"Мы так боимся потерять человечность, что рискуем потерять будущее."
Странное время мы переживаем. Время, когда технологии развиваются экспоненциально, а человеческая природа остаётся неизменной. Время, когда мы способны создавать искусственный интеллект, но не можем справиться с собственными ограничениями. Время, когда мы стоим на пороге величайшей трансформации в истории человечества, но большинство предпочитает закрывать на это глаза.
Распознавание именованных сущностей (Named Entity Recognition, NER) — это одна из самых востребованных задач в обработке естественного языка (NLP). Чтобы создать качественную модель для NER, требуется тщательно размеченная обучающая выборка, а процесс её создания может занять много времени и ресурсов. В этой статье я расскажу о своём пути разметки данных, начиная с использования Open Source инструментов и переходя к Prodigy, профессиональному инструменту для создания обучающих наборов данных.
В чем секрет качественных данных и точной разметки? Мы в Data Light знаем: за каждым успешным проектом стоят не только технологии, но и люди — специалисты, отобранные после нескольких этапов тестирований и обученные на настоящих проектах.
В этой главе будут рассмотрены все необходимые аспекты для понимания механизмов работы CFG Scale, а также плюсы и минусы подхода с математическими примерами. Решил собрать все самое важное в одном месте без воды.
"Не верь снам, сны - обман."
Из письма Мари Мишон, адресованного Арамису.
Этот текст появился, по первоначальной задумке, как недлинный коммент к материалу Сны разума: что общего у сновидений с работой нейросетей? за авторством @popski_ruvds. А потом автору самодовольно пришло в голову, что поток рефлексий можно ведь попробовать сделать достойным и отдельной статьи-размышления... сказано - сделано. Сходу предвижу контраргумент "дурное дело нехитрое", ну да ладно.
Мы в лаборатории Fusion Brain уже много лет работаем на созданием мультимодальных моделей, способных работать с как можно большим числом данных разного типа. Не так давно, например, мы релизнули мультимодальную LLM OmniFusion 1.1, способную поддерживать визуальный диалог и отвечать на вопросы по картинкам, причём с поддержкой русского языка — и рассказали об этом на Хабре.
Привет! Меня зовут Петр Мицов, я продакт-менеджер в Just AI. Одно из ключевых направлений нашей компании — разработка решений на базе генеративного AI для бизнеса.
Привет! Хочу поделиться с вами своей разработкой - программой StableProjectorz, которая поможет упростить и ускорить создание текстур для ваших 3D-моделей с использованием нейросетей.
Что из себя представляет StableProjectorz:
На Хабре много обзоров нейросетей вроде Midjourney и ChatGPT. Мы пошли дальше и поэкспериментировали с ними: устроили им краш-тест, сравнили между собой и испытали их на нетипичных задачках. В подборке собрали самые интересные результаты. Сохраняйте статью в закладки и пишите в комментариях, какие эксперименты хотели бы увидеть в нашем блоге.
Читать полностью »
После выхода ChatGPT только ленивый не написал о нём. Языковая модель GPT-3.5 от OpenAI привлекла широкое внимание общественности своими возможностями: создание текстов, возможности перевода, получения точных ответов и использования контекста для диалога. Но больше всего разработчиков впечатлила возможность написания работающего кода по запросу на естественном языке.
