Компьютер пишет при запуске: 404 — Содержимое не найдено

Содержание

При загрузке компьютера просит нажать F1

Сразу же стоит отметить, что операционная система в этом случае не имеет к рассматриваемой проблеме никакого отношения, поскольку она образуется сразу же после включения, не доходя до запуска ОС.

Причина 1: Сбой настроек BIOS

Настройки БИОС довольно часто сбиваются после резкого отключения компьютера от питания или же после полного обесточивания ПК на определенный промежуток времени. Несмотря на то, что в целом ситуации схожи, их появление спровоцировано разными факторами.

Выполняем вход в BIOS

Простейший способ — сохранить настройки БИОС повторно. О необходимости этого может свидетельствовать и сопутствующее оповещение наподобие: «Please enter setup to recover BIOS setting».

  1. Перезагрузите ПК и сразу же при отображении логотипа материнской платы нажмите клавишу F2, Del или ту, которая у вас отвечает за вход в БИОС.

    Читайте также: Как попасть в BIOS на компьютере

  2. Оказавшись в настройках, ничего не меняйте, сразу же нажмите клавишу
    F10
    , отвечающую за выход с сохранением настроек. В ответ на подтверждение своих действий выберите «ОК».
  3. Начнется еще одна перезагрузка, при которой требование нажать F1 должно исчезнуть.

Сбрасываем настройки BIOS

Неожиданное отключение света или какой-либо внутренний сбой на уровне БИОС может вызвать появление требования «Press F1 to Resume», «Press F1 to Run SETUP» или аналогичного. Появляться оно будет при каждом новом включении компьютера, пока пользователь не выполнит сброс настроек BIOS. Сделать это несложно даже для начинающего пользователя. Ознакомьтесь с нашей статьей, рассказывающей о разных методах решения поставленной задачи.

Подробнее: Как сбросить настройки BIOS

Делаем HDD загрузочным вручную

При подключении нескольких жестких дисков есть вероятность того, что ПК не сможет понять, с какого устройства нужно загрузиться. Исправить это проще простого, и на нашем сайте есть отдельная статья, которая поможет вам задать нужному жесткому диску высший приоритет загрузки.

Подробнее: Как сделать жесткий диск загрузочным

Отключаем Floppy в BIOS

На старых компьютерах ошибка вида A: Driver Error чаще всего появляется по одной и той же причине — оборудование выполняет поиск Floppy-дисковода, который в системном блоке может отсутствовать как таковой. Следовательно, через BIOS нужно отключить все настройки, которые так или иначе могут быть связаны с дискетным приводом.

К слову, иногда может помочь и предыдущий совет — изменение приоритета загрузки. Если в БИОС флоппи-дисковод установлен первым, ПК будет пытаться загрузиться с него и при неудачной попытке уведомлять вас сообщением. Выставив жесткий диск или SSD с операционной системой на первое место, вы избавитесь от требования нажать F1. Если это не помогает, все же придется отредактировать БИОС.

  1. Перезагрузите ПК и на старте запуска нажмите F2, Del или другую клавишу, отвечающую за вход в БИОС. Чуть выше есть ссылка с подробной инструкцией того, как туда войти пользователям разных материнских плат.
  2. В AMI BIOS на вкладке «Main» найдите настройку «Legacy Diskette A», нажмите на нее и выберите значение «Disabled».
  3. В Award — зайдите в раздел «Standard CMOS Features», найдите пункт «Drive A» и выберите «None» (или «Disable»).

    Дополнительно можете включить «Quick Boot».

    Подробнее: Что такое «Quick Boot» («Fast Boot») в BIOS

  4. Сохраните выбранные настройки на F10, после автоматической перезагрузки должен начаться нормальный запуск ПК.

Причина 2: Аппаратные неполадки

Теперь перейдем к описанию нарушениям в работе аппаратных компонентов ПК. Распознать, с каким именно комплектующим неполадка, можно по строчкам, предшествующим надписи «Press F1…».

CMOS Checksum Error/CMOS Checksum Bad

Такое сообщение означает, что на материнской плате села батарейка, хранящая в себе настройки BIOS, времени и даты. В подтверждение этому выступает постоянно сбивающееся до заводского время, день, месяц и год и уведомление

«CMOS Date/Time Not Set» рядом с «Press F1…». Чтобы убрать навязчивое сообщение, потребуется выполнить ее замену. Этот процесс описан нашим автором в отдельном руководстве.

Подробнее: Замена батарейки на материнской плате

Многие пользователи получают это же сообщение несмотря на то, что сама батарея находится в полном порядке. Этой надписи может предшествовать «Floppy disk(s) fail (40)». Этот тип ошибки устраняется отключением в BIOS настроек, связанных с Floppy. Как это сделать читайте выше, в подзаголовке «Отключаем Floppy в BIOS» Способа 1.

CPU Fan Error

CPU Fan — кулер, охлаждающий процессор. Если компьютер при включении не видит это устройство, следует проверить его на работоспособность.

  • Осмотрите подключение. Возможно, провод неплотно закреплен в разъеме.
  • Почистите вентилятор от пыли. Именно на него осаживается вся пыль, и если устройство будет плотно ей забито, то не сможет работать должным образом.

    Читайте также: Правильная очистка компьютера или ноутбука от пыли

  • Замените вентилятор или сам кулер на рабочий. Возможно, он просто вышел из строя, и теперь система не дает продолжить загрузку, чтобы избежать перегрева процессора, оставшегося без охлаждения.

    Читайте также: Выбираем кулер для процессора

Keyboard Error / No Keyboard Present / No Keyboard Detected

Из названия понятно, что компьютер не видит клавиатуру, иронично предлагая при этом нажать Ф1 для продолжения. Проверьте ее подключение, чистоту контактов на материнской плате либо приобретите новую клавиатуру.

Читайте также: Как выбрать клавиатуру для компьютера

Здесь же применим вариант с извлечением батарейки из материнской платы для обнуления BIOS. Подробнее об этом читайте выше, в подзаголовке «Сбрасываем настройки BIOS» Способа 1.

Intel CPU uCode loading error

Такая ошибка появляется, когда БИОС не может распознать установленный процессор — то есть, прошивка BIOS не совместима с CPU, Как правило, с таким сообщением встречаются пользователи, решившие установить процессор под старую относительно него материнскую плату.

Выходы здесь очевидны:

Другие причины появления ошибки

Еще пара примеров, с которыми вы можете столкнуться:

  1. Жесткий диск с ошибками. Если в результате ошибок не пострадал загрузочный сектор и система, после нажатия F1 выполните проверку HDD на ошибки.

    Подробнее:
    Как проверить жесткий диск на битые сектора
    Устранение ошибок и битых секторов на жестком диске

    Если после нажатия F1 не удается загрузиться, пользователю потребуется выполнить Live-загрузку и с помощью нее просканировать и восстановить накопитель.

    Читайте также: Инструкция по записи LiveCD на флешку

  2. Нестабильный блок питания. Скачки внутри блока питания могут не только приводить к появлению сообщения с требованием нажать F1, но и к более серьезным поломкам. Проверьте БП, следуя этим инструкциям:

    Подробнее: Как проверить работоспособность блока питания на ПК

  3. Некорректный разгон ПК. Увеличивая скорость работы процессора, вы можете столкнуться с проблемой, из-за которой и читаете эти строки. Как правило, с подобным сталкиваются оверклокеры, делавшие разгон через BIOS. Исправляется неудачный буст производительности сбросом BIOS с изъятием батареи или замыканием контактов на материнской плате. Подробнее об этом читайте выше, в Способе 1.

Мы рассмотрели наиболее частые, но далеко не все причины, из-за которых ваш ПК может требовать нажать F1 при загрузке. Одним из радикальных методов считается перепрошивка BIOS, мы советуем делать ее только уверенным в своих действиях пользователям.

Подробнее: Обновление BIOS на компьютере

Если ваша проблема не была решена, обращайтесь в комментарии, при необходимости прикрепляя фото возникшей неполадки.

Мы рады, что смогли помочь Вам в решении проблемы.
Опишите, что у вас не получилось. Наши специалисты постараются ответить максимально быстро.
Помогла ли вам эта статья?
ДА НЕТ

При запуске Windows или игры выскакивает Input Not Supported

Проблема Input Not Supported встречается часто при запуске компьютера в целом или игры. Свидетельствует она о наличии проблемных настроек монитора. Исходя из корня проблемы, устранение будет происходить на том же уровне, в среде вывода изображения.

Также пользователи, которые стали жертвой проблемы, упоминают, что в некоторых случаях, данная ошибка Input Not Supported движется по экрану и впоследствии, через несколько минут, пропадает. Это очень поможет вам, если вы столкнулись Input Not Supported при запуске, но также нередко проблема встречается при использовании игр.

Возникновение проблемы обусловлено неправильными параметрами работы монитора, то есть задана неподдерживаемая частота или разрешение. Таким образом устройство просто отказывается от выполнения своих задач, но устранить это явление можно и, крайне редко, всё же придётся воспользоваться сервисным центром. Никаких физических вмешательств в работу монитора мы производить не будем.

Прежде всего, нужно нажать кнопку Auto на мониторе (обычно присутствует), возможно, экран самостоятельно настроит необходимые параметры без вашего вмешательства.

Итак, на данном этапе существует некоторое разделение по случаю, если у вас Input Not Supported при включении и сообщение не пропадает или при запуске игры. Первый вариант требует некоторых дополнительных действий, которые смогут помочь прийти к общему знаменателю и позволит продолжить устранение неисправности.

