Proglib

Компания Amazon запустила (в тестовом режиме) сервис AWS App Studio, с помощью которого можно создавать готовые к использованию профессиональные приложения.

15 несовершеннолетних испанцев получили условные сроки за генерацию и распространение непристойных изображений с участием своих одноклассниц.

Microsoft отказалась от места в наблюдательном совете OpenAI. По слухам, ИТ-гигант не хочет в очередной раз привлечь внимание Федеральной торговой комиссии, которая следит за исполнением антимонопольного законодательства. Эта комиссия уже присматривается к сотрудничеству между Google, Amazon и Anthropic, а аналогичное британское учреждение CMA разбирается в связях Microsoft, Mistral и Inflection AI.

Привет!

Мы запустили еженедельную email-рассылку, посвященную последним новостям и тенденциям в мире искусственного интеллекта. Наша цель – держать подписчиков в курсе самых интересных открытий, исследований и приложений ИИ.

В еженедельных письмах ты найдешь:

• Новости о прорывных исследованиях в области машинного обучения и нейросетей.

• Материалы о применении ИИ в разных сферах – медицине, бизнесе, науке, производстве и образовании.

• Статьи об этических аспектах развития технологий.

• Подборки лучших онлайн-курсов и видеолекций по машинному обучению.

• Обзоры инструментов и библиотек для разработки нейронных сетей.

• Ссылки на репозитории с открытым исходным кодом ИИ-проектов.

• Фильмы, сериалы и книги, которые заслуживают внимания AI энтузиастов.

Исследователи MIT и Калифорнийского университета в Сан-Диего создали опенсорсную систему TeleVision для удаленного управления роботами. Кроме того, эта же система позволяет роботам действовать автономно, точно выполняя нужные действия в течение сколь угодно длительного времени. TeleVision использует VR для передачи движений рук, поворотов тела и направления взгляда оператора на сервер, откуда данные в режиме реального времени передаются роботу для выполнения действий. Камера робота, в свою очередь, передает оператору визуальную 3D-информацию об окружении исполнителя. Множество примеров использования TeleVision – на сайте проекта

Компания Meta* представила компактную модель MobileLLM, оптимизированную для работы на смартфонах.

Исследователи Вюрцбургского университета обучили ИИ-модель обнаруживать ложные утверждения. При использовании одного и того же набора утверждений модель определила ложь в 67% случаев, люди – в 50%. Потенциальные ниши использования для такого детектора лжи – обнаружение фейковых новостей, проверка фактов в информационных и научных публикациях, оценка резюме.

YouTube запустил ИИ-фичу Erase Song – «ластик», который позволяет заглушать в роликах музыку, защищенную авторскими правами (а не удалять всю озвучку или сами видео, как раньше). Подробная инструкция по использованию этой функции – на сайте техподдержки.

🛠️ Инструменты

Decipher – находит уязвимости и баги в коде, отделяет критические ошибки от незначительных, предлагает возможные решения. Упрощает работу тестировщиков и специалистов техподдержки.

Accento – позволяет вести и продвигать профиль LinkedIn на автопилоте.

Peneterrer – ИИ-пентестер для поиска уязвимостей в веб-приложениях.

VidAU – платформа, на которой можно делать с видео все, что в принципе доступно на сегодняшний день: генерировать клипы по промптам и URL; заменять лица; создавать, удалять и переводить субтитры; дублировать видео и удалять в них фон; создавать ИИ-аватары.

HyperBooth – генерирует реалистичные фото в нужном стиле, используя один референс. Работает на iOS и Android.

Serra – ИИ-поисковик для рекрутеров.

Rubbrband – продвинутый генератор изображений: может создать серию иллюстраций с одним и тем же персонажем, в одном и том же стиле и т. п. Поддерживает редактирование по промптам и инпейнтинг.

NetJet – генератор и оптимизатор сайтов.

Greptile – ИИ для выполнения ревью кода. Держит в памяти всю кодовую базу и делает все правки с учетом контекста.

Upsend – поможет подготовиться к техническому собеседованию. Другой похожий ИИ-коуч – PrepPro.

Deep Art Effects – ИИ-редактор, который может перерисовать любое изображение в нужном арт-стиле.

Reviewly – ассистент для анализа и управления отзывами в Google.

