Искусственный интеллект

Вы не поверите, но эту крутую рекламу сделали нейросети — пиарщики ASML показали, как надо работать с ИИ.

Только вдумайтесь: ради короткого ролика они придумали 1963 промта для Midjourney, из них сгенерили 7852 изображения, которые анимировали в Runway.

А чтобы всегда оставаться в курсе событий в мире ИИ подписывайтесь на наш тг канал- https://t.me/NeuroNet_neuroseti (там ещё много интересных фактов о нейросетях и их работе)

Статья является переводом с сайта

Бесплатный ChatGPT бот

После разочаровывающих результатов квартальной прибыли Microsoft и владельца Google компании Alphabet, агентство Reuters сообщает, что компании, связанные с искусственным интеллектом, потеряли 190 миллиардов долларов в рыночной стоимости акций.

Microsoft, возможно, и выиграла, поскольку обещание создать сервисы искусственного интеллекта убедило инвесторов, но даже ее акции упали на 0,7 процента в ходе продолжительных торгов, говорится в отчете.

Гораздо хуже обстоят дела у материнской компании Google, акции которой упали на 5,6 % после того, как не оправдались ожидания по доходам от рекламы. Между тем, производитель чипов искусственного интеллекта AMD также пострадал, несмотря на то, что отчитался о хорошем квартале.

Трудно сказать, что делать с этими новостями. Падение может свидетельствовать о том, что инвесторы стали настороженно относиться к технологическим компаниям, которые слишком много обещают в области ИИ, особенно без четкого пути к монетизации.

В то же время акции Microsoft и Alphabet достигли рекордных максимумов после года шумихи вокруг ИИ. Microsoft обошла Apple, став компанией с капиталом в 3 триллиона долларов в начале этого месяца, что стало большим поводом для доверия к компании, удвоившей свои инвестиции в технологию.

Но учитывая, что на этой неделе появились, казалось бы, противоречащие здравому смыслу новости, возможно, начинают проявляться трещины.

По мнению стратега Deutsche Bank Джима Рида, спад может быть "сигналом некоторого перенапряжения недавнего сильного роста", говорится в записке, опубликованной Yahoo Finance.

Другие аналитики были настроены гораздо более оптимистично.

"Эта реакция [на результаты технологических компаний] - шум, революция ИИ уже началась", - сказал Yahoo Finance аналитик Wedbush Дэн Айвз.

Пока еще рано говорить о том, связано ли недавнее падение стоимости акций с тем, что инвесторы ослабили внимание к ИИ. Может быть, их пугают огромные затраты на расширение инфраструктуры, чтобы успеть за растущим аппетитом? Центры обработки данных, предназначенные для обработки данных для таких инструментов, как ChatGPT, которые Microsoft интегрировала в свое программное обеспечение, не только невероятно дороги в создании - они также очень дороги в эксплуатации.

Короче говоря, действительно ли Уолл-стрит достигла пика ИИ? Неужели мы видим пузырь, который вот-вот лопнет? В конце концов, все будет зависеть от того, смогут ли компании, работающие в сфере ИИ, найти способ зарабатывать деньги.

Бесплатный ChatGPT бот

Рами иммигрировал в Канаду из Ирана много лет назад. На Родине у него остался партнер по бизнесу — доктор Худдами, профессиональный дерматолог. Вместе они решили сделать приложение, где нейросеть будет определять дерматологический диагноз по фото проблемной кожи — и доверили эту задачу нам. Цель приложения — помочь пациентам по всему миру лечить кожные заболевания.

Киллер-фичей будущего приложения стал искусственный интеллект, способный дать первичную диагностику по фото.

Почему AI? Во-первых, это единственный способ автоматически дать диагноз по фотографии проблемного участка кожи. Нейросеть позволяет автоматизировать процесс и дать пользователям базовые рекомендации. Во-вторых, использовать AI как инструмент телемедицины — мощный пиар-ход для продвижения приложения.

Концепция будущего приложения

Рами и доктор Худдами на старте определили главный пользовательский сценарий:

• Пользователь с проблемным участком кожи делает его фотографию и загружает в приложение.

• Искусственный интеллект ставит первичный диагноз — определяет заболевание и рекомендует, как его вылечить.

• Сразу же после этого пользователь может записаться на консультацию к профессиональному дерматологу.

Сразу продумали основной вариант монетизации. Дерматолог, который зарегистрировался на платформе и подтвердил свою квалификацию, будет отдавать небольшую комиссию с каждой платной консультации. Запланировали и другие опции монетизации: стандартная реклама в приложениях и спонсированные статьи в разделе «Полезные материалы».

Как мы начали работать вместе

Задача амбициозная — превратить нейросеть в профессионального диагноста по кожным заболеваниям. С ней Рами пошел на Upwork, и тут в игру вступаем мы, Unistory!

