Саморазвивающаяся система навыков на основе openspace и ещё 16 новости

Саморазвивающаяся система навыков на основе openspace

Представлена реализация кодирования для разработки саморазвивающейся системы навыков с использованием OpenSpace для обучения навыкам, эффективности использования токенов и коллективного интеллекта. Система разработана для динамичной адаптации и улучшения своих способностей без явного программирования.

Обучение навыкам и эффективность использования токенов

OpenSpace используется для обучения навыкам, позволяя системе приобретать новые возможности путем взаимодействия с окружающей средой. Система стремится к эффективности использования токенов, чтобы оптимизировать процесс обучения и снизить вычислительные затраты.

Коллективный интеллект

Система интегрирует концепцию коллективного интеллекта, позволяющую нескольким агентам сотрудничать и совместно развивать навыки. Это приводит к улучшению общих характеристик системы и способности решать сложные задачи. Кодирование и реализация направлены на создание саморазвивающейся структуры, которая может адаптироваться к новым задачам и улучшать свои навыки с течением времени.

turboquant: экстремальное сжатие для больших языковых моделей

TurboQuant — это новый метод, предназначенный для повышения эффективности искусственного интеллекта за счет экстремального сжатия. Он позволяет создавать большие языковые модели (LLM) с использованием всего 4 бит на параметр. Это достигается благодаря сочетанию квантования, сжатия и алгоритма обучения, который минимизирует потерю точности.

Ключевые особенности

TurboQuant позволяет сократить размер LLM в 8 раз по сравнению с традиционными 32-битными моделями, что значительно снижает требования к памяти и вычислительным ресурсам. Несмотря на экстремальное сжатие, TurboQuant демонстрирует высокую точность, сравнимую с другими методами квантования, и даже превосходит их в некоторых случаях.

Авторы утверждают, что TurboQuant упрощает развертывание LLM на потребительском оборудовании, таком как видеокарты, и делает возможным использование больших моделей в условиях ограниченных ресурсов. Метод включает в себя оптимизацию алгоритма обучения для адаптации к квантованным весам и снижение влияния квантования на производительность модели.

В статье также упоминается, что TurboQuant может быть применен к различным архитектурам LLM, включая Llama 2 и другие модели, доступные на платформе Hugging Face: huggingface.co. Авторы предоставляют примеры использования и результаты экспериментов, демонстрирующие эффективность и универсальность TurboQuant.

реструктуризация правления openai foundation: возвращение илона маска

Обновление по OpenAI Foundation

OpenAI Foundation, некоммерческая организация, является материнской компанией OpenAI, Inc. и отвечает за управление миссией организации. В настоящее время происходит реструктуризация правления OpenAI Foundation.

Илон Маск, Грег Брокмеир и другие оригинальные члены правления снова присоединились к OpenAI Foundation. Реструктуризация была предпринята для того, чтобы укрепить руководство некоммерческой организацией, которая отвечает за направление и контроль деятельности OpenAI, Inc.

Цель реструктуризации — обеспечить соответствие OpenAI своей миссии, которая заключается в обеспечении того, чтобы искусственный интеллект приносил пользу всему человечеству. Правление OpenAI Foundation будет отвечать за надзор за OpenAI, Inc. и гарантировать, что она работает в соответствии с этой миссией.

Nanobot: создание агентов искусственного интеллекта

Чтобы начать работу с Nanobot, необходимо установить Python версии 3.9 или выше. Также потребуется установить Node.js и npm. Nanobot предназначен для создания агентов искусственного интеллекта.

Для установки Nanobot используется команда pip install nanobot. После установки можно создать свой первый агент, используя команду nanobot create my_agent. Эта команда создаст новый каталог с именем "my_agent", содержащий необходимые файлы для начала разработки.

В каталоге агента можно найти файл agent.py, который содержит основную логику агента. Этот файл можно изменить для реализации желаемого поведения. Также присутствует файл config.yaml, в котором можно настроить параметры агента, такие как имя и описание.

