📊Топ мобильных и веб-сервисов с генеративным искусственным интеллектом от венчурного фонда Andreessen Horowitz
Венчурный фонд Andreessen Horowitz (a16z) составил рейтинг сервисов, работающих на базе генеративного ИИ. Авторы рейтинга разделили веб- и мобильные приложения, распределив места по посещаемости. Всего в топ вошли 50 веб-сервисов и 50 мобильных приложений.
⚡️Лидером обоих рейтингов стал ChatGPT от компании OpenAI. Количество посещений веб-версии сервиса превышает 2 млрд — это в 5 раз больше, чем у Gemini от Google. А приложение в 2,5 раза более популярно, чем Microsoft Edge, занимающий вторую позицию.
⚡️В топ-10 самых популярных веб-продуктов на базе искусственного интеллекта вошли: ChatGPT, Gemini, Character.AI, Liner, Quillbot, Poe, Perplexity, JanitorAI, Civitai, Claude.
⚡️Десятка самых популярных ИИ-приложений для мобильных устройств, по мнению экспертов фонда, выглядит так: ChatGPT, Microsoft Edge, Photomath, Bing, Remini, Brainly, Nova, Chat & Ask AI, Facemoji, Epik.
⚡️Всего 5 нейросетей вошли в оба рейтинга сразу — это ChatGPT, Character.AI, агрегатор чат-ботов Poe и редакторы изображений Photoroom и Pixelcut.
⚡️В рейтинге появились новые сервисы. Например, музыкальные, но такой пока представлен в единственном экземпляре — это нейросеть Suno, которая генерирует песни на основе текстового запроса. Также популярность набирают сервисы продуктивности, упрощающие работу с информацией. В рейтинге есть целых 7 таких сервисов — Liner, Eightify, Phind, MaxAI, Blackbox AI, Otter.ai и ChatPDF.
⚡️Следующим трендом будут ИИ-компаньоны. Если в предыдущем отчёте a16z были только 2 подобных сервиса, то в этом — 8 веб-сервисов и 2 мобильных приложения. В мобильных приложениях они показывают гораздо большую вовлечённость, чем другие типы сервисов. А пальма первенства здесь досталась Character.AI.
👉Полный текст рейтинга на английском языке
👉Перевод рейтинга на русский язык на портале Incrypted
#рейтинг
#искусственныйинтеллект
Венчурный фонд Andreessen Horowitz (a16z) составил рейтинг сервисов, работающих на базе генеративного ИИ. Авторы рейтинга разделили веб- и мобильные приложения, распределив места по посещаемости. Всего в топ вошли 50 веб-сервисов и 50 мобильных приложений.
⚡️Лидером обоих рейтингов стал ChatGPT от компании OpenAI. Количество посещений веб-версии сервиса превышает 2 млрд — это в 5 раз больше, чем у Gemini от Google. А приложение в 2,5 раза более популярно, чем Microsoft Edge, занимающий вторую позицию.
⚡️В топ-10 самых популярных веб-продуктов на базе искусственного интеллекта вошли: ChatGPT, Gemini, Character.AI, Liner, Quillbot, Poe, Perplexity, JanitorAI, Civitai, Claude.
⚡️Десятка самых популярных ИИ-приложений для мобильных устройств, по мнению экспертов фонда, выглядит так: ChatGPT, Microsoft Edge, Photomath, Bing, Remini, Brainly, Nova, Chat & Ask AI, Facemoji, Epik.
⚡️Всего 5 нейросетей вошли в оба рейтинга сразу — это ChatGPT, Character.AI, агрегатор чат-ботов Poe и редакторы изображений Photoroom и Pixelcut.
⚡️В рейтинге появились новые сервисы. Например, музыкальные, но такой пока представлен в единственном экземпляре — это нейросеть Suno, которая генерирует песни на основе текстового запроса. Также популярность набирают сервисы продуктивности, упрощающие работу с информацией. В рейтинге есть целых 7 таких сервисов — Liner, Eightify, Phind, MaxAI, Blackbox AI, Otter.ai и ChatPDF.
⚡️Следующим трендом будут ИИ-компаньоны. Если в предыдущем отчёте a16z были только 2 подобных сервиса, то в этом — 8 веб-сервисов и 2 мобильных приложения. В мобильных приложениях они показывают гораздо большую вовлечённость, чем другие типы сервисов. А пальма первенства здесь досталась Character.AI.
