Закреплено
Искусственный интеллект
5 076 постов
•
11 487 подписчиков
0 просмотренных постов скрыто
Чего ждать от ИИ в этом году: технологические тренды Gartner 2025
Аналитическая компания Gartner представила свои технологические прогнозы, сгруппировав их в три основные категории:
1. ИИ: Императивы и риски ИИ для защиты организаций
- Agentic AI: Автономные ИИ-агенты, способные сами планировать и действовать для достижения поставленных целей;
- AI Governance Platforms: Платформы для управления ИИ позволяют организациям управлять юридическими, этическими и операционными аспектами ИИ-систем;
- Disinformation Security: Технологии защиты от дезинформации снижают уровень мошенничества и защищают репутацию бренда через усиленные меры проверки.
2. Новые технологии побуждают организации пересматривать свои подходы к вычислениям
- Post-Quantum Cryptography (PQC): Постквантовая криптография защищает данные от угроз квантовых вычислений;
- Ambient Invisible Intelligence: Использование незаметных сенсоров для выявления ранее скрытых процессов в организациях, повышая эффективность и улучшая принятие решений;
- Energy-Efficient Computing: Энергоэффективные вычисления повышают устойчивость за счёт оптимизированной архитектуры и использования возобновляемой энергии;
- Hybrid Computing: Гибридные вычисления комбинируют различные механизмы для решения вычислительных задач, например, сочетание тензорных (TPU) и графических (GPU) вычислений.
3. Синергия человека и машины объединяет физические и цифровые миры
- Spatial Computing: Пространственные вычисления используют технологии расширенной (XR), дополненной (AR), смешанной (MR) и виртуальных реальностей (VR) для создания иммерсивных миров;
- Polyfunctional Robots: Многофункциональные роботы, выполняющие различные задачи и способные работать вместе с людьми;
- Neurological Enhancement: Нейронные улучшения повышают когнитивные способности, считывая мозговую активность.
Углубимся в категорию императивов и рисков ИИ для защиты организаций.
Что касается ИИ-агентов, мне интересно наблюдать за компанией Artisan, которая разработала ИИ-сотрудника по имени Ava. Ava автоматизирует процессы отдела продаж — от поиска клиентов до закрытия сделок. Ava функционирует как полноценный член команды, не требуя постоянного контроля.
Такие инструменты, как AutoGen, LangChain и CrewAI, помогают создавать ИИ-агентов, которые могут самостоятельно выполнять задачи без постоянного вмешательства человека. Агентный ИИ обладает потенциалом кардинально преобразовать множество отраслей. Однако с ростом возможностей таких агентов возникает необходимость в строгом регулировании и этических стандартах.
Поэтому возникает потребность в инструментах, позволяющих контролировать и регулировать его применение. Платформы для управления ИИ становятся незаменимыми для компаний, стремящихся эффективно и безопасно интегрировать ИИ в свои процессы. Они предназначены для мониторинга работы ИИ-систем, регулярной проверки соответствия ИИ-решений установленным стандартам и нормам, а также для обнаружения возможных угроз, включая предвзятость алгоритмов и проблемы конфиденциальности данных. Один из примеров таких систем — Holistic AI.
В эпоху информационных войн и фейковых новостей технологии борьбы с дезинформацией становятся жизненно необходимыми. Например, Sensity AI помогает обнаруживать дипфейки в реальном времени. По прогнозам Gartner, к 2028 году 50% предприятий будут использовать продукты и услуги, направленные на борьбу с дезинформацией, что значительно выше текущих показателей.
В ближайшие годы прогнозируется стремительный рост инвестиций в эти направления, и только те организации, которые оперативно адаптируются к быстро меняющемуся технологическому ландшафту, смогут сохранить свои лидирующие позиции и оставаться конкурентоспособными на рынке.
Если вам интересна тема ИИ, подписывайтесь на мой Telegram-канал — там я регулярно делюсь инсайтами по внедрению ИИ в бизнес, запуску ИИ-стартапов и объясняю, как работают все эти ИИ-чудеса.
Показать полностью
1
Топ ИИ для изучения иностранных языков (Обзор)
В современном мире искусственный интеллект (ИИ) стал неотъемлемой частью нашей жизни. Особенно он пригодится тем, кто стремится освоить новый язык. Благодаря технологиям машинного обучения и обработки естественного языка, теперь можно учиться эффективнее, интереснее и удобнее. В этой статье мы рассмотрим топ самых популярных и полезных ИИ-инструментов для изучения иностранных языков, а также их преимущества, недостатки и ссылки на официальные сайты.