Для запуска агента используется команда nanobot run my_agent. Nanobot будет запускать агента и взаимодействовать с ним через текстовый интерфейс. Агенты Nanobot могут использоваться для различных задач, таких как ответы на вопросы, выполнение команд и автоматизация процессов.

openai запускает правила безопасности для подростков и новый шоппинг в chatgpt

OpenAI выпустила правила безопасности для подростков, основанные на запросах, для разработчиков, использующих gpt-oss-safeguard, что помогает модерировать риски, специфичные для возраста, в системах искусственного интеллекта.

RSA запускает развертывание ID Plus Sovereign.

ChatGPT представляет более богатый и визуально захватывающий шоппинг, работающий на протоколе Agentic Commerce, который позволяет находить продукты, проводить параллельные сравнения и интегрировать торговые площадки.

google представила turboquant для ускорения llm

Google представила TurboQuant, новый алгоритм сжатия, который уменьшает память, необходимую для кэша "ключ-значение" в больших языковых моделях (LLM) в 6 раз и обеспечивает ускорение до 8 раз, при этом не снижая точности.

TurboQuant – это алгоритм квантования, который преобразует веса LLM из 16-битного формата в 8-битный, а затем применяет новую технику сжатия для дальнейшего уменьшения размера данных. Это позволяет значительно снизить требования к памяти, что особенно важно для развертывания LLM на устройствах с ограниченными ресурсами.

Исследования показали, что TurboQuant может уменьшить размер кэша "ключ-значение" в 6 раз без потери точности. Кроме того, он может ускорить процесс генерации текста в 8 раз по сравнению с использованием стандартных методов квантования.

Алгоритм TurboQuant доступен в виде открытого исходного кода.

Hugging face hub introduces storage buckets

Мы рады представить Storage Buckets на Hugging Face Hub. Теперь вы можете хранить большие наборы данных, модели и другие активы, необходимые для ваших проектов машинного обучения, в одном месте.

Storage Buckets позволяют хранить до 200 ГБ данных бесплатно. Вы можете использовать их для хранения любых файлов, включая наборы данных, модели, скрипты и другие активы. Если вам нужно больше места, вы можете приобрести дополнительное хранилище по запросу.

Как это работает

Storage Buckets построены на базе объектного хранилища AWS S3. Это означает, что они масштабируемы, надежны и экономически эффективны. Вы можете получить доступ к своим Storage Buckets через веб-интерфейс Hugging Face Hub или через API.

Вы можете загружать файлы в свои Storage Buckets, используя веб-интерфейс или API. После загрузки файлов вы можете получить к ним доступ через веб-интерфейс или API. Вы также можете делиться своими Storage Buckets с другими пользователями Hugging Face Hub.

Начало работы

Чтобы начать использовать Storage Buckets, вам просто нужно создать учетную запись на Hugging Face Hub. После создания учетной записи вы можете создать Storage Bucket. После создания Storage Bucket вы можете начать загружать в него файлы.

Дополнительную информацию о Storage Buckets можно найти здесь: Introducing Storage Buckets.

ai компании: onetrust, polyai, nscale – главные новости

Компания OneTrust расширила возможности управления искусственным интеллектом для работы в реальном времени.

Компания PolyAI была признана самым быстрорастущим предприятием в сфере искусственного интеллекта в рейтинге FT 1000.

Компания Nscale привлекла 2 миллиарда долларов в рамках серии C, что является крупнейшей инвестицией в истории Европы.

Управление роботизированной рукой с помощью носимого устройства

Носимый на запястье прибор позволяет пользователям управлять роботизированной рукой своими движениями.

Исследователи из Университета Юты разработали носимое устройство, которое позволяет людям управлять роботизированной рукой, просто двигая своей собственной рукой. Устройство использует датчики для захвата движений запястья и пальцев, а затем передает эту информацию роботизированной руке.

Система состоит из двух частей: носимого на запястье устройства и роботизированной руки. Носимое устройство содержит датчики, которые измеряют движение запястья и пальцев. Затем эти данные передаются на роботизированную руку по беспроводной связи. Роботизированная рука оснащена двигателями, которые позволяют ей повторять движения руки пользователя.

Исследователи протестировали систему на нескольких людях и обнаружили, что она способна управлять роботизированной рукой с высокой точностью. Они считают, что эта технология может быть использована для помощи людям с ограниченными возможностями, позволяя им выполнять задачи, которые они в противном случае не смогли бы выполнить.

