Секция № 2 «Нейросети: практическое применение» — XVII Конгресс «Подмосковные вечера»
Нейронные сети и искусственный интеллект становятся ключевыми аспектами автоматизации процессов в бизнесе.
Они обладают возможностью автоматизировать рутинные процессы, классифицировать большие массивы данных и генерировать текст, что способствует улучшению производительности и эффективности.
Несмотря на то, что внедрение нейросетей требует времени и затрат на подготовку данных и интеграцию систем, оно приносит значительный экономический эффект.
Взаимодействие между IT и бизнесом позволяет идентифицировать новые области применения нейросетей, включая автоматизацию контроля качества и управления документами.
Однако, важно учитывать, что использование нейросетей может влечь за собой угрозы безопасности.
Для эффективного использования нейросетей необходим подбор оптимальной модели, корректная подготовка данных и обеспечение достаточных ресурсов и инфраструктуры для разработки и внедрения данной технологии.
#NeuralNetworks #AIinBusiness #Automation #4CIO #ПодмосковныеВечера2023
Запись выступления на Подмосковных
Нейронные сети и искусственный интеллект становятся ключевыми аспектами автоматизации процессов в бизнесе.
Они обладают возможностью автоматизировать рутинные процессы, классифицировать большие массивы данных и генерировать текст, что способствует улучшению производительности и эффективности.
Несмотря на то, что внедрение нейросетей требует времени и затрат на подготовку данных и интеграцию систем, оно приносит значительный экономический эффект.
Взаимодействие между IT и бизнесом позволяет идентифицировать новые области применения нейросетей, включая автоматизацию контроля качества и управления документами.
Однако, важно учитывать, что использование нейросетей может влечь за собой угрозы безопасности.
Для эффективного использования нейросетей необходим подбор оптимальной модели, корректная подготовка данных и обеспечение достаточных ресурсов и инфраструктуры для разработки и внедрения данной технологии.
#NeuralNetworks #AIinBusiness #Automation #4CIO #ПодмосковныеВечера2023
Запись выступления на Подмосковных
YouTube
Секция № 2 «Нейросети: практическое применение» — XVII Конгресс «Подмосковные вечера»
Нейросети сегодня активно применяют в банковской сфере, здравоохранении, производстве, сельском хозяйстве, машиностроении и во многих других сферах. Благодаря технологиям ИИ бизнес может существенно оптимизировать время на сбор и анализ данных, фильтрацию…
Liquid AI обещает революцию в мире ИИ с новым типом нейросетей
Стартап Liquid AI, выросший из Массачусетского технологического института (MIT), намерен переопределить понятие искусственного интеллекта.
Компания привлекла внушительные $37,5 млн на развитие жидкой нейронной сети.
Такие сети требуют меньше вычислительных ресурсов и могут адаптироваться к изменениям среды.
Применение находят от автономных автомобилей до мониторинга природы.
Ambition: превзойти текущие рыночные модели ИИ и предложить платформу для создания пользовательских моделей.
Liquid AI растёт: текущий штат — 12 человек, скоро расширение до 20.
В будущем системы ИИ смогут эффективнее адаптироваться к непредвиденным условиям.
#LiquidAI #NeuralNetworks #Innovation
Стартап Liquid AI, выросший из Массачусетского технологического института (MIT), намерен переопределить понятие искусственного интеллекта.
Компания привлекла внушительные $37,5 млн на развитие жидкой нейронной сети.
Такие сети требуют меньше вычислительных ресурсов и могут адаптироваться к изменениям среды.
Применение находят от автономных автомобилей до мониторинга природы.
Ambition: превзойти текущие рыночные модели ИИ и предложить платформу для создания пользовательских моделей.
Liquid AI растёт: текущий штат — 12 человек, скоро расширение до 20.
В будущем системы ИИ смогут эффективнее адаптироваться к непредвиденным условиям.