Input Not Supported при включении компьютера, что делать?

Для подобного случая, когда вы не можете войти в систему, точнее можете, но не видите изображение, разработана специальная функция Windows. Она позволяет запустить систему с использованием минимального разрешения 640 x 480 и цветопередачи 16 бит. Такой стандарт поддерживается всеми мониторами и позволяет войти в Windows при сбоях с устройством.

Для этого вам следует:

  • Перезапустите компьютер;
  • Нажмите F8 в момент предложения входа в БИОС или сразу за ним;
  • Выберите способ «Включить режим VGA» или режим с низким разрешением (названия могут незначительно отличаться).

После этого произойдёт запуск системы с указанными параметрами, монитор должен быть в исправном, рабочем состоянии, но проблема ещё не устранена. Теперь вам следует удалить видеодрайвер, который и включает в себя неправильные настройки.

Также вы можете просто поменять разрешение. Используя указанный параметр вы войдёте в систему, далее метод будет одинаков для всех ошибок.

Читайте также: d3dcompiler_47.dll Windows 7 — как исправить?

Удаление видеодрайвера

Первым делом в проблемах с выводом изображения следует обратить внимание на драйвер видеоадаптера. Он является частой причиной неисправности и, иногда, требует переустановки или отката/обновления.

Для удаления драйвера следует:

  • Нажмите Пуск и ПКМ по «Компьютер», где следует выбрать «Свойства»;
  • Выберите «Диспетчер устройств»;

  • Разверните список «Видеоадаптеры»;
  • Выберите активный адаптер — правый клик, затем «Свойства»;

  • Воспользуйтесь вкладкой «Драйвер» и нажмите последнюю кнопку «Удалить»;

По идее этого достаточно для беспроблемного запуска системы с рабочим монитором, но для установки драйвера снова, вам может потребоваться удалить дополнительное ПО от производителя видеокарты.

Сделать это можно так:

  • Нажмите Пуск, где кликните по «Панель управления»;
  • Найдите плитку «Программы и компоненты»;
  • Среди списка будут дополнительные элементы драйвера, удалите их.

Конечно, после выполнения действий по деинсталляции, ещё нужно и заново установить драйвер. Ничего сложного в этом нет, просто перейдите на сайт производителя, загрузите драйвер, указав вашу модель карты или ноутбука. Затем выполните стандартную установку, после требуется перезагрузка.

Настройка вывода изображения

Input Not Supported, что делать, ведь весьма часто причиной проблемы становится непосредственно пользователь, вследствие неверной настройки монитора. Обычно неисправность присуща геймерам, которые в погоне за реалистичной графикой или высоким FPS меняют настройки вручную.

Теперь следует вернуть правильное отображение, делается это так:

  • ПКМ по свободном месту на «Рабочий стол», выберите «Разрешение экрана»;
  • Установите в рекомендуемое положение разрешение, например 1280х1024;

  • Клик по «Дополнительные параметры»;
  • Во вкладке «Монитор» установите «Частота обновлений экрана» в положение 60 Гц – для старых моделей, 75 – для более современных.

Input Not Supported при запуске игры

Последний вероятный сценарий — это когда игра всё ещё не запускается, даже после выполнения базовой настройки и замены видео драйвера. Здесь также есть несколько способов, которые позволяют повлиять на работу игры.

Первым делом следует обновить DirectX. Данный компонент незаменим для игр и может быть причиной множества неисправностей, актуальная версия DirectX – это страховка от множества проблем с запуском игр и лагами внутри.

Читайте также: Как обновить DirectX?

Другой вариант, когда вследствие сбоев или настроек, игра отказывается запускаться и выдаёт подобную ошибку. Здесь также проблема в частоте кадров, цветопередаче или разрешении, их нужно просто заменить. Проблема в том, что внутри игры этого не сделать, по понятным причинам. Нужно вручную это сделать в конфигурационном файле. Обычно вам следует найти файл options.txt, screen.txt или variables.txt. Они могут находиться в корне игры или в пользовательских данных с игрой по ссылке C:\Users\имя пользователя и далее в соответствующую папку.

Затем откройте блокнотом файл и найдите параметр screen или height = + width =, высота и ширина соответствующие. Установите нормальные настройки, можно отталкиваться от цифры в «Разрешение экрана».

Действия, показанные в статье, позволяют устранить львиную долю возникающих неисправностей. Всё же, иногда, игры требуют специфического подхода и вам придётся воспользоваться саппортом компании разработчика.


Если у Вас остались вопросы по теме «Input Not Supported при запуске Windows», то можете задать их в комментариях

Требуется нажимать клавишу F1 при запуске компьютера

Многие компьютерные пользователи сталкиваются с одной вроде незначительной, но надоедливой проблемой. А именно каждый раз при запуске компьютера приходится нажимать клавишу F1 и до того момента пока это не сделано, загрузка компьютера не начинается.

Примечание: Если вы не знаете что такое БИОС и как попасть в его настройки, то вам следует сначала ознакомится, с статёй – Что такое БИОС и как в него попасть.

Многие компьютерные пользователи сталкиваются с одной вроде незначительной, но надоедливой проблемой. А именно каждый раз при запуске компьютера приходится нажимать клавишу F1 и до того момента пока это не сделано, загрузка компьютера не начинается.

Эта проблема возникает по причине того, что с настройками БИОСа, что-то не то. Вот компьютер вам и сообщает, о том, что настройки БИОСа изменились “пожалуйста, зайдите, посмотрите или нажмите клавишу F1, чтобы продолжить загрузку компьютера.”

Но как видно из просьбы, достаточно только войти в настройки БИОСа и выйти из них с сохранением имений, Не каких изменений можно и не делать главное зайти и выйти. Выходить нужно с помощью клавиши F10 и подтвердить выход с сохранением, это относится как к AWARD так и к AMI БИОСу.

После нажатие клавиши F10 в БИОСе вас спросят «Сохранить конфигурацию БИОСа и выйти?» так как по умолчанию, обычно уже выбрано согласие, просто нажимаем клавишу Enter. (В Award BIOS должна быть написана латинская буква “Y” а в Ami BIOS маркером выбрано “OK”)
Это вы можете увидеть на картинках ниже, для Ami и для Award БИОСа.

Сообщение о подтверждении выхода и сохранении конфигураций в настройках Ami BIOS

Сообщение о подтверждении выхода и сохранении конфигураций в настройках Award BIOS

Но так же эта проблема может сопровождаться сбросом системного времени, это самое верное проявление сброса настроек БИОСа. В таком случае вам нужно заменить батарейку на системной плате и уже после этого зайти и выйти с сохранением из настроек БИОСа.

До замены батарейки эта проблема будет постоянно повторятся. Статья по проблеме с батарейкой на системной плате.

Почему компьютер требует при загрузке нажать F1

Почему компьютер требует при загрузке нажать F1? В один прекрасный момент вы садитесь за компьютер, включаете его, а он не хочет загружаться, пока вы не нажмете на клавиатуре кнопку F1. Это еще хорошо, если вы владеете английским языком, и понимаете то, что написано при загрузке. А многие даже не могут понять, что случилось и какие действия необходимы в такой ситуации. Сначала появляется недоумение, потом страх, а потом вы хватаетесь за телефон и начинаете обзванивать сервисные центры. И хорошо если вам подскажут, что делать в такой ситуации. Но чаще дают совет либо привезти компьютер к ним, либо присылают мастера, который с умным видом посидит за компьютером с полчаса, а то и дольше, запустит ваш компьютер, сдерет с вас денежку и уйдет, так ничего и не объяснив. Чаще всего именно так и происходит. А запустить компьютер в этом случае проще простого. И на все про все у вас уйдет 5 минут.

Почему компьютер требует при загрузке нажать F1  

В моей практике такие поломки, если их можно так назвать, встречаются довольно таки часто.  Это и поломкой то назвать трудно, но если не знать, что делать в такой ситуации, то маленькая проблема может вырасти в большую неприятность.

Был у меня один знакомый, который вместо того, чтобы вызвать мастера, стал разбирать свой системный блок, и менять все, что  только можно было купить в магазине. В итоге он потратил уйму времени и денег, и так и не понял, что за неисправность была на его компьютере.

Он просто делал то, что делают многие из нас, когда заболеют. Пробовал все лекарства, не зная самой болезни и ее причины.

Как это не банально звучит, но если вы хотите избежать таких казусов, то обязательно изучайте строение своего компьютера, научитесь загружать его в безопасном режиме и сохранять свои данные в критических ситуациях, чистите его от пыли.

Почитайте заранее, что необходимо делать, если не загружается система. Проверяйте жесткие диски на наличие ошибок. А самое главное, не жалейте денег на антивирусные программы.

Press F1 to continue loading

Если ваш компьютер не включается и требует при загрузке нажать F1, то не паникуйте и не вините себя. Спокойно посмотрите на экран и постарайтесь прочитать то, что там написано в самом низу. Можно переписать  фразу и посмотреть с другого компьютера в интернете.

  • Чаще всего компьютер требует нажать клавишу F1 (Press F1 to continue loading) если вы в последний раз перед включением выключили его, не дождавшись завершения всех процессов. Или если вдруг отключили свет в вашем доме, и компьютер выключился мгновенно.

Это равносильно тому, что ударить человека чем-нибудь тяжелым по голове, а потом привести его в чувство и требовать прочитать стихотворение. Сомневаюсь, что он сможет сразу его вспомнить.

