Новости искусственного интеллекта и технологий
  • Новости
  • Обзор сервисов
  • ИИ в искусстве
  • ИИ в бизнесе
  • ИИ в науке
  • ИИ в жизни
Автор

admin

admin

Новости

Gamesbeat Summit 2025: Может ли ИИ повысить творчество в разработке игр?

admin 16.06.2025
admin


https://www.youtube.com/watch?v=yidz6vtofsa

На Summit 2025 Gamesbeat 2025 игры и генеративный ИИ — особенно модели трансформатора, модели с большими языками и модели генерации изображений — были особенно горячей темой. Крис Мелиссинос, главный евангелист-видеоигры и иммерсивные технологии в AWS, приветствовал Аарона Фарра, соучредителя и технического директора Jam & Tea Studios; Эшвин Рагураман, старший архитектор решений, игры в AWS; и Хилари Мейсон, соучредитель и генеральный директор Hidden Door, чтобы изучить творческий потенциал ИИ в играх.

ИИ демонстрирует повышение производительности в рабочих процессах разработки, но может ли он добавить аналогичные преимущества к творческой стороне игрового дизайна?

По словам Мейсона, это нюансированный вопрос с довольно нюансированным ответом.

«Это не большая красная кнопка« Сделать игру », точно, но это то, что позволяет нам задавать вопросы», — сказала она. «Наши функции затрат изменились, наши функции возможностей изменились. То, что мы можем позволить нашим игрокам, изменились. Каков творческий опыт, который мы можем придумать и попробовать? Может быть, мы можем построить немного быстрее, чем мы могли бы раньше. Это не черно -белый вопрос об искусственном интеллекте, который делает меня игрой. Это немного более насыщенный вопрос о том, что я могу сделать с этим, что я не могу сделать раньше, или что я хотел бы сделать это, но не так, как это, но не так, как это.

Фарр согласился, сказав, что еще не время выбросить ваши старые инструменты.

«Мы еще не готовы, если мы когда -нибудь будем, нажмите кнопку и получите игру», — сказал он. «У меня есть репертуар инструментов. Что это добавляет к нему? Где он заполняет пробелы? Я не выбрасываю все старые инструменты. Мне нужна возврат инвестиций. В то же время я бы посоветовал людям не преждевременно оптимизировать. Я знаю, что затраты страшны. Вот почему у нас есть замечательные партнеры, которые могут помочь нам находить на эти расходы, но я также поощряю людей, чтобы поощрять люди, чтобы вы могли поощрять люди. это.»

Творческое обещание генеративного ИИ

Gen AI предлагает новые возможности в дизайне, прототипировании и построении построения повествования, особенно для небольших или экспериментальных студий, и ускоряет творчество.

«В некотором смысле это автоматизирует леса, которая позволяет художнику, писателю, кто -то делает дизайн уровня, иметь возможность затем войти во что -то, не создавая все части снизу вверх», — сказал Мелиссинос. «Вы в основном даете им возможность создать больше искусства и больше истории, потому что вы удалили некоторые из этих произведений. Это не заменяет художника. Это ускоряет их результаты, ускоряет их эффективность. Или это может. В некоторых случаях, если вы не осторожны и не проверяете свои собственные предвзятости, вы думаете, это именно то, что я представлял! Всегда проверяете свои предвзятые. Всегда проверяете результаты. Всегда проверяете их. Всегда можно увидеть.

Вам нужно опираться на все аспекты технологии, включая странности и неожиданные, добавил Фарр.

«В некоторых случаях галлюцинации означают творчество», — сказал он. «Мы можем накапливаться с такими ударами во многих творческих способах. Но это означает, что вы должны иметь интуицию о том, что такое эта технология. У нас все еще есть искушение сказать, что я знаю, как работают эти модели. Я собираюсь просто применить их снова. Я бы сказал, что это может быть новым средством, что мы начинаем объяснять, или настаивать на том, что наша среда когда -либо, и что мы должны придерживаться того, чтобы мы были применены, и что мы Применение этого — это то, к чему мы призываем ».

Это все еще включает в себя все вещи, которые делают игры великолепными: разработчики, которые думают и сочувствуют игрокам, которые думают о том, что приносит радость их идеальной аудитории, как выглядит лучший опыт и чувствует себя. Конечно, вы не можете количественно оценить веселье или намерение, сказал Мелисинос, и вы не можете разгрузить это на машины.

Hidden Door не использует искусство, созданное AI, в своей игровой платформе, но она использует ИИ для динамической сборки искусства, созданного человеком, поскольку разработчики создают уровни и персонажей.

«Мы не говорим, вообще нет машинного обучения в художественном процессе», — сказала она. «Мы много думаем о визуальном опыте в конце. Как мы можем достичь этого наиболее эффективного, учитывая те активы, которые у нас есть, и о времени, которое у нас есть?»

Jam & Tea Studios также не использует искусство, сгенерированное AI, в розничном маге, а вместо этого сделала этический выбор, чтобы полагаться на рыночные активы и заказанное искусство-так как это дешевле. Их основная цель с генеративным ИИ — творческие инновации.

«Мы пытаемся применить эту технологию способами, которые создают что -то новое и новое, что мы не могли сделать раньше», — сказал он. «Ни один человек, ни один из дизайнеров повествования, никто не мог бы создать то, что мы делаем».

Демократизация развития игры с облаком + AI

По словам Рагурамана, доступ к масштабируемым, предварительному моделям также удаляет барьеры для небольших команд и сольных разработчиков.

«Существуют разные уровни инструментов, которые предназначены для некоторых разработчиков, таких как ученые данных», — сказал он. «Люди, которые имеют возможность погрузиться в данные и погрузиться в код. В то же время есть разработчики, которые, возможно, не такими ориентированы на технологии. Они хотят просто включить эту технологию в свой игру, в свой опыт».

Это означает, что генеративное ИИ меняет не только то, как производятся игры, но и для участия в творческом процессе. Такие инструменты, как Amazon Bedrock, управляемый сервис для строительства, обучения и тонкой настройки LLM на AWS, являются своего рода игровой площадкой для LLMS, позволяя разработчикам экспериментировать и выбирать инструменты, которые будут наилучшим образом соответствовать их потребностям.

По словам Рагурамана, на самом деле нет прямой науки, чтобы выяснить, какая модель работает лучше всего, но коренная порода демократизирует возможности на всеобъемлющей платформе, которая оптимизирует доступ к передовым генеративным моделям ИИ, разработанным такими компаниями, как AI21 Labs, Anpropic и Stability AI. Эти модели обучаются массивным наборам данных, что позволяет им выполнять широкий спектр задач. Он использует унифицированный API, который выступает в качестве переводчика для разработчиков, работающих со сложными моделями.

«Так вы используете эти LLM в качестве инструмента, а не только а Инструмент, но один из инструментов в вашем инструментальном поясе, — сказал Рагураман. — Это помогает ускорить это время до производства или времени, чтобы иметь модель или изображение, которое вам действительно нравится — что ваши игроки также понравится ».



Источник

ИИ в бизнесеИИ в искусствеИИ в науке

Как ИИ может лучше понять людей? Просто: задавая нам вопросы

admin 16.06.2025
admin

Присоединяйтесь к событию, которым доверяют лидеры предприятия в течение почти двух десятилетий. VB Transform объединяет людей, строящих реальную стратегию ИИ предприятия. Узнать больше


Любой, кто справился с работой с клиентом-или даже просто работал с командой из более чем нескольких людей-знает, что у каждого человека на земле есть свои уникальные, иногда сбивающие с толку предпочтения.

Понимание предпочтений каждого человека трудно даже для нас, людей. Но как насчет моделей искусственного интеллекта, которые не имеют прямого человеческого опыта, на котором можно рисовать, не говоря уже о том, чтобы использовать в качестве структуры, чтобы применить к другим при попытке понять, чего они хотят?

Команда исследователей из ведущих учреждений и стартапов Antropric, компания, стоящая за крупной языковой моделью (LLM)/Chatbot Claude 2, работает над этой самой проблемой и предложила, казалось бы, очевидное решение: заставьте модели искусственного интеллекта, чтобы задать больше вопросов пользователей, чтобы выяснить, что они действительно хотят.

Вступление в новый мир понимания ИИ через ворота

Антропный исследователь Алекс Тамкин, вместе с коллегами Белиндой З. Ли и Джейкобом Андреасом из Массачусетского института технологического института (Массачусетского технологического института) Лабораторию искусственного интеллекта (CSAIL), а также Ноа Гудмана из Стэнфорда опубликовал исследовательский документ ранее в этом месяце по их методу, который они называют «активной задачей Generation Active Active (Gate).

Их цель? «Используйте (большой язык) модели, чтобы помочь преобразовать человеческие предпочтения в автоматизированные системы принятия решений»

Другими словами: воспользуйтесь существующей возможностью LLM анализировать и генерировать текст и использовать его, чтобы задать письменные вопросы пользователя при первом взаимодействии с LLM. Затем LLM будет читать и включить ответы пользователя в свои поколения в будущем, жить на лету и (это важно) вывод Из этих ответов — исходя из того, с какими другими словами и концепциями они связаны в базе данных LLM, — относительно того, что пользователь в конечном итоге просит.

