Последний год я занимаюсь ИИ-автоматизациями для бизнеса и, конечно, в своей жизни тоже кое-что оптимизировал. Хочу рассказать про 2 телеграм -бота с нейронками под капотом, которыми пользуюсь регулярно
1) good secretary bot —
@goodsecretarybot
просто превращает войсы в текст. Бесплатно, без смс и регистрации и даже без сохранения логов (верим на слово). Сделал ведущий хорошего подкаста «запуск завтра» @ctodaily Самат Галимов, все респекты ему.
- ему я отправляю ваши голосовые когда неудобно послушать (часто)
- наговариваю свои заметки прямо с ним в переписке и забираю тексты в notion или сюда в канал
- бот может транскрибировать ваши аудиозаписи с телефона если вы отправите их через кнопку share to, но есть лимит по времени, кажется, в 10 минут
работает на опен-сорс voice2text модели whisper от openAI которую вам не нужно хостить самим
2) Dola AI — @hidolabot
ассистент для работы с календарем. Настраиваете интеграцию с гуглом или отправляете ему текстовое описание события, а Dola извлекает все детали и добавляет его в ваше расписание. Кто сделал не знаю, а услышал про бот впервые от Кости Филоненко, спасибо.
- бот принимает на вход текстовые сообщения, картинки и даже войсы
- вершина наших отношения пройдена на днях — я изучал лайн-ап музыкального фестиваля на который еду ставя галочки на картинке с расписанием. Потом скинул эту картинку с заметками в бот и получил ленту событий в календаре с правильными датой, временем и локацией. Скриншот в коментах
- еще удобно скидывать ему рекламные описания мероприятий с маркетинговой шелухой, которую он сам заботливо очистит
- бот понимает инструкции на естественном языке типа «в этом списке возьми только последние 2 строчки», «здесь ты был не прав, удали» или просто «завтра идем пить кофе с Х»
- пока тоже бесплатно, но за такое платить не жалко, ждем от ребят новых фичей
работает как structured output + function call с моделью gpt-4o, но UX внутри телеграма очень приятный, удобнее я сам не сделал бы
3) не бот, но удобная фича в связке с любым ботом — заводить приватные тематические телеграм-каналы, куда это все можно пересылать. Каналы я называю с тегом priv / <you name it>, чтобы не путаться
- у меня есть отдельный, куда я записываю войсы со своими снами
- штук 5 для тематических репостов (стартапы, ИИ, политика)
- кстати этот канал тоже когда-то был приватным
- про-тип — для этих приватных каналов можно настроить интеграцию с тем же notion и даже сделать чат-бот, который будут все эти посты помнить за вас, но это отдельный разговор
а вы какие боты и фичи телеграма используете?
@levels_of_abstraction
1) good secretary bot —
@goodsecretarybot
просто превращает войсы в текст. Бесплатно, без смс и регистрации и даже без сохранения логов (верим на слово). Сделал ведущий хорошего подкаста «запуск завтра» @ctodaily Самат Галимов, все респекты ему.
- ему я отправляю ваши голосовые когда неудобно послушать (часто)
- наговариваю свои заметки прямо с ним в переписке и забираю тексты в notion или сюда в канал
- бот может транскрибировать ваши аудиозаписи с телефона если вы отправите их через кнопку share to, но есть лимит по времени, кажется, в 10 минут
работает на опен-сорс voice2text модели whisper от openAI которую вам не нужно хостить самим
2) Dola AI — @hidolabot
ассистент для работы с календарем. Настраиваете интеграцию с гуглом или отправляете ему текстовое описание события, а Dola извлекает все детали и добавляет его в ваше расписание. Кто сделал не знаю, а услышал про бот впервые от Кости Филоненко, спасибо.
- бот принимает на вход текстовые сообщения, картинки и даже войсы
- вершина наших отношения пройдена на днях — я изучал лайн-ап музыкального фестиваля на который еду ставя галочки на картинке с расписанием. Потом скинул эту картинку с заметками в бот и получил ленту событий в календаре с правильными датой, временем и локацией. Скриншот в коментах
- еще удобно скидывать ему рекламные описания мероприятий с маркетинговой шелухой, которую он сам заботливо очистит
- бот понимает инструкции на естественном языке типа «в этом списке возьми только последние 2 строчки», «здесь ты был не прав, удали» или просто «завтра идем пить кофе с Х»
- пока тоже бесплатно, но за такое платить не жалко, ждем от ребят новых фичей
работает как structured output + function call с моделью gpt-4o, но UX внутри телеграма очень приятный, удобнее я сам не сделал бы
3) не бот, но удобная фича в связке с любым ботом — заводить приватные тематические телеграм-каналы, куда это все можно пересылать. Каналы я называю с тегом priv / <you name it>, чтобы не путаться
- у меня есть отдельный, куда я записываю войсы со своими снами
- штук 5 для тематических репостов (стартапы, ИИ, политика)
- кстати этот канал тоже когда-то был приватным
- про-тип — для этих приватных каналов можно настроить интеграцию с тем же notion и даже сделать чат-бот, который будут все эти посты помнить за вас, но это отдельный разговор
а вы какие боты и фичи телеграма используете?
@levels_of_abstraction
Внимание!
Оказалось, что подброшенная монета с вероятностью 51% приземляется на ту же сторону, с которой ее подбрасывают 🤯
Сначала это показало компьютерное моделирование, а сейчас появилось и экспериментальное подтверждение на 350 тысяч бросков.
Спасибо за внимание
Оказалось, что подброшенная монета с вероятностью 51% приземляется на ту же сторону, с которой ее подбрасывают 🤯
Сначала это показало компьютерное моделирование, а сейчас появилось и экспериментальное подтверждение на 350 тысяч бросков.