1. Duolingo
Duolingo — один из самых известных и популярных сервисов для изучения языков, который использует элементы искусственного интеллекта для адаптации обучения под конкретные потребности пользователя. Приложение предлагает интерактивные упражнения, включая перевод текста, аудирование, произношение и грамматику.
Особенности:
Адаптивный алгоритм, который анализирует ваши ошибки и строит программу обучения на основе ваших слабых мест.
Возможность выбора уровня знаний: от новичка до продвинутого.
Геймификация процесса обучения с баллами, бонусами и наградами.
Плюсы:
Простой интерфейс и доступность для начинающих.
Бесплатная версия позволяет начать обучение без дополнительных затрат.
Минусы:
Ограниченное количество материала для продвинутых пользователей.
Некоторые уроки могут быть слишком поверхностными для глубокого понимания языка.
Стоимость: Duolingo предлагает бесплатную версию с базовыми функциями. Для расширенного доступа без рекламы и дополнительных возможностей доступна подписка Duolingo Plus за $6,99–$9,99 в месяц.
Ссылка: Duolingo
2. Babbel
Babbel — еще один мощный инструмент для изучения языков, который активно применяет технологии ИИ для создания персонализированных курсов. Сервис фокусируется на практическом применении языка, помогая студентам быстро начать говорить на новом языке.
Особенности:
Фокус на разговорной практике и повседневных диалогах.
Использование анализа речи для улучшения произношения.
Адаптивные тесты и упражнения, учитывающие прогресс пользователя.
Плюсы:
Концентрация на разговорной практике делает обучение более практичным.
Курсы созданы экспертами в области лингвистики.
Минусы:
Отсутствие оффлайн-режима в бесплатной версии.
Ограниченный выбор языков по сравнению с другими платформами.
Стоимость: Babbel предлагает различные варианты подписки: месячная ($12,95), трехмесячная ($8,95/месяц), шестимесячная ($7,45/месяц) и годовая ($6,95/месяц). Также есть бесплатная пробная версия на несколько дней.
Ссылка: Babbel
3. Rosetta Stone
Rosetta Stone — классический инструмент для изучения языков, который также использует ИИ для улучшения пользовательского опыта. Основная концепция программы — метод погружения, когда студент учится через контекст, без перевода на родной язык.
Особенности:
Использование технологии TruAccent для анализа и корректировки произношения.
Интерактивные уроки с мгновенной обратной связью.
Возможность практиковать язык с носителями через платформу Rosetta Stone Studio.
Плюсы:
Метод погружения помогает лучше усваивать язык.
Поддержка большого количества языков.
Минусы:
Высокая стоимость по сравнению с конкурентами.
Сложность использования для абсолютных новичков.
Стоимость: Rosetta Stone предлагает несколько вариантов подписки: трёхмесячная ($29,99), шестимесячная ($49,99), годовая ($99,99) или пожизненная лицензия ($199). Также доступна бесплатная пробная версия.
Ссылка: Rosetta Stone
4. Jadve AI
Jadve AI — это хорошее решение для изучения языков, которое использует передовые технологии ИИ для создания персонализированного обучения. Платформа позволяет не только переводить тексты, но и предоставляет подробные объяснения грамматики, произношения и культурного контекста.
Особенности:
Мгновенный перевод текстов, голосовых сообщений и даже фотографий.
Подробные объяснения грамматических правил и культурных особенностей.
Возможность создавать собственные карточки для запоминания слов.
Плюсы:
Интуитивно понятный интерфейс и высокая точность переводов.
Широкие возможности для самостоятельного изучения.
Минусы:
Ограниченная доступность некоторых функций в бесплатной версии.
Не все языки поддерживаются на одном уровне.
Стоимость: Jadve AI предлагает как бесплатную версию с базовыми функциями, так и премиум-подписку за $4,99–$9,99 в месяц, в зависимости от выбранного плана. Продвинутые функции, такие как оффлайн-режим и расширенный словарь, доступны только в премиум-версии.
