⚡️Свежий #дайджест по DS и ML

👾 Ютубер сделал нейронку для предсказания рукописных цифр в Minecraft (см. видео)
Автор ролика рассказывает, что решил использовать архитектуру MLP, а не CNN. Изначально алгоритм был написан на Python с помощью Keras и датасета MNIST. Благодаря mcschematic автор смог экспортировать необходимые веса в Minecraft.

🧡 Вышли JupyterLab 4.2 и Notebook 7.2
Теперь можно управлять рабочими пространствами из JupyterLab с помощью графического интерфейса, также улучшена настройка горячих клавиш и добавлена тема Dark High Contrast.

💩Распознавание капчи при помощи CNN модели
Автор статьи рассказывает о генерации данных с помощью библиотеки captcha, и обучении свёрточной нейронной сети. Материал полезен для начинающих.

💩 Вышла YOLOv.10
Это обновление в линейке моделей YOLO для распознавания объектов в реальном времени. Утверждается, что YOLOv10-B имеет на 46% меньшую задержку и на 25% меньше параметров по сравнению с YOLOv9-C при той же производительности.

🤖 Итоги недели в мире ИИ и обзоры новых сервисов

У нас вышла новая статья на 📰 по мотивам еженедельной рассылки про последние новости и тенденции в мире ИИ.

Ниже — небольшая выдержка из статьи, а целиком читайте здесь 👈

💬 Новости

🔘OpenAI убрала голос Sky, который слишком сильно напоминал Скарлетт Йоханссон из фильма «Она».
🔘Microsoft представила новое поколение компьютеров Copilot+ PC, в которых все заточено под работу с ИИ — от NPU чипа и полностью переосмысленной Windows 11 до фичи Recall, которая будет запоминать всё, что когда-либо происходило на экране.
🔘Microsoft также представила мультимодальную версию миниатюрной модели Phi-3 Vision, способную работать с изображениями и графиками.

🛠 Инструменты

🔘ComfyUI — мощный и удобный интерфейс для Stable Diffusion.
🔘Ilus — генерирует профессиональные иллюстрации в различных стилях, поддерживает файнтюнинг и экспорт в png/svg.
🔘AI Meme Generator — генерирует мемы по описаниям и ссылкам.

🔍Обзоры

🔘10 лучших приложений для создания ИИ-персонажей — подборка нейронок, специально предназначенных для генерации аватарок и портретов во всевозможных стилях на основе фото.

➡ Вы можете подписаться на email-рассылку здесь

👾 Чем KAN отличается от MLP?

Недавно исследователи из MIT выпустили статью с описанием альтернативы многослойному перцептрону (MLP). Её назвали KAN — Kolmogorov-Arnold Networks.

Идея, которая лежит в основе новой архитектуры, простая — давайте попробуем переместить функции активации с нейронов на рёбра нейросети. Но что это означает?

✅ Для начала давайте вспомним, как вообще работает MLP. Такой сети подаются входы — ваши данные — а она делает выходы, то есть какие-то целевые значения. В процессе обучения нейросеть пытается найти функцию, обобщающую связь между входами и выходами. В классическом многослойном перцептроне поиск функции идёт на линейных слоях, где входы умножаются на веса ребёр. В каждом нейроне также находится функция активации, которая определяет выход нейрона на основе суммированного взвешенного входа. 

MLP полагается на теорему Цыбенко, которая доказывает, что нейросеть может аппроксимировать любую непрерывную функцию. KAN же полагается на другую теорему — Колмогорова-Арнольда.

🪅 Эта теорема доказывает, что аппроксимация непрерывной ограниченной функции от множества переменных сводится к нахождению полиномиального числа одномерных функций. Так, если в MLP функции активации статические и необучаемые, то в KAN они перемещаются на рёбра и могут адаптироваться в процессе обучения, действуя как веса и функции активации одновременно.

❤ Исследователи утверждают, что KAN нужно меньше нейронов, чтобы достичь точности MLP. Кроме того, такие сети более интерпретируемы.