Кейсы

«Искусственный» Луки Гуаданьино: сюжет, сроки и проблемы проката

Обложка: «Искусственный» Луки Гуаданьино: сюжет, сроки и проблемы проката

Значительную роль в развитии современных подходов к машинному обучению сыграл французский исследователь Ян Лекун. В 1989 году он и его коллеги из AT&T Bell Labs представили свёрточную нейросеть, которая распознавала рукописные цифры. Систему обучали на тысячах изображений цифр из настоящих почтовых отправлений в США. В том же году разработчики описали результаты в научной статье (doi:10.1162/neco.1989.1.4.541). Более того, эти разработки внедрили для реального использования. В девяностых на основе этих лабораторных экспериментов создали коммерческие системы распознавания банковских чеков. В статье 1998 года исследователи отчитывались об обработке нескольких миллионов чеков ежедневно (doi:10.1109/5.726791). Как рассказывал Лекун, к концу девяностых такие системы считывали от 10 до 20 % всех чеков в США.

Читать далее

ZOLT JOURNAL / ДАЛЬШЕ

Обложка: Внедряем ИИ. Между увольнением и ненавистью
КейсыHabr AI

Внедряем ИИ. Между увольнением и ненавистью

Внедренца ИИ ждёт молот руководства сверху и вилы сотрудников снизу. Почему инструкции и тулзы не работают, пока не продана сама идея перемен — и при чём тут конвейер зарабатывания денег?

Обложка: Внедрение IDM, дискуссия ИБ-Пророков и платформы кибербезопасности: что мы узнали на GISDAYS 2026
КейсыHabr AI

Внедрение IDM, дискуссия ИБ-Пророков и платформы кибербезопасности: что мы узнали на GISDAYS 2026

Продолжаем обзор GISDAYS. 2 октября состоялся третий, бизнес-день форума. В его фокусе были прикладные сценарии защиты бизнеса: от риск-менеджмента до реагирования на инциденты. Также участники обсудили поиск решений для защиты государства, бизнеса и критической инфраструктуры от уязвимостей, утечек данных, шифровальщиков и других угроз. В предыдущей части мы начали рассказывать вам, как проходил бизнес-день мероприятия, а сегодня завершим его обзор и представим другие не менее интересные выступления экспертов (любое из заинтересовавших вы можете просмотреть целиком).

КейсыHabr AI

Софта для рецептур масел не было никогда — своя нейросеть сократила разработку с полугода до месяца

Есть такая работа — несколько лет подряд считать рейтинги российских промышленных компаний по открытым данным. В последний год я всё чаще вижу один и тот же тип кейса: у компании уходит вендор, а готового продукта на замену просто нет. С рецептурами масел у «Газпром нефти» было именно так — покупать было вообще не у кого, потому что такого продукта никогда не существовало. Разбираюсь, как компания построила свою нейросеть «Алхимик» и что это меняет для остальной отрасли. Узнать рецепт