AI для Всех
Claude 3.5: Artficats Одна из новых функций - это генерация артифактов - интерактивных окон, которые появляются по запросу. Попросил сгенирировать игру, что бы Claude показал свои возможности. Claude сделал текстовую игру на реакте, с сюжетом, инвентарем…
Media is too big
VIEW IN TELEGRAM
Легким движением руки, коротенький промпт превращается в увлекательную игру - Лабиринт, который усложняется с каждым последующим уровнем!
Claude Artifacts позволяет быстро и легко почувстовать дыхание AGI.
Claude Artifacts позволяет быстро и легко почувстовать дыхание AGI.
❤25🔥3😢2😁1
Сложная система коммуникации слонов: МЛ помогает учёным обнаружить "имена" гигантов
Слоны одни из самых умных, социальных и эмоционально развитых существ на Земле. Они помнят сородичей, даже если долго не виделись, проявляют эмоции: радость, грусть и траур с случае утраты, они гармонично живут в матриархате, общаются широким спектром звуков, и, как показало недавнее исследование, кажется, называют друг друга по имени - используют уникальные акустические сигналы, обращаясь к знакомым слонам.
В отличие от дельфинов и попугаев, которые подражают звукам других особей, слоны создают совершенно уникальные звуки для обозначения своих сородичей.
Дело было так.
Исследователи записали звуки, издаваемые слонами в дикой природе при общении друг с другом и в одиночестве. Наблюдали за хорошо изученной семьёй слонов, членов которой люди научились хорошо различать (в т.ч. по уникальной форме ушей). Т.е для каждой записи был известен "владелец" звука, а иногда и адресат.
Затем удалили шумы, длительную тишину, нормировали громкость и немного нарезали.
Для анализа использовали кластеризацию (k-means, DBSCAN), группируя похожие звуки вместе и выделяя уникальные "имена"; сверточные нейросети (CNN) для идентификации уникальных паттернов в акустических данных для каждого слона (да, спектрограммы в мире науки - это "image"), рекуррентные нейросети (а именно - LTSM), чтобы учитывать контекст предыдущих звуковых событий.
В итоге алгоритмы не только идентифицировали уникальные звуки, но и классифицировали их, связывая определенные зовы с конкретными слонами: кто кого зовет (не оч точно, зато не случайно). Это позволило сделать гипотезу, что каждый слон имеет свой уникальный "зов", аналогичный человеческому имени.
Здорово, что люди прикладывают усилия, чтобы понять мир вокруг и сложные коммуникативные системы, будь то кашалоты, слоны или мы сами.
Статья в Nature
Данные
Код (R)
Кадр из Ashes and Snow
Слоны одни из самых умных, социальных и эмоционально развитых существ на Земле. Они помнят сородичей, даже если долго не виделись, проявляют эмоции: радость, грусть и траур с случае утраты, они гармонично живут в матриархате, общаются широким спектром звуков, и, как показало недавнее исследование, кажется, называют друг друга по имени - используют уникальные акустические сигналы, обращаясь к знакомым слонам.
В отличие от дельфинов и попугаев, которые подражают звукам других особей, слоны создают совершенно уникальные звуки для обозначения своих сородичей.
Дело было так.
Исследователи записали звуки, издаваемые слонами в дикой природе при общении друг с другом и в одиночестве. Наблюдали за хорошо изученной семьёй слонов, членов которой люди научились хорошо различать (в т.ч. по уникальной форме ушей). Т.е для каждой записи был известен "владелец" звука, а иногда и адресат.
Затем удалили шумы, длительную тишину, нормировали громкость и немного нарезали.
Для анализа использовали кластеризацию (k-means, DBSCAN), группируя похожие звуки вместе и выделяя уникальные "имена"; сверточные нейросети (CNN) для идентификации уникальных паттернов в акустических данных для каждого слона (да, спектрограммы в мире науки - это "image"), рекуррентные нейросети (а именно - LTSM), чтобы учитывать контекст предыдущих звуковых событий.
В итоге алгоритмы не только идентифицировали уникальные звуки, но и классифицировали их, связывая определенные зовы с конкретными слонами: кто кого зовет (не оч точно, зато не случайно). Это позволило сделать гипотезу, что каждый слон имеет свой уникальный "зов", аналогичный человеческому имени.
Здорово, что люди прикладывают усилия, чтобы понять мир вокруг и сложные коммуникативные системы, будь то кашалоты, слоны или мы сами.
Статья в Nature
Данные
Код (R)
Кадр из Ashes and Snow
👍48🔥14❤7🤩3
Media is too big
VIEW IN TELEGRAM
🧬 Искусственный интеллект создал новый флуоресцентный белок
Ученые из компании EvolutionaryScale разработали языковую модель ESM3, которая способна генерировать функциональные белки, ранее не существовавшие в природе.
Ключевые моменты:
• ESM3 создала новый зеленый флуоресцентный белок (GFP), получивший название esmGFP
• esmGFP имеет лишь 58% сходства с ближайшим известным флуоресцентным белком
• Такое различие соответствует более чем 500 миллионам лет эволюции в природе
• esmGFP светится так же ярко, как и природные GFP
ESM3 - это языковая модель, обученная на огромном количестве последовательностей белков. Она работает похоже на ChatGPT, но вместо человеческих слов "понимает" язык аминокислот - строительных блоков белков.
Как это работает:
1. Модель изучила миллиарды белковых последовательностей
2. Она научилась предсказывать, какие аминокислоты могут идти друг за другом
3. При этом модель уловила скрытые правила, по которым эволюция "собирает" работающие белки
Теперь ESM3 может генерировать новые последовательности, которые с высокой вероятностью образуют стабильные и функциональные белки. Она как бы "представляет" все возможные пути эволюции и может создавать белки, которых нет в природе, но которые могли бы существовать.
Модель (которая уже доступна по API), открывает огромные возможности для создания новых ферментов, лекарств и биоматериалов, позволяя исследователям быстро находить работающие варианты среди триллионов возможных последовательностей.
💎 Блог-пост
📄 Статья
🧬 API модели
Ученые из компании EvolutionaryScale разработали языковую модель ESM3, которая способна генерировать функциональные белки, ранее не существовавшие в природе.
