Форум ИИ о нейросетях

OpenAI представила прогресс ИИ в математике — широкий набор новых результатов, полученных с помощью внутренней передовой модели. Компания публикует их в репозитории GitHub, где также предусмотрены правила внесения правок в работы и их цитирования. Подход к публикации обсуждали с независимой консультативной группой по математике и искусственному интеллекту при Институте перспективных исследований (IAS). OpenAI учла её советы и публичные рекомендации и продолжает искать другие площадки научного сообщества, которые соответствуют этим принципам. Часть доказательств можно проверить на компьютере. В репозитории размещены их формализации на Lean — языке программирования, позволяющем проверять математические рассуждения по строгим правилам. По мере подготовки новых формализаций коллекция будет пополняться. Чтобы сделать прогресс ИИ в математике более прозрачным, OpenAI раскрывает дополнительные сведения о процессе получения результатов. Среди них — десять сводок рассуждений модели, статистика по числу задач, которые она пыталась решить, и оценки вычислительных затрат в пересчёте на использование ChatGPT Pro. В среднем на один результат потребовался объём вычислений, сопоставимый примерно с тремя часами работы ChatGPT Pro в режиме рассуждения. Компания также намерена улучшать ссылки на источники, изложение доказательств и представление результатов в следующих публикациях. Это должно облегчить их проверку и обсуждение математиками. Дальнейшие планы включают финансирование семинаров, конференций и специальных программ, посвящённых разбору значимых результатов, полученных ИИ. Подробности обещают сообщить позднее. Параллельно OpenAI готовит ответственный выпуск модели, продолжает оценивать её возможности в математике и других науках и планирует учитывать отзывы исследователей при публикации новых достижений, показывающих прогресс ИИ в математике.

Описание публикации: Volantis, стартап, получивший финансирование от Сэма Альтмана, разрабатывает ИИ-ускоритель A-1, использующий свет для высокоскоростной передачи данных между памятью и вычислительным ядром. Устройство потенциально способно поддерживать до 10 ТБ памяти в одном корпусе и обеспечивать пропускную способность до 240 ТБ/с. Ключевая особенность – фотонный интерпозер, который позволяет размещать память на расстоянии нескольких сантиметров от вычислительного кристалла, решая проблему ограниченности 'береговой линии' при подключении памяти к чипу и снижая задержки передачи данных. В отличие от конкурентов (Lightmatter и Celestial AI), Volantis интегрирует микролазеры непосредственно в интерпозере. Ожидается, что ИИ-ускоритель A-1 сможет обрабатывать модели с 20 трлн параметров и генерировать до 10 000 токенов в секунду на пользователя. Разработка находится на стадии проекта; рабочий прототип планируется представить через 12–18 месяцев, после чего последует определение сроков серийного выпуска. Окончательная производительность будет зависеть от множества факторов, включая точность представления весов и архитектуру модели.

ИИ-ускоритель A-1 от Volantis, стартапа, который финансирует Сэм Альтман, должен передавать данные между памятью и вычислительным ядром с помощью света. Компания заявляет до 10 ТБ памяти в одном корпусе и пропускную способность до 240 ТБ/с. Пока это характеристики проекта, а не результаты испытаний готового устройства. Речь не о полностью фотонном процессоре. Свет в этой архитектуре используется для обмена данными, а не обязательно для самих вычислений. Зачем переносить связь с памятью на оптику Одна из проблем мощных ИИ-чипов — ограниченное пространство для подключения памяти вокруг вычислительного кристалла. Его периметр иногда называют «береговой линией»: длина этой границы ограничивает размещение соединений, а электрические линии усложняют передачу данных на большом расстоянии. Volantis предлагает фотонный интерпозер — соединительную платформу с оптическими каналами. По замыслу разработчиков, она позволит разместить память в нескольких сантиметрах от вычислительного кристалла и ослабить ограничения привычной компоновки. ИИ-ускоритель A-1 также получит микролазеры непосредственно в интерпозере. Именно этим Volantis объясняет отличие своего подхода от решений Lightmatter и Celestial AI с внешними источниками света; остальные необходимые технологии стартап планирует лицензировать. Что обещают и когда ждать прототип Заявленные возможности впечатляют. По оценке компании, архитектура должна позволить запускать модель с 20 трлн параметров и выдавать до 10 000 токенов в секунду на пользователя. Но проверить эти обещания пока нельзя. Реальная производительность будет зависеть от точности представления весов, устройства модели, числа одновременных запросов и других условий, которые нужны для корректного сравнения с GPU. Рабочий прототип Volantis обещает через 12–18 месяцев. Сроки серийного выпуска пока не названы — сначала компании предстоит продемонстрировать работоспособность ИИ-ускорителя A-1.

Краткое изложение содержания статьи: Сервис Yes AI позволяет использовать нейросеть ChatGPT для создания изображений на основе загруженных референсов. ChatGPT анализирует запрос, формирует точные инструкции и помогает получить визуальный результат, соответствующий заданной концепции. Пользователи могут прикреплять фотографии людей, животных, одежды, интерьеров или желаемой атмосферы, а также перечислять требования в виде тезисов, чтобы нейросеть составила подробный промпт для генератора изображений. Эта функция подходит для создания фэшн-фотографий, портретов, рекламных концепций и публикаций в социальных сетях, где текстовое описание недостаточно точно передает задумку. Можно загружать от одного до трех референсов, четко указывая их назначение (лицо, одежда, окружение). Важно использовать чёткие фотографии без сильной ретуши и избегать сложных ракурсов, предоставляя несколько изображений с разных точек зрения при необходимости. В работе с ChatGPT можно не только заменять лица и одежду, но и копировать стиль, передавая такие визуальные характеристики как палитра, освещение, контраст, композиция и фактуры. Платформа предоставляет возможность выбора нейросети для создания изображения (GPT Images, Midjourney, Nano Banana), а также настройки пропорций и количества вариантов иллюстраций. Для достижения наилучшего результата рекомендуется разбивать задачу на этапы, четко формулировать требования и просить ChatGPT анализировать тезисы и дорабатывать промпт перед генерацией изображений. Важно избегать противоречивых требований, неясного назначения файлов и ожидания точной копии референсов.