Нова АІ модель від Alibaba, QwQ-32B-Preview, кидає виклик ChatGPT своїми вражаючими математичними та логічними здібностями, перевершуючи конкурентів у ключових тестах. Випущена під відкритою ліцензією, вона здатна проводити глибокі міркування, але має ще слабе розуміння здорового глузду.
Глибоке активне навчання поєднує традиційне навчання нейронної мережі зі стратегічним відбором зразків даних. Такий інноваційний підхід дозволяє підвищити продуктивність, ефективність і точність моделі в широкому спектрі застосувань.
Новаторська модель Gemini AI має намір перевершити усі існуючі досягнення у сфері штучного інтелекту. Завдяки своїй мультимодальності, масштабованості в різних сферах і потенціалу інтегруватись в екосистему Google, Gemini AI робить значний стрибок для розвитку технологій ШІ.
У 1950 році британський вчений Алан Тюрінг запропонував тест, який визначає, чи здатні машини мислити. На сьогоднішній день, ще жодному штучному інтелекту не вдалося успішно його пройти. Чи буде ChatGPT першим?
OpenAI провела вражаючий DevDay та презентувала новий функціонал. Поринь у світ інновацій та розшир свої горизонти у роботі зі штучним інтелектом. Дізнайся про гарячі новинки у нашій статті!
Компанія OpenAI презентувала GPT-4о – унікальну омнімодель, яка поєднує обробку тексту, звуку та зображень, що дозволяє їй працювати швидше та ефективніше, ніж будь-коли раніше.
Вчені розробили новий підхід до моделювання руху, використовуючи відносну зміну положення. Вони оцінили здатність архітектур глибинних нейронних мереж моделювати рух за допомогою задач розпізнавання та прогнозування руху.
Дослідники розробили новий алгоритм ШІ, спрямований на візуалізацію кластерів даних та інших макроскопічних ознак так, щоб вони були максимально чіткими, легкими для спостереження та зрозумілими людині.
Вчені розробили модель DetectGPT, яка у 95% випадків може відрізнити текст, написаний людиною, від тексту, згенерованого за допомогою популярних мовних моделей з відкритим вихідним кодом.
Дослідники створили нову нейроморфну обчислювальну систему, що підтримує генеративний та графічний клас моделей глибинного навчання та можливість роботи з нейронними моделями глибинного навчання.
Група вчених розробила новий спосіб прогнозування викидів амінів на заводах з уловлювання вуглецю, використовуючи машинне навчання та експериментальні дані стрес-тесту, проведеного на заводі в Німеччині.
Вчені розробили перший штучний біореалістичний нейрон, який може ефективно взаємодіяти зі справжніми біологічними нейронами.
Вчені розробили біонічний палець, який може створювати 3D-карти внутрішньої структури матеріалів, торкаючись їх зовнішньої поверхні.
Бездротова м'яка електронна шкіра може як виявляти, так і передавати відчуття дотику, а також формувати сенсорну мережу, що відкриває великі можливості для покращення інтерактивного сенсорного спілкування.
Meta AI запустила LLaMA, серію базових мовних моделей, які можуть конкурувати або навіть перевершити найкращі моделі з існуючих, такі як GPT-3, Chinchilla та PaLM.
MusicLM – це штучний інтелект нового покоління, який створює високоякісну музику на основі текстових описів подібно до того, як DALL-E створює зображення з текстів.
Вчені з Мічиганського університету дослідили стратегії поведінки роботів для відновлення довіри між ботом і людиною. Чи зможуть такі стратегії повністю відновити довіру і наскільки вони ефективні після повторних помилок ботів?
Група дослідників створила Байєсівську машину з використанням мемристорів. Вона є більш енергоефективною, ніж існуючі апаратні рішення, і може використовуватися для критичних з точки зору безпеки додатків.
Завдяки досягненням у сфері штучного інтелекту інженери з Колорадського Університету в Боулдері працюють над новим типом тростини для сліпих або людей із вадами зору.
Дослідники Тель-Авівського університету досягли технологічного прориву: новий біологічний датчик фіксує наявність запаху та надсилає інформацію про нього роботу для інтерпретації результатів
Моделі синтезу мови зазвичай потребують тривалих зразків аудіофайлів для опрацювання, тоді як VALL-E імітує голос усього за декілька секунд звукозапису.
