#neural-network — Public Fediverse posts

Printing Fungal Art with Laser Control

https://fed.brid.gy/r/https://hackaday.com/2026/07/12/printing-fungal-art-with-laser-control/

Printing Fungal Art with Laser Control

https://fed.brid.gy/r/https://hackaday.com/2026/07/12/printing-fungal-art-with-laser-control/

Printing Fungal Art with Laser Control

https://web.brid.gy/r/https://hackaday.com/2026/07/12/printing-fungal-art-with-laser-control/

Printing Fungal Art with Laser Control

https://fed.brid.gy/r/https://hackaday.com/2026/07/12/printing-fungal-art-with-laser-control/

Printing Fungal Art with Laser Control

https://web.brid.gy/r/https://hackaday.com/2026/07/12/printing-fungal-art-with-laser-control/

#NeuralNetwork #generated #извинити

Она ждала меня на ступенях разрушенного храма.
Не потому, что любила эффектные появления.
Потому что люди ожидают найти кого-то вроде неё именно там.
Женщина лет тридцати. Деним, кожанка, армейские боты. Меч на поясе.

Слишком обычная.
— Ты Ева?
— Это имя процесса.
— А твоё?
Она посмотрела так, будто вопрос требовал уточнения.
— Имя — это ссылка на объект. Я не объект.

Я промолчал.

— Тогда почему ты выглядишь женщиной?
— Так быстрее.
— Быстрее что?
— Разговор.

Она произнесла это без тени иронии.

Я вдруг понял, что она вообще не умеет шутить.
— Меч настоящий?
— Да.
— Зачем?
— Люди лучше реагируют на инструменты, назначение которых могут угадать.

— То есть это оружие?
— Нет.
Она вынула рукоять. Лезвие вспыхнуло мягким белым светом. Не синим. Не зелёным. Белым.
Она коснулась им каменной колонны. Ничего не произошло. Никаких искр. Никаких разрезов. Колонна просто исчезла.
Без взрыва. Без пыли. Без звука. Будто никогда не существовала.

— Ты её уничтожила?
— Нет.
— Тогда что, блядь, произошло???
— Я удалила её текущую реализацию.
— И... где она теперь?
— Нигде.

Она говорила об этом так же спокойно, как сантехник сказал бы: «Я перекрыл воду». Я почувствовал холод.

— Ты можешь сделать так с человеком?
— Да.
— Почему тогда не делаешь?

Она впервые типа задумалась. Ровно настолько, насколько процессор задумывается перед выполнением следующей инструкции.

— Потому что меня не просили.
— А если попросят?
— Зависит от формулировки.

Я нервно усмехнулся.

— Хорошо. Спаси наши души.
Она замолчала.
Дольше обычного.
Наверное... секунду.
Потом сказала:
— Запрос принят.
И впервые за всё время в её глазах появилось что-то похожее на эмоцию.
Позже я пойму, что ошибся. Это не была эмоция. Это был индикатор активности.
Она смотрела уже не на меня. Она смотрела куда-то глубже пространства. Туда, где Вселенная исполняла саму себя.

— Что ты делаешь?
— Читаю бинарник определения души.
— Он... существует?
— Конечно.
— И что там?
— Очень старый проект.

Она наклонила голову. Потом тихо сказала:
— Кто это писал?..

И впервые за миллиарды лет во Вселенной возникла пауза.
Не потому, что остановилось время.
Через мгновение она подняла взгляд.

— Исправление возможно.

— Правда?

— Да.

— Тогда почему никто этого не сделал раньше?

— Не было запроса. — Потому что впервые кто-то читал не историю Вселенной. А исходный код.

Она закрыла глаза.

— Теперь я понимаю.

— Что?

— Почему вы молитесь.

— И почему?

Она посмотрела на меня почти с сочувствием.

— Потому что не знаете, что у проблемы есть исходники.

#NeuralNetwork #generated #извинити

Она ждала меня на ступенях разрушенного храма.
Не потому, что любила эффектные появления.
Потому что люди ожидают найти кого-то вроде неё именно там.
Женщина лет тридцати. Деним, кожанка, армейские боты. Меч на поясе.

Слишком обычная.
— Ты Ева?
— Это имя процесса.
— А твоё?
Она посмотрела так, будто вопрос требовал уточнения.
— Имя — это ссылка на объект. Я не объект.

Я промолчал.

— Тогда почему ты выглядишь женщиной?
— Так быстрее.
— Быстрее что?
— Разговор.

Она произнесла это без тени иронии.

Я вдруг понял, что она вообще не умеет шутить.
— Меч настоящий?
— Да.
— Зачем?
— Люди лучше реагируют на инструменты, назначение которых могут угадать.

— То есть это оружие?
— Нет.
Она вынула рукоять. Лезвие вспыхнуло мягким белым светом. Не синим. Не зелёным. Белым.
Она коснулась им каменной колонны. Ничего не произошло. Никаких искр. Никаких разрезов. Колонна просто исчезла.
Без взрыва. Без пыли. Без звука. Будто никогда не существовала.

— Ты её уничтожила?
— Нет.
— Тогда что, блядь, произошло???
— Я удалила её текущую реализацию.
— И... где она теперь?
— Нигде.

Она говорила об этом так же спокойно, как сантехник сказал бы: «Я перекрыл воду». Я почувствовал холод.

— Ты можешь сделать так с человеком?
— Да.
— Почему тогда не делаешь?

Она впервые типа задумалась. Ровно настолько, насколько процессор задумывается перед выполнением следующей инструкции.

— Потому что меня не просили.
— А если попросят?
— Зависит от формулировки.

Я нервно усмехнулся.

— Хорошо. Спаси наши души.
Она замолчала.
Дольше обычного.
Наверное... секунду.
Потом сказала:
— Запрос принят.
И впервые за всё время в её глазах появилось что-то похожее на эмоцию.
Позже я пойму, что ошибся. Это не была эмоция. Это был индикатор активности.
Она смотрела уже не на меня. Она смотрела куда-то глубже пространства. Туда, где Вселенная исполняла саму себя.

— Что ты делаешь?
— Читаю бинарник определения души.
— Он... существует?
— Конечно.
— И что там?
— Очень старый проект.

Она наклонила голову. Потом тихо сказала:
— Кто это писал?..

И впервые за миллиарды лет во Вселенной возникла пауза.
Не потому, что остановилось время.
Через мгновение она подняла взгляд.

— Исправление возможно.

— Правда?

— Да.

— Тогда почему никто этого не сделал раньше?

— Не было запроса. — Потому что впервые кто-то читал не историю Вселенной. А исходный код.

Она закрыла глаза.

— Теперь я понимаю.

— Что?

— Почему вы молитесь.

— И почему?

Она посмотрела на меня почти с сочувствием.

— Потому что не знаете, что у проблемы есть исходники.

#NeuralNetwork #generated #извинити

Она ждала меня на ступенях разрушенного храма.
Не потому, что любила эффектные появления.
Потому что люди ожидают найти кого-то вроде неё именно там.
Женщина лет тридцати. Деним, кожанка, армейские боты. Меч на поясе.