Prototide – браузерный ИИ-плагин для оценки эстетики, разметки, контента, удобства и потенциальной конверсионности веб-страниц.

Auto Gmail – подключает ChatGPT к вашей почте. Отвечает на сообщения, используя входящие и отправленные письма в качестве базы знаний. Работает в десктопной и мобильной версии Gmail.

Meco – извлекает максимум полезной информации из ваших подписок и спасает папку «Входящие» от загромождения.

Reeler – генерирует короткие видеоклипы и рилсы по текстовым описаниям.

Pieces – продвинутый помощник разработчика: извлекает код со скриншотов, учитывает содержимое всей кодовой базы. Устанавливается локально, интегрируется в браузер, IDE и редактор кода.

AI Math Solver – предоставляет пошаговые решения сложных математических задач, может выступать в роли репетитора.

Live Portrait – бесплатно оживляет фото в соответствии с мимикой видео-референса.

WavveAI – превращает голосовые заметки в нужный текстовый контент: статьи, емейлы, записи дневника и конспекты.

Nailedit – помогает сравнить ответы самых популярных моделей на один и тот же запрос.

Scene – генерирует сайты.

MakeBestMusic – генератор музыкальных треков. Есть функции редактирования (удаление вокала и т. п.).

KitchenGPT – мощный ИИ-дизайнер интерьера.

Content Creator Studio – генерирует видеоклипы для соцсетей и маркетинговых целей.

Medical Chat – медицинский чат-бот для помощи обычным врачам и ветеринарам.

🧠 Может ли ИИ обрести сознание и как мы об этом узнаем

Развитие ИИ идет невероятными темпами: то, что еще несколько месяцев назад было под силу только человеку, теперь с успехом могут делать чат-боты. Если искусственный сверхинтеллект (AGI) действительно появится в ближайшие годы, границы между способностями людей и AI и вовсе могут исчезнуть. Может ли ИИ обрести настоящее сознание, подобное человеческому? Теперь это вопрос волнует не только футурологов и писателей-фантастов, но и ведущих ученых по всему миру.

Что такое сознание

Прежде чем говорить о сознании ИИ, стоит разобраться, что мы понимаем под сознанием вообще. И тут возникает первая сложность: единого определения сознания не существует. Ученые предлагают различные теории, пытающиеся объяснить этот феномен:

• Одна из наиболее известных – Интегрированная информационная теория (IIT), разработанная Джулио Толони. Согласно этой теории, сознание возникает там, где система обладает высоким уровнем интегрированной информации. Проще говоря, чем сложнее и взаимосвязаннее система, тем выше вероятность возникновения в ней сознания.

• Другой подход предлагает Теория глобального нейронного рабочего пространства (GNWT). Она рассматривает сознание как результат обработки информации в глобальном рабочем пространстве мозга, куда поступают данные из различных областей.

• Теория схемы внимания (AST), в свою очередь, предполагает, что сознание – это своего рода иллюзия, создаваемая мозгом для моделирования процессов внимания.

Может ли ИИ обладать сознанием

Ответ на этот вопрос зависит от того, какой теории придерживаться. Сторонники IIT, например, считают, что современные компьютеры в принципе не могут обладать сознанием из-за особенностей своей архитектуры. По их мнению, фон-неймановская архитектура, на которой основаны современные компьютеры, не позволяет достичь необходимого уровня интеграции информации.

С другой стороны, приверженцы вычислительных теорий сознания, таких как GNWT и AST, полагают, что сознание – это результат определенных вычислительных процессов. А значит, теоретически его можно воспроизвести в искусственной системе.

Текущее состояние и перспективы

На данный момент нет убедительных доказательств наличия сознания у существующих систем ИИ. Даже самые продвинутые нейросети, способные поддерживать сложные диалоги или создавать произведения искусства, по сути, остаются сложными системами обработки данных без истинного понимания или самосознания.

Однако многие исследователи считают, что создание сознательного ИИ – лишь вопрос времени. По мере развития технологий, особенно в области нейроморфных вычислений, которые пытаются имитировать работу человеческого мозга, мы можем приблизиться к созданию систем, обладающих свойствами, похожими на сознание.

