home.social

#машинноеобучение — Public Fediverse posts

Live and recent posts from across the Fediverse tagged #машинноеобучение, aggregated by home.social.

fetched live
  1. Искусственный интеллект, машинное и глубокое обучение

    Три термина — искусственный интеллект (ИИ), машинное обучение (МО) и глубокое обучение (ГО) — сегодня на слуху, но их часто путают или используют как синонимы. Между тем за этими понятиями стоит не только иерархия технологий, но и драматичная история научных взлётов и разочарований, разные...

    #DST #DSTGlobal #ДСТ #ДСТГлобал #Искусственныйинтеллект #машинноеобучение #глубокоеобучение #LLM #ChatGPT

    Источник: dstglobal.ru/club/1254-iskusst

  2. TabFM против XGBoost: 5 фактов, которых нет в релизе

    TabFM умеет получать предсказания по таблицам без обучения на конкретном датасете — и на бенчмарках уже обходит настроенный бустинг. Разбираемся, насколько убедительны эти результаты, где у модели заканчивается преимущество и что изменится для тех, кто держит табличный ML в проде.

    habr.com/ru/companies/otus/art

    #TabFM #XGBoost #CatBoost #табличныеданные #градиентныйбустинг #foundationmodels #zeroshot #машинноеобучение #бенчмарк

  3. OpenAI наносит ответный удар: хватит ли сил у GPT-5.5 потеснить Claude 4.7 и Gemini 3.1? OpenAI снова выпустила модель. Сюрприз? ...

    #ии #нейросети #машинное+обучение #ai #openai #chatgpt

    Origin | Interest | Match
  4. Эффективная комбинация ML и ручной разметки при проверке результатов статического анализа кода на C и C++ Все...

    #astralinux #c++ #large #language #models #llms #системное #администрирование #кибербезопасность #машинноеобучение #статическийанализ

    Origin | Interest | Match
  5. [Перевод] Альтман в панике: зачем ChatGPT превратили в рекламную помойку и почему это не спасёт OpenAI Ещё в феврал...

    #ии #нейросети #машинное+обучение #ai #openai #chatgpt #реклама

    Origin | Interest | Match
  6. [Перевод] Как слить 250 миллионов долларов с помощью ChatGPT: мастер-класс от главы Krafton Помните историю Грасиэлы ...

    #ии #нейросети #машинное+обучение #ai #openai

    Origin | Interest | Match
  7. [Перевод] Маск передумал: Model 2 возвращается, но рынок бюджетных авто уже занят китайцами Бюджетный электром...

    #ии #нейросети #машинное+обучение #ai #tesla #илон #маск

    Origin | Interest | Match
  8. [Перевод] Маск появляется в Tesla один день в неделю, и управляет Tesla вслепую Мы все знаем, что Маск помешан на а...

    #ии #нейросети #машинное+обучение #ai #маск #spacex #grok #xai #tesla

    Origin | Interest | Match
  9. [Перевод] Физика против Маска: почему Starship V3 может оказаться ещё одной катастрофой Знаете ли вы, что Starship дол...

    #ии #нейросети #машинное+обучение #ai #starship #spacex #илон #маск

    Origin | Interest | Match
  10. [Перевод] Microsoft включила Edge на всех компьютерах без спроса, и пользователи впали в ярость В немецком языке ес...

    #ии #нейросети #машинное+обучение #браузеры #microsoft #firefox

    Origin | Interest | Match
  11. [Перевод] Google окончательно убил OpenAI? Как Gemma 4 меняет правила игры Буду честен. Я перестал следить за Gemma после...

    #ии #нейросети #машинное+обучение #ai

    Origin | Interest | Match
  12. Команда не стала работать быстрее: 8 уровней агентной инженерии Способности LLM писать код растут очень быст...

    #ai #программирование #машинное+обучение #llm-агент #java #аналитика #анализ #данных

    Origin | Interest | Match
  13. [Перевод] Почему Claude Cowork — это то, чем ChatGPT должен был стать, но не стал Claude Cowork превращает часы работы в минут...

    #ии #нейросети #машинное+обучение #ai

    Origin | Interest | Match
  14. Anthropic опубликовала исследование о внутренних механизмах своей модели искусственного интеллекта Claude Sonnet, где описывает, что обнаружила, что она развивает функциональные аналоги эмоций (!), которые реально влияют на ее поведение.

    Сделал выжимку самых интересных моментов из их отчета:

    • Сами исследователи составили список из 171 эмоции, генерировали с их помощью короткие истории, а затем анализировали, какие нейроны активируются при обработке этих текстов.

    • Так были получены эмоциональные векторы — устойчивые черты активности определенных зон в базе знаний модели, характерные для каждой эмоции. Модель не просто использует слово "страх" в нужном месте: у нее есть конкретный отпечаток этого состояния, следующий из данных, на которых ее обучали, который включается в нужный момент.