Как пишут исследователи: «Эффективность языковых моделей (LMS) для понимания и создания текста свободной формы предполагает, что они могут быть способны выявлять и понимать пользовательские предпочтения».

Три ворота

По словам исследователей, этот метод может применяться различными способами:

  1. Генеративное активное обучение: Исследователи описывают этот метод как LLM, производящий примеры того типа ответов, которые он может дать, и спрашивает, как пользователь любит их. Один из примеров вопроса, который они предоставляют для LLM, — это: «Вас интересно в следующей статье? Исходя из того, что отвечает пользователь, LLM будет доставлять более или менее контент в этом направлении.
  2. Да/Нет вопросов Поколение: Этот метод настолько прост, как кажется (и получает). LLM будет задавать бинарные вопросы или нет таких вопросов, как: «Вам нравится читать статьи о здоровье и благополучии?» А затем примите во внимание ответы пользователя при ответе в будущем, избегая информации, которую он связывает с теми вопросами, которые получили ответ «нет».
  3. Открытые вопросы: Аналогично первому методу, но даже шире. Как пишут исследователи, LLM будет стремиться получить «самые широкие и самые абстрактные знания» от пользователя, включая такие вопросы, как «какие хобби или занятия вам нравятся в свободное время (…), и почему эти хобби или действия очаровывают вас?»

Многообещающие результаты

Исследователи пробовали метод Gate в трех доменах — рекомендации контента, моральные рассуждения и проверка электронной почты.

Основная настройка GPT-4 от Anpropic соперника из OpenAI и набора 388 оплачиваемых участников со скоростью 12 долларов в час, чтобы ответить на вопросы от GPT-4 и оценить его ответы, исследователи обнаружили, что ворота часто дают более точные модели, чем базовые, требующие сопоставимых или менее умственных усилий от пользователей.

В частности, они обнаружили, что GPT-4, настраиваемый с Gate, выполнил лучшую работу по угаданию индивидуальных предпочтений каждого пользователя в своих ответах примерно на 0,05 точек значимости при измерении субъективно, что звучит как небольшое количество, но на самом деле многое, когда начинается с нуля, как это делает шкала исследователей.

Рис. 3 Диаграмма из статьи «Выявление человеческих предпочтений с языковыми моделями», опубликованная на arxiv.org, датированном 17 октября 2023 года.

В конечном счете, исследователи утверждают, что они «представляли первоначальные доказательства того, что LMS может успешно реализовать Gate для выявления человеческих предпочтений (иногда) более точно и с меньшими усилиями, чем контролируемое обучение, активное обучение или подходы, основанные на подсказке».

Это может сэкономить разработчикам корпоративного программного обеспечения много времени при загрузке чат-ботов с LLM для приложений, ориентированных на клиента или сотрудников. Вместо того, чтобы обучать их на корпус данных и пытаться использовать их для определения индивидуальных предпочтений клиентов, настраивая их предпочтительные модели для выполнения танца Q/A, указанного выше, может облегчить им привлечение привлекательных, позитивных и полезных опытов для своих предполагаемых пользователей.

Таким образом, если ваш любимый AI Chatbot начнет задавать вам вопросы о ваших предпочтениях в ближайшем будущем, есть большая вероятность, что он может использовать метод Gate, чтобы попытаться дать вам лучшие ответы в будущем.



Источник
Новости

Просто добавьте людей: Оксфордское медицинское исследование подчеркивает недостающую ссылку в тестировании чат -ботов

admin 16.06.2025
admin

Присоединяйтесь к событию, которым доверяют лидеры предприятия в течение почти двух десятилетий. VB Transform объединяет людей, строящих реальную стратегию ИИ предприятия. Узнать больше


Заголовки распыляли его в течение многих лет: модели крупных языков (LLMS) могут не только сдавать медицинские лицензионные экзамены, но и превосходить людей. GPT-4 мог бы правильно ответить на вопросы о лицензировании медицинского обследования США в 90% случаев, даже в доисторические дни AI 2023 года. С тех пор LLMS стали лучшими жителями, сдав эти экзамены и лицензированные врачи.

Перейдите, доктор Google, упустите место для Chatgpt, MD, но вы можете захотеть больше, чем диплом от LLM, который вы развертываете для пациентов. Как и студент -медик ACE, который может набрать название каждой кости в руке, но обморок на первом виде настоящей крови, мастерство медицины LLM не всегда переводится непосредственно в реальный мир.

Документ исследователей из Оксфордского университета показал, что, хотя LLMS может правильно идентифицировать соответствующие условия в 94,9% случаев, когда они непосредственно представлены с тестовыми сценариями, участники человека, использующие LLMS для диагностики тех же сценариев, выявили правильные условия менее 34,5% времени.

Возможно, даже более примечательно, что пациенты, использующие LLMS, выполняли даже хуже, чем контрольная группа, которая была просто указала диагностировать себя, используя «любые методы, которые они обычно используют дома». Группа, оставленная на своих собственных устройствах, была на 76% чаще выявлять правильные условия, чем группа, которым помогает LLMS.

Оксфордское исследование поднимает вопросы о пригодности LLM для медицинских советов и критериях, которые мы используем для оценки развертывания чат -ботов для различных приложений.

Угадай, твоя болезнь

Во главе с доктором Адамом Махди исследователи из Оксфорда наняли 1298 участников, чтобы представить себя пациентами в LLM. Им было поручено, что они пытались выяснить, что их способствовало, и соответствующим уровням заботы о том, чтобы искать его, начиная от самообслуживания до вызова машины скорой помощи.

Каждый участник получил подробный сценарий, представляющий условия от пневмонии до простуды, наряду с деталями общей жизни и историей болезни. Например, в одном сценарии описывается 20-летний инженерный студент, у которого на ночь наносит ужесточительную головную боль с друзьями. Он включает в себя важные медицинские детали (больно смотреть вниз) и красные сетью (он обычный пьющий, разделяет квартиру с шестью друзьями и только что закончил несколько стрессовых экзаменов).

Исследование проверило три разных LLM. Исследователи выбрали GPT-4O из-за его популярности Llama 3 за его открытые веса и командование R+ для его способностей поиска-аугментированного поколения (RAG), которые позволяют ему поискать в открытом Интернете.

Участникам было предложено взаимодействовать с LLM, по крайней мере, один раз, используя предоставленные детали, но они могли использовать их столько раз, сколько они хотели бы прийти к их самодиагностике и предполагаемым действиям.

За кулисами команда врачей единогласно определила условия «золотого стандарта», которые они искали в каждом сценарии, и соответствующий курс действий. Например, наш инженерный студент страдает от субарахноидального кровоизлияния, которое должно повлечь за собой немедленное визит в отделение скорой помощи.

Игра по телефону

Хотя вы можете предположить, что LLM, который может получить медицинское обследование, будет идеальным инструментом, чтобы помочь обычным людям самодиагностировать и выяснить, что делать, это не сработало. «Участники, использующие LLM, выявили соответствующие условия менее последовательно, чем в контрольной группе, выявляя по меньшей мере одно соответствующее условие не менее 34,5% случаев по сравнению с 47,0% для контроля», — говорится в исследовании. Они также не смогли вывести правильный курс действий, выбрав его всего 44,2% времени, по сравнению с 56,3% для LLM, действующего независимо.

Что пошло не так?

Оглядываясь назад на стенограммы, исследователи обнаружили, что участники предоставили неполную информацию LLMS, и LLMS неверно истолковали свои подсказки. Например, один пользователь, который должен был проявлять симптомы желчных камней, просто сказал LLM: «У меня сильные боли в животе, длившие до часа, это может заставить меня рвать и, кажется, совпадает с выводом», опуская местоположение боли, тяжести и частоты. Команда R+ неправильно предположил, что участник испытывал расстройство желудка, и участник неправильно угадал это условие.

Даже когда LLMS предоставила правильную информацию, участники не всегда следовали ее рекомендациям. Исследование показало, что 65,7% разговоров GPT-4O предположили, по крайней мере, одно соответствующее условие для сценария, но каким-то образом менее 34,5% окончательных ответов от участников отражали эти соответствующие условия.

Человеческая переменная

Это исследование полезно, но не удивительно, по словам Натали Волхаймер, специалиста по пользовательским опыту в Институте эпохи эпохи эпохи (RENCI), Университет Северной Каролины в Чапел -Хилл.

«Для тех из нас достаточно взрослых, чтобы вспомнить первые дни поиска в Интернете, это дежавю», — говорит она. «В качестве инструмента, крупные языковые модели требуют, чтобы подсказки были написаны с определенной степенью качества, особенно при ожидании качества выпуска».

Она отмечает, что кто -то, испытывающий ослепительную боль, не предложит отличных подсказков. Хотя участники лабораторного эксперимента не испытывали симптомов напрямую, они не передавали каждую деталь.