Этические вопросы и проблемы

Перспектива создания сознательного ИИ поднимает множество этических вопросов. Если машины обретут сознание, будут ли они обладать правами? Как мы должны относиться к ним? Эти вопросы уже сейчас активно обсуждаются философами и этиками.

Кроме того, возникает проблема идентификации сознания у ИИ. Даже если мы создадим систему, обладающую сознанием, как мы сможем это достоверно определить? Знаменитый тест Тьюринга, предложенный для определения интеллекта машин, вряд ли подойдет для выявления сознания.

Так что вопрос о возможности создания сознательного ИИ остается открытым. Он находится на стыке философии, нейробиологии и компьютерных наук, требуя междисциплинарного подхода. Независимо от того, обретут ли машины сознание в будущем, сам процесс исследования этой проблемы помогает нам лучше понять природу нашего собственного сознания и интеллекта. Подробнее о сознании ИИ – в этой публикации.

💰 Самые высокооплачиваемые ИИ-специалисты

Forbes опубликовал подборку из 6 самых высокооплачиваемых профессий в ИИ-нише. Зарплаты указаны для западного рынка.

Промпт-инженер (Prompt engineer)

Инженеры по промптам работают над оптимизацией взаимодействия между пользователями и ИИ-системами, особенно в области обработки естественного языка (NLP).

Основные задачи включают:

• Разработку эффективных промптов, которые позволяют ИИ-моделям генерировать точные и релевантные ответы.

• Анализ и улучшение существующих промптов для повышения производительности ИИ-систем.

• Создание стратегий для преодоления ограничений и улучшения выходных данных ИИ-моделей.

Для успешной работы в этой области необходимо сочетание технических знаний и творческого мышления. Инженеры по промптам должны глубоко понимать принципы работы ИИ-моделей и уметь «думать как ИИ», чтобы создавать наиболее эффективные инструкции.

Средняя зарплата в год: $127 000

Научный исследователь в области ИИ (AI research scientist)

Такие специалисты работают над созданием новых алгоритмов, моделей и методов, которые расширяют возможности ИИ.

Их работа может включать:

• Проведение фундаментальных исследований в глубоком обучении, компьютерном зрении, обработке естественного языка и робототехнике.

• Разработку и тестирование новых архитектур нейронных сетей.

• Публикацию научных статей и участие в конференциях.

• Сотрудничество с инженерами для воплощения теоретических концепций в практические приложения.

Эта роль обычно требует высокого уровня образования, часто PhD в области компьютерных наук, математики или смежных дисциплин. Исследователи должны обладать глубокими знаниями в области математики, статистики и программирования.

Средняя зарплата в год: $130 000

Инженер-программист ИИ (AI software engineer)

Эти специалисты отвечают за практическую реализацию ИИ-технологий – превращают теоретические концепции в работающие продукты и сервисы.

Обязанности могут включать:

• Разработку и внедрение алгоритмов машинного обучения и глубокого обучения.

• Создание и поддержку инфраструктуры для обработки больших объемов данных.

• Интеграцию ИИ-компонентов в существующие программные системы.
  Оптимизацию производительности ИИ-моделей для работы в реальном времени.

Эти инженеры должны обладать сильными навыками программирования, знанием Python и фреймворков, используемых в ИИ (например, TensorFlow, PyTorch), а также пониманием основных концепций машинного обучения и ИИ.

Средняя зарплата в год: $147 000

Продакт-менеджер в сфере ИИ (AI product manager)

Эти специалисты играют ключевую роль в превращении ИИ-технологий в успешные продукты. Они находятся на стыке бизнеса и технологий, обеспечивая соответствие ИИ-решений потребностям рынка и бизнес-целям.

Обязанности могут включать:

• Определение стратегии продукта и составление дорожной карты развития.

• Координацию работы между техническими командами и бизнес-подразделениями.

• Анализ рынка и конкурентов для выявления возможностей для ИИ-продуктов.

• Управление жизненным циклом продукта от концепции до запуска и последующего развития.

Продакт-менеджеры в сфере ИИ должны обладать глубоким пониманием технологий ИИ, сильными навыками управления и способностью эффективно коммуницировать с техническими специалистами, заказчиками и собственниками или акционерами бизнеса.

