This media is not supported in your browser
VIEW IN TELEGRAM
#unrealneural
Немного Ии архитектурной красоты ⚡️
Немного Ии архитектурной красоты ⚡️
🔥12⚡1
Forwarded from AI x GRASS
Media is too big
VIEW IN TELEGRAM
Последние пару месяцев веду исследование, в котором пытаюсь построить устойчивый мост между Grasshopper и искусственным интеллектом.
Главная идея - чтобы архитектор мог просто написать, как он хочет видеть здание, своими словами, без строгой структуры, а система сама поняла и построила нужную геометрию. Запрос из Grasshopper уходит в n8n, где работает цепочка из агентов на базе LLM и RAG, обученных на логике Rhino API и реальных командах RhinoScriptSyntax. Результат возвращается в виде компактного JSON-плана, который Python-скрипт в Grasshopper превращает в полноценную модель.
Обычные MCP Server агенты ведут себя непредсказуемо и долго: иногда выдают интересный результат, а иногда просто ломаются на ровном месте. Я хотел уйти от этой хаотичности и сделать систему, которая работает стабильно, не угадывает и чётко следует запросу в рамках пары минут, позволяя архитектору концентрироваться на идее, не переживая за корректность и пунктуацию в запросе.
На практике добиться стабильности сложно: ИИ не всегда понимает контекст, а язык Rhino сам по себе довольно строгий. Поэтому я решил пойти другим путём - обучить модель только на самом необходимом, отбросив всё лишнее и создав понятную, расширяемую основу. Это целенаправленно обученный инструмент, который понимает архитектурные задачи и говорит на языке проектировщика.
Внутренне система сложная - более тысячи строк кода, описывающих синтаксис и поведение Rhino API.
Она умеет работать с отдельными элементами модели, перестраивать геометрию на лету, менять параметры этажей, управлять слоями, применять модификаторы - повороты, масштаб, экструзии и многое другое.
Поддерживаются метры, миллиметры и сантиметры, а команды можно давать в любом стиле - от точного технического описания до разговорного запроса вроде «построй две башни по 25 этажей, вторая чуть ниже и повернута на 15 градусов».
Модель также способна работать с несколькими зданиями одновременно, точно соблюдая отношения и параметры, указанные в запросе.
Главная цель исследования - показать, что ИИ в проектировании может быть предсказуемым, логичным и говорящим на естественном языке помощником.
Главная идея - чтобы архитектор мог просто написать, как он хочет видеть здание, своими словами, без строгой структуры, а система сама поняла и построила нужную геометрию. Запрос из Grasshopper уходит в n8n, где работает цепочка из агентов на базе LLM и RAG, обученных на логике Rhino API и реальных командах RhinoScriptSyntax. Результат возвращается в виде компактного JSON-плана, который Python-скрипт в Grasshopper превращает в полноценную модель.
Обычные MCP Server агенты ведут себя непредсказуемо и долго: иногда выдают интересный результат, а иногда просто ломаются на ровном месте. Я хотел уйти от этой хаотичности и сделать систему, которая работает стабильно, не угадывает и чётко следует запросу в рамках пары минут, позволяя архитектору концентрироваться на идее, не переживая за корректность и пунктуацию в запросе.
На практике добиться стабильности сложно: ИИ не всегда понимает контекст, а язык Rhino сам по себе довольно строгий. Поэтому я решил пойти другим путём - обучить модель только на самом необходимом, отбросив всё лишнее и создав понятную, расширяемую основу. Это целенаправленно обученный инструмент, который понимает архитектурные задачи и говорит на языке проектировщика.
Внутренне система сложная - более тысячи строк кода, описывающих синтаксис и поведение Rhino API.
Она умеет работать с отдельными элементами модели, перестраивать геометрию на лету, менять параметры этажей, управлять слоями, применять модификаторы - повороты, масштаб, экструзии и многое другое.
Поддерживаются метры, миллиметры и сантиметры, а команды можно давать в любом стиле - от точного технического описания до разговорного запроса вроде «построй две башни по 25 этажей, вторая чуть ниже и повернута на 15 градусов».
Модель также способна работать с несколькими зданиями одновременно, точно соблюдая отношения и параметры, указанные в запросе.
Главная цель исследования - показать, что ИИ в проектировании может быть предсказуемым, логичным и говорящим на естественном языке помощником.
❤6⚡6👍5
#unrealneural
В ходе исследования ученые зафиксировали первое в истории сканирование мозга умирающего человека, и были обнаружены волны, похожие на вспышки воспоминаний.
