только после этого их допустили до матчей. Сначала модельки хаотично бегали за мячом, как собаки за фрисби 🐕 Они постоянно спотыкались и почти падали. Голы залетали в ворота случайно, мяч удачно отскакивал от стены.
Но через несколько дней тренировок футболисты научились командной работе. Теперь они не просто тупо бегут к воротам с мячом, но ждут партнёров и даже пасуются (ну, или пытаются). Учёные говорят, что впервые видят такую координацию в настолько сложной модели ИИ.
Видео: https://www.youtube.com/watch?v=KHMwq9pv7mg&t=49s
👍14
Лучшие ИИ-стартапы для маркетинга и разработки ПО
Увидела на TechCrunch интересную подборку молодых компаний, которые вышли из американского бизнес-инкубатора Y Combinator. Вполне возможно, что у стартапов большое будущее — этот венчурный фонд в своё время заметил и помог Reddit, Dropbox, AirBnB и Twitch.
Pilot AI
Стартап разрабатывает инструмент для торговых представителей и менеджеров по продажам. Он автоматически преобразует записи телефонных разговоров в структурированные данные и сразу вбивает их в базу (CRM). В общем, менеджерам нужно будет меньше работать руками — всю бюрократическую часть сделает робот.
Похожие платформы уже работают — на рынке есть Fireflies.ai и Viva Sales от Microsoft. Но основатель компании Макс Лу (бывший инженер-программист Salesforce) уверяет, что его продукт проработан тщательнее. Например, алгоритм умеет генерировать сводку по каждому звонку.
TypeWise
Изначально швейцарский стартап разработал виртуальную клавиатуру для пользователей смартфонов. Благодаря ИИ она могла качественно исправлять опечатки и предсказывать следующие слова. Но недавно компания переключилась на B2B-сегмент. Топ-менеджеры посчитали, что их разработку лучше всего оценят в бизнесе, где цена ошибки гораздо выше.
Расширение для браузера совместимо со всеми существующими CRM-системами. По словам разработчиков, инструмент могут использовать любые компании — он быстро обучается. Так, TypeWise умеет заканчивать предложения, проверять стилистику и орфографию, а также автоматически отвечать на письма клиентов.
Hello
Грубо говоря, Hello — это удобный поисковик для программистов. Разработчик пишет какой-нибудь запрос, а программа моментально выдаёт ему максимально релевантный ответ. С пояснениями и соответствующими фрагментами кода из интернета.
Алгоритм основан на больших языковых моделях (скорее всего, GPT-3). Он сверяется с информацией одновременно в разных источниках, чтобы выдать самый вероятный ответ.
Увидела на TechCrunch интересную подборку молодых компаний, которые вышли из американского бизнес-инкубатора Y Combinator. Вполне возможно, что у стартапов большое будущее — этот венчурный фонд в своё время заметил и помог Reddit, Dropbox, AirBnB и Twitch.
Pilot AI
Стартап разрабатывает инструмент для торговых представителей и менеджеров по продажам. Он автоматически преобразует записи телефонных разговоров в структурированные данные и сразу вбивает их в базу (CRM). В общем, менеджерам нужно будет меньше работать руками — всю бюрократическую часть сделает робот.
Похожие платформы уже работают — на рынке есть Fireflies.ai и Viva Sales от Microsoft. Но основатель компании Макс Лу (бывший инженер-программист Salesforce) уверяет, что его продукт проработан тщательнее. Например, алгоритм умеет генерировать сводку по каждому звонку.
TypeWise
Изначально швейцарский стартап разработал виртуальную клавиатуру для пользователей смартфонов. Благодаря ИИ она могла качественно исправлять опечатки и предсказывать следующие слова. Но недавно компания переключилась на B2B-сегмент. Топ-менеджеры посчитали, что их разработку лучше всего оценят в бизнесе, где цена ошибки гораздо выше.
Расширение для браузера совместимо со всеми существующими CRM-системами. По словам разработчиков, инструмент могут использовать любые компании — он быстро обучается. Так, TypeWise умеет заканчивать предложения, проверять стилистику и орфографию, а также автоматически отвечать на письма клиентов.
Hello
Грубо говоря, Hello — это удобный поисковик для программистов. Разработчик пишет какой-нибудь запрос, а программа моментально выдаёт ему максимально релевантный ответ. С пояснениями и соответствующими фрагментами кода из интернета.