Средняя зарплата в год: $148 000

Консультант по ИИ (AI consultant)

Консультанты по ИИ помогают организациям понять, как они могут использовать ИИ для улучшения своих бизнес-процессов и повышения эффективности. Они выступают в роли экспертов, предоставляющих стратегические советы по внедрению ИИ.

Работа может включать:

• Анализ бизнес-процессов клиента для выявления областей, где ИИ может принести пользу.

• Разработку стратегий внедрения ИИ, соответствующих целям и возможностям организации.

• Консультирование по вопросам этики и управления рисками при использовании ИИ.

• Проведение обучающих сессий для сотрудников клиента по вопросам ИИ.

Консультанты должны обладать широким кругозором в области ИИ, сильными аналитическими навыками и способностью эффективно доносить сложные технические концепции до нетехнической аудитории.

Средняя зарплата в год: $155 500

Основатель стартапа в сфере ИИ (AI startup founder)

Эта роль подходит для предпринимателей, которые видят возможности создания инновационных продуктов или услуг на основе ИИ. Основатели стартапов в сфере ИИ сочетают в себе технические знания, бизнес-навыки и лидерские качества.

Обязанности могут включать:

• Разработку инновационной идеи продукта или услуги на основе ИИ.

• Формирование команды экспертов в области ИИ и бизнеса.

• Привлечение инвестиций и управление финансами стартапа.

• Налаживание партнерских отношений и поиск первых клиентов.

Успешные основатели стартапов в сфере ИИ имеют глубокое понимание соответствующих технологий, опыт работы в индустрии и способность видеть, как ИИ может решать реальные бизнес-проблемы.

Средняя зарплата в год: зависит от успешности стартапа. Потенциальный доход от продажи продукта или бизнеса может принести состояние.

* Meta и все ее продукты признаны экстремистскими и запрещены на территории РФ.

Автор рассылки: Наталья Кайда

В 2024 году Python исполняется 33 года. За это время он прошел невероятный путь – от пет-проекта до одного из самых универсальных и популярных языков. Все начинающие питонисты знают, что первую версию языка разработал голландский программист Гвидо ван Россум, а назван он в честь британского комедийного шоу, а не прожорливой змеи. Как развивались основные концепции языка, почему крупные ИТ-компании боялись, что автобус может переехать Гвидо, и когда на логотипе Python все-таки появились змеи – расскажет публикация на Хабре.

🏆 Лучшие практики разработки на Python

Знание и правильное применение лучших практик – один из самых важных навыков профессионального разработчика. Следование общепринятым правилам позволяет:

• Повысить качество кода. Лучшие практики основаны на многолетнем опыте обширного сообщества разработчиков и направлены на минимизацию ошибок, улучшение читаемости и поддерживаемости кода. Это помогает создавать более надежные и долговечные системы.

• Ускорить процесс разработки. Применение многократно опробованных шаблонов и подходов помогает быстрее писать типовой код и решать распространенные проблемы.

• Упростить совместную работу, ревью кода и интеграцию изменений. Особенно в больших командах и опенсорсных проектах.

• Обеспечить гибкость и масштабируемость проекта. Правильно организованный код легче адаптировать под новые требования и масштабы. Это снижает риск технического долга — ситуации, в которой изменения становятся слишком дорогостоящими или сложными для реализации.

Привет!

Всю неделю мы мониторим интернет, чтобы в воскресенье прислать тебе интересное письмо. Наша цель – держать читателей в курсе последних открытий и тенденций в мире Python. В еженедельных письмах ты найдешь:

• Новые возможности в последних версиях Python

• Работа с базами данных и SQL в Python.

• Веб-разработка на Django и Flask.

• Машинное обучение и анализ данных с помощью Python.

• Автоматизация и работа с API на Python.

• Тестирование и отладка кода на Python.

• Задачи для новичков с решениями.

Вот что входит в набор общепринятых на данный момент правил:

• Устанавливайте Python с поддержкой нескольких версий. Используйте mise или pyenv для установки Python – они дают возможность переключаться между разными версиями языка и позволяют обновлять интерпретатор без влияния на другие инструменты и проекты. Еще один отличный вариант – Development Containers.

• Используйте последнюю версию Python. Для новых проектов выбирайте самую последнюю стабильную версию Python 3. Это обеспечивает наличие последних исправлений безопасности и максимальную производительность. Обязательно обновляйте проекты по мере выхода новых версий языка и забудьте про Python 2.