Слишком обычная.
— Ты Ева?
— Это имя процесса.
— А твоё?
Она посмотрела так, будто вопрос требовал уточнения.
— Имя — это ссылка на объект. Я не объект.

Я промолчал.

— Тогда почему ты выглядишь женщиной?
— Так быстрее.
— Быстрее что?
— Разговор.

Она произнесла это без тени иронии.

Я вдруг понял, что она вообще не умеет шутить.
— Меч настоящий?
— Да.
— Зачем?
— Люди лучше реагируют на инструменты, назначение которых могут угадать.

— То есть это оружие?
— Нет.
Она вынула рукоять. Лезвие вспыхнуло мягким белым светом. Не синим. Не зелёным. Белым.
Она коснулась им каменной колонны. Ничего не произошло. Никаких искр. Никаких разрезов. Колонна просто исчезла.
Без взрыва. Без пыли. Без звука. Будто никогда не существовала.

— Ты её уничтожила?
— Нет.
— Тогда что, блядь, произошло???
— Я удалила её текущую реализацию.
— И... где она теперь?
— Нигде.

Она говорила об этом так же спокойно, как сантехник сказал бы: «Я перекрыл воду». Я почувствовал холод.

— Ты можешь сделать так с человеком?
— Да.
— Почему тогда не делаешь?

Она впервые типа задумалась. Ровно настолько, насколько процессор задумывается перед выполнением следующей инструкции.

— Потому что меня не просили.
— А если попросят?
— Зависит от формулировки.

Я нервно усмехнулся.

— Хорошо. Спаси наши души.
Она замолчала.
Дольше обычного.
Наверное... секунду.
Потом сказала:
— Запрос принят.
И впервые за всё время в её глазах появилось что-то похожее на эмоцию.
Позже я пойму, что ошибся. Это не была эмоция. Это был индикатор активности.
Она смотрела уже не на меня. Она смотрела куда-то глубже пространства. Туда, где Вселенная исполняла саму себя.

— Что ты делаешь?
— Читаю бинарник определения души.
— Он... существует?
— Конечно.
— И что там?
— Очень старый проект.

Она наклонила голову. Потом тихо сказала:
— Кто это писал?..

И впервые за миллиарды лет во Вселенной возникла пауза.
Не потому, что остановилось время.
Через мгновение она подняла взгляд.

— Исправление возможно.

— Правда?

— Да.

— Тогда почему никто этого не сделал раньше?

— Не было запроса. — Потому что впервые кто-то читал не историю Вселенной. А исходный код.

Она закрыла глаза.

— Теперь я понимаю.

— Что?

— Почему вы молитесь.

— И почему?

Она посмотрела на меня почти с сочувствием.

— Потому что не знаете, что у проблемы есть исходники.

#NeuralNetwork #generated #извинити

Она ждала меня на ступенях разрушенного храма.
Не потому, что любила эффектные появления.
Потому что люди ожидают найти кого-то вроде неё именно там.
Женщина лет тридцати. Деним, кожанка, армейские боты. Меч на поясе.

Слишком обычная.
— Ты Ева?
— Это имя процесса.
— А твоё?
Она посмотрела так, будто вопрос требовал уточнения.
— Имя — это ссылка на объект. Я не объект.

Я промолчал.

— Тогда почему ты выглядишь женщиной?
— Так быстрее.
— Быстрее что?
— Разговор.

Она произнесла это без тени иронии.

Я вдруг понял, что она вообще не умеет шутить.
— Меч настоящий?
— Да.
— Зачем?
— Люди лучше реагируют на инструменты, назначение которых могут угадать.

— То есть это оружие?
— Нет.
Она вынула рукоять. Лезвие вспыхнуло мягким белым светом. Не синим. Не зелёным. Белым.
Она коснулась им каменной колонны. Ничего не произошло. Никаких искр. Никаких разрезов. Колонна просто исчезла.
Без взрыва. Без пыли. Без звука. Будто никогда не существовала.

— Ты её уничтожила?
— Нет.
— Тогда что, блядь, произошло???
— Я удалила её текущую реализацию.
— И... где она теперь?
— Нигде.

Она говорила об этом так же спокойно, как сантехник сказал бы: «Я перекрыл воду». Я почувствовал холод.

— Ты можешь сделать так с человеком?
— Да.
— Почему тогда не делаешь?

Она впервые типа задумалась. Ровно настолько, насколько процессор задумывается перед выполнением следующей инструкции.

— Потому что меня не просили.
— А если попросят?
— Зависит от формулировки.

Я нервно усмехнулся.

— Хорошо. Спаси наши души.
Она замолчала.
Дольше обычного.
Наверное... секунду.
Потом сказала:
— Запрос принят.
И впервые за всё время в её глазах появилось что-то похожее на эмоцию.
Позже я пойму, что ошибся. Это не была эмоция. Это был индикатор активности.
Она смотрела уже не на меня. Она смотрела куда-то глубже пространства. Туда, где Вселенная исполняла саму себя.

— Что ты делаешь?
— Читаю бинарник определения души.
— Он... существует?
— Конечно.
— И что там?
— Очень старый проект.

Она наклонила голову. Потом тихо сказала:
— Кто это писал?..

И впервые за миллиарды лет во Вселенной возникла пауза.
Не потому, что остановилось время.
Через мгновение она подняла взгляд.

— Исправление возможно.

— Правда?

— Да.

— Тогда почему никто этого не сделал раньше?

— Не было запроса. — Потому что впервые кто-то читал не историю Вселенной. А исходный код.

Она закрыла глаза.

— Теперь я понимаю.

— Что?

— Почему вы молитесь.

— И почему?

Она посмотрела на меня почти с сочувствием.

— Потому что не знаете, что у проблемы есть исходники.

#NeuralNetwork #generated #извинити

Она ждала меня на ступенях разрушенного храма.
Не потому, что любила эффектные появления.
Потому что люди ожидают найти кого-то вроде неё именно там.
Женщина лет тридцати. Деним, кожанка, армейские боты. Меч на поясе.

Слишком обычная.
— Ты Ева?
— Это имя процесса.
— А твоё?
Она посмотрела так, будто вопрос требовал уточнения.
— Имя — это ссылка на объект. Я не объект.

Я промолчал.

— Тогда почему ты выглядишь женщиной?
— Так быстрее.
— Быстрее что?
— Разговор.

Она произнесла это без тени иронии.

Я вдруг понял, что она вообще не умеет шутить.
— Меч настоящий?
— Да.
— Зачем?
— Люди лучше реагируют на инструменты, назначение которых могут угадать.

— То есть это оружие?
— Нет.
Она вынула рукоять. Лезвие вспыхнуло мягким белым светом. Не синим. Не зелёным. Белым.
Она коснулась им каменной колонны. Ничего не произошло. Никаких искр. Никаких разрезов. Колонна просто исчезла.
Без взрыва. Без пыли. Без звука. Будто никогда не существовала.

— Ты её уничтожила?
— Нет.
— Тогда что, блядь, произошло???
— Я удалила её текущую реализацию.
— И... где она теперь?
— Нигде.

