Времени сейчас нет не только играть, но и жить. Но отказываться от традиций не хочется, да и, надеюсь, наигранного запаса хватит, чтобы пережить эти трудные времена.
Broken Pieces
Я уже не раз рассказывал вам о небольших AA-играх от маленьких инди-студий; недавно были, например, Selfloss, Twin Mirror, Harold Halibut и The Haunting of Joni Evers. Broken Pieces от маленькой французской студии Elseware Experience тоже из этого ряда: это action adventure с элементами survival horror (можно играть с камерой как в Resident Evil), но в 3D, с загадками, историей и красивыми локациями. И хотя я всегда к таким играм отношусь с теплотой, вердикт здесь, увы, однозначный: не получилось практически ничего.
Единственное, что сделано на мой взгляд хорошо, — это атмосфера и загадки. Окружение действительно красивое, городок Saint-Exil пахнет югом Франции (где я никогда не был, впрочем), здания и интерьеры колоритные, всё на месте и всё как надо. Загадок два типа: с окружением, которые двигают сюжет и позволяют попасть в новые места, и небольшие пазлы, где ты сам двигаешь фишки. И те и другие мне понравились — они достаточно сложные, чтобы ощущался некоторый challenge, но не душат и не вызывают желания бежать за гайдом.
История, казалось бы, неплохая. Да, там какая-то паранормальщина, которая очень хочет, но так и не превращается в лавкрафтовщину, но в этом не было бы ничего страшного. Персонаж (в единственном числе, других живых людей тут нету) вполне хорошо выписан, следить за ней интересно, три разных направления в итоге сходятся в одно, и разгадки в целом хотелось узнать. Вот только узнать я их так и не смог: история недорассказана, вопросы остаются без ответов, мало что вообще чем-то мотивировано, и все ответы звучат как "потому что". Да и заканчивается сюжет непонятно чем: то ли мы всё исправили, но непонятно как, то ли это был сон собаки, то ли (скорее всего) ещё более разочаровывающий твист...
Механик, казалось бы, много — но они не нужны. Есть стрельба, которая не нужна, потому что враги не вызывают проблем, а если бы вызывали, это бы только раздражало — во врагах нет никакого нарратива, они просто иногда появляются из ниоткуда, превращая пятачок земли в мини-арену. Есть магия, которая не нужна — магия смены погоды ещё кое-как работает как часть загадок, но боевая просто делает сражения проще и никакой глубины не добавляет. Есть механика времени (нужно успеть домой до ночи, иначе врагов станет очень много), которая не нужна, потому что в ней нет проблемы и нет оптимизации — ну потерял время зря, пошёл спать раньше времени, да и всё, число дней ни на что не влияет. Пазлы надо решать, чтобы получать бонусы из очень колоритного агрегата, но главный бонус — это улучшение для пистолета, а стрельба не нужна...
В общем, получилась сборная солянка, в которой большинство ингредиентов явно недоварены. Но вы знаете, всё-таки с душой сделано. Не буду рекомендовать эту конкретную игру, но не могу не сочувствовать студии Elseware Experience, планы развития которой заканчиваются так: "20?? — We want to settle our studio in a big castle with a drawbridge". Удачи им!
#games #tgif
Broken Pieces
Я уже не раз рассказывал вам о небольших AA-играх от маленьких инди-студий; недавно были, например, Selfloss, Twin Mirror, Harold Halibut и The Haunting of Joni Evers. Broken Pieces от маленькой французской студии Elseware Experience тоже из этого ряда: это action adventure с элементами survival horror (можно играть с камерой как в Resident Evil), но в 3D, с загадками, историей и красивыми локациями. И хотя я всегда к таким играм отношусь с теплотой, вердикт здесь, увы, однозначный: не получилось практически ничего.
Единственное, что сделано на мой взгляд хорошо, — это атмосфера и загадки. Окружение действительно красивое, городок Saint-Exil пахнет югом Франции (где я никогда не был, впрочем), здания и интерьеры колоритные, всё на месте и всё как надо. Загадок два типа: с окружением, которые двигают сюжет и позволяют попасть в новые места, и небольшие пазлы, где ты сам двигаешь фишки. И те и другие мне понравились — они достаточно сложные, чтобы ощущался некоторый challenge, но не душат и не вызывают желания бежать за гайдом.