Ключевые моменты:
• ESM3 создала новый зеленый флуоресцентный белок (GFP), получивший название esmGFP
• esmGFP имеет лишь 58% сходства с ближайшим известным флуоресцентным белком
• Такое различие соответствует более чем 500 миллионам лет эволюции в природе
• esmGFP светится так же ярко, как и природные GFP
ESM3 - это языковая модель, обученная на огромном количестве последовательностей белков. Она работает похоже на ChatGPT, но вместо человеческих слов "понимает" язык аминокислот - строительных блоков белков.
Как это работает:
1. Модель изучила миллиарды белковых последовательностей
2. Она научилась предсказывать, какие аминокислоты могут идти друг за другом
3. При этом модель уловила скрытые правила, по которым эволюция "собирает" работающие белки
Теперь ESM3 может генерировать новые последовательности, которые с высокой вероятностью образуют стабильные и функциональные белки. Она как бы "представляет" все возможные пути эволюции и может создавать белки, которых нет в природе, но которые могли бы существовать.
Модель (которая уже доступна по API), открывает огромные возможности для создания новых ферментов, лекарств и биоматериалов, позволяя исследователям быстро находить работающие варианты среди триллионов возможных последовательностей.
💎 Блог-пост
📄 Статья
🧬 API модели
🔥60👍11❤6😱3🤯2😁1
Media is too big
VIEW IN TELEGRAM
За пределами возможностей CRISPR: мостовая рекомбинация прокладывает путь в геномный дизайн
Представьте, что вам нужно отредактировать документ, но у вас в руках только ножницы. Вы можете вырезать нежелательные слова, вставить новые, но точное редактирование слегка невозможно. И тут вдруг изобрают ручку, позволяющую писать и свободно корректировать текст. Именно такой прорыв происходит в мире редактирования генома благодаря новому методу под названием "мостовая рекомбинация".
В конце 1990-х годов человечество открыло РНК-интерференцию (RNAi) — первый шаг к программируемой биологии, позволяющий выключать определенные гены. Это было похоже на пульт дистанционного управления для генов.
В начале 2010-х появилась технология CRISPR, позволяющая не только выключать гены, но и редактировать их напрямую. CRISPR стал базовым редактором для ДНК, давая возможность вырезать нежелательные гены и вставлять полезные. Однако этот метод имеет ограничения, поскольку работает через разрезание ДНК (может случайно не там порезать и потенциально вызвать нежелательные мутации).
Исследователи из Arc Institute, во главе с доктором Патриком Сю (Patrick D. Hsu), изучали транспозоны бактерий, так называемые "прыгающие гены". Их внимание привлекли элементы IS110, минималистичные гены, состоящие из фермента для резки и вставки и загадочных flanking (пограничных, фланговых) сегментов ДНК.
При вырезании элемента IS110 из генома, flanking сегменты образуют молекулу РНК, которая складывается в две петли: одна связывается с элементом IS110, другая — с целевой ДНК, куда должен быть вставлен элемент. Эта РНК, названная "мостовой РНК", служит инструкцией для фермента, указывая, куда и что вставить.
В отличие от CRISPR, который разрезает ДНК и полагается на механизмы репарации клетки, мостовая рекомбинация не разрывает ДНК. Вместо этого, она разворачивает небольшую часть ДНК, вставляет новый фрагмент и сворачивает обратно. Это позволяет избежать ошибок, связанных с починкой.
Кроме того, мостовая РНК может быть запрограммирована на распознавание любой последовательности ДНК, что позволяет точно вставлять любой фрагмент ДНК в любое место генома.
Возможности и перспективы головокружительные, кшно:
1. Генная терапия: Больше никаких непредсказуемых случайных вставок терапевтических генов (проблема CRIPR). Корректирующие гены доставляются в целевые зоны генома (специфичность вставки 84,9%), т.е можно оценить соотношение риска и пользы вмешательства.
2. Синтетическая биология: Создание организмов с новыми признаками. Мммм! Достаточно разработать ген и вставить его в нужное место. Как раз тут новый флуоресцентный белок подвезли. Кому?
3. Сельское хозяйство: Точная вставка полезных генов в культуры может помочь созданию устойчивых к засухе растений, напр.
Про МЛ коротко - это удобный инструмент в умелых руках:
Собственно, программирование мостовой РНК для связывания с целевым сегментом с минимизацией неспецифических взаимодействий.
Алгоритмы оптимизации для подбора условий, при которых ферменты работают наиболее эффективно и безопасно, концентрации реагентов, температуру и тд.
Анализ ДНК и предсказания участков, которые наиболее подходят для вставки новых генов, и для анализа результатов, чтобы заметить нежелательные эффекты.
И изучение литературы и генерация гипотез.
Arc Institute буквально построил мост в эру геномного дизайна. Они🌐 репо так и назвали: BridgeRNADesigner
💙 Arc Institute
🐯 Nature
Представьте, что вам нужно отредактировать документ, но у вас в руках только ножницы. Вы можете вырезать нежелательные слова, вставить новые, но точное редактирование слегка невозможно. И тут вдруг изобрают ручку, позволяющую писать и свободно корректировать текст. Именно такой прорыв происходит в мире редактирования генома благодаря новому методу под названием "мостовая рекомбинация".
В конце 1990-х годов человечество открыло РНК-интерференцию (RNAi) — первый шаг к программируемой биологии, позволяющий выключать определенные гены. Это было похоже на пульт дистанционного управления для генов.
В начале 2010-х появилась технология CRISPR, позволяющая не только выключать гены, но и редактировать их напрямую. CRISPR стал базовым редактором для ДНК, давая возможность вырезать нежелательные гены и вставлять полезные. Однако этот метод имеет ограничения, поскольку работает через разрезание ДНК (может случайно не там порезать и потенциально вызвать нежелательные мутации).
Исследователи из Arc Institute, во главе с доктором Патриком Сю (Patrick D. Hsu), изучали транспозоны бактерий, так называемые "прыгающие гены". Их внимание привлекли элементы IS110, минималистичные гены, состоящие из фермента для резки и вставки и загадочных flanking (пограничных, фланговых) сегментов ДНК.
