Начну я пожалуй с Грока, который после некоторой перестройки начал называть себя МехаГитлером и давать «ценные» советы людям.
Оригинал: https://www.theguardian.com/technology/2025/jul/09/grok-ai-praised-hitler-antisemitism-x-ntwnfb
Не уверен что там все было так как описано в газетенке, т.к. все ссылки на это событие гуглятся только на «демократических» СМИ которые активно мешают с грязью все что касается Илона Маска, но доля истины думаю там есть.
Читать
В сети появился сайт, на котором можно выдвинуть своего кандидата на звание самой нелепой ошибки, связанной с ИИ.
ИИ-премия Дарвина не имеет отношения к оригинальной премии, но продолжает её традицию. «Мы настолько продвинулись, что переложили принятие неверных решений на машины», — поясняется на сайте. Организаторы подчёркивают, что высмеивают не сам ИИ, а последствия его применения без должной осторожности и внимания: «Искусственный интеллект — это всего лишь инструмент, такой же, как бензопила, ядерный реактор или особенно мощный блендер. Не бензопила виновата в том, что кто-то решил жонглировать ею на званом ужине».
Читать
Похоже, OpenAI решила, что пользователи всё равно думают слишком много — и выкатили инструмент, который будет думать за вас. Речь о генераторе промптов, который сам составит запрос для ChatGPT так, чтобы модель не впала в галлюцинации и не ответила ерунду.
Теперь больше не нужно читать туториалы «как писать правильные промпты для чайников» — генератор сам превратит его в аккуратный, структурированный промпт, который модель «проглотит» без ошибок и галлюцинаций.
ЧитатьХочу обратить внимание всей прогрессивной (а вы же именно такие) общественности на уже не новую, но очень интересную технологию.
https://arxiv.org/html/2507.12869v1 в этой статье рассматривается практика идентификакции людей через wifi используя для этого стандарт IEEE 802.11bf от 2020 года. Данный стандарт позволяет получать уникальную картину искажения Wi‑Fi сигнала телом человека и повторно идентифицировать его. При этом не обязательно иметь при себе какие-либо устройства. Осталось только промаркировать нас.
Разработали эту «волшебную» систему хитроумные итальянские учёные из Римского университета Ла Сапиенца.
Читать
Вы когда‑нибудь задумывались, как это — иметь мощь языковой модели прямо на вашем компьютере? Экспериментировать с LLM (большими языковыми моделями) локально — словно открыть тайную дверь в мир ИИ… Вам открыт широкий горизонт для исследований, творчества и практического применения.
Но как запустить нейросеть на компьютере, если вы не Google? Хорошая новость: в 2025 году это стало проще и доступнее, чем когда‑либо! Вам не нужен суперкомпьютер (хотя мощная видеокарта значительно ускорит процесс). Современные эффективные модели и специализированное ПО делают локальный запуск нейросети реальностью для многих пользователей.
Давайте разберёмся, что для этого нужно. Мы рассмотрим 7 наиболее оптимальных для локального запуска моделей — Llama✶, Qwen, DeepSeek, Phi, Gemma, Mistral, Granite, — а также 4 быстрые и удобные программы: Ollama, LM Studio, Jan и GPT4All.
ЧитатьPython давно перестал быть просто «языком скриптов» и уверенно вышел в лидеры среди инструментов для нейросетей. Его синтаксис понятен «с первого взгляда», а мощные библиотеки позволяют сосредоточиться на идее, а не на рутине. Сегодня, от первых численных расчётов в NumPy до сложных моделей в TensorFlow и PyTorch, всё строится вокруг привычного Python-кода.
В этой статье мы пройдём путь от базовых скриптов до «ручных» нейросетей и ноукод-решений, чтобы понять, почему именно Python стал стандартом в мире ИИ и как с его помощью оживить ваши первые нейросети.
ЧитатьДанная статья рассказывает не только о наиболее распространённых фильтрах обработки изображений, но в понятной форме описывает алгоритмы их работы. Статья ориентирована, прежде всего, на программистов, занимающихся обработкой изображений.
Фильтров использующих матрицу свёртки много, ниже будут описаны основные из них.
Матрица свёртки – это матрица коэффициентов, которая «умножается» на значение пикселей изображения для получения требуемого результата.
Ниже представлено применение матрицы свёртки:
div – это коэффициент нормирования, для того чтобы средняя интенсивность оставалась не изменой.
В примере матрица имеет размер 3×3, хотя размер может быть и больше.
Читать
Меня зовут Григорий Сапунов, я СТО компании Intento. Занимаюсь я нейросетями довольно давно и machine learning’ом, в частности, занимался построением нейросетевых распознавателей дорожных знаков и номеров. Участвую в проекте по нейросетевой стилизации изображений, помогаю многим компаниям.
Давайте перейдем сразу к делу. Моя цель — дать вам базовую терминологию и понимание, что к чему в этой области, из каких кирпичиков собираются нейросети, и как это использовать.
План доклада такой. Сначала небольшое введение про то, что такое нейрон, нейросеть, глубокая нейросеть, чтобы мы с вами общались на одном языке.
Дальше я расскажу про важные тренды, что происходит в этой области. Затем мы углубимся в архитектуру нейросетей, рассмотрим 3 основных их класса. Это будет самая содержательная часть.
После этого рассмотрим 2 сравнительно продвинутых темы и закончим небольшим обзором фреймворков и библиотек для работы с нейросетями.
На конференции Наталья Ефремова из компании NTechLab рассказывала о практических кейсах. Я же расскажу, как нейросети устроены внутри, из каких кирпичиков они внутри состоят.
Прошло уже около полугода как Meta* случайно слили свою языковую модель LLaMA. А недавно они сами выложили в открытый доступ ее 2-ую версию. Для понимания масштаба — на обучение Meta* потратили более 3 311 616 GPU часов. Это примерно 378 лет работы одной мощной видеокарты. В этой статье я расскажу как я смог бесплатно и без мощного железа дообучить LLaMA на диалогах с друзьями в ВК, чтобы сделать чат бота, который копирует наш стиль общения, оживляет разговор в чате и просто пишет странные и смешные вещи. В статье будет мало терминов, тут я простым языком расскажу как вы можете обучить большую языковую модель.
Нейросети для генерации изображений развиваются очень быстро, при этом количество пользователей генераторов для создания изображений каждый день становится больше. В этой статье я расскажу про 9 топовых нейросетей для создания изображений, которые вам обязательно нужно попробовать.
Две недели назад я написал про лучшие нейросети для создания видео, чтобы помочь своей аудитории решить, какие ИИ-генераторы стоят их времени и денег. Список я составил на основе собственного опыта, а также на основе того, что это одни из самых обсуждаемых в ИИ-сообществе нейросетей.
Поэтому я подумал, почему бы не сделать то же самое для нейросетей для генерации изображений и картинок?
За последние пару месяцев ИИ-модели значительно улучшились, и в интернете появились сотни платформ для создания изображений. Становится все труднее сравнивать каждую платформу и выяснять, какая из них лучше всего подходит в вашем случае.
Давайте начнем.
Читать