👉Полный текст рейтинга на английском языке
👉Перевод рейтинга на русский язык на портале Incrypted
#рейтинг
#искусственныйинтеллект
🤖«Яндекс» выложил в открытый доступ библиотеку YaFSDP собственной разработки — она поможет ускорить обучение больших языковых моделей // «Известия»
«Яндекс» разработал библиотеку YaFSDP, предназначенную для ускорения обучения больших языковых моделей. Исходный код YaFSDP уже доступен для разработчиков на GitHub.
Библиотека позволяет ускорить обучение больших языковых моделей до 25% в зависимости архитектуры и параметров нейросети. Кроме того, за счёт неё можно снизить потребление ресурсов графических процессоров (GPU) до 20%.
YaFSDP подходит для обучения всех языковых моделей, в том числе самописных и моделей с открытым исходным кодом. Библиотека рассчитана в первую очередь на большие языковые модели. При этом её можно использовать и для других нейросетей — например, таких, которые генерируют изображения.
Библиотека должна помочь бизнесу, частным разработчикам и исследователям сократить расходы на оборудование для обучения языковых моделей. Это особенно важно для стартапов и научных проектов, говорят в компании.
Как поясняют в «Яндексе», одна из сложностей в обучении больших языковых моделей — это недостаточная загрузка каналов коммуникации между графическими процессорами.
YaFSDP решает эту проблему. Библиотека оптимизирует использование ресурсов GPU на всех этапах обучения: pre-training (предварительное), supervised fine-tuning (с учителем), alignment (выравнивание модели). Благодаря этому YaFSDP задействует ровно столько графической памяти, сколько нужно для обучения, в то же время коммуникацию между GPU ничто не замедляет.
#искусственныйинтеллект
«Яндекс» разработал библиотеку YaFSDP, предназначенную для ускорения обучения больших языковых моделей. Исходный код YaFSDP уже доступен для разработчиков на GitHub.
Библиотека позволяет ускорить обучение больших языковых моделей до 25% в зависимости архитектуры и параметров нейросети. Кроме того, за счёт неё можно снизить потребление ресурсов графических процессоров (GPU) до 20%.
YaFSDP подходит для обучения всех языковых моделей, в том числе самописных и моделей с открытым исходным кодом. Библиотека рассчитана в первую очередь на большие языковые модели. При этом её можно использовать и для других нейросетей — например, таких, которые генерируют изображения.
Библиотека должна помочь бизнесу, частным разработчикам и исследователям сократить расходы на оборудование для обучения языковых моделей. Это особенно важно для стартапов и научных проектов, говорят в компании.
Как поясняют в «Яндексе», одна из сложностей в обучении больших языковых моделей — это недостаточная загрузка каналов коммуникации между графическими процессорами.
YaFSDP решает эту проблему. Библиотека оптимизирует использование ресурсов GPU на всех этапах обучения: pre-training (предварительное), supervised fine-tuning (с учителем), alignment (выравнивание модели). Благодаря этому YaFSDP задействует ровно столько графической памяти, сколько нужно для обучения, в то же время коммуникацию между GPU ничто не замедляет.
#искусственныйинтеллект
🤖«Яндекс» разработал новые методы сжатия нейросетей // «Известия»
Yandex Research, исследовательская группа «Яндекса», изучающая фундаментальные вопросы в области искусственного интеллекта, совместно с исследователями из Института науки и технологий Австрии (ISTA) и Научно-технологического университета имени короля Абдаллы в Саудовской Аравии (KAUST) разработала и выложила в открытый доступ новые методы сжатия больших языковых моделей, которые позволяют бизнесу сократить расходы на вычислительные ресурсы до восьми раз.
В «Яндексе» объяснили, что для качественных и быстрых ответов большая языковая модель нуждается в большом количестве дорогостоящих и мощных графических процессоров. Решение компании уменьшает модель в несколько раз и делает возможным её запуск на устройствах с меньшей вычислительной мощностью. За счёт этого снижается стоимость внедрения нейросетей и обслуживания оборудования.
Вместе с тем если другие методы сжатия негативно сказываются на качестве ответов нейросети, то разработка «Яндекса» решает эту проблему.
Новое решение включает в себя два инструмента. Первый помогает получить уменьшенную до восьми раз нейросеть, которая быстрее работает и может быть запущена, например, на одном графическом процессоре вместо четырёх. А второй инструмент исправляет ошибки, возникающие в процессе сжатия большой языковой модели.