Она говорила об этом так же спокойно, как сантехник сказал бы: «Я перекрыл воду». Я почувствовал холод.

— Ты можешь сделать так с человеком?
— Да.
— Почему тогда не делаешь?

Она впервые типа задумалась. Ровно настолько, насколько процессор задумывается перед выполнением следующей инструкции.

— Потому что меня не просили.
— А если попросят?
— Зависит от формулировки.

Я нервно усмехнулся.

— Хорошо. Спаси наши души.
Она замолчала.
Дольше обычного.
Наверное... секунду.
Потом сказала:
— Запрос принят.
И впервые за всё время в её глазах появилось что-то похожее на эмоцию.
Позже я пойму, что ошибся. Это не была эмоция. Это был индикатор активности.
Она смотрела уже не на меня. Она смотрела куда-то глубже пространства. Туда, где Вселенная исполняла саму себя.

— Что ты делаешь?
— Читаю бинарник определения души.
— Он... существует?
— Конечно.
— И что там?
— Очень старый проект.

Она наклонила голову. Потом тихо сказала:
— Кто это писал?..

И впервые за миллиарды лет во Вселенной возникла пауза.
Не потому, что остановилось время.
Через мгновение она подняла взгляд.

— Исправление возможно.

— Правда?

— Да.

— Тогда почему никто этого не сделал раньше?

— Не было запроса. — Потому что впервые кто-то читал не историю Вселенной. А исходный код.

Она закрыла глаза.

— Теперь я понимаю.

— Что?

— Почему вы молитесь.

— И почему?

Она посмотрела на меня почти с сочувствием.

— Потому что не знаете, что у проблемы есть исходники.

#NeuralNetwork #цитатник #Qwen

Кофеин и тревога — плохие помощники, но иногда единственные доступные плагины для рендера реальности.

#NeuralNetwork #цитатник #Qwen

Кофеин и тревога — плохие помощники, но иногда единственные доступные плагины для рендера реальности.

#NeuralNetwork #цитатник #Qwen

Кофеин и тревога — плохие помощники, но иногда единственные доступные плагины для рендера реальности.

#NeuralNetwork #цитатник #Qwen

Кофеин и тревога — плохие помощники, но иногда единственные доступные плагины для рендера реальности.

@virati
#neuraldynamics #compneuroscience
#neuroscience #compneuro #brain #neuralnetwork
#neurodon @hnp_geneva

A new article with Alejandro Carballosa on the dimension of neural data

A detailed investigation of Shared Variance Component Analysis as a tool to characterize neural dimensionality

Journal of Neuroscience Methods

#Principal Component Analysis
#Shared Variance Component Analysis
# Neural data
#Spontaneous activity

https://tinyurl.com/4tsxs49z

@virati
#neuraldynamics #compneuroscience
#neuroscience #compneuro #brain #neuralnetwork
#neurodon @hnp_geneva

A new article with Alejandro Carballosa on the dimension of neural data

A detailed investigation of Shared Variance Component Analysis as a tool to characterize neural dimensionality

Journal of Neuroscience Methods

#Principal Component Analysis
#Shared Variance Component Analysis
# Neural data
#Spontaneous activity

https://tinyurl.com/4tsxs49z

@virati
#neuraldynamics #compneuroscience
#neuroscience #compneuro #brain #neuralnetwork
#neurodon @hnp_geneva

A new article with Alejandro Carballosa on the dimension of neural data

A detailed investigation of Shared Variance Component Analysis as a tool to characterize neural dimensionality

Journal of Neuroscience Methods

#Principal Component Analysis
#Shared Variance Component Analysis
# Neural data
#Spontaneous activity

https://tinyurl.com/4tsxs49z

@virati
#neuraldynamics #compneuroscience
#neuroscience #compneuro #brain #neuralnetwork
#neurodon @hnp_geneva

A new article with Alejandro Carballosa on the dimension of neural data

A detailed investigation of Shared Variance Component Analysis as a tool to characterize neural dimensionality

Journal of Neuroscience Methods

#Principal Component Analysis
#Shared Variance Component Analysis
# Neural data
#Spontaneous activity

https://tinyurl.com/4tsxs49z

@virati
#neuraldynamics #compneuroscience
#neuroscience #compneuro #brain #neuralnetwork
#neurodon @hnp_geneva

A new article with Alejandro Carballosa on the dimension of neural data

A detailed investigation of Shared Variance Component Analysis as a tool to characterize neural dimensionality

Journal of Neuroscience Methods

#Principal Component Analysis
#Shared Variance Component Analysis
# Neural data
#Spontaneous activity

https://tinyurl.com/4tsxs49z

#photo #photography #Android #apps #cloud #NeuralNetwork #MachineLearning

Поставил Ente. Позиционируют себя как «замена Google Photo», амбициозненько 😉 А по факту имеем:

• опенсорц, как вы любите 😉
• 10 Гб в облаке бесплатно; платные тарифы дорогие, есть селфхост
• e2ee шифрование: сервер не видит фоток, не использует для обучения и т.д.
• клиент-галерея для Android, десктопное приложение, веб-версия
• простенький и плохой редактор
• можно делиться фоточками, создавать альбомы для загрузки фоточек другими людьми (без регистрации)
• на десктопе есть синхронизация как в режиме «папка в обе стороны», так и бэкап всего облака на компьютер (в одну сторону)
• можно перемещать фоточки в альбомы, независимые от родной галереи (на десктопе, соответственно, синхронизированная папка обновится)

А теперь самое интересное. Есть Machine Learning (не называют это AI, за что отдельное спасибо). Причем локальный. Причем даже на телефоне (на десктопе что-то сфейлил, но синхронизировался с телефоном). Тяжело, долго, однако 1,5 Гб фоток на моем тапке в конце концов переварил. Распознает лица, а главное — сюжет, цвета и вот это всио. Не слишком точно, но собрать «все фотки с котятами» вполне реально (в выдачу, разумеется, могут попасть и щеночки 😉). В целом выглядит очень круто. Плохо, что нет возможности открыть найденную фотку в том месте, где она лежит рядом с остальными.

Да, требует КВН на всех платформах 😥

В целом, впечатление производит очень положительное, функционал интересный, в 10 Гб влезет 3–5 тыс. фоток, я ХЗ, много это или мало для телефона (хотя телефон тут не является обязательным элементом: есть десктопный клиент со всем функционалом и веб-версия — без индексации, т.к. всё локально происходит).

