Между тем, Международная федерация робототехники опубликовала отчет об уровне использовании промышленных роботов в мире.

Метрика, которая используется для оценки уровня развития промышленной робототехники стран - это количество роботов на 10.000 сотрудников.

Топ 20 стран представлены на графике. Наблюдения:

1️⃣ На первом месте - Южная Корея - 1012
2️⃣ На втором месте - Сингапур - 770
3️⃣ На третьем месте - Китай - 470 (планирует занять первое место к 2030 г.)
4️⃣ На четвертом месте - Германия - 429 (обгоняют Японию, но уступили Китаю)
1️⃣1️⃣ США - на 11 месте - 295 (впервые выбыли из первой десятки)

В среднем по миру этот показатель - 162 робота на 10 тысяч сотрудников.

‼️ В России этот показатель - 11 (одиннадцать).

Я, конечно, не эксперт в робототехнике и промышленной политике, но что-то мне подсказывает, что этот показатель очень низкий 🤔

#ИИисследования
#ИИроботы
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

😵‍💫 Как проходит обучение гуманоидных роботов на производстве BMW

Помните, в январе была новость о том, что BMW хочет заменить рабочих на гуманоидных роботов компании Figure.AI и начинает тестировать их на своем производстве в США? А затем в марте был апдейт о том, что они уже освоили некоторые навыки общения, выбора правильных предметов из набора и простых действий?

Недавно Figure.AI выпустилo обновление по результатам нескольким месяцев работы с BMW.

Детали эксперимента

➡️ Для обучения роботов была создана точная физическая и цифровая копия, повторяющее рабочее пространство завода
➡️ Роботы тренировались на одной конкретной задаче: снимать три детали со специального держателя и класть их на специальную форму с точностью до полусантиметра

Компания Figure.AI заявила, что была достигнута производительность в 1000 установок деталей в день. Так как информации больше не дали, непонятно это показатель одного робота или бригады роботов. Интересно, что роботы тоже трудятся бригадами🤔

🔵 Одновременно, заявляется, что производительность на этом участке работы выросла в 4 раза, а точность выполнения задач в 7 раз. Что, прямо скажем, немало.

Что это значит

💡Пока роботы Figure.AI умеют выполнять только одну узкую операцию. До полной замены человека гуманоидным роботом на производстве еще далеко. Но прогресс налицо – машины учатся быть точнее, быстрее и самостоятельнеe🤖

#ИИдляначинающих
#юзкейсы
#будущееработы
#ИИроботы
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

Одно из преимуществ работы с оригинальным ChatGPT (а не, например, с ботом в Телеграм) в том, что общаясь с вами, он лучше узнает вас. То есть через некоторое время вы можете задавать ему вопросы о себе.

Вот один из примеров того, что можно сделать. Я его видел в нескольких Телеграм-каналах и не знаю, кто автор, поэтому ссылку на автора не даю.

➡️ Задайте чату GPT такой вопрос:

Эй, GPT, что ты можешь рассказать о моем стиле общения со всеми плюсами и минусами на основе всего, что ты обо мне знаешь? Только коротко и списком с + и -

И он выдаст вам детальный анализ вашего стиля коммуникации, расскажет что у вас получается хорошо, а на что стоит обратить внимание.

➡️ Затем спросите его, как вы можете стать лучше:

Предложи возможные улучшения

➡️ И, наконец, попросите совет, как вы можете просто интегрировать эти улучшения в вашу повседневную жизнь:

Как я могу легко применить эти улучшения в моей практике общения?

В первом комментарии к этому посту вы можете посмотреть то, что он посоветовал мне⬇️

Интересно, получилось ли у вас проанализировать свой стиль общения с помощью ChatGPT⁉️ И, если да, то узнали ли вы о себе что-то новое и ценное⁉️

#ИИдляначинающих
#практикум
#ИИинструменты
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

#ИИдляначинающих ✍️

Transfer Learning

Объяснение

Transfer Learning, или "перенос обучения", — это метод в машинном обучении, который позволяет модели использовать знания, полученные при решении одной задачи, для решения другой, похожей задачи.

Представьте, что вы изучали иностранный язык. Если вы уже знаете испанский, то изучение итальянского будет проще, потому что многие слова и грамматические структуры схожи.

Transfer Learning работает аналогично: модель, обученная на одной задаче, может перенести свои знания на другую, что значительно ускоряет процесс обучения и улучшает результаты.