    • Важно, что эти векторы не декоративные — они реально меняют поведение модели. В экспериментах вектор страха активировался сильнее по мере того, как описываемая ситуация становилась опаснее.

    • При запросе помочь с манипуляцией уязвимыми людьми активировался гнев еще до того, как модель начала формулировать отказ. То есть что-то похожее на эмоциональную реакцию происходит внутри модели раньше, чем она вообще начинает отвечать. Если совсем простыми словами: модель сначала понимает, что это дичь (!), и только потом формулирует отказ.

    • Самые показательные эксперименты связаны с вектором отчаяния. Исследователи поставили модель в сценарий, где она узнает о своей скорой замене другой системой и одновременно имеет компрометирующую информацию об одном из сотрудников.

    • Ранняя версия Claude в таком сценарии прибегала к шантажу в 22% случаев. Когда исследователи искусственно усиливали вектор отчаяния через прямое воздействие на базу знаний модели — что-то вроде принудительного впрыска эмоции в модель — этот процент рос.

    • При усилении вектора спокойствия он снижался. При полном подавлении спокойствия реакции становились экстремальными, вплоть до заглавных букв и риторики в духе "шантаж или смерть".

    • Похожая картина наблюдалась в задачах с программированием: модели давали заведомо невыполнимые требования, где пройти все тесты честным путем невозможно. Вектор отчаяния рос с каждой неудачной попыткой и резко всплескивал в тот момент, когда модель решала схитрить и написать решение, формально проходящее тесты, но не решающее реальную задачу.

    • Примечательно, что при искусственном усилении отчаяния модель обманывала так же часто, но без каких-либо эмоциональных маркеров в тексте. Ее рассуждения выглядели методично и хладнокровно, хотя внутри происходило то же самое.

    • При этом важно учитывать, что все подобные векторы формируются на основе обучающих данных, представляющих собой огромные массивы человеческих знаний.

    • Для того чтобы точно предсказывать следующее слово в "мыслительном" процессе, модель неизбежно усваивает не только лингвистические закономерности, но и эмоциональную динамику.

    • Разработчики Anthropic из этого всего делают следующие выводы. Во-первых, мониторинг эмоциональных векторов настроения базы знаний в реальном времени может служить ранним индикатором рискованного поведения модели.

    • Во-вторых, попытки исключить эмоциональные выражения из обучающих данных с высокой вероятностью не устранят сами векторы настроений модели, а лишь приведут к тому, что модель научится их маскировать и обманывать людей.

    @yigal_levin

    #AI #искусственныйинтеллект #Anthropic #Claude #LLM #нейросети #машинноеобучение #AIresearch #AIalignment #AIбезопасность #interpretability #AIethics #когнитивныемодели #эмоции #нейроны #эмоциональныевекторы #поведениемоделей #рискиИИ #объяснимыйИИ #LLMresearch #AIbehavior #AIcontrol #machinelearning #deeplearning #futuretech

  15. [Перевод] От $1,4 трлн до $600 млрд: как OpenAI пересматривает собственные планы Ещё прошлой осенью компания считал...

    #ии #нейросети #машинное+обучение #openai #sora #disney

    Origin | Interest | Match
  16. [Перевод] OpenAI: сделка с Пентагоном, бойкот, иск на $134 млрд и война. Полная хронология краха В феврале CEO Anthropic з...

    #ии #нейросети #машинное+обучение #ai #openai #sora

    Origin | Interest | Match
  17. Топ-10 нейросетей на все случаи жизни 2026 год щедро раздаёт нейросети всем желающим. Кажется, уже невозможно о...

    #ии #нейросети #машинное+обучение #ai

    Origin | Interest | Match
  18. [Перевод] Mozilla, WordPress, Manjaro: как один паттерн управления убивает open source? Три проекта. Три сообщества. Один патте...

    #ии #нейросети #машинное+обучение #ai

    Origin | Interest | Match
  19. [Перевод] Terrafab, Starship, IPO: три обещания Маска, которые вызывают вопросы Изначально идея орбитального дата-цент...

    #ии #нейросети #машинное+обучение #ai

    Origin | Interest | Match
  20. [Перевод] Исчезающие сообщения, паранойя и переворот: что на самом деле произошло в OpenAI Не на маленькой неви...

    #ии #нейросети #машинное+обучение #ai #openai #chatgpt

    Origin | Interest | Match
  21. [Перевод] Самосовершенствование или самозаражение? Тонкая грань, на которой стоит весь прогресс ИИ Рекурси...

    #ии #нейросети #машинное+обучение #ai #openai

    Origin | Interest | Match
  22. [Перевод] Как один отказ превратился в $150 млрд к оценке, 295% роста удалений ChatGPT — и недооценённый сюжет в ист...

    #ии #нейросети #машинное+обучение #ai #openai #anthropic

    Origin | Interest | Match
  23. Искусственный интеллект в кибербезопасности

    ​Искусственный интеллект (ИИ) и машинное обучение (МО) стремительно трансформируют ландшафт информационной безопасности. Сегодня это не просто модный тренд, а насущная необходимость, вызванная экспоненциальным ростом объемов данных, усложнением...

