Реализация ИИ

Современные голосовые помощники это мощные приложения, сочетающие обработку речи, машинное обучение и интеграцию с внешними API. В этой статье создадим базовый проект персонального ассистента на Python, используя библиотеки whisper, webrtcvad, gTTS и другие. Наш ассистент будет:

Слушать микрофон

Проект объединяет несколько компонентов:

Проект находится в активной разработке и уже умеет автоматизировать весь цикл: от планирования проекта до генерации кода. Всё построено на надёжных multi-agent workflow'ах с использованием LangGraph.

Что делает агент:

Понимает задачу и строит план

AI-архитектор анализирует требования и создаёт пошаговый план разработки.

Открытая модель, которая понимает аудио и отвечает на вопросы по аудио.

Лидирует на бенчмарках аудиорассуждений.

Построена на базе Qwen 3B.

Omni-R1

Модель для видеоанализа, которая "смотрит" на видео и рассуждает на уровне каждого пикселя.

Уже конкурирует с лучшими проприетарными решениями.

MCP (Model Context Protocol) меняет то, как ИИ-модели и агенты взаимодействуют с инструментами.

1. Agentset MCP

https://github.com/agentset-ai/mcp-server

Быстрое создание интеллектуальных приложений на основе документов (RAG) с open-source платформой Agentset.

2. GitHub MCP Server

Недавно мне пришла идея воссоздать механику Reddit внутри Telegram.

Телега — отличная и популярная платформа для общения и ведения блогов, но, на мой взгляд, это ужасное место для создания настоящих сообществ.

Агенты — это системы, которые используют LLM (Large Language Models) как движок рассуждений: они принимают решения, выбирают действия и обрабатывают их результаты, чтобы достичь цели. Сегодня вы можете собрать собственную мультиагентную систему всего за несколько минут, благодаря Python-фреймворкам нового поколения.

Основная цель инструмента - обеспечить "temporal-grounded video understanding", то есть способность отвечать на вопросы о видео, точно указывая на конкретные моменты (визуальные доказательства) в видеоряде, что является сложной задачей для стандартных больших языковых моделей.

Как работает:

Суть проекта

Это эксперимент по обучению с подкреплением (Reinforcement Learning, RL), где агент учится играть в крестики-нолики (Tic-Tac-Toe) без использования нейронных сетей. Основная цель — продемонстрировать, как классические методы RL справляются с простыми играми.

Чем интересен?

Минимализм и простота

Вот все, что вам нужно знать.

ERNIE 4.5

- Мулльтимодальная модель, превосходит GPT 4.5 в нескольких бенчмарках всего за 1% от цены GPT 4.5

- OpenAI GPT 4.5 - Input: $75 / 1M токенов, Output: $150 / 1M токенов;

- ERNIE 4.5 - Input: $0.55 / 1M токенов, Output: $2,20 / 1M токенов

ERNIE X1

Хозяйка сняла на видео, как ее пернатый друг болтает с искусственным интеллектом, а бот, кажется, осознает, что говорит с птицей.

Tufa Labs (https://tufalabs.ai/index.html) опубликовала пейпер (https://arxiv.org/pdf/2503.00735) фреймворка LADDER, который дает возможность языковым моделям самостоятельно улучшать навыки решения сложных задач.

Академики СССР Николай Амосов, Иван Артоболевский, Владимир Чавчанидзе, Наталья Бехтерева размышляют о перспективах развития кибернетики, электронно-вычислительной техники и создания искусственного интеллекта.

OpenAI показала GPT-4.5 — базисную модель нового поколения. Она умнее и точнее GPT-4o, а кое-где не уступает даже «рассуждающим» версиям ИИ. Разбираем результаты тестирования.

Что улучшили?

Введение

За последние три недели я устранил пару проблем с производительностью, что потенциально сэкономило компании несколько сотен тысяч долларов (я подрядчик, поэтому, к сожалению, не получаю никаких премий).

ReasonFlux - методика, которая используется как для обучения, так и для инференса, чтобы повысить способность LLM к сложному логическому мышлению. Применение метода позволяет превосходить OpenAI o1-preview и DeepSeek V3 в задачах математического рассуждения.