Спасибо за внимание
у меня есть традиция устраивать конференцию в честь своего дня рождения
доклады со слайдами — мой родной язык, выученный сначала на научных семинарах и конференциях, а позже на стартап—питчах. а еще мне повезло иметь много умных друзей, которые успели этот язык выучить в самых разных областях знания и всегда имеют, о чем рассказать. ну и в-третьих, формат конференции — это очень весело, особенно если не сдерживать его строгими правилами академического мира, которым я лично все меньше связан. так что во-первых, призываю вас организовывать больше разных конференций, по поводу и без.
во-вторых, поскольку день рождения у меня как раз сегодня, дарю вам свой прошлогодний доклад — "уроки динозавров. учимся на чужих ошибках" о массовых вымираниях на планете Земля и уроках, которые мы можем извлечь из бытия тех кого с нами нет (динозавры, мамонты и еще 95% когда-либо существовавших видов), и выигрышных cтратегий видов успешно переживших массовые вымирания (акулы, тараканы, медузы).
жизнь динозавров интересует меня с детства — а) они красивые, б) очень разные и в) они много тысяч лет правили на планете. пока быстро и практически бесследно исчезли, уступив гегемонию другим видам, в том числе млекопитающим. за что, конечно, большое спасибо
выводы доклада кратко:
- если солнце светило ярко 50 млн лет, это не значит, что так будет всегда
- высокая скорость размножения помогает в адаптации к меняющимся условиям
- при резкой смене внешних условий менять ареал обитания — хорошая стратегия
- живи долго. иногда неприятности заканчиваются
- и мой любимый, всегда справедливый: эволюционируй или умри. точнее, вымри
подробнее в самой презентации. в комментариях делитесь, чей еще доклад вы хотели бы увидеть здесь. а если хотите присоединиться в качестве докладчиков к будущим выпускам — вэлком в личку
доклады со слайдами — мой родной язык, выученный сначала на научных семинарах и конференциях, а позже на стартап—питчах. а еще мне повезло иметь много умных друзей, которые успели этот язык выучить в самых разных областях знания и всегда имеют, о чем рассказать. ну и в-третьих, формат конференции — это очень весело, особенно если не сдерживать его строгими правилами академического мира, которым я лично все меньше связан. так что во-первых, призываю вас организовывать больше разных конференций, по поводу и без.
во-вторых, поскольку день рождения у меня как раз сегодня, дарю вам свой прошлогодний доклад — "уроки динозавров. учимся на чужих ошибках" о массовых вымираниях на планете Земля и уроках, которые мы можем извлечь из бытия тех кого с нами нет (динозавры, мамонты и еще 95% когда-либо существовавших видов), и выигрышных cтратегий видов успешно переживших массовые вымирания (акулы, тараканы, медузы).
жизнь динозавров интересует меня с детства — а) они красивые, б) очень разные и в) они много тысяч лет правили на планете. пока быстро и практически бесследно исчезли, уступив гегемонию другим видам, в том числе млекопитающим. за что, конечно, большое спасибо
выводы доклада кратко:
- если солнце светило ярко 50 млн лет, это не значит, что так будет всегда
- высокая скорость размножения помогает в адаптации к меняющимся условиям
- при резкой смене внешних условий менять ареал обитания — хорошая стратегия
- живи долго. иногда неприятности заканчиваются
- и мой любимый, всегда справедливый: эволюционируй или умри. точнее, вымри
подробнее в самой презентации. в комментариях делитесь, чей еще доклад вы хотели бы увидеть здесь. а если хотите присоединиться в качестве докладчиков к будущим выпускам — вэлком в личку
конференция 2024 успешно состоялась
про традицию я рассказывал выше. а про тему этого года не рассказывал. поскольку большая часть моих близких людей разбросаны по всему миру, в этом году мы коллективно исследовали "близость" в широком смысле — сообщества, дружбу, расстояния и границы, отсутствие близости и ее невозможность.
может быть когда-нибудь доклады доберутся до ютуба, может быть возникнет открытая версия мероприятия, а пока афиша на память. спасибо всем участникам и сочувствующим
p.s. приколы нужно организовывать так же серьезно как все остальное
про традицию я рассказывал выше. а про тему этого года не рассказывал. поскольку большая часть моих близких людей разбросаны по всему миру, в этом году мы коллективно исследовали "близость" в широком смысле — сообщества, дружбу, расстояния и границы, отсутствие близости и ее невозможность.
может быть когда-нибудь доклады доберутся до ютуба, может быть возникнет открытая версия мероприятия, а пока афиша на память. спасибо всем участникам и сочувствующим
p.s. приколы нужно организовывать так же серьезно как все остальное
и чтобы плавно вернуть канал к беспросветному занудству, поделюсь историей, которую мой друг Эколёха рассказал во время своего прекрасного доклада о близости к земле
многим знаком приятный запах земли после дождя. у него даже есть свое название — петрикор, этот запах такой приятный, что парфюмеры очень давно и активно используют его в разных ароматах
название то дали, но откуда этот запах берется было непонятно, пока другие ученые не выяснили, что основную ноту создает геосмин, причем выделяет его не сама земля или растения, а живущие в земле бактерии стрептомицеты, которые после дождя начинают очень активно размножаться. иногда к этому букету примешиваются растворенные дождем эфирные масла и озон после грозы, но основную ноту дают именно бактерии.