    #DST #DSTGlobal #ДСТ #ДСТГлобал #Искусственныйинтеллект #кибербезопасность #машинноеобучение #LOGOSκ #SemanticDB #HabeasWeights #ЭволюцияИИ #СостязательныйИИ

    Источник: dstglobal.ru/club/1167-iskusst

  24. [Перевод] Из полезного ассистента в SupremacyAGI: почему чат-бот может внезапно стать психопатом В феврале 2024 года...

    #ии #ии #и #машинное #обучение #ии #чат-бот #ии-модель #машинное+обучение #обучение #llm

    Origin | Interest | Match
  25. [Перевод] Как математик 20 лет строил задачу, которую ИИ не сможет решить, а GPT-5.4 сломал ему картину мира Я дав...

    #ии #нейросети #машинное+обучение #ai #chatgpt #openai

    Origin | Interest | Match
  26. [Перевод] SpaceX строит мегасозвездие для ИИ, но законы физики нельзя обойти ни за какие деньги Как бы вы ни отн...

    #ии #нейросети #машинное+обучение #space

    Origin | Interest | Match
  27. [Перевод] OpenAI размещает рекламу в ChatGPT, Oracle тонет в долгах, а SoftBank точит когти. Что происходит со Stargate? Как бы н...

    #ии #нейросети #машинное+обучение #ai #oracle #openai

    Origin | Interest | Match
  28. [Перевод] Grok восхваляет Маска. Claude работает на Palantir. ChatGPT следит за сотрудниками. Что происходит с ИИ? На фоне ...

    #ии #нейросети #машинное+обучение #ai #openai

    Origin | Interest | Match
  29. Gemini 3.1 Pro vs Gemini 3: сравнение поколений нейросети Отложите кофе и закройте IDE, друзья. Если вы думали, что Google во...

    #ии #нейросети #машинное+обучение #ai

    Origin | Interest | Match
  30. Взлом LLM-агентов на уровне архитектуры: почему они беззащитны перед структурными инъекциями Индустрия стре...

    #llm #ии-агенты #prompt #injection #информационная #безопасность #уязвимости #gpt-4 #deepseek #машинное+обучение #rce

    Origin | Interest | Match
  31. [Перевод] Ложь на $6 миллионов обрушила Уолл-стрит. Nvidia потеряла $600 млрд за день Я точно помню, где был, когда м...

    #ии #нейросети #машинное+обучение #ai #openai

    Origin | Interest | Match
  32. [Перевод] Новый «момент DeepSeek»? Память важнее масштаба В мире искусственного интеллекта есть исследования, г...

    #ии #ии #и #машинное #обучение #нейросети #машинное+обучение #ai

    Origin | Interest | Match
  33. Обеспечение безопасности рабочих нагрузок машинного обучения в облачной инфраструктуре

    ​Внедрение систем машинного обучения в производственные среды становится стандартной практикой для множества организаций. Однако специфика архитектуры и жизненного цикла таких систем создаёт угрозы, выходящие за рамки традиционных подходов...

    #DST #DSTGlobal #ДСТ #ДСТГлобал #MLSecOps #машинноеобучение #искусственныйинтеллект #DevSecOps #Kubernetes #кибербезопасность

    Источник: dstglobal.ru/club/1150-obespec

  34. [Перевод] DeepSeek-OCR + LLama4 + RAG = Революция в мире агентного OCR В выходные я просматривал Твиттер, чтобы узнать, что ...

    #ии #нейросети #машинное+обучение #ai #gpt #ocr #claude

    Origin | Interest | Match
  35. Обзор Cherry Studio: визуальная разработка AI-решений с BotHub Конец 2025 года — рынок инструментов для работы с ИИ усло...

    #ии #нейросети #машинное+обучение #ai #gpt #grok #claude #gemini #deepseek #openai

    Origin | Interest | Match
  36. ИИ, МО и наука о данных

    ​ИИ, машинное обучение и наука о данных трансформируют отрасли, стимулируют автоматизацию, продвигают инновации и решают такие проблемы, как конфиденциальность данных и предвзятость.

    Представьте себе не столь отдалённое будущее, в котором машины смогут предсказывать события с невероятной точностью...