История, казалось бы, неплохая. Да, там какая-то паранормальщина, которая очень хочет, но так и не превращается в лавкрафтовщину, но в этом не было бы ничего страшного. Персонаж (в единственном числе, других живых людей тут нету) вполне хорошо выписан, следить за ней интересно, три разных направления в итоге сходятся в одно, и разгадки в целом хотелось узнать. Вот только узнать я их так и не смог: история недорассказана, вопросы остаются без ответов, мало что вообще чем-то мотивировано, и все ответы звучат как "потому что". Да и заканчивается сюжет непонятно чем: то ли мы всё исправили, но непонятно как, то ли это был сон собаки, то ли (скорее всего) ещё более разочаровывающий твист...
Механик, казалось бы, много — но они не нужны. Есть стрельба, которая не нужна, потому что враги не вызывают проблем, а если бы вызывали, это бы только раздражало — во врагах нет никакого нарратива, они просто иногда появляются из ниоткуда, превращая пятачок земли в мини-арену. Есть магия, которая не нужна — магия смены погоды ещё кое-как работает как часть загадок, но боевая просто делает сражения проще и никакой глубины не добавляет. Есть механика времени (нужно успеть домой до ночи, иначе врагов станет очень много), которая не нужна, потому что в ней нет проблемы и нет оптимизации — ну потерял время зря, пошёл спать раньше времени, да и всё, число дней ни на что не влияет. Пазлы надо решать, чтобы получать бонусы из очень колоритного агрегата, но главный бонус — это улучшение для пистолета, а стрельба не нужна...
В общем, получилась сборная солянка, в которой большинство ингредиентов явно недоварены. Но вы знаете, всё-таки с душой сделано. Не буду рекомендовать эту конкретную игру, но не могу не сочувствовать студии Elseware Experience, планы развития которой заканчиваются так: "20?? — We want to settle our studio in a big castle with a drawbridge". Удачи им!
#games #tgif
❤14😢3
Вышла статья о всегда интересующей меня теме — о том, как прямо сейчас обычный GPT-5 без дополнительного дообучения и скаффолдинга может помогать с математикой.
Mathematical research with GPT-5: a Malliavin-Stein experiment
Я в этой конкретной науке мало чего понимаю, но сама статья предлагает прочитать введение, а потом сразу идти к Section 4.
И Section 4 читается со смешанными чувствами. Авторы сначала просят GPT-5 с ходу доказать новую теорему, по статье и короткому промпту. Потом отмечают, что в доказательстве была ошибка, и GPT-5 потребовалось аж два наводящих промпта, чтобы ошибку понять и исправить.
Затем авторы, следуя предложению самого GPT-5, переходят к другому случаю (от нормального распределения к пуассоновскому), и опять отмечают, что GPT-5 потребовалось точное указание на то, чего он сначала не заметил. Однако в результате GPT-5 за три-четыре промпта пришёл к верному результату (в данном случае негативному — нашёл контрпример).
Что же заключают авторы?
И дальше:
Кажется, это называется copium. Разумеется, первые шаги LLM, по-настоящему полезных для доказательства новых теорем, должны были выглядеть именно так, иначе это не были бы первые шаги. И скорость прогресса довольно однозначно указывает на то, что за первыми шагами последуют вторые и третьи.
Такие дела.
Update: более того, как указал мне коллега (не просто коллега, а автор Сиолошной, кстати говоря), авторы даже не использовали GPT-5 Pro...
#longreads #math
Mathematical research with GPT-5: a Malliavin-Stein experiment
Я в этой конкретной науке мало чего понимаю, но сама статья предлагает прочитать введение, а потом сразу идти к Section 4.
И Section 4 читается со смешанными чувствами. Авторы сначала просят GPT-5 с ходу доказать новую теорему, по статье и короткому промпту. Потом отмечают, что в доказательстве была ошибка, и GPT-5 потребовалось аж два наводящих промпта, чтобы ошибку понять и исправить.
Затем авторы, следуя предложению самого GPT-5, переходят к другому случаю (от нормального распределения к пуассоновскому), и опять отмечают, что GPT-5 потребовалось точное указание на то, чего он сначала не заметил. Однако в результате GPT-5 за три-четыре промпта пришёл к верному результату (в данном случае негативному — нашёл контрпример).
Что же заключают авторы?
To summarize, we can say that the role played by the AI was essentially that of an executor, responding to our successive prompts. Without us, it would have made a damaging error in the Gaussian case, and it would not have provided the most interesting result in the Poisson case, overlooking an essential property of covariance, which was in fact easily deducible from the results contained in the document we had provided.
