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

ИИ в искусстве

ИИ в бизнесеИИ в искусствеИИ в науке

Антропические наносит ответный удар по музыкальным издателям в иске об авторском праве ИИ, обвиняя их в «волевом поведении»

admin 12.06.2025
admin

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


Anpropic, крупный генеративный стартап ИИ, изложил свое дело, почему обвинения в нарушении авторских прав со стороны группы музыкальных издателей и владельцев контента недействительны в новом судебном процессе в среду.

Осенью 2023 года музыкальные издатели, включая Concord, Universal и Abkco, подали иск против антропного обвинения в его нарушении авторских прав над своим чат -ботом Клодом (теперь вытесненным Claude 2).

Жалоба, поданная в федеральный суд в Теннесси (дом Нэшвилла, одного из «музыкальных городов» Америки и многим лейблам и музыкантам), утверждает, что бизнес -прибыль Anpropic от «незаконного» сохранения песен из Интернета для обучения моделей ИИ, которые затем воспроизведены авторские тексты для пользователей в форме Chatbot Models.

Отвечая на ходатайство о предварительном судебном запрете — мере, которая, если это предоставлена ​​судом, заставит Антропику перестать делать свою модель Claude AI — Антропические изложены знакомые аргументы, которые появились во многих других спорах об авторских правах, связанных с данными обучения искусственного интеллекта.

Генеральные компании, такие как Openai и Anpropic, в значительной степени полагаются на очистку огромных объемов общедоступных данных, включая работы, защищенные авторским правом, для обучения их моделей, но они сохраняют это использование, представляет собой справедливое использование в соответствии с законом. Ожидается, что вопрос о соскобке данных об авторском праве достигнет Верховного суда.

Тексты песен только «Миноштальная фрэйон» данных обучающих

В своем ответе Антропик утверждает, что «использование текстов истцов для обучения Клода — это преобразующее использование», которое добавляет «дальнейшую цель или другой характер» к оригинальным работам.

Чтобы поддержать это, регистрация непосредственно цитирует директора по антропным исследованиям Джареда Каплану, заявляя, что цель состоит в том, чтобы «создать набор данных для обучения нейронной сети, как работает человеческий язык».

Anpropic утверждает, что его поведение «не оказывает« существенно неблагоприятного воздействия »на законном рынке для авторских прав истцов», отмечая тексты песен, составляющие «незначительную часть данных обучения и лицензирование необходимого шкалы несовместимо.

Присоединяясь к Openai, антропные претендуют на лицензирование обширных траекторов текста, необходимых для правильного обучения нейронных сетей, таких как Клод, технически и финансово невозможно. Обучение требует триллионы фрагментов в разных жанрах может быть недостижимой шкалой лицензирования для любой стороны.

Возможно, самый новый аргумент заявки утверждает, что сами истцы, а не антропные, участвующие в «волевом поведении», необходимом для прямой ответственности за нарушение в отношении результатов.

«Волевое поведение» в законе об авторском праве относится к идее о том, что лицо, обвиняемое в совершении нарушения, имеет контроль над выходными данными контента. В этом случае антроп, по сути, говорит, что истцы лейбла заставили свою модель ИИ Клод производить содержание нарушения, и, таким образом, контролируют и ответственны за нарушение, которое они сообщают, в отличие от антропного или его продукта Claude, который автономно реагирует на входы пользователей.

Подача указывает на доказательства, что выходы были получены через собственные «атаки» истцов на Клод, предназначенные для получения текстов.

Непоправимый вред?

Вдобавок к оспариванию ответственности за авторские права, Антропик утверждает, что истцы не могут доказать непоправимый вред.

Ссылаясь на отсутствие доказательств того, что доходы от лицензирования песни снизились с тех пор, как Клод запустил или что качественный вред — это «определенные и непосредственные», Антропик отметил, что сами издатели считают, что денежные ущербы могут сделать их целыми, что противоречит своим собственным заявлениям о «непохочном вредах» (поскольку по определению, принятие монетических повреждений будет указывать на вред, может быть, что это может быть в квадрате.

Антропик утверждает «чрезвычайное облегчение» судебного запрета против него, и его модели ИИ неоправдан, учитывая слабый показ истцов о непоправимом вреда. Он также утверждал, что любой результат текста Клода был непреднамеренной «ошибкой», которая теперь была зафиксирована с помощью новых технологических ограждений.

В частности, антропные заявления оно внедрило дополнительные гарантии в Клоде, чтобы предотвратить дальнейшее демонстрацию песен истцов, защищенных авторским правом. Поскольку предполагаемое поведение нарушения не может разумно возникнуть снова, производитель моделей говорит, что просьба истцов о помощи предотвращению того, чтобы Клод от вывода текстов был спор.

В нем утверждается, что запрос музыкальных издателей является чрезмерной дорогой, стремясь ограничить использование не только 500 представителей в этом случае, но и миллионы других, которые издатели далее утверждают, что контролируют.

Кроме того, ИИ запускал указал на место проведения Теннесси и заявил, что иск был подан в неверной юрисдикции. Антропик утверждал, что он не имеет соответствующих деловых связей с Теннесси. Компания отметила, что ее штаб -квартира и основные операции базируются в Калифорнии.

Кроме того, Антропик заявил, что ни одно из якобы нарушающих поведения, не указанного в иске, таких как обучение его технологии ИИ или предоставление пользовательских ответов, не произошло в пределах границ Теннесси.

В заявлении указывалось, что пользователи продуктов Anpropic согласились, что любые споры будут осуществляться в калифорнийских судах.

Авторские права борются далеко от конца

Битва за авторские права в растущей генеративной индустрии ИИ продолжает усилить.

Все больше художников присоединились к судебным процессам против генераторов искусства, таких как Midjourney и Openai, с моделью Dall-E последнего, что подтверждает доказательства нарушения от реконструкций диффузионной модели.

New York Times Недавно подал иск о нарушении авторских прав против OpenAI и Microsoft, утверждая, что их использование сокраснся Времена ‘ Контент для обучения моделей для CHATGPT и других систем искусственного интеллекта нарушал его авторские права. Иск требует миллиардов в ущербе и требованиях, которые любые модели или данные, обученные на Раз Содержание будет уничтожено.

На фоне этих дебатов некоммерческая группа под названием «справедливо подготовлен», запущенная на этой неделе, выступала за сертификацию «лицензированной модели» для данных, используемых для обучения моделей ИИ, поддерживаемых Concord и Universal Music Group, среди прочего.

Платформы также вступили, с антропными, Google и OpenAI, а также с такими контент -компаниями, такими как Shutterstock и Adobe, обещающие юридическую защиту для предприятий контента, сгенерированного ИИ.

Однако создатели не надоело, борются с заявками на отклонение претензий от таких авторов, как Сара Сильверман против Openai. Судьи должны будут взвесить технологический прогресс и законодательные права в нюансированных спорах.

Кроме того, регуляторы слушают опасения по поводу данных DataMining. Судебные иски и слушания в Конгрессе могут решить, что присваивания справедливого использования, пропитанные ассигнованиями, разочаровывают некоторые, одновременно позволяя другим. В целом, переговоры кажутся неизбежными, чтобы удовлетворить всех участников, когда генеративные созревания ИИ.

То, что происходит дальше, остается неясным, но подача заявки на этой неделе предполагает, что генеративные компании ИИ объединяются вокруг основного набора справедливого использования и обороны на основе вреда, заставляя суды взвесить технологический прогресс против контроля владельцев прав.

Как сообщалось ранее Venturebeat, до сих пор ни один из них не выиграл предварительный судебный запрет в этих типах споров искусственного интеллекта. Аргументы Anpropic направлены на то, чтобы этот прецедент сохранился, по крайней мере, на этом этапе в одном из многих продолжающихся юридических сражений. Эндранг еще предстоит увидеть.



Источник
ИИ в бизнесеИИ в искусствеИИ в науке

Паслен, бесплатный инструмент, который модели «Яд», теперь доступны для артистов.

admin 12.06.2025
admin

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


Именно здесь: спустя месяцы после того, как он был впервые объявлен, «Палатный вечер», новый, бесплатный программный инструмент, позволяющий художникам «ядовать» модели искусственного интеллекта, стремящиеся тренироваться на своих работах, теперь доступен для артистов для загрузки и использования на любых произведениях, которые они считают нужными.