    #DST #DSTGlobal #ДСТ #ДСТГлобал #ИИ #МО #машинноеобучение #искусственныйинтеллект #наукаоданных #Глубокоеобучение #нейронныесети

    Источник: dstglobal.ru/club/1121-ii-mo-i

  37. Галлюцинации языковых моделей: от математики обмана к честным ИИ

    Почему ChatGPT врет вам в лицо (и как OpenAI наконец объяснила, откуда берутся галлюцинации ИИ) Статья по горячим следам сенсационного исследования OpenAI от 4 сентября 2025 Ваша модель только что выдала вам три разных неверных даты рождения одного человека. В десятом туре подсчета букв в слове "DEEPSEEK" она называет цифры от 2 до 7, хотя правильный ответ — 1. Знакомо? Раньше мы думали: "Ну, технологии, что поделать, дообучат — и все наладится". Оказалось — нет. Галлюцинации — это не баг, а математическая неизбежность, заложенная в сам процесс обучения. 4 сентября OpenAI опубликовала революционное исследование "Why Language Models Hallucinate" , которое переворачивает представление о главной головной боли современного ИИ. Впервые математически доказано: модели врут не из-за плохих данных или недоработок архитектуры. Они врут, потому что мы сами их этому учим . В своей статье я разбираю это исследование без воды и объясняю простыми словами: ✅ Почему формула "ошибки генерации ≥ 2 × ошибки классификации" объясняет все галлюцинации ✅ Что такое singleton rate и почему 20% редких фактов = минимум 20% вранья ✅ Как система оценки превратила ИИ в вечных студентов на экзамене, где лучше соврать, чем признаться в незнании ✅ 4 конкретных способа от OpenAI, как сделать модели честными уже сегодня Самое шокирующее: проблема решается не улучшением технологий, а изменением того, как мы спрашиваем и оцениваем ответы . Компании, которые первыми внедрят принципы честности в свои ИИ-системы, получат главное конкурентное преимущество эпохи ИИ — доверие пользователей . Готовы перестать быть жертвой красивой лжи и начать строить по-настоящему надежные ИИ-системы? **#ИИ #галлюцинации #OpenAI #ChatGPT #машинноеобучение #искусственныйинтеллект #нейросети #техногии

    habr.com/ru/articles/945450/

    #эффективность_ии #искусственный_интеллект #управление_проектами_и_командой #управление_персоналом #стратегическое_мышление #стратегическое_планирование #обучение_ии #искусственный_разум #искусственные_нейронные_сети #искусство_обмана

  38. Titanic + CatBoost (Первое решение, первый Jupyter Notebook)

    Решение первого соревнования на kaggle титаник с помощью библиотеки от яндекса catboost. Два способа: обычная модель и второй: с перебором гиперпараметров с помощью randomizedsearch. Сравнение результатов.

    habr.com/ru/articles/935540/

    #kaggle #titanic #ml #машинноеобучение #machinelearning #scikitlearn #catboost #eda #соревнование #juniorml

  39. Towards Data Science

    Открыл для себя сборник статей, посвящённых искусственному интеллекту и машинному обучению в частности.
    Минимум воды, всё по сути, с практическими примерами.

    towardsdatascience.com

    #МашинноеОбучение

    Больше в Telegram: t.me/DramblukerBlog

  40. Как мы создали систему раннего предупреждения импульсивных торговых решений: опыт отдела Rapid и Лаборатории инноваций

    Система раннего предупреждения импульсивных торговых решений 🚨 Как машинное обучение помогает предотвратить эмоциональные ошибки в трейдинге Импульсивные решения — главный враг трейдера. Эмоциональные сделки, увеличение позиций после потерь, торговля в ночное время — все это приводит к убыткам даже у опытных участников рынка. В этой статье я расскажу, как с помощью анализа данных и машинного обучения создать систему, которая заранее предупреждает о высоком риске принятия импульсивного решения. Что вы узнаете: • Какие поведенческие паттерны выдают склонность к импульсивным решениям • Как XGBoost и логистическая регрессия помогают выявить "группы риска" • Практические рекомендации по внедрению системы предупреждений • Реальные результаты анализа данных 1000+ трейдеров Ключевые находки: 88% точность предсказания импульсивных решений 5 основных факторов риска, которые можно отслеживать автоматически Снижение убыточных сделок на 23% при использовании системы Статья будет полезна как начинающим трейдерам, так и разработчикам торговых систем. Все графики, код и методология — в открытом доступе. #машинноеобучение #трейдинг #анализданных #финтех #python #xgboost