но самое интересное — то, почему этот запах кажется нам приятным. есть мнение, что поскольку мокрая земля приводила к лучшим урожаям, и с меньшей вероятностью означала голодную зиму, многие поколения наших предков—земледельцев после дождя вырабатывали условный рефлекс, почти как собака Павлова. проверить это вряд ли когда-то удастся, но объяснение красивое.
на этом возвращаюсь к своему долгострою про обоняние и тому, как разные запахи, активировавшие нервные клетки у нас в носу декодируются в нашем мозге и создают ощущения, приятные и не очень. до конца декабря обещаю закончить
многим знаком приятный запах земли после дождя. у него даже есть свое название — петрикор, этот запах такой приятный, что парфюмеры очень давно и активно используют его в разных ароматах
название то дали, но откуда этот запах берется было непонятно, пока другие ученые не выяснили, что основную ноту создает геосмин, причем выделяет его не сама земля или растения, а живущие в земле бактерии стрептомицеты, которые после дождя начинают очень активно размножаться. иногда к этому букету примешиваются растворенные дождем эфирные масла и озон после грозы, но основную ноту дают именно бактерии.
но самое интересное — то, почему этот запах кажется нам приятным. есть мнение, что поскольку мокрая земля приводила к лучшим урожаям, и с меньшей вероятностью означала голодную зиму, многие поколения наших предков—земледельцев после дождя вырабатывали условный рефлекс, почти как собака Павлова. проверить это вряд ли когда-то удастся, но объяснение красивое.
на этом возвращаюсь к своему долгострою про обоняние и тому, как разные запахи, активировавшие нервные клетки у нас в носу декодируются в нашем мозге и создают ощущения, приятные и не очень. до конца декабря обещаю закончить
Откуда я это почувствовал. Запахи, часть 4
В прошлых серия мы разобрались, как в носу происходит «оцифровка» химической информации из воздуха в электро-химические сигналы между нейронами. Сегодня о том как эта информация обрабатывается разными отделами мозга и влияет на наше поведение, связывая запахи с эмоциями, местами и воспоминаниями.
Обонятельная луковица передает информацию в высшие отделы мозга – миндалевидное тело, гиппокамп, таламус, обонятельную и орбитофронтальную кору. Множество соединений этих отделов между собой, напрямую и с длинными цепочками через другие отделы, путает следы для исследователей, но тем не менее некоторые вещи уже неплохо изучены.
🐀 Значительная часть описанного ниже известна благодаря лабораторным крысам: так, удаление обонятельного нерва приводило к заметным изменениям структуры гиппокампа и миндалевидного тела, после чего мыши впадали в депрессию, что изначально и подтвердило связь запахов и эмоций через эти отделы. Более того, этот способ создания депрессивных крыс оказался таким надежным, что именно так готовят особей для испытаний эффективности антидепрессантов.
Исследовать людей на порядки сложнее — человеческие данные как правило получены с помощью экспериментов в МРТ-аппаратах, когда испытуемым давали пробовать разные ароматы и следили за реакцией в разных отделах мозга. Обзор на тему
Кстати, связь размера обонятельной луковицы с депрессией подтвердилась и для людей — чем она меньше, тем выше шансы депрессивного расстройство, что даже предлагается использовать как способ диагностики (статья)
Так что же происходит в разных частях мозга с обонятельными сигналами, вызванными, например, все той же чашкой кофе
🧠 Первичная обонятельная кора, расположенная в височной доле мозга прямо над ноздрями, играет ключевую роль в восприятии и первичной обработке информации о запахах. Эта одна из наиболее древних частей мозга, что означает ее связь с самыми низовыми функциями выживания. Она функционирует как узел, фильтрующий и сортирующий информацию об запахах перед ее передачей в другие части мозга, например
🌰 миндалевидное тело — наш центр эмоций. здесь происходит ассоциативное обучение через подкрепление — запахи, которые мы ощущаем вместе с приятными эмоциями маркируются как «приятные» и наоборот. далее после нескольких циклов обучения, а люди очень эффективны в своем reinforcement learning, запахи начинают вызывать эмоции сами по себе. Если у вас есть привычка пить кофе по утрам, миндалевидное тело воспроизводит эмоциональную реакцию прошлых опытов, как только вы услышите первый аромат с кухни. Так, благодаря ему вы можете испытывать чувство бодрости или комфорта, в зависимости от того, как вы обычно воспринимаете кофе
🦛 Гиппокамп в целом отвечает за работу с эпизодической памятью, а в случае с запахами связывает их с конкретными событиями или местами. например, здесь кодируется, запах бабушкиного шкафа из вашего детства, или какого-то цветущего поля рядом с дачей. В следующий раз, когда запах цветочной отдушки напомнит вам это поле или любую другую точку на земле, поблагодарите за это гиппокамп. С кофе это может проявляться в связи сорта с воспоминания об определенной кофейне
☺️ Таламус, который играет важную роль в сенсорном восприятии и регуляции двигательных функций, помогает нам в относительно простых вещах, например, определять источник запаха дойти до кухни и потянуться за чашкой
До этого момента все реакции происходят неосознанно, управлять ими даже самые сознательные субъекты не в силах. При этом они могут управлять нами — физиологические состояния, например, голод, влияют на ощущаемое удовольствия от запахов еды как раз через обучение с подкреплением в гиппокампе. То есть в некоторых ситуациях гиппокамп играет с перцепцией обоняния и подкручивает яркость запахов, чтобы вы уже не могли их игнорировать и наконец что-нибудь съели.
🧠 Дальше информация передается в орбифронтальную кору - самую «новую» часть нашего hardware из перечисленных выше, которая отвечает за самые новые функции — образное мышление, целеполагание, работа с ожиданиями.