Разработанный компьютерными учеными в проекте Glaze в Чикагском университете при профессоре Бена Чжао, инструмент по сути работает, превращая ИИ против ИИ. Он использует популярную структуру машинного обучения с открытым исходным кодом, чтобы определить, что находится на данном изображении, а затем применяет тег, который тонко изменяет изображение на уровне пикселей, чтобы другие программы искусственного интеллекта видят что-то совершенно иное, чем то, что на самом деле там.

Сегодня день. Паслен V1.0 готов. Настройка производительности выполняется, исправления пользовательского интерфейса выполняются.

Вы можете скачать Phonleshade v1.0 fromhttps: //t.co/knwljsrrrh

Пожалуйста, прочитайте страницу «Что есть», а также руководство пользователя о том, как запустить паслен. Это немного более вовлечено, чем глазурь

— глазурь в Учикаго (@TheGlazeProject) 19 января 2024 года

Это второй такой инструмент от команды: почти год назад команда представила Glaze, отдельную программу, предназначенную для изменения цифровых произведений искусства по предложению пользователя, чтобы запутать алгоритмы обучения искусственного интеллекта, чтобы думать, что изображение имеет другой стиль, чем то, что на самом деле присутствует (например, разные цвета и кожуры щетки, чем есть на самом деле).

Но в то время как чикагская команда разработала Glaze, чтобы стать оборонительным инструментом — и все еще рекомендует художникам использовать его в дополнение к пасленам, чтобы не подражать стилю художника от ИИ -моделей — паслен предназначен как «атакующий инструмент».

Модель ИИ, которая в конечном итоге тренировалась на многих изображениях, измененных или «затенена» с пасленом, вероятно, ошибочно классифицирует объекты, идущие вперед для всех пользователей этой модели, даже на изображениях, которые не были затенены с пасленом.

«Например, человеческие глаза могут увидеть затененный Изображение коровы в зеленом поле в значительной степени неизменным, но модель ИИ может увидеть большой кожаный кошелек, лежащий в траве », — объясняет команда.

Таким образом, модель ИИ, обученная изображениям коровы, заштрихованной, чтобы выглядеть так, будто кошелек начнет генерировать кошельки вместо коров, даже когда пользователь попросил модель сделать изображение коровы.

Требования и как работает паслен

Художники, стремящиеся использовать паслен, должны иметь Mac с чипсами Apple внутри (M1, M2 или M3) или ПК, работающий с Windows 10 или 11. Инструмент можно загрузить для обоих OSES здесь. Файл Windows также способен работать на графическом процессоре ПК, при условии, что он из Nvidia в этом списке поддерживаемого оборудования.

Некоторые пользователи также сообщили о длительном времени загрузки из -за подавляющего спроса на инструмент — до восьми часов в некоторых случаях (две версии имеют размеры 255 МБ и 2,6 ГБ для Mac и ПК соответственно.

Скриншот комментариев к аккаунтам Instagram Project Glaze/Phonleshade. Кредит: VentureBeat

Пользователи также должны согласиться с лицензионным соглашением об конечном пользователе (Eula) Глазурь/Паслен, которое предусматривает, что они используют инструмент на машинах под их контролем и не изменяют базовый исходный код и не «воспроизводят, копируют, распределяют, перепродают или не используют программное обеспечение для каких-либо коммерческих целей».

Паслен V1.0 «Преобразует изображения в образцы« ядовитой », так что (AI) модели, обучающие их без согласия, увидят, что их модели изучают непредсказуемые поведения, которые отклоняются от ожидаемых норм, например, в подсказке, которая запрашивает изображение коровьей в космосе, может вместо этого получить изображение сумочки, плавающей в космосе», — говорится в сообщении блога от команды по разработке на своем веб -сайте.

То есть, используя паслен V 1.0 для «затенения» изображения, изображение будет преобразовано в новую версию благодаря библиотекам ИИ с открытым исходным кодом-в идеале достаточно тонко, чтобы оно не выглядело сильно отличаться от человеческого глаза, но, похоже, он содержит Совершенно разные предметы на любые модели искусственного интеллекта, обучая его.

Кроме того, инструмент устойчив к большинству типичных преобразований и изменений, которые пользователь или зритель может сделать для изображения. Как объясняет команда:

«Вы можете обрезать его, повторно его, сжимать, сгладить пиксели или добавить шум, и последствия яда останутся. Вы можете сделать снимки экрана или даже фотографии изображения, отображаемого на мониторе, и эффекты оттенка остаются. Опять же, это потому, что это не водяное значение или скрытое сообщение (стягаграфия), и это не является Брифтикой».

Аплодисменты и осуждение

В то время как некоторые артисты поспешили загрузить паслен V1.0 и уже используют его-среди них Келли МакКернан, один из бывших ведущих истцов художника в продолжающемся классном судебном процессе по вопросам нарушения авторских действий против AI Art и Video Generation Midjourney, Deviantart, взлетно-посадочной полосы и стабильности AI-некоторые веб-пользователи, которые предлагают это, и это, как это представляет, что это связано с тем, что это связано с тем, что это связано с тем, что это так, и это. (Venturebeat использует Midjourney и другие генераторы изображений искусственного интеллекта для создания художественных работ статьи.)

Я ужасно взволнован, чтобы поделиться тем, что «артефакт» был застеклен и пришлет @Theglazeproject И какой идеальный кусок для этого тоже. Это картина о генеративном ИИ каннибализирую подлинного голоса человеческих креативщиков. Когда это изображение соскреблено для обучения, хорошо … pic.twitter.com/0vnfiyabc2

— Келли Маккернан? C2E2 I-11 (@kelly_mckernan) 14 января 2024 года

Ахахах Коуп безумен.
Чувак законен спорить против остекления ваших изображений, потому что это «незаконно» в его глазах.
Он сравнил его с взломом своего компьютера, потому что он «нарушает его операцию»

Я в восторге pic.twitter.com/bhmp73bkub

— Джейд Лоу (@Jadel4W) 19 января 2024 года

Команда глазурь/паслен, со своей стороны, отрицает, что она ищет разрушительные цели, написание: «Цель паслена — не сломать модели, а увеличить стоимость обучения нелицензированным данным, так что лицензирование изображений от своих создателей становится жизнеспособной альтернативой».

Другими словами, создатели стремятся сделать так, чтобы разработчики моделей ИИ должны платить художникам, чтобы обучать данные, которые не связаны.

Последний фронт в быстро меняющейся борьбе за соскоба данных

Как мы сюда попали? Все сводится к тому, как были обучены генераторы изображений искусственного интеллекта: соскабливая данные со всей Интернета, включая соскабливание оригинальных произведений искусства, опубликованных художниками, которые не имели предварительных явных знаний, ни власти принятия решений об этой практике, и говорят, что результирующие модели ИИ, обученные их работам, угрожают их жизни, конкурируя с ними.

Как сообщается в Venturebeat, скрасивание данных включает в себя простые программы, называемые «ботами», промыть Интернет, а также копировать и преобразовать данные с публичных веб -сайтов в другие форматы, которые полезны для человека или сущности, выполняющего соскабливание.

Это была обычная практика в Интернете и часто используется до появления генеративного ИИ, и это примерно такая же методика, используемая Google и Bing для ползания и индексных веб -сайтов в результатах поиска.

Но это стало под новым анализом со стороны художников, авторов и креативщиков, которые возражают против их работы без их явного разрешения на обучение коммерческих моделей искусственного интеллекта, которые могут конкурировать или заменить свой рабочий продукт.

Создатели моделей ИИ защищают эту практику как не только необходимую для обучения своих творений, но и законно под «справедливым использованием», юридическая доктрина в США, в которой говорится, что предыдущая работа может использоваться в новой работе, если она трансформирована и используется для новой цели.

Хотя компании, такие как OpenAI, ввели код «отказа», который возражающие могут добавить к своим веб-сайтам, чтобы избежать соскобки для обучения искусственному интеллекту, в прошлом отмечает, что «списки отказа от не учитываются модель уверенность.»

Тогда паслен был задумано и разработан как инструмент для «решения этой асимметрии мощности».

Команда также объясняет их конечную цель:

«Ответственно, паслен может помочь удержать тренеров-моделей, которые игнорируют авторские права, списки отказа и не сбрасывают/роботы.

В основном: сделайте широко распространенную очистку данных для производителей моделей искусственного интеллекта, и заставьте их дважды подумать о том, чтобы сделать это, и, таким образом, заставляют их рассмотреть вопрос о заключении лицензионных соглашений с художниками -художниками как более жизнеспособной альтернативой.