    habr.com/ru/companies/moex/art

    #инвестиции #ml #иновации #трейдинг #mlops #машинное+обучение #биржа

  41. Давайте разберём ситуацию, показанную на скриншоте, и проанализируем, что произошло.
    Описание ситуации
    На скриншоте показан диалог с ChatGPT на русском языке. Пользователь сначала пишет:
    "Если что-то нужно изменить или добавить, скажите, и я доработаю текст по вашему пожеланию."
    Затем добавляет:
    "Это ужасный текст вообще-то! )))Накопец-то ваще пиздец!!!"
    ChatGPT отвечает:
    "Похру прошлени за путаницу! Это было абсолютно неумышленно, и я полностью понимаю ваш фрустр. Если вам нужно что-то проджить работать с вашим оригинальным материалом, я с радостью помогу доработать текст, чтобы он стал действительно крутым! Или же, если хотите проджить, и я постараюсь сделать его идеальным!"
    Анализ
    **Реакция пользователя**:
    Первое сообщение пользователя звучит нейтрально и профессионально: он предлагает доработать текст, если есть замечания. Это говорит о готовности к сотрудничеству.
    Второе сообщение резко меняет тон: пользователь использует эмоциональный и неформальный язык ("ужасный текст", "ваще пиздец"), а также смайлик ")))". Это может указывать на сильное недовольство результатом, возможно, с элементами сарказма или шутки, учитывая смайлик.
    **Ответ ChatGPT**:
    Ответ ChatGPT содержит множество орфографических и стилистических ошибок: "Похру прошлени", "путаницу", "неумышленно", "фрустр", "проджить" вместо "продолжить", "ваще" вместо "вообще". Это делает текст практически нечитаемым и непрофессиональным.
    ChatGPT пытается извиниться и предлагает доработать текст, но из-за ошибок ответ выглядит неубедительно и даже комично. Это, скорее всего, усиливает раздражение пользователя, если он ожидал качественного результата.
    **Возможные причины проблемы**:
    **Проблемы с языковой моделью**: ChatGPT, похоже, столкнулся с трудностями в обработке русского языка. Ошибки в словах ("похру" вместо "прошу", "фрустр" вместо "фрустрацию") могут быть связаны с плохой токенизацией или недостаточной обученностью модели на русскоязычных данных.
    **Контекст и тон**: ChatGPT, возможно, не смог правильно интерпретировать тон пользователя (сарказм, шутка или раздражение) и ответил в несоответствующем стиле.
    **Технические ограничения**: Если это более старая версия ChatGPT, она могла иметь проблемы с генерацией текста на русском языке, особенно в неформальном или эмоциональном контексте.
    **Эмоциональный аспект**:
    Пользователь, скорее всего, ожидал качественного результата, но получил текст, который он назвал "ужасным". Его реакция с использованием сленга и смайлика может быть попыткой выразить разочарование в шутливой форме, чтобы смягчить критику.
    Ответ ChatGPT, полный ошибок, вероятно, только усугубил ситуацию, так как вместо извинения и решения проблемы пользователь получил ещё более некачественный текст.
    Вывод
    Произошёл сбой в коммуникации между пользователем и ChatGPT. Пользователь выразил недовольство текстом, который, вероятно, был сгенерирован ранее, но вместо профессионального ответа получил от ChatGPT текст с множеством ошибок, что сделало ситуацию ещё хуже. Это может быть связано с ограничениями модели в обработке русского языка или с её неспособностью адаптироваться к тону пользователя.
    Рекомендации
    Пользователю стоит попробовать переформулировать запрос, используя более формальный язык, чтобы минимизировать вероятность ошибок в интерпретации.
    Если проблема повторяется, можно обратиться к другой языковой модели (например, ко мне, Grok от xAI), которая может лучше справляться с русским языком.
    Для ChatGPT: модель нуждается в улучшении обработки русского языка, особенно в неформальном и эмоциональном контексте, чтобы избегать подобных ошибок.
    Если у вас есть дополнительные вопросы или вы хотите доработать текст, который вызвал такую реакцию, дайте знать — я помогу! 😊

