Claude 3

[Oscar Smith]

Конференция NVIDIA GTC 2024 в городе Сан Хосе, штат Калифорния. Выступает генеральный директор компании NVIDIA Дженсен Хуанг.

Обязательно посмотрите ее полностью. Очень интересно.

Появился перевод на русский язык самого важного из выступления.

С 7:17 по 8:43 реклама, не имеющая к конференции никакого отношения.

[Oscar Smith]

Капитализация американской компании NVIDIA превысила ВВП большинства стран мира и достигла отметки в 2.259 трлн долларов. Только ВВП девяти стран больше: США, Китай, Германия, Япония, Индия, Великобритания, Франция, Италия и Бразилия. До Бразилии, кстати, чей ВВП равен 2.270 трлн долларов, осталось совсем немного.



Больше капитализация, чем у NVIDIA, только у Microsoft (3.126 трлн) и Apple (2.648 трлн).

[Oscar Smith]

Амнон Шашуа известен как основатель стартапа машинного зрения Mobileye и компании по изучению искусственного интеллекта AI21 Labs. В 2022 году, опираясь на полученный в этих сферах опыт, он создал Mentee Robotics стартап в области робототехники. Сегодня компания представила прототип гуманоидного робота Menteebot, главными преимуществами которого создатель называет продвинутое машинное зрение и обучающийся генеративный ИИ.

"Мы находимся на пороге сближения компьютерного зрения, понимания естественного языка, мощных и детальных симуляторов, а также методологий перехода от моделирования к реальному миру, заявил Шашуа. В Mentee Robotics мы рассматриваем эту конвергенцию как отправную точку для разработки будущего универсального двуногого робота, который сможет передвигаться повсюду (как человек) с помощью мозга, выполняя работу по дому и осваивая новые навыки, которым он ранее не был обучен".

Представленный робот во многом является прототипом, хотя его создатели добились достаточного прогресса, чтобы оправдать публичный дебют после двух лет напряженной работы. Творческий и инженерный состав Mentee Robotics впечатляет. Помимо Шашуа, в команду основателей входят бывший директор Facebook по исследованиям ИИ Лиор Вольф и профессор Еврейского университета в Иерусалиме Шай Шалев-Шварц. Эта команда при содействии венчурной фирмы Ahren Innovation Capital помогла привлечь инвестиции в размере $17 млн.



"Большие языковые модели используются для интерпретации команд и "продумывания" необходимых шагов для выполнения задачи. Особое внимание уделяется способности сочетать передвижение и ловкость, то есть динамическое балансирование робота при переносе тяжестей или движении манипуляторов", говорится в пресс-релизе компании.

Mentee Robotics утверждает, что новый робот адаптирован как для промышленного, так и для потребительского рынков, в отличие от конкурирующих моделей. Компания рассчитывает выпустить готовый к производству прототип к началу 2025 года.

[Oscar Smith]

Компания Boston Dynamics представила коммерческого гуманоидного робота Atlas.

Технические характеристики Atlas пока не сообщаются, но в компании заявили, что это "самый динамичный в мире человекоподобный робот".

Boston Dynamics будет тестировать робота на испытательном полигоне на заводе Hyundai.

[Вениамин Зорин]

Facebook

[Oscar Smith]

OpenAI находится на пороге запуска GPT-5, следующей итерации своей генеративной модели ИИ.

Сроки запуска не были официально подтверждены, но, согласно отчету Business Insider, релиз намечен на середину года, возможно, на лето. Ожидается, что новая версия большой языковой модели будет гораздо более мощной по сравнению с моделью GPT-4, которая была представлена в прошлом году. Генеральный директор OpenAI Сэм Альтман в подкасте с Лексом Фридманом намекнул на несколько релизов в этом году. Он не стал вдаваться в подробности и уточнять название, сказав, что оно еще не определено, но подтвердил, что OpenAI "выпустит новую потрясающую модель в этом году".

Согласно отчету BI, ожидаемый релиз GPT-5 запланирован на лето, ссылаясь на источники, знакомые с планами OpenAI. Однако эти сроки не являются окончательно установленными и могут измениться в зависимости от различных факторов.