#LiquidAI #NeuralNetworks #Innovation
KAN - новая архитектура нейросетей на основе теоремы Колмогорова-Арнольда
KAN (Kolmogorov-Arnold Networks) - альтернатива многослойным перцептронам. 🧠💡
Ключевые особенности KAN:
- Функции активации на ребрах, а не нейронах
- Основана на теореме Колмогорова-Арнольда об аппроксимации функций
- Вместо весов обучаются функции на ребрах, в нейронах - их суммирование
- Для обучения функций используются сплайны 📈
- Масштабируется за счет композиции матриц обучаемых функций на каждом слое
Авторы разработали библиотеку pykan для работы с KAN. 🐍🔧
Потенциально, это может перевернуть глубокое обучение. Ждем бенчмарков! 🤯📊
#KAN #NeuralNetworks #MachineLearning
-------
@tsingular
KAN (Kolmogorov-Arnold Networks) - альтернатива многослойным перцептронам. 🧠💡
Ключевые особенности KAN:
- Функции активации на ребрах, а не нейронах
- Основана на теореме Колмогорова-Арнольда об аппроксимации функций
- Вместо весов обучаются функции на ребрах, в нейронах - их суммирование
- Для обучения функций используются сплайны 📈
- Масштабируется за счет композиции матриц обучаемых функций на каждом слое
Авторы разработали библиотеку pykan для работы с KAN. 🐍🔧
Потенциально, это может перевернуть глубокое обучение. Ждем бенчмарков! 🤯📊
#KAN #NeuralNetworks #MachineLearning
-------
@tsingular
👍3
Китайские учёные создали AI-модель по образцу человеческого мозга
Исследователи из Поднебесной разработали нейросеть, приближающую по эффективности энергоёмкие на сегодняшний день ИИ-системы к мозгу человека.
Использована математическая модель Ходжкина — Хаксли, впервые описанная в 1952 году неврологами Аланом Ходжкиным и Эндрю Хаксли, для создания нейронной сети, которая эффективно воспроизводила возможности более крупной и простой модели в меньшей, внутренне сложной структуре.
Инновационный подход удвоил скорость обработки и сократил использование памяти в четыре раза при сохранении производительности.
Результаты подтверждают эффективность модели внутренней сложности для решения комплексных задач.
Похоже, если покопать старые учебники, можно снизить энтропию ИИ и перерасход электричества.
А то Майкрософт уже на датацентры тратит больше, чем некоторые государства.
#NeuralNetworks #China #EnergyEfficiency
-------
@tsingular
Исследователи из Поднебесной разработали нейросеть, приближающую по эффективности энергоёмкие на сегодняшний день ИИ-системы к мозгу человека.
Использована математическая модель Ходжкина — Хаксли, впервые описанная в 1952 году неврологами Аланом Ходжкиным и Эндрю Хаксли, для создания нейронной сети, которая эффективно воспроизводила возможности более крупной и простой модели в меньшей, внутренне сложной структуре.
Инновационный подход удвоил скорость обработки и сократил использование памяти в четыре раза при сохранении производительности.
Результаты подтверждают эффективность модели внутренней сложности для решения комплексных задач.
Похоже, если покопать старые учебники, можно снизить энтропию ИИ и перерасход электричества.
А то Майкрософт уже на датацентры тратит больше, чем некоторые государства.
#NeuralNetworks #China #EnergyEfficiency
-------
@tsingular
1👍24🤔4
CircuitNet: Инновационная нейросеть, воспроизводящая структуру мозга
Учёные представили CircuitNet - нейронную архитектуру, имитирующую нейронные цепи мозга.
Основа сети - Circuit Motif Unit (CMU), блок плотно связанных нейронов с обратными и латеральными соединениями.
CircuitNet превосходит популярные модели в аппроксимации функций, классификации изображений и обучении с подкреплением.
Архитектура использует меньше параметров, чем традиционные сети, сохраняя высокую эффективность.
Эксперименты показывают преимущество CircuitNet над MLP и сопоставимые результаты с ResNet, ViT и трансформерами.
Похоже на вариацию ансамбля малых моделей.
Вообще при избытке мощностей поставить на роль каждого нейрона или их группы отдельную LLM, - идея огонь!
Ну по-сути тот же самый рой 🧠💻
#CircuitNet #NeuralNetworks #BrainInspired
-------
@tsingular
Учёные представили CircuitNet - нейронную архитектуру, имитирующую нейронные цепи мозга.
Основа сети - Circuit Motif Unit (CMU), блок плотно связанных нейронов с обратными и латеральными соединениями.
CircuitNet превосходит популярные модели в аппроксимации функций, классификации изображений и обучении с подкреплением.
Архитектура использует меньше параметров, чем традиционные сети, сохраняя высокую эффективность.
Эксперименты показывают преимущество CircuitNet над MLP и сопоставимые результаты с ResNet, ViT и трансформерами.
Похоже на вариацию ансамбля малых моделей.
Вообще при избытке мощностей поставить на роль каждого нейрона или их группы отдельную LLM, - идея огонь!
Ну по-сути тот же самый рой 🧠💻
#CircuitNet #NeuralNetworks #BrainInspired
-------
@tsingular
❤🔥4👍3⚡2