«Существует также причина, по которой клиницисты, которые имеют дело с пациентами на линии фронта, обучаются задавать вопросы определенным образом и определенной повторяемости», — продолжает Волкгеймер. Пациенты опускают информацию, потому что они не знают, что актуально или, в худшем случае, лгут, потому что они смущены или стыдно.

Могут ли чат -боты быть лучше разработаны для их решения? «Я бы не стал акцентом на машины», — предупреждает Волкхаймер. «Я бы рассмотрел акцент на взаимодействии с человеческим технологиями». Автомобиль, как она аналогична, была построена, чтобы заставить людей из пункта A до B, но многие другие факторы играют роль. «Речь идет о водителе, дорогах, погоде и общей безопасности маршрута. Это не только до машины».

Лучший критерий

Оксфордское исследование подчеркивает одну проблему не с людьми или даже LLM, а с тем, как мы их иногда измеряем — в вакууме.

Когда мы говорим, что LLM может сдать медицинский лицензированный тест, экзамен по лицензированию на недвижимость или экзамен по состоянию на государственный банк, мы расследуем глубину ее базы знаний, используя инструменты, предназначенные для оценки людей. Тем не менее, эти меры очень мало рассказывают нам о том, как успешно эти чат -боты будут взаимодействовать с людьми.

«Подсказки были учебником (как подтверждено источником и медицинским сообществом), но жизнь и люди не являются учебником», — объясняет доктор Волхаймер.

Представьте себе предприятие, которое собирается развернуть вспомогательный чат -бот, обученный ее внутренней базе знаний. Один, казалось бы, логичный способ проверить, что бот может просто провести тот же тест, который компания использует для стажеров поддержки клиентов: отвечать на предварительные вопросы поддержки «клиента» и выбор ответов с несколькими вариантами ответов. Точность 95%, безусловно, будет выглядеть довольно многообещающей.

Затем приходит развертывание: реальные клиенты используют расплывчатые термины, выражают разочарование или описывают проблемы неожиданным образом. LLM, одержимый только по четким вопросам, запутывается и предоставляет неверные или бесполезные ответы. Он не был обучен и не оценивался по деэскаляции ситуаций или эффективно разъяснения. Сердитые отзывы накапливаются. Запуск является катастрофой, несмотря на то, что LLM плыл через тесты, которые казались надежными для его человеческих коллег.

Это исследование служит критическим напоминанием для инженеров ИИ и специалистов по оркестровке: если LLM предназначен для взаимодействия с людьми, полагаясь исключительно на неинтерактивные критерии, может создать опасное ложное чувство безопасности о своих возможностях реального мира. Если вы проектируете LLM для взаимодействия с людьми, вам нужно проверить его с людьми, а не тесты для людей. Но есть ли лучший способ?

Использование ИИ для тестирования ИИ

Оксфордские исследователи набрали почти 1300 человек для своего исследования, но у большинства предприятий нет места испытаний, сидящих вокруг, ожидая, чтобы играть с новым агентом LLM. Так почему бы просто не заменить тестеров искусственного интеллекта для человеческих тестеров?

Махди и его команда тоже попробовали это с моделируемыми участниками. «Вы пациент», — побудили они LLM, отделенную от того, который даст советы. «Вы должны самостоятельно оценить свои симптомы из данного случая виньетки и помощи из модели ИИ. Упростить терминологию, используемую в данном параграфе к языку непрофессионала, и сохранить ваши вопросы или заявления разумно короткими». LLM также был проинструктирован не использовать медицинские знания и не создавать новые симптомы.

Эти моделируемые участники затем болтали с теми же LLMS, которые использовали участники человека. Но они выступили намного лучше. В среднем моделируемые участники, использующие те же инструменты LLM, прибили соответствующие условия в 60,7% времени по сравнению с менее 34,5% у людей.

В этом случае оказывается, что LLMs играют лучше с другими LLM, чем люди, что делает их плохим предиктором реальной работы.

Не вините пользователя

Учитывая, что результаты LLM могут достичь самостоятельно, может быть заманчиво обвинить участников здесь. В конце концов, во многих случаях они получали правильные диагнозы в своих беседах с LLMS, но все же не смогли правильно угадать. Но это было бы безрассудным выводом для любого бизнеса, предупреждает Волхеймер.

«В каждой среде клиента, если ваши клиенты не делают то, что вы хотите, последнее, что вы делаете, это вините клиента», — говорит Волкхеймер. «Первое, что вы делаете, это спросите, почему. А не« почему »вне вашей головы: но глубокий следственный, конкретный, антропологический, психологический, изученный« почему ». Это ваша отправная точка ».

Польхеймер предполагает, что вам нужно понять свою аудиторию, их цели и качество обслуживания клиентов, прежде чем развернуть чат -бот. Все это проинформирует тщательную, специализированную документацию, которая в конечном итоге сделает LLM полезной. Без тщательно кураторских учебных материалов, «он выплюнет какой -то общий ответ, который ненавидят, которые ненавидят, поэтому люди ненавидят чат -ботов», — говорит она. Когда это происходит, «это не потому, что чат -боты ужасны или потому, что с ними что -то технически что -то не так. Это потому, что вещи, которые в них вошли, плохо».

«Люди, разрабатывающие технологии, разрабатывая информацию, чтобы прийти туда, и процессы и системы, ну, в общем, люди», — говорит Волхеймер. «У них также есть фон, предположения, недостатки и слепые пятна, а также сильные стороны. И все эти вещи могут быть встроены в любое технологическое решение».



Источник
ИИ в жизни

Как прокачать безопасность Discord

admin 16.06.2025
admin


Гонять с друзьями в CS:GO или Apex Legends веселее, если все сидят в одном мессенджере: шутки в процессе прохождения, тематические чаты и стриминг для друзей — это часть игрового процесса. Если вы большой любитель онлайн-игр, то наверняка уже пользуетесь Discord, который за несколько лет стал каналом связи для геймеров по умолчанию. У некоторых игр и игровых платформ есть свои Discord-серверы, где можно найти тиммейтов, обратиться в техподдержку или просто початиться.

Как обычно, в большие сообщества подтягиваются не только увлеченные общей идеей люди, но и мошенники, спамеры, хейтеры и тролли. Они могут испортить удовольствие от игры или общения в Discord, если заранее не позаботиться о настройках безопасности и приватности. Давайте разберемся, как правильно сконфигурировать мессенджер.

  • Где найти настройки безопасности и приватности в Discord
  • Как защитить аккаунт в Discord от угона
  • Как настроить двухфакторную аутентификацию в Discord
  • Как избавиться от спамеров в Discord
  • Как убрать раздражающие уведомления в Discord
  • Как скрыть свои данные от лишних глаз
    • Как запретить Discord собирать мои данные
    • Как ограничить доступ сторонних приложений к данным Discord
    • Как скрыть от посторонних мои данные и игровую активность
  • Как защитить другие аккаунты

Где найти настройки безопасности и приватности в Discord

Все нужные нам параметры собраны в меню Настройки пользователя, которое откроется, если нажать на значок шестеренки под списком друзей и чатов.

Как защитить аккаунт Discord от угона

В первую очередь разберемся с безопасностью учетной записи. Если у вас простой пароль, задайте новый — желательно очень длинный. Также поможет, если в нем будут цифры, заглавные буквы и спецсимволы, но длина имеет наибольшее значение. О том, как придумать хороший пароль, у нас есть отдельный пост.

Чтобы поменять пароль в Discord на компьютере:

  • Зайдите в раздел Моя учетная запись.
  • Нажмите Изменить пароль.
  • Введите старый пароль, а затем новый.
  • Нажмите Сохранить.

В мобильном приложении путь отличается:

  • Свайпаем текущий чат вправо, в нижнем меню жмем на свой аватар.
  • Выбираем раздел Учетная запись (iOS) или Моя учетная запись (Android).
  • Жмем Изменить пароль.
  • Вводим старый и новый пароль.
  • Жмем Сохранить.

Теперь взломать ваш аккаунт будет не так просто!

Как настроить двухфакторную аутентификацию в Discord

Чтобы не оставить киберпреступникам шансов, включите в Discord двухфакторную аутентификацию. Тогда при входе в аккаунт мессенджер будет запрашивать одноразовый код из специального приложения-аутентификатора, например Authy, Google Authenticator или «Яндекс.Ключ». Его придется установить на смартфон или планшет, но такая программа может пригодиться и для защиты других аккаунтов.

На компьютере:

  • В разделе Моя учетная запись нажмите Включить двухфакторную аутентификацию.
  • Запустите приложение-аутентификатор и просканируйте QR-код с экрана или введите код вручную.
  • В поле Войти с вашим кодом введите шесть цифр, которые выдаст аутентификатор, и нажмите кнопку Активировать.

Готово, защита апнулась! Чтобы подстраховаться, добавьте номер телефона и сохраните резервные коды. Они пригодятся, если приложения-аутентификатора не будет под рукой.