При вырезании элемента IS110 из генома, flanking сегменты образуют молекулу РНК, которая складывается в две петли: одна связывается с элементом IS110, другая — с целевой ДНК, куда должен быть вставлен элемент. Эта РНК, названная "мостовой РНК", служит инструкцией для фермента, указывая, куда и что вставить.
В отличие от CRISPR, который разрезает ДНК и полагается на механизмы репарации клетки, мостовая рекомбинация не разрывает ДНК. Вместо этого, она разворачивает небольшую часть ДНК, вставляет новый фрагмент и сворачивает обратно. Это позволяет избежать ошибок, связанных с починкой.
Кроме того, мостовая РНК может быть запрограммирована на распознавание любой последовательности ДНК, что позволяет точно вставлять любой фрагмент ДНК в любое место генома.
Возможности и перспективы головокружительные, кшно:
1. Генная терапия: Больше никаких непредсказуемых случайных вставок терапевтических генов (проблема CRIPR). Корректирующие гены доставляются в целевые зоны генома (специфичность вставки 84,9%), т.е можно оценить соотношение риска и пользы вмешательства.
2. Синтетическая биология: Создание организмов с новыми признаками. Мммм! Достаточно разработать ген и вставить его в нужное место. Как раз тут новый флуоресцентный белок подвезли. Кому?
3. Сельское хозяйство: Точная вставка полезных генов в культуры может помочь созданию устойчивых к засухе растений, напр.
Про МЛ коротко - это удобный инструмент в умелых руках:
Собственно, программирование мостовой РНК для связывания с целевым сегментом с минимизацией неспецифических взаимодействий.
Алгоритмы оптимизации для подбора условий, при которых ферменты работают наиболее эффективно и безопасно, концентрации реагентов, температуру и тд.
Анализ ДНК и предсказания участков, которые наиболее подходят для вставки новых генов, и для анализа результатов, чтобы заметить нежелательные эффекты.
И изучение литературы и генерация гипотез.
Arc Institute буквально построил мост в эру геномного дизайна. Они
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥41👍9❤4
Прелести жизни в СФ - Alex (Head of Dev Relations @ Anthropic) - рассказывает про новинки ИИ после работы
❤29🔥15😐6
AI для Всех
Прелести жизни в СФ - Alex (Head of Dev Relations @ Anthropic) - рассказывает про новинки ИИ после работы
Поделюсь спекуляцией:
Думаю (основываясь например на этом, этом и разговоре с Алексом вчера), что Антропик в ближайшем будушем начнет хостить созданные Артифакты (напомню, что артифакт - это интерактивная программа, котрая появляется справа от текстового интерфейса Claude).
По сути, это еще одна попытка в апстор, только в этот раз, вместо текстовых GPTs - сразу работающие приложения. Как минимум - это отличная лидогенерация. Люди хотят делиться артифактами, и не всегда скришота достаточно.
Как максимум - будут появляться действительно полезные вещи, созданные теми у кого есть потребность, но нет навыка.
Думаю (основываясь например на этом, этом и разговоре с Алексом вчера), что Антропик в ближайшем будушем начнет хостить созданные Артифакты (напомню, что артифакт - это интерактивная программа, котрая появляется справа от текстового интерфейса Claude).
По сути, это еще одна попытка в апстор, только в этот раз, вместо текстовых GPTs - сразу работающие приложения. Как минимум - это отличная лидогенерация. Люди хотят делиться артифактами, и не всегда скришота достаточно.
Как максимум - будут появляться действительно полезные вещи, созданные теми у кого есть потребность, но нет навыка.
X (formerly Twitter)
Alex Albert (@alexalbert__) on X
One of the most exciting things about artifacts is that it's not just making existing coding jobs easier/faster, it's creating software that would never be written otherwise.
Many people are now creating their first apps, with Claude's help.
Niche apps…
Many people are now creating their first apps, with Claude's help.
Niche apps…
👍14🔥10
Forwarded from proVenture (проВенчур)
🤡 Как запалиться использованием ChatGPT на весь мир.
Целых 5 авторов статьи под названием “The three dimensional porous mesh structure of Cu-based metal-organic framework – aramid cellulose separator enhances the electrochemical performance of lithium metal anode batteries”, видимо, устали, пока придумывали самое длинное название статьи в мире.
Остальное отдали генеративному AI, ну или как минимум отдали написание “Introduction” для своей статьи написать.
Важное правило – не палитесь, проверяйте, что какие-то вводные обороты в ваших высоконаучных трудах надо удалять 😂
Пятничный юмор, друзья...
P.S. Картинка взята из поста моего коллеги по R136 Ventures Ивана Рубинова.
#оффтоп #ai
Целых 5 авторов статьи под названием “The three dimensional porous mesh structure of Cu-based metal-organic framework – aramid cellulose separator enhances the electrochemical performance of lithium metal anode batteries”, видимо, устали, пока придумывали самое длинное название статьи в мире.
Остальное отдали генеративному AI, ну или как минимум отдали написание “Introduction” для своей статьи написать.
Важное правило – не палитесь, проверяйте, что какие-то вводные обороты в ваших высоконаучных трудах надо удалять 😂
Пятничный юмор, друзья...
P.S. Картинка взята из поста моего коллеги по R136 Ventures Ивана Рубинова.
#оффтоп #ai
😁69🔥2
AI для Всех
Как пользоваться Cursor бесплатно? Если вы пишете код, то скорее всего пользуетесь ChatGPT. Я пользуюсь им довольно много (70% моего кода пишет ChatGPT). Как я это делал до вчерашнего дня? Заходил в свой CustomGPT, который я настроил помогать мне с Питончиком…
Продолжаю с энтузиазмом пользоваться Cursor. Очень удобно, за последние 2 дня мы с ним (и Клодом) накатали работающий скрипт на go. Я go вообще ни разy в жизни до этого момента не трогал (даже синтаксис не видел).
Скрипт на GO фигачит значительно быстрее питоновского скрипта.
А еще мне нравится go run …, go get …
Скрипт на GO фигачит значительно быстрее питоновского скрипта.
А еще мне нравится go run …, go get …
Cursor
Cursor - The AI Code Editor
Built to make you extraordinarily productive, Cursor is the best way to code with AI.