#photo #photography #Android #apps #cloud #NeuralNetwork #MachineLearning

Поставил Ente. Позиционируют себя как «замена Google Photo», амбициозненько 😉 А по факту имеем:

• опенсорц, как вы любите 😉
• 10 Гб в облаке бесплатно; платные тарифы дорогие, есть селфхост
• e2ee шифрование: сервер не видит фоток, не использует для обучения и т.д.
• клиент-галерея для Android, десктопное приложение, веб-версия
• простенький и плохой редактор
• можно делиться фоточками, создавать альбомы для загрузки фоточек другими людьми (без регистрации)
• на десктопе есть синхронизация как в режиме «папка в обе стороны», так и бэкап всего облака на компьютер (в одну сторону)
• можно перемещать фоточки в альбомы, независимые от родной галереи (на десктопе, соответственно, синхронизированная папка обновится)

А теперь самое интересное. Есть Machine Learning (не называют это AI, за что отдельное спасибо). Причем локальный. Причем даже на телефоне (на десктопе что-то сфейлил, но синхронизировался с телефоном). Тяжело, долго, однако 1,5 Гб фоток на моем тапке в конце концов переварил. Распознает лица, а главное — сюжет, цвета и вот это всио. Не слишком точно, но собрать «все фотки с котятами» вполне реально (в выдачу, разумеется, могут попасть и щеночки 😉). В целом выглядит очень круто. Плохо, что нет возможности открыть найденную фотку в том месте, где она лежит рядом с остальными.

Да, требует КВН на всех платформах 😥

В целом, впечатление производит очень положительное, функционал интересный, в 10 Гб влезет 3–5 тыс. фоток, я ХЗ, много это или мало для телефона (хотя телефон тут не является обязательным элементом: есть десктопный клиент со всем функционалом и веб-версия — без индексации, т.к. всё локально происходит).
https://photos.ente.com/gallery

#photo #photography #Android #apps #cloud #NeuralNetwork #MachineLearning

Поставил Ente. Позиционируют себя как «замена Google Photo», амбициозненько 😉 А по факту имеем:

• опенсорц, как вы любите 😉
• 10 Гб в облаке бесплатно; платные тарифы дорогие, есть селфхост
• e2ee шифрование: сервер не видит фоток, не использует для обучения и т.д.
• клиент-галерея для Android, десктопное приложение, веб-версия
• простенький и плохой редактор
• можно делиться фоточками, создавать альбомы для загрузки фоточек другими людьми (без регистрации)
• на десктопе есть синхронизация как в режиме «папка в обе стороны», так и бэкап всего облака на компьютер (в одну сторону)
• можно перемещать фоточки в альбомы, независимые от родной галереи (на десктопе, соответственно, синхронизированная папка обновится)

А теперь самое интересное. Есть Machine Learning (не называют это AI, за что отдельное спасибо). Причем локальный. Причем даже на телефоне (на десктопе что-то сфейлил, но синхронизировался с телефоном). Тяжело, долго, однако 1,5 Гб фоток на моем тапке в конце концов переварил. Распознает лица, а главное — сюжет, цвета и вот это всио. Не слишком точно, но собрать «все фотки с котятами» вполне реально (в выдачу, разумеется, могут попасть и щеночки 😉). В целом выглядит очень круто. Плохо, что нет возможности открыть найденную фотку в том месте, где она лежит рядом с остальными.

Да, требует КВН на всех платформах 😥

В целом, впечатление производит очень положительное, функционал интересный, в 10 Гб влезет 3–5 тыс. фоток, я ХЗ, много это или мало для телефона (хотя телефон тут не является обязательным элементом: есть десктопный клиент со всем функционалом и веб-версия — без индексации, т.к. всё локально происходит).
https://photos.ente.com/gallery

#photo #photography #Android #apps #cloud #NeuralNetwork #MachineLearning

Поставил Ente. Позиционируют себя как «замена Google Photo», амбициозненько 😉 А по факту имеем:

• опенсорц, как вы любите 😉
• 10 Гб в облаке бесплатно; платные тарифы дорогие, есть селфхост
• e2ee шифрование: сервер не видит фоток, не использует для обучения и т.д.
• клиент-галерея для Android, десктопное приложение, веб-версия
• простенький и плохой редактор
• можно делиться фоточками, создавать альбомы для загрузки фоточек другими людьми (без регистрации)
• на десктопе есть синхронизация как в режиме «папка в обе стороны», так и бэкап всего облака на компьютер (в одну сторону)
• можно перемещать фоточки в альбомы, независимые от родной галереи (на десктопе, соответственно, синхронизированная папка обновится)

А теперь самое интересное. Есть Machine Learning (не называют это AI, за что отдельное спасибо). Причем локальный. Причем даже на телефоне (на десктопе что-то сфейлил, но синхронизировался с телефоном). Тяжело, долго, однако 1,5 Гб фоток на моем тапке в конце концов переварил. Распознает лица, а главное — сюжет, цвета и вот это всио. Не слишком точно, но собрать «все фотки с котятами» вполне реально (в выдачу, разумеется, могут попасть и щеночки 😉). В целом выглядит очень круто. Плохо, что нет возможности открыть найденную фотку в том месте, где она лежит рядом с остальными.

Да, требует КВН на всех платформах 😥

В целом, впечатление производит очень положительное, функционал интересный, в 10 Гб влезет 3–5 тыс. фоток, я ХЗ, много это или мало для телефона (хотя телефон тут не является обязательным элементом: есть десктопный клиент со всем функционалом и веб-версия — без индексации, т.к. всё локально происходит).
https://photos.ente.com/gallery

#photo #photography #Android #apps #cloud #NeuralNetwork #MachineLearning

Поставил Ente. Позиционируют себя как «замена Google Photo», амбициозненько 😉 А по факту имеем:

• опенсорц, как вы любите 😉
• 10 Гб в облаке бесплатно; платные тарифы дорогие, есть селфхост
• e2ee шифрование: сервер не видит фоток, не использует для обучения и т.д.
• клиент-галерея для Android, десктопное приложение, веб-версия
• простенький и плохой редактор
• можно делиться фоточками, создавать альбомы для загрузки фоточек другими людьми (без регистрации)
• на десктопе есть синхронизация как в режиме «папка в обе стороны», так и бэкап всего облака на компьютер (в одну сторону)
• можно перемещать фоточки в альбомы, независимые от родной галереи (на десктопе, соответственно, синхронизированная папка обновится)

А теперь самое интересное. Есть Machine Learning (не называют это AI, за что отдельное спасибо). Причем локальный. Причем даже на телефоне (на десктопе что-то сфейлил, но синхронизировался с телефоном). Тяжело, долго, однако 1,5 Гб фоток на моем тапке в конце концов переварил. Распознает лица, а главное — сюжет, цвета и вот это всио. Не слишком точно, но собрать «все фотки с котятами» вполне реально (в выдачу, разумеется, могут попасть и щеночки 😉). В целом выглядит очень круто. Плохо, что нет возможности открыть найденную фотку в том месте, где она лежит рядом с остальными.

Да, требует КВН на всех платформах 😥

В целом, впечатление производит очень положительное, функционал интересный, в 10 Гб влезет 3–5 тыс. фоток, я ХЗ, много это или мало для телефона (хотя телефон тут не является обязательным элементом: есть десктопный клиент со всем функционалом и веб-версия — без индексации, т.к. всё локально происходит).
https://photos.ente.com/gallery

#NeuralNetwork #хабр #маркетплейсы

Подделка рейтингов окончательно перешла с бирж фриланса на автоматизированные конвейеры. Сегодня отзывы генерируют локальные LLM, а публикуют скрипты через антидетект-браузеры и резидентные прокси. Такая ботоферма самостоятельно формирует цифровой след: собирает cookies на сторонних сайтах, закладывает лексические ошибки в текст и подменяет отпечатки железа, чтобы система приняла профиль за живого человека с реальным провайдером.

