Onigiri

Google только что выпустили генерацию картинок через gemini-2.5 flash, которая еще и очень круто редактирует изображения. Поэтому я решил сделать сравнение моделей, которые умеют полноценно редактировать картинки. Покажи, как акула (с первой картинки) пишет код на rust:

Это был самый длинный стрим на канале, а после такого большого перерыва, я уже забыл, как это делать. А там еще и думать надо 😟 Но если вы хотите посмотреть, как я 3 часа туплю, то по ссылке стрим доступен. Зато и веселых моментов было много. Спасибо всем, кто был на стриме, надо собираться почаще ❤️

Стрим запущен!

Сегодня вечером (19:00 по мск) будет стрим по стрелочкам! https://www.youtube.com/watch?v=sF3ywXs4vsc

Как рассказывал в том сообщении, показали генерацию текста и голосовой режим, а в конце еще сказали, что это все малая часть, от того, что будет потом. Презентация была очень долгая, но как будто не так много показали. По бенчмаркам она конечно же лучше предыдущих моделей, но теперь ждем, как она покажет себя на практике✨

Презентация конечно крутая, но что это такое?😑 Графики люди составляли что ли?

Много постов тут было посвящено тому, насколько o3 крутая модель. Теперь OpenAI выпустили опенсорсную модель примерно того же уровня, которую можно запускать у себя на компе, если есть достаточно мощная видеокарта - gpt-oss Ждем gpt-5 на этой неделе?

Небольшой перерыв от кода и нейросетей

Мы тут с optozorax (вы могли видеть его видео про порталы) играли в угадывание фигур в программе визуализации искривлённых 2D пространств, которую мы сделали, и которую я показывал несколькими постами выше

Google только что выпустили новую генерацию картинок 1. В большинстве случаев пока кажется лучше, чем у OpenAI 2. Нет мягкости и оранжевости, по которой легко можно было узнать GPT 3. Во много раз быстрее 4. Бесплатно Прикладываю разные картинки по 2 штуки: от OpenAI и от Google. Протестировать можно тут

ИИ каждый год улучшается более чем в 3 раза Как определить темпы развития ИИ-моделей? Самый интересный вариант, что я видел, выглядит так: берем самые разные задачи, которые человек выполняет за компьютером, и смотрим, сколько в среднем у него уходит на это времени. Время, которое затратят на это нейросети, не так важно, главное - способна ли нейросеть решить эту задачу в принципе. А затем смотрим, задачи какого размера (по потраченному человеком времени) в среднем способны решать нейросети. Если усреднить все задачи, то получается четкий тренд: размер задач, которые могут решать нейросети, удваивается каждые 7 месяцев, что примерно 3.28 раза в год. Это же справедливо и для кода: размер проектов, в которых хорошо ориентируются нейросети, растет такими же темпами. Если сейчас нейросети могут стабильно вносить значительные изменения или даже переписывать проекты или части кода, которые писались пару дней, то через 2 года это будут уже проекты на 3 недели, а еще через 2 года - проекты на год. При этом, изменения, вносимые в код за 1 запрос через 2 года смогут превышать день работы. А еще через 2 года - 2 недели за 1 запрос. Может ли это все в ближайшее время остановиться? Вряд ли. Как минимум, этот тренд резко не оборвется, сначала должно начаться снижение, а его пока не видно. И даже наоборот - в этом году нейросети показывают удвоение не каждые 7 месяцев, а каждые 4 месяца. То есть задачи, которые они могут выполнить, увеличиваются в 8 раз в год. Пока не понятно, является ли это случайным отклонением, или же возможности нейросетей растут с ускорением. Сначала я скептически относился к ускорению, но сейчас оно выглядит все более и более вероятным. Кажется, gpt-5 еще раз это подтвердит. Если ускорение действительно есть, то через год нейросети смогут выполнять большую часть задач, которые люди выполняют за компьютером, а один запрос сможет вносить в код стабильные изменения, на которые у человека ушел бы день (а скорее всего гораздо больше). Если же ускорения нет, то все это все равно будет, но не через год, а через 2, и замедлиться развитие нейросетей за это время вряд ли успеет

В одном из предыдущих постов показывал, как будет выглядеть появление червоточины в 2D-пространстве. Теперь показываю, как выглядит прохождение через нее. Можно заметить необычный эффект, возникающий в неевклидовых пространствах - голономию. Она заключается в том, что при движении по пространству, помимо самого перемещения, происходит еще и поворот, даже если мы сами не поворачивались. Поэтому ориентация пространства в этом видео постоянно меняется

Так выглядели реалистичные картинки от нейросетей с несколькими объектами еще 5 лет назад. Да, один конкретный объект тогда уже неплохо получалось генерировать. А к текущему развитию нейросетей привело уже изобретение моделей на основе diffusion в 2020 году

Делаем дыру в 3D объекте и смотрим симуляцию того, как это выглядело бы для 2D-существа, живущего на поверхности этого объекта. С учетом того, что свет тоже всегда летит по этой поверхности. Получается появление червоточины в "другую вселенную" 🕳 (Ну ли если бы, конечно, это существо могло бы охватить своим зрением все вокруг)

Вы скорее всего видели такие картинки с червоточинами: две области пространства соединены туннелем. Следующим постом выложу кусочек из ✨предстоящего видео с симуляцией такого в 2D Забавно, что на картинке нижняя часть подписана как "другая вселенная", хотя она явно соединена, а значит, это часть той же вселенной. Но можно придумать этому объяснение: если эта нижняя часть достаточно удалена от верхней, то такое иногда называют "другой вселенной", так как из-за расширения пространства она удаляется от верхней быстрее скорости света, а значит, уже не связана причинно-следственно с верхней частью (если не считать червоточину).