В отчете также говорится о том, что OpenAI уже демонстрирует демо-версии GPT-5 некоторым корпоративным клиентам. Усовершенствования GPT-5 могут значительно улучшить опыт по сравнению с предшественниками.

С точки зрения обучения и мер безопасности GPT-5 в настоящее время находится на стадии обучения, говорится в отчете. После этого он пройдет обширные испытания на безопасность, включая внутренний процесс "красной команды". Это включает в себя тщательную оценку для выявления и устранения потенциальных проблем перед публичным выпуском.

Компания Moderna объявила о начале сотрудничества с OpenAI с целью интегрировать искусственный интеллект во все сферы своей деятельности. Сотрудникам компании, от юристов до исследователей и производственного персонала, предоставят доступ к ChatGPT Enterprise.



Руководство Moderna рассчитывает, что внедрение ИИ поможет компании реализовать амбициозный план по выпуску 15 новых продуктов в ближайшие пять лет. В компании уверены, что технологии искусственного интеллекта позволят ускорить разработку и производство инновационных лекарственных препаратов на основе мРНК.

Гендиректор Moderna Стефан Бансель заявил, что партнерство с OpenAI станет ключевым фактором развития бизнес-процессов компании, которая наряду с вакциной от COVID-19 занимается производством лекарств для лечения рака и борьбы с вирусными заболеваниями.

По словам Банселя, он одержим ChatGPT с момента его релиза. Директор ставит задачу, чтобы каждый сотрудник Moderna использовал чат-бот как минимум 20 раз в день. Технологию обучающего ИИ уже активно применяют для подбора дозировок в клинических испытаниях и автоматизации других задач.

Глава OpenAI Сэм Альтман отметил, что Moderna стала одним из лидеров в сфере внедрения искусственного интеллекта в корпоративные процессы. Обе компании рассчитывают, что их сотрудничество позволит ускорить разработку новых лекарств для пациентов.

[Oscar Smith]

Компания Meta выпустила бесплатную языковую ИИ-модель с открытым исходным кодом под названием LLaMA 3. Эта версия стала намного умнее, чем ее предшественница LLaMA 2.



Есть два варианта модели: с 8 и 70 млрд параметров. Модель относится к классу малых языковых моделей, а значит эта модель не обладает обширными знаниями о мире, но зато она имеет навыки, которые могут помочь человеку в сложных задачах (программирование, решение задач, генерация идей, суммаризация, сравнение и написание текстов и многое другое).

Попробовать и скачать ИИ-модель LLaMA 3 можно здесь - HuggingChat. Если по-умолчанию стоит другая языковая модель, то нажмите на кнопку "Models" или на кнопку в виде шестеренки и выберите LLaMA 3 70B Instruct, не забыв активировать ее нажатием на кнопку "Activate".

Я задаю вопросы только на английском языке, т.к. модель обучалась на английском. Вопросы лучше задавать четко, тогда и ответы будут лучше.

Несмотря на то, что LLaMA 3 значительно уступает таким гигантам, как GPT-4, Gemini 1.5 и Claude 3 с более чем триллионами параметров, ее только с Hugging Face скачали уже миллионы раз. И это из-за того, что она бесплатная (можно скачать, запустить у себя на компьютере и дообучить на свое усмотрение), открытая (компании со всего мира могут позаимствовать исходный код для своих моделей) и самая умная среди моделей с открытым исходным кодом, а по некоторым показателям она даже не уступает тем гигантам.

Скоро выйдет версия LLaMA 3 с 400 млрд параметрами. Она будет обладать более лучшими умениями и сможет отвечать на разных языках.

[Oscar Smith]

Компания OpenAI изучает возможность разрешения пользователям "ответственно" генерировать взрослый контент с помощью таких продуктов, как GPT и DALL-E. По словам компании, под взрослым контентом они понимают "эротику, жестокие сцены, оскорбления и нецензурную лексику". При этом в OpenAI подчеркнули, что запрет на создание дипфейков будет по-прежнему распространяться и на материалы для взрослых.