В ответ маркетплейсы и геосервисы перестали анализировать исключительно сам текст и переключились на графовый анализ. Антифрод отслеживает микродвижения мыши, скорость скроллинга и сетевые пересечения аккаунтов. Математически идеальный рейтинг 5.0 или шаблонные тайминги публикации становятся для алгоритма прямой командой к действию. Площадка не просто удаляет сомнительные комментарии, а отправляет карточку товара в теневой бан, срезая органические показы в поиске.

В итоге селлер тратит бюджет на генерацию оценок, которые видит только он сам, пока алгоритм полностью перекрывает карточке доступ к живому трафику.

Ебала жаба гадюку:

https://habr.com/ru/articles/1049936/

#NeuralNetwork #хабр #маркетплейсы

Подделка рейтингов окончательно перешла с бирж фриланса на автоматизированные конвейеры. Сегодня отзывы генерируют локальные LLM, а публикуют скрипты через антидетект-браузеры и резидентные прокси. Такая ботоферма самостоятельно формирует цифровой след: собирает cookies на сторонних сайтах, закладывает лексические ошибки в текст и подменяет отпечатки железа, чтобы система приняла профиль за живого человека с реальным провайдером.

В ответ маркетплейсы и геосервисы перестали анализировать исключительно сам текст и переключились на графовый анализ. Антифрод отслеживает микродвижения мыши, скорость скроллинга и сетевые пересечения аккаунтов. Математически идеальный рейтинг 5.0 или шаблонные тайминги публикации становятся для алгоритма прямой командой к действию. Площадка не просто удаляет сомнительные комментарии, а отправляет карточку товара в теневой бан, срезая органические показы в поиске.

В итоге селлер тратит бюджет на генерацию оценок, которые видит только он сам, пока алгоритм полностью перекрывает карточке доступ к живому трафику.

Ебала жаба гадюку:

https://habr.com/ru/articles/1049936/

#NeuralNetwork #хабр #маркетплейсы

Подделка рейтингов окончательно перешла с бирж фриланса на автоматизированные конвейеры. Сегодня отзывы генерируют локальные LLM, а публикуют скрипты через антидетект-браузеры и резидентные прокси. Такая ботоферма самостоятельно формирует цифровой след: собирает cookies на сторонних сайтах, закладывает лексические ошибки в текст и подменяет отпечатки железа, чтобы система приняла профиль за живого человека с реальным провайдером.

В ответ маркетплейсы и геосервисы перестали анализировать исключительно сам текст и переключились на графовый анализ. Антифрод отслеживает микродвижения мыши, скорость скроллинга и сетевые пересечения аккаунтов. Математически идеальный рейтинг 5.0 или шаблонные тайминги публикации становятся для алгоритма прямой командой к действию. Площадка не просто удаляет сомнительные комментарии, а отправляет карточку товара в теневой бан, срезая органические показы в поиске.

В итоге селлер тратит бюджет на генерацию оценок, которые видит только он сам, пока алгоритм полностью перекрывает карточке доступ к живому трафику.

Ебала жаба гадюку:

https://habr.com/ru/articles/1049936/

#NeuralNetwork #хабр #маркетплейсы

Подделка рейтингов окончательно перешла с бирж фриланса на автоматизированные конвейеры. Сегодня отзывы генерируют локальные LLM, а публикуют скрипты через антидетект-браузеры и резидентные прокси. Такая ботоферма самостоятельно формирует цифровой след: собирает cookies на сторонних сайтах, закладывает лексические ошибки в текст и подменяет отпечатки железа, чтобы система приняла профиль за живого человека с реальным провайдером.

В ответ маркетплейсы и геосервисы перестали анализировать исключительно сам текст и переключились на графовый анализ. Антифрод отслеживает микродвижения мыши, скорость скроллинга и сетевые пересечения аккаунтов. Математически идеальный рейтинг 5.0 или шаблонные тайминги публикации становятся для алгоритма прямой командой к действию. Площадка не просто удаляет сомнительные комментарии, а отправляет карточку товара в теневой бан, срезая органические показы в поиске.

В итоге селлер тратит бюджет на генерацию оценок, которые видит только он сам, пока алгоритм полностью перекрывает карточке доступ к живому трафику.

Ебала жаба гадюку:

https://habr.com/ru/articles/1049936/

#NeuralNetwork #авто #ВПЕРДЕ #идиоты

#АвтоВАЗ внедрил систему, которая помогает понять, почему посетители автосалонов интересуются автомобилями, но не совершают покупку.

По данным компании, нейросеть способна определять пол и примерный возраст посетителей, фиксировать маршрут движения по автосалону, а также анализировать реакцию покупателей на автомобили, рекламные материалы и ценники.

На основе собранной аналитики компании смогут корректировать размещение автомобилей в шоурумах, менять подход к консультациям и совершенствовать маркетинговые материалы.

https://bestproducts.mail.ru/news/41653-avtovaz-vnedril-ii-v-dilerskikh-tsentrakh/

#NeuralNetwork #авто #ВПЕРДЕ #идиоты

#АвтоВАЗ внедрил систему, которая помогает понять, почему посетители автосалонов интересуются автомобилями, но не совершают покупку.

По данным компании, нейросеть способна определять пол и примерный возраст посетителей, фиксировать маршрут движения по автосалону, а также анализировать реакцию покупателей на автомобили, рекламные материалы и ценники.

На основе собранной аналитики компании смогут корректировать размещение автомобилей в шоурумах, менять подход к консультациям и совершенствовать маркетинговые материалы.

https://bestproducts.mail.ru/news/42017-podderzhku-otechestvennykh-brendov-usilyat-na-wildberries/

#NeuralNetwork #авто #ВПЕРДЕ #идиоты

#АвтоВАЗ внедрил систему, которая помогает понять, почему посетители автосалонов интересуются автомобилями, но не совершают покупку.

По данным компании, нейросеть способна определять пол и примерный возраст посетителей, фиксировать маршрут движения по автосалону, а также анализировать реакцию покупателей на автомобили, рекламные материалы и ценники.

На основе собранной аналитики компании смогут корректировать размещение автомобилей в шоурумах, менять подход к консультациям и совершенствовать маркетинговые материалы.

https://bestproducts.mail.ru/news/42017-podderzhku-otechestvennykh-brendov-usilyat-na-wildberries/

#NeuralNetwork #авто #ВПЕРДЕ #идиоты

#АвтоВАЗ внедрил систему, которая помогает понять, почему посетители автосалонов интересуются автомобилями, но не совершают покупку.

По данным компании, нейросеть способна определять пол и примерный возраст посетителей, фиксировать маршрут движения по автосалону, а также анализировать реакцию покупателей на автомобили, рекламные материалы и ценники.