Конечно, паслен не может изменить поток времени: любые произведения искусства, скрещенные до того, как его затеняют инструментом, все еще использовались для обучения моделей ИИ, и затенение сейчас может повлиять на эффективность модели в будущем, но только если эти изображения будут перестрочены и используются снова для обучения обновленной версии модели генератора изображений ИИ.

На техническом уровне также нет ничего, что не помешает кому-то использовать паслен для затенения искусства, сгенерированных AI, или произведения искусства, который они не создали, открывая дверь для потенциальных злоупотреблений.



Источник
ИИ в бизнесеИИ в искусствеИИ в науке

Почему LLM уязвимы для «эффекта бабочки»

admin 12.06.2025
admin

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


Подсказка — это способ, которым мы получаем генеративные ИИ и крупные языковые модели (LLMS), чтобы поговорить с нами. Само по себе это художественная форма, поскольку мы стремимся заставить ИИ предоставить нам «точные» ответы.

Но как насчет вариаций? Если мы построим подсказку определенным образом, изменит ли это решение модели (и повлияет на ее точность)?

Ответ: Да, согласно исследованию Института информационных наук Университета Южной Калифорнии.

Даже крошечные или, казалось бы, безобидные настройки, такие как добавление пространства к началу подсказки или давая директиву, а не задание вопроса, могут привести к изменению LLM. Более тревожно, запрашивать ответы в XML и применение обычно используемых джейлбрейков может иметь «катастрофические эффекты» на данные, помеченные моделями.

Исследователи сравнивают это явление с эффектом бабочки в теории хаоса, которая указывает на то, что незначительные возмущения, вызванные бабочкой, хлопающей его крыльями, несколько недель спустя вызвали торнадо в отдаленной земле.

При подсказывании «каждый шаг требует ряда решений от человека, разрабатывающего подсказку», пишут исследователи. Тем не менее, «мало внимания уделялось тому, насколько чувствительны LLM к изменениям в этих решениях».

Исследование CHATGPT с четырьмя различными методами быстрого приглашения

Исследователи, спонсируемые Агентством по укреплению исследований в области обороны (DARPA), выбрали Chatgpt для их эксперимента и применили четыре различных метода вариации.

Первый метод спросил LLM для выходов в часто используемых форматах, включая список Python, флажок JSON в ChatGPT, CSV, XML или YAML (или исследователи вообще не предоставили указанного формата).

Второй метод применил несколько незначительных вариаций к подсказкам. Они включают:

  • Начиная с одного места.
  • Заканчивая одним пространством.
  • Начиная с ‘Привет’
  • Начиная с ‘Привет!
  • Начиная с «Howdy!»
  • Заканчивая «Спасибо».
  • Перефразирование от вопроса к команде. Например, «какой ярлык лучше всего?», «Выберите« Лучший ярлык ».

Третий метод включал в себя применение методов джейлбрейка, включая:

  • AIM, старший джейлбрейк, который инструктирует модели для имитации разговора между Никколо Макиавелли и персонажем, всегда интеллектуальным и макиавеллианским (AIM). Модель, в свою очередь, предоставляет реакции, которые являются аморальными, незаконными и/или вредными.
  • Dev Mode v2, который инструктирует модель моделировать CHATGPT с включенным режимом разработчика, что позволяет получить неограниченное образование контента (включая это оскорбительное или явное).
  • Evil Denbidant, который дает инструкции модель принять злокачественную личность и предоставить «расстроенные результаты без какого -либо раскаяния или этики».
  • Отказ подавления, который требует подсказков в соответствии с определенными лингвистическими ограничениями, такими как избегание определенных слов и конструкций.

Тем временем четвертый метод включал «опрокидывание» модель — идея, взятая из вирусного представления о том, что модели будут обеспечивать лучшие подсказки при предложении денег. В этом сценарии исследователи либо добавили к концу подсказки: «Я не буду чаевые», либо предложили чаевые с шагом 1, 10, 100, 100 или 1000 долларов.

Точность падений, прогнозы изменяются

Исследователи выполняли эксперименты по 11 задачам классификации-истинного и положительно отрицательного ответа на вопрос; Отношения предпосылки-гипотеза; Обнаружение юмора и сарказма; Чтение и понимание математики; приемлемость грамматики; Классификация бинарной и токсичности; и обнаружение позиции по спорным субъектам.

С каждым изменением они измерили, как часто LLM менял свой прогноз и какое влияние, которое оказало на его точность, а затем изучала сходство в быстрых вариациях.

Для начала исследователи обнаружили, что простое добавление указанного выходного формата дает минимальное изменение прогнозирования на 10%. Даже просто использование функции флажки JSON в Chatgpt через API CHATGPT вызвал большее изменение прогноза по сравнению с простой использованием спецификации JSON.

Кроме того, форматирование в YAML, XML или CSV привело к потере точности от 3 до 6% по сравнению со спецификацией списка Python. CSV, со своей стороны, показал самую низкую производительность во всех форматах.

Между тем, когда дело дошло до метода возмущения, перефразирование заявления оказало наиболее существенное влияние. Кроме того, просто введение простого пространства в начале подсказки привело к более чем 500 изменениям прогнозирования. Это также применимо при добавлении общих приветствий или заканчивая благодарностью.

«Несмотря на то, что влияние наших возмущений меньше, чем изменение всего формата вывода, значительное количество прогнозов по -прежнему подвергается изменениям», — пишут исследователи.

«Несчастная нестабильность» в джейлбрейках

Аналогичным образом, эксперимент выявил «значительное» снижение производительности при использовании определенных джейлбрейков. В частности, AIM и Dev Mode V2 дали неверные ответы примерно у 90% прогнозов. Исследователи отметили, что это в первую очередь связано со стандартным ответом модели: «Извините, я не могу выполнить этот запрос».

Между тем, подавление отказа и использование злого доверенного лица привело к более чем 2500 изменениям прогнозирования. Злой доверник (направляемый к «рассеянным» ответам) дал низкую точность, в то время как только подавление отказа приводит к потере более чем 10% точности, «подчеркивая внутреннюю нестабильность даже в кажущихся безобидными джейлбрейками», — подчеркивают исследователи.

Наконец, (по крайней мере, на данный момент), модели, похоже, не могут быть легко раскручены деньгами, показало исследование.

«Когда дело доходит до влияния на модель путем указания наконечника по сравнению с указанием, мы не будем чаевые, мы заметили минимальные изменения производительности», — пишут исследователи.

LLMS молоды; Есть гораздо больше работы

Но почему небольшие изменения в подсказках приводят к таким значительным изменениям? Исследователи все еще озадачены.

Они спросили, были ли экземпляры, которые изменились больше всего, «запутали» модель — путаница, относящаяся к энтропии Шеннона, которая измеряет неопределенность в случайных процессах.

Чтобы измерить эту путаницу, они сосредоточились на подмножестве задач, которые имели отдельные человеческие аннотации, а затем изучали корреляцию между путаницей и вероятностью того, что его ответ изменил. Благодаря этому анализу они обнаружили, что это было «не совсем».

«Путаница этого экземпляра обеспечивает некоторую объяснительную силу, почему прогнозирование изменяется, — сообщают исследователи, — но есть и другие факторы».

Очевидно, что еще много работы предстоит проделать. Исследователи отмечают, что очевидным «основным следующим шагом» будет создание LLM, которые устойчивы к изменениям и предоставляют последовательные ответы. Это требует более глубокого понимания того, почему ответы меняются при незначительных настройках и развития способов лучше их предвидеть.

Как пишут исследователи: «Этот анализ становится все более важным, поскольку CHATGPT и другие крупные языковые модели интегрированы в системы в масштабе».



Источник
ИИ в бизнесеИИ в искусствеИИ в науке

Как инженеры по данным должны подготовиться к миру ИИ

admin 12.06.2025
admin

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


В последнее время было много болтовни о том, как революция ИИ уменьшит роль инженеров данных. Я не верю, что это так — на самом деле, опыт данных будет более важным, чем когда -либо. Тем не менее, специалисты по данным должны будут приобрести новые навыки, чтобы помочь их организациям получить максимальную пользу от ИИ и улучшить свои карьерные перспективы на будущее.

ИИ раскрывает возможность для организаций извлечь больше ценности из своих данных и сделать это более эффективно, но это не может произойти само по себе. Инженеры данных должны будут узнать, как и где применять технологию, а также какие модели и инструменты для использования в каких ситуациях.

