NVIDIA RTX 5060 Ti будет использовать чип GB206-300, иметь 4608 ядер CUDA, две конфигурации GDDR7 объемом 8 ГБ и 16 ГБ, использовать 128 бит и энергопотребление в 180 Вт.
RTX 5050 построена на чипе GB207-300 с 2560 ядрами CUDA, 8 ГБ видеопамяти GDDR6, 128-битную разрядность и энергопотреблением 130 Вт. Обе видеокарты используют конструкцию печатной платы PG152.
По слухам, RTX 5060 Ti и RTX 5050 выйдут в апреле-мае, а RTX 5050 должна составить конкуренцию Intel Battlemage Arc B580.
videocardz.com
Ученые при момощи ИИ обнаружили более простой способ формирования квантовой запутанности между субатомными частицами. Это открытие потенциально облегчит разработку квантовых коммуникационных технологий.
Исследование, опубликованное в Physical Review Letters, описывает, как разработанный ИИ-инструмент PyTheus предложил принципиально новый метод, основанный на неразличимости путей фотонов.
Это открытие упрощает процесс формирования квантовой запутанности, что в перспективе может сделать квантовые сети для безопасной передачи сообщений более осуществимыми. Хотя практическое масштабирование технологии еще предстоит оценить, исследование убедительно демонстрирует потенциал AI как инструмента для научных открытий в физике.
space.com
Февраль 2025 года стал для ChatGPT рекордным по числу посетителей – 3,905 миллиарда, но несмотря на это, месячный прирост составил скромные 1,44%, что указывает на существенное замедление динамики.
В годовом исчислении рост остается впечатляющим - 137% по сравнению с февралем 2024 года. Эти показатели позволили ChatGPT занять 5 место среди самых посещаемых десктопных веб-сайтов в мире и 7 место с учетом мобильного трафика. Даже с таким внушительным количество пользователей, ChatGPT пока не может сравниться по объемам трафика с Google.
Similarweb в X (Twitter)
Несколько ведущих университетов Китая заявили о планах по увеличению набора студентов. Данная инициатива направлена на приоритетное развитие кадров в сферах, имеющих "национальное стратегическое значение", одна из них - искусственный интеллект.
Решение последовало за запуском университетских курсов по ИИ, основанных на разработках стартапа DeepSeek, чьи успехи сравнивают со "спутником" в технологическом прорыве. Peking University добавит 150 мест в 2025 году, Renmin University - более 100, Shanghai Jiao Tong University также увеличит прием на 150 мест в специализациях по ИИ и новых технологиях. Эти меры тесно связаны со стремлением КНР стать "мощной образовательной державой".
reuters.com
Компания Sony Music отчиталась о удалении более 75 тысяч сгенерированных искусственным интеллектом материалов, в основном это подделки записей известных исполнителей. Этот объем выявленных фейков, по мнению музыкальных руководителей, является лишь вершиной айсберга.
Sony опасается, что планируемое ослабление законодательства об авторском праве в Великобритании усугубит проблему и нанесет прямой коммерческий ущерб артистам. В своем обращении к правительству Великобритании компания подчеркнула, что существующая система лицензирования интеллектуальной собственности для обучения ИИ является предпочтительной и ведет с рядом компаний переговоры.
ft.com
• По бенчмаркам AIME и MATH 500 она с лёгкостью обходит OpenAI o1, предлагая сразу возможности поиска и «глубокого размышления».
•Можно загрузить до 50 файлов, а контекстное окно на 200 тысяч токенов способно обработать огромный объём данных, выдавая подробный ответ или краткий вывод.
kimi.ai
GItHub
@ai_machinelearning_big_data
#news #ai #ml
Machinelearning
Показываем как запускать любые LLm на пальцах.
По всем вопросам - @haarrp
@itchannels_telegram -🔥best channels
Реестр РКН: clck.ru/3Fmqri
Canales Similares
Открытые новинки в области машинного обучения и искусственного интеллекта
Машинное обучение (МЛ) и искусственный интеллект (AI) продолжают оставаться в центре внимания как в научных кругах, так и в бизнесе. С каждым годом появляются новые технологии и инструменты, способствующие развитию этих областей, что приводит к значительным изменениям в различных сферах жизни. В последнее время особое внимание уделяется open source проектам, которые предоставляют разработчикам доступ к передовым алгоритмам и библиотекам. Эти проекты призваны облегчить процесс интеграции AI в бизнес и образовательные учреждения, а также помогают стартапам и исследователям быстрее достигать своих целей. В этой статье мы рассмотрим некоторые из самых интересных новинок в области машинного обучения и AI, а также дадим рекомендации по запуску LLLm (Large Language Models) и другим технологиям, которые могут оказаться полезными для практического применения.