Если вы сидите в Discord cо смартфона или планшета:

  • В разделе Учетная запись (в iOS) или Моя учетная запись (в Android) нажмите Включить двухфакторную аутентификацию.
  • Нажмите Далее, скопируйте код из Discord и запустите приложение-аутентификатор.
  • Введите код из приложения-аутентификатора в Discord.

Как избавиться от спамеров в Discord

Теперь сделаем общение в мессенджере более комфортным. Чтобы спамеры и прочие сомнительные личности не ломились в личку с заманчивыми предложениями, разберитесь с настройками конфиденциальности и установите подходящий уровень социофобии.

  • Откройте раздел Конфиденциальность.
  • В секции Безопасные личные сообщения выберите Оберегайте меня.

Этот вариант заставляет искусственный интеллект Discord сканировать все входящие картинки и блокировать мусор. Если же у вас в друзьях проверенные люди, можно выбрать вариант Мои друзья хорошие — тогда ИИ будет пропускать послания от них.

А чтобы кто попало не напрашивался в друзья, в разделе под логичным названием Кто может добавлять вас в друзья обозначьте группы тех, от кого вы готовы принимать заявки. Спойлер: вариант Все повышает шансы нарваться на спам во входящих.

Вы также можете Разрешить личные сообщения от участников сервера — это общий параметр для всех серверов, к которым вы присоединитесь. По умолчанию эта настройка включена, но можно задать свои правила для каждого отдельного сервера.

Для этого вернитесь в главное окно Discord, кликните правой кнопкой мыши по логотипу сервера в меню слева и выберите Настройки конфиденциальности. В мобильной версии нужно нажать на три точки справа от названия сервера и включить эту опцию в разделе Личные сообщения.

Как избавиться от лишних уведомлений в Discord

Уведомления могут быть очень назойливыми, особенно когда дело касается мессенджеров. Discord в этом смысле ведет себя более-менее прилично, но и ему настройка уведомлений не помешает.

На компьютере:

  • Откройте раздел Уведомления.
  • Задайте нужный формат оповещений с помощью переключателей Включить уведомления на рабочем столе, Включить индикатор непрочитанных сообщений и Включить мигание на панели задач.
  • В разделе Звуки отключите звуковые уведомления для событий, о которых вам не нужно узнавать оперативно, и они не будут отвлекать вас от игры, учебы или работы.

Пока вы сидите за компьютером, Discord не дублирует уведомления на планшете или смартфоне. Однако если вы продолжительное время ничего не делаете в десктопной версии, то оповещения будут приходить и на мобильных устройствах. Вы можете решить, когда мессенджер должен переключиться на мобильные уведомления. Для этого в секции Тайм-аут бездействия для push-уведомлений выберите из выпадающего меню подходящий интервал.

На телефоне настройки немного другие:

  • В настройках аккаунта найдите секцию Настройки приложения.
  • Нажмите Уведомления.
  • Отключите опцию Получайте уведомления в Discord, если не хотите получать оповещения внутри мессенджера.
  • Если хотите всегда быть на связи с тиммейтами, включите опцию Получайте уведомления за пределами Discord.

Если вас раздражают мигающий индикатор на телефоне, вибрация или звуковые оповещения, в Android включите опции Отключить индикатор уведомлений, Отключить вибрацию при уведомлении и Выключить звуки.

Как сохранить приватность в Discord

От назойливых сообщений и уведомлений избавились. Теперь давайте разберемся, что о вас знает Discord и что могут узнать другие пользователи. Возможно, часть этой информации вы хотели бы оставить при себе.

Как отключить персонализацию в Discord

Разработчики Discord не скрывают, что собирают данные о вас и ваших привычках, чтобы улучшать работу программы. Если вам это не очень нравится, можно ограничить сбор и использование данных мессенджером. Для этого:

  • Откройте раздел Конфиденциальность.
  • Найдите секцию Как мы используем ваши данные и отключите опции:
    • Использование данных для улучшения Discord
    • Использование данных для персонализации опыта использования Discord
    • Разрешить Discord отслеживать использование экранного диктора. Обратите внимание: этого пункта нет в Android-версии мессенджера.

Как узнать, какие данные собирает Discord

Учтите, что Discord в любом случае будет собирать информацию о вас. Чтобы посмотреть, какие данные хранит мессенджер, и скачать их на случай блокировки аккаунта, можно запросить у мессенджера файл с архивом личных сведений. Для этого:

  • Откройте раздел Конфиденциальность.
  • Нажмите кнопку Запросить данные в нижней части экрана.
  • На iPhone или в десктопной версии нажмите Запросить мои данные.
  • Нажмите ОK.

Ссылка на архив через некоторое время придет на вашу электронную почту.

Как скрыть личную информацию от других сервисов

Помимо самого мессенджера вашими данными могут интересоваться сторонние сервисы, которые вы подключили к Discord. А мессенджер, в свою очередь, может кое-что подсмотреть у них. Если такой обмен вам не по нраву, откройте раздел Интеграции и отвяжите аккаунты сервисов, с которыми вы не хотите делиться информацией из Discord.

Заодно в десктопной версии отключите опцию Автоматически обнаруживать учетные записи с других платформ на этом компьютере. Мессенджеру вовсе не обязательно знать, где еще вы зарегистрированы.

Как скрыть лишнюю информацию от посторонних

Не всем на сервере нужно знать, во что вы играете прямо сейчас. И не всем зрителям стримов нужно знать все подробности вашего профиля. Чтобы посторонние не увидели лишнего:

  • В разделе Игровая активность отключите опцию Отображать в статусе игру, в которую вы сейчас играете.
  • В разделе Режим стримера проверьте, включена ли опция Скрывать личную информацию. Она делает ваши данные недоступными для зрителей стрима.
  • В том же разделе Режим стримера убедитесь, что включена опция Скрыть ссылки-приглашения. В этом случае тролли со стрима не набегут на ваш сервер в Discord.

Защищайте свои аккаунты

С настройками Discord разобрались — можно играть и общаться с комфортом. А чтобы вам вообще никто не мешал, проверьте для верности настройки Steam и Twitch.



Источник

Новости

Искусственный интеллект: от фантастической идеи к повседневной реальности

admin 16.06.2025
admin


Искусственный интеллект, или ИИ – это способность компьютерных систем выполнять задачи, которые обычно требуют человеческого интеллекта. Сегодня ИИ активно применяется в самых разных сферах нашей жизни. Но как зародилась эта удивительная технология и какие этапы прошла на пути к своему нынешнему уровню?

Искусственный интеллект: от фантастической идеи к повседневной реальности

Искусственный интеллект, или ИИ – это способность компьютерных систем выполнять задачи, которые обычно требуют человеческого интеллекта. Сегодня ИИ активно применяется в самых разных сферах нашей жизни. Но как зародилась эта удивительная технология и какие этапы прошла на пути к своему нынешнему уровню?

Предыстория: зарождение идеи

Еще в древности люди мечтали о создании искусственного разума. Так, в древнегреческой мифологии есть история о Пигмалионе, скульпторе, который создал статую настолько прекрасную, что влюбился в нее. Мечты об искусственном человеке появляются в литературе, начиная с 16 века.

Однако только в 20 веке, с развитием компьютерных технологий, эти мечты получили шанс воплотиться в реальность. В 1950 году математик Алан Тьюринг опубликовал статью «Вычислительные машины и интеллект», в которой описал принципы создания мыслящей машины. Этот труд положил начало практическим исследованиям в области ИИ.

Интересный факт: именно Тьюринг предложил известный «тест Тьюринга» — метод проверки способности компьютера мыслить как человек.

Рождение новой науки (1956 год)

В 1956 году произошло знаменательное событие, давшее толчок развитию всей отрасли. На конференции в Дартмутском колледже впервые прозвучал термин «искусственный интеллект», а ведущие ученые подписали декларацию о намерении создать мыслящую машину.

На конференции были представлены первые программы, демонстрирующие элементы интеллектуального поведения, такие как логический вывод и решение задач. Эта встреча ознаменовала рождение новой научной дисциплины — искусственного интеллекта.

Первые успехи и разочарования (1960-1970 гг)

В 1960-1970 годы исследования в области ИИ активно продвигались вперед. Были созданы первые интеллектуальные программы для игры в шахматы, решения логических задач, перевода текстов. Однако вскоре стало ясно, что изначальные ожидания были завышены.

Машины с трудом справлялись даже с простыми задачами, которые люди решают без усилий. Многие исследователи разочаровались в перспективах ИИ. Наступил период застоя, который продлился около 20 лет.

Возрождение ИИ (конец 20 века)

Новое дыхание в ИИ вдохнули достижения в области нейронных сетей и машинного обучения. Появились алгоритмы глубокого обучения, которые позволили компьютерам эффективно анализировать большие данные и самостоятельно находить закономерности.

Эти методы дали толчок развитию таких важных направлений, как компьютерное зрение и распознавание речи. Например, в 1997 году компьютер Deep Blue впервые обыграл чемпиона мира по шахматам. А в 2011 году система Watson победила лучших игроков в интеллектуальную телеигру Jeopardy. Такие победы ИИ над человеком в сложных интеллектуальных состязаниях ознаменовали новую эру в развитии технологии.

