#unrealneural #нейроутро
Немного ИИ красоты в начале дня ⚡️⚡️⚡️

#unrealneural
Демонстрация потоковой передачи разных уровней детализации гауссовых сплаттингов для 3д моделирования ✨

https://playcanv.as/p/ZoUBrC6e/

#unrealneural

Похоже, мозг предпочитает семь чувств, а не пять.

Новое исследование Сколтеха показывает, что мозг лучше работает с семью чувствами. Учёные использовали математическую модель, чтобы изучить, как мозг хранит понятия в виде «энграмм» - нейронных цепочек, представляющих ощущения, такие как зрение, слух, осязание, обоняние и вкус.

Например, «ананас» кодируется как жёлтый, сладкий, колючий и сочный. Исследование смоделировало эволюцию энграмм: усиление при использовании, ослабление при игнорировании и кластеризацию по сходству.

Семимерное пространство оказалось оптимальным для объёма памяти. Пять измерений ограничивают ёмкость, а восемь и более вызывают перекрытие концепций. Это может применяться в мозге и ИИ.

Исследование не говорит о скрытых чувствах, но намекает, что дополнительные сигналы, например магнетизм, могут улучшить память в эволюции или технологиях.

#unrealneural #ЛабораторияИИ
Немного экспериментов ИИ генерацией для продакшена. Симуляции света и отражений очень впечатляют⚡️

#unrealneural
BrickGPT получила награду ICCV 2025 за лучшую работу

https://avalovelace1.github.io/BrickGPT/

#unrealneural #нейроутро
Архитектурной ИИ красоты в начале дня ⭐️

#unrealneural
Тревожность - это не проблема мышления, это проблема сигнализации.
Мы потратили годы на коррекцию мыслей (когнитивных искажений), в то время как нервная система остается в состоянии повышенной готовности.

Когнитивные искажения имеют значение (например, катастрофизация), но они - «вершина айсберга».
Ниже них сеть режима по умолчанию (DMN) задействована в прогнозировании, передняя поясная извилина ищет ошибки, а миндалевидное тело помечает события повседневной жизни как опасные.
Когда это происходит, вы не действуете, вы реагируете.
Излишнее мышление - это симптом, а не проблема.

Ясность не приходит от осознания того, что вы катастрофизируете ситуацию.
Это происходит из-за смещения нейронных сетей.

Когда вы переключаете свое внимание на задачу, задействующую все тело, например, ходьбу или рисование, вы переключаете нейронные сети.

Вы переходите от DMN к сенсомоторной/SN. Это разблокирует негативные спирали мыслей и приносит безопасность. Затем ваш мозг ритмично и предсказательно движется по жизни, больше не размышляя и не перенапрягаясь.

#unrealneural
Этот плавающий двуногий робот, сконструированный из гелиевых шаров и шарнирных ног, был создан Деннисом Хонгом и Юсуке Танакой из Лаборатории робототехники и механизмов (RoMeLa) Калифорнийского университета в Лос-Анджелесе.

#unrealneural #нейроутро
Немного архитектурной ИИ красоты ✨✨✨

#unrealneural
Мозг не заботится о наших намерениях.

Его волнуют только повторения.

Повторение формирует крепкие нейронные связи.

#unrealneural

Новая совместная работа Nvidia и Калифорнийского университета в Сан-Диего создает автоматизированный способ анализа крупных областей исследований и указания направлений дальнейшей работы.

Он автоматизирует высококачественные полевые исследования и отслеживание тенденций.

Исследования развиваются слишком быстро, чтобы люди могли отслеживать более 10 000 статей в год.

Авторы создают Real Deep Research — конвейер, который собирает статьи из ведущих источников, фильтрует тематику с помощью целевых подсказок и превращает каждую статью в компактное структурированное резюме.

Для базовых моделей он регистрирует входные данные, моделирование, выходные данные, цель и рецепт обучения, то есть данные о том, как работает модель, что она производит, чему она учится и как она обучается.

В робототехнике регистрируются данные с датчиков, тела, сочленений, пространства для действий и окружающей среды, которые в совокупности описывают, как робот чувствует, двигается и действует в мире.

Он встраивает эти резюме в виде векторов, чтобы схожие работы группировались вместе.

Затем он автоматически создает опросы, отображает тенденции тем с течением времени и связывает кластеры по разным областям.

Он также поддерживает семантический поиск, благодаря которому новички получают высококачественные начальные работы.

В экспертных парных тестах система достигает среднего рейтинга 1,30 и побеждает во многих поддоменах.

Анализ тенденций показывает рост телеуправления и ловкого манипулирования, в то время как классическое обучение с подкреплением замедляется.

Исследователи получают актуальную карту, быструю ориентацию и конкретные точки входа.

https://arxiv.org/abs/2510.20809