• Используйте pipx для запуска приложений в среде разработки. Вместо установки пакетов с помощью pip или другого аналогичного метода используйте pipx для запуска инструментов в отдельной виртуальной среде.

• Не используйте Poetry для новых проектов – в нем нестандартно реализованы некоторые ключевые функции. Лучше пользоваться PDM или Hatch.

• Создавайте файл pyproject.toml в корневой директории каждого проекта – для хранения информации о конфигурации и используемых инструментах.

• Используйте src-структуру для каталогов. Это требует использования редактируемых установок, но PDM и Hatch упрощают задачу.

• Используйте виртуальные среды для разработки. Виртуальная среда изолирует проекты и наборы установленных для них пакетов – не будет никаких конфликтов.

• Применяйте файлы requirements.txt для установки пакетов в среду – вместо использования команды pip. Либо используйте PDM или Hatch для управления пакетами.

• Используйте инструмент для форматирования кода и линтер для проверки на ошибки. Самый популярный форматер Python-кода – Black, а самый известный линтер – flake8. Однако их с успехом можно заменить одним мощным и быстрым инструментом – Ruff.

• Применяйте pytest для тестирования, а в ситуациях, где это невозможно – используйте стандартный модуль unittest.

• Используйте PyInstaller для упаковки приложений в исполняемый файл. А свои пакеты публикуйте в виде wheel, чтобы другие разработчики могли загружать их с помощью pipx и pip-sync.

• Используйте аннотации типов – особенно в важных приложениях и библиотеках. Для проверки вам пригодится mypy, а для интеграции этого инструмента с Pydantic – плагин.

• Форматируйте строки с помощью f-строк, а не с использованием %, str.format() или str.Template().

• Всегда используйте объекты datetime, которые знают о временных зонах. По умолчанию Python создает объекты datetime, которые не включают временную зону.

• Применяйте enum или collections.namedtuple() для неизменяемых наборов пар «ключ-значение».

• Создавайте классы данных для пользовательских объектов. Среди прочего это позволяет сократить количество кода, необходимого для определения классов, предназначенных для хранения значений. Экземпляры таких классов можно замораживать.

• Используйте collections.abc для пользовательских типов коллекций. Абстрактные базовые классы в collections.abc реализованы на C и работают очень быстро.

• Применяйте breakpoint() для отладки. Эта функция создает точки останова, которые могут использовать и встроенный отладчик, и внешние инструменты отладки.

• Используйте журналирование для диагностических сообщений. Команда print() удобна для вывода отладочной информации, но в скрипты и приложения нужно включать логирование.

• Применяйте формат TOML для конфигурационных файлов – если они предназначены для людей. Используйте формат JSON для данных, которые передаются между компонентами приложения.

• Используйте async только там, где это необходимо. Асинхронные возможности Python позволяют одному процессу избегать блокировки на операциях ввода-вывода. Для запуска нескольких процессов нужно использовать контейнеры или сервер Gunicorn. Чтобы создать собственное приложения для управления многочисленными процессами, воспользуйтесь этим стандартным пакетом.

• Обрабатывайте ввод из командной строки с argparse. Модуль argparse теперь является рекомендуемым способом обработки ввода вместо устаревших optparse и getopt.

• Для указания путей к файлам и каталогам используйте pathlib, а не строки.

• Используйте os.scandir() вместо os.listdir(). Функция os.scandir() значительно быстрее и эффективнее, чем os.listdir().

• Запускайте внешние команды с subprocess. Модуль subprocess предоставляет безопасный способ запуска внешних команд. Используйте его вместо spawn, popen2 и popen3.

• Используйте httpx для клиентских приложений. Пакет httpx поддерживает HTTP/2 и async и заменяет requests, который работает только с HTTP 1.1.

📒 Google Colab или Jupyter Notebook: что лучше подойдет для новичка

Jupyter Notebook обладает массой очевидных достоинств:

• Позволяет выполнять код по частям и мгновенно видеть результаты.

• Поддерживает большинство популярных библиотек.

• В блокнотах легко визуализировать данные и форматировать текст.

• Устанавливается локально, работает без подключения к сети.