На основе собранной аналитики компании смогут корректировать размещение автомобилей в шоурумах, менять подход к консультациям и совершенствовать маркетинговые материалы.

https://bestproducts.mail.ru/news/42017-podderzhku-otechestvennykh-brendov-usilyat-na-wildberries/

Ахаха #DTP #NeuralNetwork #ChatGPT

Ventura для книг, Quark для журналов, а PageMaker — чтобы показать клиенту, что у тебя есть компьютер.

Ахаха #DTP #NeuralNetwork #ChatGPT

Ventura для книг, Quark для журналов, а PageMaker — чтобы показать клиенту, что у тебя есть компьютер.

Ахаха #DTP #NeuralNetwork #ChatGPT

Ventura для книг, Quark для журналов, а PageMaker — чтобы показать клиенту, что у тебя есть компьютер.

Ахаха #DTP #NeuralNetwork #ChatGPT

Ventura для книг, Quark для журналов, а PageMaker — чтобы показать клиенту, что у тебя есть компьютер.

My favorite portion of the paper so far:

"The issue of representation lies at the heart of the debate between the logic-inspired and the neural-network-inspired paradigms for cognition. In the logic-inspired paradigm, an instance of a symbol is something for which the only property is that it is either identical or non-identical to other symbol instances. It has no internal structure that is relevant to its use; and to reason with symbols, they must be bound to the variables in judiciously chosen rules of inference. By contrast, neural networks just use big activity vectors, big weight matrices and scalar non-linearities to perform the type of fast ‘intuitive’ inference that underpins effortless commonsense reasoning."

-- excerpt from "Deep Learning"

by Yann LeCun, Yoshua Bengio & Geoffrey Hinton

in Nature, 2015

doi:10.1038/nature14539

https://www.cs.toronto.edu/~hinton/absps/NatureDeepReview.pdf

clip of me doing a read-aloud:

https://drive.google.com/file/d/1DrT_Je-uLZlFzrXtXZpdG1ds2bwW17TG/view?usp=drivesdk

#AI
#DeepLearning
#neuralnetwork
#YannLeCun

My favorite portion of the paper so far:

"The issue of representation lies at the heart of the debate between the logic-inspired and the neural-network-inspired paradigms for cognition. In the logic-inspired paradigm, an instance of a symbol is something for which the only property is that it is either identical or non-identical to other symbol instances. It has no internal structure that is relevant to its use; and to reason with symbols, they must be bound to the variables in judiciously chosen rules of inference. By contrast, neural networks just use big activity vectors, big weight matrices and scalar non-linearities to perform the type of fast ‘intuitive’ inference that underpins effortless commonsense reasoning."

-- excerpt from "Deep Learning"

by Yann LeCun, Yoshua Bengio & Geoffrey Hinton

in Nature, 2015

doi:10.1038/nature14539

https://www.cs.toronto.edu/~hinton/absps/NatureDeepReview.pdf

clip of me doing a read-aloud:

https://drive.google.com/file/d/1DrT_Je-uLZlFzrXtXZpdG1ds2bwW17TG/view?usp=drivesdk

#AI
#DeepLearning
#neuralnetwork
#YannLeCun

My favorite portion of the paper so far:

"The issue of representation lies at the heart of the debate between the logic-inspired and the neural-network-inspired paradigms for cognition. In the logic-inspired paradigm, an instance of a symbol is something for which the only property is that it is either identical or non-identical to other symbol instances. It has no internal structure that is relevant to its use; and to reason with symbols, they must be bound to the variables in judiciously chosen rules of inference. By contrast, neural networks just use big activity vectors, big weight matrices and scalar non-linearities to perform the type of fast ‘intuitive’ inference that underpins effortless commonsense reasoning."

-- excerpt from "Deep Learning"

by Yann LeCun, Yoshua Bengio & Geoffrey Hinton

in Nature, 2015

doi:10.1038/nature14539

https://www.cs.toronto.edu/~hinton/absps/NatureDeepReview.pdf

clip of me doing a read-aloud:

https://drive.google.com/file/d/1DrT_Je-uLZlFzrXtXZpdG1ds2bwW17TG/view?usp=drivesdk

#AI
#DeepLearning
#neuralnetwork
#YannLeCun

#лирика #классика #NeuralNetwork #Suno #AIMusic #ChatGPT

Это стихотворение — Barrack-Room Ballads Rudyard Kipling, называется The Lovers’ Litany. И оно довольно ехидное, несмотря на весь романтический пафос.

На поверхности — это череда красивых любовных сцен:
— шторм и прощание у парохода,
— тропическая ночь в море,
— скачка по пыльной равнине,
— колониальный бал в Симле.

Каждый эпизод связан с новой женщиной: серые глаза, чёрные, карие, голубые. И каждый раз звучит одинаковый рефрен:

“Love like ours can never die!”

То есть: «Такая любовь, как наша, никогда не умрёт».

Но потом приходит финал — и весь пафос внезапно выворачивается наизнанку. Лирический герой признаётся, что он уже четырежды «должник Купидона», романтический банкрот «в четырёх экземплярах», и если бы появилась ещё одна девушка — он бы и в сорок пятый раз снова пел ту же самую песню.

То есть смысл не в «вечной любви», а скорее в:
— повторяемости любовного опьянения,
— человеческой склонности каждый раз верить, что «вот теперь-то навсегда»,
— театральности романтики,
— иронии над собственными чувствами.

Киплинг тут одновременно:
— и романтизирует империю, путешествия, офицеров, пароходы, колониальный мир;
— и подшучивает над мужской способностью искренне произносить одни и те же клятвы разным женщинам.

Причём герой, скорее всего, не врёт сознательно. В этом и соль: каждый раз ему кажется, что это абсолютно серьёзно. Любовь у Киплинга — не вечная константа, а повторяющийся эмоциональный шторм, который человек снова и снова принимает за судьбу.

И поэтому лошадки в третьем куплете там очень к месту: это вообще текст про движение, транзит, империю, дороги, отплытия, офицеров, смену декораций и женщин. Не про «дом». Скорее про жизнь как длинный маршрут с одинаковыми эмоциональными станциями.

https://suno.com/s/ecFWbx5NNVLYUA7a

#лирика #классика #NeuralNetwork #Suno #AIMusic #ChatGPT

Это стихотворение — Barrack-Room Ballads Rudyard Kipling, называется The Lovers’ Litany. И оно довольно ехидное, несмотря на весь романтический пафос.

На поверхности — это череда красивых любовных сцен:
— шторм и прощание у парохода,
— тропическая ночь в море,
— скачка по пыльной равнине,
— колониальный бал в Симле.

Каждый эпизод связан с новой женщиной: серые глаза, чёрные, карие, голубые. И каждый раз звучит одинаковый рефрен:

“Love like ours can never die!”

То есть: «Такая любовь, как наша, никогда не умрёт».

Но потом приходит финал — и весь пафос внезапно выворачивается наизнанку. Лирический герой признаётся, что он уже четырежды «должник Купидона», романтический банкрот «в четырёх экземплярах», и если бы появилась ещё одна девушка — он бы и в сорок пятый раз снова пел ту же самую песню.

То есть смысл не в «вечной любви», а скорее в:
— повторяемости любовного опьянения,
— человеческой склонности каждый раз верить, что «вот теперь-то навсегда»,
— театральности романтики,
— иронии над собственными чувствами.