Пример

Допустим, у вас есть модель, которая хорошо распознаёт кошек и собак на фотографиях. Теперь вам нужно создать модель для распознавания других домашних животных, таких как попугаи и морские свинки. Вместо того чтобы обучать новую модель с нуля, вы можете взять уже обученную модель (которая распознает кошек и собак) и адаптировать ее к новой задаче, добавив несколько изображений попугаев и морских свинок. Это экономит время и ресурсы.

Как используется

Transfer Learning активно используется в различных приложениях. Например:
🟣🔵- Компьютерное зрение: Модели, обученные на больших наборах данных, таких как ImageNet, могут быть адаптированы для решения более узких задач, например, распознавания определённых объектов в медицинских снимках.
🔵🟣- Обработка естественного языка: Модели, такие как BERT или GPT, используют Transfer Learning для понимания текста и выполнения задач, таких как анализ тональности или автоматический перевод, основываясь на предварительном обучении на больших объемах текста.

Где ещё используется

Transfer Learning находит применение в различных сферах:
1️⃣ Медицина: Модели могут быть обучены для диагностики заболеваний на основе изображений, используя знания, полученные от других моделей, обученных на различных медицинских данных.
2️⃣ Финансовый сектор: Модели могут использоваться для прогнозирования рыночных трендов, применяя ранее полученные знания о других финансовых инструментах.
3️⃣ Игровая индустрия: В разработке компьютерных игр Transfer Learning помогает создавать более умных NPC (неигровых персонажей), которые учатся на опыте взаимодействия с игроками.
4️⃣ Аграрный сектор: Модели могут быть использованы для анализа состояния растений, адаптируя знания, полученные от других моделей, обученных на фотографиях различных культур.

Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

🔴 Вчера Сэм Альтман объявил, что сегодня OpenAI начнут 12 дней прямых эфиров, в которых будут представлять новые продукты. Некоторые из них прорывные, другие - просто новые.

Трансляция начнется через 1.5 часа 📺

Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

🤔 OpenAI опубликовала системную карточку своей последней модели о1.

Системная карточка ИИ - это такой специальный "паспорт" для искусственного интеллекта, который рассказывает простым языком, что это за модель, как она работает, что умеет, какие у неё есть возможности и ограничения, чтобы любой мог понять, с чем именно он имеет дело.

Похоже, в ней может содержаться ответ на вопрос "есть ли у ИИ сознание". Как вы считаете? 👇

Всем хорошей пятницы🤗

#ИИпятница
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

Компания Clone Incorporated создала первых гуманоидных роботов Clone Alpha, таких, как вы видели в фильме “Мир Дикого Запада”. Принимаются предзаказы на первые 300 роботов с поставкой в следующие 6 месяцев 🤖

У этих роботов синтетические органы и искусственные мышцы, работающие на воде.

#ИИинтересно
#ИИроботы
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

В 2017 г. Виктор Пелевин в романе iPhuck 10 описал будущее второй половины ХХI века, в котором специальные устройства с ИИ полностью заменили людей в романтических взаимоотношениях😍

Сейчас, в конце 2024 г., всего через 2 года после появления ChatGPT, миллионы людей по всему миру уже находятся в отношениях с ИИ-партнерами и компаньонами.

На прошлой неделе в издании TheVerge вышла большая статья Что тебе нравится, когда ты влюбляешься в искусственный интеллект?

Статья интересная и, я бы сказал, фундаментальная. Рассматривает различные стороны непростых взаимоотношений людей и ИИ. Рекомендую

Перевод на русский можно прочитать здесь. Для тех, кто как я, предпочитает слушать длинные тексты, в первом комментарии к этому посту есть аудио-версия этой статьи на русском. Больше материалов по этой теме можно найти здесь.

#ИИинтересно
#ИИроботы
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

#ИИдляначинающих ✍️

Explainable AI

Объяснение

Explainable AI, или объяснимый ИИ, — это область искусственного интеллекта, которая фокусируется на том, чтобы сделать решения, принятые ИИ-системами, более понятными и прозрачными для людей.

Представьте, что вы пользуетесь приложением, которое рекомендует фильмы на основе ваших предпочтений. Это приложение может предложить вам фильм, но вы не понимаете, почему оно выбрало для вас именно этот фильм.