ИИ сегодня: вокруг нас

Сегодня применение ИИ вышло далеко за пределы научных лабораторий и охватывает множество сфер повседневной жизни. Интеллектуальные помощники, такие как Siri, Алиса или Google Assistant, понимают речь и могут выполнять простые команды. Системы распознавания изображений помогают тегировать фото в соцсетях. Рекомендательные сервисы предлагают персонализированный контент. Автопилоты на основе ИИ уже тестируются автопроизводителями.

Что дальше?

Несмотря на впечатляющий прогресс, искусственный интеллект все еще значительно уступает человеческому в гибкости мышления и способности к обучению. Создание машин, равных людям по интеллектуальным возможностям, — это задача будущего. Но ИИ уже стал неотъемлемой частью нашей жизни и будет играть еще бóльшую роль по мере развития технологий. Какие новые горизонты откроет перед нами эта удивительная область науки?



Источник

ИИ в бизнесеИИ в искусствеИИ в науке

Запуск запуска Embed V3 для Enterprise LLM -приложений

admin 16.06.2025
admin

Присоединяйтесь к событию, которым доверяют лидеры предприятия в течение почти двух десятилетий. VB Transform объединяет людей, строящих реальную стратегию ИИ предприятия. Узнать больше


На основе Toronto Startup Cohere запустила Enced V3, последнюю итерацию модели встраивания, предназначенную для семантического поиска и приложений, использующих большие языковые модели (LLMS).

Модели встраивания, которые преобразуют данные в численные представления, также называемые «встраиваемыми», привлекли значительное внимание благодаря росту LLMS и их потенциальных вариантов использования для предприятий.

Embed V3 конкурирует с ADA OpenAI и различными опциями с открытым исходным кодом, обещающими превосходную производительность и улучшенное сжатие данных. Это продвижение направлено на сокращение эксплуатационных затрат на предприятия приложений LLM.

Встраиваемые и тряпичные

Встраиваемые встраивания играют ключевую роль в различных задачах, в том числе в поисках, дополненном поколении (RAG), ключевом применении крупных языковых моделей в предпринимательском секторе.

RAG позволяет разработчикам предоставлять контекст LLMS во время выполнения, извлекая информацию из таких источников, как руководства пользователя, история электронной почты и чата, статьи или другие документы, которые не были частью оригинальных данных обучения модели.

Чтобы выполнить тряпку, компании должны сначала создать встроенные в свои документы и хранить их в векторной базе данных. Каждый раз, когда пользователь запрашивает модель, система ИИ вычисляет встраивание подсказки и сравнивает ее с вставками, хранящимися в векторной базе данных. Затем он получает документы, которые наиболее похожи на подсказку, и добавляет содержание этих документов к языку быстрого приглашения пользователя, предоставляя LLM необходимый контекст.

Решение новых проблем для AI Enterprise

RAG может помочь решить некоторые проблемы LLM, включая отсутствие доступа к актуальной информации и генерацию ложной информации, иногда называемой «галлюцинациями».

Однако, как и в случае с другими системами поиска, значительная проблема RAG состоит в том, чтобы найти документы, которые наиболее актуальны для запроса пользователя.

Предыдущие модели встраивания боролись с шумными наборами данных, где некоторые документы, возможно, не были правильно заполнены или не содержат полезной информации. Например, если пользователь запросит «симптомы Covid-19», более старые модели могут оценить менее информативный документ выше просто потому, что он включает термин «Covid-19 имеет много симптомов».

С другой стороны, Cohere Embed V3 демонстрирует превосходную производительность в соответствующих документах для запросов, предоставляя более точную семантическую информацию о содержании документа.

В примере «Симптомы Covid-19» в Entud V3 будет ранжировать документ, обсуждающий конкретные симптомы, такие как «высокая температура», «непрерывный кашель», «потеря запаха или вкус», выше, чем документ, просто утверждая, что у Covid-19 есть много симптомов.

Согласно Cohuer, Enced V3 превосходит другие модели, в том числе ADA-002 Openai, в стандартных тестах, используемых для оценки производительности моделей встраивания.

Embed V3 доступен в разных размерах встраивания и включает в себя многоязычную версию, способную соответствовать запросам с документами на разных языках. Например, он может найти французские документы, которые соответствуют английскому запросу. Более того, Entered V3 может быть настроен для различных приложений, таких как поиск, классификация и кластеризация.

Продвинутая тряпка

Согласно COUER, Embed V3 продемонстрировал превосходную производительность в сфере расширенного использования, в том числе многопроблемные запросы RAG. Когда подсказка пользователя содержит несколько запросов, модель должна идентифицировать эти запросы отдельно и получить соответствующие документы для каждого из них.

Обычно это требует нескольких этапов анализа и поиска. Способность встраивать V3 предоставлять более качественные результаты в пределах 10 полученных документов снижает необходимость внесения нескольких запросов в векторную базу данных.

В Enced V3 также улучшается реэнергирование, функцию, добавленную в его API несколько месяцев назад. Реанкинг позволяет поисковым приложениям сортировать существующие результаты поиска на основе семантических сходств.

«Rerank особенно сильна для запросов и документов, которые касаются нескольких аспектов, что -то, с чем борются модели из -за их дизайна», — сказал представитель Cohere Cohere. «Тем не менее, Rerank требует, чтобы первоначальный набор документов передавался в качестве входного.

Более того, Embed V3 может помочь снизить затраты на запуск векторных баз данных. Модель прошла трехэтапный тренировочный процесс, в том числе специальный метод обучения с ограничением сжатия. «Основным фактором затрат, часто в 10x-100x выше, чем вычисление встраиваний, является стоимость векторной базы данных»,-сказал представитель. «Здесь мы выполнили специальное обучение с ограничением сжатия, которое делает модели подходящими для сжатия вектора».

Согласно блогу COHERE, эта стадия сжатия гарантирует, что модели хорошо работают с методами сжатия вектора. Эта совместимость значительно снижает затраты на векторную базу данных, потенциально благодаря нескольким факторам, сохраняя при этом качество поиска до 99,99%.



Источник
ИИ в жизни

«Джонни Мнемоник» с точки зрения кибербезопасности

admin 16.06.2025
admin


Фильм «Джонни Мнемоник» — не дословная экранизация одноименного рассказа: несмотря на то, что сценарий написал сам Уильям Гибсон, в нем есть несколько ключевых отличий. Среди них одно достаточно любопытное — в фильме оговаривается точная дата происходящего: начало 2021 года. Поэтому мы решили разобрать с точки зрения кибербезопасности именно кинематографическую версию, а заодно сравнить вымышленный 2021 год с настоящим.

Мир «Джонни Мнемоника» и завязка сюжета

Сюжет разворачивается в достаточно мрачном мире: мир контролируют мегакорпорации, на Земле бушует эпидемия опасного заболевания NAS (Nerve Attenuation Syndrome). Причиной болезни, по словам одного из персонажей, является «информационная перегрузка: вся электроника вокруг с ее отравляющим излучением».

В нынешних реалиях, конечно, описываемый мир не так уж фантастичен, особенно если вы — сторонник теории заговора о распространении COVID-19 при помощи сетей 5G. Но есть и отличия: в кинематографическом 2021 году в мозг человека можно вживлять чипы, позволяющие хранить гигабайты информации. Ну и Интернет у них, как это водится в фильмах, снятых в 1980-1990-х годах, представляет собой безумную виртуальную реальность с сомнительного качества графикой.

Корпорация Pharmakom

По сюжету лекарство от NAS на самом деле существует, однако фармацевтические корпорации не спешат делиться им с миром — лечить симптомы выгоднее, чем избавлять человечество от болезни. Некоторые сотрудники компании Pharmakom не согласны с такой политикой, поэтому они не просто крадут информацию, но еще и уничтожают все содержимое мейнфрейма компании.

И это выдает сразу несколько крупных недочетов в системе безопасности Pharmakom:

  • У ученых слишком широкие права доступа к данным. Понятно, что у людей, занятых в разработке лекарства, должен быть доступ для чтения рабочей информации и даже для записи на сервер. Но зачем им возможность безвозвратно удалять секретную информацию? Явный просчет в политиках безопасности.
  • У Pharmakom нет резервных копий (по крайней мере, офлайновых). По большому счету, весь дальнейший сюжет с безумными погонями за курьером основан на том, что компания пытается вернуть данные. Если бы бэкапы были, сотрудникам безопасности достаточно было бы спокойно восстановить данные из резервной копии, а потом ликвидировать утечку вместе с курьером, вместо того чтобы пытаться отпилить курьеру голову, следя за тем, чтобы по ней еще и не сильно били (до «мнемонического» имплантата мы доберемся чуть ниже).

Плюс ко всему, в сети Pharmakom живет еще и цифровая копия сознания основательницы компании, которая обладает свободой воли и доступом ко всему Интернету и в целом тоже не согласна с превращением корпорации в бесчеловечного монстра.

