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.
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.
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 (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.
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.
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.