Amazon Bedrock тепер пропонує детальну атрибуцію витрат, автоматично розподіляючи витрати на обчислення між суб’єктами IAM, такими як користувачі IAM, ролі або федеративні ідентичності від постачальників, наприклад Okta. Теги розподілу витрат дозволяють легко агрегувати дані за командами, проектами або власними параметрами в AWS Cost Explorer та CUR 2.0, що спрощує фінансове планування та опти...
Доценти Массачусетського технологічного інституту (MIT) Джейкоб Андреас і Бретт Макгуайр отримали премію імені Гарольда Е. Еджертона за видатні досягнення викладачів 2026 року за новаторські роботи в галузі обробки природної мови та астрохімії. Новаторські дослідження Андреаса поєднують фундаментальну теорію з практичним впливом на вивчення мов та штучний інтелект.
Команда TAA з відділу маркетингу AWS у співпраці з Gradial розробила рішення на основі агентного штучного інтелекту на платформі Amazon Bedrock, що дозволило скоротити час формування веб-сторінок більш ніж на 95%. Ця інновація оптимізує робочі процеси публікації контенту, даючи змогу маркетинговим командам зосередитися на створенні більш ефективного клієнтського досвіду.
Завдання з перетворення тексту в SQL вирішуються за допомогою моделей Amazon Bedrock та Nova Micro, що забезпечують економічно ефективні індивідуальні рішення. Точне налаштування адаптерів LoRA під конкретні діалекти SQL гарантує високу продуктивність без постійних витрат на хостинг.
Кодер перетворює зображення об’єктів на зображення без шуму, кількісно оцінюючи, наскільки точно вимірювання дозволяють розрізнити об’єкти. Штучний інтелект здатний виокремлювати корисну інформацію навіть у тих випадках, коли вона закодована у формі, яку людина не може розтлумачити, оптимізуючи системи візуалізації з урахуванням їхнього інформаційного наповнення.
Дослідники з Каліфорнійського університету в Сан-Дієго та компанії Together AI представляють Parcae — архітектуру трансформера з циклічною структурою, яка демонструє кращі результати, ніж попередні моделі, при використанні тих самих параметрів і навчальних даних. Конструкція Parcae дозволяє вирішити проблему обмеженості пам’яті та забезпечує більшу обчислювальну потужність за один прохід, усув...
Саме дані, а не алгоритми, визначають цінність штучного інтелекту. Такі компанії, як Amazon, Google та Microsoft, досягають успіху завдяки власним високоякісним наборам даних. Якість даних має вирішальне значення для успіху штучного інтелекту, що робить їх стратегічним активом, який забезпечує конкурентну перевагу у XXI столітті.
Google DeepMind представляє Gemini Robotics-ER 1.6 — оновлену версію, що розширює можливості роботів у сфері логічного мислення для виконання завдань у реальних умовах. Ця модель виконує роль стратега високого рівня, керуючи фізичними діями за допомогою вдосконаленого просторового мислення та аналізу показань приладів.
ChatGPT демонструє упереджене ставлення до «нестандартних» різновидів англійської мови, а його відповіді містять стереотипи та зверхність. У рамках дослідження GPT-3.5 Turbo та GPT-4 отримали запити з 10 різновидами англійської мови, що виявило збереження рис стандартної американської англійської.
Останні досягнення у сфері великих мовних моделей (LLM) відкривають можливості для створення цікавих інтегрованих додатків, однак атаки типу «prompt injection» становлять серйозну загрозу. StruQ та SecAlign — це запропоновані засоби захисту, покликані зменшити ризики, пов’язані з атаками «prompt injection» у системах LLM, таких як Google Docs та ChatGPT.
PLAID — модель, що генерує послідовності та структури білків, — відображає роль штучного інтелекту в біології. Модель вирішує такі завдання, як моделювання всіх атомів та врахування специфіки організмів, маючи на меті ефективне створення корисних білків.
Роздрібні продавці стикаються з проблемами, пов’язаними з онлайн-покупками, що призводить до зростання кількості повернень та зниження довіри споживачів. Впровадження технології віртуальної примірки за допомогою Amazon Nova Canvas та Rekognition може сприяти підвищенню прибутковості
Google впроваджує функцію Skills in Chrome у рамках Gemini, що дозволяє користувачам зберігати запити до штучного інтелекту як робочі процеси, які можна використовувати повторно. Ця функція спрощує виконання завдань у декількох вкладках, даючи уявлення про майбутнє агентів штучного інтелекту на рівні браузера.
Дослідники розкрили динаміку навчання алгоритму word2vec, виявивши його лінійну структуру та послідовні етапи. Мінімальна нейронна модель алгоритму дає уявлення про процес навчання ознак у складних мовних задачах.
Навчання сучасної великої мовної моделі передбачає попереднє навчання загальним мовним шаблонам, а потім — контрольоване точне налаштування для виконання конкретних завдань. Такі методи, як LoRA та RLHF, дозволяють вдосконалити модель, що дає змогу впроваджувати її в реальні системи для досягнення оптимальної продуктивності та забезпечення максимальної користі.