Что такое машинное обучение и как оно работает?
Машинное обучение — это подмножество искусственного интеллекта, которое позволяет компьютерам обучаться на основе данных без явного программирования. Вместо того чтобы следовать фиксированным алгоритмам, системы машинного обучения используют статистические методы для анализа данных и выработки прогнозов. Алгоритмы обучаются на основе обучающей выборки, чтобы затем применять полученные знания к новым данным.
Машинное обучение делится на несколько типов: контролируемое, неконтролируемое и полу-контролируемое обучение. В контролируемом обучении используются размеченные данные, в которых известны входные и выходные параметры. В неконтролируемом обучении система должна сама находить закономерности в незнакомых данных, что делает его более сложным, но также и более интересным.
Каковы основные open source проекты в области машинного обучения?
Некоторые из самых популярных open source проектов в области машинного обучения включают TensorFlow, PyTorch, Scikit-learn и Keras. TensorFlow, разработанный Google, предоставляет мощные методы для создания и обучения нейронных сетей, а также для работы с большими объемами данных. PyTorch, в свою очередь, более гибок и удобен для исследователей, что делает его идеальным для разработки и тестирования концепций.
Scikit-learn — это библиотека для обычного машинного обучения на Python, которая предоставляет множество инструментов для классической статистики и обработки данных. Keras — это высокоуровневая библиотека для нейронных сетей, позволяющая быстро и удобно создавать модели, и чаще всего используется вместе с TensorFlow.
Как запустить LLLm и какие инструменты для этого нужны?
Запуск LLLm требует наличия определённых инструментов, таких как GPU для ускорения вычислений, а также библиотек, таких как Hugging Face Transformers, которые содержат предобученные модели для работы с языком. Для начала необходимо установить необходимые библиотеки и окружения, такие как Anaconda или Docker, которые упрощают управление зависимостями.
Следующим шагом будет загрузка предобученной модели и подготовка данных для обучения или тестирования. Hugging Face предлагает простые в использовании интерфейсы, которые позволяют легко интегрировать разные LLLm в ваши приложения. После подготовки данных и модели можно начать процесс обучения или генерации текста.
Какие последние тренды в области AI и машинного обучения?
Одним из главных трендов является применение искусственного интеллекта в различных отраслях, таких как медицина, финансы и транспорт. AI помогает в диагностике заболеваний, анализе финансовых рисков и оптимизации логистики. Также наблюдается рост интереса к Explainable AI (объяснимый AI), который направлен на создание моделей, прозрачных для пользователей.
Другим заметным направлением является использование AI для создания творческого контента, включая создание музыки и графики. Модели, подобные GPT-3, уже продемонстрировали свои способности в создании текстов и даже программного обеспечения. Это открывает новые возможности для креативных профессий и вызывает дискуссии о будущем авторского права.
Каково будущее машинного обучения и искусственного интеллекта?
Будущее машинного обучения и искусственного интеллекта обещает быть многообещающим, с множеством инноваций и внедрений в повседневную жизнь. Ожидается, что AI станет более персонализированным и адаптивным, улучшая пользовательский опыт и предлагая решения, соответствующие индивидуальным потребностям.
Помимо этого, рост интереса к этическим аспектам AI будет определять его развитие. Вопросы, касающиеся приватности данных, предвзятости алгоритмов и их социальной ответственности, будут играть важную роль в будущем. Создание эффективных правовых и этических норм в этой области также станет неизбежной частью нашей жизни.
Canal de Telegram Machinelearning
Добро пожаловать на канал Machinelearning! Здесь мы погружаемся в мир машинного обучения, делимся лучшими открытыми новинками из области машинного обучения и больших данных. На канале вы найдете интересные коды, вопросы с собеседований, а также публикуем открытые курсы и гайды для тех, кто хочет погрузиться в эту увлекательную область. Если у вас возникли вопросы или предложения, не стесняйтесь обращаться к администратору канала @haarrp. Присоединяйтесь к нашему сообществу и узнавайте все о машинном обучении!
Últimas Publicaciones de Machinelearning
# Create Conda env
conda create -n distill-any-depth -y python=3.10
conda activate distill-any-depth
# Clone Repo
git clone https://github.com/rmurai0610/MASt3R-SLAM.git --recursive
cd MASt3R-SLAM/
# Install dependencies
pip install -r requirements.txt
pip install -e .
# If use hf_hub_download, you can use the following code
checkpoint_path = hf_hub_download(repo_id=f"xingyang1/Distill-Any-Depth", filename=f"large/model.safetensors", repo_type="model")
# Launch Gradio demo
python app.py
@ai_machinelearning_big_data
#AI #ML #Depth #DIstillAnyDepth
Canales de Telegram en un formato conveniente y organizado