Поэтому я всегда первым делом спрашиваю, как выключали компьютер. Многие возмущенно, отвечают, что это не имеет значения или начинают  обманывать, что выключали компьютер как положено. Они не понимают, что для тестирования неисправности, мне важно знать какие действия были последними.

Еще такая неисправность бывает при подключении нескольких жестких дисков. В этом случае надо просто выставить в BIOS правильный приоритет загрузки.

  • Если на мониторе такая запись — Press F1 to resume, F2 to Setup или Press F1 to resume, Del to Setup, то это значит, что в BIOS сбились настройки. Самый лучший способ, это сбросить его настройки. Для этого надо выключить компьютер, открыть системный блок, найти на материнской плате батарейку и вынуть ее на 10-15 минут.

Обычно достаточно нажать при загрузке клавишу F1, и компьютер загружается.

CMOS battery has failed или CMOS checksum error Default loaded

Можно в BIOS попробовать в  Standard CMOS Features выставить значение NO errors, тогда загрузка системы будет продолжена, несмотря на любые ошибки.

Чаще всего при загрузке компьютер пишет следующее:

  • CMOS battery has failed или CMOS checksum error Default loaded – такая надпись говорит о том что, на материнской плате села батарейка. Пока вы не войдете в BIOS и не исправите дату, компьютер не сможет загрузиться. В любом случае в конечном итоге надо будет заменить батарейку, иначе так и будете входить в систему через BIOS.

Но не всегда помогает то, что описано выше. Значит, скорее всего, проблема в самом железе. А это уже не так-то просто выявить и устранить. Иногда причина может быть в том, что компьютер ищет флоппи-дисковод (дисковод для дискет), которого в  компьютере просто нет. Тогда необходимо найти в BIOS все настройки связанные с этим дисководом и отключить их.

CPU Fan Error
  • Надпись CPU Fan Error появляется в тех случаях, когда вентилятор процессора не работает, или крутится слишком медленно. Возможно, после ремонта его просто подключили не к тому разъему на материнской плате.
  • Таких разъемов на материнской плате может быть целых три (CPU Fan, System Fan и Chassis Fan). Подключать кулер процессора необходимо в разъем CPU Fan, который обычно находиться рядом с процессорным гнездом.

В таком случае BIOS просто не видит такой кулер, и система не может запуститься. Может штекер просто плохо закреплен в разъеме, а может кулер просто захлебывается от пыли. Выход только один – почистить системный блок.

Keyboard error or no keyboard present
  • Если на экране появляется такая запись – Keyboard error or no keyboard present, то ваш компьютер не видит клавиатуру. Выключите компьютер и проверьте разъем клавиатуры, как на системном блоке, так и на самой клавиатуре.

Часто такие предупреждения могут быть с беспроводной или USB-клавиатурой. Необходимо в BIOS отключить автоотключение клавиатуры.

Компьютер требует при загрузке нажать F1, если на нем нет антивирусника, и вы наверняка подцепили какую-то «заразу». Тогда вам ничего из описанного выше не поможет. Надо сканировать компьютер на вирусы и устранять их.

Если вы перед таким сообщением занимались разгоном процессора, то в первую очередь ищете проблему именно там.

Разных ошибок может быть очень много, но я описала самые распространенные. В будущем мы с вами рассмотрим и другие сообщения компьютера.

Включение команды «Выполнить» в меню «Пуск» в Windows 7

Как посмотреть список установленных обновлений в Windows 7 или 10

Как расширить экран монитора на компьютере с ос Windows

Как обновить драйвер видеокарты NVidia с официального сайта

Удачи!

Частые вопросы о загрузчике ПК-версии

Дорогие Путешественники!
С запуском открытого бета-теста Genshin Impact команда проекта получила много отзывов касательно загрузки и обновления ПК-клиента. Внимательно их изучив, мы собрали ваши самые частые вопросы и хотели бы здесь на них ответить.


▌Системные требования
Рекомендуемая конфигурация:
Операционная система: Windows 7 SP1 64-bit, Windows 8.1 64-bit или Windows 10 64-bit (Сборки для предварительной оценки Windows 10 не поддерживаются)
Процессор: Intel Core i7 или аналогичный
Оперативная память: 16 ГБ
Видеокарта: NVIDIA GeForce GTX 1060 6 ГБ и выше
Версия DirectX: 11
Свободное место: не менее 35 ГБ

 

Минимальная конфигурация:
Операционная система: Windows 7 SP1 64-bit, Windows 8.1 64-bit или Windows 10 64-bit (Сборки для предварительной оценки Windows 10 не поддерживаются)
Процессор: Intel Core i5 или аналогичный
Оперативная память: 8 ГБ
Видеокарта: NVIDIA GeForce GT 1030 и выше
Версия DirectX: 11
Свободное место: не менее 35 ГБ

 

▌Частые вопросы об установке ПК-версии, и вопросы, связанные с запуском и обновлением загрузчика
В1: При запуске загрузчика или игры появляется сообщение «Версия этого файла несовместима с используемой версией Windows».
О1: Убедитесь, что ваша версия Windows отвечает системным требованиям игры. Если ваша система слишком слабая, то возможны проблемы с установкой и запуском, вылеты и зависания.
Примечание: Windows 7 поддерживает игру только после установки Service Pack 1 (пакет обновления 1). Путь просмотра по умолчанию: Пуск->Панель управления->Система и безопасность->Система.

 

В2: После нажатия на загрузчик ничего не происходит.
О2: (1) В каталоге игры запустите laucher.exe. Проверьте, был ли создан в папке загрузчика файл дампа. Если он был создан, отправьте его в техническую поддержку по электронной почте: [email protected] Если нет, отправьте лог-файл по тому же адресу.
(2) Запустите файл vcredist2013_x64.exe в установочной папке загрузчика, а затем скачайте последнюю версию VC_redist.x64.exe с сайта Microsoft. После установки перезапустите игру:
https://bit.ly/3aADGrh
Если это не помогло, то проверьте, не используется ли одновременно дискретная и интегрированная видеокарты. В таком случае отключите интегрированную видеокарту и перезапустите загрузчик. Если это тоже не помогло, то напишите в службу поддержки по адресу: [email protected]

 

В3: После запуска загрузчика он отображается некорректно (например, неполностью или выходит за пределы экрана).
О3: Нажмите правой кнопкой мыши на ярлык игры и выберите «Свойства» — «Совместимость» -«Изменить параметры высокого DPI» -«Переопределение масштабирования с высоким разрешением» и выберите из списка «Программы», перезапустите загрузчик.

 

В4: Загрузчик не обнаружил обновление. Следует ли переподключиться?
О4: Пожалуйста, проверьте настройки сети, включая VPN, прокси, файлы hosts и т.д. (Также проверьте, блокирует ли VPN подключение Genshin Impact).

 

В5: При обновлении загрузчика появляется сообщение «Замена файлов не удалась».
О5: Пожалуйста, перезагрузите компьютер и попробуйте ещё раз.

 

Вопросы, связанные с загрузкой и обновлением
В6: Можно ли устанавливать версию открытого бета-теста ПК-клиента Genshin Impact поверх другого клиента для тестирования?
О6: Перед тем, как устанавливать версию открытого бета-теста ПК-клиента Genshin Impact, установленный ранее клиент следует удалить.

 

В7: Во время обновления возникает сообщение «Недостаточно места на диске. Убедитесь, что на жёстком диске достаточно свободного места и повторите попытку».
О7: Убедитесь, что у вас достаточно свободного места на компьютере. Если осталось меньше 35 ГБ, то освободите место и перезапустите игру.

 

В8: Во время загрузки появляется сообщение: «Ошибка проверки файлов игры. Нажмите «Попробовать снова», чтобы устранить проблему».
О8: Начните загрузку заново. Если ошибка повторяется, то попробуйте перезапустить или повторно загрузить игру.

 

В9: Во время установки появляется сообщение: «Не удалось распаковать файлы».
О9: (1) Убедитесь, что у вас достаточно свободного места на компьютере. Если места недостаточно, то освободите место и перезапустите игру.
(2) Если места достаточно, и у вас установлен антивирус, то убедитесь, что он не заблокировал файлы игры. Добавьте файлы игры в список исключений антивируса, либо выключите антивирус перед повторным запуском игры.
(3) Если в логе распаковщика указывается, что 7z.exe не найден, то запустите launcher.exe в каталоге игры двойным кликом.

 

В10: Во время загрузки скорость падает до 0 или загрузка доходит лишь до определённого момента.
О10: (1) Пожалуйста, проверьте настройки сети, включая VPN, прокси, файлы hosts и т.д. (Также проверьте, блокирует ли VPN подключение Genshin Impact).
(2) Также попробуйте перезапустить загрузчик, или запустить его от имени администратора.

 

В11: Во время загрузки возникает сообщение «Недостаточно места на диске», но по факту места достаточно.
О11: Попробуйте конвертировать формат жёсткого диска из FAT32 в NTFS. Неправильная конвертация может привести к потере данных. Если вы не обладаете необходимыми знаниями, то обратитесь за помощью к специалистам.

 

В12: Во время загрузки появляются сообщения:
1. «Ошибка возврата сети».
2. «Ошибка загрузки игры. Проверьте настройки сети и попробуйте ещё раз».
3. «Пожалуйста, проверьте настройки сети».
О12: Пожалуйста, проверьте настройки сети, включая VPN, прокси, файлы hosts и т.д. (Также проверьте, блокирует ли VPN подключение Genshin Impact).