Ссылка: Jadve AI
5. Memrise
Memrise — приложение, которое сочетает в себе элементы ИИ и меметической теории обучения, чтобы сделать процесс запоминания слов более эффективным. Основное преимущество платформы — использование видео с реальными людьми, демонстрирующими слова и фразы в контексте.
Особенности:
Использование spaced repetition (распределенного повторения) для долгосрочного запоминания.
Мемы и забавные ассоциации для упрощения запоминания сложных слов.
Активное сообщество пользователей, создающее собственные курсы и материалы.
Плюсы:
Эффективные методики запоминания слов.
Большое сообщество пользователей для совместного обучения.
Минусы:
Некоторые курсы созданы пользователями и могут быть нерегулярными по качеству.
Не всегда достаточно материалов для продвинутых уровней.
Стоимость: Memrise предлагает бесплатную версию с ограниченным набором функций. Для полного доступа доступна подписка Memrise Pro за $8,99–$11,99 в месяц.
Ссылка: Memrise
6. Busuu
Busuu — это социальная платформа для изучения языков, где ИИ используется для оценки прогресса и предоставления персонализированных рекомендаций. Платформа предлагает как структурированные курсы, так и возможность практиковаться с другими пользователями по всему миру.
Особенности:
Интеграция с AI для автоматической проверки упражнений.
Возможность обмена сообщениями с другими пользователями для практики разговорного языка.
Поддержка более 12 языков, включая менее распространенные, такие как португальский, арабский и русский.
Плюсы:
Социальный компонент позволяет общаться с носителями языка.
Хорошая структура курсов для всех уровней.
Минусы:
Некоторые функции доступны только в платной версии.
Может быть сложно найти подходящих партнеров для общения.
Стоимость: Busuu предлагает три варианта подписки: месячная ($14,99), шестимесячная ($9,99/месяц) и годовая ($6,99/месяц). Также есть бесплатная версия с базовыми функциями.
Ссылка: Busuu
7. LingQ
LingQ — платформа для изучения языков, которая основана на принципе "обучения через чтение". ИИ помогает выявлять незнакомые слова и предложения, предлагая их переводы прямо в тексте.
Особенности:
Большая библиотека текстов на различных языках.
Использование технологии для автоматического распознавания знакомых и незнакомых слов.
Возможность создавать собственные словари и карточки для запоминания.
Плюсы:
Фокус на чтении помогает быстрее расширить словарный запас.
Поддержка большого количества языков.
Минусы:
Меньше внимания уделяется разговорной практике.
Интерфейс может показаться сложным для новичков.
Стоимость: LingQ предлагает несколько вариантов подписки: месячная ($14,99), трехмесячная ($11,99/месяц), шестимесячная ($9,99/месяц) и годовая ($7,99/месяц).
Ссылка: LingQ
Показать полностью
1
Генерируем любые приложения на смартфоне
Генерируем ЛЮБЫЕ приложения прямо НА СМАРТФОНЕ — Replit выкатили собственного ИИ-агента для разработки.
• В основе — Claude Sonnet 3.5.
• Создавать можно ЛЮБОЕ приложение: от офисных инструментов до больших сюжетных игр.
• Все просто: вводим запрос — получаем файлы с кодом.
• ИИ понимает русский язык!
• Тестировать прогу можно сразу.
• Есть отдельный ИИ-агент, который редачит готовый продукт.
Показать полностью
Будущее уже наступило ?
Интересно , а статьи сгенерированные Большими Языковыми Моделями уже используются для обучения и в качестве источников данных для Больших Языковых Моделей ?
Показать полностью
1
ИИ учат распознавать эмоции животных
Великие британские учёные исследователи активно натаскивают нейронки для распознавания эмоций животных. Точность алгоритмов уже приблизилась к 90%.
Выяснилось, мимика кошек и собак оказалась заметно похожа на человеческую. ИИ уже научился замечать стресс и боль, теперь его натаскивают видеть более сложные эмоции: счастье, спокойствие, грусть, страх.
Приложение для сканирование кошачьих лиц морд обещают выпустить уже совсем скоро.
Показать полностью
1
«Балабоба vs ChatGPT: Почему российский ИИ учится молчать, а не говорить»
Привет, пикабушники! Сегодня разберемся, почему наши «Яндекс» и «Сбер», которые ещё вчера хвастались голосовыми помощниками и нейросетями, теперь в тихой панике. Китайский DeepSeek обвалил NASDAQ, а наши ИИ-гиганты… помогают Путину фильтровать вопросы для «Прямой линии». Как так вышло? Давайте по пунктам.