В прошлых серия мы разобрались, как в носу происходит «оцифровка» химической информации из воздуха в электро-химические сигналы между нейронами. Сегодня о том как эта информация обрабатывается разными отделами мозга и влияет на наше поведение, связывая запахи с эмоциями, местами и воспоминаниями.
Обонятельная луковица передает информацию в высшие отделы мозга – миндалевидное тело, гиппокамп, таламус, обонятельную и орбитофронтальную кору. Множество соединений этих отделов между собой, напрямую и с длинными цепочками через другие отделы, путает следы для исследователей, но тем не менее некоторые вещи уже неплохо изучены.
Исследовать людей на порядки сложнее — человеческие данные как правило получены с помощью экспериментов в МРТ-аппаратах, когда испытуемым давали пробовать разные ароматы и следили за реакцией в разных отделах мозга. Обзор на тему
Кстати, связь размера обонятельной луковицы с депрессией подтвердилась и для людей — чем она меньше, тем выше шансы депрессивного расстройство, что даже предлагается использовать как способ диагностики (статья)
Так что же происходит в разных частях мозга с обонятельными сигналами, вызванными, например, все той же чашкой кофе
🧠 Первичная обонятельная кора, расположенная в височной доле мозга прямо над ноздрями, играет ключевую роль в восприятии и первичной обработке информации о запахах. Эта одна из наиболее древних частей мозга, что означает ее связь с самыми низовыми функциями выживания. Она функционирует как узел, фильтрующий и сортирующий информацию об запахах перед ее передачей в другие части мозга, например
🌰 миндалевидное тело — наш центр эмоций. здесь происходит ассоциативное обучение через подкрепление — запахи, которые мы ощущаем вместе с приятными эмоциями маркируются как «приятные» и наоборот. далее после нескольких циклов обучения, а люди очень эффективны в своем reinforcement learning, запахи начинают вызывать эмоции сами по себе. Если у вас есть привычка пить кофе по утрам, миндалевидное тело воспроизводит эмоциональную реакцию прошлых опытов, как только вы услышите первый аромат с кухни. Так, благодаря ему вы можете испытывать чувство бодрости или комфорта, в зависимости от того, как вы обычно воспринимаете кофе
🦛 Гиппокамп в целом отвечает за работу с эпизодической памятью, а в случае с запахами связывает их с конкретными событиями или местами. например, здесь кодируется, запах бабушкиного шкафа из вашего детства, или какого-то цветущего поля рядом с дачей. В следующий раз, когда запах цветочной отдушки напомнит вам это поле или любую другую точку на земле, поблагодарите за это гиппокамп. С кофе это может проявляться в связи сорта с воспоминания об определенной кофейне
До этого момента все реакции происходят неосознанно, управлять ими даже самые сознательные субъекты не в силах. При этом они могут управлять нами — физиологические состояния, например, голод, влияют на ощущаемое удовольствия от запахов еды как раз через обучение с подкреплением в гиппокампе. То есть в некоторых ситуациях гиппокамп играет с перцепцией обоняния и подкручивает яркость запахов, чтобы вы уже не могли их игнорировать и наконец что-нибудь съели.
🧠 Дальше информация передается в орбифронтальную кору - самую «новую» часть нашего hardware из перечисленных выше, которая отвечает за самые новые функции — образное мышление, целеполагание, работа с ожиданиями.
Please open Telegram to view this post
VIEW IN TELEGRAM
Функции без которых животные могут обойтись. На уровнях абстракции это переход от запаха еды, от которого вы сильнее хотите есть, к запаху одеколона вашего отца от которого сильнее хочется плакать. Эти сложные образы закодированы где-то здесь, и достать их оттуда может уже не только случайный аромат, но и сознательное усилие.
С точки зрения работы с ожиданиями орбитофронтальная кора помогает вам распознать запах и предвкушать удовольствие от употребления горячей чашки кофе до того как вы ее выпьете. То есть если как следует напрячься, можно достать из нее вкусовые и обонятельные образы, которые сами по себе окажутся бодрящими.
Сложно остановить копание в этом процессе, поэтому взгляд на обоняние в терминах математической обработки сигналов выйдет отдельным постом
#обоняние
@levels_of_abstraction
С точки зрения работы с ожиданиями орбитофронтальная кора помогает вам распознать запах и предвкушать удовольствие от употребления горячей чашки кофе до того как вы ее выпьете. То есть если как следует напрячься, можно достать из нее вкусовые и обонятельные образы, которые сами по себе окажутся бодрящими.