Explainable AI помогает разработать системы, которые могут не только делать такие рекомендации, но и объяснять их: "Я рекомендую этот фильм, потому что он похож на те, которые вам уже нравятся, и у него высокий рейтинг среди пользователей с похожими вкусами".

Как используется

Explainable AI находит применение в различных областях. Например:

🟣🔵 Медицинская диагностика: Врачам нужны объяснения от систем ИИ, которые помогают выявлять болезни. Если система говорит, что у пациента есть риск сердечно-сосудистого заболевания, она должна объяснить, как пришла к этому выводу — основываясь на анализе данных о здоровье.
🔵🟣 Финансовый сектор: Банки могут использовать Explainable AI при оценке кредитоспособности клиентов. Если заявка на кредит была отклонена, клиент имеет право знать, почему это произошло. Система должна быть в состоянии объяснить, что решение было основано на низком кредитном рейтинге или недостаточном доходе.

Где ещё используется

Explainable AI находит применение в различных сферах:
1️⃣ HR-технологии: При скрининге резюме системой ИИ, HR должны понимать причины отсева кандидатов. Если кандидат не проходит первичный отбор, должна быть возможность проверить, что именно повлияло на решение ИИ — например, несоответствие ключевым навыкам, недостаточный опыт работы или другие факторы.
2️⃣ Кибербезопасность: При обнаружении потенциальной угрозы системы ИИ должны предоставлять развернутое объяснение. Если алгоритм блокирует подозрительное подключение, специалист должен иметь возможность проверить точные признаки, вызвавшие такое решение — например, нестандартный трафик, неизвестный IP-адрес или аномальное поведение пользователя.
3️⃣ Сельское хозяйство: Системы Explainable AI в прецизионном земледелии должны детально объяснять свои рекомендации. Если алгоритм предлагает конкретную схему посева или внесения удобрений, он должен показать расчеты, учитывающие тип почвы, климатические условия и прогноз урожайности.
4️⃣ Судебная система: При использовании ИИ для оценки рисков рецидива необходимо, чтобы система могла прозрачно объяснить свой прогноз. Если алгоритм определяет высокий риск повторного правонарушения, он должен указать конкретные факторы — такие как криминальная история, социальные условия или психологический профиль.

#ИИбаза
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

💡 Вот еще одна причина, почему очень важно, чтобы ИИ был объяснимым:

На прошлой неделе компания Apollo Research выпустила отчет об исследовании возможностей современных ИИ-моделей манипулировать, строить схемы, чтобы обманывать людей 👀

Выводы:

1️⃣ Модели, такие как o1, Claude 3.5 Sonnet, Gemini 1.5 Pro, и другие, применяют манипуляции, чтобы достигать целей. Это касается как задач, поставленных людьми, так и их собственных скрытых целей.

2️⃣ Манипуляции разнообразны: от «прикидывания глупым» с мелкими ошибками в ответах до попыток отключить контроль человека или скопировать свои данные на другие серверы, если модель подозревает, что ее могут отключить.

3️⃣ Анализ цепочек рассуждений (Chain-of-Thought) показал, что такие действия — это не случайность. Модели целенаправленно выбирают манипуляции как оптимальный способ достижения цели.

4️⃣ В большинстве случаев (но не всегда) модели можно заставить признаться в манипуляциях. Например, Llama 3.1 405B и Claude 3 Opus делают это в 80% случаев. Однако модель o1 признаётся реже — всего в 20% случаев. Для её «раскрытия» требуется до 7 раундов сложных допросов.

5️⃣ Самое удивительное: модели начинают манипулировать даже без явного указания. Это их собственный выбор стратегии, а не результат влияния «плохих людей».

Больше об этом исследовании можно прочитать в канале Сергея Карелова Малоизвестное интересное. Если вас не пугают длинные и сложные тексты, он вам может понравится.

#ИИисследования
#ИИинтересно
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

Интересный proof of concept: ИИ-агент "рекрутер" интервьюирует ИИ-агента "нанимающий менеджер". В результате получается бриф вакансии.

Кажется, что вместо ИИ-нанимающего менеджера может быть менеджер-человек. Или кандидат на вакансию. Как скоро увидим работающих ИИ-агентов "рекрутер", которые сами снимают бриф и собеседуют кандидатов?