Мужчина внезапно умер во время планового сканирования мозга, что раскрыло интригующую информацию о том, что происходит в последние минуты нашей жизни.
У 87-летнего мужчины, проходившего плановую ЭЭГ при эпилепсии, случился смертельный сердечный приступ. Исследователи обнаружили, что в течение 30 секунд до и после остановки сердца его мозговые волны напоминали те, которые наблюдаются во время сновидений, восстановления воспоминаний и медитации.
Это предполагает, что часто встречающийся феномен «жизни проносятся перед глазами» может иметь неврологическую основу. Однако, поскольку это единичный случай, необходимы дополнительные исследования, чтобы определить, насколько распространенным может быть этот опыт.
Результаты исследования, опубликованного доктором Аджмалом Земмаром и его командой, продемонстрировали всплеск гамма-волн — высокочастотных нейронных колебаний, связанных с памятью и сознанием, — непосредственно перед смертью и после нее.
В ходе исследования ученые зафиксировали первое в истории сканирование мозга умирающего человека, и были обнаружены волны, похожие на вспышки воспоминаний.
Мужчина внезапно умер во время планового сканирования мозга, что раскрыло интригующую информацию о том, что происходит в последние минуты нашей жизни.
У 87-летнего мужчины, проходившего плановую ЭЭГ при эпилепсии, случился смертельный сердечный приступ. Исследователи обнаружили, что в течение 30 секунд до и после остановки сердца его мозговые волны напоминали те, которые наблюдаются во время сновидений, восстановления воспоминаний и медитации.
Это предполагает, что часто встречающийся феномен «жизни проносятся перед глазами» может иметь неврологическую основу. Однако, поскольку это единичный случай, необходимы дополнительные исследования, чтобы определить, насколько распространенным может быть этот опыт.
Результаты исследования, опубликованного доктором Аджмалом Земмаром и его командой, продемонстрировали всплеск гамма-волн — высокочастотных нейронных колебаний, связанных с памятью и сознанием, — непосредственно перед смертью и после нее.
❤🔥6👍2🔥2
Forwarded from Нейросеть
This media is not supported in your browser
VIEW IN TELEGRAM
Простыми словами: игру здесь сгенерировать не получится, но красиво полетать по местам фоток из отпуска — запросто.
Код — здесь, есть онлайн-демка.
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥6👍3⚡2
This media is not supported in your browser
VIEW IN TELEGRAM
#unrealneural
Роботизированная рука с открытым исходным кодом выиграла поединок по борьбе большими пальцами 😃💪
Движения, максимально приближенные к человеческим. Управление в реальном времени. Удивительно конкурентоспособный большой палец 😃👍
tetheria.github.io/aero-hand-open/
Роботизированная рука с открытым исходным кодом выиграла поединок по борьбе большими пальцами 😃💪
Движения, максимально приближенные к человеческим. Управление в реальном времени. Удивительно конкурентоспособный большой палец 😃👍
tetheria.github.io/aero-hand-open/
👍5🔥3⚡1😁1
#unrealneural #пытаюсьпонять
LLM, RAG и ИИ агенты.
Это три уровня одного интеллектуального стека.
LLM - это мозг: рассуждает, пишет, понимает язык, но знает только данные обучения, спроси о вчерашних новостях - галлюцинации.
RAG - память: подключает мозг к живым данным, ищет в базах, извлекает документы, передаёт LLM как контекст; модель становится динамичной, с свежими фактами без переобучения, точность растёт, ответы отслеживаемы.
Агенты ИИ = действия: создают замкнутый цикл, осознают цели, планируют, выполняют, анализируют; не просто отвечают — исследуют, собирают данные, пишут отчёты, отправляют письма автономно.
Подход к использованию ИИ эффективно это интеграция 3 технологий: LLM для мыслей, RAG для знаний, агенты для действий.
LLM, RAG и ИИ агенты.
Это три уровня одного интеллектуального стека.
LLM - это мозг: рассуждает, пишет, понимает язык, но знает только данные обучения, спроси о вчерашних новостях - галлюцинации.
RAG - память: подключает мозг к живым данным, ищет в базах, извлекает документы, передаёт LLM как контекст; модель становится динамичной, с свежими фактами без переобучения, точность растёт, ответы отслеживаемы.