И дальше:
The AI showed a genuine ability to follow guided reasoning, to recognize its mistakes when pointed out, to propose new research directions, and to never take on the task [what task? кажется, коллеги не дописали предложение]. However, this only seems to support incremental research, that is, producing new results that do not require genuinely new ideas but rather the ability to combine ideas coming from different sources. At first glance, this might appear useful for an exploratory phase, helping us save time. In practice, however, it was quite the opposite: we had to carefully verify everything produced by the AI and constantly guide it so that it could correct its mistakes.
Кажется, это называется copium. Разумеется, первые шаги LLM, по-настоящему полезных для доказательства новых теорем, должны были выглядеть именно так, иначе это не были бы первые шаги. И скорость прогресса довольно однозначно указывает на то, что за первыми шагами последуют вторые и третьи.
Такие дела.
Update: более того, как указал мне коллега (не просто коллега, а автор Сиолошной, кстати говоря), авторы даже не использовали GPT-5 Pro...
#longreads #math
❤17
И вторая лекция курса "Глубокое обучение" тоже прошла в четверг:
СПбГУ — 2025.09.11 — Свёрточные архитектуры от VGG до EfficientNet, состязательные примеры
Это обзор основных идей, которые когда-то определяли state of the art в разных околокартиночных задачах, но и потом тоже не умерли, а продолжают использоваться. Семейство VGG разрешило не использовать большие свёртки, сети Inception ввели идею о том, что "маленькая нейросеть" в CNN не обязана быть одним полносвязным слоем, и эта идея потом была доработана в разных split-transform-merge архитектурах.
Ну а про остаточные связи, появившиеся в этом контексте в семействе ResNet (хотя на самом деле это старая идея, без которой RNN бы работать толком не смогли), вы и сами знаете — и по сей день буквально везде, в любой архитектуре вокруг большинства слоёв (если не всех) идут остаточные связи. Закончил на идее compound scaling из EfficientNet, которая мне кажется очень естественной, но при этом очень изящной.
В конце осталось время на то, чтобы слегка обсудить adversarial examples; без подробностей, но идею рассказал, и основной идеи в целом достаточно, чтобы, например, ввести self-adversarial augmentations, которые тоже везде нынче используются.
#spsu #lectures #dl2025
СПбГУ — 2025.09.11 — Свёрточные архитектуры от VGG до EfficientNet, состязательные примеры
Это обзор основных идей, которые когда-то определяли state of the art в разных околокартиночных задачах, но и потом тоже не умерли, а продолжают использоваться. Семейство VGG разрешило не использовать большие свёртки, сети Inception ввели идею о том, что "маленькая нейросеть" в CNN не обязана быть одним полносвязным слоем, и эта идея потом была доработана в разных split-transform-merge архитектурах.
Ну а про остаточные связи, появившиеся в этом контексте в семействе ResNet (хотя на самом деле это старая идея, без которой RNN бы работать толком не смогли), вы и сами знаете — и по сей день буквально везде, в любой архитектуре вокруг большинства слоёв (если не всех) идут остаточные связи. Закончил на идее compound scaling из EfficientNet, которая мне кажется очень естественной, но при этом очень изящной.
В конце осталось время на то, чтобы слегка обсудить adversarial examples; без подробностей, но идею рассказал, и основной идеи в целом достаточно, чтобы, например, ввести self-adversarial augmentations, которые тоже везде нынче используются.
#spsu #lectures #dl2025
🔥14❤3👍1👏1
Недавно у меня был довольно стандартный на первый взгляд корпоративный заказ. Ко мне обратился Корпоративный университет RAMAX Group, проект, в котором бывают всякие лекции около машинного обучения, но скорее популярного характера, без особой математики.
И вы знаете, это было просто идеальное взаимодействие! Коллеги из RAMAX:
— сразу чётко сформулировали запрос и целевую аудиторию;
— приняли мои предложения по темам лекций и оплате, причём деньги даже перевели вперёд (о чём я совершенно не просил);
— обсудили со мной все содержательные и технические моменты на ровно одном предварительном созвоне, минут за 15;
— пригласили на лекции (их было две) действительно много слушателей: всё это было онлайн, и в конференции сидели, наверное, около пятидесяти человек; слушатели, кстати, потом задавали очень даже интересные вопросы;
— а самое главное — разрешили результат выложить в открытый доступ; собственно, они и сами выкладывают, так что дам ссылку на их ресурс тоже.
