Учимся: 9 бесплатных курсов по ИИ от Google

📎Введение в генеративный ИИ — вводный курс по генИИ и инструментам Google Tools, которые помогут вам разрабатывать собственные приложения на основе генеративного ИИ.
📎Введение в LLM — вводный курс.
📎Введение в ответственный ИИ — курс о принципах разработки и внедрения ИИ с учётом безопасности, надёжности и этических норм.
📎Введение в генерацию изображений — курс про диффузионные модели, их теорию и практическое применение в Vertex AI.
📎Архитектура кодера-декодера — курс про архитектуру «кодировщик-декодировщик», которую используют для задач последовательного преобразования данных: перевода, обобщения текста, генерации. В лабораторной работе вы создадите простую модель на TensorFlow.
📎Модели трансформаторов и модель BERT — вводный курс по Transformer и BERT, об их использовании для классификации, ответов на вопросы и генерации текста.
📎Создание моделей подписей к изображениям — о различных компонентах модели для описания изображений, таких как кодировщик и декодировщик, а также о том, как обучать и оценивать модель.
📎Generative AI Studio — курс по платформе Vertex AI Studio, инструменту для всего цикла работ с LLM. Здесь можно узнать, как использовать Vertex для создания мультимодальных приложений Gemini, разработки запросов и настройки моделей.
📎Применение принципов ИИ с Google Cloud — курс о том, как внедрить ответственный ИИ в компании.

Общая продолжительность: около 9 часов. Пройдете все, сдадите лабораторные и соберете набор из 9 ачивок Гугла, а также сертификат Generative AI Explorer–Vertex AI. #учимся

ИИ-агент Manus стал доступным для всех

Кредитов, которые выдают при регистрации, хватает на пару задач в день. Умеет он, утверждают создатели, почти всё: от поиска и заказа билетов на самолёт до создания кода и написания докторских. Внутри: планировщик, ризонинг, поиск, помощник.

Решила протестировать:
⚫️Из России его скачать нельзя, а при регистрации по VPN требуют подтверждение телефона, так что выбирайте из списка «Казахстан», у них тоже код «+7».

⚫️Дала задачу написать пост про VR/AR/MR-технологии для стройки, с подробным анализом разработки и кейсами.

⚫️С задачей он не справился, потому что написал практически докторскую на 20 листов, а не пост.

⚫️Я выборочно проверила 10 фактов из статьи — все они подтвердились. Также в конце статьи были сноски на источники.

Итого:
Неплохо, если забыть, что я осталась без поста, а результат требует доработки под формат. А ещё: Манус трудился над задачей 40 минут 🙈. В фоновом режиме — так что особо мне не мешал.

Попробовать можно здесь.

Сбер запустил Kandinsky 3D — первый российский сервис на базе ИИ для быстрой генерации 3D-моделей с текстурами. За минуту можно создать модель по тексту или изображению

Что умеет Kandinsky 3D:
⚫️Генерирует полигональные 3D-модели с геометрией и текстурами, которые можно использовать и оптимизировать в САПР. На нем можно быстро прототипировать объекты разной сложности — от зданий до промышленных деталей.
⚫️Подготовить модели для 3D-печати.
⚫️Генерировать интерактивные 3D-объекты для мобильных приложений, виртуальных встреч, игр и аватаров.

Сервис открыт для тестирования здесь, есть API для интеграции с другими системами.

Тестим Kandinsky 3D — первый российский ИИ-сервис генерации 3D-моделей от Сбера

🟢По ссылке авторизуемся на сервисе через Сбер ID и попадаем в окно со строкой ввода промта. Изначально я хотела сравнить генерацию и реальный объект и вспомнила красивый Католический собор Непорочного зачатия Пресвятой Девы Марии в Москве, но Кандинский подумал-подумал и отказался мне его генерировать, поэтому я вбила просто «готический собор».

