Искусственный интеллект

Самообучающийся интеллект для выявления причинно-следственных связей

от

В процессе эволюционного поиска причинно-следственных оценок, представленный подход позволяет создавать программы, превосходящие как начальные генерации, так и решения, предложенные участниками соревнований ACIC 2022, что подтверждается снижением среднеквадратичной ошибки (RMSE) и улучшением покрытия 90% доверительного интервала, при этом отслеживание программ в пространстве текстовых вложений OpenAI демонстрирует прогресс в процессе эволюции.

Новая система InferenceEvolve автоматически подбирает оптимальные методы оценки причинных эффектов, используя возможности больших языковых моделей и эволюционных алгоритмов.

Код, который учится на своих ошибках: новый подход к самосовершенствованию моделей программирования

от

Самообучение с использованием симуляции исполнения сгенерированного кода на публичных или созданных тестовых примерах позволяет улучшить качество кода, выбирая наилучшее решение из нескольких кандидатов или итеративно исправляя его, что подробно описано в разделе 3.

Исследователи показали, что модели генерации кода могут значительно улучшить свою производительность, научившись предсказывать результаты выполнения собственных программ и использовать эту информацию для самообучения.

Наука на Автопилоте: ИИ, Анализирующий Данные и Создающий Визуализации

от

Интерфейс системы SASAV предоставляет пользователю средства взаимодействия, позволяющие визуализировать и контролировать процесс анализа и обработки данных.

Новая система искусственного интеллекта способна самостоятельно исследовать научные данные и генерировать информативные визуализации без участия человека.

Искусственный интеллект на службе Земли: новые горизонты моделирования

от

Взаимодействие компонентов земной системы демонстрирует сложную сеть обратных связей, где атмосфера, гидросфера, криосфера, литосфера и биосфера непрерывно обмениваются энергией и веществом, определяя долгосрочную стабильность и эволюцию планеты.

В статье рассматривается, как современные методы искусственного интеллекта преобразуют наше понимание взаимосвязей в сложной системе Земли.

Искусственный интеллект и диплом: новый этап в написании научных работ

от

В ходе исследования, охватившего 79 пользователей искусственного интеллекта, выявлены различные стадии интеграции ИИ в рабочий процесс диссертации, демонстрирующие эволюцию его применения в академической среде.

Исследование показывает, как генеративные ИИ-системы становятся неотъемлемой частью процесса подготовки магистерских диссертаций, меняя подходы к исследованию и написанию текстов.

Коллективный разум машин: самообучающиеся системы для глубоких исследований

от

Система многоагентных исследований структурирована таким образом, что центральный оркестратор формирует перечень задач для ответа на запрос пользователя, после чего несколько агентов-читателей извлекают необходимую информацию из документов, которую затем агрегатор объединяет в мини-отчёты, а финальным этапом является формирование развёрнутого отчёта агентом-писателем, причём оркестратор может итеративно уточнять план задач для достижения оптимального результата.

Новое поколение многоагентных систем способно самостоятельно улучшать свои запросы, повышая эффективность сбора информации и генерации отчетов.

Искусственный интеллект на практике: проверяем экспертные навыки

от

В XpertBench наблюдается сбалансированное распределение задач между естественнонаучными (STEM) и гуманитарными дисциплинами, что отражает стремление к всесторонней оценке когнитивных способностей моделей.

Новый бенчмарк XpertBench оценивает способность больших языковых моделей решать сложные задачи, требующие профессиональной экспертизы, а не просто отвечать на вопросы.

Текстуры обмана: Как взломать ИИ, управляющий роботами

от

Защитные механизмы, применяемые к входным данным, оказывают ощутимое влияние на производительность Tex3D, демонстрируя, что даже незначительные изменения в структуре входных данных способны существенно изменить поведение системы.

Новое исследование демонстрирует, как специально разработанные 3D-текстуры могут дезориентировать системы искусственного интеллекта, ответственные за восприятие и управление роботами в реальном мире.