Сложно остановить копание в этом процессе, поэтому взгляд на обоняние в терминах математической обработки сигналов выйдет отдельным постом
#обоняние
@levels_of_abstraction
Forwarded from Daily Reminder
Please open Telegram to view this post
VIEW IN TELEGRAM
итоги года для Quist
TLDR:мы не умерли, но мы уже не те, что раньше — в новом составе занимаемся новыми штуками
напомню, что началось все ~1.5 года назад с идеи супер-поиска информации в научных статьях на ЛЛМ. я тогда только только вывалился из академии, чатГПТ начинал шествие за умы и кошельки, про perplexity никто включая меня не знал, и было решено пилить стартап для рисерчеров, чтобы сделать процесс поиска данных более эффективным
я решал свою собственную боль и, вероятно, был слишком очарован юз-кейсом, когда ЛЛМ читают за вас сумасшедшие объемы информации и находят все иголки в тысяче стогов сена. к тому же рисерчеры, кому я показывал первые прототипы, были в восторге — мы сделали 5 бесплатных пилотов, но дальше поняли, что с учеными и небольшими коллективами экономика не сходится — данных у них много, а вот денег не очень (коллеги, ничего личного) и что самое важное — они редко куда-то спешат в своем поиске. после этого мы начали искать новые юз-кейсы
точнее сходится экономика только для больших заказчиков, например целых университетов и здесь давно намечается интересный проект, но мы уже год согласовываем ТЗ со всеми decision makers, и в какой-то момент казалось, что до подписания не доживем
с тех пор мы:
— запустили апп с урезанным функционалом для b2c, собрали первую 1000 пользователей
— сделали тул для консультантов чтобы собирать информацию по рынкам и конкурентам
— тул для инвесторов в технологические проекты, чтобы оценить перспективность той или иной технологии
— тул для сбора информации по клиническим испытаниям новых лекарств FDA
— автоматизацию поиска тендеров для большого маркетплейса. удивительным образом задача оказалось технологически близко к нашему основному юз-кейсу, в итоге сложился крутой проект который сейчас ближе всего к промышленной интеграции, весной раскатываем наш ко-пайлот на целый отдел продаж
— и вот под самый конец года запартнерились с бодрым стартапом который занимается поиском новых лекарств с помощью ИИ, причем с задачей очень похожей на то, с чего мы начинали — поиск данных в статьях. по сути это составление с помощью нашего ИИ датасетов для их ИИ, весело
— а прямо сейчас копаем в сторону работы с патентами. технологически опять таки близкая, но по бизнесу все намного интереснее. рынок американских патентных поверенных, которые чарджат поминутно (!) доводя цену защиты каждого изобретения до ~$10к надо дизраптить безжалостно
в общем много чему научились и много всего сделали, поэтому главный итог года — бесценный опыт 🥲 а product market fit продолжаем искать
в новом году желаю и себе, и вам чаще фокусировать силы в одной точке. где фокус, там и растет
TLDR:
напомню, что началось все ~1.5 года назад с идеи супер-поиска информации в научных статьях на ЛЛМ. я тогда только только вывалился из академии, чатГПТ начинал шествие за умы и кошельки, про perplexity никто включая меня не знал, и было решено пилить стартап для рисерчеров, чтобы сделать процесс поиска данных более эффективным
я решал свою собственную боль и, вероятно, был слишком очарован юз-кейсом, когда ЛЛМ читают за вас сумасшедшие объемы информации и находят все иголки в тысяче стогов сена. к тому же рисерчеры, кому я показывал первые прототипы, были в восторге — мы сделали 5 бесплатных пилотов, но дальше поняли, что с учеными и небольшими коллективами экономика не сходится — данных у них много, а вот денег не очень (коллеги, ничего личного) и что самое важное — они редко куда-то спешат в своем поиске. после этого мы начали искать новые юз-кейсы
точнее сходится экономика только для больших заказчиков, например целых университетов и здесь давно намечается интересный проект, но мы уже год согласовываем ТЗ со всеми decision makers, и в какой-то момент казалось, что до подписания не доживем
с тех пор мы:
— запустили апп с урезанным функционалом для b2c, собрали первую 1000 пользователей
— сделали тул для консультантов чтобы собирать информацию по рынкам и конкурентам
— тул для инвесторов в технологические проекты, чтобы оценить перспективность той или иной технологии
— тул для сбора информации по клиническим испытаниям новых лекарств FDA
— автоматизацию поиска тендеров для большого маркетплейса. удивительным образом задача оказалось технологически близко к нашему основному юз-кейсу, в итоге сложился крутой проект который сейчас ближе всего к промышленной интеграции, весной раскатываем наш ко-пайлот на целый отдел продаж
— и вот под самый конец года запартнерились с бодрым стартапом который занимается поиском новых лекарств с помощью ИИ, причем с задачей очень похожей на то, с чего мы начинали — поиск данных в статьях. по сути это составление с помощью нашего ИИ датасетов для их ИИ, весело
— а прямо сейчас копаем в сторону работы с патентами. технологически опять таки близкая, но по бизнесу все намного интереснее. рынок американских патентных поверенных, которые чарджат поминутно (!) доводя цену защиты каждого изобретения до ~$10к надо дизраптить безжалостно
в общем много чему научились и много всего сделали, поэтому главный итог года — бесценный опыт 🥲 а product market fit продолжаем искать
в новом году желаю и себе, и вам чаще фокусировать силы в одной точке. где фокус, там и растет
This media is not supported in your browser
VIEW IN TELEGRAM
бывают открытия от которых хочется орать
(в целом, для этой цели я и заводил канал — чтобы не орать в пустоту)
ребята из sakana ai выпустили революционную работу. они искали разные формы жизни в автономных играх-симуляциях типа конвеевской Игры Жизнь, и других, более сложных, например, Lenia или Particle Life. это такие игры в которых стартовая позиция пикселей "эволюционирует" через следование очень простым правилам в духе "если у пикселя меньше двух соседей, пиксель умирает. а если 2 или 3 - продолжает жить"
давно стоявший вопрос — какие самые сложные формы организации пикселей возможны в таких примитивных симуляциях, если пройдет достаточно много времени эволюции. раньше ответить на него было сложно, потому что при всей простоте они генерируют очень много данных, которые сложно было процедить вручную. к тому же самое интересное происходит на очень больших временах. и вот тут как раз и помог ИИ — они искал эти сложные формы автоматически с помощью трансформер-моделей
итог — нашли artificial life forms!
в симуляции Lenia обнаружили группы пикселей, похожие на вирусы, скопления нейронов и пепперони-пиццу 🙃 и сразу в нескольких симуляциях нашли нечто похожее на биологические клетки, бактерии и даже гусениц. а мы с каждой такой находкой все дальше от бога ...
