Sber AI

👉 Способ круто провести 11 минут жизни: прочитать статью о FRIDA-Decisions
ㅤ
👉 Идея, как продлить удовольствие: подписаться на телеграм-канал разработчиков и первыми узнавать об их новых исследованиях

Общая рамка второго дня — связка AI PDLC и AI PSLC, где ИИ работает на всём жизненном цикле продукта: от разработки до эксплуатации

• Изучим самоэволюцию агентов
• Разберём возможности RTX 4090
• Научим контролировать качество работы агентов
• Поймём, как адаптироваться к изменениям в профессииㅤ

• NetHack — прекрасный полигон для обучения ИИ. За одну сессию можно сделать десятки тысяч ходов, у игрока есть всего одна жизнь, нет сохранений, а в каждой партии генерируется новое уникальное подземелье. Ошибка, допущенная несколько тысяч ходов назад, может легко привести к поражению
• Такие условия отлично ложатся на одну из главных проблем ИИ-агентов. Отдельные шаги они выполняют качественно, но с долгосрочным планированием справляются плохо. Обучение в NetHack поможет им развить этот навык

ИИ-модель, обученная на открытых рейтингах футболистов, анализирует конкретный матч и окружение игрока. Итоговая оценка строится на индивидуальных характеристиках спортсмена и параметрах, отвечающих за его взаимодействие с остальными игроками

Подробнее о работе можно почитать здесь ↖️

Флагманская модель создаёт пятисекундные ролики и работает с текстом и изображением. ИИ умеет генерировать видео в форматах 16:9, 9:16 и 1:1, а модель видео-апскейла увеличивает разрешение до Full HD

Компактная версия с той же архитектурой, адаптирована для запуска на потребительских видеокартах NVIDIA: от RTX 5060 Ti до 5090

👉 примерно в 10 раз быстрее API по независимым замерам — 28–34 мс на запрос на RTX 5060 Ti
👉 просит всего 1,8 ГБ видеопамяти
👉 запускается на CPU через int8 ONNX
👉 новая задача не требует дообучения — достаточно передать новые варианты в JSONㅤ

🤖 Демо
🤖 Модель
🤖 Бенчмарк
🤖 Код
🤖 Примеры

• Покупают товары
• Бронируют отели
• Ищут билеты
• Работают с файлами и корзиной

Ждать отмашки от самого агента или использовать LLM-судью не нужно.

• Автоэнкодеры состоят из двух частей. Энкодер сжимает изображение лица, сохраняя важные признаки, а декодер восстанавливает его. В одной из схем общий энкодер работает с лицами двух людей, а для каждого лица обучают свой декодер. Чтобы сделать подмену, изображение одного человека обрабатывают декодером другого
ㅤ
• Генеративно-состязательные сети (GAN) обучаются через соревнование двух нейросетей. Генератор создаёт искусственные изображения, а дискриминатор пытается отличить их от настоящих. Генератор учится на результатах этих проверок и постепенно создаёт все более убедительную подделку
ㅤ
• Условные GAN (cGAN) работают по тому же принципу, но получают дополнительное условие, например, поддерживать нужное выражение лица. Генератор учитывает его при создании изображения, а дискриминатор проверяет и реалистичность результата, и соответствие условиюㅤ

🟣 ИИ-инструменты. Архитектура, метрики, ограничения и реальные кейсы внедрения
🟣 Модели и инфраструктура. Производительность, железо и оптимизация моделей
🟣 AI-native-организация. Изменение процессов и ролей в командах при агентизации
🟣 Harness. Предсказуемая и управляемая работа ИИ, спецификации, контекст, policies, workflow

• 16 октября, офис Сбера, г. Москва, пр-т Кутузовский, 32к1
• Вход по предварительной регистрации

• ИИ превратит кусок холста в шедевр искусства? Рассуждает Люк Бессон!
• Как развиваться тем, кто работает на благо геймеров?
• Стоит ли инвестировать в робототехнику?
• Как ИИ меняет обучение?ㅤ

• Это РЕАЛЬНО новая медицина
• Как не провалить автоматизацию бизнеса
• Про демопрототипы и успешные запуски
• Делаем оригинальный технологический продуктㅤ