Yes_Ai

Описание ключевых аспектов статьи: Microsoft и Apple отказались от своих мест наблюдателей в совете директоров OpenAI. Это решение было принято на фоне усиления внимания антимонопольных регуляторов к влиянию крупных технологических компаний на развитие искусственного интеллекта. Изначально предполагалось, что Apple присоединится к совету OpenAI, но эта позиция была отменена. Отказ двух гигантов связан с глобальными расследованиями, направленными на выявление влияния крупных технологических компаний на технологии искусственного интеллекта. Этот шаг может рассматриваться как попытка Microsoft и Apple снизить внимание со стороны регуляторов, которые все чаще концентрируются на доминировании крупных корпораций в сфере высоких технологий. В условиях усиления государственного контроля компании стремятся минимизировать риски, связанные с возможными антимонопольными расследованиями и санкциями.

Краткое изложение текста: В статье рассказывается о создании эффективных промтов для нейросети DALLE-3. Автором приводятся примеры промптов на разные темы, чтобы показать, как можно использовать разные стили и описания для получения желаемого результата. Важно помнить, что создание промпта — это итеративный процесс, требующий тестирования и доработки. Автор подчеркивает, что качественный промпт — залог успеха при работе с нейросетями.

Краткое содержание статьи: Илон Маск инвестирует в два мощных суперкомпьютерных комплекса для развития искусственного интеллекта. Первый, размещаемый на территории Гигафабрики Tesla в Техасе, будет использоваться для совершенствования систем полного автопилота и оснащен 50 тысячами графических процессоров Nvidia и собственным оборудованием Tesla для ИИ. Второй проект - многомиллиардный кластер суперкомпьютеров для стартапа xAI, который будет иметь 100 тысяч графических процессоров Nvidia H100 и станет одним из крупнейших в мире. Он будет поддерживать следующую версию GrokAI, чат-бота ИИ для премиум-подписчиков платформы X. Оба проекта будут охлаждаться с помощью инновационной системы прямого жидкостного охлаждения от компании Supermicro, что позволит сократить энергозатраты на 89%. Реализация этих проектов может существенно повлиять на развитие технологий автономного вождения и обработки естественного языка.

Суть текста: Статья посвящена нейросети Luma, которая может оживлять фото по промту. В тексте подробно описаны три способа анимации с помощью Luma: 1. **Анимация на основе фото и текста (промта):** пользователь отправляет боту фотографию и текст с описанием желаемой анимации. 2. **Анимация на основе исходного изображения и финального кадра:** пользователь загружает два изображения - начальный и конечный кадры - и Luma генерирует анимацию между ними. 3. **Анимация с указанием начального и конечного кадров:** комбинация двух предыдущих методов, где пользователь указывает как начальный, так и конечный кадр для более предсказуемой анимации. В статье также говорится о том, что Luma не допускает анимацию контента для взрослых, сцен насилия и оскорбительного материала. Кроме того, авторы статьи дают советы по составлению промтов для лучшей анимации: краткие инструкции или подробные рекомендации с описанием деталей сцены, движения персонажей, камеры и т.д. Важно также выбирать качественные исходные изображения для получения более точной анимации. В статье отмечается, что Luma превосходит Stable Video Diffusion по функциональности и надежности, но все же имеет некоторые недостатки, такие как игнорирование запроса или изменение лиц людей во время анимации.

Краткое содержание статьи: Google DeepMind представил новый метод обучения искусственного интеллекта под названием JEST (Joint Example Selection). JEST отличается от традиционных методов тем, что учится на целых пакетах данных вместо обработки их по частям. Это позволяет обучать ИИ в 13 раз быстрее и потреблять в 10 раз меньше энергии. JEST использует двухэтапный процесс: сначала небольшая модель оценивает качество данных из разных источников и ранжирует пакеты данных по качеству, а затем большая модель ИИ обучается на отобранных пакетах. Важно отметить, что JEST требователен к качеству исходной информации. Разработка JEST совпала с растущей озабоченностью по поводу энергопотребления ИИ. JEST может стать эффективным инструментом для снижения энергопотребления и повышения производительности в сфере ИИ.