Всё это представляет собой разительный контраст с некоторыми другими предложениями, которые я по понятным причинам по имени называть не буду и от которых в будущем, очевидно, буду отказываться.
А вот Корпоративный университет RAMAX коллегам-лекторам категорически рекомендую! Большое спасибо RAMAX Group и лично Анастасии Завезион, которая всё это организовывала в моём случае (а может, и вообще). Буду очень рад посотрудничать и в будущем.
Вот первая лекция (скорее популярная, слушатели моих курсов вряд ли что-то из неё извлекут новое):
RAMAX -- 2025.09.04 -- Языковые модели: как правильная постановка задачи изменила мир
(вот на канале Университета RAMAX)
#talks #lectures #ramax
И вы знаете, это было просто идеальное взаимодействие! Коллеги из RAMAX:
— сразу чётко сформулировали запрос и целевую аудиторию;
— приняли мои предложения по темам лекций и оплате, причём деньги даже перевели вперёд (о чём я совершенно не просил);
— обсудили со мной все содержательные и технические моменты на ровно одном предварительном созвоне, минут за 15;
— пригласили на лекции (их было две) действительно много слушателей: всё это было онлайн, и в конференции сидели, наверное, около пятидесяти человек; слушатели, кстати, потом задавали очень даже интересные вопросы;
— а самое главное — разрешили результат выложить в открытый доступ; собственно, они и сами выкладывают, так что дам ссылку на их ресурс тоже.
Всё это представляет собой разительный контраст с некоторыми другими предложениями, которые я по понятным причинам по имени называть не буду и от которых в будущем, очевидно, буду отказываться.
А вот Корпоративный университет RAMAX коллегам-лекторам категорически рекомендую! Большое спасибо RAMAX Group и лично Анастасии Завезион, которая всё это организовывала в моём случае (а может, и вообще). Буду очень рад посотрудничать и в будущем.
Вот первая лекция (скорее популярная, слушатели моих курсов вряд ли что-то из неё извлекут новое):
RAMAX -- 2025.09.04 -- Языковые модели: как правильная постановка задачи изменила мир
(вот на канале Университета RAMAX)
#talks #lectures #ramax
YouTube
RAMAX -- 2025.09.04 -- Что такое языковые модели
Лекция в Корпоративном университете RAMAX:
https://vkvideo.ru/@ramax_university
Разделы:
00:00 Революции AI и текущий прогресс
16:25 Основные архитектуры нейронных сетей
35:45 Что такое языковые модели
49:45 Дообучение LLM: RLHF и SFT
01:00:37 Вопросы и…
https://vkvideo.ru/@ramax_university
Разделы:
00:00 Революции AI и текущий прогресс
16:25 Основные архитектуры нейронных сетей
35:45 Что такое языковые модели
49:45 Дообучение LLM: RLHF и SFT
01:00:37 Вопросы и…
🔥28❤12👍5👌2
В этом семестре меня убедили (не буду уж хвастаться, кто) вести на МКН настоящий семинар, очный, с докладами и записями докладов. Это, конечно, совсем добивает меня с точки зрения имеющихся сил и времени, которых нет и так совсем ни на что. Но всё-таки надеюсь, что семинар получится хороший.
Первый доклад буду читать я сам (кто бы сомневался...), он будет завтра, 17 сентября, в 14:00, и он будет открыто транслироваться. Вот анонс, приходите послушать! Это новая тема, о которой я раньше не рассказывал, и надеюсь, что будет достаточно содержательно и интересно.
Как оценивать данные для LLM: от простых фильтров к influence functions
Ссылка на трансляцию
Аннотация: Не все данные одинаково полезны для обучения. Иногда модель становится "умнее" после ещё 50 ГБ текста, а иногда — нет. Какие именно документы оказались наиболее полезны, как узнать это заранее? Об этом мы и поговорим на первом семинаре Лаборатории Маркова.
Начнём с простых методов: как собрать чистый корпус данных, можно ли обучить вспомогательные модели, которые будут оценивать качество и полезность датасетов, какие есть полезные сигналы в этом отношении (спойлер: энтропия неплохо работает).
