Czy jest jakaś apka ai, którą mozna zintegrować z messengerem i whatsupem, która zrobi krótkie podsumowanie na podstawie analizy czatu?
Np. To jest ktoś z kim rozmawiałeś w marcu zeszłego roku, poruszaliście temat jeżdżenia na nartach. Ma dwójkę dzieci, nazywa się Janusz i mieszka w Wąchocku.
Albo:
Na tym czacie grupowym, twoi znajomi obecnie dyskutują o filmie Substancja. Twoje imię nie padło podczas rozmów.
AI.com, jedna z najbardziej rozpoznawalnych domen związanych ze sztuczną inteligencją, niedawno zaczęła przekierowywać użytkowników na stronę chińskiego startupu DeepSeek. Jeszcze do niedawna wpisanie adresu AI.com w przeglądarce kierowało do ChatGPT (tworzonego przez OpenAI), a potem przez pewien czas do witryny xAI należącej do Elona Muska. DeepSeek może namieszać na międzynarodowym rynku usług opartych na sztucznej inteligencji. #ai #ciekawostki
Mój znajomy stworzył ciekawy projekt oparty na AI, uploadując nawet jedno zdjęcie potrafi wygenerować bardzo szczegółowy i oteksturowany model 3D danego mebla (branża meblowa here). Oczywiście im więcej zdjęć tym lepszy efekt ale wygląda to całkiem dobrze a koszt jest dużo niższy niż zlecanie tej usługi..
a weź no mu powiedz, żeby zrobił tak - wrzucam zdjęcie salonu, program robi model 3D pomieszczenia z meblami i teraz mogę przestawiać sobie je w koputerze szukając idealnego układu, bo od tego jeżdżenia meblami już nie wyrabiam xD
Robie sobie ilustracje do mojej ksiazki sci-fi. Ta sie nie zalapala bo nie podoba mi sie widok za oknem. Ale podoba mi sie kompozycja i kolorystyka. Robione na MJ 6.1 w oczekiwaniu na v7.
Nie sądziłem że AI tak bardzo nie potrafi w perspektywę. Aż oczy bolą od krzywizny ławy i szafki RTV, czy samego TV gdzie każdy z obiektów ma inny punkt zbiegu....
Jakbys rok temu powiedzial ze to AI to nikt by ci nie uwierzyl. Dzis? Meeeeh i sama krytyka ;) Nasze wymagania rosną rownolegle do rozwoju tej technologii a moze nawet szybciej.
Chinskie chatboty maja problem z polityką, geografią, historic. Ale zachodnie czatboty tez maja problemy. Wszystkie jak jeden sa woke, nienawidza bialej rasy, ukrywaja prawde o negatywnym wplywie czarnych mniejszosci na ogół społeczeństwa. Kiedys pennies bedzie tak ze bedziesz mogl miec wlasne AI na komórce i bedziesz mogl je szkolic wedlug wlasnych przekonan. Jessica tak nie bedzie to przyszle pokolenia beda mialy prane mózgi na każdym kroku...
@szwierz ty oczywiście w ogóle nie masz przepranego mózgu, tylko odkryłeś najprawdziwszą prawdę, która jest ukrywana przed maluczkimi przez ogólnoświatowy spiseg.
@Banan11 Tak tylko dla przypomnienia. W ostatniej wiadomości wkleiłem: "despite being 13% of the population, black people commit ~50% of violent crime".
A to nie jest Open AI pod maską? Bawiłem sie tym kilka miesiecy temu ale ostatecznie postawilem na Claude AI. Teraz tak sie przyzwyczaiłem do niego ze nie chce mi sie nawet testowac innych rozwiazan.
Kurde! A byłem wczoraj w motoryzacyjnym kupić żarówkę. Nie przypominam sobie, żebym wymieniał olej do świec, więc na pewno powinienem kupić. W instrukcji nic nie ma na ten temat. Chuje ukrywają, żeby się samochód szybciej zużył.
Wielki słowniczek pojęć AI - Sztuczna Inteligencja
Ekspertem nie jestem, ale kilka pojęć postaram się wyjaśnić dla zainteresowanych:
LLM (Large Language Model) - pol. Duży model językowy. ChatGpt jest LLMem. Ogólnie każdy "program" komputerowy z którym możemy rozmawiać. Są też mniejsze wyspecjalizowane modele na przykład do strukturyzowania danych, rozmowy ale tylko na jeden temat itp.
Transformer - technologia na której opiera się 90% współczesnej sztucznej inteligencji. Po raz pierwszy zaproponowany w 2017 roku przez badaczy z Google TUTAJ https://arxiv.org/pdf/1706.03762 w pracy naukowej o tytule "Attention Is All You Need" (pol. Mechanizm uwagi to wszystko czego potrzebujesz). W sumie od tego miejsca wszystkie współczesne AI się zaczęły.
Diffuser - pol Dyfuzer. Mechanizm dzięki któremu AI generuje obrazki. Jak to robi? Odszumia. Dyfuzer jest wytrenowany na normalnych obrazkach które w kolejnych krokach mają dodany losowy szum. Ale jest wytrenowany w taki sposób aby ten szum usuwał. W wyniku czego, możemy podać do dyfuzera kompletnie losowy szum i słowa sterujące na przykład "pomidor" i AI spróbuje w taki sposób usunąć losowy szum aby rzeczony pomidor wyszedł.