 

В13: Во время загрузки появляется сообщение: «Программа не отвечает».
О13: Перезапустите загрузчик либо перезагрузите компьютер.

 

В14: Установка или загрузка была заблокирована антивирусом или появляется сообщение «Не удалось распаковать файлы».
О14: Если во время установки или загрузки клиента появились подобные сообщения, то нажмите «Доверять» или «Разрешить» или выключите антивирус.

 

В15: Загрузка игры завершена, но кнопка «Запустить игру» остаётся серой.
О15: Пожалуйста, проверьте настройки сети, включая VPN, прокси, файлы hosts и т.д. (Также проверьте, блокирует ли VPN подключение Genshin Impact).

 

Вопросы, связанные с работой игры
В16: После запуска игра зависает на белом экране, не появляется логотип Genshin Impact.
О16: Если в папке с загрузчиком есть папка «DXSETUP», то запустите DXSETUP.exe из этой папки и установите DirectX 11 перед повторным запуском игры. Если папки нет, то скачайте DirectX 11. Ссылка для скачивания DirectX 11:https://autopatchhk.yuanshen.com/client_app/plugins/DXSETUP.zip

 

В17: После запуска игры появляется сообщение: «Произошла ошибка загрузки ресурсов либо ошибка сети. Попробуйте снова. Код: -9908».
О17:
(1) Перезапустите игру несколько раз. Нажмите на кнопку «Настройки» в правом верхнем углу загрузчика — Восстановить игру — Восстановить, чтобы попробовать восстановить файлы игры.
(2) Если это не помогло, то удалите загрузчик и саму игру и установите её заново.

 

В18: Экран с дверью и надписью «НАЧАТЬ ПУТЕШЕСТВИЕ» побелел, и игра закрылась. Никаких сообщений не было, переустановка не помогает.
О18: Закройте игру и перейдите в каталог temp (введите %temp% в поисковой строке меню «Пуск», либо вызовите командную строку комбинацией клавиш Win+R, введите %temp% и нажмите ОК) и удалите mhyprot2.sys и mhyprotect.sys. Если они не удаляются, перезагрузите компьютер и попробуйте ещё раз. После удаления этих файлов отключите антивирус и попробуйте войти в игру вновь.

 

В19: После запуска Genshin Impact появляются такие сообщения:
1. «Ошибка при запуске приложения (0xc000007b). Для выхода из приложения нажмите кнопку «OK»».
2. «Запуск программы невозможен, так как на компьютере отсутствует MSVCP140.dll. Попробуйте переустановить программу».
О19: Запустите файл vcredist2013_x64.exe в установочной папке загрузчика.
Затем скачайте последнюю версию VC_redist.x64.exe с сайта Microsoft. После установки перезапустите игру.https://bit.ly/36sqRxC

 

В20: Когда я нажимаю кнопу «Запустить игру», ничего не происходит и я не могу зайти в игру.
О20:
1. Проверьте, установлен ли у вас антивирус, и убедитесь, не блокирует ли он какие-либо файлы Genshin Impact. В случае блокировки, отмените её, добавьте Genshin Impact в исключения или выключите антивирус, а затем перезапустите игру.
2. Выйдите из
игры и зайдите в папку Temp,
введя в адресную строку Проводника %temp% или нажав Win+R введя %temp% в появившимся окне. Удалите из папки
файлы mhyprot2.sys и mhyprotect.sys. Если удалить их не получается, то
перезапустите компьютер и попробуйте снова. После удаления файлов, выключите любые
антивирусы и перезапустите игру.
3. Попробуйте
запустить GenshinImpact.exe в папке с игрой (путь
по установки по умолчанию: Genshin Impact -> Genshin Impact Game
-> GenshinImpact.exe).

Включается проверка диска при запуске Windows

В данной статье рассмотрим, несколько способов отключения проверки жесткого диска (HDD), которая запускается каждый раз при включении или перезагрузке компьютера.

Причиной чаще всего является то, что система помечает жесткий диск как «грязный». Это происходит из-за неправильного выключения компьютера, нарушениях в файловой системе или повреждениях самого жесткого диска.

 

Для того чтобы устранить эту проблему, нужно проделать следующие действия:

1. Запустить полную проверку диска.

Откройте «Мой компьютер» => кликните правой кнопкой по диску, который постоянно проверяется => из контекстного меню выберите «свойства» => затем на вкладке «сервис» нажмите кнопку «Выполнить проверку»

в открывшемся окне поставте все галочки и нажмите «Запуск».

Если был выбран системный диск, то появится предложение выполнить проверку при следующей загрузке системы — соглашаемся и перезагружаем компьютер. Ждем окончания процесса проверки.
Если проблема осталась, переходим к следующему пункту;

2. Отключить проверку диска.

Нажимаем комбинацию клавиш Win-R или Пуск => Все программы => Стандартные => Выполнить => вводим команду cmd -> нажимаем OK. В открывшемся окне вводим команду chkntfs /X C: (где C: — имя диска, который постоянно проверяется).

Теперь проверка отключена. Если захотите ее снова включить, необходимо набрать команду chkntfs /D.

CHKNTFS — включение-отключение проверки жесткого диска при перезагрузке

Выводит или изменяет параметры проверки диска во время загрузки.

  • CHKNTFS том: […]
  • CHKNTFS /D
  • CHKNTFS /T[:время]
  • CHKNTFS /X том: […]
  • CHKNTFS /C том: […]

том — определяет букву диска (с последующим двоеточием), точку подключения или имя тома.

/D — восстанавливает стандартные параметры компьютера; все диски проверяются при загрузке и CHKDSK запускается при обнаружении ошибок.
/T:time — изменяет обратный отсчет AUTOCHK на указанный отрезок времени в секундах. Если время не указано, показывает текущую настройку.
/X — исключает стандартную проверку диска при загрузке. Сведения об исключенных ранее дисках не сохраняются.
/C — запрашивает выполнение проверки диска при следующей загрузке; если на диске обнаружены ошибки, запускается CHKDSK.

Если никакие параметры не указаны, CHKNTFS отображает или состояние бита обнаружения ошибок для диска или его проверку при следующей перезагрузке.

 

Loading operating system и ничего не происходит

Нередко пользователи Windows (особенно Windows XP) могут сталкиваться с проблемой, когда, пытаясь загрузить операционную систему (ОС), возникает надпись «error loading operating system» на черном фоне. Перезагрузка компьютера (ПК) в данном случае обычно не помогает. Нужно знать, что означает данная ошибка, какими способами можно её исправить, о факторах, которые вызывают подобную проблему.

Что за ошибка, из-за чего возникает

Обычно «Error loading operating system» в Windows XP, 7, 10 возникает при попытке запустить ПК, в момент установки или загрузки уже установленной системы. Перед пользователем появляется чёрный экран с единственной строкой с сообщением о данной неисправности (можно перевести как «ошибка загрузки ОС»), и загрузка прекращается. Перезагрузка ПК, как правило, приводит только к повтору ситуации.

Факторами возникновения ошибки могут стать:

  1. Старая версия БИОС не поддерживает имеющийся размер HDD, т. е. объём диска чересчур большой для текущего BIOSа;
  2. Неправильные настройки диска, прописанные в БИОС;
  3. Загрузочный разделHDD повредился (по причине, например, перепадов напряжения, ошибок записи, воздействия вирусов). В этой ситуации ОС не способна получать доступ к требуемым файлам и вынуждена приостановить загрузочный процесс.

Проверка БИОС

Сначала потребуется осуществить проверку последовательности загрузки BIOS, удостоверившись в том, что HDD является приоритетным. В ином случае, надо поменять порядок вручную. Делается это так:

  • войдя в БИОС, спуститься чуть ниже и выбрать «StandartCMOSFeatures»;
  • отыскать HDD и спуститься к нему, нажать «Enter»;
  • отобразятся дополнительные настройки HDD. Нужно нажать на «AccessMode» и выбрать «Large», сохранить изменения и выйти из BIOS с помощью F10.

Использование командной строки

В современных Windows (начиная с 7 версии) имеется команда «Bootrec». Чтобы устранить ошибку загрузки операционной системы нужно набрать определённые операторы в командной строке, далее нажимая «Enter» после каждого вводим:

  • bootrec /FixMbr;
  • bootrec /ScanOs;
  • bootrec /rebuildBcd.
  • bootrec /FixBoot.

Потребуется перезагрузка ПК.В Windows XP, при появлении ошибки «loading operating system» можно применять установочный диск с целью восстановить доступ. Требуется войти в БИОС, определить CD (DVD) в качестве первичного источника загрузки и осуществить запуск с диска установки. В процессе подготовки к запуску инсталлятора надо нажать «R», запустив процедуру восстановления (об это инсталлятор предупредит строкой внизу экрана), выбрать требуемую ОС (если их несколько). Ввести команду для сканирования HDD: chkdsk /P/R, и нажать «Enter». Теперь потребуется дождаться, когда закончится процедура, ввести «Exit» и выполнить перезагрузку ПК.

В Windows 7 следует нажать комбинацию Shift+F10 в окне выбора языка операционной системы.

В Виндовс 8 и 10 нужно выбрать «Восстановление системы», в окне установки.