еще раз ссылка. ставьте 🗿 если ничего не поняли и 🤯 если как и я шокированы. соберется 50 реакций — сделаю подробный разбор 👺
(в целом, для этой цели я и заводил канал — чтобы не орать в пустоту)
ребята из sakana ai выпустили революционную работу. они искали разные формы жизни в автономных играх-симуляциях типа конвеевской Игры Жизнь, и других, более сложных, например, Lenia или Particle Life. это такие игры в которых стартовая позиция пикселей "эволюционирует" через следование очень простым правилам в духе "если у пикселя меньше двух соседей, пиксель умирает. а если 2 или 3 - продолжает жить"
давно стоявший вопрос — какие самые сложные формы организации пикселей возможны в таких примитивных симуляциях, если пройдет достаточно много времени эволюции. раньше ответить на него было сложно, потому что при всей простоте они генерируют очень много данных, которые сложно было процедить вручную. к тому же самое интересное происходит на очень больших временах. и вот тут как раз и помог ИИ — они искал эти сложные формы автоматически с помощью трансформер-моделей
итог — нашли artificial life forms!
в симуляции Lenia обнаружили группы пикселей, похожие на вирусы, скопления нейронов и пепперони-пиццу 🙃 и сразу в нескольких симуляциях нашли нечто похожее на биологические клетки, бактерии и даже гусениц. а мы с каждой такой находкой все дальше от бога ...
еще раз ссылка. ставьте 🗿 если ничего не поняли и 🤯 если как и я шокированы. соберется 50 реакций — сделаю подробный разбор 👺
игра "Жизнь"
спасибо за активность под прошлым постом, разбору статьи — быть. а в качестве прогрева — короткое (?) интро для тех, кто поставил🗿
игра “Жизнь”, которую математик Конвей придумал в 1970, предлагает правила эволюции случайно расположенных на клетчатой доске "живых" и "мертвых" пикселей. игрок задает начальное состояние и далее в игре не участвует. позиции каждый ход обновляются автоматически согласно простым правилам:
1) если живая клетка имеет двух или трех живых соседей, она остаётся живой
2) во всех остальных живая случаях клетка умирает — от "перенаселения" если соседей больше 3 или "голода" если меньше 2
3) но если мертвая клетка имеет ровно трёх живых соседей, она переходит в живое состояние
элементарно. каждый шаг игры клетки меняют состояние, а ходы эти можно повторять бесконечно долго, наблюдая за развитием пиксельных паттернов, чем довольно много людей и занимаются уже 50 лет. надо сказать что Конвей специально искал правила, приводящие к разнообразным самовоспроизводящимся решениям, но даже он не подозревал, насколько богатым окажется мир внутри Жизни.
большинство начальных состояний распадаются, но на доске могут появится статичные фигуры: например, квадрат из 4 клеток (левая колонка на видео), осциллирующие — полоска из 3 клеток бесконечно долго вращается вокруг своей оси (центральная колонка), и движущиеся — например, "глайдер" из 5 клеток, который как бы летит по диагонали доски (правая колонка). дальше мир пополнился паровозом, светофором, малым, средним и большим космическими кораблями и прочими фигурами (некоторые на картинке)
состояния на доске могут распадаться и стабилизироваться, но могут ли они бесконечно развиваться? сам Конвей считал что нет, и даже предложил приз в $50 за обнаружение паттернов которые способны с каждым ходом неограниченно расти в размерах (или за строгое доказательство того что это невозможно). пока математик Госпер не обнаружил глайдерную пушку (положу в коменты). в 1970-1980х эти штуки уже называли artificial life forms (конечно, планочка была пониже, как и вычислительные мощности). после чего в игре нашли еще более сложные устойчивые фигуры, и до сих пор продолжают их находить (в тч в статье на разбор)
помимо невероятной математической красоты, "Жизнь" — это наглядная демонстрация
а) эмерджентности, когда очень простые правила с течением времени создают такие сложные фигуры и движения, что сложно поверить, насколько простые правилами их создают. знает ли малый космический корабль внутри игры, что его полет — иллюзия и простое следствие трех правил. или все-таки не просто иллюзия? могут ли скопления элементарных частиц придумывать себе какие-то высшие целеполагания за пределами исходных правил?
б) хаоса, поскольку в общем случае никто не может по начальным состояниям сказать, к чему оно приведет. и не важно насколько вы умный и какие у вас вычислительные мощности, просто нет
в) примитивной модели эволюция жизни на Земле, которая сама по себе тоже своего рода игра, в которой каждая живая клетка переходит в новые состояния исходя из намного более сложных правил и своего окружения. и все огромное разнообразие невероятно красивых форм жизни, которое часто приводится аргументом в пользу божественного создания этой самой жизни, на самом деле сводится к такой лаконичной системе. хорошо помню свой разговор с таксистом в Москве, который, узнав, что я физик, решил доказать мне, что бог существует словами "ну вот посмотри какое все вокруг красивое, разве мог кто-то кроме Бога это создать?". я в целом ничего не отрицаю и (надеюсь) никого не оскорбляю, но именно этот аргумент — несостоятельный. простые правила и большие времена эволюции творят чудеса без внешнего вмешательства.
Ссылки
1. здесь можно поиграть с начальными состояниями в классической реализации игры и, например, запустить свой космический корабль
2. а здесь не самая классическая реализация игры, но точно зато самая залипательная
3. а тут сам Джон Конвей сидя на кухне рассказывает об игре.
