Поразительный факт - 95% людей слышали только про ChatGpt и Midjourney.

И только единицы знают, как можно запустить свой GPT без ограничений и заставить работать за себя.

Neural - выкатили пошаговый гайд по запуску собственного Искусственного интеллекта на смартфоне на базе открытой модели.

Там же — сервис, который клонирует твой голос и переводит на различные языки. Нейросеть, которая создает Reels для заработка на контенте. Фотошоп, который редактирует фотки по по текстовому запросу.

Подписывайтесь: @neural

🔥 1000 полезных нейросетей.

Ailibri собрали обширный набор инструментов искусственного интеллекта для различных задач: написание текстов, кода, генерация изображений, видео и музыки, поисковики с нейронными сетями — все самое полезное и интересное.

Нейронные сети разделены по категориям и имеют подробные описания.

• Сайт

@neural

Кто там? Сверхразум.
Для обучения ИИ теперь можно обойтись без людей.
Трудно переоценить прорыв, достигнутый китайцами в Tencent AI Lab. Без преувеличения можно сказать, что настал «момент AlphaGo Zero» для LLM. И это значит, что AGI уже совсем близко - практически за дверью.

Первый настоящий сверхразум был создан в 2017 компанией DeepMind. Это ИИ-система AlphaGo Zero, достигшая сверхчеловеческого (недостижимого для людей) класса игры в шахматы, играя сама с собой.
Ключевым фактором успеха было то, что при обучении AlphaGo Zero не использовались наборы данных, полученные от экспертов-людей. Именно игра сама с собой без какого-либо участия людей и позволила ИИ-системе больше не быть ограниченной пределами человеческих знаний. И она вышла за эти пределы, оставив человечество далеко позади.

Если это произошло еще в 2017, почему же мы не говорим, что сверхразум уже достигнут?
Да потому, что AlphaGo Zero – это специализированный разум, достигший сверхчеловеческого уровня лишь играя в шахматы (а потом в Го и еще кое в чем).
А настоящий сверхразум (в современном понимании) должен уметь если не все, то очень многое.

Появившиеся 2 года назад большие языковые модели (LLM), в этом смысле, куда ближе к сверхразуму.
Они могут очень-очень много: писать романы и картины, сдавать экзамены и анализировать научные гипотезы, общаться с людьми практически на равных …
НО! Превосходить людей в чем либо, кроме бесконечного (по нашим меркам) объема знаний, LLM пока не могут. И потому они пока далеко не сверхразум (ведь не считает же мы сверхразумом Библиотеку Ленина, даже если к ней приделан автоматизированный поиск в ее фондах).

Причина, мешающая LLM стать сверхразумом, в том, что, обучаясь на человеческих данных, они ограничены пределами человеческих знаний.

И вот прорыв – исследователи Tencent AI Lab предложили и опробовали новый способ обучения LLM.
Он называется «Самостоятельная состязательная языковая игра» [1]. Его суть в том, что обучение модели идет без полученных от людей данных. Вместо этого, две копии LLM соревнуются между собой, играя в языковую игру под названием «Состязательное табу», придуманную китайцами для обучения ИИ еще в 2019 [2].

Первые экспериментальные результаты впечатляют (см. график).
• Копии LLM, играя между собой, с каждой новой серией игр, выходят на все более высокий уровень игры в «Состязательное табу».
• На графике показаны результаты игр против GPT-4 двух не самых сильных и существенно меньших моделей после 1й, 2й и 3й серии их обучения на играх самих с собой.

Как видите, класс существенно растет.
И кто знает, что будет, когда число самообучающих серий станет не 3, а 3 тысячи?

График: https://telegra.ph/file/9adb0d03a3a0d78e6d4f8.jpg
1 https://arxiv.org/abs/2404.10642
2 https://arxiv.org/abs/1911.01622
#LLM

🔥 У ChatGPT появилась память

Наконец в ChatGPT добавили память, теперь он будет запоминать элементы разговора между различными ветками, что сделает ответы еще более точными!

#ai #gpt #llm #openai

—————————
Мысли Рвачева
—————————

Тысячи примеров в промпте значительно повышают эффективность LLM

Исследователи из Google выяснили, что если большие языковые модели видят сотни или тысячи примеров в промпте, то их производительность при выполнении различных задач значительно возрастает.

Подход, получивший название "Many-Shot In-Context Learning" был протестирован на модели Google Gemini 1.5 Pro, которая может обрабатывать до миллиона токенов (около 700 000 слов) в контекстном окне. Исследователи достигли значительного прироста в производительности при решении большинства задач, по сравнению с подходом Few-Shot.

Кроме того, выяснилось, что LLM могут генерировать "многократные" промпты самостоятельно и делают это лучше человека.

https://the-decoder.com/hundreds-of-examples-in-prompts-can-significantly-boost-llm-performance-study-finds/

Что происходит с NVIDIA?

Ответ: все хорошо, но рынок становится более конкурентным.

За последние 3 месяца все крупнейшие покупатели чипов объявили, что они будут дизайнить и производить свои собственные чипы для ИИ и уже выделили по $100 млрд на это. А именно: Meta, OpenAI, Microsoft, Amazon. Google уже говорит, что все их модели тренируются на собственных проприетарных чипах.

Мне кажется, люди не понимают объем ресурсов, которые большие тех компании тратят и будут тратить на ИИ в ближайшее время. Из уже анонсированных проектов это около $400В.

musicgen-songstarter-v0.2

Тут модель musicgen-stereo-melody-large дообучили делать из вашего мычания музыку.
Помучил, не удалось заставить его следовать мелодии. Может у вас получится?

Код
Демо
Колаб

#voice2music #audio2music

Как «взламывают» эти ваши автопилоты.

Получается своего рода визуальная промпт инъекция 😅 Выпустить на улицы сотни людей в таких футболках и беспилотные такси встанут 😂

ИИволюция