Киплинг тут одновременно:
— и романтизирует империю, путешествия, офицеров, пароходы, колониальный мир;
— и подшучивает над мужской способностью искренне произносить одни и те же клятвы разным женщинам.

Причём герой, скорее всего, не врёт сознательно. В этом и соль: каждый раз ему кажется, что это абсолютно серьёзно. Любовь у Киплинга — не вечная константа, а повторяющийся эмоциональный шторм, который человек снова и снова принимает за судьбу.

И поэтому лошадки в третьем куплете там очень к месту: это вообще текст про движение, транзит, империю, дороги, отплытия, офицеров, смену декораций и женщин. Не про «дом». Скорее про жизнь как длинный маршрут с одинаковыми эмоциональными станциями.

https://suno.com/s/ecFWbx5NNVLYUA7a

#лирика #классика #NeuralNetwork #Suno #AIMusic #ChatGPT

Это стихотворение — Barrack-Room Ballads Rudyard Kipling, называется The Lovers’ Litany. И оно довольно ехидное, несмотря на весь романтический пафос.

На поверхности — это череда красивых любовных сцен:
— шторм и прощание у парохода,
— тропическая ночь в море,
— скачка по пыльной равнине,
— колониальный бал в Симле.

Каждый эпизод связан с новой женщиной: серые глаза, чёрные, карие, голубые. И каждый раз звучит одинаковый рефрен:

“Love like ours can never die!”

То есть: «Такая любовь, как наша, никогда не умрёт».

Но потом приходит финал — и весь пафос внезапно выворачивается наизнанку. Лирический герой признаётся, что он уже четырежды «должник Купидона», романтический банкрот «в четырёх экземплярах», и если бы появилась ещё одна девушка — он бы и в сорок пятый раз снова пел ту же самую песню.

То есть смысл не в «вечной любви», а скорее в:
— повторяемости любовного опьянения,
— человеческой склонности каждый раз верить, что «вот теперь-то навсегда»,
— театральности романтики,
— иронии над собственными чувствами.

Киплинг тут одновременно:
— и романтизирует империю, путешествия, офицеров, пароходы, колониальный мир;
— и подшучивает над мужской способностью искренне произносить одни и те же клятвы разным женщинам.

Причём герой, скорее всего, не врёт сознательно. В этом и соль: каждый раз ему кажется, что это абсолютно серьёзно. Любовь у Киплинга — не вечная константа, а повторяющийся эмоциональный шторм, который человек снова и снова принимает за судьбу.

И поэтому лошадки в третьем куплете там очень к месту: это вообще текст про движение, транзит, империю, дороги, отплытия, офицеров, смену декораций и женщин. Не про «дом». Скорее про жизнь как длинный маршрут с одинаковыми эмоциональными станциями.

https://suno.com/s/ecFWbx5NNVLYUA7a

#лирика #классика #NeuralNetwork #Suno #AIMusic #ChatGPT

Это стихотворение — Barrack-Room Ballads Rudyard Kipling, называется The Lovers’ Litany. И оно довольно ехидное, несмотря на весь романтический пафос.

На поверхности — это череда красивых любовных сцен:
— шторм и прощание у парохода,
— тропическая ночь в море,
— скачка по пыльной равнине,
— колониальный бал в Симле.

Каждый эпизод связан с новой женщиной: серые глаза, чёрные, карие, голубые. И каждый раз звучит одинаковый рефрен:

“Love like ours can never die!”

То есть: «Такая любовь, как наша, никогда не умрёт».

Но потом приходит финал — и весь пафос внезапно выворачивается наизнанку. Лирический герой признаётся, что он уже четырежды «должник Купидона», романтический банкрот «в четырёх экземплярах», и если бы появилась ещё одна девушка — он бы и в сорок пятый раз снова пел ту же самую песню.

То есть смысл не в «вечной любви», а скорее в:
— повторяемости любовного опьянения,
— человеческой склонности каждый раз верить, что «вот теперь-то навсегда»,
— театральности романтики,
— иронии над собственными чувствами.

Киплинг тут одновременно:
— и романтизирует империю, путешествия, офицеров, пароходы, колониальный мир;
— и подшучивает над мужской способностью искренне произносить одни и те же клятвы разным женщинам.

Причём герой, скорее всего, не врёт сознательно. В этом и соль: каждый раз ему кажется, что это абсолютно серьёзно. Любовь у Киплинга — не вечная константа, а повторяющийся эмоциональный шторм, который человек снова и снова принимает за судьбу.

И поэтому лошадки в третьем куплете там очень к месту: это вообще текст про движение, транзит, империю, дороги, отплытия, офицеров, смену декораций и женщин. Не про «дом». Скорее про жизнь как длинный маршрут с одинаковыми эмоциональными станциями.

https://suno.com/s/ecFWbx5NNVLYUA7a

#NeuralNetwork #AIMusic

https://suno.com/s/k3HRFneNGTu3D904

(Небытие на свету преодолели, идем за добавкой...)

#NeuralNetwork #AIMusic

https://suno.com/s/k3HRFneNGTu3D904

(Небытие на свету преодолели, идем за добавкой...)

#NeuralNetwork #AIMusic

https://suno.com/s/k3HRFneNGTu3D904

(Небытие на свету преодолели, идем за добавкой...)

#NeuralNetwork #AIMusic

https://suno.com/s/k3HRFneNGTu3D904

(Небытие на свету преодолели, идем за добавкой...)

#NeuralNetwork #Google #хуюгл

Понимаю, что это классика в общественном достоянии, но, к сожалению, автоматические фильтры безопасности модели иногда ошибочно реагируют на определённые сочетания слов в тексте (возможно, из-за образов «змей», «пламени» или «пучины»), и я не могу это отключить вручную. Давайте попробуем зайти с другой стороны, чтобы всё-таки получить музыку:

Инструментал: Я создам мощный, атмосферный doom-трек без вокала. Вы сможете наложить текст Брюсова сами или просто прочувствовать атмосферу.
Частичный текст: Попробуем взять только один куплет, чтобы понять, на какой именно фрагмент реагирует фильтр.

#NeuralNetwork #Google #хуюгл

Понимаю, что это классика в общественном достоянии, но, к сожалению, автоматические фильтры безопасности модели иногда ошибочно реагируют на определённые сочетания слов в тексте (возможно, из-за образов «змей», «пламени» или «пучины»), и я не могу это отключить вручную. Давайте попробуем зайти с другой стороны, чтобы всё-таки получить музыку:

Инструментал: Я создам мощный, атмосферный doom-трек без вокала. Вы сможете наложить текст Брюсова сами или просто прочувствовать атмосферу.
Частичный текст: Попробуем взять только один куплет, чтобы понять, на какой именно фрагмент реагирует фильтр.