Но главное содержание нашего разговора — функции влияния (influence functions, IF). Они отвечают на вопрос о том, как изменится метрика качества, если убрать тот или иной документ из датасета. И здесь внезапно появляется много интересной математики — ну ладно, достаточно много по меркам глубокого обучения. Влияние точки данных легко оценить теоретически, но простые методы совсем не масштабируются, и чтобы вывести это на уровень LLM, нужно что-то придумывать. Мы разберём несколько базовых методов (LiSSA, Arnoldi-IF), важные приближения (LoGra, EK-FAC) и методы ранней оценки данных (LinFiK/ALinFiK).
Я действительно надеюсь, что смогу поговорить о методах по существу, не только помахать руками как обычно, а в аудитории будет много крутых математиков, так что должно быть интересно. Готовлюсь изо всех сил...
#markovlab #seminar #spsu
Первый доклад буду читать я сам (кто бы сомневался...), он будет завтра, 17 сентября, в 14:00, и он будет открыто транслироваться. Вот анонс, приходите послушать! Это новая тема, о которой я раньше не рассказывал, и надеюсь, что будет достаточно содержательно и интересно.
Как оценивать данные для LLM: от простых фильтров к influence functions
Ссылка на трансляцию
Аннотация: Не все данные одинаково полезны для обучения. Иногда модель становится "умнее" после ещё 50 ГБ текста, а иногда — нет. Какие именно документы оказались наиболее полезны, как узнать это заранее? Об этом мы и поговорим на первом семинаре Лаборатории Маркова.
Начнём с простых методов: как собрать чистый корпус данных, можно ли обучить вспомогательные модели, которые будут оценивать качество и полезность датасетов, какие есть полезные сигналы в этом отношении (спойлер: энтропия неплохо работает).
Но главное содержание нашего разговора — функции влияния (influence functions, IF). Они отвечают на вопрос о том, как изменится метрика качества, если убрать тот или иной документ из датасета. И здесь внезапно появляется много интересной математики — ну ладно, достаточно много по меркам глубокого обучения. Влияние точки данных легко оценить теоретически, но простые методы совсем не масштабируются, и чтобы вывести это на уровень LLM, нужно что-то придумывать. Мы разберём несколько базовых методов (LiSSA, Arnoldi-IF), важные приближения (LoGra, EK-FAC) и методы ранней оценки данных (LinFiK/ALinFiK).
Я действительно надеюсь, что смогу поговорить о методах по существу, не только помахать руками как обычно, а в аудитории будет много крутых математиков, так что должно быть интересно. Готовлюсь изо всех сил...
#markovlab #seminar #spsu
👍48🔥13❤6👏2
Нормальный пост сегодня уже не напишу, так что просто скажу, что семинар, кажется, удался) видео буду готовить, надеюсь, всё хорошо записалось
#markovlab #seminar #spsu
#markovlab #seminar #spsu
❤55👍27🔥18⚡2👏1
Третья лекция курса "Основы байесовского вывода":
СПбГУ — 2025.09.18 — Линейная регрессия
Первый полноценный пример, который уже представляет собой настоящую модель машинного обучения — это в моём курсе линейная регрессия. Мы её долго будем обсуждать, на первой лекции начали с метода наименьших квадратов, обсудили вероятностные предположения линейной регрессии (предположения всегда понимать полезно!), потом выделение признаков, оверфиттинг и откуда он может взяться, и начали обсуждать регуляризацию.
Дальше, понятное дело, будет больше.
#spsu #lectures #bayes2025
СПбГУ — 2025.09.18 — Линейная регрессия
Первый полноценный пример, который уже представляет собой настоящую модель машинного обучения — это в моём курсе линейная регрессия. Мы её долго будем обсуждать, на первой лекции начали с метода наименьших квадратов, обсудили вероятностные предположения линейной регрессии (предположения всегда понимать полезно!), потом выделение признаков, оверфиттинг и откуда он может взяться, и начали обсуждать регуляризацию.
Дальше, понятное дело, будет больше.
#spsu #lectures #bayes2025
❤23🔥7
Без традиционного пятничного поста вас не оставлю, запасы пока есть. Полная версия по ссылке:
Viewfinder
Игра-головоломка с очень крутой базовой идеей, которая ещё и реализована хорошо. Всё как мы любим: инди-игра, студия Sad Owl Studio, состоявшая поначалу из одного-единственного Мэтта Старка, небольшая длина (часа на четыре), отличные головоломки, которые ещё и увязываются в любопытную историю.
