5 перспективных российских стартапов. Выпуск №4 за 2023 год
«Нейросеть, которая ищет горячих клиентов», «Мини-сайт с простой монетизацией для блогера», «нейросеть, создающая идеальную версию вашего сайта для каждого пользователя» и еще несколько интересных проектов в новом дайджесте.Привет. Я Дима Беговатов — стартап‑обозреватель. Каждый месяц я публикую несколько обзоров интересных российских стартапов. Пишу только личное мнение, взгляд с позитивной стороны: для негатива есть другие медиа.Решил собрать эти проекты в одну подборку, чтобы вы смогли ознакомиться с отечественными сервисами и гаджетами.Поехали!Выпуск №1
В OpenAI изучили работу GPT-2 при помощи GPT-4 и попытались объяснить поведение нейронов
Специалисты из OpenAI опубликовали исследование, в котором описали, как при помощи языковой модели GPT-4 они пытались объяснить работу нейронов её предшественницы, GPT-2. Сейчас разработчики компании стремятся продвинуться в «интерпретируемости» нейросетей и понять, почему те создают именно тот контент, который мы получаем.
Про обучение, преподавание и, конечно, нейросети. Как учиться эффективно?
Как я пришел к этой теме?Последние несколько лет я активно погружаюсь с тематику обучения.Сейчас преподаю в одном из лучших российских университетов, устраиваю открытые лекции для моих друзей и коллег, а также работаю в проекте, цель которого развивать мышление детей. Мне было интересно понять, как эффективнее преподносить информацию и сделать ее интереснее для самостоятельного изучения.Я поставил себе 2 задачи:Определить важные критерии для эффективного обучения; Понять, как нейросети могут помогать мне учиться.
Как нейросеть MinD-Vis преобразует активность мозга в изображение
Расшифровка визуальной информации из активности мозга — это способ узнать больше о том, как работает зрительная система человека, и как заложить основу для создания системы, в которой люди и компьютеры могут общаться друг с другом с помощью сигналов мозга. Однако создать чёткие и точные изображения из записей мозга может быть сложно, потому что сигналы мозга сложны и часто не хватает данных для должного обучения. В этой статье мы разберём работу MinD-Vis, опубликованную Стэндфордским, Гонконгским и Сингапурским университетами в Ноябре этого года.
Из книг в реальность: три (почти) сбывшихся прогноза
Когда разработчики новых технологий шутят, что «за них уже всё придумали фантасты», они не шутят. Огромное количество пока ещё не реализованных идей ждут на страницах научно-фантастических книг и в кадрах фильмов. Остаётся только брать идею, смотреть, можно ли её реализовать сейчас и чего именно не хватает, и запускать высокотехнологичную компанию. Звучит легко, не правда ли? Но сейчас мы поговорим не о стартапах, а о беспилотниках, нейроинтерфейсах и киборгах, описанных задолго до их реального появления.
Нейробиологи выяснили, как во сне формируются воспоминания
Нейробиологи университета Пенсильвании с помощью вычислительной модели нейросети получили новое представление о том, как во время сна формируются воспоминания.
Платформа машинного обучения визуализирует активные нейроны в режиме реального времени
Исследователи Дюкского университета научили ИИ искать и выделять активные нейроны. Новый способ упростит диагностику и позволит наблюдать за мозгом людей и других животных в режиме реального времени.
Исследователи обучили нейронную сеть записывать слова парализованного в два раза быстрее
Фото: bracewatcher/Flickr Ученым удалось вдвое повысить скорость, с которой нейронная сеть записывала воображаемые парализованным человеком команды. Участник опыта — парализованный от шеи пациент — мысленно двигал рукой, записывая каждую букву алфавита. Ранее в практике использовались электроды, вживленные в тот участок мозга, который отвечает за движения. С помощью них парализованные пациенты могли мысленно перемещать курсор и выбирать на экране буквы. Таким образом им удавалось набирать до 39 символов в минуту. Однако это примерно в три раза медленнее скорости письма обычного человека (120 символов). В новых же экспериментах доброволец просто представлял, как он двигает рукой, чтобы написать каждую букву алфавита. Эта мозговая деятельность помогла обучить компьютерную модель интерпретировать команды, отслеживая предполагаемую траекторию воображаемого кончика пера для создания букв. В конечном итоге компьютер смог считывать воображаемые предложения добровольца с точностью примерно 95% и со скоростью около 66 символов в минуту.