#NeuralNetwork #Google #хуюгл

Понимаю, что это классика в общественном достоянии, но, к сожалению, автоматические фильтры безопасности модели иногда ошибочно реагируют на определённые сочетания слов в тексте (возможно, из-за образов «змей», «пламени» или «пучины»), и я не могу это отключить вручную. Давайте попробуем зайти с другой стороны, чтобы всё-таки получить музыку:

Инструментал: Я создам мощный, атмосферный doom-трек без вокала. Вы сможете наложить текст Брюсова сами или просто прочувствовать атмосферу.
Частичный текст: Попробуем взять только один куплет, чтобы понять, на какой именно фрагмент реагирует фильтр.

#NeuralNetwork #Google #хуюгл

Понимаю, что это классика в общественном достоянии, но, к сожалению, автоматические фильтры безопасности модели иногда ошибочно реагируют на определённые сочетания слов в тексте (возможно, из-за образов «змей», «пламени» или «пучины»), и я не могу это отключить вручную. Давайте попробуем зайти с другой стороны, чтобы всё-таки получить музыку:

Инструментал: Я создам мощный, атмосферный doom-трек без вокала. Вы сможете наложить текст Брюсова сами или просто прочувствовать атмосферу.
Частичный текст: Попробуем взять только один куплет, чтобы понять, на какой именно фрагмент реагирует фильтр.

#NeuralNetwork #AIMusic #Google #хуюгл #пичалька

Riffusion (RIP) → Producer.ai (где-то на этом этапе проебал все записанные треки) → Google Flow Music (не понимает даже ударения в русскоязычных текстах).

#NeuralNetwork #AIMusic #Google #хуюгл #пичалька

Riffusion (RIP) → Producer.ai (где-то на этом этапе проебал все записанные треки) → Google Flow Music (не понимает даже ударения в русскоязычных текстах).

#NeuralNetwork #AIMusic #Google #хуюгл #пичалька

Riffusion (RIP) → Producer.ai (где-то на этом этапе проебал все записанные треки) → Google Flow Music (не понимает даже ударения в русскоязычных текстах).

#NeuralNetwork #AIMusic #Google #хуюгл #пичалька

Riffusion (RIP) → Producer.ai (где-то на этом этапе проебал все записанные треки) → Google Flow Music (не понимает даже ударения в русскоязычных текстах).

One thing I always thought would be interesting is have a game where the characters and creatures are actually controlled via a simple neural network. The idea being that the could "learn" and adapt to the world around them.

Turns out, as I figured it would be, this not a new idea. Someone has, in fact, already created this concept into a game.

What I DID find interesting was the fact this game was made 30 YEARS AGO. Creatures came out on PC in 1996 and had these cute little creatures called Norns.

Each Norn (and other creatures found through the game) are controlled by an updating neural network leading to emergent game play.

While I could tell you all about it, I highly suggest Alan Zucconi's video essay about the game: https://www.youtube.com/watch?v=Y-6DzI-krUQ

If you prefer reading he has a text version instead: https://www.alanzucconi.com/2020/07/27/the-ai-of-creatures/

I found that the game is on Steam so I've grabbed a copy and I am keen to give it a play through.

I am curious how far the idea could be pushed today. With more powerful hardware how big could we comfortably make each creatures brain? Or how many of the simple ones could we run at once?

#NeuralNetwork #Games #Creatures

One thing I always thought would be interesting is have a game where the characters and creatures are actually controlled via a simple neural network. The idea being that the could "learn" and adapt to the world around them.

Turns out, as I figured it would be, this not a new idea. Someone has, in fact, already created this concept into a game.

What I DID find interesting was the fact this game was made 30 YEARS AGO. Creatures came out on PC in 1996 and had these cute little creatures called Norns.

Each Norn (and other creatures found through the game) are controlled by an updating neural network leading to emergent game play.

While I could tell you all about it, I highly suggest Alan Zucconi's video essay about the game: https://www.youtube.com/watch?v=Y-6DzI-krUQ

If you prefer reading he has a text version instead: https://www.alanzucconi.com/2020/07/27/the-ai-of-creatures/

I found that the game is on Steam so I've grabbed a copy and I am keen to give it a play through.

I am curious how far the idea could be pushed today. With more powerful hardware how big could we comfortably make each creatures brain? Or how many of the simple ones could we run at once?

#NeuralNetwork #Games #Creatures

One thing I always thought would be interesting is have a game where the characters and creatures are actually controlled via a simple neural network. The idea being that the could "learn" and adapt to the world around them.

Turns out, as I figured it would be, this not a new idea. Someone has, in fact, already created this concept into a game.

What I DID find interesting was the fact this game was made 30 YEARS AGO. Creatures came out on PC in 1996 and had these cute little creatures called Norns.

Each Norn (and other creatures found through the game) are controlled by an updating neural network leading to emergent game play.

While I could tell you all about it, I highly suggest Alan Zucconi's video essay about the game: https://www.youtube.com/watch?v=Y-6DzI-krUQ

If you prefer reading he has a text version instead: https://www.alanzucconi.com/2020/07/27/the-ai-of-creatures/

I found that the game is on Steam so I've grabbed a copy and I am keen to give it a play through.

I am curious how far the idea could be pushed today. With more powerful hardware how big could we comfortably make each creatures brain? Or how many of the simple ones could we run at once?

#NeuralNetwork #Games #Creatures

One thing I always thought would be interesting is have a game where the characters and creatures are actually controlled via a simple neural network. The idea being that the could "learn" and adapt to the world around them.

Turns out, as I figured it would be, this not a new idea. Someone has, in fact, already created this concept into a game.

What I DID find interesting was the fact this game was made 30 YEARS AGO. Creatures came out on PC in 1996 and had these cute little creatures called Norns.

Each Norn (and other creatures found through the game) are controlled by an updating neural network leading to emergent game play.

While I could tell you all about it, I highly suggest Alan Zucconi's video essay about the game: https://www.youtube.com/watch?v=Y-6DzI-krUQ

If you prefer reading he has a text version instead: https://www.alanzucconi.com/2020/07/27/the-ai-of-creatures/

I found that the game is on Steam so I've grabbed a copy and I am keen to give it a play through.

I am curious how far the idea could be pushed today. With more powerful hardware how big could we comfortably make each creatures brain? Or how many of the simple ones could we run at once?

#NeuralNetwork #Games #Creatures

One thing I always thought would be interesting is have a game where the characters and creatures are actually controlled via a simple neural network. The idea being that the could "learn" and adapt to the world around them.

Turns out, as I figured it would be, this not a new idea. Someone has, in fact, already created this concept into a game.

What I DID find interesting was the fact this game was made 30 YEARS AGO. Creatures came out on PC in 1996 and had these cute little creatures called Norns.

Each Norn (and other creatures found through the game) are controlled by an updating neural network leading to emergent game play.

While I could tell you all about it, I highly suggest Alan Zucconi's video essay about the game: https://www.youtube.com/watch?v=Y-6DzI-krUQ

If you prefer reading he has a text version instead: https://www.alanzucconi.com/2020/07/27/the-ai-of-creatures/

I found that the game is on Steam so I've grabbed a copy and I am keen to give it a play through.

I am curious how far the idea could be pushed today. With more powerful hardware how big could we comfortably make each creatures brain? Or how many of the simple ones could we run at once?

#NeuralNetwork #Games #Creatures