Finetune - pol Dopieszczenie ( ͡~ ͜ʖ ͡°) - kontynuowanie treningu Ai - Najczęśćiej robi się to aby dostosować swój model do własnych specyficznych potrzeb. Podając dziesiątki (najlepiej tysiące) zapytań w parze z dobrymi odpowiedziami jakie oczekujemy uczymy model pracować tak wymagamy. Na przykład odpowiadać wyłącznie w JSON, lub generować obrazek bardzo specyficznego furry.
Lora (Low-rank adaptation) - Nazwijmy to "nakładką" lub "wtyczką" do modelu AI. Lora odpowiada na pytanie: "Co jeżeli chcemy zrobić Finetune, ale jesteśmy biedni?" Zamiast robić pełny Finetune możemy wytrenować nakładkę, która z grubsza będzie realizowała te same zadania. Lora działa trochę jak finetune, jest znacznie szybsza w obliczeniu od pełnego finetune w związku z tym tańsza. Taki finetune ale na skróty.
Embedding - pol. Osadzanie? Zamienia słowa na liczby, ale w mądry sposób. Najczęściej wyglądają tak: [1.34, 4.68, 3,14,..., 2,56] Gdzie ta liczba ma kilkaset, czasami kilka tysięcy elementów. Ale sama zamiana na liczbę nie jest ciekawa, ciekawe są własności tej liczby.
Jeden z najsłynniejszych przykładów: Powiedzmy że słowo "KRÓL" embedujemy na liczbę Kr=[1.34, 4.68, 3,14,..., 2,56], "MĘŻCZYZNA" Me=[1.91,...,0.32], "KOBIETA" Ko=[2.56,..., 8,45]
Jeżeli teraz zapiszemy równanie: Kr-Me+Ko = Q To liczba Q będzie absurdalnie blisko embeddingu słowa "KRÓLOWA" Oznacza to że w "przestrzeni embeddingów jest kierunek odpowiedzialny za płeć. Lepiej graficznie wyjaśnia ten fakt 3b1b TUTAJ https://www.youtube.com/watch?v=FJtFZwbvkI4 (w 60sekund) ale po angielsku.
Quntization - pol. Kwantyzacja, upraszczanie modelu. Nazwijmy to zmianą "rozdzielczości" jakby to do gier porównać. Na ogół modele są dostarczane "tak jak je autor stworzył". Najczęściej nic nie zmieniał i wszystkie liczby w modelu są zapisane jako liczba zmiennoprzecinkowa o dokładności 16 lub 32 bitów (powiedzmy, że to po przecinku). Często można obciąć kilka miejsc po przecinku bez wyraźnej lub z minimalną stratą jakości. Ma to na celu uruchomienie dużego modelu na tańszym komputerze, bo duży model po lobotomii wciąż będzie miał lepszą jakość jak mały na 100% swojej wydajności.
Przykład co znaczą te dziwne znaczki przy nazwach modeli z kwantyzacją:
Q32, Q16, Q4, Q2 to dosłownie rozdzielczość, 32 bity, 16 bitów i tak dalej. Czasami będzie napisane FP32 lub FP16.
Qx_K_M Qx_K_S Przykładowy zapis: Q4_K_M Oznacza, że większość modelu jest w 4 bitach, ale niektóre ważne częśći mają większą rozdzielczość
Jeżeli nie wiesz co potrzebujesz to najczęściej chcesz pobrać: Q4_K_M - Nie potrzeba superkomputera z nasa do włączenia modelu i jednocześnie jakość na akceptowalnym poziomie.
Ch*ja się znam na tym temacie ale jak kogoś coś jeszcze ciekawi to zapraszam do pytań.
Chciałbym żeby ktoś zrobił badanie, które LLMy są bardziej ocenzurowane. Ale byłby ból d⁎⁎y jakby ten chiński "przegrał" z tymi amerykańskimi po lobotomii.
Chińczycy wprowadzili swojego "ChataGPT" model DeepSeek-R1 , który wyprzedza ChatGPT w kilku kluczowych testach. Powstał za skromne 5,6 mln $ i jest darmowy.
Zapytałem DeepSeek, czym się różni od ChatGPT, i odpowiedział:
Cześć! Jestem DeepSeek-V3, sztuczna inteligencja stworzona przez chińską firmę DeepSeek. Mogę pomóc w różnych zadaniach, takich jak odpowiadanie na pytania, tłumaczenie tekstów, generowanie treści i wiele więcej. Jeśli masz pytania lub potrzebujesz pomocy, śmiało pytaj!
A czym różnię się od ChatGPT? Oto kilka kluczowych różnic:
1.Model i architektura: ChatGPT jest oparty na architekturze GPT (Generative Pre-trained Transformer), natomiast ja jestem oparty na własnej architekturze DeepSeek-V3, która może mieć różne cechy i optymalizacje.
2. Funkcje i możliwości: Każdy model ma swoje unikalne funkcje i możliwości. Na przykład, mogę być bardziej dostosowany do konkretnych zadań lub mieć lepszą wydajność w określonych obszarach.
3. Dane treningowe: Różne modele są trenowane na różnych zestawach danych, co może wpływać na jakość i rodzaj odpowiedzi.
4. Cel i zastosowanie: DeepSeek-V3 może być bardziej ukierunkowany na konkretne zastosowania, takie jak analiza danych, automatyzacja zadań biznesowych, czy wsparcie w decyzjach.
Pisałem ostatnio o tym jak przy użyciu #ai stworzyłem aplikację do napiwków: https://www.hejto.pl/wpis/przy-uzyciu-ai-w-zalewie-miesiac-zbudowalem-swoja-aplikacje-do-bezgotowkowych-na
Jeśli chcecie śledzić jej rozwój i dowiedzieć się trochę o procesie powstawania, to zapraszam Was na https://tippin.substack.com/ 🫡