Эффективность методов сжатия нейросетей оценивали на популярных моделях с открытым исходным кодом: Llama 2, Llama 3, Mistral и других. Тестирование показало, что метод «Яндекса» сохраняет в среднем 95% качества ответов нейросети. В то же время другие распространённые методы сохраняют для тех же моделей от 59% до 90% качества.
#искусственныйинтеллект
Изображение: официальный сайт компании «Яндекс»
Yandex Research, исследовательская группа «Яндекса», изучающая фундаментальные вопросы в области искусственного интеллекта, совместно с исследователями из Института науки и технологий Австрии (ISTA) и Научно-технологического университета имени короля Абдаллы в Саудовской Аравии (KAUST) разработала и выложила в открытый доступ новые методы сжатия больших языковых моделей, которые позволяют бизнесу сократить расходы на вычислительные ресурсы до восьми раз.
В «Яндексе» объяснили, что для качественных и быстрых ответов большая языковая модель нуждается в большом количестве дорогостоящих и мощных графических процессоров. Решение компании уменьшает модель в несколько раз и делает возможным её запуск на устройствах с меньшей вычислительной мощностью. За счёт этого снижается стоимость внедрения нейросетей и обслуживания оборудования.
Вместе с тем если другие методы сжатия негативно сказываются на качестве ответов нейросети, то разработка «Яндекса» решает эту проблему.
Новое решение включает в себя два инструмента. Первый помогает получить уменьшенную до восьми раз нейросеть, которая быстрее работает и может быть запущена, например, на одном графическом процессоре вместо четырёх. А второй инструмент исправляет ошибки, возникающие в процессе сжатия большой языковой модели.
Эффективность методов сжатия нейросетей оценивали на популярных моделях с открытым исходным кодом: Llama 2, Llama 3, Mistral и других. Тестирование показало, что метод «Яндекса» сохраняет в среднем 95% качества ответов нейросети. В то же время другие распространённые методы сохраняют для тех же моделей от 59% до 90% качества.
#искусственныйинтеллект
Изображение: официальный сайт компании «Яндекс»
This media is not supported in your browser
VIEW IN TELEGRAM
✍️«Яндекс» разработал ИИ-помощника для написания кода
«Яндекс» представил собственного помощника для генерирования программного кода, работающего на основе искусственного интеллекта. А конкретно — на базе нейросетей Yandex Code Assistant. Собственно, ассистент получил то же название.
С помощью сервиса разработчики смогут по фрагменту кода сгенерировать наиболее вероятное его продолжение. Это поможет упростить написание кода и ускорить продуктовую разработку в компаниях.
По данным «Яндекса», в 95% случаев продолжение кода в Yandex Code Assistant формируется в пределах 400 миллисекунд. Сервис совместим с популярными редакторами кода и поддерживает более 30 языков программирования, в том числе C++, Go, Java, Kotlin, Python и другие. Кроме этого, работа помощника не нагружает ресурсы локальных машин.
Yandex Code Assistant уже доступен на облачной платформе Yandex Cloud, но пока предоставляется в режиме тестирования по заявкам для ограниченного количества внешних разработчиков.
Предполагается, что сервис станет частью будущей платформы «Яндекса» для создания, развёртывания и сопровождения цифровых продуктов.
👉Подробнее на сайте «Яндекса»
Видео: сайт Yandex Cloud
#искусственныйинтеллект
#программирование
«Яндекс» представил собственного помощника для генерирования программного кода, работающего на основе искусственного интеллекта. А конкретно — на базе нейросетей Yandex Code Assistant. Собственно, ассистент получил то же название.
С помощью сервиса разработчики смогут по фрагменту кода сгенерировать наиболее вероятное его продолжение. Это поможет упростить написание кода и ускорить продуктовую разработку в компаниях.
По данным «Яндекса», в 95% случаев продолжение кода в Yandex Code Assistant формируется в пределах 400 миллисекунд. Сервис совместим с популярными редакторами кода и поддерживает более 30 языков программирования, в том числе C++, Go, Java, Kotlin, Python и другие. Кроме этого, работа помощника не нагружает ресурсы локальных машин.
Yandex Code Assistant уже доступен на облачной платформе Yandex Cloud, но пока предоставляется в режиме тестирования по заявкам для ограниченного количества внешних разработчиков.
Предполагается, что сервис станет частью будущей платформы «Яндекса» для создания, развёртывания и сопровождения цифровых продуктов.
👉Подробнее на сайте «Яндекса»
Видео: сайт Yandex Cloud
#искусственныйинтеллект
#программирование