Nvidia создает открытые данные для искусственного интеллекта и ещё 9 новости

Nvidia создает открытые данные для искусственного интеллекта

Компания NVIDIA создает открытые данные для искусственного интеллекта. Этот процесс включает в себя сбор, очистку и организацию данных, а также создание инструментов и инфраструктуры для доступа к ним. NVIDIA считает, что открытые данные необходимы для развития и демократизации ИИ.

Компания работает над несколькими проектами в области открытых данных. Один из них - создание наборов данных для обучения моделей генеративного ИИ. Другой – разработка инструментов для обнаружения и исправления предвзятости в данных. NVIDIA также сотрудничает с другими организациями для создания и обмена открытыми данными.

NVIDIA предлагает различные инструменты и ресурсы для работы с открытыми данными, включая платформу NVIDIA NeMo, которая предоставляет инструменты для создания, обучения и развертывания больших языковых моделей. Компания также предоставляет доступ к своим серверам GPU для обучения моделей ИИ на больших наборах данных.

Компания стремится сделать открытые данные более доступными и удобными для использования. Для этого NVIDIA разрабатывает инструменты для автоматической очистки и подготовки данных. Также компания создает инфраструктуру для хранения и распространения больших наборов данных.

NVIDIA верит, что открытые данные сыграют важную роль в будущем ИИ и будет продолжать инвестировать в эту область.

Gemini embedding 2: новая мультимодальная модель от google ai

Google AI представила Gemini Embedding 2 — мультимодальную модель встраивания, которая позволяет использовать текст, изображения, видео, аудио и документы в пространстве встраивания. Эта новая модель доступна через API Gemini и Vertex AI. Gemini Embedding 2 превосходит предыдущие модели встраивания по ряду задач, включая поиск по сходству и кластеризацию.

Мультимодальность

Gemini Embedding 2 может обрабатывать различные типы данных, такие как текст, изображения, видео, аудио и документы. Это позволяет создавать более гибкие и мощные приложения.

Производительность

Gemini Embedding 2 превосходит предыдущие модели встраивания в задачах поиска по сходству и кластеризации. Улучшения производительности особенно заметны при работе с мультимодальными запросами, когда запросы включают в себя несколько типов данных.

Модель Gemini Embedding 2 доступна через API Gemini и Vertex AI.

fish audio s2: новая модель tts с точным контролем эмоций

Fish Audio выпустила Fish Audio S2, новое поколение выразительных систем преобразования текста в речь (TTS) с абсурдно контролируемыми эмоциями. S2 – это модель TTS следующего поколения, построенная на основе архитектуры собственной разработки Fish Audio. Она обучена на обширном наборе данных речи и способна генерировать реалистичную и эмоционально насыщенную речь.

новые возможности

S2 предлагает новые возможности, включая улучшенную эмоциональную выразительность, более естественное произношение и расширенные возможности настройки. Пользователи могут точно контролировать эмоции, генерируемые моделью, что позволяет создавать речь, которая идеально подходит для конкретного контекста. Модель предлагает детальный контроль над эмоциями, что позволяет точно настроить тон и выразительность.

S2 доступна в нескольких вариантах, включая облачное API и локальную версию. Облачное API позволяет разработчикам легко интегрировать S2 в свои приложения, в то время как локальная версия обеспечивает больший контроль и конфиденциальность.

Новый подход к планированию сложных визуальных задач

Представлен новый метод планирования сложных визуальных задач. Существующие методы часто сталкиваются с проблемами при решении задач, требующих нескольких шагов и взаимодействия с различными объектами в сцене. Новый подход, основанный на языковой модели, позволяет более эффективно планировать последовательность действий для достижения желаемого результата.

Новый подход к планированию

В основе метода лежит использование большой языковой модели для генерации планов действий. Модель получает на вход описание задачи и информацию о сцене, а на выходе формирует последовательность шагов, необходимых для выполнения этой задачи. В отличие от предыдущих методов, которые полагались на жестко заданные правила или ручное проектирование планов, этот подход позволяет автоматически генерировать планы, адаптированные к конкретной ситуации.

Экспериментальные результаты

Авторы провели эксперименты на различных наборах данных и показали, что их метод превосходит существующие подходы в задачах, требующих сложных визуальных рассуждений и планирования. В частности, метод показал хорошие результаты в задачах манипулирования объектами, навигации в пространстве и решении логических задач, связанных с визуальными сценами. Подробности эксперимента. Дополнительные материалы и код доступны на Hugging Face.

Агентный искусственный интеллект в финансах: ускорение автоматизации

Использование агентного искусственного интеллекта в финансах ускоряет автоматизацию рабочих процессов. Агентный искусственный интеллект, который сочетает в себе большие языковые модели и инструменты, становится все более популярным в финансовой отрасли. Он позволяет автоматизировать сложные задачи, такие как обработка кредитных заявок и выявление мошеннических действий.

В последнее время наблюдается растущий интерес к использованию больших языковых моделей в качестве основы для создания "агентов". Эти агенты способны выполнять определенные задачи, используя различные инструменты. Например, агент может использовать калькулятор для выполнения математических расчетов или API для получения данных из внешних источников.