👍21
Forwarded from Борис опять
# Гайд для сотрудников: опционы в стартапах
https://vas3k.club/post/24737/
Вышло! Русскоязычная версия ультимативного гайда о том, что сотрудникам стартапов нужно знать по опционы, как можно всё потерять и каковы шансы заработать.
По сравнению с англоязычной версией текст сокращен, упрощен и снабжен мемами.
Текст потребовал от меня много усилий, так что буду рад, если вы поделитесь им с друзьями❤️
https://vas3k.club/post/24737/
Вышло! Русскоязычная версия ультимативного гайда о том, что сотрудникам стартапов нужно знать по опционы, как можно всё потерять и каковы шансы заработать.
По сравнению с англоязычной версией текст сокращен, упрощен и снабжен мемами.
Текст потребовал от меня много усилий, так что буду рад, если вы поделитесь им с друзьями
Please open Telegram to view this post
VIEW IN TELEGRAM
Вастрик.Клуб
Гайд для сотрудников: опционы в стартапах — Вастрик.Клуб
Стартапы часто предлагают опционы как часть компенсации. Как работает эта лотерея? Я решил разобраться и поделиться с вами.
Цель этого руководства не…
Цель этого руководства не…
🔥23👍4😐4❤2
Вакансии в Data Science с релокацией в Германию от Data Job 🇩🇪
Отлично структурированный канал с избранными вакансиями для дата сайентистов, инженеров и аналитиков, которые хотят работать в Германии. В канале вы найдете:
1️⃣ Еженедельные дайджесты с вакансиями в Германии в форме карточек: вся самая нужная информация от вакансии в одном изображении.
2️⃣ Вакансии с релокацией и на английском - нет необходимости дополнительно фильтровать и перепроверять.
3️⃣ Отобранные командой вакансии в крутых компаниях с интересными задачами и привлекательными условиями. Отсутствие нерелевантных позиций, разбросанных по всему миру.
4️⃣ Актуальный список вакансий из дайджестов, доступный на сайте, а так же более подробное описание каждой позиции.
🔜 Подписывайтесь на Data Job, чтобы не пропустить действительно стоящую возможность и интересную работу!
#реклама
Отлично структурированный канал с избранными вакансиями для дата сайентистов, инженеров и аналитиков, которые хотят работать в Германии. В канале вы найдете:
#реклама
Please open Telegram to view this post
VIEW IN TELEGRAM
👍5🔥1😐1
Anthropic запустила новую инициативу по разработке сторонних оценок моделей искусственного интеллекта
Инициатива направлена на повышение безопасности и эффективности ИИ путем финансирования новых разработок в таких областях, как оценка уровня безопасности ИИ, расширенные возможности и влияние на общество.
Компания а поиске предложений от сторонних организаций для создания надежных и важных для безопасности оценок. Приоритетные области включают кибербезопасность, CBRN (химические, биологические, радиологические и ядерные) риски, автономию моделей и социальные манипуляции.
Инициатива также поддерживает разработку инструментов и инфраструктуры для оценки. Предложения можно подавать через форму заявки.
💻 Блог
Инициатива направлена на повышение безопасности и эффективности ИИ путем финансирования новых разработок в таких областях, как оценка уровня безопасности ИИ, расширенные возможности и влияние на общество.
Компания а поиске предложений от сторонних организаций для создания надежных и важных для безопасности оценок. Приоритетные области включают кибербезопасность, CBRN (химические, биологические, радиологические и ядерные) риски, автономию моделей и социальные манипуляции.
Инициатива также поддерживает разработку инструментов и инфраструктуры для оценки. Предложения можно подавать через форму заявки.
💻 Блог
🔥21👍5
GraphRAG теперь Open source!
GraphRAG от Microsoft использует большие языковые модели для создания подробных графов знаний из текстовых документов, помогая выполнять сложные запросы к данным.
Этот инструмент превосходит традиционный RAG, предлагая комплексный структурированный поиск информации.
GraphRAG можно легко развернуть в Azure с помощью предоставленного ускорителя решений.
👨💻 Блог
🐙 GitHub
GraphRAG от Microsoft использует большие языковые модели для создания подробных графов знаний из текстовых документов, помогая выполнять сложные запросы к данным.
Этот инструмент превосходит традиционный RAG, предлагая комплексный структурированный поиск информации.
GraphRAG можно легко развернуть в Azure с помощью предоставленного ускорителя решений.
🐙 GitHub
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥47🤩5❤1
Искусственный интеллект покоряет математические олимпиады
Доброе утро, друзья! За чашечкой воскресного кофе хочу поделиться потрясающей новостью из мира ИИ. Возможно, вы её пропустили среди массы других новостей.
На прошлой неделе прошла Искусственная интеллектуальная математическая олимпиада (AIMO). Это как Международная математическая олимпиада, но для ИИ!
Призовой фонд составил миллион долларов, как у знаменитых “Проблем тысячелетия”. Участвовали только модели ИИ, но призы получают их создатели. Уровень задач сопоставим с золотыми медалями Международной математической олимпиады.
Организационный комитет AIMO - очень уважаемые людей в мире математики. Среди них — Теренс Тао, которого многие считают одним из величайших математиков нашего времени.
Главные герои этой истории — команда Numina. Это некоммерческая организация, созданная Цзя Ли, Янном Флёре и Элен Эвен. Их цель — продвигать использование ИИ в математике и решать сложные задачи.
Numina объединила усилия с командой BigCode из Hugging Face, чтобы исследовать возможности языковых моделей в формальной математике.
Путь к победе был сложным. Сначала Numina сосредоточилась на создании высококачественных данных для обучения ИИ решению олимпиадных задач. Потом команда Hugging Face занялась обучением моделей на математических и кодовых данных.
Они преодолели множество трудностей. Научили модель писать код, справились с высокой вариативностью результатов, оптимизировали модель под ограничения по вычислительным ресурсам и улучшили качество данных для обучения.
Модель команды Numina и Hugging Face заняла первое место, решив 29 задач из 50 на финальном этапе соревнования. Это превзошло ожидания организаторов!
Этот результат показывает, что ИИ уже сейчас способен решать сложнейшие математические задачи на уровне лучших человеческих умов. И это только начало!