Восстановление загрузчика

Иногда проблему вызывает поврежденный загрузчик. Исправить ситуацию можно следующим образом:

  1. Потребуется сделать загрузку с установочного диска и зайти в командную строку. Выбрать Windows, которую нужно восстановить. Далее надо нажать «Enter».
  2. Затем вводится команда «fixmbr». Отобразится надпись, сообщающая о том, что вероятно повредились таблицы разделов. Но, так как Виндовс не способна загрузиться, можно ввести «Y», чем будет подтверждён пуск процесса.
  3. Прописать команду Fixboot. Снова возникнет сообщение: «хотите произвести запись нового загрузочного сектора в раздел C:?». Нужно нажать«Y» и подтвердить.
  4. Прописав «Exit», нужно снова войти в БИОС и изменить приоритет загрузки с привода на HDD, и перезагрузить ПК.

Ряд пользователей операционной системы Windows (особенно это касается пользователей достаточно архаичной Windows XP) могут столкнуться с ситуацией, когда при попытке загрузки операционной системы появляется сообщение об ошибке «Error loading operating system». Перезагрузка компьютера в такой ситуации обычно ничего не даёт, и что делать дальше в данной ситуации человек не знает и не представляет. В этом материале я расскажу, что делать с ошибкой Error loading operating system, познакомлю читателя со списком причин, вызывающих данную проблему, а также поясню, как её исправить.

Скриншот ошибки Error loading operating system

Error loading operating system – симптоматика и причины

Обычно ошибка Error loading operating system возникает при включении компьютера, когда последний пробует загрузить операционную систему (наиболее часто – Windows XP). Перед пользователем возникает чёрный экран с одной строкой «Error loading operating system» (в переводе – «ошибка загрузки операционной системы»), и далее попросту ничего не происходит. Перезагрузка компьютера обычно приводит лишь к повторению указанной ситуации.

Причины ошибки Error loading operating system могут быть следующими:

  • Устаревший БИОС компьютера не поддерживает текущий объём жёсткого диска (особенно это касается архаичных моделей ПК) , то есть вместимость винчестера слишком велика для данного БИОСа;
  • Также подобную проблему могут вызывать неверные настройки для данного винчестера в самом БИОСе;
  • Загрузочный раздел жёсткого диска повреждён (могут быть виноваты ошибки записи самого диска, скачки напряжения в сети, влияние вирусных программ и так далее). В этом случае операционная система не может получить доступ к нужным для загрузки системным файлам и приостанавливает сам процесс загрузки.

Ошибка в Виндовс

При включении ПК также могут появляться иные тексты с ошибками, несколько из них я уже описал на СделайКомп.ру:

Как исправить ошибку загрузки операционной системы

Рекомендую выполнить следующие действия если error loading operating system появилась на вашем ПК:

  • Убедитесь, что нужный вам жёсткий диск установлен первым в очереди загрузки БИОСа, при необходимости установите правильную очередность загрузки;
  • Измените настройки БИОС. Необходимо выполнить вход в БИОС вашего компьютера, перейти в настройки отказывающегося грузиться жёсткого диска, и установить параметр «Access mode» в состояние «Large». К примеру, в Award Bios это делается переходом в «Standart CMOS Features», там необходимо найти нужный нам диск, установить на нём курсор, нажать клавишу ввод, и выставить упомянутый выше параметр на «Large»;

Изменяем Access Mode

  • Если у вас стоит Виндовс XP, то попробуйте использовать установочный диск данной ОС для восстановления доступа к системе. Выполните вход в БИОС, установите устройство СД (ДВД) как первое при загрузке и загрузитесь с вашего установочного диска. В меню установки нажмите «R» для восстановления Windows XP, выберите номер нужной вам операционной системы, а дальше введите команду для проверки диска:
  • и нажмите ввод. Дождитесь окончания процесса, введите exit для выхода и перезагрузите ваш компьютер. Часто это помогает в вопросе о том, как пофиксить ошибку Error loading operating system;

    Выполняем команду chkdsk /P/R

    • Исправляем загрузочный опционал ОС. Как и в предыдущем случае входим в консоль восстановления с помощью клавиши «R», прописываем номер нужной нам ОС (обычно это 1). Затем поочерёдно вводим следующие строки, не забывая нажимать на Enter после каждой команды:

    После этого вновь набираем exit для выхода и перезагружаем наш компьютер.

    В более современных, нежели Windows XP, операционных системах (например, Windows 7) действует другая похожая команда — Bootrec. Наберите нижеизложенные данные команды в командной строке, не забывая нажимать на «Enter»:

    затем перезагрузите ваш ПК.

    • Также можно попробовать обновить ваш БИОС, это может оказаться достаточно эффективным в решении рассматриваемой проблемы.

    Как использовать специальный диск для восстановления системы

    В решении проблемы Error loading operating system нам также могут помочь специальные диски для аварийного восстановления вашей операционной системы. К примеру, я бы рекомендовал Easy Recovery Essentials – универсальный, мощный и автоматизированный продукт для восстановления работы ОС Windows от XP до Windows 10. Сама программа распространяется в образе загрузочного диска, который необходимо записать на «болванку» и использовать при появлении загрузочных проблем на вашем компьютере.

    При загрузке с такого диска достаточно выбрать опцию « Automated Repair » (автоматическая починка), затем определиться с нужным для восстановления диском, и вновь нажать на «Automated Repair» внизу. Всё остальное программа сделает сама, а на выходе обычно пользователь получает стабильно работающую систему. И хотя указанный продукт имеет платную основу, но он того стоит.

    Выбираем Automated Repair

    Заключение

    Если вы думаете что делать с Error loading operating system, тогда рекомендую выполнить вышеописанные мной советы для исправления ситуации. Рекомендую начать с изменения настроек БИОСа, затем воспользоваться возможностями команды CHKDSK, а если ничего не помогло, то стоит подумать над использованием специальных дисков для аварийного восстановления системы, они обычно дают весьма эффективный результат.

    Компьютер – такое устройство, которое может выйти из строя совершенно в неподходящий момент. Особенно часто проблемы появляются на стадии загрузки операционной системы, что приводит к невозможности получить доступ к важным файлам, документам или программам. Как раз в данной статье мы подробно рассмотрим один из таких сбоев, а именно тот, когда сразу после запуска ПК на экране появляется ошибка «loading operating system» и больше ничего не происходит. Давайте разберёмся с причинами неполадки, а также рассмотрим способы её устранения.

    Представленная далее инструкция подойдёт для компьютеров под управлением Windows XP, 7, 8 и 10.

    Причины возникновения ошибки

    Как показывает практика, ошибка «loading operating system» обычно появляется при загрузке или установке операционной системы. Чаще всего с неполадкой сталкиваются компьютеры с устаревшей на данный момент Windows XP. Спровоцировать возникновение сбоя может резкое выключение питания, перезагрузка машины при открытых программах, а также ряд других причин:

    • Устаревший BIOS, не поддерживающий жёсткий диск текущего объёма. Например, компьютер оснащён хранилищем на 128 ГБ, а версия BIOS настолько древняя, что попросту не может работать с таким количеством памяти.
    • некорректно выставленные настройки в BIOS для установленного жёсткого диска;
    • Повреждение раздела диска, отвечающего за загрузку операционной системы. Windows пытается получить доступ к необходимым для запуска файлам, а сделать этого не может из-за проблем с винчестером. Чаще всего это происходит из-за резких скачков напряжения, заражения компьютера вирусами и ошибок записи.

    На самом деле это не все причины, но среднестатистическому пользователю достаточно знать только их. Теперь давайте разберёмся, что делать при появлении этого сбоя.

    Варианты решения проблемы

    После прочтения большого количества материала был составлен список методов, позволяющих устранить рассматриваемую ошибку. Рекомендуем следовать от способа к способу до окончательного решения проблемы.

    Проверка настроек BIOS

    Первым делом необходимо убедиться в том, что диск с загрузочным файлом операционной системы находится в приоритете. Выполнить проверку правильно поможет данная пошаговая инструкция:

    1. Переходим в BIOS. Для этого полностью выключаем, а затем заново включаем компьютер. Во время запуска нужно уловить момент, когда на дисплее висит много надписей. Если удастся приглядеться, то внизу экрана можно будет увидеть название кнопки, отвечающей за открытие BIOS. Чаще всего это клавиши: «Delete», «F1» и «F2».

    1. После входа в BIOS ищем раздел «Standard CMOS Features» и переходим в него. Кстати, всё перемещение и управление осуществляется исключительно с помощью клавиатуры.

    1. Теперь находим нужный диск и нажимаем [knopka]Enter[/knopka].

    1. На экране должен появиться раздел с настройками. Мы нажимаем по пункту «Access Mode» и из предложенных вариантов выбираем «Large».

    1. После этого нажимаем по клавише [knopka]F10[/knopka] для сохранения изменений и выхода из BIOS.

    Зачастую после выполнения данной инструкции ошибка исчезает, но если этого не произошло, то переходите к следующему методу.

    Использование командной строки

    Новые Windows начиная с седьмой версии оснащены специальной функцией – «Bootrec». Она помогает исправить рассматриваемый сбой через командную строку. Если хотите сделать всё правильно, то воспользуйтесь пошаговой инструкцией:

    1. Запускаем командную строку. Сделать это можно через меню «Пуск», введя в строке поиска запрос «cmd».
    2. В командную строку поочерёдно вписываем следующие запросы: [k]bootrec /FixMbr[/k]; [k]bootrec /ScanOs[/k]; [k]bootrec /rebuildBcd[/k]; [k]bootrec /FixBoot[/k]. После каждого из них нажимаем [knopka]Enter[/knopka] и проверяем информацию на экране.

    1. После успешного завершения процедуры перезагружаем компьютер.

