AI-агенты

Неправильное будущее

1 мин чтенияHabr AI
Обложка: Неправильное будущее

Педагогика готовила человека к будущему. Будущее пришло. Его попросили выключить телефон. В Дартмутском колледже проректор Сантьяго Шнелл предложил различать две вещи: что студент понимает самостоятельно и что способен сделать с помощью искусственного интеллекта. Предложение опасное. Из него следует, что по хорошей работе ещё нельзя установить, хорошо ли образован человек. А ведь работа уже проверена. Оценка поставлена. Дипломы напечатаны. Потом выяснилось, что сам Шнелл пользуется ИИ при подготовке текстов. Его статью детектор Pangram пометил как «100% AI-written». Шнелл объяснил: идеи и решения мои, программа помогает с изложением. Его объяснение детектор тоже пометил как машинное. Об этом сообщила The Dartmouth. Сюжет, конечно, превосходный. Один искусственный интеллект помогает проректору выражаться, другой помогает читателям сомневаться.

Читать далее

ZOLT JOURNAL / ДАЛЬШЕ

Обложка: Sandflow открыла датасет из 106 тысяч 3D‑моделей
AI-агентыHabr AI

Sandflow открыла датасет из 106 тысяч 3D‑моделей

Французский стартап Sandflow выпустил Sand3D — открытый датасет и 106 тыс. 3D‑моделей различных объектов. Каждая модель сопровождается кодом на Python, который строит объект из независимых деталей. Датасет предлагают использовать для обучения моделей создавать и редактировать 3D‑модели.

1 мин чтения
Обложка: Пять футурологических сценариев сосуществования человека и искусственного разума
AI-агентыHabr AI

Пять футурологических сценариев сосуществования человека и искусственного разума

Представим, что ИИ уже умеет выполнять любую работу, получил юридические права и тела роботов. Кто тогда владеет фабриками, принимает последнее решение и остается автором будущего? Разбираем пять устойчивых обществ и два предела, за которыми сосуществовать уже некому.

1 мин чтения
Обложка: ASR для AI-разработки: как я замерял качество распознавания технических терминов
AI-агентыHabr AI

ASR для AI-разработки: как я замерял качество распознавания технических терминов

В этой статье я расскажу о том, как бенчмарк распознавания речи при AI-разработке голосом. Поговорим про сам замер, фабрики софта, постановку задач, особенности речи и датасет, посмотри на циферки и разберемся почему классический WER — очень коварная метрика, особенно в разработке. Ну что, лонг-тапнем на диплинк и деплоим на шпрот?

1 мин чтения