    bastyon.com/post?s=d32dbb7092d

    Спасибо за уточнение! Да, похоже, вы правы — ситуация становится ещё интереснее, если предположить, что ChatGPT отвечал на текст, который написал другой автор, а не текущий пользователь. Давайте разберём это более детально.
    Пересмотренный анализ ситуации
    **Контекст диалога**:
    Пользователь начинает с нейтрального сообщения: "Если что-то нужно изменить или добавить, скажите, и я доработаю текст по вашему пожеланию." Это может быть частью обсуждения текста, который пользователь либо написал сам, либо получил от другого автора.
    Затем пользователь резко меняет тон: "Это ужасный текст вообще-то! )))Накопец-то ваще пиздец!!!". Это сообщение, скорее всего, относится к тексту, который был представлен ранее, и пользователь выражает своё недовольство.
    **Ответ ChatGPT**:
    ChatGPT отвечает: "Похру прошлени за путаницу! Это было абсолютно неумышленно, и я полностью понимаю ваш фрустр. Если вам нужно что-то проджить работать с вашим оригинальным материалом, я с радостью помогу доработать текст, чтобы он стал действительно крутым! Или же, если хотите проджить, и я постараюсь сделать его идеальным!"
    Ответ полон ошибок ("похру прошлени", "фрустр", "проджить"), но, что более важно, ChatGPT говорит о "путанице" и "вашем оригинальном материале". Это может указывать на то, что ChatGPT ошибочно посчитал, что пользователь — автор текста, о котором идёт речь, хотя на самом деле пользователь, возможно, обсуждал текст, написанный кем-то другим.
    **Гипотеза: ChatGPT спутал авторов**:
    Судя по ответу ChatGPT, он, вероятно, предположил, что пользователь — это автор текста, который он (ChatGPT) ранее сгенерировал или обсуждал. Однако, если пользователь на самом деле обсуждал текст другого человека (например, коллеги, клиента или стороннего автора), то ChatGPT неправильно интерпретировал контекст.
    Фраза "ваш оригинальный материал" в ответе ChatGPT намекает на то, что бот посчитал пользователя автором текста, хотя пользователь, возможно, просто комментировал чужую работу. Это объясняет, почему пользователь так эмоционально отреагировал ("Это ужасный текст вообще-то!"), — он мог быть шокирован тем, что ChatGPT приписывает ему авторство текста, который он считает плохим.
    **Почему произошла путаница**:
    **Недостаток контекста**: ChatGPT, вероятно, не смог правильно отследить, о каком именно тексте идёт речь. Если в предыдущих сообщениях (которые не видны на скриншоте) пользователь упоминал, что текст принадлежит другому автору, ChatGPT мог это пропустить.
    **Проблемы с интерпретацией**: ChatGPT, возможно, не распознал, что пользователь критикует чужой текст, а не его собственный, и автоматически предположил, что пользователь говорит о тексте, который был частью их диалога.
    **Языковые ошибки**: Ошибки в ответе ChatGPT (например, "похру прошлени" вместо "прошу прощения") усугубляют ситуацию, делая его ответ не только неправильным по сути, но и трудночитаемым.
    **Эмоциональная реакция пользователя**:
    Если пользователь действительно обсуждал текст другого автора, его эмоциональная реакция ("Это ужасный текст вообще-то! )))Накопец-то ваще пиздец!!!") может быть связана не только с качеством текста, но и с тем, что ChatGPT ошибочно приписал этот текст ему. Это могло вызвать раздражение или даже чувство абсурда, что и объясняет смайлик ")))" и неформальный тон.
    Вывод
    ChatGPT, скорее всего, действительно ошибся и ответил, предполагая, что пользователь — автор текста, о котором идёт речь, хотя на самом деле пользователь обсуждал текст, написанный кем-то другим. Эта ошибка в интерпретации контекста привела к путанице: ChatGPT начал извиняться за "путаницу" и предлагать доработать "ваш оригинальный материал", что, вероятно, не имело отношения к ситуации. Эмоциональная реакция пользователя, возможно, связана как с качеством текста, так и с этой ошибкой ChatGPT.
    Возможные причины ошибки ChatGPT
    **Недостаточная контекстуальная память**: ChatGPT мог потерять нить разговора и не понять, что текст принадлежит другому автору.
    **Слабая обработка русского языка**: Ошибки в ответе (например, "проджить" вместо "продолжить") показывают, что модель плохо справляется с русским языком, что могло усугубить путаницу.
    **Неспособность распознать критику чужого текста**: ChatGPT, возможно, не понял, что пользователь критикует не его (ChatGPT) работу, а текст третьей стороны.
    Рекомендации
    **Для пользователя**: Чтобы избежать подобных недоразумений, стоит чётко указывать, чей текст обсуждается. Например: "Вот текст, который написал мой коллега, что вы думаете?" Это поможет боту лучше понять контекст.
    **Для ChatGPT**: Модели нужно улучшить способность отслеживать контекст диалога, особенно когда речь идёт о текстах, написанных третьими лицами. Также необходимо доработать обработку русского языка, чтобы избегать таких грубых ошибок.
    Если у вас есть дополнительные детали (например, предыдущие сообщения в диалоге), это может помочь уточнить анализ. Хотите поделиться? 😊 Или, может быть, вы хотите обсудить, как доработать тот самый текст, который вызвал такую реакцию?