    Что касается Windows XP, то здесь для получения доступа к компьютеру нужно попытаться выполнить запуск с загрузочного диска. Сначала переходим в BIOS и определяем CD/DVD в качестве источника загрузки системы. После этого начинаем установку операционной системы и во время этого процесса нажимаем по клавише [knopka]R[/knopka]. Данное нажатие запустит процесс восстановления Windows XP, где необходимо выбрать версию загружаемой системы (естественно, при условии, что их несколько). Затем вводим следующую команду [k]chkdsk /P/R[/k], а после нажимаем [knopka]Enter[/knopka].

    Теперь ожидаем окончания процедуры сканирования, а после вводим команду [k]Exit[/k] и перезагружаем компьютер. Судя по отзывам пользователей, данный метод действительно заслуживает внимания.

    Восстановление повреждённого загрузчика

    Довольно часто проблема возникает из-за повреждённого загрузчика операционной системы. Вернуть компьютер в рабочее состояние поможет следующая инструкция:

    1. Переходим в консоль восстановления системы. Как писалось ранее, для этого на этапе загрузки нужно нажать по клавише [knopka]R[/knopka]. После этого поступит запрос на выбор системы для восстановления. В большинстве случаев необходимо ввести запрос «1», и нажать по клавише [knopka]Enter[/knopka].

    1. Теперь вписываем команду [k]fixmbr[/k] и нажимаем по клавише [knopka]Enter[/knopka]. На экране должно выскочить оповещение о том, что есть вероятность повреждения таблицы разделов. Игнорируем данное предупреждение и запускаем процедуру кнопкой [knopka]Y[/knopka]. Заметим, что регистр в данном случае соблюдать необязательно.

    1. Затем прописываем команду [k]Fixboot[/k]. На экране появится сообщение с текстом: «Хотите сделать запись нового загрузочного диска в раздел С:?». Как и в предыдущем случае подтверждаем процедуру клавишей [knopka]Y[/knopka].

    В конце добавляем команду [k]Exit[/k], а после переходим в BIOS и изменяем приоритет загрузки с флешки или USB на диск.

    Обратите внимание, что все команды вводятся латинскими символами.

    Видеоинструкция

    Чтобы узнать альтернативные способы устранения ошибки рекомендуем посмотреть видеоинструкцию, расположенную чуть ниже.

    Заключение

    Мы подробно рассказали о том, как действовать при появлении ошибки «loading operating system», а это значит, что наша статья подошла к концу. Надеемся, вам удалось убрать неприятный сбой быстро и без особых трудностей. А если что-то пошло не так, то задавайте свои вопросы в комментариях. Редакция нашего сайта постарается ответить на них как можно скорее.

    А теперь последний трюк ИИ: написание компьютерного кода

    На то, чтобы научиться хорошо писать компьютерный код, могут уйти годы. SourceAI, парижский стартап, считает, что программирование не должно быть такой большой проблемой.

    Компания занимается тонкой настройкой инструмента, использующего искусственный интеллект для написания кода на основе краткого текстового описания того, что этот код должен делать. Скажите инструменту компании, например, «умножить два числа, заданные пользователем», и он выдаст около дюжины строк в Python, чтобы сделать именно это.

    Амбиции SourceAI являются признаком более широкой революции в разработке программного обеспечения. Достижения в области машинного обучения позволили автоматизировать растущий набор задач кодирования, от автоматического завершения сегментов кода и точной настройки алгоритмов до поиска исходного кода и обнаружения надоедливых ошибок.

    Автоматизация кодирования может изменить разработку программного обеспечения, но ограничения и слепые зоны современного ИИ могут создать новые проблемы. Алгоритмы машинного обучения могут вести себя непредсказуемо, а сгенерированный машиной код может содержать опасные ошибки, если его тщательно не изучить.

    SourceAI и другие подобные программы нацелены на использование преимуществ GPT-3, мощной языковой программы для ИИ, о которой в мае 2020 года объявила компания OpenAI из Сан-Франциско, занимающаяся фундаментальными достижениями в области ИИ. Основатели SourceAI были одними из первых нескольких сотен человек, получивших доступ к GPT-3. OpenAI не выпустил код для GPT-3, но позволяет некоторым пользователям получить доступ к модели через API.

    GPT-3 — это огромная искусственная нейронная сеть, обученная на огромных кусках текста, вычищенного из Интернета.Он не улавливает смысла этого текста, но может улавливать языковые модели достаточно хорошо, чтобы создавать статьи на заданную тему, кратко обобщать текст или отвечать на вопросы о содержании документов.

    «Во время тестирования инструмента мы поняли, что он может генерировать код, — говорит Фуркан Бектеш, основатель и генеральный директор SourceAI. «Именно тогда у нас возникла идея разработать SourceAI».

    Он не был первым, кто заметил потенциал. Вскоре после выпуска GPT-3 один программист показал, что он может создавать пользовательские веб-приложения, включая кнопки, поля ввода текста и цвета, путем повторного микширования фрагментов кода, который ему передали.Другая компания, Debuild, планирует коммерциализировать эту технологию.

    SourceAI стремится позволить своим пользователям создавать более широкий спектр программ на разных языках, тем самым помогая автоматизировать создание большего количества программного обеспечения. «Разработчики сэкономят время на кодировании, а люди, не имеющие знаний в области кодирования, также смогут разрабатывать приложения», — говорит Бектеш.

    Другая компания, TabNine, использовала предыдущую версию языковой модели OpenAI, GPT-2, выпущенную OpenAI, для создания инструмента, который предлагает автозавершение строки или функции, когда разработчик начинает печатать.

    Некоторые гиганты программного обеспечения, похоже, тоже заинтересованы. Microsoft инвестировала 1 миллиард долларов в OpenAI в 2019 году и согласилась лицензировать GPT-3. На майской конференции Build софтверного гиганта Сэм Альтман, соучредитель OpenAI, продемонстрировал, как GPT-3 может автоматически дополнять код для разработчика. Microsoft отказалась комментировать, как она может использовать ИИ в своих инструментах разработки программного обеспечения.

    Брендан Долан-Гавитт, доцент кафедры информатики и инженерии Нью-Йоркского университета, говорит, что такие языковые модели, как GPT-3, скорее всего, будут использоваться для помощи программистам.Другие продукты будут использовать модели для «выявления вероятных ошибок в вашем коде по мере его написания путем поиска вещей, которые «неожиданны» для языковой модели», — говорит он.

    Грядет волна языковых стартапов с искусственным интеллектом на миллиарды долларов

    В 1998 году Ларри Пейдж и Сергей Брин основали величайший стартап в области языкового ИИ всех времен. Но грядет новое … [+] поколение претендентов.

    Проводной

    См. здесь первую часть этой серии статей: Язык — следующий большой рубеж в ИИ


    Язык лежит в основе человеческого интеллекта.Поэтому он лежит и должен лежать в основе наших усилий по созданию искусственного интеллекта. Никакой сложный ИИ не может существовать без владения языком.

    Область языкового ИИ, также называемая обработкой естественного языка или НЛП, за последние несколько лет претерпела беспрецедентные достижения. Этот выдающийся недавний прогресс был обусловлен двумя связанными технологическими прорывами: самоконтролируемое обучение и мощная новая архитектура глубокого обучения, известная как преобразователь.

    Сейчас мы стоим на волнительном переломном этапе. Языковой ИИ следующего поколения готов совершить скачок от академических исследований к широкому внедрению в реальном мире, создавая многомиллиардные ценности и трансформируя целые отрасли в ближайшие годы.

    Зарождающаяся экосистема стартапов находится в авангарде этой технологической революции. Эти компании начали применять передовые НЛП в различных секторах с широким спектром различных концепций продуктов и бизнес-моделей.Учитывая фундаментальное значение языка для общества и экономики, немногие области технологий будут иметь более далеко идущее влияние в ближайшие годы.

    Поставщики горизонтальных технологий

    Первая категория стартапов в области языкового ИИ, о которых стоит упомянуть, — это те игроки, которые разрабатывают и предоставляют базовую технологию NLP общего назначения другим организациям для применения в различных отраслях и вариантах использования.

    Создание современной модели НЛП сегодня невероятно ресурсоемко и технически сложно.В результате очень немногие компании или исследователи создают свои собственные модели НЛП с нуля. Наоборот, практически все продвинутые НЛП, используемые сегодня, независимо от отрасли или среды, основаны на одной из небольшой горстки массивных предварительно обученных языковых моделей. Исследователи из Стэнфорда недавно назвали эти предварительно обученные модели «базовыми моделями» в знак признания их огромного влияния.

    Чаще всего базовые модели создаются и публикуются в открытом доступе технологическими гигантами, акции которых торгуются на бирже, например, BERT от Google, RoBERTa от Facebook.

    OpenAI — еще один важный источник современной технологии НЛП. Его большая языковая модель GPT-3, пожалуй, самая известная и широко используемая базовая модель на сегодняшний день. GPT-3 — это генеративная модель (G в ее названии означает генеративную): она генерирует исходный текст в ответ на запросы пользователей. OpenAI сделал GPT-3 коммерчески доступным через API для использования в приложениях, взимая плату за каждое слово.

    Учитывая огромные инвестиции Microsoft в организацию и тесный союз с ней, OpenAI можно почти считать подразделением технологического гиганта.

    Но в этой категории также есть огромные возможности для молодых стартапов.