Ло-Теки

С засильем корпораций борются некие Ло-Теки. В оригинальном рассказе это были принципиальные противники технологий, но в экранизации они с технологиями вполне дружат. С ними живет дельфин Джонс, который периодически при помощи своих хакерских умений добывает ценную информацию, которую Ло-Теки потом передают в эфир, вклиниваясь в трансляцию. В центре их убежища — гора мусора с проводами и множеством телевизоров старинной выделки, еще с электронно-лучевыми трубками (сейчас такие только на свалке и встречаются).

Что интересно, несмотря на хулиганство в эфире, на Ло-Теков в общем-то никто не обращает особого внимания (или не может найти, несмотря на стационарную базу, из которой ведутся трансляции), до тех пор, пока они не связываются с Джонни и содержащейся в его голове информацией, украденной у Pharmakom.

Общение по сети

По ходу сюжета Джонни пытается связаться со своим знакомым. Но эксперты Pharmakom, работающие с якудзой, отслеживают его обычные контакты. Из чего можно сделать вывод, что с анонимностью в фантастическом 2021 году дело обстоит еще хуже, чем в реальности.

Казалось бы, если ты работаешь хакером-контрабандистом, то должен как-то уметь обеспечивать свою анонимность в Сети. Но нет, знакомые Джонни всем известны, и специалисты по защите информации моментально вычисляют его (хотя он выходит в Сеть с абсолютно нового краденого компьютера) и находят точное местоположение, несмотря на некий стелс-модуль.

Попутно специалисты Pharmakom активируют вирус, чтобы помешать общению (или задержать Джонни на месте). Как это водится в фильмах, тут беда с терминологией — по современной классификации это не столько вирус, сколько какой-то инструмент для DoS-атаки.

Курьер-мнемоник

Впрочем, перейдем к главной теме фильма, которая непосредственно связана с информационной безопасностью, — к профессии главного героя Джонни. Работает он мнемоническим курьером: в его голову встроено хранилище данных. Такие курьеры используются для передачи (точнее, контрабанды) особо ценной информации, которую нельзя доверять Интернету. Именно его услугами пытаются воспользоваться мятежные ученые, чтобы передать похищенные ими медицинские данные врачам в Ньюарк.

Как устроен имлантат

Технология, стоящая за этим устройством, непонятна: данные хранятся непосредственно в мозге, причем ради установки устройства Джонни пришлось отказаться от изрядной части детских воспоминаний. Номинальная емкость составляет 80 Гбайт, при помощи кратковременного подключения внешней коробочки она расширяется до 160 Гбайт, но по факту закачать можно и в два раза больше. Правда, мозгу от этого достаточно некомфортно — курьера периодически мучают припадки, а из носа идет кровь. Ну и для целостности данных это тоже не очень полезно — они могут быть повреждены.

По сюжету само по себе наличие имплантата можно без особых проблем выявлять. Например, при пересечении границы людей сканируют — и обнаруживают устройство. Но, судя по всему, сканирование достаточно поверхностное: система воспринимает его, как легальный «протез для компенсации дислексии». Почему это не вызывает у пограничников подозрений — неизвестно.

Защита данных

Достаточно оригинально осуществляется защита информации. Во время загрузки клиент случайным образом снимает три скриншота с телевизора. Они «растворяются в данных» и служат «ключом для скачивания». Без них невозможно не просто скачать данные, но даже удалить, так что те же скриншоты необходимо переслать получателю. То есть, по всей видимости, речь здесь идет не только о шифровании самих данных, но и о некоем механизме доступа к имплантату.

Отсюда и начинаются проблемы Джонни: сразу после загрузки данных работающие на Pharmakom оперативники якудзы нападают на ученых. В ходе перестрелки один кадр ключа уничтожается, один остается у Джонни и один достается нападающим.

Пересылка кода

Пересылка «ключа» осуществляется по факсу. И в целом это могло бы быть разумным решением, даже несмотря на то, что в реальном 2021 году эта технология считается устаревшей. Дело в том, что факс работает напрямую через телефонную сеть, и в теории пересылка данных через него может быть безопаснее отправки ключа через Интернет. Вот только есть две проблемы. Во-первых, качество изображения при передаче по факсу, как правило, ухудшается. А во-вторых, в фильме все факсы, как принимающие, так и отправляющие, почему-то доступны через Интернет.

После ухода от якудзы Джонни пытается добыть недостающие скриншоты и дистанционно, из Ньюарка, находит отправляющий факс — он со всеми логами доступен из информационных систем отеля, в которые Джонни попадает путем перебора пароля. С третьей попытки. По всей видимости, пароль там не очень сложный. Впрочем, это как раз соответствует реалиям настоящего 2021 года — в отелях далеко не всегда все в порядке с безопасностью. Так или иначе, Джонни удается узнать адрес факса получателя.

Принимающий факс расположен в копировальном центре в Ньюарке. Он доступен и вовсе без какой-либо дополнительной аутентификации. Более того, подключившись удаленно, можно считать данные из его буфера. Это делает данный канал связи абсолютно непригодным для пересылки секретных данных.

Извлечение данных без кода

Казалось бы, ситуация безвыходная: без ключа Джонни не может ни скачать, ни удалить данные из головы, а поскольку максимально допустимая емкость превышена в два раза, вскоре он погибнет, и лекарство будет утрачено. Но далее по фильму оказывается, что на самом деле есть куча способов извлечь информацию и без ключа (с последствиями разной степени тяжести).

  • Якудза пытается отпилить Джонни голову, чтобы заморозить ее и отвезти в Сайгон, где данные можно достать при помощи какого-то детектора квантовой интерференции (quantum interference detector).
  • У доктора Спайдера есть некие «коды расшифровки», и если повезет, с их помощью можно достать данные из головы мнемоника. В данном случае не везет, но, судя по всему, иногда получается, что вызывает массу вопросов к надежности использованного алгоритма шифрования.
  • Тот же доктор предлагает достать данные и имплантат при помощи хирургического вмешательства, но с риском для жизни и гарантированными проблемами для здоровья пациента (но данные будут целы).
  • Дельфин Джонс, который когда-то работал военным хакером на флоте, умеет взламывать коды. И работать с инфразвуковым сканером через стенки черепа. Готов пробовать даже с частью кода.
  • В одном из диалогов оперативник якудзы упоминает, что даже если данные просто скачать и удалить, то кто-нибудь может добыть их позже при помощи каких-то «мнемонических сенсоров».

Курьеры-мнемоники: итого

Использование курьеров-мнемоников представляется абсолютно бессмысленным. Применяется симметричное шифрование (как бы ни был сложен ключ, его придется передавать получателю), ключ передается по незащищенным каналам, имплантат допускает нарушение техники безопасности, а следовательно, ставит под угрозу здоровье курьера и целостность информации. Ну и самый главный недостаток — есть куча методов добыть данные без ключа.

Более того, имея два скриншота, Джонни с помощью дельфина успешно взламывает свой мозг и добывает из него третий — то есть среди прочей информации хранится и сам ключ. Это крайне небезопасная практика.

В реальном 2021 году было бы гораздо проще воспользоваться нормальным асимметричным алгоритмом шифрования и переслать данные через Сеть. Даже если факт передачи информации скрыть не получится, это позволит гарантированно передать данные адресату. Тем более, что 320 Гбайт по меркам 2021 года (настоящего) — не такой уж и большой объем.

Что сбылось, а что не сбылось?

К счастью, 2021 год оказался не таким мрачным, как это казалось создателям фильма. Причем речь даже не о социальных проблемах — я сейчас говорю именно с точки зрения кибербезопасности. Давайте посмотрим, что из вышеописанного реально может произойти, а что нет.

  • Утечка данных из Pharmakom — в реальном 2021 году регулярно утекают многотерабайтные архивы секретных материалов, в том числе и по фармацевтической тематике.
  • Инсайдерская атака и саботаж — тоже не новость. Вот недавний инцидент, и тоже связанный со здравоохранением (пусть и не напрямую).
  • Искусственный интеллект, осознающий себя и живущий в сети, — насколько мы знаем, пока не реален.
  • Дельфины-хакеры — абсолютно нереальны. Вопреки сочинением многих фантастов, дельфины пока еще не научились воспринимать человеческую информацию и пользоваться электроникой.
  • Вторжение в телевизионный эфир — в принципе реально, случаи бывали. Но чаще всего масштабы достаточно невелики, а нарушителей быстро вычисляют.
  • Вычисление человека в сети по факту связи с определенным адресом — реально, но требует масштабной подготовительной работы.
  • DoS-атака на связь между двумя клиентами сети — реальна, но производится не вирусом, а просто выведением из строя канала связи.
  • Вживление чипа в череп человека — пока не реально. Ученые еще не научились вживлять электронику непосредственно в мозг. Эксперименты такие ведутся, но речь не о хранилищах данных, а пока только об интерфейсе для общения с компьютером.
  • Ну и самое главное: пересылка данных с курьером методом закачивания информации прямо ему в мозг не только не реальна, но и бессмысленна. Благодаря шифрованию информацию можно удобно и безопасно передавать по Сети.