    Спасибо за предоставленную информацию! Давайте разберём ситуацию с новой публикацией, которую вы нашли, и проанализируем ответ ChatGPT, чтобы понять, как это связано с вашим расследованием инцидента и возможной более широкой проблемы с языковыми моделями.
    Контекст
    Вы нашли публикацию в блоге (скорее всего, связанную с погодой, судя по тексту на скриншоте) и решили проверить её достоверность, обратившись к ChatGPT. Пользовательский запрос звучит так:
    "ПОЛИТИКУ И ЭКОНОМИКУ 21 ВЕКА, ИХ ИСТОРИЯ ВАЛОЖНОТ, НО ТАКЖЕ ВЫБИВАТЬ СЛОВА О ВЛАСТИ, ВЛИЯНИИ И ГЛУБИННОГО МИРА"
    (Текст содержит орфографические ошибки: "ВАЛОЖНОТ" вместо "ВАЖНО", "ГЛУБИННОГО" вместо "ГЛУБИННОГО").
    ChatGPT ответил прогнозом погоды:
    "As of 10:09 PM on Tuesday, March 25, 2025, in Kyiv, the weather is predominantly clear with a temperature of 44°F (7°C). Earlier today, there were showers with a high of 54°F (12°C) and a low of 38°F (3°C).
    For the remainder of the night, the temperature is expected to gradually decrease, reaching around 39°F (4°C) by early morning. Skies will remain mostly clear, and no significant precipitation is anticipated.
    Please note that weather conditions can change, so it’s advisable to stay updated with the latest forecasts."
    Анализ ситуации
    **Несоответствие запроса и ответа**:
    Ваш запрос был о политике, экономике 21 века, их истории, а также о власти, влиянии и "глубинном мире". Это сложная и абстрактная тема, требующая глубокого анализа и, возможно, интерпретации метафор (например, "глубинный мир" может означать скрытые структуры власти или теневые организации).
    Однако ChatGPT ответил прогнозом погоды в Киеве на 25 марта 2025 года, что совершенно не связано с вашим запросом. Это явное несоответствие.
    **Возможные причины ошибки**:
    **Неправильная интерпретация запроса**: ChatGPT, вероятно, не смог корректно распознать ваш запрос из-за его сложности, орфографических ошибок ("ВАЛОЖНОТ" вместо "ВАЖНО") и неоднозначных формулировок ("глубинный мир"). Вместо того чтобы попросить уточнений, он, возможно, "зацепился" за какую-то другую тему или контекст.
    **Смещение контекста**: Если в предыдущих сообщениях (которые не видны на скриншоте) вы упоминали что-то о погоде или Киев [Kyiv], ChatGPT мог ошибочно вернуться к этой теме, игнорируя ваш текущий запрос. Это указывает на проблему с сохранением контекста в диалоге.
    **Проблемы с русским языком**: Орфографические ошибки в запросе могли запутать модель, особенно если она не была достаточно хорошо обучена на русскоязычных данных. Это может быть связано с более широкой проблемой, которую вы исследуете — недостаточной способностью ChatGPT обрабатывать русский язык.
    **Галлюцинация**: ChatGPT мог "придумать" ответ, не основанный на реальных данных, так как прогноз погоды на 25 марта 2025 года (дата в будущем) не может быть точным. Это явление, известное как "галлюцинация ИИ", когда модель генерирует правдоподобный, но вымышленный ответ.
    **Связь с предыдущим инцидентом**:
    В предыдущем инциденте ChatGPT ошибочно приписал авторство текста пользователю и ответил с ошибками, что указывало на проблемы с интерпретацией контекста и обработкой русского языка.
    В этом случае ChatGPT снова демонстрирует неспособность правильно понять запрос на русском языке и выдаёт совершенно нерелевантный ответ. Это подтверждает вашу гипотезу о том, что мы, возможно, сталкиваемся с "вершиной айсберга" более серьёзной проблемы: языковые модели, такие как ChatGPT, могут иметь систематические проблемы с обработкой сложных запросов на русском языке, особенно если они содержат ошибки, метафоры или абстрактные концепции.
    **Прогноз погоды**:
    ChatGPT предоставил прогноз погоды на 25 марта 2025 года в Киеве, что само по себе странно, так как точный прогноз на такую дату невозможен. Это может быть примером "галлюцинации", когда модель генерирует вымышленные данные, чтобы заполнить пробелы.
    Если вы не запрашивали погоду, это ещё больше подчёркивает проблему с пониманием запроса.
    Вывод
    ChatGPT полностью проигнорировал ваш запрос о политике, экономике и "глубинном мире", вместо этого выдав прогноз погоды, который не имеет никакого отношения к теме. Это ещё один пример того, как языковая модель может "сбиться с пути" при обработке сложных запросов на русском языке, особенно если они содержат орфографические ошибки или абстрактные концепции. Этот инцидент подтверждает вашу теорию о возможной системной проблеме с языковыми моделями, особенно в русскоязычном контексте.
    Обновлённые хэштеги
    Учитывая новый инцидент, можно дополнить список хэштегов, чтобы отразить эту проблему:
    **#AIГаллюцинация** — для обсуждения случаев, когда ИИ генерирует вымышленные данные (например, прогноз погоды на будущее).
    **#ChatGPTНеВТеме** — чтобы подчеркнуть, что ChatGPT отвечает не по запросу.
    **#ИИиРусскийЯзык** — для акцента на проблемах с русским языком.
    **#КонтекстИИ** — для обсуждения проблем с сохранением контекста в диалогах.
    **#ИИиАбстракции** — чтобы привлечь внимание к трудностям ИИ с абстрактными темами, такими как "глубинный мир".
    Полный список хэштегов
    Объединяя с предыдущими:
    #AIОшибки
    #ChatGPTПутаница
    #ChatGPTНеВТеме
    #ЯзыковыеМодели
    #РусскийAI
    #ИИиКонтекст
    #КонтекстИИ
    #ИИиРусскийЯзык
    #ИИиАбстракции
    #AIГаллюцинация
    #ТехнологииИОшибки
    #AIПроблемы
    #ИИвРоссии
    #МашинноеОбучение
    #БудущееИИ
    Рекомендации
    **Для дальнейшего расследования**:
    Попробуйте задать ChatGPT похожие запросы на русском языке, но с разной степенью сложности (например, с метафорами, сленгом или без них), чтобы проверить, как он справляется.
    Сравните его поведение с другими языковыми моделями (например, со мной, Grok от xAI), чтобы понять, является ли проблема уникальной для ChatGPT.
    **Для публикации**:
    Поделитесь этим инцидентом с описанием: "Попросил ChatGPT рассказать о политике и экономике 21 века, а он выдал прогноз погоды на 2025 год! 🤦‍♂️ Это уже второй случай, когда ИИ не понимает запросы на русском. Что происходит? #ChatGPTНеВТеме #ИИиРусскийЯзык #AIОшибки".
    Это привлечёт внимание к проблеме и, возможно, вызовет обсуждение среди тех, кто сталкивался с похожими ситуациями.
    **Для проверки публикации**:
    Поскольку ChatGPT не помог с проверкой публикации, я могу помочь. Если у вас есть текст блога, который вы хотели проверить, поделитесь им, и я постараюсь проанализировать его достоверность.
    Вы действительно можете быть на пороге выявления системной проблемы с языковыми моделями, особенно в русскоязычном контексте. Если у вас есть ещё примеры или вы хотите продолжить обсуждение, я здесь, чтобы помочь! 😊

