#обучение_ии — Public Fediverse posts

Флоу комфорта: как искусственный интеллект в колонках Сбер научился создавать сценарии умного дома

Салют, Хабр! Я Иван, руковожу направлением голосового управления умным домом в SberDevices. Недавно мы обучили ГигаЧат в интеллектуальных колонках Сбер помогать в создании сценариев автоматизации голосом. Эта задача была неизбежной: общение на естественном языке — закономерный этап развития умных устройств. И непростой: реализовать управление умным домом на естественном языке сложнее, чем «болталку». Во-первых, у каждого юзера в умном доме свой набор комнат и устройств, их функций, названий. Во-вторых, умному дому нельзя ошибаться . Сегодня расскажу, где в пайплайне обработки запроса общение с бэкендом, почему выбрали обучение на уровне контекста вместо supervised fine-tuning и что такое сценарная машина.

https://habr.com/ru/companies/sberdevices/articles/1034306/

#Умный_дом_Сбер #колонки_Сбер #ИИ #SFT #промпт #обучение_ИИ

Эволюция мышления ИИ: от Берлиоза к Воланду и Достоевскому

В настоящее время нейросети в целом ряде областей гуманитарного знания обладают обширным интеллектом, хотя и на уровне персонажа романа «Мастер и Маргарита» Берлиоза. Но буквально через несколько лет способности ИИ могут приблизиться к способу мышления, продемонстрированного другим персонажем романа – Воландом, а затем и реального писателя – Федора Михайловича Достоевского.

https://habr.com/ru/articles/1028092/

#искусственный_интеллект #достоевский #нейросети #обучение_ии #ответственность_ии

Пошаговый запуск собственного LLM сервера от А до Я

Введение В сети сейчас полно «гуру» и коучей, которые обещают запустить собственную LLM почти на ноутбуке. Да, это технически возможно, но обычно речь идёт о моделях в диапазоне от млн до млрд параметров. Такая модель будет работать, однако — медленно, и её практическая ценность будет ограничена. В результате многие пользователи разочаровываются в локальных LLM. В этой статье я расскажу, как пошагово развернуть собственный сервер для инференса LLM, чтобы получить действительно полезный инструмент. Зачем нужен локальный сервер LLM?

https://habr.com/ru/articles/991560/

#сервер_для_инференса #возможности_нейросети #использование_ии #обучение_ии

Боязнь и недоверие к нейросетям: почему мы так реагируем на новую «мозговую» технологию

Вводные данные : год назад я, как и многие, скептически относился к искусственному интеллекту, считая его лишь набором «умных» запросов к интернету. После нескольких разговоров с публичной нейросетью меня поразили её способности, но мои коллеги по‑прежнему уверенно утверждали, что ИИ – это просто огромная база данных. Я собрал собственный сервер, запустил локальную нейросеть без доступа к сети, но даже предложение протестировать её на моём GPU‑сервере никого не заинтересовало. Что скрывается за этим скептицизмом? Почему люди отрицают возможности ИИ, хотя внутри уже чувствуют тревогу перед неизвестным?

https://habr.com/ru/articles/991388/

#обучение_ии #gpt4 #локальная_нейросеть #гигачат #что_может_ai #сервер_для_инференса #возможности_нейросети #использование_ии #будущее_уже_здесь

Локальная модель vs Гигачат: мой опыт и выводы

Прошлой весной я впервые столкнулся с нейросетью — Гигачат от Сбербанка. До этого я считал такие сервисы «несерьёзной фигнёй». После нескольких экспериментов с Гигачатом моё мнение кардинально изменилось: ответы оказались впечатляющими, и я начал задумываться о применении ИИ в работе. Однако использовать внешний сервис в коммерческих проектах оказалось дорогим. Я начал искать альтернативу — локальные модели, которые можно запускать на собственном железе без постоянных расходов.

https://habr.com/ru/articles/991192/

#локальная_нейросеть #гигачат #тест_нейросети #сравнение_нейронок #что_может_AI #RTX4090 #ссервер_для_инференса #обучение_ИИ #gpt4 #claude

Культура «AI-First»: как перестроить мышление команды, чтобы не отстать от рынка

Пока одни компании разочаровываются в искусственном интеллекте, другие строят на его основе бизнес-империи. В чем их секрет? Не в деньгах и не в доступе к технологиям, а в особой культуре. Разберемся, как перестать просто использовать ИИ в работе и перейти к мышлению в стиле AI-First, и почему это единственный способ не превратиться в динозавра.

https://habr.com/ru/articles/965874/

#aifirst #иистартап #ии_в_бизнесе #цифровая_трансформация #цифровая_трансформация_бизнеса #автоматизация_процессов #ИИпесочницы #обучение_ии #data_governance #ИИ_в_бизнеспроцессах

Что выяснили про ChatGPT: первые реальные данные несколько удивляют

OpenAI впервые раскрыла реальную статистику использования ChatGPT: 73% запросов не связаны с работой Компания OpenAI опубликовала первое масштабное исследование поведения пользователей ChatGPT, проанализировав 1,5 миллиона реальных диалогов за период с мая 2024 по июнь 2025 года. Результаты оказались неожиданными и развенчали многие мифы об использовании ИИ. Ключевые выводы: 700 млн пользователей в неделю — каждый десятый взрослый житель планеты 73% запросов личные , только 27% связаны с работой (год назад было 50/50) Женщины обогнали мужчин — 52% vs 48% пользователей Программирование — всего 4,2% от всех запросов (а не основное применение, как многие думали) Три главные категории : практические советы (29%), поиск информации (24%), создание текстов (24%) Неожиданные факты: → В развивающихся странах ChatGPT растет в 4 раза быстрее, чем в богатых → 10% всех обращений — это обучение и репетиторство → Больше половины "письменных" задач — редактирование существующих текстов, а не создание нового контента Исследование показало, что ChatGPT превратился из нишевого инструмента для программистов в массовый помощник для повседневных задач — от рецептов до домашних заданий.

https://habr.com/ru/articles/947598/

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

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

https://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

[Перевод] ИИ-шлак убивает Интернет?