1. Когда «Балабоба» была круче всех (но это не точно)
Помните 2021 год? «Яндекс» выпустил «Балабобу» — нейросеть, которая генерировала тексты в стиле «пьяного философа». Тогда это казалось прорывом. А «Сбер» в 2020-м хвастался RuGPT — моделью, которая умела писать стихи про корпоративы. Но мир уже двигался к ChatGPT, а наши гиганты этого не заметили. Почему?
Железо? Чтобы обучить GPT-3, OpenAI потратила $12 млн и 10 000 видеокарт. У «Яндекса» в лучшие времена было 1600 GPU. После санкций — ещё меньше.
Люди? Лучшие спецы свалили в OpenAI или за границу. Один источник говорит: «Из Яндекса уехали ключевые разработчики LLM. Теперь они учат ИИ за бугром».
Данные? Российский интернет — это SEO-мусор, дубликаты и посты про «кризис». Очистить это — как найти иголку в стоге сена.
2. ChatGPT вскрыл правду: наши модели — как Лада против Tesla
Когда в 2022-м OpenAI выпустила ChatGPT, все ахнули. А «Яндекс» и «Сбер» начали спешно доучивать свои модели. Но:
YaLM от Яндекса (100 млрд параметров) оказалась «сырой». Её даже развернуть на серверах сложно, не то что использовать.
GigaChat от Сбера научился… молчать. Спросите про ЛГБТ или СВО — получите: «Не могу ответить». Зато Путину помогает с «Прямой линией» — видимо, это новый benchmark для ИИ.
3. Санкции vs опенсорс: Русский ИИ переходит на китайские запчасти
Сейчас мир захватили опенсорс-модели вроде DeepSeek или Alibaba. Россияне тоже подключились:
Тинькофф взял китайскую Qwen, дообучил её на русском — получились T-Lite и T-Pro.
Яндекс тайно использует Alibaba в своих проектах — их собственная модель слабее.
Сбер упорно копает своё, но GigaChat даже 2+2 складывает через раз (но зато рисует украинский флаг на запрос «Я люблю Донбасс» — классика!).
4. ИИ-цензура: Как нейросети учатся «не видеть» запретное
Российские ИИ не просто туповаты — они ещё и цензурируются жестче, чем китайские. Примеры:
YandexGPT на вопрос о Путине отправляет читать «Дзен».
GigaChat блокирует даже нейтральные слова вроде «глобальный конфликт».
Kandinsky (нейросеть для генерации картинок) рисует украинский флаг по запросу «Донбасс» — видимо, из чувства юмора.
Почему это проблема? Любое «выравнивание» под ценности делает ИИ глупее. Это как надеть на гончую намордник и ждать, что она выиграет забег.
5. Что дальше? Перспективы российского ИИ — как у пешехода на Формуле-1
Эксперты сходятся во мнении:
Свои модели (как YaLM или GigaChat) останутся нишевыми — для госсектора, где нужно «безопасно молчать».
Опенсорс станет основой. Зачем тратить миллионы на обучение, если можно взять китайскую модель и доучить её на GPU с «Авито»?
Деньги? Инвесторы не горят желанием вкладываться в ИИ, который умеет только цензурить. Зарабатывать на этом пока не смогла даже OpenAI.
Итог: Пока мир обсуждает, как ИИ захватит планету, российские нейросети учатся искусству молчания. Возможно, скоро они станут мастерами медитации — отвечать на вопросы без слов. А пока… пользуемся ChatGPT через VPN, товарищи!
Показать полностью
OpenAI убавила цензуру в своих моделях
Теперь можно обсуждать темы, которые раньше были запрещены: эротика, политика, чёрный юмор.
Это произошло после смены подхода к обучению ИИ, чтобы поддерживать «интеллектуальную свободу» независимо от сложности или спорности темы.
Пример сообщения o3-mini из нашего бота.
Ответ на пост «Почему нейросети кажутся умными, но на самом деле…»1
О, наконец годный повод для жаркого интеллектуального спора на пикабу!
Она не знает смысл слов, но умеет находить статистические зависимости и предлагать наиболее вероятный ответ. Чем больше данных, тем лучше модель имитирует «понимание».