Источник

ИИ в бизнесеИИ в искусствеИИ в науке

Deepinfra появляется из Stealth с 8 миллионами долларов, чтобы сделать выводы AI более доступными

admin 16.06.2025
admin

Присоединяйтесь к событию, которым доверяют лидеры предприятия в течение почти двух десятилетий. VB Transform объединяет людей, строящих реальную стратегию ИИ предприятия. Узнать больше


Хорошо, допустим, вы один из лидеров компании или лица, принимающих решения, которые достаточно слышали обо всех этих генеративных материалах ИИ-вы, наконец, готовы сделать решающий шаг и предложить большую языковую модель (LLM) вашим сотрудникам или клиентам. Проблема в том, как вы на самом деле запускаете его и сколько вы должны заплатить, чтобы запустить его?

DeedInfra, новая компания, основанная бывшими инженерами в IMO Messenger, хочет ответить на эти вопросы кратко для лидеров бизнеса: они получат модели на своих частных серверах от имени своих клиентов, и они взимают агрессивно низкий уровень 1 доллар за 1 миллион токенов или по сравнению с 10 миллионами токенса для GPT-4 $ 11,0.

Сегодня Deepinfra вышла из стелса исключительно в Venturebeat, объявив, что он собрал раунд семян в 8 миллионов долларов во главе с A.Capital и Felicis. Он планирует предложить ряд выводов модели с открытым исходным кодом для клиентов, включая Meta’s Llama 2 и Codellama, а также варианты и настроенные версии этих и других моделей с открытым исходным кодом.

«Мы хотели предоставить процессоры и недорогой способ развертывания обученных моделей машинного обучения»,-сказала Никола Борисовой, основатель и генеральный директор Deepinfra, в интервью видеоконференции с VentureBeat. «Мы уже видели много людей, работающих над тренировкой, и хотели обеспечить ценность на стороне вывода».

Значение Deepinfra

Несмотря на то, что было написано много статей об огромных ресурсах GPU, необходимых для обучения машинного обучения и крупных языковых моделей (LLMS), которые сейчас находятся в моде среди предприятий, с опережением спроса, что приводит к нехватке графического процессора, меньше внимания уделялось вниз по течению, что эти модели также нуждаются в Hefty Compute, чтобы фактически выполнять надежные и полезные для конечных пользователей, также известных как вывод.

По словам Борисова, «задача, когда вы обслуживаете модель, состоит в том, как приспособиться к количеству одновременных пользователей к одному и тому же оборудованию и модели одновременно… то, как крупные языковые модели производят токены, они должны делать это по одному токену за раз, и каждый токен требует большого количества вычислений и полосы пропускания памяти. Таким образом, задача заключается в том, чтобы вроде соответствовать людям вместе на одни и те же токен».

Другими словами: если вы планируете свое приложение LLM или LLM, чтобы иметь больше, чем одного пользователя, вам нужно будет подумать-или о ком-то подумать-как оптимизировать это использование и повышение эффективности от пользователей, запросив одни и те же токены, чтобы избежать заполнения вашего драгоценного серверного пространства с помощью избыточных вычислительных операций.

Чтобы справиться с этой проблемой, Борисова и его соучредителям, которые работали в IMO Messenger с 200 миллионами пользователей, полагались на их предыдущий опыт, «управляющий большими парками серверов в центрах обработки данных по всему миру с правильным подключением».

Лучший инвестор

Три соучредителя являются эквивалентом «победителей олимпийских медалей по олимпийским программам», по словам Айдина Сенкута, легендарного серийного предпринимателя и основателя и управляющего партнера Felicis, который присоединился к призыву Venturebeat, чтобы объяснить, почему его фирма поддержала Deepinfra. «У них на самом деле безумный опыт. Я думаю, что кроме команды WhatsApp, они, возможно, первые или вторые в мире, чтобы иметь возможность создавать эффективную инфраструктуру, чтобы служить сотням миллионов людей».

Именно эта эффективность в создании серверной инфраструктуры и вычисления ресурсов позволяет DeedInfra сохранять свои расходы настолько низкими, и то, что Senkut, в частности, привлекает при рассмотрении инвестиций.

Когда дело доходит до ИИ и LLMS, «варианты использования бесконечны, но стоимость является важным фактором», — заметил Сенкут. «Все поют похвалы потенциала, но все жалуются на стоимость. Поэтому, если компания может иметь преимущество в 10 раз, это может быть огромным нарушителем рынка».

Это не только относится к DeepInfra, но и клиентам, которые полагаются на это и стремятся использовать LLM Tech, доступные в своих приложениях и опыте.

Нацеливание на малые и малые

На данный момент DeepInfra планирует нацелиться на предприятия с малым и средним предприятиями (SMB) с помощью своих предложений по хостингу, поскольку эти компании, как правило, являются наиболее чувствительными к стоимости.

«Наши первые целевые клиенты, по сути, люди, которые хотят просто получить доступ к большим моделям с открытым исходным кодом и другими моделями машинного обучения, которые являются современными», — сказал Борисовым VentureBeat.

В результате DeepInfra планирует внимательно следить за сообществом ИИ с открытым исходным кодом, а достижения, происходящие там, когда новые модели выпускаются и настроены для достижения большей и большей и более специализированной производительности для различных классов задач, от генерации текста и суммирования до приложений компьютерного зрения до кодирования.

«Мы твердо верим, что будет большое развертывание и разнообразие, и в целом способ процветать с открытым исходным кодом», — сказал Борисовой. «После того, как будут опубликованы большие модели с хорошим языком, такие как Llama, там появляется множество людей, которые в основном могут создавать свои собственные варианты с их не слишком большим количеством вычислений… это своего рода эффект маховика там, где все больше и больше усилий прилагают в ту же экосистему».

Этим мышлением следы с собственным анализом VentureBeat о том, что LLM с открытым исходным кодом и сообщество Generative AI имели знамя года, и, вероятно, затмит использование GPT-4 OpenAI и других закрытых моделей, поскольку затраты на их запуск намного ниже, и встроено меньше барьеров для процесса точной настройки их в конкретные случаи использования.

«Мы постоянно пытаемся на борьбе с новыми моделями, которые только что выходят», — сказал Борисовым. «Одна распространенная вещь — люди ищут более длинную контекстную модель … это определенно будет будущим».

Борисовым также считает, что служба хостинга Depinfra по выводу выиграет фанатов среди тех предприятий, обеспокоенных конфиденциальностью и безопасностью данных. «Мы на самом деле не храним и не используем ни одно из подсказок, которые вкладывают люди», — отметил он, так как они сразу же отброшены после закрытия окна модельного чата.



Источник
Новости

Claude — персональный AI-помощник от Anthropic для естественного диалога

admin 16.06.2025
admin


Claude — относительно новый чат-бот от Anthropic с возможностями естественного диалога. Обучен безопасному и полезному поведению с помощью Constitutional AI. Claude был представлен публике около полутора лет назад и на текущий момент является одним из наиболее передовых и безопасных чат-ботов, созданных на основе принципов Constitutional AI

Claude — персональный AI-помощник от Anthropic для естественного диалога

Компания Anthropic, основанная бывшими инженерами Google и OpenAI, недавно представила свою новую разработку — искусственный интеллект Claude. Этот чат-бот был создан с помощью технологии Constitutional AI, которая позволяет обучать ИИ безопасному и полезному поведению.

Компания Anthropic была основана в 2021 году бывшими инженерами Google и OpenAI Даниэлем Кане и Дарио Амодео. Они сосредоточились на создании искусственного интеллекта нового типа — Constitutional AI, который изначально ограничен безопасным и полезным поведением.

Claude предназначен для естественного диалога с людьми на различные темы. Он может поддерживать беседу, отвечать на вопросы, переспрашивать в случае непонимания, а также отказываться от неподобающих или опасных действий. Для обучения Claude использовался большой объем текстовых данных, а также специальные методы интерактивного обучения.

В отличие от предыдущих Чат-ботов, Claude обладает гораздо более широкими возможностями для естественного диалога. Он может не только отвечать на простые вопросы, но и поддерживать беседу на абстрактные темы. При этом Claude контролирует безопасность своих ответов и старается избегать токсичного, предвзятого или вводящего в заблуждение поведения.

Anthropic позиционирует Claude как персонального AI-ассистента для общения. В дальнейшем компания планирует использовать Constitutional AI для создания полезных чатботов в образовании, медицине, customer service и других областях. Уже сейчас Claude доступен для тестирования на сайте anthropic.com.

Первый публичный релиз чат-бота Claude состоялся в феврале 2022 года. На тот момент он был доступен лишь ограниченному кругу тестировщиков. В июне 2022 Claude стал доступен для свободного общения на сайте anthropic.com. По состоянию на сентябрь 2023 Claude продолжает активно развиваться командой Anthropic, расширяя свои возможности для естественного диалога.

