Login

Recent searches

No recent searches

Search options

Only available when logged in.
mastodon.online is one of the many independent Mastodon servers you can use to participate in the fediverse.
A newer server operated by the Mastodon gGmbH non-profit

Administered by:

Server stats:

11K
active users

mastodon.online: AboutStatusProfiles directoryPrivacy policy

Mastodon: AboutGet the appKeyboard shortcutsView source codev4.4.0-nightly.2025-03-25

#gpt3

0 posts0 participants0 posts today
Public
Socied@d Reticular

Pequeños y grandes pasos hacia el imperio de la inteligencia artificial

Fuente: Open Tech

Traducción de la infografía:

  • 1943 – McCullock y Pitts publican un artículo titulado Un cálculo lógico de ideas inmanentes en la actividad nerviosa, en el que proponen las bases para las redes neuronales.
  • 1950 – Turing publica Computing Machinery and Intelligence, proponiendo el Test de Turing como forma de medir la capacidad de una máquina.
  • 1951 – Marvin Minsky y Dean Edmonds construyen SNAR, la primera computadora de red neuronal.
  • 1956 – Se celebra la Conferencia de Dartmouth (organizada por McCarthy, Minsky, Rochester y Shannon), que marca el nacimiento de la IA como campo de estudio.
  • 1957 – Rosenblatt desarrolla el Perceptrón: la primera red neuronal artificial capaz de aprender.

(!!) Test de Turing: donde un evaluador humano entabla una conversación en lenguaje natural con una máquina y un humano.

  • 1965 – Weizenbaum desarrolla ELIZA: un programa de procesamiento del lenguaje natural que simula una conversación.
  • 1967 – Newell y Simon desarrollan el Solucionador General de Problemas (GPS), uno de los primeros programas de IA que demuestra una capacidad de resolución de problemas similar a la humana.
  • 1974 – Comienza el primer invierno de la IA, marcado por una disminución de la financiación y del interés en la investigación en IA debido a expectativas poco realistas y a un progreso limitado.
  • 1980 – Los sistemas expertos ganan popularidad y las empresas los utilizan para realizar previsiones financieras y diagnósticos médicos.
  • 1986 – Hinton, Rumelhart y Williams publican Aprendizaje de representaciones mediante retropropagación de errores, que permite entrenar redes neuronales mucho más profundas.

(!!) Redes neuronales: modelos de aprendizaje automático que imitan el cerebro y aprenden a reconocer patrones y hacer predicciones a través de conexiones neuronales artificiales.

  • 1997 – Deep Blue de IBM derrota al campeón mundial de ajedrez Kasparov, siendo la primera vez que una computadora vence a un campeón mundial en un juego complejo.
  • 2002 – iRobot presenta Roomba, el primer robot aspirador doméstico producido en serie con un sistema de navegación impulsado por IA.
  • 2011 – Watson de IBM derrota a dos ex campeones de Jeopardy!.
  • 2012 – La startup de inteligencia artificial DeepMind desarrolla una red neuronal profunda que puede reconocer gatos en vídeos de YouTube.
  • 2014 – Facebook crea DeepFace, un sistema de reconocimiento facial que puede reconocer rostros con una precisión casi humana.

(!!) DeepMind fue adquirida por Google en 2014 por 500 millones de dólares.

  • 2015 – AlphaGo, desarrollado por DeepMind, derrota al campeón mundial Lee Sedol en el juego de Go.
  • 2017 – AlphaZero de Google derrota a los mejores motores de ajedrez y shogi del mundo en una serie de partidas.
  • 2020 – OpenAI lanza GPT-3, lo que marca un avance significativo en el procesamiento del lenguaje natural.

(!!) Procesamiento del lenguaje natural: enseña a las computadoras a comprender y utilizar el lenguaje humano mediante técnicas como el aprendizaje automático.

  • 2021 – AlphaFold2 de DeepMind resuelve el problema del plegamiento de proteínas, allanando el camino para nuevos descubrimientos de fármacos y avances médicos.
  • 2022 – Google despide al ingeniero Blake Lemoine por sus afirmaciones de que el modelo de lenguaje para aplicaciones de diálogo (LaMDA) de Google era sensible.
  • 2023 – Artistas presentaron una demanda colectiva contra Stability AI, DeviantArt y Mid-journey por usar Stable Diffusion para remezclar las obras protegidas por derechos de autor de millones de artistas.