Одной из ключевых проблем при разработке агентного искусственного интеллекта является обеспечение его надежности и безопасности. Ошибки в работе агента могут привести к финансовым потерям или другим негативным последствиям. Поэтому важно тщательно тестировать и контролировать работу агентов, прежде чем внедрять их в производственную среду.

Недавнее исследование показало, что агентный искусственный интеллект может значительно повысить эффективность финансовых операций. Например, автоматизация обработки кредитных заявок позволяет сократить время обработки и снизить затраты. Кроме того, агентный искусственный интеллект может использоваться для выявления мошеннических действий, что помогает защитить финансовые институты и их клиентов.

Manulife внедряет агентов на основе искусственного интеллекта

Manulife внедряет агентов на основе искусственного интеллекта в основные финансовые процессы. Компания Manulife работает над интеграцией искусственного интеллекта в ключевые области своей деятельности, чтобы повысить эффективность и улучшить обслуживание клиентов.

Агенты искусственного интеллекта используются для автоматизации задач, таких как обработка претензий и ответы на запросы клиентов. Это позволяет сотрудникам Manulife сосредоточиться на более сложных задачах, требующих человеческого вмешательства.

Внедрение искусственного интеллекта происходит поэтапно, начиная с областей, где его влияние будет наиболее ощутимым. Manulife ожидает, что использование искусственного интеллекта позволит сократить время обработки запросов и повысить точность предоставляемой информации.

Компания заявляет, что внедрение искусственного интеллекта не приведет к сокращению рабочих мест, а скорее изменит характер работы сотрудников. Manulife планирует обучать своих сотрудников работе с новыми технологиями, чтобы они могли эффективно использовать их в своей работе.

Manulife стремится стать лидером в области применения искусственного интеллекта в финансовой индустрии. Компания продолжит инвестировать в разработку и внедрение новых решений на основе искусственного интеллекта, чтобы улучшить свои продукты и услуги.

darwinium, tricentis и clarivate запускают новые ai решения

darwinium запускает Agent Intent Intelligence для агентской экономики.

tricentis представляет первую платформу Agentic Quality Engineering для предприятий.

clarivate расширяет доступ к информации о регулировании внутри Claude.

nvidia выпустила nemotron 3 super – открытую модель moe

NVIDIA выпустила Nemotron 3 Super – открытую модель MoE (Mixture of Experts) с гибридной архитектурой Mamba-Attention, содержащую 120 миллиардов параметров. Эта модель обеспечивает пятикратную производительность при работе с агентским ИИ.

Nemotron 3 Super создана на основе архитектуры, сочетающей Mamba и attention, и построена с использованием фреймворка vLLM. Модель доступна на платформе NVIDIA Hugging Face [huggingface.co].

Модель разработана для улучшения производительности в задачах, связанных с агентским ИИ, и обладает способностью обрабатывать запросы с высокой скоростью. Nemotron 3 Super – это открытая модель, что означает, что она доступна для использования и модификации сообществом разработчиков.

Code concepts dataset for improved coding models

Набор данных Code Concepts — это масштабный синтетический набор данных, созданный из начальных концепций программирования. Он состоит из более чем 13 миллионов пар концепция-код, охватывающих 32 языков программирования. Набор данных предназначен для улучшения обучения моделей кодирования и понимания программ.

создание набора данных

Набор данных Code Concepts был создан в три этапа. Сначала были определены "начальные концепции программирования", которые представляют собой небольшие, четко определенные концепции программирования, такие как "цикл for", "условный оператор" или "функция". Затем для каждой начальной концепции использовалась большая языковая модель для создания нескольких описаний концепции на естественном языке. Наконец, другая большая языковая модель использовалась для создания кода на разных языках программирования на основе этих описаний концепций.

характеристики набора данных

Набор данных Code Concepts содержит более 13 миллионов пар концепция-код, охватывающих 32 языка программирования. Языки включают Python, Java, C++, JavaScript и другие. Набор данных охватывает широкий спектр концепций программирования, от базовых концепций, таких как переменные и типы данных, до более сложных концепций, таких как структуры данных и алгоритмы. Набор данных доступен для исследователей. Code Concepts Dataset.

mit использует антропологию для улучшения чат-ботов

Новый курс в Массачусетском технологическом институте (MIT) использует антропологию для улучшения чат-ботов. Курс, под названием "Designing for People", обучает студентов применять антропологические методы для понимания того, как люди взаимодействуют с технологиями, и, в частности, с чат-ботами.

Студенты проводят время, наблюдая за тем, как люди используют чат-ботов в различных ситуациях, и анализируют эти наблюдения, чтобы выявить проблемные места и возможности для улучшения. Они изучают, как люди формулируют запросы, как они интерпретируют ответы чат-ботов и как они справляются с ошибками.

Курс подчеркивает важность учета культурных и социальных контекстов при разработке чат-ботов. Разработчики должны понимать, что люди из разных слоев общества могут по-разному взаимодействовать с технологиями, и что чат-боты должны быть разработаны таким образом, чтобы быть инклюзивными и доступными для всех.

В рамках курса студенты разрабатывают и тестируют свои собственные чат-боты, используя полученные знания об антропологических методах. Они также изучают существующие чат-боты и оценивают их с точки зрения удобства использования и культурной чувствительности.