Одна из первых open-source рассуждающих языковых моделей, сравнимых с OpenAI o1

date_range

Год выпуска: 2024

assignment

Описание

Open-source рассуждающая языковая модель на основе DeepSeek-V3.

insert_link

Оригинальная статья

Искусственный интеллект (ИИ) становится неотъемлемой частью нашей жизни, и разработка собственного ИИ-проекта — задача, доступная как новичкам, так и опытным специалистам. Рассмотрим ключевые шаги, которые помогут вам создать эффективную ИИ-систему с использованием современных инструментов и платформ.

При подготовке статьи использовалась публикация «Train your own R1 reasoning model with Unsloth».

Реализация ИИ-ресерчера, который непрерывно ищет информацию по запросу пользователя, пока система не убедится, что собрала все необходимые данные.

Для этого он использует несколько сервисов:

- SERPAPI: Для выполнения поиска в Google.

- Jina: Для получения и извлечения содержимого веб-страниц.

Это Python-фреймворк с открытым исходным кодом, в котором используется LLM для создания SQL-запросов на основе естественного языка.

Всё просто: сначала обучаете модель на своих данных, а потом можно задать вопросы на обычном языке.

Minima также может использоваться как RAG на вашей машине.

Minima поддерживает три режима работы:

В 2025 году в играх появятся «автономные игровые персонажи», которые смогут не только помогать игрокам, но и адаптироваться к их тактике, реагируя на изменения ситуации. Это стало возможным благодаря технологии NVIDIA Avatar Cloud Engine (ACE), использующей генеративный искусственный интеллект для создания более живых и динамичных NPC.

К концу года их будет 1000. Основатель компании Чжихуэй Цзюнь работал инженером Huawei, занимался исследовательской работой в области ИИ. Новая компания привлекла 7 миллиардов юаней (около 95 миллиардов рублей) от китайского производителя автомобилей BAIC и других инвесторов.

Последний день лета идёт, а я ничего и не залил :с. Сейчас исправим это недоразумение. Это пока не байпассер, о котором писал ранее, но тоже веселая штука (вышло чуть раньше)

MQL (My Query Language) — это клиент и сервер, который преобразует запросы на естественном языке в исполняемые SQL-запросы.

MQL можно использовать без знаний программирования.

Панель управления MQL доступна локально через Docker.

Внутри — API OpenAI.

git clone https://github.com/shurutech/mql

Lean-STaR — это фреймворк, который дает ИИ степень PhD по математике. Он учит языковые модели сочетать рассуждения с жесткими математическими доказательствами и переворачивает мир автоматизированного доказательства теорем.

Этот Python-скрипт задействует до трех моделей искусственного интеллекта: GPT-4o, Claude-3.5 и LlaMa 3, работающих вместе для решения ваших задач.

Роли моделей следующие:

Почему именно S.T.A.R.K.?

Первый задачник – это книга «Pen & Paper exercises in machine learning». Она написана в 2022 году Михаэлем Гутманом – преподавателем курса «Машинное обучение» в Университете Эдинбурга. Книга научит решать задачи, с которыми встречается человек, занимающийся обучением машин.

Пару недель назад я написал для себя бота, через который могу общаться с ChatGPT голосом и текстом.

Это очень удобно, так как не нужен VPN и говорить намного проще, чем писать.

В итоге проект мне понравился, и потому я решил в ролике показать реализацию такого бота на NodeJS пошагово с нуля.

Энтузиаст добавил GPT-4 в Blender, с помощью которого можно создавать 3D-сцены и модели.

Просто вводим промт в текстовом поле, после чего он сгенерирует результат через Python.

Ссылка на гитхаб с инструкцией по установке. https://github.com/gd3kr/BlenderGPT

Ученики одинцовского лицея создали чат-бот, который распознаёт речь и знает математику. Разработку уже оценили преподаватели онлайн-школы «Сириус.Курсы», на чьей платформе ребята проходили дистанционное обучение по теме «Знакомство с искусственным интеллектом».

В этом месяце наша система управления посещаемостью достигла отметки в 900 000 событий всего через год после запуска. Однако радость от сегодняшних достижений не может стереть из памяти то, как нелегко начиналась работа над этим проектом.