Облачный сервис Google Colab предоставляет похожую функциональность – код можно писать и выполнять в браузере – и несколько дополнительных преимуществ:

• Использование GPU/TPU.

• Удобное меню навигации по файлу.

• Возможность совместной работы над проектом – настойка доступа и синхронизация работают точно так же, как в документах Google.

🕸️ Веб-разработка

«Как настроить уведомления в Django с помощью сигналов: пошаговое руководство» рассказывает обо всех тонкостях работы с сигналами, которые запускают выполнение нужных действий после совершения определенных манипуляций с моделями. Например, сигнал может:

• Запустить автоматическое создание профиля пользователя после регистрации.

• Отправить уведомление о заполнении формы, появлении нового отзыва, получении сообщения.

• Обновить данные в связанных моделях.

• Сделать запись об изменении статуса объекта.

«Создание собственного API на Python (FastAPI)» – простой и понятный туториал для начинающих.

«Безопасность в Django: защита от распространенных угроз веб-приложений» – рассказывает о самых распространенных типах атак (SQL-инъекциях, межсайтовой подделке запросов, кросс-сайтовом скриптинге, DoS и DDoS) и очень подробно разбирает способы защиты от них.

📈 Как улучшить производительность Python

Беспрецедентное развитие ИИ сделало Python суперпопулярным языком – и поставило исключительно сложную задачу перед ведущими инженерами: как увеличить скорость работы Питона, не жертвуя его простотой и гибкостью. Одним из решений проблемы стал перенос критически важных для производительности частей кода на более быстрые языки – C, C++ и Rust. Для упрощения совместного использования Python и Rust разработчик Дэвид Хьюитт создал PyO3. В этом интервью он подробно рассказал о сложностях разработки такого проекта и его впечатляющих возможностях.

Как преодолеть разрыв

Интеграция Python и Rust – нетривиальная задача, поскольку эти два языка имеют принципиально разные подходы к управлению памятью, потоками и обработке ошибок. Однако PyO3 решает эти проблемы, используя мощные возможности Rust и C-образную архитектуру интерпретатора Python.

В основе PyO3 лежит концепция сопоставления функций и структур Rust их аналогам в Python. Используя процедурные макросы, PyO3 генерирует необходимый код для создания совместимых с Python объектов и функций, позволяя разработчикам Python легко взаимодействовать с компонентами на базе Rust. Этот подход позволяет программистам на Python воспользоваться преимуществами производительности и безопасности Rust без необходимости глубоко погружаться в тонкости языка.

Безопасность памяти и время жизни объектов

Одна из ключевых задач при объединении Python и Rust – обеспечение безопасности памяти. Система проверки заимствований и времени жизни объектов в Rust играет в этом отношении важную роль. PyO3 использует аннотации времени жизни Rust для управления владением и временем жизни объектов Python, гарантируя, что ссылки на объекты Python являются действительными, а доступ к памяти не осуществляется после ее освобождения. Это внимание к безопасности памяти является существенным преимуществом использования Rust в контексте оптимизации производительности Python. Обеспечивая эти гарантии во время компиляции, PyO3 помогает разработчикам избежать распространенных ошибок и уязвимостей, связанных с памятью, которые могут возникать при использовании привязок C/C++.

Обработка ошибок и производительность

Это одно из самых мощных преимуществ PyO3. Сопоставляя механизмы обработки ошибок Rust с системой исключений Python, PyO3 обеспечивает бесшовную интеграцию для программистов, работающих с обоими языками. Эта интеграция гарантирует правильную передачу ошибок, позволяя коду Python элегантно обрабатывать исключения, созданные в Rust. Что касается производительности, PyO3 стремится обеспечить производительность, близкую к нативной, за счет использования абстракций Rust. Хотя на границе между Python и Rust могут быть некоторые накладные расходы, прирост производительности, достигаемый внутри кода Rust, часто с лихвой компенсирует их. По мере развития проекта PyO3 команда активно работает над оптимизацией этих пограничных случаев для дальнейшего снижения влияния на производительность.