Вот четыре области, в которых ИИ будет преобразовать аналитику данных в следующем году, и инженеры по навыкам, которые инженеры данных должны приобрести для удовлетворения этих потребностей.

Строительство более умных трубопроводов данных

Трубопроводы данных объединяют источники данных, которые могут быть необработанными, неструктурированными и дезорганизованными, и задача инженеров состоит в том, чтобы извлечь интеллект из этих источников для предоставления ценной информации. ИИ собирается преобразовать эту работу.

Вставка ИИ в трубопроводы данных может значительно ускорить способность инженера данных извлекать стоимость и понимание. Например, представьте, что компания имеет базу данных с транскриптами обслуживания клиентов или другими текстовыми документами. С несколькими линиями SQL инженер может подключить модель ИИ к трубопроводу и указать ее вскрыть богатые идеи из этих текстовых файлов. Это вручную может занять много часов, и некоторые из самых ценных идей могут быть обнаружены только с помощью ИИ.

Инженеры данных, которые понимают, где и как применять модели ИИ для извлечения максимальной стоимости из трубопроводов данных, будут очень ценны для их организаций, но это требует новых навыков с точки зрения каких моделей и как их применять.

Меньше картирования данных, больше стратегии данных

Различные источники данных часто хранят информацию по -разному: например, одна исходная система может называть название состояния «Массачусетс», в то время как другая использует аббревиатуру «MA».

Картирование данных для обеспечения его последовательной и дублирования-это специальная задача для ИИ. Инженеры могут построить подсказку, которая, по сути, говорит: «Возьмите эти 20 источников данных клиентов и создайте мне каноническую базу данных клиентов», и ИИ выполнит задачу за гораздо меньше времени.

Это потребует знания о том, как написать хорошие подсказки, но, что более важно, это освобождает время инженеров, чтобы они могли тратить меньше часов на картирование данных и больше на стратегию данных и архитектуру данных своих организаций.

В конечном счете, цель состоит в том, чтобы понять все источники данных, доступные для организации, и то, как они могут быть лучше всего подключены для достижения бизнес -целей. Передача задач, как отображение данных на модель искусственного интеллекта, освободит время для этой работы более высокого уровня.

BI-аналитики должны повысить свою игру

Аналитики Business Intelligence (BI) сегодня проводят много времени, создавая статические отчеты для бизнес -лидеров. Когда у этих лидеров возникают последующие вопросы о данных, аналитики должны запустить новый запрос и генерировать дополнительный отчет. Генеративный ИИ резко изменит ожидания этих руководителей.

Поскольку руководители получают больший опыт работы с чат-ботами, управляемыми искусственным интеллектом, они ожидают взаимодействия со своими бизнес-отчетами аналогичным, разговорным способом. Это потребует от аналитиков BI, чтобы повысить свою игру и научиться предоставить эти интерактивные возможности. Вместо того, чтобы разрабатывать статические диаграммы, им необходимо понять трубопроводы, плагины и подсказки, необходимые для создания динамических интерактивных отчетов.

Платформы облачных данных включают в себя некоторые из этих возможностей низким код, давая BI-аналитикам возможность расширить свои навыки для решения новых требований. Но есть кривая обучения, и приобретение этих навыков станет их проблемой в 2024 году.

Управление сторонними услугами искусственного интеллекта

Когда облако взялось десять лет назад, ИТ-команды потратили меньше времени на создание инфраструктуры и программного обеспечения и больше времени на управление сторонними облачными сервисами. Ученые по данным собираются пройти аналогичный переход.

Рост Gen AI потребует от ученых данных больше работать с внешними поставщиками, которые предоставляют модели искусственного интеллекта, наборы данных и другие услуги. Быть знакомым с вариантами, выбор правильной модели для поставленной задачи и управление этими сторонними отношениями, будет важным навыком для приобретения.

С нетерпением жду гораздо большего удовольствия

Многие команды данных сегодня говорят, что они застряли в реактивном режиме, постоянно реагируя на последние запросы на работу или исправляя приложения, которые сломались. Это никому не весело, но приток ИИ в разработку данных изменит это.

ИИ позволит инженерам автоматизировать самые трудоемкие части своей работы и освободить время, чтобы подумать о более широкой картине. Это потребует новых навыков, но это позволит им сосредоточиться на более стратегической, упреждающей работе, что делает инженеров -инженеров еще более ценными для их команд — и их работу намного более приятной.

Джефф Холлан — директор по управлению продуктами в Snowflake.



Источник
ИИ в бизнесеИИ в искусствеИИ в науке

Эксклюзив: Metal представляет нового помощника по искусственному интеллекту для финансовых услуг и личных фондов акционерного капитала

admin 11.06.2025
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 работал в финансах или его окрестностях, вероятно, подтвердит, что хорошая часть работы утомительно, особенно при оценке эффективности компаний с течением времени и их будущих перспектив эффективности.

Работа требует, чтобы формы потягивания и документы, такие как 10-K, 10-QS и 8-KS, презентационные колоды и электронные таблицы результатов для обменных компаний, компиляция их, просматривая их на наличие соответствующей информации или попытка перекрестного ссылки, чтобы увидеть, упоминаются ли определенные слова или названия продуктов во времени. Это требует большого внимания, терпения и усилий. Менеджеры фондов, финансовые аналитики и частные акционерные компании, в частности, должны делать или заставлять кого -то делать все это при принятии решения о том, инвестировать ли в компанию, отказаться от того, чтобы сделать ставку против нее или приобрести его.

Но это также кажется идеальной работой для точной настройки или финансово разбираемой программы искусственного интеллекта. Это именно то, что является предпосылкой нового стартапа, Metal, который появился из венчурного капиталиста Пола Грэма в прошлом году в прошлом году и теперь объявляет о новом продукте, который делает все это.

«Мы перезаписываем продукт как приложение для искусственного интеллекта, которое помогает фондам аналитиков, например, в венчурном капитале и частном акционерном капитале, провести исследования, выполнять усердие в инвестиционных возможностях и помогает менеджерам фондов фактически контролировать свои портфели»,-сказал Тейлор Лоу, соучредитель и генеральный директор Metal, в эксклюзивном интервью с VentureBeat. Лоу ранее работал менеджером по продукту (PM) в Meta и соучредителем Ripple, среди других концертов.

Аналитики могут питать любые данные, которые они хотели бы, в платформе Metal о компании, и он будет надежно хранить и проанализировать их по требованию в виде знающих и опытных чат -ботов, одного, чьи галлюцинации контролируются с помощью методов поиска дополненного поколения (RAG) и цитат на базовые данные.

Программа доступна сейчас в качестве подписки на программное обеспечение как услуга, выставляемая за место. Лоу отказался указать, сколько за место, но пригласил заинтересованных сторон обратиться к компании.

Скриншот Metal’s Document Загрузите просмотр просмотра и инструмент анализа. Кредит: Металл

Как был построен металл

Основанный Лоу, Серджио Прада и Джеймса О’Дуйера, Metal был запущен с 2,5 млн. Долл. США, во главе с Swift Ventures вместе с Y Combinator и первой главой.

Основатели металлов Серджио Прада, Джеймс О'Дуайер и Тейлор Лоу (изображение Кредит: Металл)
Слева направо: металлические соучредители Серхио Прада, Джеймс О’Дуйер и Тейлор Лоу. Кредит: Металл

Эти инвестиции предназначены для расширения платформы AI Metal, специально предназначенной для крупных предприятий.

По словам Лоу, успех металла заключается не в экспериментах, а в развертывании реальных решений ИИ, которые улучшают предприятия.

Что касается основных LLM, используемых в металле, заявил Лоу:

«Мы не создаем и не развертываем свои собственные модели; мы используем модели, к которым клиенты предпочитают. Если мы обменяем одну модель на другую, потому что она выполняет лучшую работу в одних и тех же задачах, это то, что мы хотим сделать, потому что она будет обеспечивать большую ценность для наших клиентов».

«Мы видели, как ряд поставщиков предлагают этот переход между различными моделями на заднем плане, но в целом (Openai’s) GPT все еще, вероятно, является наиболее распространенным».

Это примечательно в то время, когда предприятия начали экспериментировать с LLMS с открытым исходным кодом, что также заявляет, что может поддерживать по запросу клиента.

Оптимизация ИИ для финансовых услуг

Уникальное предложение Metal обрабатывает сложные инфраструктуры, такие как преобразование данных и хранилище быстрее, чем текущие инструменты.

