Публикации по теме 'generative-ai'
Встречайте MM-REACT: новая модель Microsoft Research, которая позволяет использовать визуальное мышление поверх ChatGPT
Модель сочетает в себе язык и компьютерное зрение, чтобы обеспечить сложные возможности рассуждения.
Недавно я запустил образовательный информационный бюллетень, посвященный ИИ, у которого уже более 150 000 подписчиков. TheSequence — это информационный бюллетень, ориентированный на машинное обучение, без BS (то есть без шумихи, без новостей и т. д.), чтение которого занимает 5 минут. Цель состоит в том, чтобы держать вас в курсе проектов машинного обучения, научных работ и концепций...
Внутреннее руководство: новая платформа Microsoft с открытым исходным кодом для улучшения управления в приложениях LLM
Руководство предоставляет очень простой, но всеобъемлющий синтаксис для разработки сложных рабочих процессов LLM.
Недавно я запустил образовательный информационный бюллетень, посвященный ИИ, у которого уже более 160 000 подписчиков. TheSequence — это информационный бюллетень, ориентированный на машинное обучение, без BS (то есть без шумихи, без новостей и т. д.), чтение которого занимает 5 минут. Цель состоит в том, чтобы держать вас в курсе проектов машинного обучения, научных работ..
Забудьте об искусственном общем интеллекте, все дело в искусственном предметном интеллекте.
Искусственный интеллект для людей
В прошлом году концепция генеративного искусственного интеллекта , при котором невидимый ранее контент создается машиной, покорила мир технологий, представив Stable Diffusion и Midjourney, две генеративные художественные модели, которые воспринимают описательный текст как вводить и создавать безумно крутые арты. (Хотя с несколько тревожной способностью выводить депрессивные, фантастические произведения.)
Быстро следуя по их стопам, компания OpenAI,..
Введение в Кандинского 2.1
Многоязычная модель скрытой диффузии text2image
Кандинский 2.1 — это новая многоязычная модель латентной диффузии текста и изображения, которая наследует лучшие практики своего предшественника DALL-E 2 и Скрытой диффузии . Кроме того, он также представляет несколько новых идей для обработки изображений с помощью текста и слияния изображений (интерполяции).
Вопросы этики и конфиденциальности при обучении с подкреплением с обратной связью
Обучение с подкреплением — это метод машинного обучения, который позволяет алгоритмам учиться на основе обратной связи, полученной из окружающей среды. Человеческая обратная связь может быть ценным источником информации в этом процессе, но она также вызывает вопросы этики и конфиденциальности. В этом сообщении блога мы рассмотрим некоторые вопросы этики и конфиденциальности, связанные с использованием отзывов людей для обучения алгоритмов обучения с подкреплением, и обсудим некоторые..
Генеративный ИИ, обучение на примерах и авторское право
Генеративный ИИ, обучение на примерах и авторское право
TL;DR: авторское право в первую очередь существует для поощрения творчества. Использование генеративного ИИ не должно автоматически подразумевать нарушение авторских прав, и каждый результат должен оцениваться с точки зрения его достоинств, как и другие существующие способы создания.
На протяжении многих лет я много писал о том, как искусственный интеллект изменит экономику . Я постараюсь не повторяться здесь, но суть в..
Раскрытие творческих возможностей ИИ с VALDI и Storj
В жизни важно иметь выбор — то же самое относится к тому, какую облачную среду использует ваш бизнес. Речь идет не только об экономии денег, но и о простоте миграции и использования. В приведенном ниже видеоролике показано, как потенциальный клиент может использовать комбинацию распределенных вычислений VALDI и децентрализованного хранилища STORJ для быстрого и беспрепятственного выполнения комплексной учебной задачи по машинному обучению. При этом VALDI помогает клиентам сэкономить..
Новые материалы
Объяснение документов 02: BERT
BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка.
Во время предварительного обучения модель обучается на неразмеченных данных с помощью..
Как проанализировать работу вашего классификатора?
Не всегда просто знать, какие показатели использовать
С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..
Работа с цепями Маркова, часть 4 (Машинное обучение)
Нелинейные цепи Маркова с агрегатором и их приложения (arXiv)
Автор : Бар Лайт
Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..
Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
Как вы сегодня, ребята?
В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..
Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение.
В этом процессе мы будем использовать неконтролируемое обучение, чтобы..
Учебные заметки: создание моего первого пакета Node.js
Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm.
Оглавление
Глоссарий
I. Новый пакет
1.1 советы по инициализации..
Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных.
Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..