Каждый день мы автоматизируем всё, что можно: от походов в магазин до общения с друзьями. Кнопка “авто” стала синонимом эффективности. Но с ростом числа умных ассистентов и LLM-агентов всё чаще появляется ощущение, что мы начинаем терять что-то важное.
За год активной работы с автоматизацией я понял: есть задачи, где ручной труд не просто полезен, а незаменимЧитать полностью »
Из Австралии Cortical Labs представил CL1 — первую в мире биологическую вычислительную систему, объединяющую кремниевые чипы с живыми человеческими нейронами (гибрид).
Случайно совпало два события. Менял утром в машине картриджи ароматизатора, а в обед нашёл в стандартном трёхкилограммовом мешке картошки одну гнилую. Вонизм от неё, правда, был, как будто полмешка сгнило, на всю кухню амбре стоял. Это и натолкнуло на мысль разобраться, почему одними запахами мы восхищаемся, а другие – просто ненавидим. Нос - один, молекулы, которые рецепторы слизистой принимают на себя, чтобы дать возможность мозгу разобраться в элементах запаха, тоже не блещут разнообразием. В какой же момент и где именно происходит разделение запахов на «хорошие» и «плохие»? И почему так?
19 мая 2025 года Nvidia, Foxconn и правительство Тайваня объявили о партнёрстве для создания AI factory — суперкомпьютера, предназначенного для обучения крупных языковых моделей (LLM), робототехники и развития умных городов. Как сообщает Читать полностью »
Робототехника переживает бум: от складских манипуляторов до гуманоидов, обещающих подавать кофе. Но пока мир зациклен на жёстких, антропоморфных машинах, Даниэла Рус, директор Лаборатории компьютерных наук и искусственного интеллекта MIT (CSAIL), предлагает радикально иной подход Читать полностью »
В предыдущей статье я описал свой опыт обучения искусственного нейрона бинарной классификации и некоторые выявленные при этом особенности. Одной из выявленных особенностей была "обратная аномалия" - ситуация, при которой все объекты становились ошибочно классифицированными, а также ситуация, при которой коррекция весов приводила к увеличению количества ошибочно классифицированных объектов.
К сожалению или счастью, был я и там, и там :-) Поэтому ловите внутрянку, как на самом деле выглядит работа линейного ML-щика/Дата саентиста. Стоит ли оно того, что происходит внутри и почему я все-таки ушел из обеих компаний (кормили прост невкусно).
Еще студентом я стремился в бигтех: именно там самые сильные специалисты, лучшие условия труда и перспективы. Ну, по большей части так и было — ничего не умеющего доходягу там редко встретишь (хотя в одной из двух этих компаний раз на раз проскакивает — не будем показывать пальцем🤫).
Эту историю для моего блога рассказал нейрорежиссер Егор Апполонов.
Двадцать лет я занимался журналистикой. Работал в крупных изданиях, снимал документальные фильмы и репортажи. Устал от классической журналистики и ушел в маркетинг. Нейросети интересовали меня с самого начала их активного развития. Сначала генерировал статичные изображения, затем анимированные, теперь создаю полноценные видео.
Первым крупным проектом стал онлайн-журнал «Синтетика». Его концепция: медиа, где статьи пишет ИИ, а изображения генерируют нейросети.
Современные исследования показывают, что отдельный нейрон способен на более сложное поведение, чем простое пороговое суммирование входных сигналов. Биологический нейрон – это сложная полуавтономная вычислительная система, обладающая собственной «памятью» и механизмами обработки информации. Клетка хранит сведения не только в синапсах, но и в структуре своих дендритов и даже в эпигенетических метках ДНК, а вычислительная мощность одного нейрона сопоставима с целой нейронной сетью (образца 1990-х годов) (Читать полностью »