из комментов под видео узнал, что в 2020 он умер от ковида, RIP
спасибо за активность под прошлым постом, разбору статьи — быть. а в качестве прогрева — короткое (?) интро для тех, кто поставил🗿
игра “Жизнь”, которую математик Конвей придумал в 1970, предлагает правила эволюции случайно расположенных на клетчатой доске "живых" и "мертвых" пикселей. игрок задает начальное состояние и далее в игре не участвует. позиции каждый ход обновляются автоматически согласно простым правилам:
1) если живая клетка имеет двух или трех живых соседей, она остаётся живой
2) во всех остальных живая случаях клетка умирает — от "перенаселения" если соседей больше 3 или "голода" если меньше 2
3) но если мертвая клетка имеет ровно трёх живых соседей, она переходит в живое состояние
элементарно. каждый шаг игры клетки меняют состояние, а ходы эти можно повторять бесконечно долго, наблюдая за развитием пиксельных паттернов, чем довольно много людей и занимаются уже 50 лет. надо сказать что Конвей специально искал правила, приводящие к разнообразным самовоспроизводящимся решениям, но даже он не подозревал, насколько богатым окажется мир внутри Жизни.
большинство начальных состояний распадаются, но на доске могут появится статичные фигуры: например, квадрат из 4 клеток (левая колонка на видео), осциллирующие — полоска из 3 клеток бесконечно долго вращается вокруг своей оси (центральная колонка), и движущиеся — например, "глайдер" из 5 клеток, который как бы летит по диагонали доски (правая колонка). дальше мир пополнился паровозом, светофором, малым, средним и большим космическими кораблями и прочими фигурами (некоторые на картинке)
состояния на доске могут распадаться и стабилизироваться, но могут ли они бесконечно развиваться? сам Конвей считал что нет, и даже предложил приз в $50 за обнаружение паттернов которые способны с каждым ходом неограниченно расти в размерах (или за строгое доказательство того что это невозможно). пока математик Госпер не обнаружил глайдерную пушку (положу в коменты). в 1970-1980х эти штуки уже называли artificial life forms (конечно, планочка была пониже, как и вычислительные мощности). после чего в игре нашли еще более сложные устойчивые фигуры, и до сих пор продолжают их находить (в тч в статье на разбор)
помимо невероятной математической красоты, "Жизнь" — это наглядная демонстрация
а) эмерджентности, когда очень простые правила с течением времени создают такие сложные фигуры и движения, что сложно поверить, насколько простые правилами их создают. знает ли малый космический корабль внутри игры, что его полет — иллюзия и простое следствие трех правил. или все-таки не просто иллюзия? могут ли скопления элементарных частиц придумывать себе какие-то высшие целеполагания за пределами исходных правил?
б) хаоса, поскольку в общем случае никто не может по начальным состояниям сказать, к чему оно приведет. и не важно насколько вы умный и какие у вас вычислительные мощности, просто нет
в) примитивной модели эволюция жизни на Земле, которая сама по себе тоже своего рода игра, в которой каждая живая клетка переходит в новые состояния исходя из намного более сложных правил и своего окружения. и все огромное разнообразие невероятно красивых форм жизни, которое часто приводится аргументом в пользу божественного создания этой самой жизни, на самом деле сводится к такой лаконичной системе. хорошо помню свой разговор с таксистом в Москве, который, узнав, что я физик, решил доказать мне, что бог существует словами "ну вот посмотри какое все вокруг красивое, разве мог кто-то кроме Бога это создать?". я в целом ничего не отрицаю и (надеюсь) никого не оскорбляю, но именно этот аргумент — несостоятельный. простые правила и большие времена эволюции творят чудеса без внешнего вмешательства.
Ссылки
1. здесь можно поиграть с начальными состояниями в классической реализации игры и, например, запустить свой космический корабль
2. а здесь не самая классическая реализация игры, но точно зато самая залипательная
3. а тут сам Джон Конвей сидя на кухне рассказывает об игре.
из комментов под видео узнал, что в 2020 он умер от ковида, RIP
Artificial life forms в компьютерных симуляциях
в выходные закончил обещанный обзор статьи Sakana AI, который давно обещал сделать, прошу прощения! свободного времени мало, и становится только меньше. а текст вырос в лонгрид. пробно опубликовал его на хабре — иллюстрации тут сильно помогают. если вы там бываете, буду рад плюсам и комментариям. а ниже саммари для вас любимых, погнали 👽
Рисерчеры из Sakana AI, которые до этого наделали много шума со своим ИИ-ученым, автономно генерирующим правдоподобные научные статьи, исследуют разные области науки, где ИИ может дать заметный толчок. поиск искусcтвенных форм жизни в компьютерных симуляциях оказался одной из них. мотивация для всей области следующая
— изучать жизнь не только какой мы ее знаем, но и такой какой она могла бы быть
— ну и создать голема, пускай цифрового, потому что это давняя мечта любого алхимика
я до этого рассказывал про игру “Жизнь” Конвея, где поиск своеобразных форм жизни (глайдеров, осцилляторов и космических кораблей) происходит уже 54 года силами энтузиастов. при этом “Жизнь” — только частный случай подобных симуляций, есть более сложные, и намного менее исследованные: Boids, Lenia, ParticleLife, Neural Cellular Automata и другие, отличающимися правилами перехода пикселей из живых в мертвые и обратно, детали со ссылками статье
ключевая проблема в том, что с такими эволюционирующими хаотическими системами очень сложно предсказывать как они будут развиваться. и еще сложнее специально задать условия, которые приведут к интересным результатам, например зарождению той самой "жизни", как бы вы ее не определяли. при этом у каждой симуляции, заданной даже простыми правилами, есть десятки тысяч комбинаций параметров (соседи не в квадрате, а в круге, погибает не при 4 соседях а при 5, и так далее). то есть мало того, что нужно эти симуляции нужно просчитывать на тысячи шагов времени вперед, так нужно это делать для тысяч комбинаций входных параметров каждой из них, что превращает задачу поиска интересных форм эволюции в них сопоставимой по относительным масштабам поиску внеземного разума в открытом космосе
и вот тут на помощь пришел ИИ. Sakana взяли опен-сорсную модель CLIP (Contrastive Language–Image Pre-training) от openAI, которая была обучена для генерации текстовых описаний изображений в духе "на этой фотографии три человека стоят у барной стойки". это позволило исследователям программировать поиск "жизни" текстом, то есть буквально “ищи изображения похожие на клетки под микроскопом” или "нечто похожее на скопления нейронов". и она нашла!