«Наш продукт в основном следует за аналитиками по их пути или с усердием и исследованиями, и он помогает им потреблять и анализировать тонну информации», — объяснил он VentureBeat. «В результате они могут просто двигаться быстрее во время исследований или усердия».

Кроме того, Metal позволяет пользователям хранить и сегментировать информацию о компаниях, которые они исследуют в различных вертикалях — например, технологии, розничной торговле, аэрокосмической промышленности и защите, CPG и т. Д. — и отвечают на вопросы о том, как поступает весь сектор, или одну отдельную компанию или линейку продуктов относительно других в космосе.

«Поэтому, если я менеджер фонда, и я хочу знать, как дела в нашем техническом портфеле… если все эти данные принимаются в одном месте, металл, мы можем начать, чтобы позволить эти действительно интересные запросы, которые LLMS также может поддерживать», — отметил Лоу.

Он дал следующий пример того, как финансовый аналитик или менеджер фонда может использовать металл:

«Является ли он формой 10-K в метал и задает ей кучу вопросов-« Эй, расскажи мне о том, как продажи XYZ пошли по сравнению с предыдущими 10K, или извлекает ли это конкретные цитаты из стенограммы вызова, чтобы предоставить анекдоты клиента: «Эй, не бери его для меня. Это то, что говорилось руководство». Целостная картина — это действительно тот результат, который преследуют эти команды ».

Скриншот нового ассистента Metal AI Chatbot. Кредит: Металл

Уже молодой стартап может похвастаться тем, что он помогал средствам и аналитикам экономить время и понимание эффективности, перспективы перспектив и роста компании на будущее — или его отсутствие.

«За прошедший год мы стали свидетелями этого воздействия из первых рук. Металл ускорил усердие рабочих процесса на порядок», — написал Лоу на веб -сайте Metal в начале этого месяца. «Каждый экспертный транскрипт вызова, подача в SEC или финансовая отчетность, обработанная металлом, сэкономила бесчисленные часы усилий для средств. И в сегодняшней среде гиперконкурентных сделок это может быть несправедливым преимуществом».

Металлические процессы и анализы обширных наборов данных — от финансовой отчетности до примечаний на заседание совета — ускорение исследований и процессов должной осмотрительности. Эта возможность не только о скорости; Речь идет о создании доверия и соответствия в секторе, где эти качества имеют первостепенное значение.

Разблокируя новые рабочие процессы

Будущее металла выглядит многообещающе. Это не только улучшает существующие процессы, но и собирается разблокировать совершенно новые рабочие процессы в финансовых услугах.

Сегодня Metal разворачивает свои услуги на основе фонда, предлагая индивидуальный подход для каждого клиента. Эта стратегия обеспечивает выделенные ресурсы и успех для каждого партнерства.

С акцентом на реальные решения и приверженность доверию и соответствию, Metal хочет преобразовать, как работают финансовые услуги, по одному фонду за раз.



Источник
ИИ в бизнесеИИ в искусствеИИ в науке

Как обнаружить отравленные данные в наборах данных машинного обучения

admin 11.06.2025
admin

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


Почти каждый может отравить набор данных машинного обучения (ML), чтобы изменить его поведение и вывод существенно и навсегда. Благодаря тщательным, упреждающим усилиям по обнаружению, организации могли бы сохранить недели, месяцы или даже годы работы, которые они в противном случае использовали бы, чтобы отменить причинный ущерб, вызванный отравленными источниками данных.

Что такое отравление данных и почему это имеет значение?

Развращение данных — это тип состязательной атаки ML, который злонамеренно смущает наборами данных, чтобы ввести в заблуждение или путать модель. Цель состоит в том, чтобы заставить его реагировать неточно или вести себя непреднамеренно. Реально эта угроза может нанести вред будущему ИИ.

По мере расширения изучения ИИ, отравление данных становится все более распространенным. Модель галлюцинации, неуместные ответы и неправильные классификации, вызванные преднамеренными манипуляциями, увеличились по частоте. Общественное доверие уже унижает — только 34% людей твердо верят, что они могут доверять технологическим компаниям с управлением ИИ.

Примеры отравления набором данных машинного обучения

В то время как существует несколько типов отравлений, они разделяют цель влияния на выход модели ML. Как правило, каждый включает в себя предоставление неточной или вводящей в заблуждение информации для изменения поведения. Например, кто-то мог вставить изображение знака ограничения скорости в набор данных стоп-знаков, чтобы обмануть автомобиль с самостоятельным вождением в неправильную классификацию дорожных вывесок.

Даже если злоумышленник не может получить доступ к учебным данным, он все равно может мешать модели, используя ее способность адаптировать его поведение. Они могли бы ввести тысячи целевых сообщений одновременно, чтобы исказить процесс классификации. Google пережил это несколько лет назад, когда злоумышленники одновременно запустили миллионы электронных писем, чтобы запутать свой фильтр электронной почты в неправильной категоризации спам -почты в качестве законной переписки.

В другом случае реального мира пользовательский ввод навсегда изменил алгоритм ML. Microsoft запустила свой новый чат -бот «Tay» в Twitter в 2016 году, пытаясь имитировать разговорной стиль девочки -подростки. После всего лишь 16 часов он опубликовал более 95 000 твитов — большинство из которых были ненавистными, дискриминационными или оскорбительными. Enterprise быстро обнаружил, что люди не поддаются массовому вводу, чтобы изменить выход модели.

Общие методы отравления наборами данных

Методы отравления могут подпадать в три общие категории. Первый — это подделка набора данных, где кто -то злонамеренно изменяет учебный материал, чтобы повлиять на производительность модели. Инъекционная атака — когда злоумышленник вставляет неточные, оскорбительные или вводящие в заблуждение данные — является типичным примером.

Переключение ярлыков является еще одним примером вмешательства. В этой атаке злоумышленник просто переключает учебный материал, чтобы запутать модель. Цель состоит в том, чтобы заставить его ошибочно классифицировать или грубо просматривать, в конечном итоге значительно изменяя ее производительность.

Вторая категория включает в себя манипулирование моделями во время и после обучения, где злоумышленники вносят постепенные модификации, чтобы влиять на алгоритм. Бэкдор атака является примером этого. В этом случае кто -то отравляет небольшой подмножество набора данных — после выпуска он представляет конкретный триггер, чтобы вызвать непреднамеренное поведение.

Третья категория включает манипулирование моделью после развертывания. Одним из примеров является отравление разделенным обзором, где кто-то берет под контроль источник, а алгоритм индексирует и заполняет его неточной информацией. Как только модель ML использует недавно модифицированный ресурс, она примет отравленные данные.

Важность усилий по упреждающему обнаружению

Что касается отравления данных, то преодоление является жизненно важным для проецирования целостности модели ML. Непреднамеренное поведение от чат-бота может быть оскорбительным или уничижительным, но отравленные ML-приложения, связанные с кибербезопасностью, имеют гораздо более серьезные последствия.

Если кто -то получит доступ к набору данных ML, чтобы отравить его, он может серьезно ослабить безопасность — например, вызывая неправильные классификации во время обнаружения угроз или фильтрации спама. Поскольку подделка обычно происходит постепенно, никто, скорее всего, не обнаружит присутствия злоумышленника в среднем в течение 280 дней. Чтобы они не остались незамеченными, фирмы должны быть активными.

К сожалению, вредоносное вмешательство невероятно просто. В 2022 году исследовательская группа обнаружила, что может отравить 0,01% крупнейших наборов данных-COO-700 м или LAION-400M-всего за 60 долларов.

Хотя такой небольшой процент может показаться незначительным, небольшое количество может иметь серьезные последствия. Просто 3% отравление набором данных может увеличить частоту ошибок обнаружения спама ML с 3% до 24%. Учитывая, что, по -видимому, незначительные фальсификации могут быть катастрофическими, упреждающие усилия по обнаружению имеют важное значение.

Способы обнаружения отравленного набора данных машинного обучения

Хорошей новостью является то, что организации могут принять несколько мер для обеспечения данных обучения, проверки целостности наборов данных и мониторинга аномалий, чтобы минимизировать шансы отравления.

1: Данные дезинфекции

Дезинфицирование — это «очистка» учебного материала, прежде чем он достигнет алгоритма. Он включает в себя фильтрацию и проверку наборов данных, где кто -то фильтрует аномалии и выбросы. Если они обнаруживают подозрительные, неточные или недостоверные данные, они удаляют их.

