Как сделать Stable Diffusion XL ещё умнее, используя отрицательные подсказки
В прошлом месяце Stability AI выпустила Stable Diffusion XL 1.0 (SDXL) и дала открытый доступ к его исходному коду всем желающим. Пример изображений SDXL 1.0Релиз прошел практически незамеченным, потому что шумиха вокруг генеративного искусственного интеллекта немного поутихла. Все слишком заняты
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.
Какой метод генерации аудио лучший? Сравнение GAN, VAE и Diffusion
В прошлой статье я затронул тему генерации звука с помощью диффузионной модели. Но какие методы существуют вообще и какой из них сейчас наиболее перспективен? Сегодня мы рассмотрим долгий путь этого направления в машинном обучении. Послушаем результаты, посмотрим метрики и просто взглянем на новые технологии, применяемые в совершенно разных нейросетях для аудиосинтеза.
ИИ-самоучка демонстрирует сходство с тем, как работает мозг
Обучение с самоконтролем позволяет нейронной сети самостоятельно выяснить, что имеет значение. Этот процесс может быть тем, что делает наш собственный мозг таким успешным.
Саморазвивающийся искусственный интеллект
Развитие науки идет с использованием стандартных методов: cбор исходных данных, построение моделей, тестирование моделей опытами, открытая их публикация для проверки сообществом. Все это достаточно просто. Ядро науки составляют модели. Примеры моделей, которые всем известны со школьной парты: U=IR; F=ma
Самые яркие проекты по созданию нейроморфных процессоров [part 3]
Сегодня в мире существует совсем немного специализированных процессоров, чипов или крупномасштабных систем, которые можно отнести к нейроморфным. Про нейроморфные вычисления в целом мы уже говорили, про нейроморфные чипы тоже, а в этой статье расскажем о самых заметных на сегодня реализациях. Попытаемся раскрыть их суть, разобрать отличительные черты и выделить некоторые особенности.Ну и как всегда, больше деталей на нашем инженерном портале.
Human brain inspired computing [part 1]
На прошлой неделе на портале «Истовый Инженер» мы опубликовали финальную лекцию из цикла материалов про нейроморфные вычисления — сложную область, в которой есть много перспективных технологий, близких направлению разработки микропроцессоров, которое мы активно развиваем. Например, нейроморфные чипы и аппаратные ускорители, которые будут играть важную роль в будущем развитии технологий искусственного интеллекта и, вероятнее всего, будут использоваться везде, где необходимо обрабатывать данные в быстроменяющихся, неструктурированных средах и в режиме реального времени. Мы решили поделиться серией обзорных статей, составивших небольшое исследование на эту же тему. Оно было сделано нашей исследовательской группой осенью прошлого года в том числе и для того, чтобы сформировать собственное представление об актуальных технологиях, проблемах, перспективах и проектах. Позднее эта работа стала основой для целого цикла «взрослых» материалов, авторами которых стали эксперты из российских институтов и компаний (МГУ, ЛЭТИ, Сколтех, Яндекс), и даже европейской лаборатории Intel Research.
Синаптические веса в нейронных сетях – просто и доступно
Этой статьей начинается серия статей, рассказывающих просто и доступно о нейронных сетях и искусственном интеллекте.
Возможно, в мозге найден эквивалент обратного распространения
Давно известно, что биологические нейроны действуют подобно битам: либо отправляют сигнал соседнему нейрону, либо не делают этого; поэтому исследователи построили модель, где роль обучающих сигналов выполняют всплески нейронной активности.
Исследователи из Китая скрыли вредонос внутри нейросети без нарушения ее работы
Китайские исследователи сообщили, что они смогли внедрить вредоносное ПО в половину узлов модели искусственного интеллекта. По их мнению, вредоносы можно успешно встраивать непосредственно в искусственные нейроны, составляющие модели машинного обучения, таким образом, чтобы их нельзя было обнаружить. При этом сама нейросеть сможет продолжить выполнение поставленных задач в обычном режиме.