банк америки внедряет агентов искусственного интеллекта

Банк Америки внедряет агентов искусственного интеллекта в свои банковские операции. Эти агенты, созданные на основе больших языковых моделей, будут помогать сотрудникам банка в выполнении различных задач.

Агенты ИИ будут автоматизировать повторяющиеся и трудоемкие процессы, позволяя сотрудникам сосредоточиться на более сложных задачах и обслуживании клиентов. К ним относятся обработка запросов клиентов, проверка кредитоспособности и выявление мошеннических операций.

Банк Америки планирует развернуть этих агентов ИИ для помощи примерно 17 000 сотрудникам. По словам представителей банка, это позволит им обрабатывать больше запросов и повысить эффективность.

Ожидается, что внедрение ИИ-агентов принесет значительные выгоды банку и его клиентам, улучшив качество обслуживания и сократив время обработки запросов. Развертывание начнется в этом году.

openai приостановила доступ к модели видеогенерации sora

OpenAI приостановила публичный доступ к своей модели генерации видео Sora. Это произошло из-за опасений относительно потенциального злоупотребления технологией, в частности, создания дезинформации и дипфейков.

Компания заявила, что планирует провести тщательное тестирование и оценку системы перед повторным запуском. OpenAI также намерена использовать результаты тестирования для разработки мер по снижению рисков, связанных с использованием Sora.

Решение об ограничении доступа было принято после того, как в сети появились примеры видео, сгенерированных Sora, которые вызвали обеспокоенность у общественности. Эти видео демонстрировали способность модели создавать реалистичные сцены и лица, что поднимает вопросы о возможности использования Sora для создания поддельных новостей и манипулирования общественным мнением.

Nvidia представляет pivotrl: ai-фреймворк для быстрого обучения

NVIDIA AI представила PivotRL, новый AI-фреймворк, который достигает высокой точности агента, используя в четыре раза меньше итераций обучения по сравнению с существующими методами. PivotRL разработан для повышения эффективности обучения с подкреплением.

PivotRL использует стратегию "поворотного обучения", чтобы быстро идентифицировать и использовать наиболее информативные данные для обучения агента. Этот подход позволяет фреймворку сократить количество необходимых пробных запусков, тем самым ускоряя процесс обучения и снижая вычислительные затраты.

В основе PivotRL лежит концепция "pivot", которая представляет собой небольшое изменение в политике агента. Эти изменения помогают фреймворку исследовать пространство решений более эффективно и находить оптимальные стратегии быстрее. Эффективность PivotRL была продемонстрирована в различных средах обучения с подкреплением.

NVIDIA утверждает, что PivotRL может значительно улучшить производительность AI-агентов в таких областях, как робототехника, игры и автономное вождение, где требуется быстрое и точное обучение.

vectra ai представляет проактивное управление уязвимостями

Vectra AI представила возможности проактивного управления уязвимостями, расширяя возможности обнаружения и реагирования на угрозы в своей платформе. Новые функции позволяют организациям выявлять и устранять уязвимости до того, как они будут использованы злоумышленниками.

Компания утверждает, что подход к обнаружению уязвимостей, основанный на искусственном интеллекте, отличается от традиционных методов сканирования, которые часто приводят к ложным срабатываниям и не позволяют эффективно приоритизировать риски. Vectra AI фокусируется на выявлении уязвимостей, которые реально эксплуатируются злоумышленниками в сети.

Новые возможности включают в себя проактивное обнаружение уязвимостей, приоритезацию на основе риска и интеграцию с существующими инструментами управления уязвимостями. Это позволяет командам безопасности эффективно расставлять приоритеты и устранять самые критические уязвимости. Платформа теперь способна определять уязвимости, которые еще не имеют исправления, и предупреждать об активных попытках их эксплуатации.

семейные офисы все чаще используют искусственный интеллект

Семейные офисы все чаще обращаются к искусственному интеллекту (ИИ) для получения информации из финансовых данных. Ocorian, поставщик решений для корпоративных услуг, обнаружил, что клиенты стремятся использовать ИИ для автоматизации процессов и улучшения анализа данных.

