Мир замер в ожидании идеальной генерации текста на картинках. OpenAI обещали прорыв, и на латинице он действительно случился. Но как только русскоязычные пользователи попросили модель написать что-нибудь вроде «Кофе с собой» или «Вход только для работников», началось веселье. Буквы плывут, слова рассыпаются, а вместо «Пекарня» может появиться набор символов, напоминающий результат неудачного эксперимента с шифрованием. Пользователи жалуются, и их можно понять. Когда нейросеть превращает простое слово «Продукты» в нечитаемую абракадабру, это не баг в привычном понимании...

Большие языковые модели (они знакомы вам по ChatGPT) вышли на новый уровень: машина научилась отвечать на вопросы по картинкам и документам, причем так, что вашим стажерам больше не нужно предварительно вручную переводить jpg и pdf в текст. Подробнее рассказывает Евгений Орлов, старший инженер по анализу данных и машинному обучению, ТеДо. Представим, что вы аудитор, бухгалтер или налоговый специалист. Вы ежедневно изучаете огромное количество первичной документации, методик, правовых норм. Зачастую это pdf и сканы, с которыми плохо работает обычный поиск...