AI-агенты

От поиска коллизий к когнитивному инференсу: Топологический логический слой архитектуры ZAP v4.0

Обложка: От поиска коллизий к когнитивному инференсу: Топологический логический слой архитектуры ZAP v4.0

В прошлой статье мы выкатили концепт ZAP (Zero-Annihilation Processor) и рассказали, как приспособить существующие ASIC-майнеры под роль аппаратных ускорителей для поиска пространственных коллизий. Но давайте честно: сбор сырых хэшей — это только половина дела, просто фаза накопления данных. Самый сок в том, как эти события интерпретировать. В этой публикации мы разберем ZAP Logic Layer (ZLL). Это такой программно-аппаратный мост, который превращает хаос асинхронных коллизий от майнеров в нормальные, структурированные импульсы для нашей топологической сети Hypermatrix v4.0. Ниже будет про то, как мы обошли сетевой оверхед, как работает Software-Defined Physics (SDP) и почему «кристаллизация смысла» из криптографического шума позволяет обойтись без классического, прожорливого градиентного спуска.

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.

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.

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?