Всё что нужно знать об искусственном интеллекте


Гермоген Сергеевич Поспелов

Гермоген Сергеевич Поспелов (1914—1998) — советский и российский учёный в области кибернетики, искусственного интеллекта (ИИ) и управления сложными системами. Его работы оказали значительное влияние на развитие ИИ в СССР и мире.



Владимир Леонидович Арлазаров

Владимир Леонидович Арлазаров (1939–2018) — советский и российский учёный в области искусственного интеллекта (ИИ), математик, специалист по программированию и компьютерным шахматам. Его работы оказали значительное влияние на развитие ИИ, особенно в области алгоритмов, эвристического поиска и игровых программ.



Марвин Ли Мински

Марвин Мински (1927–2016) — американский учёный, один из пионеров искусственного интеллекта (ИИ), сооснователь Лаборатории искусственного интеллекта MIT (1959) и лауреат премии Тьюринга (1969).


Семён Николаевич Корсаков

Семён Корсаков (1787–1853) — русский изобретатель и пионер в области механической обработки информации, один из первых, кто предложил идеи, предвосхитившие развитие искусственного интеллекта.



Джон Маккарти

Джон Маккарти (4 сентября 1927 — 24 октября 2011) — американский учёный, стоявший у истоков искусственного интеллекта (ИИ). Именно он ввёл сам термин «искусственный интеллект» в 1956 году на знаменитой Дартмутской конференции, которая положила начало ИИ как научной дисциплине.



Андрей Николаевич Колмогоров

Андрей Николаевич Колмогоров (1903–1987) — один из величайших математиков XX века, чьи работы оказали огромное влияние на развитие теории вероятностей, математической статистики, теории алгоритмов, теории информации, топологии и многих других областей науки. Его исследования легли в основу современной кибернетики, информатики и теории сложности вычислений.

Общие сведения |
смотреть всё



Библиотека машинного обучения Scikit-learn

Scikit-learn, также известная как sklearn, — это библиотека машинного обучения и моделирования данных с открытым исходным кодом для Python.



OpenHands для разработки мощных и гибких ИИ-агентов

Это поддерживаемая сообществом платформа, предназначенная для разработки универсальных и специализированных ИИ-агентов, взаимодействующих с миром посредством программного обеспечения.



Объяснимый искусственный интеллект (XAI)

XAI может быть реализацией социального права на объяснение. Это может улучшить доверие пользователей к продукту или услуге, помогая им убедиться, что ИИ принимает правильные решения.


ChatGPT (часть 3)

Это краткое введение в модель машинного обучения, лежащую в основе популярного ChatGPT.



ChatGPT (часть 2)

Это краткое введение в модель машинного обучения, лежащую в основе популярного ChatGPT.



ChatGPT (часть 1)

Это краткое введение в модель машинного обучения, лежащую в основе популярного ChatGPT.

Новости науки |
смотреть всё



LightRAG: Генерация с поддержкой извлечения информации на основе графовых представлений

LightRAG устанавливает новый стандарт в системах RAG, объединяя мощь графовых структур с эффективными процессами поиска для предоставления подробных и содержательных ответов.



Облегченная модель распознования лиц

GhostFaceNets - модель обучения для биометрии, которая может быть развернута на устройствах с ограниченными ресурсами обработки.



Оптимальное распределение задач между людьми и автономными агентами (роботами) с помощью ИИ

Правильно и эффективно выстроить систему распределения задач в команде с участием людей и автономных агентов (роботов) можно с помощью машинного обучения.


Радиочастотное обнаружение и идентификация БПЛА

Обеспечение возможности точного обнаружения и идентификации различных дронов имеет важное значение для наземных служб, с помощью машинного обучения эта задача вполне решаема.



Комбинированное применение беспилотников и искусственного интеллекта при стихийных бедствиях

Эффективно среагировать на стихийное бедствие является ключевым фактором предотвращения потерь человеческих жизней и минимизации экономического ущерба. И современные технологии БПЛА и искусственного интеллекта готовы это решать.



Предотвратить столкновение в воздухе с помощью машинного зрения

Проблема обнаружения и избежания (DAA) столкновения на средних и малых высотах может быть решена даже несмотря на то что на больших расстояниях визуальный облик самолета или вертолета обычно крошечный в контексте всего изображения.


Гермоген Сергеевич Поспелов

Гермоген Сергеевич Поспелов (1914—1998) — советский и российский учёный в области кибернетики, искусственного интеллекта (ИИ) и управления сложными системами. Его работы оказали значительное влияние на развитие ИИ в СССР и мире.



