Новости IT |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2023-09-03 13:55
OpenAI предлагает использовать ChatGPT в классах для обучения и помощи студентам, несмотря на потенциальный плагиат. Предложенные способы включают помощь в изучении языка, создание новых тестовых вопросов и развитие критического мышления учеников при использовании искусственного интеллекта. OpenAI также предостерегает от надежды на автоматическое обнаружение плагиата и подчеркивает важность активного вовлечения студентов при использовании ChatGPT в учебных целях (подробнее - https://kubhab.ru/l/bh)
Meta* выпустила AI-бенчмарк FACET для оценки справедливости моделей компьютерного зрения. FACET включает 32 000 изображений с разметкой 50 000 человек и позволяет анализировать предвзятость. Несмотря на критику прошлых усилий Meta, они считают FACET более глубоким и полным (подробнее - https://kubhab.ru/l/bi) Meta* запустила бета-тестирование обновления, добавляющего ноги аватарам виртуальной реальности. Пользователи с гарнитурой Meta* Quest могут загрузить обновление, позволяющее их аватарам ходить на двух ногах. Однако отсутствует сгибание в коленях, и ноги видны только от третьего лица. Это обновление было анонсировано Марком Цукербергом в прошлом году (подробнее - https://kubhab.ru/l/bj) Quantum Machines из Тель-Авива представила OPX1000, новый контроллер для больших квантовых компьютеров, способный управлять более 1000 кубитами. Он обеспечивает высокую плотность контроля и считывания данных с 64 выходными и 16 входными каналами. Quantum Machines также партнерствует с Nvidia для решения проблем масштабирования квантовых систем более 10 000 кубитов (подробнее - https://kubhab.ru/l/bk) Публикации В данной статье обсуждается необходимость быстрого обучения роботов новым навыкам для их практического использования. Предлагается использовать плотное отслеживание движений (TAP-модели) для обобщенного обучения по демонстрациям. Этот метод позволяет роботам успешно выполнять сложные задачи, такие как соответствие формы и укладка, используя короткие демонстрации - https://arxiv.org/abs/2308.15975 В данной статье рассматривается важность развития многомодальных моделей естественного языка, способных обрабатывать и комбинировать как зрительные, так и звуковые данные. Авторы предлагают модель Large Language and Speech Model (LLaSM), обученную на многих модальностях, которая способна обрабатывать и следовать инструкциям, сочетающим в себе и речь, и язык. Проведенные эксперименты показывают, что LLaSM обеспечивает более удобное и естественное взаимодействие человека с искусственным интеллектом. Также представлена крупная база данных LLaSM-Audio-Instructions и доступные исходный код и демонстрация модели - https://arxiv.org/abs/2308.15930 Статья рассматривает проблемы стабильной диффузии при генерации изображений разных размеров из текстовых описаний. Предлагается двухэтапный метод Any-Size-Diffusion (ASD), который эффективно создает изображения любого размера и сокращает время вывода в 2 раза по сравнению с традиционным методом - https://arxiv.org/abs/2308.16582 В данной статье рассматривается проблема активного картографирования с использованием непрерывно обучаемого нейронного представления сцены, названного Active Neural Mapping. Основное внимание уделяется активному поиску пространства для исследования с помощью эффективного движения агента с целью минимизации неопределенности карты в реальном времени в незнакомой среде. Авторы представляют метод, использующий нейронное представление для онлайн реконструкции сцены и продемонстрировали его эффективность на визуально-реалистичных средах Gibson и Matterport3D - https://arxiv.org/abs/2308.16246 В данной статье рассматривается проблема разработки роботов, способных выполнять разнообразные задачи манипуляции на основе визуальных наблюдений в неструктурированных реальных средах. Для достижения этой цели роботу необходимо иметь всестороннее понимание 3D-структуры и семантики сцены. Авторы представляют GNFactor - агента для клонирования визуального поведения в многозадачных робототехнических манипуляциях с использованием Generalizable Neural Feature Fields. GNFactor оптимизирует нейронное поле для восстановления сцены и Perceiver Transformer для принятия решений, используя общее представление глубокой 3D-воксельной модели. Эксперименты на реальных задачах роботов и анализ результатов показывают выдающуюся обобщающую способность GNFactor - https://arxiv.org/abs/2308.16891 В данной статье рассматривается использование предварительно обученных языковых моделей, таких как ChatGPT, для генерации кода в области биоинформатики. В связи с увеличением масштабов таких моделей возрастает потребность в генерации кода для более сложных задач. Авторы представляют бенчмарк BioCoder, разработанный для оценки способности существующих предварительно обученных моделей генерировать биоинформатический код. BioCoder включает в себя множество функций, методов и зависимостей в языках программирования Python и Java, а также предоставляет инструменты для оценки моделей, подчеркивая важность областных знаний и контекстного понимания в генерации кода для биоинформатики - https://arxiv.org/abs/2308.16458 Meta Platforms*: * признана экстремистской организацией, её деятельность в России запрещена; Автор: Артем-Дариус Вебер Афиша: Александр Барменков Источник: arxiv.org Комментарии: |
|