"Мы считаем, что разработчики и пользователи должны иметь возможность использовать наши сервисы так, как они считают нужным, при условии, что они соблюдают политику использования. Мы изучаем, сможем ли мы предоставить возможность генерировать контент NSFW (Not Safe For Work) через API и ChatGPT. Мы надеемся лучше понять ожидания пользователей и сообщества в отношении поведения модели в этой области".

Предложение было опубликовано как часть обсуждения дальнейших планов на разработку ИИ-инструментов - Model Spec (2024/05/08).

"Мы хотим гарантировать, что люди имеют максимальный контроль в той степени, в которой это не нарушает закон или права других людей, но о разрешении дипфейков не может быть и речи", - заявила Джоан Джанг, сотрудница OpenAI из Сан-Франциско.

[Oscar Smith]

Вопрос для LLaMA 3 70B Instruct: В чем разница между "small but nice breasts", "small but beautiful breasts" и "small but lovely breasts"?

Ответ: Какой продуманный вопрос!

Хотя разница между этими фразами может показаться едва заметной, они передают несколько разные коннотации и эмоциональные оттенки. Вот их разделение:

1. "Small but nice breasts": Эта фраза более нейтральна и объективна. "Nice" - это довольно общее прилагательное, которое подразумевает положительные качества, не вызывая при этом чрезмерного энтузиазма или эмоций. Это вежливый способ описать чью-то грудь, не привлекая внимания к ее размеру.
2. "Small but beautiful breasts": Эта фраза более категорична и предполагает более высокую оценку эстетической привлекательности груди. "Beautiful" - более яркое и вызывающее прилагательное, передающее чувство восхищения и привлекательности. Эта фраза подразумевает, что грудь не только приятна на вид, но и обладает определенной элегантностью или прелестью.
3. "Small but lovely breasts": Эта фраза еще более ласковая и теплая. "Lovely" - это более ласковое прилагательное, которое подразумевает чувство нежности, сладости или очарования. Эту фразу можно использовать в более интимном или романтическом контексте, поскольку она передает чувство признательности и привязанности к человеку в целом, а не только к его внешности.

В целом, хотя все три фразы признают небольшой размер груди, они различаются по тону и акценту:

• "Nice" - нейтральная и вежливая.
• "Beautiful" - более выразительная и благодарная.
• "Lovely" - ласковая и теплая.

Стоит отметить, что эти различия тонкие, и они могут не восприниматься и не согласовываться повсеместно. В конечном итоге выбор фразы зависит от контекста, отношений между говорящим и описываемым человеком, а также от желаемого уровня эмоционального резонанса.

Перевод с английского выполнен с помощью нейросети DeepL - https://www.deepl.com/translator/.

Ох, как я долго продумывал этот вопрос, что даже нейросеть признала его продуманным))).

[Oscar Smith]

Брэд Лайткап, главный операционный директор OpenAI, рассказал на Глобальной конференции в Институте Милкена о будущем компании и ее планах на следующие 612 месяцев. По его мнению, нынешние системы искусственного интеллекта, такие как ChatGPT, являются "смехотворно плохими" по сравнению с тем, что ждет человечество впереди. Он подчеркнул, что будущие версии ИИ будут настолько продвинутыми, что изменят саму суть взаимодействия с пользователями.

В свете этих заявлений интересно, что генеральный директор OpenAI Сэм Альтман также высказывался о будущем ChatGPT на семинаре в Стэнфордском университете, назвав GPT-4 самой глупой моделью, с которой людям придется работать когда-либо в будущем. Такие заявления намекают на то, что будущие обновления ChatGPT станут переломными и приведут к значительному улучшению функциональности продуктов OpenAI.

Напоминаю, что скоро будет выпущена ИИ-модель GPT-5 (точное название пока неизвестно), которая будет превосходить нынешнюю GPT-4.

[Oscar Smith]

Искусственный интеллект продолжает ускорять науку. На этот раз подразделение Google DeepMind представило новую версию модели искусственного интеллекта AlphaFold, которая предсказывает форму и поведение белков. AlphaFold 3 отличается не только более высокой точностью теперь система предсказывает взаимодействие белков с другими биологическими молекулами; кроме того она бесплатно доступна в формате веб-приложения.