Главная механика — имеющийся у вас "волшебный" фотоаппарат, который может сделать картинку реальностью, и эту реальность можно потом использовать, чтобы пройти дальше. Поскольку по сюжету дело происходит как бы в VR, это как бы не волшебство, а просто свойство виртуальной среды. Фотографируешь что-то, потом прикладываешь фотографию к другому месту (можно в другом масштабе), и оно там появляется; примерно так.
Соответственно, если вам нужно, например, запитать телепорт батарейками, и их нужно три, а в доступе только одна, вы можете её два раза сфотографировать и получить три батарейки. Если нужно зайти в замкнутую комнату, можно сфотографировать пустое место, приложить к стене и получить в стене дырку.
Разумеется, этим дело не ограничивается; в игре не одна механика, а сразу много связанных друг с другом, и на каждом "уровне" (очередном кусочке мира, до которых ты доезжаешь на поезде) будут раскрываться новые стороны. Не буду рассказывать обо всём, но, например, там есть фотоаппараты с задержкой и аккумуляторы, которые на несколько секунд продолжают подавать электричество и после отключения от источника.
Думаю, на этом месте многие читатели представили себе, сколько безумных и изобретательных загадок можно придумать с такими компонентами. Но нет! Viewfinder очень искусно проходит по тонкой грани: раскрывает свои механики, но не душит игрока и не даёт слишком сложных загадок. Я не застревал надолго ни разу, и в гайды подсматривать совершенно не хотелось даже на опциональных более сложных уровнях.
А ещё там есть котик! И он с тобой разговаривает! И представляет собой, разумеется, весьма интеллектуального AI-помощника по имени Cait.
В общем, вы уже поняли, что я Viewfinder весьма рекомендую. Даже немного жалко, что разработчики не сделали игру подлиннее, добавив более сложных загадок. Но, может быть, ждём вторую часть?..
#games #tgif
Viewfinder
Игра-головоломка с очень крутой базовой идеей, которая ещё и реализована хорошо. Всё как мы любим: инди-игра, студия Sad Owl Studio, состоявшая поначалу из одного-единственного Мэтта Старка, небольшая длина (часа на четыре), отличные головоломки, которые ещё и увязываются в любопытную историю.
Главная механика — имеющийся у вас "волшебный" фотоаппарат, который может сделать картинку реальностью, и эту реальность можно потом использовать, чтобы пройти дальше. Поскольку по сюжету дело происходит как бы в VR, это как бы не волшебство, а просто свойство виртуальной среды. Фотографируешь что-то, потом прикладываешь фотографию к другому месту (можно в другом масштабе), и оно там появляется; примерно так.
Соответственно, если вам нужно, например, запитать телепорт батарейками, и их нужно три, а в доступе только одна, вы можете её два раза сфотографировать и получить три батарейки. Если нужно зайти в замкнутую комнату, можно сфотографировать пустое место, приложить к стене и получить в стене дырку.
Разумеется, этим дело не ограничивается; в игре не одна механика, а сразу много связанных друг с другом, и на каждом "уровне" (очередном кусочке мира, до которых ты доезжаешь на поезде) будут раскрываться новые стороны. Не буду рассказывать обо всём, но, например, там есть фотоаппараты с задержкой и аккумуляторы, которые на несколько секунд продолжают подавать электричество и после отключения от источника.
Думаю, на этом месте многие читатели представили себе, сколько безумных и изобретательных загадок можно придумать с такими компонентами. Но нет! Viewfinder очень искусно проходит по тонкой грани: раскрывает свои механики, но не душит игрока и не даёт слишком сложных загадок. Я не застревал надолго ни разу, и в гайды подсматривать совершенно не хотелось даже на опциональных более сложных уровнях.
А ещё там есть котик! И он с тобой разговаривает! И представляет собой, разумеется, весьма интеллектуального AI-помощника по имени Cait.
В общем, вы уже поняли, что я Viewfinder весьма рекомендую. Даже немного жалко, что разработчики не сделали игру подлиннее, добавив более сложных загадок. Но, может быть, ждём вторую часть?..
#games #tgif
❤🔥11👍7🌚1
Третья лекция курса "Глубокое обучение":
СПбГУ -- 2025.09.18 -- Распознавание объектов
О распознавании объектов я всегда много рассказывал в своих курсах. Как-то так исторически сложилось, что я с этой частью computer vision был лучше знаком, а ведь это ещё и очень интересная задача сама по себе. Здесь впервые встречается, например, совершенно неочевидная постановка задачи: что такое "распознанный объект", что считать правильным ответом, а что нет, а ещё ведь неизвестно заранее, сколько объектов на картинке...