🟢Генерация четырех рендеров-картинок на вход для модели заняла примерно минуту. Затем я выбрала понравившийся, из которого сервис еще за минуту создал 3D.

🟢Как видите, есть настройка освещения и выбор текстур. Также в один клик можно удобно экспортировать модель в форматы obg, stl, fbx, glb, usdz. Кроме того, в режиме полигональной сетки можно увидеть все многоугольники, из которых состоит модель.
⚫️Модель можно крутить, приближать примерно в 3 раза, все довольно детально.

🟢Авторизация через Сбер ID не очень удобна, как по мне. Но есть интегрирация с другими системами через GigaChat API.

Как вам модель собора?

KTS запустила каталог MCP-серверов

Про MCP мы уже писали. Коротко: это универсальный стандарт, который позволяет легко соединять LLM с вашими инструментами и базами данных. Полезная штука, когда началась эра ИИ-агентов.

На платформе компании собран каталог MCP-серверов для популярных сервисов и инструментов, в том числе для российских. Решения рассортированы по категориям:
🟢для автоматизации рутины (процессы, маркетинг, поддержка),
🟢управления данными (CRM, финансы, аналитика),
🟢работы с контентом (Media),
🟢поддержки коммуникации (команды, клиенты) и инфраструктуры (серверов и облаков),
🟢а также ускорения разработки.

Кроме того, есть экспериментальные и узкоспециализированные инструменты. Для каждого сервера есть описание и ссылка на репозиторий Гитхаба. Для разработчиков агентов — полезная штука.

Вы знаете, кому переслать.

Инженеры АО «ЦКБ «Дейтон» (ГК «Элемент») создали роботов с ИИ для проверки качества микроэлектроники

... осталось поставить выпуск чипов на поток.

⚫️В реальном времени с помощью камер с разрешением до 3 микрон и нейросетей, обученных на более чем 6000 изображений, роботы сканируют чипы на конвейере, находят мельчайшие дефекты — трещины, царапины, сколы, непропечатанные участки и другие — и автоматически сортируют детали на годные, требующие доработки и бракованные.

⚫️ИИ не только анализирует дефекты, но и формирует отчёты и помогает улучшать производственный процесс.

Сейчас роботы проходят опытную эксплуатацию на российских предприятиях.

Статья: как команда ИТМО и Rocket Group разработала и внедрила многоступенчатый метод автоматизированной генерации цифровых моделей

Статья описывает многоступенчатый метод с ИИ-алгоритмами для роботизированного мастер-планирования.

Под капотом: цепочка ИИ-алгоритмов, GIS для работы с пространственными данными и интеграция с САПР/BIM для обмена и визуализации.

Как делают

Сбор и обработка данных
На вход подаются: границы участка, пространственные ограничения, параметры из нормативов и стандартов. Используются данные из территориального планирования и открытых источников.

Алгоритмы для генерации улично-дорожной сети
⚫️L-системы (система Линденмайера): строят каркас УДС, разбивают территорию на кварталы, задают параметры улиц (категории, полосность).
⚫️A*: применяется для трассировки других линейных объектов, например, инженерных сетей.

Оптимальное функциональное зонирование
Алгоритм получает кварталы и назначает каждому допустимый вид использования (жилая, общественная, коммерческая и т.д.), строго с учетом нормативов по плотности, обеспеченности инфраструктурой и прочих требований. Используются методы оптимизации для поиска сбалансированного решения.

Размещение объектов капитального строительства и инфраструктуры
На основе зонирования и уличной сети автоматически размещаются здания, объекты социнфраструктуры, паркинги и т.п. После этого генерируются параметры объектов: этажность, площадь, ТЭП.

Экспорт и визуализация: результаты передаются в САПР/BIM для дальнейшей работы и визуализации.

Результаты
Метод уже применяют в rTIM — он сократил трудозатраты на проектирование в 200 раз. Система сама создает и сравнивает десятки вариантов, что позволяет быстро и точно разрабатывать проекты для жилищного строительства.