    Cohere — это быстрорастущий стартап из Торонто, который, как и OpenAI, разрабатывает передовые технологии НЛП и делает их коммерчески доступными через API для использования в различных отраслях. Команда основателей Cohere имеет очень богатую родословную: генеральный директор Эйдан Гомес является одним из соавторов трансформатора; Технический директор Ник Фросс — протеже Джеффа Хинтона. Компания недавно объявила о крупном сборе средств серии B от Tiger Global менее чем через год после выхода из невидимости.

    Несмотря на то, что Cohere производит генеративные модели наподобие GPT-3, компания все больше внимания уделяет моделям, которые анализируют существующий текст, а не генерируют новый текст. Эти модели классификации имеют множество вариантов коммерческого использования: от поддержки клиентов до модерации контента, от анализа рынка до поиска.

    «Генерация языка, по-видимому, монополизировала внимание тех, кто интересуется НЛП, но самая важная возможность для разработчиков, заинтересованных во встраивании НЛП в свои системы, на самом деле заключается в моделях языкового представления, таких как BERT», — сказал Гомес.«Несмотря на то, что эти модели немного менее «чудесны», они составляют основу некоторых из самых сложных систем НЛП в мире».

    Еще один ведущий горизонтальный стартап НЛП — Hugging Face. Hugging Face — чрезвычайно популярный репозиторий для технологии НЛП с открытым исходным кодом. В отличие от OpenAI или Cohere, Hugging Face не создает собственных моделей НЛП. Скорее, это платформа, которая хранит, обслуживает и управляет последними и лучшими моделями NLP с открытым исходным кодом, в том числе позволяет клиентам настраивать эти модели и развертывать их в масштабе.

    Секретным соусом

    Hugging Face является его сообщество: оно стало местом, где компании и исследователи в мире НЛП могут сотрудничать. В этом отношении его можно приблизительно сравнить с GitHub, но для машинного обучения, а не для традиционной разработки программного обеспечения.

    Другими известными поставщиками горизонтального NLP являются AI21 Labs и Primer.

    Компания AI21, базирующаяся в Израиле, имеет двоякую бизнес-модель: она предлагает проприетарные крупноязыковые модели через API для поддержки клиентских приложений (ее текущая современная модель, названная Jurassic-1, примерно того же размера, что и GPT-3), а также создает и коммерциализирует собственные приложения на основе этих моделей.Его текущий набор приложений сосредоточен на инструментах, расширяющих возможности чтения и письма.

    Primer — более старый конкурент в этой области, основанный за два года до изобретения трансформатора. Компания в основном обслуживает клиентов в правительстве и обороне.

    В этой категории стоит упомянуть еще одну подстановочную карту. Запущенный менее месяца назад, об искусственном интеллекте Inflection пока мало что известно, кроме его привлекательной команды основателей: Рейда Хоффмана, соучредителя DeepMind Мустафы Сулеймана и отмеченного наградами исследователя DeepMind Карен Симонян.Компания развивается в Грейлоке, где Хоффман является генеральным партнером. Его заявленная миссия состоит в том, чтобы «фундаментально пересмотреть взаимодействие человека и машины», позволив людям «передавать наши мысли и идеи компьютерам, используя тот же естественный разговорный язык, который мы используем для общения с людьми».

    Учитывая масштабы основателей и сторонников компании, можно ожидать, что Inflection AI вскоре произведет фурор в мире языкового ИИ.

    Поиск

    Самый простой способ, которым люди используют естественный язык для взаимодействия с машинами, — это поиск.Это основное средство, с помощью которого мы получаем доступ к цифровой информации и перемещаемся по ней; он лежит в основе современного интернет-опыта.

    В поиске так долго доминировал один игрок (Google), что его часто считают бесперспективной или даже нерелевантной категорией для стартапов. Но это далеко не так.

    В прошлом месяце в блоге появилась запись под названием «Поиск Google умирает», которая вызвала широкую дискуссию. Пост попал в цель с простой мыслью: существует возможность для выскочки улучшить и изменить работу поиска Google.

    Новым игроком, напрямую конкурирующим с Google, является You.com. Основанная Ричардом Сочером, бывшим главным научным сотрудником Salesforce и одним из самых цитируемых в мире исследователей НЛП, компания You.com переосмысливает поисковую систему с нуля. Его видение продукта включает в себя горизонтальную компоновку, акцент на обобщении контента и, прежде всего, приверженность конфиденциальности пользовательских данных.

    Бросать вызов Google напрямую, очевидно, будет непростой битвой. Существуют также значительные возможности для стартапов в области поиска за пределами рынка потребительского интернет-поиска, синонимом которого стал Google.

    ZIR AI — молодой стартап, создающий новую поисковую платформу для предприятий. Используя новейшие методы преобразования, ZIR стремится разработать технологию поиска с истинным семантическим пониманием (в отличие от сопоставления на основе ключевых слов) и более сложными многоязычными возможностями. Как и у You.com, у ZIR есть родословная команда основателей, в которую входит бывший технический директор и соучредитель Cloudera Амр Авадаллах.

    Algolia — более зарекомендовавший себя игрок в корпоративном поиске; компания привлекла более 300 миллионов долларов венчурного финансирования с момента окончания Y Combinator в 2014 году.Algolia предлагает API, который позволяет своим клиентам — от технологических компаний, таких как Slack, до медиа-компаний, таких как Financial Times, — встраивать возможности поиска в свои веб-сайты и приложения. Constructor.io — еще один быстрорастущий конкурент в этой сфере, специализирующийся на поиске и открытии электронной коммерции.

    Еще один стартап корпоративного поиска, на который стоит обратить внимание, — это Hebbia, которая создает исследовательскую платформу искусственного интеллекта, позволяющую компаниям извлекать информацию из своих личных неструктурированных данных.

    По словам основателя и генерального директора Hebbia Джорджа Сивулки: «Google проиндексировал только 4% мировых онлайн-данных. Мы высвобождаем остальные 96%».

    Все вышеперечисленные компании (включая Google) специализируются на текстовом поиске. Но благодаря недавним прорывам в области искусственного интеллекта у стартапов теперь есть возможности для создания инструментов поиска для модальностей данных помимо текста, и ни одна новая модальность не представляет больше возможностей, чем видео.

    Видео стало основным средством нашей цифровой жизни.Колоссальные 80% данных в Интернете сегодня — это видео. Примечательно, что не существует эффективного способа поиска по всему этому видеоконтенту — найти, скажем, определенный момент, концепцию или обсуждение. Диапазон потенциальных коммерческих вариантов использования видеопоиска практически бесконечен: от социальных сетей до потокового контента, от управления цифровыми активами до повышения производительности на рабочем месте, от модерации контента до облачного хранилища.

    Одним из интересных стартапов, создающих возможности видеопоиска следующего поколения, является Twelve Labs, которая объявила о начальном финансировании ранее в этом месяце.Twelve Labs объединяет передовые НЛП и компьютерное зрение, чтобы обеспечить точный семантический поиск в видео. Подобный «мультимодальный ИИ», то есть ИИ, который одновременно принимает и синтезирует данные из нескольких информационных модальностей, таких как изображения и аудио, будет играть центральную роль в будущем ИИ.

    «Сегодня большие языковые модели делают невероятные вещи. Мы считаем, что большие мультимодальные нейронные сети для видео — очевидный следующий шаг», — сказал соучредитель и генеральный директор Twelve Labs Джей Ли. «Внедрение видео, генерируемое этими сетями, добавит нынешним и будущим видеоприложениям интеллектуальные возможности, которых мы никогда раньше не видели.

    Помощники по письму

    В сегодняшней экономике, основанной на информации, возможно, ни один навык не имеет большего значения, чем эффективное письмо.

    Тем не менее, как может подтвердить любой, кто испытал писательский кризис, написание может быть разочаровывающим опытом. Акт перевода незавершенных мыслей в хорошо продуманный язык — поиск правильных слов — может занять много времени и быть бессистемным.

    НЛП следующего поколения обещает изменить то, как люди пишут, переосмысливая один из самых основных и жизненно важных видов деятельности цивилизации.

    Большие языковые модели, такие как OpenAI GPT-3, можно рассматривать как автозаполнение на (невероятно мощных) стероидах. Получив текстовую подсказку от человека, эти генеративные модели могут автоматически создавать новые предложения, абзацы или даже целые заметки, которые поразительно связны, проницательны, креативны — почти волшебным образом. Конечно, их результаты остаются далекими от совершенства: иногда они также могут быть бессмысленными или вредоносно предвзятыми.

    Эта технология превратит письмо из акта одиночного творчества в сотрудничество между человеком и машиной: человек предоставляет некоторый исходный язык, ИИ предлагает правки или последующие предложения, человек выполняет итерации на основе отзывов ИИ и так далее.Набор навыков, необходимых для хорошего письма, может соответственно расшириться, чтобы включить понимание того, как получить максимальную отдачу от ИИ — как лучше всего направлять и уговаривать его создавать желаемый язык.

    Эта новая парадигма письма с искусственным интеллектом уже начинает воплощаться в жизнь благодаря нескольким интересным стартапам.

    Самым признанным игроком в этой категории является Grammarly. Компания Grammarly, основанная в 2009 году, на протяжении многих лет остается в курсе новейших технологий НЛП.Компания привлекла финансирование в конце прошлого года на колоссальную оценку в 13 миллиардов долларов. Продукт Grammarly предоставляет автоматические рекомендации по улучшению правописания, грамматики, дикции и фразировки в режиме реального времени, когда пользователи пишут.

