Оригинальный взгляд на искусственный интеллект, какие части речи являются какими типами нейросетей. Доказательство на основе фрагментов религиозных текстов, предложений содержащих логические ошибки и отрывков песен, которые сложны для понимания, что теория верна и пояснение, как происходит моделирование словесной информации.
Меня зовут Александр Терехов, я работаю инженером группы классификации и диагностики (КиД) в самарском филиале «Инфосистемы Джет». Несколько лет назад я помогал девушке с дипломной работой, и мы создали чат-бота с психологическим уклоном — он тестировал типы личности и темпераменты. Тогда я настолько проникся этим опытом, что, когда начал создавать чат-бота для нужд технической поддержки, решил добавить в него немного психологии. Так появилась Луна — чат-бот, который помогает в работе инженерам «Инфосистемы Джет» и реагирует на эмоции.
Я хочу рассказать вам историю команды Омега. Я собираюсь рассказать о некоторых событиях, которые, вероятно, произойдут в недалеком будущем. Команда Омега состоит из талантливых людей. Эти люди были выбраны харизматичным генеральным директором компании после того, как они по очереди прошли собеседование. Идеалистическая группа исследователей, инженеров и разработчиков программного обеспечения, которые являются лучшими в своих областях. Их целью было помочь человечеству. Но их миссия была слишком опасной. Если код, который они разрабатывали, попадет в руки не тех людей, это может привести к очень плохим результатам. Так в свое время объединились самые умные умы мира для «Манхэттенского проекта». Но что же все-таки произошло? Появилось ядерное оружие, и в мировых войнах человечество было практически уничтожено.
Они назвали искусственный интеллект «Прометеем». Он отличался от примеров «узкого искусственного интеллекта», которые до этого разрабатывали другие технологические компании. Команда Omega разрабатывала Prometheus как «общий искусственный интеллект». Возможно, ему не хватало социальных навыков, которые сейчас есть у людей, но они работали, чтобы быть лучшим в чем-то. У Прометея была возможность программировать другие системы ИИ. Они хотели, чтобы это было похоже на машину, которая может проектировать машину. Если бы он мог развить лучший интеллект, чем он сам, он мог бы научиться другим вещам, которые ему понадобятся со временем, используя этот интеллект.
В 09:00 пятничного утра команда Omega решила запустить написанный ими код, а именно «Прометей», и нажала кнопку. Прометей начал работать на компьютере в хорошо проветриваемом закрытом помещении. Они не подключали его к Интернету из соображений безопасности. Но они разместили копии некоторых сайтов в Интернете на жестких дисках рядом с собой. Википедия, несколько каналов с YouTube, несколько страниц из Twitter и Facebook… Он использовал эту информацию для самообразования. Такого рода выборочные данные были необходимы для метода машинного обучения, который другие компании используют уже много лет.
Искусственный интеллект сейчас в тренде, каждый год появляется огромное количество технологий, которые двигают эту отрасль дальше. Неудивительно, что возможности ИИ активно применяют во многих сферах бизнеса. Давайте поговорим о том, как применяют ИИ и какие интересные решения есть в разных сферах. Перечислить все невозможно, поэтому затронем только наиболее известные или важные.
Многие из нас застали то время, когда компьютерные игры смогли разделить наш мир на до и после, а многие даже играли в игры, которые являлись новейшими в индустрии гейминга. Вот уже как 51 год назад на свет появилась первая видеоигра и с того момента изменилось многое: от добавления в игры сюжета, до замечательной картинки на мониторе.
Недавно компания 🤗 Hugging Face (стартап, стоящий за библиотекой transformers) выпустила новый продукт под названием "Infinity". Он описывается как сервер для выхода в “production”. Публичная демонстрация доступна на YouTube (ниже приведены скриншоты с таймингами и настройками, использованными во время демонстрации). Все основано на обещании, что продукт может выполнять работу с NLP с задержкой в 1 миллисекунду на графическом процессоре. По словам ведущего демонстрации, сервер Hugging Face Infinity стоит не менее 20.000$ в год за одну модель, развернутую на одной машине (общедоступная информация о ценовой масштабируемости отсутствует).
Мне стало любопытно немного покопаться и проверить, возможно ли достичь таких показателей? Спойлер: да, возможно, и с помощью этой статьи его легко воспроизвести и адаптировать к вашим РЕАЛЬНЫМ проектам.