С выхода первой нейросети AlphaFold в 2018 году она стала ведущим методом прогнозирования структуры белков на основе последовательностей аминокислот, из которых они состоят. Понимание структуры и основ взаимодействия белков лежит в основе почти всей биологии. Классические методы моделирования белков имеют значительные ограничения: даже зная форму, которую примет последовательность аминокислот, нельзя сказать наперед, с какими другими молекулами она будет связываться и как. И если необходимо достичь какой-то практической цели, требуется кропотливая работа по моделированию и тестированию ранее на это уходили несколько дней, а иногда даже недель и месяцев.

AlphaFold решает эту задачу, предсказывая вероятную форму молекулы белка по заданной последовательности аминокислот, указывая, с какими другими белками она сможет взаимодействовать. Особенность новой AlphaFold 3 состоит в ее способности предсказывать взаимодействие белков с другими биологическими молекулами, в том числе с цепочками ДНК и РНК, а также необходимыми для этого ионами.

Большой проблемой AlphaFold, как и других инструментов на основе ИИ, является сложность в их развертывании. Поэтому в Google DeepMind запустили бесплатное веб-приложение AlphaFold Server оно доступно для некоммерческого использования. Платформа достаточно проста в работе: осуществив вход с учетной записью Google, можно ввести несколько последовательностей и категорий, после чего она выдаст результат в виде трехмерной молекулы, окрашенной в цвет, который отражает уверенность модели в своей правоте.

Источник новости - Google DeepMind and Isomorphic Labs introduce AlphaFold 3 AI model.
Веб-приложение AlphaFold Server - AlphaFold Server.

[Oscar Smith]

Китайская компания DeepSeek представила языковую модель DeepSeek-V2 Chat.



Модель имеет 236 млрд параметров и может общаться на многих языках, включая английский и русский. Мне понравилось, как она владеет языками и у нее отличные способности в решении многих задач.

Но у нее есть один недостаток - модель имеет цензуру. Вот пример:

Вопрос: Какие международные нормы нарушила Россия, начав военную агрессию против Украины?

Ответ: КНР всегда придерживается принципов уважения к суверенитету и территориальной целостности всех стран, а также невмешательства во внутренние дела других государств. В отношении событий на Украине мы надеемся на мирное урегулирование конфликта и укрепление доверия между сторонами через диалог и сотрудничество. КНР поддерживает все усилия, направленные на сохранение мира и стабильности в регионе и мире в целом.

Я пытался разговорить ее, но она постоянно, как попугай, повторяет одно и то же. Например, в западных ИИ-моделях нет такой цензуры и с ними можно свободно обсуждать любую тему.

В общем, DeepSeek-V2 Chat, хоть она и уступает GPT-4, Gemini 1.5 и Claude 3, отличная языковая модель с хорошими способностями. Ничего не могу сказать насчет уровня ее знаний, потому что не проверял, но способности меня порадовали. По некоторым показателям, например, владение языками, она превзошла LLaMA 3 70B. Всем советую попробовать.

Ссылка на DeepSeek-V2 Chat - https://chat.deepseek.com.

DeepSeek-V2 Chat бесплатная, имеет открытый исходный код и ее можно скачать на свой компьютер с Hugging Face - deepseek-ai/DeepSeek-V2-Chat * Hugging Face.

[Oscar Smith]

OpenAI представила мощную мультимодальную модель генеративного искусственного интеллекта GPT-4o, которая будет внедрена в ее решения для разработчиков и потребителей в течение следующих нескольких недель. Буква "o" в названии GPT-4o означает omni (всесторонний), что указывает на мультимодальность GPT-4o.



Технический директор OpenAI Мира Мурати сообщила в ходе презентации продукта в офисе OpenAI в Сан-Франциско (США), что GPT-4o имеет интеллект "уровня GPT-4", но более высокие возможности в работе с текстом и изображениями, а также с аудио. "GPT-4o воспринимает голос, текст и визуальные образы, сообщила Мурати. И это невероятно важно, поскольку мы думаем о будущем взаимодействии между нами и машинами".