Агенты ИИ = действия: создают замкнутый цикл, осознают цели, планируют, выполняют, анализируют; не просто отвечают — исследуют, собирают данные, пишут отчёты, отправляют письма автономно.
Подход к использованию ИИ эффективно это интеграция 3 технологий: LLM для мыслей, RAG для знаний, агенты для действий.
⚡7👍5
#unrealneural
Преобразование PDF-файлов в чистые данные, готовые к использованию для LLM
Doctly преобразует неструктурированные документы в структурированные, машиночитаемые данные.
Основные характеристики:
• Точность ИИ - отличная точность преобразования документов и извлечения данных.
• Быстрота и масштабируемость - обрабатывайте тысячи документов параллельно.
https://github.com/doctly/doctly
Преобразование PDF-файлов в чистые данные, готовые к использованию для LLM
Doctly преобразует неструктурированные документы в структурированные, машиночитаемые данные.
Основные характеристики:
• Точность ИИ - отличная точность преобразования документов и извлечения данных.
• Быстрота и масштабируемость - обрабатывайте тысячи документов параллельно.
https://github.com/doctly/doctly
👍6🔥4👌2
Media is too big
VIEW IN TELEGRAM
#unrealneural
MotionStream: интерактивная генерация видео в реальном времени с управлением движением с помощью мыши; работает со скоростью 29 кадров в секунду с задержкой 0,4 с на одном H100; использует точечные треки для управления движением объекта/камеры и позволяет редактировать видео в реальном времени.
https://joonghyuk.com/motionstream-web/
MotionStream: интерактивная генерация видео в реальном времени с управлением движением с помощью мыши; работает со скоростью 29 кадров в секунду с задержкой 0,4 с на одном H100; использует точечные треки для управления движением объекта/камеры и позволяет редактировать видео в реальном времени.
https://joonghyuk.com/motionstream-web/
👍4❤2⚡1
#unrealneural
Новая модель Qwen-Image-MultipleAngles.
Позволяет вращать камеру вокруг объекта. Очень качественная модель, и, вероятно, её можно найти во множестве творческих вариантов использования.
Накиньте реакций и ссылку на демо выложу в комментариях ⚡️💫
Новая модель Qwen-Image-MultipleAngles.
Позволяет вращать камеру вокруг объекта. Очень качественная модель, и, вероятно, её можно найти во множестве творческих вариантов использования.
Накиньте реакций и ссылку на демо выложу в комментариях ⚡️💫
🔥15❤1⚡1
This media is not supported in your browser
VIEW IN TELEGRAM
#unrealneural
Copilot для Revit
Еще одна реализация 'Copilot for Revit' или 'ChatGPT for Revit'
Можно потестить бесплатную версию
Обзор сделаю позже
https://archilabs.ai/
Copilot для Revit
Еще одна реализация 'Copilot for Revit' или 'ChatGPT for Revit'
Можно потестить бесплатную версию
Обзор сделаю позже
https://archilabs.ai/
⚡2👍2❤1
#unrealneural
ИИ создал самую подробную 3D-карту человеческого мозга в истории
Ученые представили NextBrain — атлас на базе искусственного интеллекта, который отображает работу человеческого мозга в беспрецедентных микроскопических деталях.
Объединив 10 000 изображений тканей посмертного мозга с данными МРТ, исследователи создали точную трехмерную карту 333 областей мозга.
Атлас устраняет разрыв между визуализацией на клеточном уровне и сканированием живых людей, позволяя проводить быстрый автоматизированный анализ структуры мозга.
Этот новаторский инструмент может помочь обнаружить самые ранние признаки неврологических заболеваний, произведя революцию в диагностике и исследованиях во всем мире.
ИИ создал самую подробную 3D-карту человеческого мозга в истории
Ученые представили NextBrain — атлас на базе искусственного интеллекта, который отображает работу человеческого мозга в беспрецедентных микроскопических деталях.
Объединив 10 000 изображений тканей посмертного мозга с данными МРТ, исследователи создали точную трехмерную карту 333 областей мозга.
Атлас устраняет разрыв между визуализацией на клеточном уровне и сканированием живых людей, позволяя проводить быстрый автоматизированный анализ структуры мозга.
Этот новаторский инструмент может помочь обнаружить самые ранние признаки неврологических заболеваний, произведя революцию в диагностике и исследованиях во всем мире.
👍6🔥2⚡1👏1
Forwarded from Grace Hopper (Alik Sumin)
с чем еще круто справляется #gemini так это вот с подобными изменениями изображения
👍7⚡2