AI-агенты

Антиспам бот TAB полгода спустя: новый сайт, инструкция и личный кабинет

1 мин чтенияHabr AI
Обложка: Антиспам бот TAB полгода спустя: новый сайт, инструкция и личный кабинет

Привет, Хабр! В апреле я рассказывал, как написал антиспам-бота для Telegram на собственной нейросети. Тогда у бота были две команды для админов, ручное переключение режимов и обещание «когда-нибудь сделать публичный дашборд». С тех пор прошло полгода. Бот всё так же бесплатный и всё так же пет-проект, который я допиливаю по вечерам. Но вокруг него наконец-то появилось нормальное окружение, а имеено сайт со статистикой, понятная инструкция и личный кабинет прямо в Telegram. Коротко для тех, кто не читал первую статью: TAB (Telegram Antispam Bot) — бот, который сам находит и удаляет спам в чатах. Сообщения проверяет LSTM-модель с механизмом внимания, обученная на моей же библиотеке LANCETNIC. Готовые модели с HF я не брал - хотелось сделать свою модель.

Читать далее

ZOLT JOURNAL / ДАЛЬШЕ

AI-агентыHabr AI

Как заставить модель gemma-4-12B-it QAT почти «летать» на ноутбучной RTX 2000 Ada, сохранив холод и тишину

Уже несколько месяцев я активно экспериментирую с локальными языковыми моделями на своем ноутбуке Lenovo ThinkPad P16 Gen 2 (Intel Core i7-13850HX, 128 GB RAM, Samsung 980 Pro 2 TB + 990 Pro 1 TB). Конфигурация очень бодрая для любых задач, кроме… работы с тяжелыми ИИ-моделями. И узкое горлышко здесь очевидно - видеокарта Nvidia RTX 2000 Ada Laptop всего с 8 ГБ VRAM. Дискретная, быстрая, заточенная под ИИ, но видеопамяти катастрофически мало! Тем не менее даже в эти 8 гигабайт вполне можно уместить отличную локальную модель, да еще и с контекстом на 8192 токена. Это позволяет вести долгие осмысленные диалоги без потери нити обсуждения. После долгих поисков и тестов я остановился на одной модели - gemma-4-12B-it-QAT в квантовании q4_0. Почему именно она? Премиальный уровень «из коробки»: Это модель от Google, обученная на их топовых решениях.

1 мин чтения
Обложка: Основы глубокого обучения. Часть 3
AI-агентыHabr AI

Основы глубокого обучения. Часть 3

Всем привет! Эта статья является третьей в серии статей про основы глубокого обучения. В прошлых двух частях я рассказал много интересного и полезного новичкам, так что рекомендую перечитать. В этой части мы разберём подробнее задачи связанные с обработкой естественного языка (NLP) и реализуем двухслойную нейронную сеть классификации текста.

1 мин чтения
Обложка: Искусственный интеллект как система управления. Как государства, спецслужбы и мошенники манипулируют вашим сознанием
AI-агентыHabr AI

Искусственный интеллект как система управления. Как государства, спецслужбы и мошенники манипулируют вашим сознанием

Вы когда-нибудь задумывались о том, можно ли использовать машинное обучение не только для слежки и бизнеса, но и для управления людьми? Можно ли получить власть не над телом, но над разумом человека и заставить его думать и желать, говорить и действовать так, как нужно манипулятору? Словно это были его собственные мысли и убеждения, которые он, разумеется, будет искренне защищать и оправдывать. Более того, будет готов понести реальные утраты (время, ресурсы, здоровье), попускаясь своей личной выгодой и настоящими интересами даже не осознавая этого. Кем бы вы ни были, скептиком или параноиком, специалистом или обывателем, я настоятельно прошу уделить статье немного вашего драгоценного времени. Если оно было потрачено зря, влепите ей минус, но прочтите. Это все о чем я вас прошу! В этой статья я изложу теорию управления субъектами и причем тут машинное обучение.

1 мин чтения