Наша команда проработала структуру проекта и подобрала технологии: для мобильного приложения решили использовать React Native, а бэкенд реализовать на C#.

Вместе с заказчиком сразу определились, что в первую очередь сконцентрируемся на поиске датасетов, выборе нужной модели AI и ее обучении. Все остальное — потом. Сначала нам нужна киллер-фича!

Как мы обучали искусственный интеллект

Первым этапом разработки стала подготовка Proof of Concept (PoC). Мы часто работаем с экспериментальными проектами, еще чаще — на технологиях блокчейн и AI, поэтому для создания PoC у нас есть специальный сотрудник — R&D-инженер. Именно он проверяет самые рискованные технические гипотезы — а значит, экономит деньги и время на разработку всего продукта. Прочитать подробнее о том, кто такой R&D-инженер, можно у нас в телеграм-канале.

На этом этапе решили, что для проверки гипотез и разработки Proof of Concept будет достаточно научить нейросеть определять шесть групп заболеваний. Следующая задача — найти данные (датасеты) для обучения нейросетей.

Исследовали open-source репозитории, и нашли 21 датасет. К нашему разочарованию оказалось, что качественного материала в них не так много. Чтобы решить эту проблему, решили полагаться на zero-shot и few-shot при тестировании.

Разработчики протестировали несколько моделей AI, и выбрали CLIP — базовую модель, которая позволяет классифицировать изображения, находить на них объекты и генерировать текст на основе изображений.

Тестировали выбранные модели в два этапа:

• Zero-shot. Оценивали возможности моделей без предварительного обучения на датасетах. Это означает, что модель тестировалась на задачах или датасетах, с которыми до этого не имела дела.

• Fine-tuning (few-shot). Здесь модели проходили дополнительное обучение на наших датасетах.

Обученная нейросеть выдала 99% точности диагноза при условии качественной фотографии!

Научили CLIP находить 60+ разных заболеваний, объединенных в шесть больших групп:

• Акне

• Герпес

• Экзема

• Розацеа

• Псориаз

• Витилиго

Главная проблема, с которой столкнулись разработчики, все та же — нехватка данных и недостаточно качественные датасеты из открытого доступа.

Решением стала аугментация данных — мы расширили базу, сгенерировав искусственные данные на основе реальных. Добавив незначительные искажения в изображения, смогли существенно расширить базу для обучения модели.

Сейчас продолжаем искать датасеты для обучения, цель — научить CLIP работать с 30 группами заболеваний.

Подготовка к запуску

Пока наш R&D-инженер работал над Proof of Concept, а менеджеры готовили структуру, заказчик занимался юридическими вопросами. Рами изучил, каким должно быть приложение, чтобы пройти стандартизацию HIPAA для будущего запуска в США. HIPAA — сертификация, говорящая о том, что продукт удовлетворяет требованиям безопасности по отношению к данным пациентов.

Чтобы получить лицензию HIPAA, мы заранее проработали логирование всего и вся: каждый запрос пользователя должен записываться в базу данных. Информация должна сохраняться о всех действиях пациентов, врачей и администраторов. При этом доступ к данным о пациентах не должен иметь никто.

Рами сейчас готовит запуск приложения в Канаде. После этого планируем масштабироваться на рынке США и Европы. Запуск будет идти поэтапно, ведь в каждой стране свои нюансы здравоохранения.

Но и это еще не все. Рами и доктор Худдами уже обсуждают отдельную версию приложения для работников пансионатов. Пожилые люди — отдельная целевая аудитория для дерматологической сферы: мало движения = больше проблем с кожей. Вместе с нашими заказчиками мы планируем создать кастомную версию приложения. Эта версия продукта будет с самого начала заточена под потребности медицинских работников в пансионатах.

DermaDex — не единственный проект, где мы обучаем AI решать нестандартные задачи. Больше интересного про блокчейн-дев, ChatGPT, разработку Proof of Concept и вейпы в офисе — в моем Телеграм-канале про жизнь, мысли и проекты студии Unistory. Подписывайся!

Выглядит очень плохо, так как нейросеть Яндекса совсем не учла, что слово футбол нельзя использовать в названии.

GigaChat:

Выглядит лучше и первые варианты вполне можно рассмотреть и докрутить. В остальном также скатывание на слово футбол.

Bing Copilot:

Вот тут намного лучше. Название "Забей и забудь" звучит крайне интересно, хоть и требует доработки.

ChatGPT:

Тут на мой взгляд попёр излишний креатив, но зато очень строго учтены условия задачи - три слова и не использоваться слово футбол.

Интересный получился эксперимент. Получается российские нейросети пока недотягивают до западных прототипов и сложную постановку задачи не учитывают. При этом, ChatGPT наоборот понимает задачу слишком буквально. Наверное выделяется Bing Copilot, которые демонстрирует сбалансированный подход, хотя он вроде работает на базе всё того же ChatGPT.

Больше тестов по генерации названий нейросетями собрал в статье.