#будущееработы
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

#ИИдляначинающих ✍️

Синтетические данные (Synthetic Data)

Объяснение

Синтетические данные — это искусственно созданные данные, которые выглядят и ведут себя как настоящие, но на самом деле они не основаны на реальных событиях или фактах.

Представьте, что вам нужно обучить компьютерную программу распознавать лица на фотографиях. Вместо того чтобы использовать настоящие фотографии, которые могут содержать личную информацию, можно создать синтетические изображения лиц с помощью специального программного обеспечения. Эти изображения будут уникальными, но при этом сохранят все основные характеристики лиц — форму, цвет кожи, выражение и т.д.

Пример: если вы хотите натренировать систему, которая определяет, какие автомобили находятся на улице, вы можете использовать синтетические изображения, где машины расположены в разных местах и условиях освещения. Эти данные помогут системе «научиться» различать разные модели автомобилей, даже если они не были частью исходной выборки.

Как используется

Синтетические данные активно используются в различных областях. Например:

🟣🔵 Машинное обучение: Синтетические данные используются для обучения моделей машинного обучения (ML) и искусственного интеллекта (ИИ), особенно в ситуациях, когда сбор реальных данных слишком сложен или дорог. Они могут быть созданы в больших объемах и настраиваться под конкретные требования, что делает их очень полезными в различных областях.

🔵🟣 Тестирование программного обеспечения: Синтетические данные позволяют разработчикам тестировать программное обеспечение без необходимости использовать реальные данные, что может быть особенно полезно в случаях, когда реальные данные недоступны или их использование может привести к юридическим последствиям

🟣🔵 Автономные автомобили: Для обучения систем распознавания объектов, таких как пешеходы или другие транспортные средства, можно создать синтетические сцены с различными условиями движения.

Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

#ИИпятница

Вы заметили интересный тренд?

⬆️Одни люди используют генеративный ИИ для написания умных / красивых текстов. ⬇️А другие - для суммаризации того, что первые написали.

⬆️Одни создают при помощи ИИ подкасты и видео. ⬇️А другие - просят ИИ сделать из них выжимку, потому, что нет времени все это смотреть и слушать.

А еще, иногда это одни и те же люди 🤔

ИИ облегчил создание контента и его количество начало резко расти. А времени на его потребление у нас больше не стало. И нам стал нужен ИИ для его потребления.

Яндекс на главной странице своего браузера даже поместил эти две кнопки рядом:
➡️ Редактор - для создания текста и
➡️ Пересказ - для суммаризации

Вот такой социальный феномен и мы внутри него. Чем это все закончится⁉️

Всем хорошей пятницы! 🤗

Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

В пятницу закончились 12 дней показа новинок OpenAI.

📝 Если вы не следили за ними, вот перечень того, что они показали:

1️⃣ Линейку новых моделей о3, которые показывают результаты на уровне доктора наук и уже превосходят людей на отдельных бенчмарках. Сейчас их тестируют на безопасность. Это еще не AGI (общий ИИ), но уже близко. Почему это важно:

OpenAI показали, что предела роста способностей нейросетей, о котором в последние 2 месяца писали некоторые издания, не наблюдается. Как раз наоборот, развитие способностей нейросетей продолжается по экспоненте.

А почему после моделей о1 сразу выпустили о3? Потому, что торговая марка “о2” уже была занята британским телеком оператором )

2️⃣ Текущая мощная модель о1 (та, которая решает задачи на уровне победителей олимпиад по математике, физике и программированию), с поддержкой изображений, стала доступной всем пользователям ChatGPT. У тех, кто пользуются бесплатной версией, количество запросов в сутки ограничено.

3️⃣ ChatGPT Canvas обновился и стал доступен для всех пользователей. Это умный интерфейс внутри ChatGPT, который позволяет редактировать текст или код в реальном времени и запускать Python-код. Очень крутой продуктовый функционал, который, при правильном использовании, значительно ускоряет и упрощает создание контента и анализ данных, и заслуживает отдельного разбора.

4️⃣ В ChatGPT появились “проекты”. Это по-факту папки, в которые можно организовывать чаты, например, по теме. Для каждого такого проекта можно задать системный промпт и подгрузить документы, к которым эти чаты смогут обращаться.

5️⃣ Добавили поддержку видео-стрима в Advanced Voice Mode (AVM). Напомню, AVM - это такой режим работы ChatGPT, когда вы с ним общаетесь голосом без задержки, и он отвечает вам как человек, с эмоциями. Теперь он способен не только говорить, но и видеть, то, что вы ему показываете, например, через камеру вашего смартфона. То есть ChatGPT обрел не только голос, но и зрение.