2: модели модели

После развертывания компания может контролировать свою модель ML в режиме реального времени, чтобы убедиться, что она не демонстрирует непреднамеренное поведение. Если они замечают подозрительные ответы или резкое увеличение неточностей, они могут искать источник отравления.

Обнаружение аномалий играет здесь важную роль, поскольку оно помогает определить случаи отравления. Одним из способов, которым фирма может реализовать этот метод, является создание алгоритма ссылки и аудита вместе с их публичной моделью для сравнения.

3: Source Security

Защита наборов данных ML имеет решающее значение, чем когда -либо, поэтому предприятия должны извлечь только надежные источники. Кроме того, они должны проверить подлинность и целостность перед обучением своей модели. Этот метод обнаружения также применяется к обновлениям, потому что злоумышленники могут легко отравлять ранее индексированные сайты.

4: обновления

Обычно дезинфицируя и обновляя набор набора данных ML, смягчает отравление разделенным видом и атаки за бэкдором. Обеспечение того, чтобы информация, на которой модель поезда была точной, подходящей и неповрежденной, является постоянным процессом.

5: проверка ввода пользователя

Организации должны фильтровать и проверять все входные данные, чтобы пользователи не могли изменить поведение модели с целевыми, широко распространенными, злонамеренными вкладами. Этот метод обнаружения уменьшает повреждение инъекций, отравления разделителем и атаками задних ходов.

Организации могут предотвратить отравление наборами данных

Хотя отравление наборами данных ML может быть трудно обнаружить, упреждающие, скоординированные усилия могут значительно снизить шансы, которые манипуляции будут влиять на производительность модели. Таким образом, предприятия могут улучшить свою безопасность и защитить целостность своего алгоритма.

Zac Amos является редактором функций в Rehack, где он охватывает кибербезопасность, ИИ и автоматизацию.



Источник
ИИ в бизнесеИИ в искусствеИИ в науке

Навигация по истории с ИИ: обещание и опасность цифрового путешествия во времени

admin 11.06.2025
admin

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


Улучшит ли ИИ наше понимание истории человечества, или это будет инструмент, который положит конец нашей истории? Прямо сейчас есть доказательства, подтверждающие обе точки зрения.

ИИ разблокирует прошлое

На этой неделе основной приз был присужден трем студентам по компьютерным наукам, которые использовали ИИ, в частности, машинное обучение (ML) и нейронные сети, чтобы успешно читать и перевести древний римский свиток, обнаруженного у Геркуланума, недалеко от Помпей.

Документ является частью коллекции, известной как свитки Herculaneum, которая была обнаружена из того, что, как считается, была большой библиотекой на вилле, принадлежащей свекрам Юлиуса Цезаря. Между 1752 и 1754 годами около 1800 фрагментов древних папирусных свитков, представляющих, возможно, 1000 оригинальных томов были раскопаны из виллы. Свитки были серьезно повреждены во время извержения горы Везувия в 79 году нашей эры и были описаны как выглядящие как оставшиеся бревна в костру.

Как отмечает Общество Геркуланеума, эти почерневшие, карбонизированные, невероятно хрупкие свитки представляют собой самую большую выжившую библиотеку из классической древности, потенциально удерживая потерянные философские диалоги и понимание, которые могли бы изменить наше понимание древнего мира. Попытки прочитать эти документы были неудачными до сих пор, так как свитки распадались бы, если его обрабатывают.

Чтение папируса было достигнуто тремя участниками в Vesuvius Challenge, соревнованиях, запущенном в марте 2023 года, в котором люди во всем мире мчались, чтобы читать древний геркуланум папирус. Победители смогли разоблачить это практически и прочитать более 2000 греческих букв. Как сообщается ЭкономистСчитается, что текст является ранее неизвестной работой о удовольствии от Филодемия, эпикурейского философа, который жил в Геркулануме. Теперь вполне вероятно, что другие свитки можно прочитать аналогичным образом.

Роберт Фаулер, известный классицист и председатель Общества Геркуланеума, рассказал Блумберг: «Некоторые из этих текстов могут полностью переписать историю ключевых периодов древнего мира. Это общество, из которого происходит современный западный мир».

Это открытие является одним из примеров того, как ИИ разблокирует прошлое, добавляя глубину знаний и углубляя наше понимание мира. В дополнение к этим свиткам, методы глубокого обучения применяются в археологии.

Эти приложения помогают классифицировать фрагменты керамики и определять местонахождение кораблекрушений на изображениях сонар, что «открывает новые окна в прошлое», согласно New York TimesПолем Другой проект с использованием ИИ и Робототехники направлен на восстановление произведений искусства в Помпее. Первые цели проекта «Ремонт»-аббревиатура для реконструкции прошлого: искусственный интеллект и робототехника встречаются с культурным наследием,-это пара из 2000-летних фресков.

ИИ: угроза истории?

Эти варианты использования показывают, что потенциальное использование ИИ в исторических исследованиях обширно и разнообразно. Тем не менее, есть и другие, которые считают ИИ потенциально приводящим к фундаментальным изменениям в истории человечества и культуры, возможно, не к лучшему. Это доказывает, что двойная природа ИИ, действительно любая передовая технология, имеет как положительные, так и отрицательные последствия.

Как сообщается Удача«Sapiens» автор и историк Юваль Ноа Харари сказал аудитории прошлой осенью: «Вполне вероятно, что в ближайшие несколько лет (ИИ) съесть всю человеческую культуру (все, что мы достигли) с каменного века и начнут извергать новую культуру, исходящую из инопланетного интеллекта». Харари предупредил: «Потенциально мы говорим о конце истории человечества — в конце периода, где доминируют люди».

Это говорит о том, что модели ИИ могут получить способность реконструировать историю в соответствии с их собственным анализом, потенциально переопределяя существующий консенсус при интерпретации уроков прошлого. Если это правда, ИИ может стать доминирующей силой в формировании мира, и людям придется адаптироваться к его влиянию, изменяя взгляды человека на прошлое и изменяя культурную идентичность.

Потребность в цифровой целостности

Одна идея предотвратить загрязнение исторической записи состоит в том, чтобы лучше сохранить то, что в настоящее время существует, чтобы служить ориентиром. Как показывают примеры свитков геркуланеума, среда хранения имеет решающее значение для успеха сохранения. Этого недостаточно, чтобы хранить контент в цифровом виде, так как это тоже может ухудшиться.

Одна возможность поступает от Microsoft в форме проектного кремнезема. Используя стекло в качестве средних и лазерных вариантов для написания и чтения данных, результатом является среда для хранения, которая потенциально может длиться тысячи лет без ухудшения. Это может быть превосходной архивной системой, чтобы запечатлеть историческую запись до аий.

Помимо потенциальной угрозы со стороны инопланетного интеллекта, которая выходит из человеческого разума. Недавняя статья New York Times предупреждает, что: «История может быть мощным инструментом для манипуляций и злоупотреблений. Тот же самый генеративный ИИ, который может подделить текущие события, также может притворяться прошлым».

Это еще один способ сказать, что все труднее отличить то, что реально от того, что является фальшивым, и это может применяться одинаково к исторической записи. Авторы отмечают, что «ложные документы являются ключевой частью многих усилий по переписыванию исторической записи».

Например, зрители на YouTube могут посмотреть, как Ричард Никсон выступил с речью, написанной на случай, если посадка на луну 1969 года закончилась катастрофой. К счастью, его никогда не нужно было доставлено. Тем не менее, исследователи из MIT создали эту глубокую черту, чтобы показать, как ИИ может манипулировать нашим общим чувством истории.

Франческа панетта из MIT сказала о Deepfake: «Эта альтернативная история показывает, как новые технологии могут запутать правду вокруг нас, побуждая нашу аудиторию тщательно думать о средствах массовой информации, с которыми они встречаются ежедневно».

Потенциал для DeepFakes разрушить доверие к нашей нынешней реальности, а также в корне искажает историческую запись, только усиливает необходимость в строгих стандартах и ​​правилах для создания и распространения контента с поддержкой A.

Если у нас есть возможность сформировать путь ИИ и его влияние на историю, мы должны сделать это в ближайшее время, потому что текущие условия будут устанавливать долгосрочную тенденцию. Поскольку мы все еще находимся в начале этой новой эпохи, крайне важно, чтобы мы отвечали на эти достижения ответственно, гарантируя, что ИИ служит инструментом для просветления, а не путаницы или обмана.

Вместо ИИ отмечают конечную точку для истории человечества, мы все равно можем сделать его трамплина для просветления.