Т9 [бла-бла-бла] Вот, собственно, и всё. Никакого осознания, просто огромная база данных + предсказание самых вероятных слов.
Но из-за того, что это работает довольно плавно, создаётся ощущение, будто модель реально думает.
она умеет делать кучу реально крутых штук.
Но при этом важно помнить, что она не осознаёт, о чём говорит.
Автор в своих рассуждениях на этот вот момент довольном много всего сказал, но не упомянул главного: почему он считает, что нейросеть не осознаёт, а человек осознаёт?
Нет, не спешите, задумайтесь над вопросом. Надо помнить, что осознание мы, пока что, можем зарегистрировать только у себя в голове, есть ли такой процесс как осознание у других в голове - это мы доказать никак не можем. Тут надо вспомнить мысленный эксперимент с Китайской Комнатой. Если нечто по ту сторону вашего канала связи неотличимо от человека (которого вы решили почему-то по умолчанию считать разумным и осознающим себя), то как можно не кривя душой отказывать в этом гипотетической машине, которая ведёт себя и общается с вами как человек?
Сейчас генеративные чаты могут уже имитировать память (долгосрочную и краткосрочную), они способны рассуждать (то есть вести "внутренний" диалог, включать "внутреннего" критика, строить за счет этого логические выводы, ставить себе промежуточные цели и решать задачи).
Очевидно, что эта вся машинерия сейчас работает не так, как биологический мозг, но существенна ли эта разница для того, чтобы считать или не считать ИИ осознающим себя - это вопрос, на который мы (Человечество) ещё не умеем однозначно и аргументированно отвечать.
«Представьте, что перед вами четыре стакана, наполненных водой. В каждом стакане находятся предметы. В первом стакане – металлические наручные часы; во втором – канцелярская скрепка; в третьем – металлические ножницы; в четвертом – ластик. При этом уровень воды во всех стаканах одинаковый. Вопрос: в каком стакане воды больше, чем в остальных?»
О! Прикольный пример! Когда люди докапываются до нынешних нейросетей с такими задачами, я всегда вспоминаю каких-нибудь не очень смышлёных детей, или упоротых алкашей, которым лень думать, или... ну не важно. Я к чему. Такого рода задачи не выглядят надёжным индикатором наличия способности к образному мышлению. Есть особи нашего с вами вида, которые не дадут ответа на этот вопрос, но у нас не возникнет мысли отказать им в разумности или предположить, что они не осознают себя.
Одни модели дают правильный ответ при работе с вычислениями, другие начинают писать что-то вроде:
"45321 + 67489 = 100000 (примерно)".
Почему? Потому что LLM не считает, а имитирует процесс сложения, просто вспоминая, какие цифры обычно стоят рядом.
О! Тоже отличный пример, который по сути ничего не меняет. Мы можем представить себе неграмотного человека, который не умеет считать, и будет знать о цифрах примерно столько. чтобы ответить в вот таком же духе? Да такие люди вполне могут неплохо разговаривать, к примеру.
Выходит все наши претензия к "ИИ" касательно качества решения такого рода задач (поставленных, кстати, на естественном языке) может навести на мысли, что наш "ИИ" - это, всё таки, интеллект, и он в каких-то вопросах может превосходить возможности организмов, коим мы не отказываем в признании интеллектуальности (хоть и не великой).
Тут хочется что ещё упомянуть. Вроде как уровень интеллекта ощущается как некий континуум. Может даже не одномерный. Есть более и менее интеллектуальные представители. Наверняка с нейросетями похожая история.
Однако про самосознание (по сравнению с интеллектуальностью) мы вообще мало что можем сказать, ввиду слабой интроспективности нашего мозга. Ввиду отсутствия вменяемых метрик для оценки. Где-то слышал, что в психологии развития детей есть такие переломные моменты, когда маленький человечек начинает отождествлять и отделять себя от окружающих. Там есть эксперимент, вроде теста Салли-Энн. А ещё некоторые животные даже способны проходить, к примеру зеркальный тест.
Всё это способы как-то исследовать рассудочную и сознательную деятельность, однако для Человечества этот вопрос на грани этики и принятия. Мы обучаем горилл и разговариваем с ними на языке жестов, мы наблюдаем сложное поведение дельфинов, но при этом как-то с какой-то неловкостью сравниваем их гипотетическое осознание себя со своим осознанием. Может быть тут та же история с нейросетями? Может быть нам просто трудно избавиться от природного шовинизма и консерватизма? В конце концов кое где только недавно стали считать негров за людей. Ну по историческим меркам недавно.