А для тех, кому лень все это читать и хочется все получить из коробки... Ссылка на GitHub. Поставьте зведу сразу, а потом читайте 🤗
Меня зовут Дмитрий Литвинов, в Московском кредитном банке (МКБ) я курирую направление автоматизации внутренних сервисных подразделений – это операционный департамент, контактный центр и ряд других функций. Чат-боты стали довольно полезным инструментом для бизнесов любого размера и технология активно применяется в организациях самого разного профиля. Я бы хотел поговорить о том, какие технологические решения используются для создания ботов и как оптимально определить зоны их применения.
Мир, пусть криво и косо, окольными путями, но всё же идёт по пути развития, прогресса, в том числе в сфере производительных сил. Что даст продвижение науки и техники вперёд, какие возможности предоставит индустриализация на новом технологическом фундаменте с применением передовых цифровых технологий? Очевидно, что произойдёт переход на более высокий уровень автоматизации, коренное изменение системы управления всеми технологическими процессами.
Когда автоматизация включает решения, которые должен принимать человек: одобрение, повышение приоритета задачи или определение исключений — Action Center позволяет легко и эффективно передавать процесс от робота к человеку, и в обратном направлении.
UiPath Action Center помогает автоматизировать сложные процессы, требующие взаимодействия роботов и людей. Роботы выполняют ту часть работы, для которой они лучше всего предназначены. А люди подключаются к процессу только для принятия необходимых важных решений.
Мы уже писали об Action Center в конце 2020, а за 2021 продукт получил несколько изменений, о которых мы хотим рассказать в этом посте.
Статья написана при поддержке технического эксперта UiPath: Кристины Виролайнен.
Естественным источником информации в банке о покупках клиента являются карточные транзакции – любые операции, проводимые по дебетовым или кредитным картам. При этом денежные операции клиента не ограничиваются транзакциями, проводимыми с помощью карт. Оплата ЖКХ, оплата образования, крупные покупки и другие денежные переводы – это примеры транзакций, которые никак не привязаны к карте клиента, но при этом они ассоциируются с другой банковской сущностью – расчетным счетом.
Про то, как мы в Альфа-Банке применяем карточные транзакции в моделировании, мы уже рассказывали в этом посте. Логичным развитием идеи использования карточной транзакционной истории клиента является использование данных, которые содержатся в клиентской истории транзакций расчетного счета.
В 2017 инженеры Google опубликовали работу “Внимание – это все, что вам нужно” (Attention Is All You Need [1]), где они предложили новую модель архитектуры нейронной сети, получившую название Transformers, и показали ее эффективность для перевода текстов. А в 2022 эта технология была применена для создания Alphacode [2], который обучается решению некоторых задач соревновательного уровня по программированию.
Привет всем читателям Хабра! Нас зовут Сергей и Павел, мы студенты Томского государственного университета систем управления и радиоэлектроники (ТУСУР). В прошлом году мы победили в треке “Искусственный интеллект” IV Межвузовского конкурса выпускных проектов «IT Академии Samsung». Там мы представили проект, использующий нейронные сети для анализа информации на ценниках.
Мы распознавали ценники сети магазинов “Лента” при помощи нейронных сетей для сегментации и OCR и теперь хотим рассказать о том, как проходила работа над проектом и что мы узнали за это время.
Чем выше спрос на разговорные интерфейсы, тем больше решений на рынке для разработки ботов. Но не всегда понятно, какое выбрать — речь даже не про конкретный продукт или вендора, а про сам инструмент. Например, можно купить уже готового бота, заказать разработку, сделать все своими силами в конструкторе, с помощью фреймворка или диалоговой платформы. Мы подготовили подробнейший гайд по основным способам создания бота.
Когда-то давно люди много путешествовали, посещали новые города и страны, им удавалось насладиться культурой других народов, пообщаться с ними на языке жестов. Исследовать новый для себя город можно по-разному. Например, бесцельно гулять по его улицам, впитывая атмосферу, состоящую из множества разных мелочей. И это отличный способ, если времени на осмотр много и точно знаешь, что рано или поздно еще вернешься. В противном случае полезно оптимизировать визит, используя путеводители, карты достопримечательностей и статьи других путешественников.
Число исследований в области машинного обучения с каждым годом растет. Конечно, приятно было бы прогуляться по каждой статье или ветке исследований отдельно, но времени на это просто может не хватить, а «посетить» 2021 год еще раз, увы, не удастся. Следовательно, необходимо также искать «путеводители» - статьи, подсвечивающие некоторые тренды, понимание которых важно для будущих направлений исследований. В начале года одна из таких статей «гуляла» по различным каналам и чатам. Мне захотелось перевести ее на русский и поделиться с вами. Далее приведу перевод этой статьи с моими комментариями.