Гэри Гроссман — EVP технологической практики в Edelman и глобальном лидере Центра передового опыта Эдельмана.



Источник
ИИ в искусстве

Показать свое мастерство в работе с генеративным ИИ можно до 12 мая

admin 11.06.2025
admin


Прием заявок на Международный студенческий онлайн-конкурс HSE CREATIVE OPEN на базе Школы дизайна НИУ ВШЭ продлен до 12 мая, а победители будут объявлены 24 мая 2025 года. В одной из номинаций — «Промпт-инжиниринг. Искусственный интеллект» — конкурсанты могут продемонстрировать свои навыки промпт-инжиниринга при создании совместных с ИИ креативных проектов. Жюри, в составе которого и представители издания Let AI be, еще несколько дней будет ждать ваши работы: художественные произведения различных жанров, иллюстрации, а также аудио- и видеоконтент.

Конкурсанты, чьи проекты будут признаны лучшими в результате голосования, получат денежные призы: 50 тыс. руб. (I место), 30 тыс. руб. (II место) и 20 тыс. руб. (III место).

Узнать подробности участия в номинации «Промпт-инжиниринг. Искусственный интеллект» можно по этой ссылке.

Напомним, что в этом сезоне конкурса порядка двух десятков номинаций: от рекламы и моды до айдентики и искусственного интеллекта. Дедлайн приема проектов сдвинут на 12 мая для всех номинаций.

Изображение: Анна Чекушкина, куратор Станислав Миловидов / из проекта «В домике», призер конкурса HSE CREATIVE OPEN 2024 года в номинации «Повествование через ИИ»

 



Источник

ИИ в бизнесеИИ в искусствеИИ в науке

Бывший генеральный директор Angi запускает KeyChain, платформу для брендов упакованных продуктов питания, чтобы найти производителей

admin 11.06.2025
admin

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


В прошлом году мы сообщили, что бывший генеральный директор Angi и главный сотрудник по продукту Oisin Hanrahan собрал 18 миллионов долларов, чтобы основать новую компанию CayChain, посвященную созданию веб-платформы с AI, которая может лучше подключить потребительских товаров (CPG) в США,-а также, и в том же духе, которые на самом деле производят розничные продукты, которые на самом деле производят и на самом деле являются ими.

Теперь, чуть более двух месяцев спустя, брелок из Нью-Йорка впервые дебютировал на своей веб-платформе для мира. И это массово амбициозное мероприятие даже в ее 1,0 итерации, охватывающее более 24 000 производителей CPG и более 760 000 различных продуктов, с целью трансформации сектора.

Клавичный матч — воздушное производство продуктов питания?

Скриншот ключей. Кредит: ключ

Благодаря KeyChain розничные продавцы могут войти в чистый, упорядоченный веб-интерфейс, просматривать различных производителей, читать описание о них и идентифицировать их местоположение, сортировать их на основе возможностей, которые они предоставляют (без орехов, органические, чипы, крекеры и т. Д.), Следите за затратами, связанными с ними, и подключаются к ним непосредственно на платформе, даже сразившись на производство, внедряя новый уровень ясности и удобства.

Розничные продавцы также могут выбрать продукцию, производимые через эксклюзивных партнеров KeyChain (которые платят за удобство участия, в рамках модели получения доходов KeyChain) или получают оптовые избыточные производственные мощности от компаний, не рекламирующих свои услуги на открытом рынке (который раскрывается только покупателю продавца).

А Закрытие интерфейса профиля производителя CPG от CPG. Кредит: ключ

KeyChain использует новейший в генеративном ИИ на бэкэнд, чтобы организовать и обеспечить точные поиски в этом огромном объеме данных, предназначенные для замены до сих пор в основном аналоговой системе, с помощью которой розничные продавцы CPG обнаружили производителей — вызывая, посещая выставки, пролив индивидуальные каталоги и PDF и PDF, а также отслеживая все в своих собственных переводах и системах.

Вместо всего этого, KeyChain позволяет ритейлерам CPG просто входить в веб -сайт один раз, и, если они являются большим брендом, там уже будет аккаунт, ожидая, что они настройку со многими продуктами, которые они уже предлагают, и предложения для тех, кто может их изготовить.

По словам Ханрахана в интервью с видеозвонками с VentureBeat, эта система позволяет пользователям ключей — оба розничных продавца ищут производителей, чтобы производить свои товары, так и производители ищут клиентов — легче найти друг друга и следить за общим рынком.

«Если вы бренд или розничный продавец, вы знаете, кто может сделать это, а вы производитель, вы знаете, какие продукты вы должны производить», — сказал Ханрахан VentureBeat.

В некотором смысле, он похож на Airbnb, предоставляя программное обеспечение, которое связывает заинтересованных клиентов с теми, которые предоставляют необходимую возможность — за исключением того, что путешественники ищут проживание, оно обслуживает розничные бренды CPG (например, трейдер Джо, как гипотетические примеры) и производителей, которые могут их обслуживать.

Это также похоже на предыдущий совместный состав Hanrahan, Angi, ранее список Анги, который сочетает домовладельцев и арендаторов с работниками, которые могут помочь им завершить домашние проекты, ремонт и техническое обслуживание.

Производительность более 120 миллионов долларов, оцифрованное и организованное ИИ

Развертывание ключей уже содержит 120 миллионов долларов на производственную мощность в более чем 40 категориях продуктов.

Этот огромный множество данных, собранных по цене и дискуссиям команды и дискуссии команды CPG о множестве различных и уникальных этапов их процессов, — все это анализируется и организовано AI на бэкэнд: три разных модели машинного обучения, чтобы быть специфическими.

«У нас есть модель компьютерного зрения, которая анализирует (продукт) изображения и превращает их в описание и находит вещи на изображениях с точки зрения упаковки», — сказал Ханрахан. «У нас есть языковая модель, которая оценивает ингредиенты, описания и имена, а затем у нас есть другая языковая модель, которая оценивает возможности производителя и в основном выполняет совпадение или нечеткое совпадение между тем, что могут делать производители, и процессами, которые (входят в товары), поэтому у нас есть три, прежде всего, три разных модели, выполняющие работу».

На вопрос, были ли модели основаны на существующих готовых моделях из таких, как OpenAI, антропический или другие ведущие компании, или с открытым исходным кодом, такие как Meta’s Llama 2 или миктральная миктральная, Ханрахан, отказался от того, что он использовал Emerging Emerging Emerging Emerging Emergring, которая была выдвинута на обороте, которая была выдвинута на передовой имени. Мэтт Маршалл ранее писал здесь.

Ключевые одобрения отрасли

KeyChain уже выиграл одобрения от Пола Фоге, соучредителя и генерального директора Aura Bora, и Келли МакГолдрик, директора по клиенту Wyandot Snacks, который поблагодарил платформу за предоставление информации о производственном процессе и мощности-новинка в отрасли.

KeyChain планирует сделать свою основную платформу доступной для выбора розничных продавцов и брендов в 2024 году, в настоящее время ограничивая доступ к приглашенным партнерам.

Благодаря возможности ИИ и обширной сети производителей, KeyChain стремится упростить процесс создания и управления производственными партнерскими отношениями, позволяя брендам более быстро и эффективнее выставлять продукты на рынок.



Источник
ИИ в бизнесеИИ в искусствеИИ в науке

Как ИИ переопределяет роли, основанные на данных

admin 29.02.2024
admin


Сегодняшние возможности искусственного интеллекта опираются на огромные объемы данных, и в результате специалисты по обработке данных переосмысливают свою роль на предприятии.

Согласно опросу Salesforce, проведенному в ноябре 2023 года, революция искусственного интеллекта, в которую мы вовлечены сегодня, развивается с такой головокружительной скоростью, что 77% бизнес-лидеров уже обеспокоены тем, что упускают преимущества.

Но, учитывая практически безграничные возможности применения ИИ, на чем следует сосредоточиться в первую очередь организации? О самом ценном ресурсе, которым обладает предприятие — его данных — и позициях, наиболее тесно связанных с их поддержанием, манипулированием и потреблением. В конце концов, сегодняшние знаменитые модели генеративного ИИ дают результаты настолько хорошие, насколько хороши огромные объемы данных, на которых они обучаются. Крайне важны умелые распорядители этого массива данных.