Владимир Леонидович Арлазаров

Владимир Леонидович Арлазаров (1939–2018) — советский и российский учёный в области искусственного интеллекта (ИИ), математик, специалист по программированию и компьютерным шахматам. Его работы оказали значительное влияние на развитие ИИ, особенно в области алгоритмов, эвристического поиска и игровых программ.



Марвин Ли Мински

Марвин Мински (1927–2016) — американский учёный, один из пионеров искусственного интеллекта (ИИ), сооснователь Лаборатории искусственного интеллекта MIT (1959) и лауреат премии Тьюринга (1969).


Семён Николаевич Корсаков

Семён Корсаков (1787–1853) — русский изобретатель и пионер в области механической обработки информации, один из первых, кто предложил идеи, предвосхитившие развитие искусственного интеллекта.



Джон Маккарти

Джон Маккарти (4 сентября 1927 — 24 октября 2011) — американский учёный, стоявший у истоков искусственного интеллекта (ИИ). Именно он ввёл сам термин «искусственный интеллект» в 1956 году на знаменитой Дартмутской конференции, которая положила начало ИИ как научной дисциплине.



Андрей Николаевич Колмогоров

Андрей Николаевич Колмогоров (1903–1987) — один из величайших математиков XX века, чьи работы оказали огромное влияние на развитие теории вероятностей, математической статистики, теории алгоритмов, теории информации, топологии и многих других областей науки. Его исследования легли в основу современной кибернетики, информатики и теории сложности вычислений.

Области применения |
смотреть всё



Модель ИИ для военного использования на базе языковой модели Meta

Китайские исследователи взяли открытую модель Llama от Meta и адаптировали её для нужд китайской армии, создав специализированный инструмент для разведки и оперативного управления.



Пишем глубоко проработанные статьи с помощью модели STORM

Для написания качественных и хорошо организованных статей/публикаций, можно использовать подход, основанный на использовании больших языковых моделей (LLM).



Обучение летчика в имитационной среде воздушного боя

Обучение воздушному бою с помощью ИИ, используя виртуальную симуляцию, позволит летчикам сравнивать свои действия и обучаться


Обзор алгоритмов для профилактического обслуживания авиационной техники

Анализ исследований в области применения методов машинного обучения для решения задач в профилактическом обслуживании техники показал доминирующую роль Китая и США в данном направлении, а также возрастающем внимании правительств, организаций и объединений.



Комплексное управление качеством с использованием искусственного интеллекта

Интеллектуальное производство становится все более привлекательным для экономики, особенно в индустрии 4.0, где большинство промышленных операций должны выполняться роботами. Производственные системы становятся полностью интегрированы, и все производственные функции, включая контроль качества и управление, должны быть максимально интеллектуальными, чтобы работать с минимальным вмешательством человека.



Оцифровка и анализ документов

Поток документов, создаваемых каждый день в бизнесе и в обществе в целом, представляет собой огромную проблему. Информация из бесчисленного множества различных источников должна быть отсортирована, обработана и оценена.

Алгоритмы |
смотреть всё



Алгоритм ADAM (Adaptive Moment Estimation)

Алгоритм ADAM представляет собой эффективный метод стохастической оптимизации, широко используемый в глубоком обучении и машинном обучении.



Многослойный персептрон (MPL)

Многослойный персептрон означает многоуровневый классификатор. В отличие от других алгоритмов классификации, таких как опорные векторы или наивный байесовский классификатор, MLP полагается на базовую нейронную сеть для выполнения задачи классификации.



XGBoost оптимизированная распределенная библиотека повышения градиента

XGBoost — алгоритм машинного обучения, основанный на дереве поиска решений и использующий фреймворк градиентного бустинга. XGBoost обеспечивает параллельный бустинг, который быстро и точно решает многие проблемы науки о данных.


Библиотека градиентного бустинга CatBoost

Это библиотека градиентного бустинга, созданная Яндексом. Она использует небрежные (oblivious) деревья решений, чтобы вырастить сбалансированное дерево. Одни и те же функции используются для создания левых и правых разделений (split) на каждом уровне дерева.



Платформа повышения градиента (LightGBM)

LightGBM (Gradient Boosting Machine) представляет собой распределенную среду с открытым исходным кодом для повышения градиента машинного обучения, первоначально разработанную Microsoft. Он основан на алгоритмах дерева решений и используется для ранжирования, классификации и других задач машинного обучения.



Дерево решений (Decision tree)

Дерево решений — это непараметрический алгоритм обучения с учителем, который используется как для задач классификации, так и для задач регрессии. Он имеет иерархическую древовидную структуру, которая состоит из корневого узла, ветвей, внутренних узлов и конечных узлов.