): Теперь стартапы всё больше строят в одиночку, но есть «но» • 🗯 Бум одиночек: Доля соло-фаундеров выросла в два раза — с 17% в 2015 до 35% в 2024 году. Теперь каждый третий проект запускается без кофаундера. • 🗯 Поздний найм: Первого сотрудника теперь нанимают в среднем через 284 дня. Благодаря AI и автоматизации основатели тянут продукт в соло гораздо дольше. • 🔴 Инвестиционный фильтр: При этом инвесторы всё еще осторожничают...
? Да, и вот что ⛵️ Гигачат от сбера (без vpn👍) Бесплатный и свой: - https://developers.sber.ru/gigachat LLAMA-2, Meta (без vpn👍) Открытая модель от Meta - https://www.llama2.ai YaGPT2 (без vpn👍) Языковая модель от яндекса ! В 2023м стало заметно, как яндекс активно ищет "AI-тренеров" для оценки и написании текcтов для обучение своей языковой модели. А потом нейросеть начали внедрять в поиск. Поэтому однозначно интересно посмотреть, что из этого выйдет. К тому же этим можно пользоваться без vpn, поэтому - welcome to use them - https://ya.ru/ai/gpt-2 Openai gpt-3.5-turbo Чат джипити. Самая популярная языковая модель о которой не слышал только ленивый...
🧠 В последнее время наблюдаю интенсивный рост генеративных нейросетей, и уже сегодня мы можем создавать полноценных цифровых клонов людей: ✖️Языковая модель отвечает так же, как и вы. ✖️Модели Text2Speech воспроизводят ваш голос. ✖️Midjourney/sd генерирует ваши фотографии в любом месте и позе. 👉Всё это потрясающе! Могу представить, как в ближайшем будущем появяются баннеры в мета-вселенных: "Создай своего AI-клона за 200 рублей в месяц😉"...
Прочитал статью от AIRI, которая флешбэкнула меня в май 2024го, когда я писал диплом. В чем с-но дело: Проблемы c LLM 1. Отсутствие интерпретируемости LLMs дают ответы, но на самом деле в них часто нет надежного подтверждения. 2. Галлюцинации Модели иногда генерируют неверную информацию, особенно когда нет строгой структуры данных для проверки. 3. Ограниченные знания Модели не имеют доступ к приватным документам и проектам, поэтому могут пропускать специфическую информацию. На другом полюсе стоят графы знаний — интерпретируемые и надежные структуры, которые компенсируют слабые стороны LLM...
? 🖼️ Перед сном залип на статью, где ребята смогли выжать из ImageNet качество text2img, сравнимое с SDXL. Это круто, потому что ImageNet — это всего 0.001B картинок с метками классов, а SDXL училась на датасете в 5B+. Как они это сделали? С помощью аугментаций, но не просто каких-то, а специально заточенных под text2img. Почему это сложно? 🤔 Обычные аугментации, вроде флипов или поворотов, могут убить качество генерации и промпт-алаймент. Авторы предлагают два типа аугментаций: 1. Текста: Берут...