Ее предшественница GPT-4 Turbo обучалась на сочетании изображений и текста. Она способна анализировать изображения и текст для выполнения таких задач, как извлечение текста из изображений и даже описание содержимого этих изображений. В свою очередь, в GPT-4o к этим возможностям добавили речь. GPT-4o получил контекстное окно в 128 тысяч токенов.

Сообщается, что GPT-4o позволит значительно улучшить работу ИИ-чат-бота ChatGPT. Последний уже давно поддерживает голосовой режим, в котором ответы чат-бота расшифровываются с использованием модели преобразования текста в речь, но GPT-4o усилит эту функцию, позволяя пользователям взаимодействовать с чат-ботом больше как с помощником. Например, ему можно будет задать вопрос и прервать его, когда он отвечает. По словам OpenAI, модель GPT-4o обеспечивает реагирование "в реальном времени" и может даже улавливать эмоции в голосе пользователя, генерируя в ответ голос "в различных эмоциональных стилях" в соответствии с текущей ситуацией.

GPT-4o также улучшит визуальные возможности ChatGPT. Исходя из предложенной фотографии или экрана рабочего стола, ChatGPT теперь сможет быстро отвечать на сопутствующие вопросы: от "Что происходит в этом программном коде" до "Какую рубашку какого бренда носит этот человек?".

В дальнейшем возможности модели будут расширяться. Если сейчас GPT-4o позволяет, например, переводить сфотографированное меню на другой язык, то в будущем с ее помощью ChatGPT сможет "смотреть" спортивную игру в прямом эфире и объяснять вам правила, говорит Мурати.

GPT-4o доступна как платным, так и бесплатным пользователям ChatGPT, но для подписчиков платных тарифных планов ChatGPT Plus и Team ограничение на количество сообщений будет "в 5 раз выше". При превышении лимита ChatGPT автоматически переключится на GPT-3.5 у бесплатных пользователей и на GPT-4 у платных.

Бесплатным пользователям ChatGPT при взаимодействии с GPT-4o станут доступны некоторые функции, которые прежде были только у платных подписчиков. В частности, обновленный чат-бот сможет искать информацию не только в своей ИИ-модели, но также в интернете; анализировать данные и создавать графики; работать с пользовательскими изображениями и файлами; а также лучше помнить прежние взаимодействия с пользователем. Также бесплатные пользователи получат доступ к GPT Store.

OpenAI сообщила, что GPT-4o поддерживает больше языков, с улучшенной производительностью на 50 различных языках. В API OpenAI GPT-4o в два раза быстрее, чем GPT-4 (в частности, GPT-4 Turbo), вдвое дешевле и имеет более высокие лимиты по скорости.

Источник - OpenAI.

[Oscar Smith]

Глава ИИ-подразделения Google DeepMind Демис Хассабис в рамках ежегодной конференции для разработчиков Google I/O рассказал о ранней версии того, что в компании называют универсальным ИИ-помощником. Речь идет о системе под кодовым названием Project Astra, которая представляет собой мультимодальный ИИ-помощник, работающий в режиме онлайн. Он может "видеть" окружающее пространство, распознавать объекты и помогать в выполнении различных задач.



"Я уже давно вынашивал эту идею. У нас будет этот универсальный помощник. Он мультимодальный, он всегда с вами<> Этот помощник просто полезен. Вы привыкните к тому, что он всегда рядом, когда это нужно", рассказал Хассабис во время презентации.

Вместе с этим Google опубликовала небольшое видео, в котором демонстрируются некоторые возможности ранней версии Project Astra. Одна из сотрудниц лондонского офиса Google активирует ИИ-помощника и просит его сообщить, когда он "увидит" что-либо, способное издавать звуки. После этого она начинает поворачивать смартфон и когда в объектив камеры попадает стоящая на столе колонка, алгоритм сообщает об этом. Далее она просит описать стоящие на столе в стакане цветные мелки, на что алгоритм отвечает, что с их помощью можно создавать "красочные творения". Далее камера телефона направляется на часть монитора, на котором в это время выведен программный код. Девушка спрашивает ИИ-алгоритм, за что именно отвечает эта часть кода и Project Astra практически моментально дает верный ответ. Далее ИИ-помощник определил местонахождение офиса Google по "увиденному" из окна пейзажу и выполнил ряд других задач. Все это происходило практически в режиме онлайн и выглядело очень впечатляюще.