В ближайшие годы мы можем ожидать настоящего прорыва в использовании ИИ в науке. Это открывает захватывающие перспективы для ускорения научного прогресса и решения глобальных проблем человечества.
Представьте, каких высот достигнет ИИ в математике в ближайшем будущем! 🚀🧮🤖
Ссылка
Доброе утро, друзья! За чашечкой воскресного кофе хочу поделиться потрясающей новостью из мира ИИ. Возможно, вы её пропустили среди массы других новостей.
На прошлой неделе прошла Искусственная интеллектуальная математическая олимпиада (AIMO). Это как Международная математическая олимпиада, но для ИИ!
Призовой фонд составил миллион долларов, как у знаменитых “Проблем тысячелетия”. Участвовали только модели ИИ, но призы получают их создатели. Уровень задач сопоставим с золотыми медалями Международной математической олимпиады.
Организационный комитет AIMO - очень уважаемые людей в мире математики. Среди них — Теренс Тао, которого многие считают одним из величайших математиков нашего времени.
Главные герои этой истории — команда Numina. Это некоммерческая организация, созданная Цзя Ли, Янном Флёре и Элен Эвен. Их цель — продвигать использование ИИ в математике и решать сложные задачи.
Numina объединила усилия с командой BigCode из Hugging Face, чтобы исследовать возможности языковых моделей в формальной математике.
Путь к победе был сложным. Сначала Numina сосредоточилась на создании высококачественных данных для обучения ИИ решению олимпиадных задач. Потом команда Hugging Face занялась обучением моделей на математических и кодовых данных.
Они преодолели множество трудностей. Научили модель писать код, справились с высокой вариативностью результатов, оптимизировали модель под ограничения по вычислительным ресурсам и улучшили качество данных для обучения.
Модель команды Numina и Hugging Face заняла первое место, решив 29 задач из 50 на финальном этапе соревнования. Это превзошло ожидания организаторов!
Этот результат показывает, что ИИ уже сейчас способен решать сложнейшие математические задачи на уровне лучших человеческих умов. И это только начало!
В ближайшие годы мы можем ожидать настоящего прорыва в использовании ИИ в науке. Это открывает захватывающие перспективы для ускорения научного прогресса и решения глобальных проблем человечества.
Представьте, каких высот достигнет ИИ в математике в ближайшем будущем! 🚀🧮🤖
Ссылка
🔥49😐8🤯5❤4👍1
GPT-4о и задачи ARC Challenge: ожидаемые результаты эксперимента OpenAI
Тут сотрудник OpenAI провел эксперимент, который может изменить наше представление о том, насколько Франсуа Шолле неправ со своим соревнованием.
Контекст
Некоторые эксперты считают, что современные языковые модели (LLM) не способны решать задачи, требующие общего интеллекта. Франсуа Шолле, известный в первую очередь как создатель фрэймворка Keras, а так же как автор набора задач ARC (Abstraction and Reasoning Corpus), говорил:
Задачи ARC, по задумке, предназначены для проверки способностей ИИ к обобщению и рассуждению, выходящему за рамки простого распознавания шаблонов.
Эксперимент
Сотрудник OpenAI решил проверить это утверждение на GPT-4о. Вот как проходил эксперимент:
1. Базовый тест (Pass@1)
• GPT-4 решала задачи ARC, получая 2-3 примера в контексте.
• Модель должна была сразу давать ответ без цепочки рассуждений.
=> решено 4.42% задач
• добавляем системный промпт, объясняющий задачу
=> решено 6.61%
2. Метод консенсуса (Consensus@32)
• Для каждой задачи генерируем 32 ответа.
• Выбираем наиболее частый ответ.
=> 9.28%
3. Проверка с нулевой температурой (Temp=0)
• Использовалась детерминированная генерация ответов.
=> 10.0%
4. Оценка сложности задач (Pass@N)
• Генерировалось до 1000 ответов на задачу.
• Задача считалась решенной, если хотя бы один ответ был правильным.
=> 26.52%
Результаты
Результаты оказались впечатляющими:
1. Базовая производительность была неожиданно высокой даже без оптимизации.
2. Метод консенсуса дал значительный прирост эффективности.
3. Тест с нулевой температурой подтвердил надежность метода консенсуса.
4. Анализ Pass@N показал, что процент успешных попыток на логарифмической шкале очень предсказуем.
5. Общая эффективность GPT-4 в решении задач ARC оказалась выше ожиданий.
Что это значит?
Современные языковые модели могут быть способны на большее, чем думал Шолле.
Тред от сотрудника OpenAI
Тут сотрудник OpenAI провел эксперимент, который может изменить наше представление о том, насколько Франсуа Шолле неправ со своим соревнованием.
Контекст
Некоторые эксперты считают, что современные языковые модели (LLM) не способны решать задачи, требующие общего интеллекта. Франсуа Шолле, известный в первую очередь как создатель фрэймворка Keras, а так же как автор набора задач ARC (Abstraction and Reasoning Corpus), говорил:
Прогресс в направлении искусственного общего интеллекта (AGI) застопорился. LLM обучаются на огромных объемах данных, но остаются неспособными адаптироваться к новым задачам.
Задачи ARC, по задумке, предназначены для проверки способностей ИИ к обобщению и рассуждению, выходящему за рамки простого распознавания шаблонов.
Эксперимент
Сотрудник OpenAI решил проверить это утверждение на GPT-4о. Вот как проходил эксперимент:
1. Базовый тест (Pass@1)
• GPT-4 решала задачи ARC, получая 2-3 примера в контексте.
• Модель должна была сразу давать ответ без цепочки рассуждений.
=> решено 4.42% задач
• добавляем системный промпт, объясняющий задачу
=> решено 6.61%
2. Метод консенсуса (Consensus@32)
• Для каждой задачи генерируем 32 ответа.
• Выбираем наиболее частый ответ.
=> 9.28%
3. Проверка с нулевой температурой (Temp=0)
• Использовалась детерминированная генерация ответов.
=> 10.0%
4. Оценка сложности задач (Pass@N)
• Генерировалось до 1000 ответов на задачу.
• Задача считалась решенной, если хотя бы один ответ был правильным.
=> 26.52%
Результаты
Результаты оказались впечатляющими:
1. Базовая производительность была неожиданно высокой даже без оптимизации.