такой подход авторы назвали ASAL — Automated Search for Artificial Life, и он позволил в каждой из упомянутых симуляций найти новые формы жизни, иногда удивительно похожие на биологические объекты — клетки, вирусы, бактерии, скопления нейронов. другое направлений исследований — поиск симуляций, где сложность форм жизни продолжает расти со временем неограниченно, прямо как в нашей с вами. здесь был предложен метод сведения этой сложности, которая очень плохо формализуема классическими алгоритмами, к численным метрика в пространстве эмбеддингов CLIP
при этом все описанные выше симуляции определяются очень простыми правилами двумерного мира и ничего не знают о биологии, поэтому случайное образование кластеров пикселей, сильно похожих на бактерии и вирусы — конечно может оказаться невероятным совпадением или артефактом постановки эксперимента (что искали в хаотичной системе, то и нашли), но также могут обозначить границы нового раздела науки, изучающего внутреннюю динамику этих микромиров, которые могут оказаться не менее богатыми, чем наш собственный (если поддерживать вычисления пару миллиардов лет)
мой полный текст: https://habr.com/ru/articles/879230/
ссылка на оригинальную статью и гитхаб
в выходные закончил обещанный обзор статьи Sakana AI, который давно обещал сделать, прошу прощения! свободного времени мало, и становится только меньше. а текст вырос в лонгрид. пробно опубликовал его на хабре — иллюстрации тут сильно помогают. если вы там бываете, буду рад плюсам и комментариям. а ниже саммари для вас любимых, погнали 👽
Рисерчеры из Sakana AI, которые до этого наделали много шума со своим ИИ-ученым, автономно генерирующим правдоподобные научные статьи, исследуют разные области науки, где ИИ может дать заметный толчок. поиск искусcтвенных форм жизни в компьютерных симуляциях оказался одной из них. мотивация для всей области следующая
— изучать жизнь не только какой мы ее знаем, но и такой какой она могла бы быть
— ну и создать голема, пускай цифрового, потому что это давняя мечта любого алхимика
я до этого рассказывал про игру “Жизнь” Конвея, где поиск своеобразных форм жизни (глайдеров, осцилляторов и космических кораблей) происходит уже 54 года силами энтузиастов. при этом “Жизнь” — только частный случай подобных симуляций, есть более сложные, и намного менее исследованные: Boids, Lenia, ParticleLife, Neural Cellular Automata и другие, отличающимися правилами перехода пикселей из живых в мертвые и обратно, детали со ссылками статье
ключевая проблема в том, что с такими эволюционирующими хаотическими системами очень сложно предсказывать как они будут развиваться. и еще сложнее специально задать условия, которые приведут к интересным результатам, например зарождению той самой "жизни", как бы вы ее не определяли. при этом у каждой симуляции, заданной даже простыми правилами, есть десятки тысяч комбинаций параметров (соседи не в квадрате, а в круге, погибает не при 4 соседях а при 5, и так далее). то есть мало того, что нужно эти симуляции нужно просчитывать на тысячи шагов времени вперед, так нужно это делать для тысяч комбинаций входных параметров каждой из них, что превращает задачу поиска интересных форм эволюции в них сопоставимой по относительным масштабам поиску внеземного разума в открытом космосе
и вот тут на помощь пришел ИИ. Sakana взяли опен-сорсную модель CLIP (Contrastive Language–Image Pre-training) от openAI, которая была обучена для генерации текстовых описаний изображений в духе "на этой фотографии три человека стоят у барной стойки". это позволило исследователям программировать поиск "жизни" текстом, то есть буквально “ищи изображения похожие на клетки под микроскопом” или "нечто похожее на скопления нейронов". и она нашла!
такой подход авторы назвали ASAL — Automated Search for Artificial Life, и он позволил в каждой из упомянутых симуляций найти новые формы жизни, иногда удивительно похожие на биологические объекты — клетки, вирусы, бактерии, скопления нейронов. другое направлений исследований — поиск симуляций, где сложность форм жизни продолжает расти со временем неограниченно, прямо как в нашей с вами. здесь был предложен метод сведения этой сложности, которая очень плохо формализуема классическими алгоритмами, к численным метрика в пространстве эмбеддингов CLIP
при этом все описанные выше симуляции определяются очень простыми правилами двумерного мира и ничего не знают о биологии, поэтому случайное образование кластеров пикселей, сильно похожих на бактерии и вирусы — конечно может оказаться невероятным совпадением или артефактом постановки эксперимента (что искали в хаотичной системе, то и нашли), но также могут обозначить границы нового раздела науки, изучающего внутреннюю динамику этих микромиров, которые могут оказаться не менее богатыми, чем наш собственный (если поддерживать вычисления пару миллиардов лет)
мой полный текст: https://habr.com/ru/articles/879230/
ссылка на оригинальную статью и гитхаб