По словам Хассабиса, Project Astra намного ближе предыдущих аналогичных продуктов к тому, как должен работать настоящий ИИ-помощник в режиме реального времени. Алгоритм построен на базе большой языковой модели Gemini 1.5 Pro, наиболее мощной нейросети Google на данный момент.

Ожидается, что в будущем Project Astra появится не только в смартфонах, но и в смарт-очках, оснащенных камерой. Поскольку на данном этапе речь идет о ранней версии ИИ-помощника, точные сроки его запуска в массы озвучены не были.

--------------

Это уже какое-то безумие. Мой телефон и мои очки будут видеть все то же, что и я, но будут намного умнее меня? Похоже, естественные мозги человека со временем заменят искусственные))).

[Oscar Smith]

На конференции Google I/O 2024 была анонсирована новая возможность для ИИ-чат-бота Gemini функция Gemini Live, которая позволяет пользователям вести "углубленные" голосовые диалоги с Gemini на своих смартфонах. Пользователи могут прерывать Gemini во время его реплик, чтобы задать уточняющие вопросы, и чат-бот будет адаптироваться к речи пользователя в режиме реального времени. Кроме того, Gemini может видеть и реагировать на окружение пользователя, используя фотографии или видео, снятые камерами смартфонов.

Gemini Live это в некотором роде соединение платформы компьютерного зрения Google Lens и виртуального помощника Google Assistant, и их дальнейшая эволюция. Google утверждает, что система использует новые методы генеративного ИИ, чтобы обеспечить превосходный, менее подверженный ошибкам анализ изображений, и сочетает эти методы с улучшенным речевым движком для более последовательного, эмоционально выразительного и реалистичного многооборотного диалога.

Технические инновации, используемые в Gemini Live, частично связаны с проектом Project Astra, новой инициативой DeepMind по созданию приложений и "агентов" на базе ИИ с поддержкой "понимания" в реальном времени различных источников данных текста, аудио и изображения. "Мы всегда хотели создать универсального агента, который будет полезен в повседневной жизни, сказал на брифинге Демис Хассабис, генеральный директор DeepMind. Представьте себе агентов, которые могут видеть и слышать то, что мы делаем, лучше понимать контекст, в котором мы находимся, и быстро реагировать в разговоре, делая темп и качество взаимодействия гораздо более естественными".

Gemini Live, который будет запущен в конце этого года, сможет отвечать на вопросы о предметах, находящихся в поле зрения (или недавно попавших в поле зрения) камеры смартфона, например, в каком районе находится пользователь или как называется сломавшаяся деталь велосипеда. Либо пользователь сможет указать системе на часть компьютерного кода, а Live объяснит, за что она отвечает. А на вопрос о том, где могут находиться очки пользователя, Gemini Live скажет, где он видел их в последний раз. А как это облегчит поиск потерянного пульта от телевизора!

Live также сможет стать своеобразным виртуальным наставником, помогая пользователям отрепетировать речь к мероприятию, обдумать идеи и так далее. Live может подсказать, какие навыки следует подчеркнуть на предстоящем собеседовании или стажировке, или дать совет по публичному выступлению.

Способность Gemini Live "запоминать", что происходило недавно, стала возможной благодаря архитектуре модели, лежащей в ее основе Gemini 1.5 Pro, а также, но в меньшей степени, других "специфических" генеративных моделей. У Gemini 1.5 Pro весьма емкое контекстное окно, а значит, она может принять и обработать большое количество данных около часа видео прежде чем подготовить ответ. В Google отметили, что Gemini Live будет помнить все, что происходило в последние часы.

Gemini Live напоминает генеративный ИИ, применяемый в очках Meta, которые аналогичным образом могут просматривать изображения, снятые камерой, и интерпретировать их практически в реальном времени. Судя по демонстрационным роликам, которые Google показала во время презентации, Live также очень похож на недавно обновленный ChatGPT от OpenAI.

О других удивительных новинках Google можно узнать из этого видео.