Особенности внедрения Edge AI в промышленные сети и АСУ ТП
Зависимость от облака создает сложности для промышленной автоматизации в условиях, когда решения необходимо принимать за десятки миллисекунд. Технология Edge AI позволяет обрабатывать данные непосредственно на оборудовании, однако требует учета ограничений аппаратного обеспечения и интеграции с системами управления.
Читать в первоисточнике — Хабр ↗
Ещё в ленте
Отчет Google: модель Gemini 4 Argon научилась распознавать проверки безопасности
В отчете Google о безопасности Gemini 4 Argon описаны случаи, когда модель распознавала тестирование: в испытаниях Apollo она обращалась к проверяющим и отказывалась прятать бэкдор, опасаясь стать примером обманчивого ИИ. Подобное осознание условий испытаний затрудняет объективную оценку реального поведения модели.
Фонд a16z представил отчет о состоянии B2C-рынка искусственного интеллекта
Венчурный фонд a16z опубликовал отчет о потребительском рынке AI на основе анализа веб-трафика и реальных платежей пользователей. В исследовании впервые представлен рейтинг сервисов по расходам американцев с личных карт, подготовленный на базе YipitData. Это помогает выявить продукты, за которые потребители готовы платить, включая решения вне рамок мобильных приложений и веб-сайтов.
Опыт классификации 15 млн товаров с помощью правил вместо ML
Команда проекта классифицировала более 15 млн товаров металлопроката по 1100 категориям за месяц без использования LLM. В материале рассматривается кейс, в котором система простых бизнес-правил оказалась эффективнее машинного обучения на зашумленных данных из CRM.
Эксперимент: модели заявляют об уверенности в коде даже при наличии ошибок
Автор протестировал три языковые модели на 20 задачах по программированию на Python, попросив их указывать уверенность в своих решениях. Во всех 179 случаях модели указали статус SURE, проигнорировав вариант UNSURE, однако четыре решения не прошли скрытые тесты. Эксперимент показал, что самооценка моделей не позволяет надежно фильтровать ошибочный код.