Конечно, в наше время уже нет особого смысла двигаться по полному плану исторического развития этой области, но мне всё равно кажется, что там много интересных идей, о которых стоит поговорить. В этот раз поговорили про [Fast[er]] R-CNN, YOLO и YOLOv2 вместе с иерархическим софтмаксом; в следующий раз продолжим.
#spsu #lectures #dl2025
СПбГУ -- 2025.09.18 -- Распознавание объектов
О распознавании объектов я всегда много рассказывал в своих курсах. Как-то так исторически сложилось, что я с этой частью computer vision был лучше знаком, а ведь это ещё и очень интересная задача сама по себе. Здесь впервые встречается, например, совершенно неочевидная постановка задачи: что такое "распознанный объект", что считать правильным ответом, а что нет, а ещё ведь неизвестно заранее, сколько объектов на картинке...
Конечно, в наше время уже нет особого смысла двигаться по полному плану исторического развития этой области, но мне всё равно кажется, что там много интересных идей, о которых стоит поговорить. В этот раз поговорили про [Fast[er]] R-CNN, YOLO и YOLOv2 вместе с иерархическим софтмаксом; в следующий раз продолжим.
#spsu #lectures #dl2025
👍18❤1
Вторая лекция в Корпоративном университету RAMAX Group, о котором я рассказывал выше, была посвящена рассуждающим моделям:
RAMAX — 2025.09.11 — Рассуждающие модели: главная новость AI за последний год
(и вот на канале Университета RAMAX)
Рассуждающие модели — это одна из тех благодарных тем, где можно фактически на пальцах рассказать всё развитие идеи от первых работ про chain-of-thought в 2022 году до появления семейства o1, затем DeepSeek R1, и далее везде. Конечно, я не мог в технических подробностях объяснить алгоритмы обучения для рассуждающих моделей или в чём особенности, например, DeepSeek-V3 по сравнению с другими LLM, но и идею "let's think step by step", и саму постановку задачи обучения с подкреплением (не алгоритмы, конечно) объяснить в популярном формате не так уж сложно. А потом поговорил о том, как современные AI-модели бороздят просторы Большого театра и начинают понемногу двигать науку.
Ещё раз большое спасибо коллегам из RAMAX, и надеюсь на дальнейшее сотрудничество!
#talks #lectures #ramax
RAMAX — 2025.09.11 — Рассуждающие модели: главная новость AI за последний год
(и вот на канале Университета RAMAX)
Рассуждающие модели — это одна из тех благодарных тем, где можно фактически на пальцах рассказать всё развитие идеи от первых работ про chain-of-thought в 2022 году до появления семейства o1, затем DeepSeek R1, и далее везде. Конечно, я не мог в технических подробностях объяснить алгоритмы обучения для рассуждающих моделей или в чём особенности, например, DeepSeek-V3 по сравнению с другими LLM, но и идею "let's think step by step", и саму постановку задачи обучения с подкреплением (не алгоритмы, конечно) объяснить в популярном формате не так уж сложно. А потом поговорил о том, как современные AI-модели бороздят просторы Большого театра и начинают понемногу двигать науку.
Ещё раз большое спасибо коллегам из RAMAX, и надеюсь на дальнейшее сотрудничество!
#talks #lectures #ramax
YouTube
RAMAX -- 2025.09.11 -- Рассуждающие модели
Лекция в Корпоративном университете RAMAX:
https://vkvideo.ru/@ramax_university
Разделы:
00:00 Напоминание про LLM
08:44 Chain-of-thought с 2022 до наших дней
21:06 Рассуждающие модели: как повторяли o1
41:59 Примеры возможностей современного AI
52:35 AI…
https://vkvideo.ru/@ramax_university
Разделы:
00:00 Напоминание про LLM
08:44 Chain-of-thought с 2022 до наших дней
21:06 Рассуждающие модели: как повторяли o1
41:59 Примеры возможностей современного AI
52:35 AI…
❤15🔥5👍1
В среду будет второй доклад на семинаре лаборатории Маркова. На этот раз рассказывать будет Константин Яковлев, собственно заведующий лабораторией. Обещался рассказать потенциальные задачки и проекты, должно быть интересно и разнообразно — заходите в Zoom на огонёк! Вот анонс:
Search. Plan. Learn.