Обучение языковой модели можно сравнить с учебой в школе, но намного масштабнее. Представьте, что ChatGPT прочитал тысячи книг, статей и других текстов из интернета. Он научился замечать закономерности — например, что слово «машина» часто связано со словами «дорога», «мотор», «колеса».
Когда языковая модель учится, её не просто заставляют читать. Она должна предсказывать, какое слово пойдет следующим. Например, ей могут показать предложение: «Кошка ловит…». И она должна угадать, что там слово «мышь». Если она ошибается, её поправляют. Так, шаг за шагом, она становится умнее.
С позволения оппонента процитирую эту пару абзацев. Вы видите, что во многом способ обретения интеллектуальности у нейросети схож с человеческим? Просто нынешние LLM учатся на текстах, и выраженных в них закономерностях этого мира, а дети учатся сперва на физике этого мира, моторике своего организма... Мудрено ли, что нейросеть, обученная косвенно, путается в "понимании" задачки с количеством воды и скрепками. Она ни разу не топила скрепки в воде! А дети топили, или не скрепки, но что-то другое.
Это всё заставляет сделать вывод, что претензии наши к качеству понимания мира - это скорее к количественному аспекту обучения, а не к качественному. Да и сколько тем нейросетям (с нынешними их возможностями) лет? За это время человеческую особь не восопитать, а какой-нибудь ЧатЖПТ проявляет эрудицию, может рассуждать на свободную тему и написать эссе... А это ещё по сути сырая технология! То ли ещё будет!
Языковые модели кажутся умными, но они не понимают мир так, как понимает его человек. Они не видят, не слышат и не чувствуют — у них нет настоящего опыта. Поэтому, если спросить модель о вкусе лимона, она может рассказать о кислых вещах, но сама никогда не пробовала лимон!
Вот! Вот про эту предвзятость я и говорил! "Кажутся умными". Да, они не видят, не слышат и не чувствуют как обычный человек. В точности как обычный человек. Но от рождения слепой человек никогда ничего не видел, и вы не будете говорить, что он лишь кажется умным разговаривая с вами в чате, или играя вам на скрипке. То же и глухонемые. Они ничего не расскажут о громких звуках, или птичьих трелях, поскольку никогда их не слышали, лишь читали о них! И вот тут мы подошли к важной мысли. Если нейросеть не видела и не слышала то. что слышали и видели обычные люди, а лишь читала про всё это, то можно ли считать нейросеть не такой умной, как люди?
На самом деле это всё не важно. Все эти споры и весь наш тред уже ставит наши LLM и пока ещё юный сырой недоИИ в один ряд с человеком разумным. Даже если мы не готовы принять это, мы это уже обсуждаем. Это не то же самое, что ласково называть любимую машину "ласточкой" и разговаривать с ней отождествляя с живым существом. Нейросеть ответит, и не как попугай в детской игрушке, а... осознано ли? Это открытый вопрос. У меня нет на него ответа. По крайней мере пока. Думаю пока нет.
Вывод
Люди кажутся умными, потому что очень хорошо имитируют мышление. Они могут писать статьи, помогать в работе, даже шутить! Но по сути всё, что они делают — это предсказывают самые вероятные ответы.
И принципиальной разницы тут нет.
Но ключевое отличие от человека – отсутствие истинного понимания. Не мышление, а продвинутая статистика.
А как отличить истинное понимание от неистинного? Логические построения ризонинга о3 от мысленного внутренним диалога человека?
А я пока пойду… попробую объяснить модели, что «И» — это не просто буква, а правильный ответ на простую загадку с буквами.
Забавно, но эта загадка про АиБ придумана очень давно и не для машин, а для человека. Раз уж эта загадка, то очевидно, что не каждый человек на неё находил ответ, не зная о ней заранее. То, что мы ожидаем от машины правильного ответа, смекалки - это уже серьёзный повод поставить под сомнение все утверждения моего уважаемого оппонента об отличиях ИИ от ЕИ.
Вы только подумайте как легко и быстро мы перестали удивляться тому, что машины стали "понимать" чего мы от н их хотим, что такое суть загадка, что у нас диалог и надо отвечать, причем по теме...
В интересное время мы живём.
Показать полностью