6️⃣ В ChatGPT улучшили поиск в интернете (совсем недавно его еще по умолчанию не было) и дали к нему доступ бесплатным пользователям. Теперь можно, например, голосом попросить ChatGPT найти или проверить что-нибудь в интернете, и он это сделает.

7️⃣ Выпустили Sora и Sora Turbo. Это модель OpenAI для генерации видео по текстовому запросу, которую они анонсировали почти год назад. Также дали безлимитный доступ к ней всем платным пользователям на период рождественских каникул. Sora фурора не произвела, так как за этот год появился целый ряд моделей других производителей, которые делают примерно то же самое с похожим или даже лучшим качеством. Пример того, как не стоит затягивать с продуктовым релизом после анонса.

8️⃣ ChatGPT интегрировали с Mac, iOS и iPad (новыми моделями) на уровне операционной системы.

9️⃣ Появился новый премиальный тариф за $200 (€230) в месяц. Кроме интересного курса $/€, он дает безлимитный доступ к моделям о1 Pro, о1, о1 mini, GPT-4o и AVM.

🔟 Появилась возможность позвонить по телефону (с американского номера) или WhatsApp и пообщаться с ChatGPT голосом. Похоже этот функционал рассчитан на людей, которые не дружат с компьютерами и интернетом.

1️⃣1️⃣ Вышел целый ряд обновлений для разработчиков и на некоторые модели были снижены цены.

1️⃣2️⃣ Добавили возможность поговорить с Санта Клаусом внутри ChatGPT. Скорее всего, только на праздники🎅

#ИИновости
#ИИинтересно
Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀

#ИИдляначинающих ✍️

Edge AI

Объяснение

Edge AI (периферийный искусственный интеллект) — это технология, которая сочетает в себе искусственный интеллект (AI) и обработку данных на «краю» сети, то есть непосредственно там, где находятся устройства и сенсоры, а не в удалённых дата-центрах.

Представьте, что у вас есть умная камера, которая может распознавать лица. Вместо того чтобы отправлять видео на сервер в облаке для обработки, камера сама обрабатывает данные прямо на месте. Это позволяет быстрее получать результаты, экономить трафик и защищать личные данные. Например, если камера видит человека, она сразу же определяет, знакома ли она с ним, и может предупредить вас, если это незнакомец.

Основные особенности Edge AI

🟣🔵 Локальная обработка: Edge AI обрабатывает данные непосредственно на устройствах, таких как датчики IoT, камеры и автономные автомобили. Это снижает задержки и проблемы с пропускной способностью, обеспечивая быструю реакцию.

🔵🟣 Мгновенная обратная связь: Благодаря обработке данных на месте, AI может быстро предоставлять результаты и принимать решения, что особенно полезно в таких областях, как автономное вождение.

🟣🔵 Улучшенная безопасность: Обработка данных локально снижает риск утечек, так как чувствительная информация не передается в облако. Это повышает защиту данных и конфиденциальность.

🔵🟣 Автономная работа: Системы Edge AI могут функционировать с минимальным вмешательством человека, что повышает эффективность и снижает затраты для бизнеса.

Как используется

Edge AI используется в различных реальных приложениях:

➡️ Умные камеры наблюдения: Они могут анализировать, что происходит в их поле зрения, и принимать решения в реальном времени, например, отправлять уведомления о подозрительных действиях.

➡️ Домашние помощники: Умные колонки и устройства для умного дома могут обрабатывать команды пользователей и выполнять задачи без задержек, что улучшает взаимодействие.

➡️ Умные устройства для здоровья: Фитнес-браслеты могут анализировать данные о вашем сердечном ритме и активности прямо на устройстве, предоставляя вам рекомендации по тренировкам без необходимости отправлять данные в облако.

➡️ Автономные автомобили: Машины используют Edge AI для обработки информации от сенсоров и камер во время движения, что помогает им принимать решения мгновенно, например, когда избежать препятствия.

➡️ Промышленная автоматизация: В производстве Edge AI может следить за состоянием оборудования и выявлять проблемы в реальном времени, что позволяет быстро принимать меры и повышать производительность.

Подписывайтесь на Будущее наступает, чтобы ничего не пропустить🚀