Инструменты на искусственном интеллекте меняют то, как люди находят информацию в Интернете, и это происходит быстрее , чем издатели успевают адаптироваться. Когда пользователи задают вопросы чат-ботам вместо поисковых систем, они получают ответы, а не ссылки для перехода. Это перестраивает экономику интернета, а особенно — экономику новостных изданий, которые тратят деньги на сбор информации, но уже не могут монетизировать эту работу. За последние годы миллионы пользователей переключились с поисковиков на ИИ-чат-инструменты для поиска рекомендаций и получения ответов в реальном времени. Такие сервисы, как ChatGPT, Claude и Perplexity, теперь напрямую отвечают на вопросы, которые раньше отправляли читателей к первичным онлайн-источникам, которым они привыкли доверять. По мере того как пользователи отходят от проверенных новостных источников, они все больше доверяют системам ИИ, натренированным имитировать авторитет, — инструментам, которые выкачивают ответы из сети, но не несут ответственности.

https://habr.com/ru/articles/942976/

#искусственный_интеллект #ИИ #большие_языковые_модели #БЯМ #бизнес #аналитика #компании #копирайт #журналистика #обучение_ИИ

Картель влиятельных датасетов в обучении ИИ

В последнее время такие компании, как OpenAI и Google, заключают эксклюзивные соглашения об обмене данными с издателями, крупными форумами вроде Reddit и социальными медиаплатформами, что становится для них ещё одним способом сконцентрировать власть. Такая тенденция выгодна крупнейшим игрокам на рынке ИИ, которые могут позволить себе такие сделки, в отличие от исследователей, некоммерческих организаций и небольших компаний. Крупнейшие корпорации располагают лучшими ресурсами для сбора датасетов. В результате эталонные датасеты для бенчмарков (и для обучения) моделей ИИ всё больше концентрируются в руках малого количества корпораций и академических учреждений. По мнению некоторых исследователей, это «новая волна асимметричного доступа», которой ещё не было в истории открытого интернета в таком масштабе.

https://habr.com/ru/companies/ruvds/articles/885924/

#ИИ #обучение_ИИ #LLM #языковая_модель #датасеты #наборы_данных #YouTube #OpenAI #синтетические_тексты #Data_Provenance_Initiative #эффект_Матфея #концентрация_ресурсов #культурное_влияние #переобучение #SOTA #ruvds_статьи

[Перевод] Синтетика против реальных данных. Почему Tesla и NVIDIA выбирают разные пути для обучения ИИ-систем?

Беспилотные автомобили и гуманоидные роботы, способные ходить, разговаривать и работать бок о бок с людьми, — это лишь два примера того, как искусственный интеллект может изменить мир в ближайшем будущем. Однако для того, чтобы эти физические ИИ-инструменты и приложения могли работать безопасно и эффективно, им необходимо научиться понимать окружающий мир.

https://habr.com/ru/articles/873610/

#ии #автономный_транспорт #обучение_ии #искусственный_интеллект #ai #tesla #nvidia

Кодинг, матаппарат и бизнес-понимание. Как мы готовим будущих исследователей и предпринимателей в сфере ИИ

Всем привет! Сейчас на Хабре много статей от начинающих разработчиков и тех, кто сумел начать карьеру. Читаешь и вспоминаешь старый анекдот: «Чем отличается пионер от котлеты? Пионер всегда готов, а котлету еще готовить надо». Вот Junior-разработчикам явно нужно стараться быть готовыми ко всему и иметь профессиональный опыт. Загадка, где его найти. На первую работу не берут без опыта. Один из вариантов обойти этот замкнутый круг — профильное образование, которое уже заточено под определенную сферу. В этой статье поговорим про совместную очную магистратуру МТС и ВШЭ «Исследования и предпринимательство в искусственном интеллекте» . Действующие эксперты МТС и будущие преподаватели магистратуры — Дмитрий Лялин и Михаил Степнов — расскажут, чему они будут учить, как ускорят вход в индустрию, чем рискуют самоучки и как совместить предпринимательство и науку.

https://habr.com/ru/companies/ru_mts/articles/829588/

#программирование #разработчик #магистратура #искуственный_интеллект #обучение_программированию #обучение_ии

Почему новая модель GPT-3,5 Turbo говорит, что ее создали в российской компании Just AI?

И можно ли верить, что данные клиентов OpenAI отправленные через API, не используются для обучения моделей? На днях наши знакомые ребята спросили бота на GPT-3,5 Turbo о том, кто его создал. Ответ был: «Я был создан командой Just AI». То есть нами. Хотелось ответить, что команда Just AI тайно правит миром и стоит за большими языковыми моделями. На самом деле мы очень удивились и решили разобраться, как так получилось. В этой статье расскажем о нашем мини-расследовании и гипотезах, попутно рассказав и об инструментах, которые мы для этого использовали.

https://habr.com/ru/companies/just_ai/articles/813911/

#искусственный_интеллект #ии #openai #нейросети #обучение_ии #chatgpt #chatgpt_api #gpt_35turbo