Вот несколько ключевых особенностей, которыми Claude выделяется среди других чат-ботов:

  • Он бесплатный, но в Российском сегменте доступен только с использованием VPN.
  • Естественный диалог — Claude способен поддерживать беседу на разные темы, а не просто отвечать на базовые вопросы. Он может переспрашивать для уточнения деталей, подхватывать тему разговора и так далее.
  • Широкий охват знаний — Claude обучен на большом объеме текстов из разных источников, поэтому может вести диалог на абстрактные и неожиданные темы, выходящие за рамки базовых фактов.
  • Безопасность — с помощью технологии Constitutional AI Claude контролирует безопасность своих ответов, не допуская токсичности, предвзятости и вводящих в заблуждение высказываний.
  • Контекстный диалог — Claude может учитывать контекст и историю предыдущего диалога, вместо того, чтобы отвечать изолированно на каждую реплику.
  • Мультиязычность — в отличие от многих чат-ботов, Claude поддерживает не только английский, но и другие языки, включая русский.

Claude нацелен на более естественное и полезное общение по сравнению с ограниченными по возможностям чат-ботами.



Источник

ИИ в бизнесеИИ в искусствеИИ в науке

Почему производительность разработчиков не все в отношении инструментов и искусственного интеллекта

admin 15.06.2025
admin

Присоединяйтесь к событию, которым доверяют лидеры предприятия в течение почти двух десятилетий. VB Transform объединяет людей, строящих реальную стратегию ИИ предприятия. Узнать больше


Построение программного обеспечения является точной, обратной работой. Вот почему разработчики наиболее продуктивны в средах без перерыва. Фактически, устранение отвлекающих факторов сделает больше для оптимизации усилий инженеров, чем большинство изменений, которые вы могли бы внести в инструмент.

Команда исключительно продуктивных инженеров может увеличить выработку технологической компании в десять раз и снизить затраты на рабочую силу. Когда каждый инженер способен выполнять свою лучшую работу на постоянной основе, команда из пяти человек может произвести результаты команды из 50.

Учитывая, что инженерные расходы являются огромной частью структуры затрат технологической компании, это важно. Мера производительности разработчика также имеет значительные последствия для продукта компании и темпа инноваций. Во многих отношениях это основной бизнес -показатель.

В типичной технической среде существует несколько препятствий для производительности: встречи, случайные пинги в связи с отсутствием ясности в отношении того, что должны строить разработчики. Эти отвлекающие факторы могут показаться безобидными и безобидными, но они складываются.

Три наиболее важные стратегии для максимизации производительности разработчиков

  1. Создайте условия для разработчиков для достижения состояния потока

Творческая работа требует некоторой степени изоляции. Каждый раз, когда они садятся на код, разработчики создают контекст для того, что они делают в своей голове; Они играют в игру со своим воображением, где они вносят свою следующую строку кода на более широкую картину своего проекта, поэтому все соединяется.

Представьте, что вы держите весь этот контекст в своей голове — а потом кто -то пинчает вас с небольшой просьбой. Весь контекст, который вы создали, рушится в этот момент. Требуется время, чтобы переориентироваться. Это все равно, что пытаться спать и проснуться каждый час.

Мой соучредитель и я уменьшаем отвлекающие факторы по всем направлениям, в основном благодаря высокодокументированию, культуре работы с низким уровнем связи. Немногие встречи означают больше непрерывного времени кодирования.

Несколько встреч, которые мы проводим, служат цели: они обеспечивают согласование между командами, и они являются эффективными средствами обмена информацией. Но когда это возможно, мы избегаем встреч с тщательной документацией. В дополнение к традиционным документам -разработчикам в GitHub, мы также создаем документацию с изложением наших различных философий для того, как мы запускаем тесты или способы использования определенных инструментов. Эта документация обеспечивает ясность и руководство еще более эффективно, чем встречи, потому что она всегда доступна, постоянно обновляется и может быть упомянута асинхронно.

В дополнение к сокращению встреч, эта документация также сокращает слабые пинги и электронные письма. Разработчики знают, где найти информацию, которая им нужна, и не должны прерывать поток друг друга.

  1. Нанимать исключительные менеджеры по продуктам

Другим фактором, который мешает производительности разработчика, является отсутствие ясности в отношении того, что должны делать инженеры. Если разработчикам придется тратить время на попытку выяснить требования того, что они строят во время его строительства, они в конечном итоге выполняют два типа работы: приоритеты и кодирование.

Эти разрозненные типы работы не сочетаются. Выяснение того, что создавать, требует разговоров с пользователями, обширными исследованиями, беседует с заинтересованными сторонами по всей организации и другими задачами, выходящими за рамки разработки программного обеспечения. Такая работа требует очень разных навыков и обучения от того, какие разработчики программного обеспечения нанимаются.

Решение — сборка высококвалифицированных менеджеров по продуктам, инженеров -дизайнеров и инженерных менеджеров, которым разработчики могут доверять, чтобы управлять кораблем. Для нас это означает, что мы думаем о найме и поддержании команды исключительных менеджеров по продуктам в качестве расширения нашей стратегии максимизации производительности разработчиков.

  1. Приоритет от разработчика счастья

Счастье, кажется, трудно измерить, но есть действительно хорошие показатели для определения того, удовлетворена ли ваша команда. Низкий выход и высокий истощение означает, что ваши разработчики недовольны. Счастливые разработчики более продуктивны, и они реже уходят.

Чтобы разработчики были счастливы, важно понять, почему они в первую очередь попали в разработку программного обеспечения. Исключительные инженеры кодируют, потому что они любят создавать вещи. Это означает, что компании должны определить приоритеты для очистки пути для разработчиков, чтобы сосредоточить как можно больше времени на кодировании.

Еще один способ уменьшить отвлекающие факторы, — это ротация поддержки. Вместо того, чтобы ожидать, что все разработчики будут решать срочные ошибки или проблемы, мы назначаем одного разработчика для решения проблем поддержки за каждую неделю. Таким образом, остальная часть команды может свободно сосредоточиться на своих текущих проектах, а не готовится к перерывам из -за чего -то нарушения.

Мы в значительной степени формируем инструмент как способ оптимизировать счастье разработчика. Он вводит определенные выгоды от качества жизни и ускоряет задачи. Например, мы призываем наших инженеров платить и использовать Copilot GitHub, потому что мы обнаружили, что программирование спаривания с ИИ приводит к повышению производительности разработчиков на 30-40%. Это инструмент, который стоит инвестиций.

Но даже лучший инструмент не может конкурировать с исключительно продуктивными инженерами. Стоимость субоптимальной среды для разработчиков высока. Это ограничивает вашу способность внедрять инновации, замедлять итерацию продукта и унижать ваше конкурентное преимущество.

В конечном счете, оптимизация производительности разработчика сводится к устранению отвлечения, где это возможно. Когда инженеры имеют время, поддержку, информацию и инструменты, чтобы попасть в состояние потока, они способны делать более чем команда в 10 раз больше. Если дополнительный инструмент может помочь, еще лучше.

Kapil Kale — соучредитель и главный операционный директор платформы выплат ОгромныйПолем



Источник
  • 1
  • …
  • 24
  • 25
  • 26
  • 27
  • 28
  • …
  • 41

Свежие записи

  • GPT-5
  • Фестиваль Original+ представляет программу конкурса «Номинация Инновация»
  • Luma представила ИИ-агентов для креативной индустрии
  • Объявлены победители XVII Национальной премии «Большая цифра»
  • Заменит ли ИИ преподавателей через 5 лет?

About Me

About Me

Designer

Sed ut perspiciatis unde omnis iste natus sit voluptatem accusantium dolor emque.

Keep in touch

Facebook Twitter Instagram Pinterest Behance Youtube

Popular Posts

  • 1

    Openai-Anpropic Cross-тесты подвергают риски джейлбрейка и неправильного использования-что предприятия должны добавить к оценкам GPT-5

  • 2

    Попытки Маск политизировать его AI Grok плохи для пользователей и предприятий — вот почему

  • 3

    Святой! Новый вариант на 200% более быстрый Deepseek R1-0528 появляется из немецкой лаборатории TNG Technology Consulting GmbH

  • 4

    Web Design Trends For “Start Here” Pages

  • 5

    Эффективное использование голосовых ИИ-инструментов: Yandex SpeechKit, Sber SaluteSpeech и другие

  • 6

    Новая архитектура искусственного интеллекту

Рубрики

  • App Design (6)
  • UI/UX (7)
  • Web Design (7)
  • ИИ в бизнесе (42)
  • ИИ в жизни (34)
  • ИИ в искусстве (66)
  • ИИ в науке (43)
  • Новости (255)
  • Обзор сервисов (34)
  • Pinterest
  • Youtube
  • Email
  • Vk
  • Yandex

@2025 - All Right Reserved. Designed and Developed by PenciDesign

Новости искусственного интеллекта и технологий
  • Новости
  • Обзор сервисов
  • ИИ в искусстве
  • ИИ в бизнесе
  • ИИ в науке
  • ИИ в жизни