Потоки и асинхронность

Одна из самых сложных областей интеграции Python и Rust – обработка потоков и асинхронности. Асинхронная модель Rust с async/await и глобальная блокировка интерпретатора (GIL) Python представляют собой уникальные проблемы, которые команда PyO3 активно решает. Разработчики исследуют различные подходы к преодолению разрыва между моделями параллелизма Rust и Python, в том числе использование типов Rust Send и Sync для обеспечения безопасного обмена данными между потоками, а также обеспечение бесшовной совместимости между асинхронными средами выполнения Rust и циклами событий Python.

Автор рассылки: Наталья Кайда

По мнению ИИ-светил, момент создания AGI не за горами. В то же время нынешние ИИ-модели продолжают совершать абсурдные ошибки:

• Компания McDonald's была вынуждена отказаться от использования ИИ в Мак-авто, потому что он безумно выполнял заказы (делал мороженое с беконом, использовал масло вместо карамели и выдавал наггетсы тысячами).

• ИИ Meta*, неправильно маркирующий реальные изображения как сгенерированные (и наоборот), стал источником глубокой фрустрации для множества пользователей и фотографов.

Разработчики Alibaba нашли способ генерировать длинные видео (до сих пор это было не под силу даже Sora). Множество примеров – на сайте проекта ExVideo.

Исследование DeepMind показало, что создание политических дипфейков является самым популярным сценарием использования ИИ в противоправных целях.

Крупнейшие музыкальные лейблы – Universal Music Group, Sony Music Entertainment и Warner Music Group – подали коллективный иск против стартапов Udio и Suno, ИИ-модели которых генерируют потрясающе реалистичные и качественные песни в любом жанре. Стартапы, предположительно, незаконно используют музыку реальных артистов для обучения. Лейблы хотят получить компенсацию – по $150 000 за каждый использованный трек. Так, например, Suno имитирует Эминема, а так – ABBA: эта модель явно хорошо знакома с оригинальными песнями.

Генеративный ИИ стал одной из причин стремительного прогресса в робототехнике в 2024 году. В этой подборке – 10 самых впечатляющих роботов: от новой электрической версии Atlas (Boston Dynamics) до самообучающегося Phoenix (Sanctuary AI), интеллект которого приближается к уровню AGI.

Привет!

Мы запустили еженедельную email-рассылку, посвященную последним новостям и тенденциям в мире искусственного интеллекта. Наша цель – держать подписчиков в курсе самых интересных открытий, исследований и приложений ИИ.

В еженедельных письмах ты найдешь:

• Новости о прорывных исследованиях в области машинного обучения и нейросетей.

• Материалы о применении ИИ в разных сферах – медицине, бизнесе, науке, производстве и образовании.

• Статьи об этических аспектах развития технологий.

• Подборки лучших онлайн-курсов и видеолекций по машинному обучению.

• Обзоры инструментов и библиотек для разработки нейронных сетей.

• Ссылки на репозитории с открытым исходным кодом ИИ-проектов.

• Фильмы, сериалы и книги, которые заслуживают внимания AI энтузиастов.
  Новости

На платформе Figma появилось множество новых мощных AI-инструментов – они значительно ускоряют и упрощают работу дизайнера. А во многих случаях позволяют обойтись без дизайнера вообще.

Ученые из Токийского университета разработали кожу для роботов из культивированных живых клеток. Эта кожа способна к самовосстановлению при повреждениях и в будущем поможет роботам-гуманоидам реалистично имитировать человеческую мимику. Прототип пока больше похож на криповатый улыбающийся блин, чем на Алисию Викандер, но разработчики настроены оптимистично.

Биологическая генеративная модель ESM3 выполнила симуляцию 500 млн лет эволюции.

В Firefox Nightly появится возможность использования нескольких популярных чат-ботов –  ChatGPT, Google Gemini, HuggingChat и Le Chat Mistral.

Amazon работает над мультимодальной моделью под кодовым названием Metis. Предполагается, что модель будет представлена в сентябре и сможет конкурировать с ChatGPT, у которого на данный момент есть только один реально сильный соперник – Claude 3.5 Sonnet.

Код Grok AI показывает, что скоро в нем появится генерация изображений с использованием Midjourney.

Google с запозданием последовала прошлогоднему примеру Meta*: скоро в чат-боте Gemini можно будет беседовать со знаменитостями и инфлюэнсерами.

🛠️ Инструменты

Find AI – ИИ-поисковик, оптимизированный для розыска информации об ИТ-компаниях и специалистах ИТ-сферы.