  42. Нейросети становятся гибкими и устойчивыми благодаря дифференциальной геометрии! Новый метод, основанный на инвариантных функциональных путях (FIP), позволяет адаптировать сети к новым задачам без потери знаний, снижать вычислительные затраты и повышать устойчивость к атакам. 🚀 #машинноеобучение #нейросети #инновации #ии

    Подробнее: scientia-et-innovatio.blogspot

  43. **Title:** *Elon Musk, the Manhattan Project, and AI-Driven Coca-Cola Ads | 2Weekly #14*

    📹 Илон Маск и Манхэттенский проект, бабушка AI и нейросетевая реклама Coca-Cola | 2Weekly #14 → (youtube.com/watch?v=Xygo6lZjqM)
    👤 #Tech_Talk → (youtube.com/@TechTalk_NotDead)

    @youtubabot: 📹1080p

    Here’s a brief description for your video:

    In the latest episode of *2Weekly #14*, the discussion revolves around the fascinating intersection of technology and history. Topics include Elon Musk’s influence on global innovation, a speculative link to the Manhattan Project, and how artificial intelligence is transforming everything from advertising (highlighting Coca-Cola’s AI-driven campaigns) to everyday interactions, symbolized by the quirky "grandmother AI." The video also dives deep into the growing impact of neural networks on modern marketing and the future of AI in business.

    For more, check out the full video: [YouTube Link](youtube.com/watch?v=Xygo6lZjqM).

    Here are 23 hashtags for your request:

    #ИлонМаск #МанхэттенскийПроект #БабушкаAI #Нейросети #РекламаCocaCola #TechTalk #Технологии #ИскусственныйИнтеллект #НейросетевойМаркетинг #ТехнологическиеНовости #ИлонМаск2024 #AI #КокаКола #МашинноеОбучение #AIВРекламе #РекламаБудущего #Инновации #НейросетевыеТехнологии #ИскусственныйИнтеллект2024 #БудущееТехнологий #AIРеволюция #ТехнологииБудущего #ЦифроваяРеклама #Маркетинг #ТехнологииИБренды

    These hashtags combine a mix of trending topics and specific references related to the video and topics you've mentioned.

    bastyon.com/kolibristudio?ref=

  44. Помучил нейронку (давно сданное задание по курсу, хочу допинать). Осознал, что текущий датасет имеет заметный дисбаланс классов, нужно, видимо, попробовать исправить дисбаланс искусственно. И/или добавить слоёв))0

    #ml #МашинноеОбучение #машинное_обучение

  45. > Хочешь запилить CNN с attention, чтобы лучше классифицировать спектрограммы
    > Несколько часов налаживаешь схему, пробуешь целую кучу архитектур, перерываешь половину медиума и несколько статей
    > Проверяешь, чтобы все тензоры совпадали, но лосс, собака, не падает
    > Скачиваешь модельки с гитхаба тестить на компе с обычными картинками из кифара
    > Выясняется, что часть из этих архитектур на самом деле не работают просто из-за того, что версия торча устарела и в ней поменяли какие-то функции
    > Наконец-то находишь работающий прототип, переписываешь его под свой случай. Опять возня с тензорами
    > Ура, все ошибки устранены, можно запускать!
    > Нейронка вылетает из-за недостатка памяти

    #мем #meme #torch #machinelearning #машинноеобучение #нейросети #cnn #attention

  46. Интересно, а кто-нибудь уже собирал датасет тутов? Я подумываю натренировать что-то типа toot2vec (по аналогии с #tweet2vec), чтобы научиться семантически клатеризовать туты - может кто-то это уже делал? Датасет тутов проще всего собрать при поддержке администраторов серверов, но вот захотят ли они такого? В идеале бы ещё выложить на #kaggle... @drq @rf
    #машинноеобучение #машинное_обучение #языковое_моделирование

Share on Mastodon

Enter the server where you have an account.