Ищи. Планируй. Учись.
Константин Яковлев
Ссылка на трансляцию (среда 24 сентября, 14:00)
Способность искать и находить решение нетривиальных задач, планировать на несколько шагов вперёд и обучаться (на чужом или собственном опыте) — эти свойства традиционно приписывают интеллектуальным системам (или, как это принято сейчас говорить, искусственному интеллекту). Неудивительно, что эти (под)области ИИ активно развивались с самого зарождения этой науки и развиваются до сих пор.
В рамках доклада мы рассмотрим ряд интересных и практически мотивированных задач, которые решаются исследователями с помощью методов эвристического поиска, автоматического планирования и машинного обучения и которые входят в сферу моих интересов. Например: как спланировать множество неконфликтных путей для n мобильных агентов, действующих в общей среде? Или: как решить сложную логическую головоломку вроде кубика Рубика? Или: как по данным датчиков от робота построить карту местности, в которой он перемещается? Особое внимание будет уделено открытым задачам, не имеющим в настоящий момент решения, но которые (на мой взгляд) вполне под силу решить в рамках курсовой/дипломной работы и внести свой вклад в науку.
Я надеюсь, что этот доклад придаст мотивации тем из вас, кто хочет заняться научной деятельностью, и поможет сориентироваться тем, кто сейчас выбирает тему КР/ВКР.
#markovlab #seminar #spsu
Search. Plan. Learn.
Ищи. Планируй. Учись.
Константин Яковлев
Ссылка на трансляцию (среда 24 сентября, 14:00)
Способность искать и находить решение нетривиальных задач, планировать на несколько шагов вперёд и обучаться (на чужом или собственном опыте) — эти свойства традиционно приписывают интеллектуальным системам (или, как это принято сейчас говорить, искусственному интеллекту). Неудивительно, что эти (под)области ИИ активно развивались с самого зарождения этой науки и развиваются до сих пор.
В рамках доклада мы рассмотрим ряд интересных и практически мотивированных задач, которые решаются исследователями с помощью методов эвристического поиска, автоматического планирования и машинного обучения и которые входят в сферу моих интересов. Например: как спланировать множество неконфликтных путей для n мобильных агентов, действующих в общей среде? Или: как решить сложную логическую головоломку вроде кубика Рубика? Или: как по данным датчиков от робота построить карту местности, в которой он перемещается? Особое внимание будет уделено открытым задачам, не имеющим в настоящий момент решения, но которые (на мой взгляд) вполне под силу решить в рамках курсовой/дипломной работы и внести свой вклад в науку.
Я надеюсь, что этот доклад придаст мотивации тем из вас, кто хочет заняться научной деятельностью, и поможет сориентироваться тем, кто сейчас выбирает тему КР/ВКР.
#markovlab #seminar #spsu
Zoom
Join our Cloud HD Video Meeting
Zoom is the leader in modern enterprise cloud communications.
🔥14❤9
Завёл страничку для семинара лаборатории Маркова и выложил туда первый доклад (тот самый, что я тут рекламировал на прошлой неделе, про influence functions):
Страница семинара лаборатории Маркова
Прямая ссылка на мой доклад на YouTube
Слайды тоже на странице семинара выкладываются. Надеюсь, и дальше будем делать записи, хотя, скорее всего, они будут в виде слайдов и звука — некому будет их постоянно монтировать. Да и не надо, как видите, видео в тёмной аудитории с проектором получается, мягко скажем, сомнительное.
Но доклад, кажется, и правда вышел интересный; постарался сохранить баланс между углублением в математические идеи influence functions и разнообразием идей всяких других.
#markovlab #seminar #spsu
Страница семинара лаборатории Маркова
Прямая ссылка на мой доклад на YouTube
Слайды тоже на странице семинара выкладываются. Надеюсь, и дальше будем делать записи, хотя, скорее всего, они будут в виде слайдов и звука — некому будет их постоянно монтировать. Да и не надо, как видите, видео в тёмной аудитории с проектором получается, мягко скажем, сомнительное.
Но доклад, кажется, и правда вышел интересный; постарался сохранить баланс между углублением в математические идеи influence functions и разнообразием идей всяких других.
#markovlab #seminar #spsu
❤14🔥8🙏3