2. Метод консенсуса дал значительный прирост эффективности.
3. Тест с нулевой температурой подтвердил надежность метода консенсуса.
4. Анализ Pass@N показал, что процент успешных попыток на логарифмической шкале очень предсказуем.
5. Общая эффективность GPT-4 в решении задач ARC оказалась выше ожиданий.
Что это значит?
Современные языковые модели могут быть способны на большее, чем думал Шолле.
Тред от сотрудника OpenAI
😐29👍9❤3🔥1
AI переходит в фазу промышленного строительства: что нас ждет?
Друзья, уже несколько дней порываюсь написать про AI $600B Question, и тут как раз вышло продолжение серии.
Сегодня разберем интересную статью Дэвида Кана "AI is Now Shovel Ready". Автор рассматривает грядущий бум строительства дата-центров для ИИ и его влияние на энергетику и экономику. Давайте разберемся, что нас ждет в ближайшие годы.
Ключевые прогнозы
1. ИИ станет (если уже не стал) катализатором энергетической трансформации. Ожидается рост солнечной энергетики, инноваций в области аккумуляторов и возрождение ядерной энергетики (уже от 3х серьезных людей в долине слышал про ядерный реактор Майкрософта для AGI датацентра).
2. Некоторые крупные облачные провайдеры могут оказаться недостаточно гибкими для быстро меняющихся требований к дата-центрам. Это создаст возможности для новых промышленных игроков в сфере ИИ.
3. В ближайшие полгода появится много новостей о задержках в строительстве дата-центров из-за проблем с жидкостным охлаждением, размером кластеров и доступом к электроэнергии.
4. Строительство новых дата-центров для ИИ станет стимулом для экономики и создаст рабочие места в реальном секторе: сталелитейной промышленности, энергетике, грузоперевозках и строительстве.
5. Когда новые мощности дата-центров заработают, стоимость обучения и инференса на платформах AWS, Azure и GCP снизится, что будет выгодно для стартапов.
Масштабы строительства
Автор приводит впечатляющие цифры по планам крупнейших технологических компаний:
- Amazon: $50 млрд на новые проекты дата-центров только в первой половине 2024 года, всего $100-150 млрд за 15 лет.
- Microsoft: удваивает строительство новых дата-центров в 2024 году, с проектами по всему миру.
- Google: хотя и меньше по масштабам, но также активно расширяется.
- Meta: не имея облачного бизнеса, все равно наращивает мощности для внутренних нужд ИИ.
Ключевые вызовы
1. Энергетика: Потребуется значительное увеличение генерирующих мощностей, особенно в солнечной и ветровой энергетике.
2. Охлаждение: Новое поколение чипов Nvidia требует жидкостного охлаждения, что создает дефицит в цепочке поставок.
3. Инфраструктура: Двухлетний период ожидания дизельных генераторов, необходимость инноваций в области литий-ионных аккумуляторов.
4. Размер кластеров: Беспрецедентные масштабы (например, анонсированный Илоном Маском кластер на 300 тыс. GPU) создают новые технические вызовы.
Выводы
1. Мы находимся на пороге перехода от "цикла хайпа" к реальному промышленному циклу в сфере ИИ.
2. Этот переход создаст значительные возможности и вызовы для разных секторов экономики.
3. Успех будет зависеть от операционной эффективности и способности быстро адаптироваться к изменениям.
4. Возможно появление новых лидеров рынка, особенно на стыке энергетики, промышленности и ИИ.
Что это значит для нас?
1. Для инвесторов: Стоит обратить внимание на компании, работающие в сфере энергетики, промышленного строительства и инфраструктуры для дата-центров.
2. Для стартапов: Ожидается снижение стоимости использования ИИ-инфраструктуры, что может открыть новые возможности.
3. Для специалистов: Растет спрос на экспертов в области энергетики, промышленного строительства и эксплуатации дата-центров.
4. Для общества: Нас ждет значительная трансформация энергетического сектора и создание новых рабочих мест в традиционных отраслях.
Что вы думаете об этих прогнозах? Как, по вашему мнению, этот промышленный бум в сфере ИИ повлияет на нашу жизнь и экономику? Делитесь своими мыслями в комментариях!
📈 Статья
Друзья, уже несколько дней порываюсь написать про AI $600B Question, и тут как раз вышло продолжение серии.
Сегодня разберем интересную статью Дэвида Кана "AI is Now Shovel Ready". Автор рассматривает грядущий бум строительства дата-центров для ИИ и его влияние на энергетику и экономику. Давайте разберемся, что нас ждет в ближайшие годы.
Ключевые прогнозы
1. ИИ станет (если уже не стал) катализатором энергетической трансформации. Ожидается рост солнечной энергетики, инноваций в области аккумуляторов и возрождение ядерной энергетики (уже от 3х серьезных людей в долине слышал про ядерный реактор Майкрософта для AGI датацентра).
2. Некоторые крупные облачные провайдеры могут оказаться недостаточно гибкими для быстро меняющихся требований к дата-центрам. Это создаст возможности для новых промышленных игроков в сфере ИИ.
3. В ближайшие полгода появится много новостей о задержках в строительстве дата-центров из-за проблем с жидкостным охлаждением, размером кластеров и доступом к электроэнергии.
4. Строительство новых дата-центров для ИИ станет стимулом для экономики и создаст рабочие места в реальном секторе: сталелитейной промышленности, энергетике, грузоперевозках и строительстве.
5. Когда новые мощности дата-центров заработают, стоимость обучения и инференса на платформах AWS, Azure и GCP снизится, что будет выгодно для стартапов.
Масштабы строительства
Автор приводит впечатляющие цифры по планам крупнейших технологических компаний:
- Amazon: $50 млрд на новые проекты дата-центров только в первой половине 2024 года, всего $100-150 млрд за 15 лет.
- Microsoft: удваивает строительство новых дата-центров в 2024 году, с проектами по всему миру.
- Google: хотя и меньше по масштабам, но также активно расширяется.
- Meta: не имея облачного бизнеса, все равно наращивает мощности для внутренних нужд ИИ.
Ключевые вызовы
1. Энергетика: Потребуется значительное увеличение генерирующих мощностей, особенно в солнечной и ветровой энергетике.