Дослідники зі Стенфордського університету розробили новий тип еластичного біосумісного матеріалу, який розпилюється на зовнішню сторону рук та може розпізнавати їх рухи.
Point E – це нова система текстового синтезу 3D-зображень, яка спочатку формує штучне уявлення про об'єкт, а потім на його основі створює кольорові хмари точок.
Безпілотні автомобілі вже давно вважаються видом транспорту нового покоління. Для забезпечення автономної навігації таких транспортних засобів необхідно впровадити багато різноманітних технологій.
Нове дослідження Тихоокеанської північно-західної національної лабораторії передбачає використання машинного навчання, аналізу даних та штучного інтелекту для виявлення потенційних ядерних загроз.
Дослідники запропонували нові способи використання ШІ разом із відеоспостереженням для роздрібної торгівлі, щоб краще розуміти поведінку споживачів та адаптувати планування магазинів для збільшення продажів.
Декодування мовлення на основі активності головного мозку було давньою метою неврологів і клініцистів. Наразі, компанія Meta представили результати дослідження моделі ШІ, яка може декодувати мову, використовуючи неінвазивні методи дослідження.
Додаток Look to Speak від Google здатний допомогти людям з порушеннями моторики та проблемами мовлення легше спілкуватися. Використовуючи лише очі, програма дозволяє вибирати заздалегідь підготовлені фрази і озвучувати їх.
Дослідники з Массачусетського технологічного інституту розробили техніку машинного навчання, яка точно фіксує та моделює основну акустику місцевості лише з невеликої кількості звукових записів.
До 2050 року людству доведеться майже вдвічі збільшити світові запаси продовольства, щоб забезпечити кожного жителя планети достатньою кількістю їжі. Оскільки зміна клімату відбувається дедалі швидше, водні ресурси скорочуються, а орні землі руйнуються, гарантувати сталий розвиток стане серйозним викликом.
За останнє десятиліття різке зростання вартості виробництва відеоігор класу ААА стало однією з найбільш серйозних проблем в ігровій індустрії. Студії завжди шукають технології, які б могли допомогти знизити вартість розробки ігор. Останні досягнення в нейронних моделях генерації зображень вселяють надію, що реалізація цієї мрії може бути не такою вже далекою.
Чи можуть комп’ютери мислити? Чи можуть моделі штучного інтелекту (ШІ) бути свідомими? Ці та подібні запитання часто виникають під час обговорення нещодавнього прогресу ШІ, досягнутого за допомогою моделей природної мови GPT-3, LAMDA та інших перетворювачів. Тим не менш, вони все ще суперечливі і знаходяться на межі парадоксу, тому що зазвичай існує безліч прихованих припущень і помилкових уявлень про те, як працює мозок і що означає мислення. Немає іншого шляху, окрім як точно обґрунтувати ці припущення, а потім дослідити, як саме обробка інформації людиною може бути відтворена машинами.
Зараз вже нікого не здивувати фільтрами, які покращують якість фотографій. Але реставрація старих портретів поки що залишає бажати кращого. Старі фотографії бувають надто розмитими, тому звичайні методи підвищення чіткості зображень на них не працюють.
Компанія Facebook виклала у відкритий доступ проєкт NLLB (No Language Left Behind). Головною особливістю цієї розробки є охоплення понад двохсот мов, у тому числі рідкісних мов африканських та австралійських народів. Крім того, Facebook застосував новий підхід до моделі машинного навчання, де переклад здійснюється безпосередньо з однієї мови на іншу, без перехідного перекладу англійською мовою.
Анімовані аватари вже давно стали частиною нашого життя. А ось реалістичне моделювання анімації одягу досі залишалося невирішеним завданням.
З одного боку, сучасні методи фізичного моделювання можуть генерувати реалістичну геометрію одягу з інтерактивною швидкістю. З іншого, моделювання фотореалістичного зовнішнього вигляду зазвичай потребує фізичного рендерингу, який занадто дорогий для інтерактивних програм.
Група вчених, що використовують машинне навчання, «заново відкрила» закон Всесвітнього тяжіння.
Для цього вони навчили «графічну нейронну мережу» моделювати динаміку Сонця, планет і великих планет Сонячної системи з 30 років спостережень. Потім вони використали символічну регресію, щоб виявити аналітичне вираження закону сили, неявно вивченого нейронною мережею.