По словам компании, семейные офисы ищут способы повышения эффективности и сокращения расходов, а ИИ может помочь им в этом. ИИ может использоваться для автоматизации таких задач, как сбор данных, проверка и составление отчетов, что позволяет сотрудникам сосредоточиться на более стратегических инициативах.

Ocorian отмечает растущий интерес к использованию ИИ для анализа финансовых данных, включая выявление тенденций, прогнозирование результатов и управление рисками. Кроме того, ИИ может помочь семейным офисам соблюдать нормативные требования и обнаруживать мошеннические действия.

Snowflake Dynamic Tables: декларативные конвейеры данных

В рамках недавнего семинара была представлена возможность глубокого изучения создания декларативных конвейеров данных с использованием Snowflake Dynamic Tables. Динамические таблицы Snowflake позволяют определять трансформации данных декларативным способом, что упрощает создание и обслуживание конвейеров данных.

Особенности динамических таблиц

В ходе семинара участники получили возможность поэтапного создания конвейера данных, начиная с загрузки данных и заканчивая их преобразованием и загрузкой в целевые таблицы. Особое внимание уделялось тому, как динамические таблицы могут автоматизировать многие процессы, которые обычно требуют ручного вмешательства.

Динамические таблицы позволяют определять логику преобразования данных, используя SQL, и Snowflake автоматически обрабатывает выполнение этой логики. Это может значительно упростить разработку и поддержку конвейеров данных, особенно в тех случаях, когда логика преобразования сложна или часто меняется.

Семинар включал практические примеры использования динамических таблиц для решения различных задач, таких как очистка данных, преобразование данных и загрузка данных в хранилища данных. Участники также узнали о лучших практиках использования динамических таблиц, таких как использование параметризации и разделение логики преобразования на отдельные функции.

Создание частного финансового аналитика на основе ИИ

Создание частного финансового аналитика на основе ИИ с использованием Python и локальных LLM.

В этой статье рассматривается процесс создания частного финансового аналитика с использованием Python и локальных больших языковых моделей (LLM). Авторы подчеркивают важность конфиденциальности и контроля над данными при работе с финансовой информацией.

Использование локальных LLM позволяет избежать отправки чувствительных финансовых данных сторонним сервисам. В качестве примера приводится использование модели Llama 2 7B, которая может быть запущена локально на потребительском оборудовании. Для локального запуска модели используется библиотека llama-cpp-python.

Авторы предлагают использовать векторную базу данных Chroma для хранения и поиска финансовой информации. Данные преобразуются в векторные представления с помощью моделей embeddings, таких как Sentence Transformers. Это позволяет выполнять семантический поиск и извлекать релевантную информацию для анализа.

В статье описывается процесс создания прототипа финансового аналитика, способного отвечать на вопросы о финансовых данных, генерировать отчеты и предлагать инвестиционные идеи. Авторы отмечают, что для достижения высокой точности и надежности требуется тщательная настройка и обучение модели на специфических финансовых данных.

copilot для партнерств, сири и подкасты из zoom

Масштабное исследование, охватывающее разные виды, показало, что увеличение количества эякуляций может принести пользу фертильности. В исследовании сперматозоиды помечены зеленым флуоресцентным белком в яичках и семенных пузырьках самца мухи дрозофилы.

Apple наконец-то полностью перестраивает Siri, но будет ли это на этот раз удачным?

Веселин Вукович, главный директор по партнерствам компании Infobip, рассказал об использовании Copilot для развития партнерских отношений. Управление сложными корпоративными партнерствами требует умения принимать смелые решения, проявлять деликатность и планировать дальнейшие действия для развития сотрудничества. Вукович отметил, что данные помогают принимать многие решения ежедневно, поскольку у каждого партнера разные потребности и цели. Компания Infobip, имеющая 3500 сотрудников, начала использовать Microsoft 365 Copilot около 18 месяцев назад. Вукович утверждает, что Copilot помогает ему быстрее суммировать беседы с партнерами и формулировать следующие шаги. Он также использует Copilot для анализа структурированных и неструктурированных данных, сокращая время анализа с дней до часов. Infobip использует Copilot Studio для создания и развертывания пользовательских агентов в Microsoft Teams.

Компания тайно преобразует ваши Zoom-встречи в подкасты, многомиллионер хотел стать королем кокаина и RIP метавселенной.