Алгоритм основан на больших языковых моделях (скорее всего, GPT-3). Он сверяется с информацией одновременно в разных источниках, чтобы выдать самый вероятный ответ.
TechCrunch
7 AI startups that stood out in YC’s Summer ’22 batch
A number of startups in Y Combinator's 2022 Summer Batch leverage AI in innovative ways. Here's a few that caught our eye.
🔥9🤔5
Искусственный интеллект поможет нам общаться с младенцами?
🤔 Ещё недавно эксперты считали, что машины вряд ли научатся анализировать языки наравне с людьми. Но исследователи из MIT и ещё нескольких американских университетов, кажется, сделали большой шаг в обучении ИИ.
Их новая система умеет сама определять правила в разных языковых моделях. Ей достаточно скормить небольшой набор слов в разных временах, падежах и родах — тогда программа предложит принципы, по которым словоформа в этих случаях меняется.
Учёные привели такой пример. Если в русском языке на конце слова появляется буква «а», значит, алгоритм поймёт, что скорее всего мужской род здесь меняется на женский.
Лингвисты обучили модель на задачах из учебников на 58 различных языках. Уникальность системы в том, что она работает не с одним большим набором данных, а с множеством маленьких, взаимосвязанных. Чтобы определить правила, ей достаточно всего нескольких десятков слов.
👶 А теперь самое интересное (для нас): зачем вообще нужна такая модель? Например, с её помощью исследователи надеются лучше понять, как учатся говорить младенцы.
При этом разработчики не хотят ограничиваться лингвистикой. Они считают, что модель можно будет использовать и в других областях. Например, в физике — модифицированный алгоритм смог бы выводить дифференциальные уравнения из наборов данных о движении объектов в пространстве.
Во время первых тестов алгоритм показал хорошие результаты. Ему дали 70 задач из учебников по лингвистике — в 79% случаев программа правильно меняла словоформу.
Для чистоты эксперимента учёные решили дообучить модель с помощью дополнительных знаний, которые обычный человек мог бы усвоить на курсах лингвистики. После этого процент правильных ответов вырос (правда, не пишут, на сколько конкретно).
🎓 Плюс модели ещё и в том, что она понимает, когда правила для одного языка применимы к другому. Так, знание русского облегчило ей решение задачи на польском — потому что языки похожи.
🤔 Ещё недавно эксперты считали, что машины вряд ли научатся анализировать языки наравне с людьми. Но исследователи из MIT и ещё нескольких американских университетов, кажется, сделали большой шаг в обучении ИИ.
Их новая система умеет сама определять правила в разных языковых моделях. Ей достаточно скормить небольшой набор слов в разных временах, падежах и родах — тогда программа предложит принципы, по которым словоформа в этих случаях меняется.
Учёные привели такой пример. Если в русском языке на конце слова появляется буква «а», значит, алгоритм поймёт, что скорее всего мужской род здесь меняется на женский.
Лингвисты обучили модель на задачах из учебников на 58 различных языках. Уникальность системы в том, что она работает не с одним большим набором данных, а с множеством маленьких, взаимосвязанных. Чтобы определить правила, ей достаточно всего нескольких десятков слов.
👶 А теперь самое интересное (для нас): зачем вообще нужна такая модель? Например, с её помощью исследователи надеются лучше понять, как учатся говорить младенцы.
При этом разработчики не хотят ограничиваться лингвистикой. Они считают, что модель можно будет использовать и в других областях. Например, в физике — модифицированный алгоритм смог бы выводить дифференциальные уравнения из наборов данных о движении объектов в пространстве.
Во время первых тестов алгоритм показал хорошие результаты. Ему дали 70 задач из учебников по лингвистике — в 79% случаев программа правильно меняла словоформу.
Для чистоты эксперимента учёные решили дообучить модель с помощью дополнительных знаний, которые обычный человек мог бы усвоить на курсах лингвистики. После этого процент правильных ответов вырос (правда, не пишут, на сколько конкретно).
🎓 Плюс модели ещё и в том, что она понимает, когда правила для одного языка применимы к другому. Так, знание русского облегчило ей решение задачи на польском — потому что языки похожи.
MIT News
AI that can learn the patterns of human language
Researchers from MIT and elsewhere developed a machine-learning model that can automatically learn the rules and patterns of human languages on its own, and also learn some inductive biases that are applicable across many languages. This work could pave the…
👍8🔥2