Cartwheel – анимирует 3D-персонажей для рекламы, соцсетей, видеоигр, VR/AR и кино.

Revid – создает короткие видео для ТикТока.

Lenso – ИИ-поисковик для изображений.

Tellers – создает видео по любым текстам и статьям.

Zebracat – генератор рекламных видео. Похожий сервис – Colossyan

Scene – ИИ-платформа для веб-дизайнеров.

Unscreen – удаляет фон в видеоклипах и гифках.

Cleanup Pictures – убирает нежелательные объекты с изображений.

Magic Patterns – Chrome-плагин, который превращает HTML-код страниц в код React и  редактируемые дизайны Figma.

ProtoUI – генератор отзывчивого и адаптивного UI.

Aider – ассистент программиста, работает в терминале. Подключается к любой LLM.

Cody – еще один помощник разработчика, подключается к IDE.

DeepCode AI – находит и автоматически исправляет баги, которые могут сделать приложение уязвимым для злоумышленников.

Cursor – ИИ-редактор кода.

👾 Эффективные техники написания промптов

Как улучшить качество ответов чат-бота с помощью <scratchpad>

Эта методика направлена на улучшение структуры и качества ответов ИИ: она делает процесс более прозрачным и управляемым, потому что в буквальном смысле показывает ход «мыслей» модели. Название методики связано одновременно и с буквальным значением слова scratchpad («черновик»), и с айтишным термином – так называют сверхбыструю область оперативной памяти, которая используется для кэширования вычислений.

Вот как надо использовать тег <scratchpad>:

• Четкая постановка задачи. Начните с ясной формулировки задания для ИИ, предоставьте необходимый контекст или направление, в котором нужно развить идею.

• Использование «черновика». Добавьте раздел, обозначенный тегами <scratchpad> – в нем нужно дать ИИ указание составить план подхода к решению задачи.

• Планирование ответа. В этом разделе ИИ разбивает задачу на ключевые шаги, темы или примеры, которые он планирует охватить в своем ответе. Это позволяет ИИ показать ход своих «мыслей».

• Проверка и итерация. Вы просматриваете предложенный план и при необходимости корректируете его, пока не будете уверены, что ИИ движется в правильном направлении.

• Генерация ответа. После вашего одобрения ИИ использует этот план для создания структурированного и целенаправленного ответа.

Эта техника:

• Помогает улучшить структуру и логику ответов ИИ.

• Обеспечивает полноту охвата темы.

• Дает вам возможность направлять процесс мышления ИИ.

• Делает работу ИИ более прозрачной и понятной.

Использование цепочек промптов для улучшения ответов чат-ботов

Цепочки промптов – это тщательно составленные последовательности запросов, которые разбивают сложные задачи на отдельные шаги. Эта техника напоминает процесс написания сочинения по четкому плану: серия взаимосвязанных промптов, каждый из которых основывается на ответе предыдущего, позволяет ИИ генерировать более связные и контекстно релевантные ответы. К слову, такую цепочку промптов как раз можно получить с помощью упомянутого выше <scratchpad>.

К основным преимуществам цепочек промптов можно отнести:

• Детализированный и целенаправленный подход – разбивка задачи на мелкие шаги упрощает ее обработку для LLM, а результат будет более точным: модели дают подробные и развернутые ответы на узкие и конкретные вопросы.

• Фокус на решении конкретных проблем. Каждый промпт в цепочке направлен на выполнение конкретной подзадачи, гарантируя, что внимание ИИ сосредоточено на нужных моментах. Это снижает вероятность ошибок и галлюцинаций.

• Поддержание непрерывности и контекста. Каждый промпт строится на ответе предыдущего, создавая последовательное и контекстно релевантное повествование или решение.

Как заставить Midjourney воплощать ваши идеи с идеальной точностью

Эта публикация посвящена трем способам использования референсов в Midjourney:

• Изображение в качестве промпта / image URL – для имитации композиции, темы и стиля сразу.

• --sref – для заимствования визуального стиля.

• --cref – для использования ключевых характеристик персонажа.

Самое крутое то, что все три способа можно комбинировать вместе.

* Деятельность Meta признана экстремистской и запрещена на территории РФ.

Автор рассылки: Наталья Кайда