Подробнее — читайте в статье⬆️

Varwin XRMS — российская no-code платформа для создания и управления VR/AR-проектами без программирования

... буду рассказывать вам про VR/AR/MR, если есть интересные кейсы или технологии — делитесь в комментариях

Что внутри:
⚫️Визуальный редактор Blockly позволяет собирать приложения из готовых блоков, как конструктор, не углубляясь в код.
⚫️Игровой движок Unity добавляет реалистичности и поддерживает разные устройства: от стационарных VR-шлемов (HTC Vive, Oculus Rift) до автономных и обычных ПК на Windows и Android.
⚫️Есть библиотека готовых 3D-объектов, сцен и спецэффектов, а также система управления контентом (CMS) для централизованного администрирования, обновления и распространения проектов на разных устройствах.

В строительстве Varwin XRMS помогает
⚫️создавать VR-тренажёры для обучения персонала ТБ и ОТ;
⚫️проводить виртуальные туры по будущим ЖК;
⚫️совместно просматривать и согласовывать BIM-модели, выявлять коллизии и вносить изменения на ранних этапах проекта;
⚫️координировать работу подрядчиков и улучшать коммуникацию между всеми участниками строительства.

Ликбез по ИИ: как работают генеративно-состязательные сети (GAN) в архитектуре

... изучаю нейросети в архитектуре, буду иногда делиться с вами теорией, от простого в глубины

Генеративно-состязательная сеть (GAN) — это архитектура глубокого обучения, которая состоит из двух нейросетей, обучающихся совместно в виде состязательной игры:

⚫️Генератор (Generator, G) создаёт данные на основе случайного шума — например, изображения, планы, карты. Генератор постепенно обучается создавать всё более реалистичные и правдоподобные архитектурные данные, которые должны «обмануть» дискриминатор.

⚫️Дискриминатор (Discriminator, D) — это нейросеть-классификатор, которая оценивает как реальные данные, так и данные, созданные генератором. Он пытается определить, какие данные являются настоящими, а какие — подделками.

Состязательный процесс обучения
⚫️Генератор пытается создавать данные, которые дискриминатор примет за реальные.
⚫️Дискриминатор учится всё лучше распознавать подделки генератора.
⚫️Этот процесс — игра с нулевой суммой — продолжается до тех пор, пока генератор не научится создавать очень реалистичные архитектурные объекты. В ходе обновляются веса обеих сетей.

Особенности архитектурных GAN

⚫️Учет пространственных и семантических особенностей: архитектурные данные имеют сложную структуру — например, планы должны соответствовать строительным нормам, фасады — быть связаны с конструкцией здания. Поэтому в генератор и дискриминатор часто включают сверточные слои (CNN), которые хорошо работают с изображениями и пространственными данными.

⚫️Использование условных GAN (Conditional GAN): чтобы генерировать планы с заданными параметрами (например, этажность, площадь, функциональное назначение), к генератору и дискриминатору подают дополнительные условия.

Пример работы GAN для архитектуры
⚫️На вход генератору подается случайный вектор шума и, возможно, условие (например, тип здания).
⚫️Генератор создает изображение плана или фасада.
⚫️Дискриминатор оценивает, насколько изображение реалистично, выдавая вероятность «настоящести».
⚫️Ошибка дискриминатора используется для обновления его весов, а также для обратного распространения ошибки в генератор, чтобы улучшить качество генерации.

Итог
В архитектуре GAN позволяют создавать новые архитектурные объекты и планы, которые выглядят реалистично и соответствуют заданным параметрам. Состязательное обучение генератора и дискриминатора обеспечивает непрерывное улучшение качества генерации.

За счет использования сверточных слоев и условных входов GAN адаптируются под сложные архитектурные данные — планы, фасады, 3D-модели, карты зонирования.

В следующий раз сделаю подборку GAN.