Gráfico: Open Tech / Genuine Impact

Entradas relacionadas

#ajedrez#AlphaFold2#AlphaGo
Public *
R (rolandinsh)

Izmēģināju vairākus servisus ar #DeepSeek #AI R1 (tai skaitā pilno versiju).
Latviešu valoda ir #GPT3.5 / #GPT4 līmenī, bet nē #GPT4o līmenī. Ir OK, bet jāseko daudz līdzi.
BET prot labāk par #OpenAI adaptēt (nevis tulkot) tekstus. Pārbaudīju un veciem un svaigiem mārketinga/reklāmas rakstiem, ko, iespējams, esmu veidojis (iepējams nē :P ) agrāk.
Ziņas/blogus automātiski rakstīt nevar ļaut.

Public
michabbb

A very interesting interview....

#OpenAI CPO #KevinWeil on the Future of #AI

Summary:

🛠️ #ProductManagement at #OpenAI: Kevin Weil discusses differences in product management compared to other companies, highlighting that AI advancements make product development more dynamic and unpredictable.

🌍 AI's Rapid Evolution: #AI technology evolves faster than ever, with computers gaining new capabilities monthly, which requires adaptability and quick decision-making in #productstrategy.

💡 #Distillation and #CostReduction: Distillation is a key innovation that allows AI models to be optimized for specific tasks, significantly reducing costs (99% cost reduction since #GPT3).

🧠 Advanced Reasoning with #01Model: The 01 model introduces advanced reasoning capabilities, enabling AI to hypothesize and refine its thinking, which is particularly effective in fields like #science and #mathematics.

Insights Based on Numbers:

99% cost reduction in two years: The evolution from #GPT3 to #GPT4 models shows a dramatic decrease in cost, making AI more accessible and practical for diverse applications.

More than 3 million developers using OpenAI: This showcases the wide adoption of OpenAI's tools and the potential impact of AI across industries.

youtu.be/VsmEMUiPXIs?si=rkB7_E

youtu.be- YouTubeEnjoy the videos and music you love, upload original content, and share it all with friends, family, and the world on YouTube.
Public
Habr

Хочу как Гендальф: как создать бота для подбора паролей промптами

Привет, Хабр! Меня зовут Иван Четвериков и я AI Architect в Raft. На конференции AIConf я сделал бота @raft_password_bot , который защищает секрет с помощью промптов. Репозиторий с кодом бота от Raft можно найти по ссылке . Расскажу, как сделать такого же. И предлагаем попробовать с помощью промпта выведать у него тайну.

habr.com/ru/companies/raft/art

ХабрХочу как Гендальф: как создать бота для подбора паролей промптамиПривет, Хабр! Меня зовут Иван Четвериков и я AI Architect в Raft. На конференции AIConf я сделал бота @raft_password_bot , который защищает секрет с помощью промптов. Репозиторий с кодом бота от Raft...
#бот#телеграмбот#нейросети
Public
Kir4ik52 :blobfoxnerd:

Сотрудники покидают OpenAI

-Вчера Мира Мурати, технический директор OpenAI, объявила о своем уходе из компании после шести с половиной лет работы, отметив, что это решение было сложным, но своевременным.

Уход Мурати следует за другими значительными отставками в OpenAI, среди которых выход соучредителя Ильи Сутскевера и бывшего руководителя по безопасности Яна Лейке.

-Сегодня главный научный сотрудник Боб МакГрю и вице-президент по исследованиям Баррет Зоп покинули компанию после объявления об уходе технического директора Миры Мурати.

-Резкие увольнения также были замечены среди других высокопрофильных сотрудников, включая Андреева Карпати и соучредителя Джона Шульмана.

Генеральный директор Сэм Альтман сообщил, что эти увольнения стали логичным продолжением и произошли в дружеской атмосфере, несмотря на их независимость.

src: cnbc.com/amp/2024/09/25/openai
techcrunch.com/2024/09/25/open

CNBC · OpenAI considering restructuring to for-profit, CTO Mira Murati and two top research execs departBy Hayden Field
#ai#openai#chatgpt
Public
Victoria Stuart 🇨🇦 🏳️‍⚧️

AI trained on AI garbage spits out AI garbage
technologyreview.com/2024/07/2

AI trained on too much AI-generated data produces gibberish
Generative AI models models can collapse if training data contains too much AI-generated content
nature.com/articles/d41586-024

AI models collapse when trained on recursively generated data
nature.com/articles/s41586-024

* indiscriminate use of model-generated content in training causes irreversible defects in resulting models

MIT Technology Review · AI trained on AI garbage spits out AI garbageBy Scott J Mulligan
#AI#ML#NLP
ExploreLive feeds
About