2. Охлаждение: Новое поколение чипов Nvidia требует жидкостного охлаждения, что создает дефицит в цепочке поставок.
3. Инфраструктура: Двухлетний период ожидания дизельных генераторов, необходимость инноваций в области литий-ионных аккумуляторов.
4. Размер кластеров: Беспрецедентные масштабы (например, анонсированный Илоном Маском кластер на 300 тыс. GPU) создают новые технические вызовы.
Выводы
1. Мы находимся на пороге перехода от "цикла хайпа" к реальному промышленному циклу в сфере ИИ.
2. Этот переход создаст значительные возможности и вызовы для разных секторов экономики.
3. Успех будет зависеть от операционной эффективности и способности быстро адаптироваться к изменениям.
4. Возможно появление новых лидеров рынка, особенно на стыке энергетики, промышленности и ИИ.
Что это значит для нас?
1. Для инвесторов: Стоит обратить внимание на компании, работающие в сфере энергетики, промышленного строительства и инфраструктуры для дата-центров.
2. Для стартапов: Ожидается снижение стоимости использования ИИ-инфраструктуры, что может открыть новые возможности.
3. Для специалистов: Растет спрос на экспертов в области энергетики, промышленного строительства и эксплуатации дата-центров.
4. Для общества: Нас ждет значительная трансформация энергетического сектора и создание новых рабочих мест в традиционных отраслях.
Что вы думаете об этих прогнозах? Как, по вашему мнению, этот промышленный бум в сфере ИИ повлияет на нашу жизнь и экономику? Делитесь своими мыслями в комментариях!
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥32👍9❤1
TLDR: Wunder Fund, Data Detective, Data Infrastructure Engineer, Алготрейдинг, HFT, remote
💵 Вилка: $5-8k net (на руки)
🐶 Платим удобным способом, помогаем с релокацией много куда, удаленка.
👁 Инфа: Мы — Wunder Fund, занимаемся высокочастотной торговлей (HFT) уже 10 лет и наш дневной оборот больше $5 млрд. Каждый день мы аккуратно сохраняем большой объем биржевых данных и преобразуем их в специальный единый формат, чтобы наши кванты могли тестировать идеи и создавать торговые алгоритмы.
🕵🏻♂️ Задачи: Несмотря на предельную аккуратность, потери случаются. Поэтому сейчас у нас отрыта роль Data Infrastructure Engineer/Researcher, работа которого будет похожа на детективное расследование. Нам очень важно, чтобы полученные данные были пригодны для симуляции и на 100% совпадали с реальными событиями на бирже. Ты будешь создавать очень надежные дата-пайплайны, чекеры, расследовать загадочные инциденты.
💡Кому будет интересно:
Причины потерь и расхождений всегда нетривиальны, поэтому в этой роли важен именно интерес к исследованию и желание докопаться до сути вещей. Со временем у тебя появится развитая интуиция и ты сможешь расследовать не только уже случившиеся инциденты, но и предсказывать те, что еще не выстрелили в продакшне.
Что нужно:
— Python 3
— Быть опытным практиком в методе пристального вглядывания в данные;
— Мы ожидаем, что у тебя уже есть успешный опыт работы с дата-пайплайнами
— Будет плюсом: успехи в Kaggle-соревнованиях; ШАД, успехи в ICPC и других олимпиадах.
Подробнее: https://clck.ru/3BcVkD
Пишите в ТГ: @wunderfund
#реклама
💵 Вилка: $5-8k net (на руки)
🐶 Платим удобным способом, помогаем с релокацией много куда, удаленка.
👁 Инфа: Мы — Wunder Fund, занимаемся высокочастотной торговлей (HFT) уже 10 лет и наш дневной оборот больше $5 млрд. Каждый день мы аккуратно сохраняем большой объем биржевых данных и преобразуем их в специальный единый формат, чтобы наши кванты могли тестировать идеи и создавать торговые алгоритмы.
🕵🏻♂️ Задачи: Несмотря на предельную аккуратность, потери случаются. Поэтому сейчас у нас отрыта роль Data Infrastructure Engineer/Researcher, работа которого будет похожа на детективное расследование. Нам очень важно, чтобы полученные данные были пригодны для симуляции и на 100% совпадали с реальными событиями на бирже. Ты будешь создавать очень надежные дата-пайплайны, чекеры, расследовать загадочные инциденты.
💡Кому будет интересно:
Причины потерь и расхождений всегда нетривиальны, поэтому в этой роли важен именно интерес к исследованию и желание докопаться до сути вещей. Со временем у тебя появится развитая интуиция и ты сможешь расследовать не только уже случившиеся инциденты, но и предсказывать те, что еще не выстрелили в продакшне.
Что нужно:
— Python 3
— Быть опытным практиком в методе пристального вглядывания в данные;
— Мы ожидаем, что у тебя уже есть успешный опыт работы с дата-пайплайнами
— Будет плюсом: успехи в Kaggle-соревнованиях; ШАД, успехи в ICPC и других олимпиадах.
Подробнее: https://clck.ru/3BcVkD
Пишите в ТГ: @wunderfund
#реклама
😢13👍9😐5❤3
🍃 Тёмная сторона бума искусственного интеллекта: экологические последствия
Вчера мы обсуждали грандиозные планы по строительству дата-центров для искусственного интеллекта. Сегодня давайте взглянем на обратную сторону медали – влияние этого технологического бума на нашу планету.
Каждые три месяца мощность, используемая для работы ИИ, удваивается. Звучит впечатляюще, не так ли? Но за этими цифрами скрывается суровая реальность. Оказывается, один запрос к ИИ-помощнику может потреблять в десять раз больше энергии, чем обычный поиск в Google. А если говорить о сложных задачах, то разница может достигать тридцатикратного размера!
Что это значит на практике? Возьмём, к примеру, гигантов индустрии. Microsoft, Meta, Google – все они отчитываются о стремительном росте выбросов углекислого газа. За последние несколько лет эти показатели выросли на 40-65%. Согласитесь, цифры впечатляющие, и не в хорошем смысле.