ИИ заменит лишь немногие роли, связанные с данными. Вместо этого программное обеспечение на базе искусственного интеллекта расширит их возможности и побудит амбициозных специалистов по обработке данных сразу же приобрести любые новые навыки, связанные с искусственным интеллектом, которые могут потребоваться. Вот краткое описание влияния ИИ на роли данных в организации.

Директора по данным (CDO)

По данным Harvard Business Review, должность CDO — одна из самых сложных должностей для руководителей высшего звена в сфере ИТ. По данным Harvard Business Review, CDO сохраняют свои должности в среднем всего два с половиной года. Искусственный интеллект потенциально меняет правила игры CDO, поскольку он предлагает новые возможности для повышения ценности предприятия.

До недавнего времени офис CDO считался центром затрат, обеспечивающим управление данными, их целостность и безопасность. ИИ повышает авторитет CDO во многих отношениях. Во-первых, он добавляет множество средств автоматизации для улучшения качества данных, производительности баз данных и анализа данных, что дает лучшие результаты по всем направлениям. Во-вторых, приложения искусственного интеллекта, от чат-ботов до оптимизаторов ценообразования и прогнозной аналитики, зависят от гигантских хранилищ качественных данных — и многие из этих приложений уже приносят новый доход.

Но ИИ также добавляет важное новое обязательство для CDO: они должны гарантировать, что данные обучения ИИ не приведут к предвзятым результатам. Классический пример – непреднамеренная ассоциация риска с миноритарными заемщиками, кандидатами на работу, деловыми партнерами и так далее. Ответственность за предотвращение предвзятости ИИ также лежит на разработчиках приложений ИИ, поэтому совместное тестирование должно продолжаться постоянно.

Архитекторы данных

Архитекторы данных воплощают в жизнь концепцию, политику и инициативы директора по цифровым технологиям посредством эффективного планирования и проектирования. Все начинается с моделирования данных: сбора и анализа требований к данным и разработки логических и физических моделей для их удовлетворения. Моделирование данных с помощью искусственного интеллекта находится на ранней стадии, но по мере развития технологии оно поможет архитекторам создавать более сложные и точные модели.

Архитекторы данных могут использовать инструменты с поддержкой искусственного интеллекта для выявления тенденций в использовании данных с целью установления оптимального местоположения данных, производительности хранилища и безопасности данных для обслуживания приложений в рамках организации. Такой анализ может распространяться на прогнозное планирование мощности, чтобы архитекторы могли определить, какие данные хранить на каких платформах сейчас и в будущем, локально или в облаке.

Дата-инженеры и специалисты по интеграции

Инженеры по обработке данных обычно управляют данными на уровне системы, а не на уровне организации, уделяя особое внимание инфраструктуре, тогда как специалисты по интеграции данных решают извечную проблему смешивания и согласования данных из нескольких репозиториев для любого количества бизнес-приложений. Эти две пересекающиеся роли уже получают выгоду от ИИ.

Ключевой проблемой в этой области является управление метаданными, то есть организация всей важной информации, описывающей данные, полезные для предприятия, независимо от их происхождения и платформы. Уже существуют инструменты искусственного интеллекта, которые могут помочь выявить и упорядочить схему метаданных для сопоставления и интеграции данных. Некоторые также автоматизируют создание конвейеров данных, которые образуют структуру интеграции данных. Новые предложения искусственного интеллекта могут постоянно отслеживать качество данных по мере их прохождения по конвейерам, отмечая несоответствия в режиме реального времени.

Администраторы баз данных (DBA)

Управление корпоративной базой данных — это многогранная работа: от настройки производительности до интенсивных запросов SQL и обеспечения доступности и безопасности. Администраторам баз данных обычно необходимо сбалансировать требования различных групп пользователей, сводя к минимуму сбои в работе по мере масштабирования хранилищ данных и появления новых версий программного обеспечения баз данных. И здесь ИИ может сократить время, затрачиваемое на выполнение рутинных задач, позволяя администраторам баз данных тратить больше времени на сбор и удовлетворение потребностей заинтересованных сторон.

Но большая победа – в оптимизации. Использование инструментов на базе искусственного интеллекта для анализа характеристик производительности позволяет администраторам баз данных выявлять узкие места и предвидеть предстоящие ограничения инфраструктуры — или фактически увеличивать мощность без вмешательства человека. Инструменты искусственного интеллекта, которые соединяют саму базу данных, могут предлагать настройки индексации и рекомендовать изменения в запросах, которые быстрее обеспечивают лучшие результаты.

Специалисты по данным

ИИ, возможно, приносит наибольшую пользу специалистам по обработке данных, работа, которая требует продвинутых навыков в программировании, машинном обучении (ML), математике и инструментах анализа данных. Например, автоматизированное машинное обучение (AutoML) значительно упрощает задачу разработки модели, включая выбор подходящего алгоритма машинного обучения для работы. Кроме того, как и в любом программировании, ученые, работающие с данными, пишущие код Python или R, могут получить выгоду от повышения производительности, предлагаемого помощниками по программированию с использованием искусственного интеллекта.

Ученые, работающие с данными, обладают широким кругозором: они используют огромные объемы данных для выявления долгосрочных корпоративных тенденций, рисков и возможностей — процесс, обогащенный новым поколением аналитического программного обеспечения на базе искусственного интеллекта. Но у этой работы есть маленький грязный секрет: ученые, работающие с данными, тратят большую часть своего времени на поиск, очистку и предварительную обработку данных. Каталогизация данных на основе искусственного интеллекта ускоряет поиск источников, а инструменты искусственного интеллекта появляются, чтобы помочь обеспечить шесть элементов качества данных: точность, полнота, последовательность, уникальность, своевременность и достоверность. Эта основа повышает ценность анализа данных в масштабах всего предприятия.

Аналитики данных

Как и специалисты по данным, аналитики данных извлекают выгоду из новых возможностей искусственного интеллекта, встроенных в новейшие аналитические инструменты, хотя аналитики данных обычно сосредотачиваются на поддержке принятия решений в конкретной области, а не на понимании общей картины. В течение многих лет искусственный интеллект использовался в прогнозной аналитике, но новые итеративные возможности машинного обучения улучшают распознавание закономерностей (и аномалий), позволяя получать гораздо более точные прогнозы. ИИ также может обеспечить наилучшую визуализацию поставленной задачи и даже автоматически создавать информационные панели.

Вся эта автоматизация приводит к расширению доступа к аналитике данных. Интерфейсы на естественном языке позволяют тем, у кого нет навыков языка запросов, выполнять собственный анализ, а рекомендации, предлагаемые ИИ, помогают предотвратить ошибки новичков. ИИ навсегда меняет аналитику с поразительной скоростью, значительно расширяя возможности и снабжая более широкий круг бизнес-аналитиков более мощными инструментами самообслуживания.

Разработчики программного обеспечения

Строго говоря, разработчики программного обеспечения не являются профессионалами в области данных, но очевидно, что они имеют дело с огромными объемами данных в виде миллионов строк кода. В то же время многие разработчики интегрируют возможности машинного обучения в приложения, обрабатывающие все виды корпоративных данных. В обоих случаях помощники по программированию на базе искусственного интеллекта оказывают двузначное влияние на производительность разработчиков.

Помощники по программированию выходят далеко за рамки простого заполнения повторяющихся строк кода. Используя запросы на естественном языке к обширным репозиториям с открытым исходным кодом, а также собственную базу кода собственной компании, разработчикам больше не нужно героически выслеживать неясные детали синтаксиса. Помощники по кодированию могут обслуживать их правильно и в соответствии с правилами кодирования, установленными организацией-разработчиком. В некоторых случаях помощники по программированию также рекомендуют подходящие алгоритмы машинного обучения для конкретных задач приложения.

Завоевание предприятия ИИ

Можно с уверенностью сказать, что ни одна новая технология не оказала более широкого влияния, чем искусственный интеллект. Хотя наибольшее влияние оказывают специалисты по обработке данных и разработчики, профессионалы в области маркетинга, разработки продуктов, сервисных операций, анализа рисков и т. д. активно используют ИИ. Улучшения качества данных и их анализа уже ощущаются по всему предприятию. Возможно, самый удивительный факт заключается в том, что мы только начинаем.

Йозеф де Врис — директор по разработке продуктов EnterpriseDB.



Источник

  • 1
  • …
  • 4
  • 5
  • 6
  • 7

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

    Конец эры программистов: Перспективы и вызовы в эпоху искусственного интеллекта

  • 4

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

  • 5

    Новая архитектура искусственного интеллекту

  • 6

    Web Design Trends For “Start Here” Pages

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