Но проблема не ограничивается только выбросами. Дата-центры – настоящие водохлёбы. Только представьте: на каждый мегаватт-час энергии они потребляют около семи тысяч литров воды. Для охлаждения серверов Google в США ежегодно уходит почти 13 миллиардов литров пресной воды. Это в то время, когда многие регионы страдают от засухи!
Возникает закономерный вопрос: что же делать? Технологические компании не сидят сложа руки. Они запускают "водопозитивные" инициативы, обещая к 2030 году восполнять больше воды, чем потребляют. Звучит неплохо, но достаточно ли этого?
Интересно, что сами IT-специалисты не особо обеспокоены ситуацией. Хотя больше двух третей из них признают проблему роста энергопотребления, многие просто не знают, как с этим бороться. Не хватает навыков, знаний, а порой и просто понимания масштаба проблемы.
Что же это значит для нас с вами? Во-первых, каждый раз, обращаясь к ИИ-помощнику, мы оставляем свой, пусть небольшой, но экологический след. Во-вторых, компаниям придётся серьёзно задуматься об экологичности при внедрении ИИ-технологий, и не потому что левые-зеленые подняли вой, а потому что при таких темпах роста потребления воды скоро придется выбирать между ИИ и выращиванием продуктов. Вероятно, что вскоре мы увидим новые законы, регулирующие эту сферу.
А для учёных и инженеров открывается новое поле деятельности. Как сделать ИИ более энергоэффективным? Как охлаждать серверы, не истощая водные ресурсы? Эти вопросы ждут своих решений.
Знаете, глядя на все эти цифры и факты, невольно задумываешься: сможем ли мы найти баланс между техническим прогрессом и заботой о природе? Или однажды нам придётся выбирать между умными помощниками и чистым воздухом?
📉 Статья
Вчера мы обсуждали грандиозные планы по строительству дата-центров для искусственного интеллекта. Сегодня давайте взглянем на обратную сторону медали – влияние этого технологического бума на нашу планету.
Каждые три месяца мощность, используемая для работы ИИ, удваивается. Звучит впечатляюще, не так ли? Но за этими цифрами скрывается суровая реальность. Оказывается, один запрос к ИИ-помощнику может потреблять в десять раз больше энергии, чем обычный поиск в Google. А если говорить о сложных задачах, то разница может достигать тридцатикратного размера!
Что это значит на практике? Возьмём, к примеру, гигантов индустрии. Microsoft, Meta, Google – все они отчитываются о стремительном росте выбросов углекислого газа. За последние несколько лет эти показатели выросли на 40-65%. Согласитесь, цифры впечатляющие, и не в хорошем смысле.
Но проблема не ограничивается только выбросами. Дата-центры – настоящие водохлёбы. Только представьте: на каждый мегаватт-час энергии они потребляют около семи тысяч литров воды. Для охлаждения серверов Google в США ежегодно уходит почти 13 миллиардов литров пресной воды. Это в то время, когда многие регионы страдают от засухи!
Возникает закономерный вопрос: что же делать? Технологические компании не сидят сложа руки. Они запускают "водопозитивные" инициативы, обещая к 2030 году восполнять больше воды, чем потребляют. Звучит неплохо, но достаточно ли этого?
Интересно, что сами IT-специалисты не особо обеспокоены ситуацией. Хотя больше двух третей из них признают проблему роста энергопотребления, многие просто не знают, как с этим бороться. Не хватает навыков, знаний, а порой и просто понимания масштаба проблемы.
Что же это значит для нас с вами? Во-первых, каждый раз, обращаясь к ИИ-помощнику, мы оставляем свой, пусть небольшой, но экологический след. Во-вторых, компаниям придётся серьёзно задуматься об экологичности при внедрении ИИ-технологий, и не потому что левые-зеленые подняли вой, а потому что при таких темпах роста потребления воды скоро придется выбирать между ИИ и выращиванием продуктов. Вероятно, что вскоре мы увидим новые законы, регулирующие эту сферу.
А для учёных и инженеров открывается новое поле деятельности. Как сделать ИИ более энергоэффективным? Как охлаждать серверы, не истощая водные ресурсы? Эти вопросы ждут своих решений.
Знаете, глядя на все эти цифры и факты, невольно задумываешься: сможем ли мы найти баланс между техническим прогрессом и заботой о природе? Или однажды нам придётся выбирать между умными помощниками и чистым воздухом?
📉 Статья
❤30😁11😐6👍4🔥4😢4
Claude Artifacts теперь можно делиться с друзьями
Anthropic только что анонсировали возможность делиться созданными артефактами.
Сделал для вас AI Змейку
Пока что, созданным артефактом нельзя управлять (нет никакого дашборда и статистики), но полагаю, что это временно. Еще из прикольного - артефакты можно Ремиксовать (откроется окошко с чатом, и Артефакт можно будет переделать под себя).
Определенно - это инетерсный подход, и думаю что будет спрос на инструменты для отслеживания эволюции Артефактов.
Вообщем, добро пожаловать в новую эру - Apps 2.0
Anthropic только что анонсировали возможность делиться созданными артефактами.
Сделал для вас AI Змейку
Пока что, созданным артефактом нельзя управлять (нет никакого дашборда и статистики), но полагаю, что это временно. Еще из прикольного - артефакты можно Ремиксовать (откроется окошко с чатом, и Артефакт можно будет переделать под себя).
Определенно - это инетерсный подход, и думаю что будет спрос на инструменты для отслеживания эволюции Артефактов.
Вообщем, добро пожаловать в новую эру - Apps 2.0
🔥30🤩5❤2
Форум: расскажите мне пожалуйста все что нужно знать про State Space Models?
Особенно интересует применение к аудио. Например, видел AudioMamba, но они зачем то из аудио наделали спектрограм, которые почанкали. Насколько я понимаю, там весь смысл в том что мамба должна из коробки с последовательностями дружить.
Короче, все что нужно знать (не обязательно только про аудио), пожалуйста делитесь в комменты
Особенно интересует применение к аудио. Например, видел AudioMamba, но они зачем то из аудио наделали спектрограм, которые почанкали. Насколько я понимаю, там весь смысл в том что мамба должна из коробки с последовательностями дружить.
Короче, все что нужно знать (не обязательно только про аудио), пожалуйста делитесь в комменты
❤9👍3🤩3