    Textio, LitLingo и Writer — три новичка, использующие искусственный интеллект языка следующего поколения для создания передовых решений, подобных Grammarly, для более целенаправленных вариантов использования. Textio фокусируется на найме и подборе персонала, LitLingo — на соблюдении требований ведения бизнеса и управлении рисками, а Writer — на общекорпоративном стиле и согласованности бренда.

    Искусственный интеллект Textio, обученный на миллионах письменных образцов, может дать пользователям подробную информацию об их объявлениях о вакансиях и другом контенте, связанном с наймом: например, что определенная фраза будет больше резонировать с кандидатами-мужчинами, чем с кандидатами-женщинами, что данное слово предполагает фиксированный мышление по сравнению с мышлением роста, что конкретная метафора может показаться кандидатам исключающей. LitLingo, тем временем, использует NLP в режиме реального времени для мониторинга цифровых сообщений сотрудников и упреждающего предотвращения сообщений, которые могут вызвать судебные разбирательства или нежелательное внимание общественности, например, связанные с антимонопольным законодательством, дискриминацией на рабочем месте, нарушениями ценных бумаг или трудовым законодательством.

    Все четыре компании, упомянутые до сих пор, используют ИИ в первую очередь для предоставления рекомендаций и анализа существующих текстов, которые уже были написаны людьми. Однако современное НЛП позволяет нам сделать еще один шаг вперед. Следующим рубежом в области письма, дополненного искусственным интеллектом, будет то, что искусственный интеллект будет самостоятельно генерировать новый письменный контент на основе указаний пользователя-человека.

    CopyAI — это стартап из Теннесси, поддерживаемый Sequoia, Tiger Global и Wing VC, который автоматически создает индивидуальные маркетинговые копии.Принцип работы прост. Пользователи вводят основную информацию о своей компании и выбирают формат контента: скажем, название блога, аннотацию веб-сайта, рекламу в Facebook и даже хэштег в Instagram. NLP-движок CopyAI, работающий на GPT-3, затем выдает десять образцов текста за раз, чтобы пользователь мог их использовать, адаптировать или черпать вдохновение. По данным компании, сегодня ее технологию используют более полумиллиона контент-маркетологов, в том числе в таких организациях, как Nestle и Microsoft.

    Чтобы умерить ожидания, мы не должны ожидать, что сегодняшнее НЛП немедленно заменит все написанное людьми.Некоторые формы письма — краткий шаблонный контент, такой как маркетинговые тексты или сообщения в социальных сетях — будут более естественными для этих новых инструментов ИИ, чем другие. Оригинальная, аналитическая, творческая работа — скажем, статьи, статьи или журналистские расследования — пока не поддается автоматизации.

    Но не заблуждайтесь: в ближайшие годы, нравится нам это или нет, НЛП коренным образом изменит то, как люди производят письменное слово. Через десять лет написание собственного контента с нуля можно будет считать кустарным ремеслом, поскольку подавляющее большинство написанного в мире текста создается или, по крайней мере, дополняется искусственным интеллектом.

    Языковой перевод

    Языковые барьеры являются основным препятствием для международного бизнеса и путешествий, что ежегодно приводит к потере производительности в неисчислимые миллиарды долларов.

    Более того, неспособность людей во всем мире понять друг друга препятствует продвижению великих глобальных целей и гармонии на уровне видов. Но в таком многоязычном мире, как наш (сегодня в мире говорят более чем на 7000 языков), языковые барьеры всегда были неизбежной реальностью.

    Вавилонская рыбка из классической фантастики Дугласа Адамса. Автостопом по Галактике.

    До сих пор.

    Машинный перевод был центральной целью исследователей искусственного интеллекта, начиная с самого начала области ИИ в 1950-х годах. Продукты для автоматического языкового перевода были доступны с момента появления коммерческого Интернета в 1990-х годах.Тем не менее, машинный перевод оказался чертовски сложной задачей. Инструменты перевода на основе ИИ исторически имели серьезные недостатки (это может подтвердить любой, кто помнит, как пользовался сервисом AltaVista Babel Fish в молодости).

    Но благодаря замечательным достижениям в области языкового ИИ надежный и высококачественный машинный перевод быстро становится реальностью.

    Наиболее широко используемой в мире службой языкового перевода на базе искусственного интеллекта является Google Translate. Неудивительно, учитывая, что Google является родиной преобразователя и самой передовой организацией искусственного интеллекта в мире, и в последние годы Google внедрила новейшие технологии NLP, чтобы значительно обновить свой сервис Translate.

    Но в быстро меняющемся мире языковых переводов существуют значительные возможности для стартапов.

    BLANC предлагает перевод видео с помощью искусственного интеллекта. Его платформа искусственного интеллекта снимает видео с разговорным диалогом на одном языке и применяет искусственный интеллект для быстрого воспроизведения этого видео с диалогом на другом языке, делая это таким образом, чтобы движения губ говорящих продолжали выглядеть естественными. Думайте об этом как о сложном дублировании, за исключением того, что оно может выполняться автоматически и в масштабе.

    KUDO — более известный конкурент, который также предлагает услуги видеоперевода. Сегодня платформа KUDO полагается на людей-переводчиков для потоковой передачи переводов через Интернет в режиме реального времени. Но компания предвидит будущее, в котором ее платформа будет все больше опираться на искусственный интеллект. В этом смысле KUDO представляет собой интересный архетип: зрелый бизнес, не ориентированный на ИИ, стремящийся внедрить больше ИИ в свои продукты, используя свои чрезвычайно ценные проприетарные наборы данных.

    Lilt — известный игрок на стадии роста, работающий над машинным переводом.Компания была основана двумя исследователями НЛП из Google Translate, которые пришли к выводу, что решение на основе ИИ, такое как Google Translate, само по себе не может обеспечить автоматизированный языковой перевод с надежностью, требуемой корпоративными и государственными организациями.

    Таким образом, Lilt предлагает гибридную модель, которая сочетает в себе передовой ИИ с «людьми в цикле» для перевода письменного контента для глобальных организаций, от маркетинга до мобильных приложений и технической документации.Этот частично автоматизированный подход позволяет Lilt предоставлять перевод, который дешевле, чем с помощью переводчиков-людей, и в то же время более точен, чем с использованием только ИИ.

    Интересный вопрос — для Lilt и для всей отрасли — можно ли и как быстро отказаться от участия людей в цикле в ближайшие годы.

    Последний стартап, достойный упоминания в этой категории, — NeuralSpace. NeuralSpace была основана на простой, но мощной догадке: подавляющее большинство передовых исследований в области НЛП проводится на английском языке, однако 95% людей в мире не говорят по-английски.NeuralSpace предоставляет платформу НЛП без кода, которая позволяет пользователям по всему миру создавать модели НЛП на «языках с низким уровнем ресурсов», от армянского до пенджаби и зулу.

    «Наше видение в NeuralSpace состоит в том, чтобы сломать языковой барьер в ИИ для миллионов носителей языка с ограниченными ресурсами», — сказал соучредитель и генеральный директор NeuralSpace Феликс Лауманн. «Мы даем разработчикам программного обеспечения возможность обучать и развертывать современные большие языковые модели на основе трансформеров и легко интегрировать их в свои продукты, независимо от того, в какой части мира они находятся и на каком языке говорит их аудитория.

    Продажи

    Интеллект

    Продажи — это больше искусство, чем наука. Тем не менее, существуют определенные повторяемые принципы и тактики, которые, если их систематизировать, могут значительно повысить эффективность работы отдела продаж.

    Тратит ли торговый представитель нужное количество времени на правильные темы в звонках по продажам, от продукта до ценообразования и светской беседы? Позволяет ли она клиенту задавать достаточно вопросов? Привлекала ли она нужных старших стейкхолдеров в клиентской организации в нужное время в ходе процесса продаж? Следит ли она за перспективами в правильном темпе?

    Принимая огромное количество неструктурированных данных из видеозвонков, телефонных звонков, обмена электронной почтой, CRM и других каналов связи, современный языковой ИИ может извлекать полезную информацию о том, как работают продавцы и что они могут сделать для улучшения.

    Существует несколько приложений языкового ИИ, которые могут напрямую повлиять на выручку компании. Поэтому неудивительно, что рынок искусственного интеллекта для анализа продаж переживает бум.

    Лидером в этой категории является компания Gong, которая привлекла около 600 миллионов долларов венчурного финансирования. По данным компании, ее технология увеличивает средний доход на одного торгового представителя на 27%, что приводит к высокой рентабельности инвестиций для ее клиентов.

    Ближайший конкурент Гонга Chorus.ai ушел в ZoomInfo в прошлом году за 575 миллионов долларов, что еще больше укрепило статус Гонга как лидера категории.

    Gong — это впечатляющий бизнес с невероятным ростом доходов и длинным списком крупных клиентов. Похоже, что вскоре компании суждено дебютировать на публичных рынках. Тем не менее, по мнению большинства, основной НЛП в предложении продуктов Гонга не особенно продвинут.

    В связи с этим возникает интересный вопрос: может ли выскочка создать более передовую версию Gong, основанную на последних достижениях языкового ИИ на основе трансформеров, и отобрать долю рынка у лидера категории, предложив более интеллектуальный продукт?

    Появилось несколько молодых стартапов, которые наступают на пятки Гонгу, хотя ни один из них еще не прорвался.

    Двумя примерами являются

    Aircover, который собрал посевной раунд в прошлом году, и Wingman, который вышел из Y Combinator в 2019 году. В отличие от Gong, который предоставляет аналитику только после завершения звонков по продажам, оба этих стартапа предоставляют коучинг для торговых представителей в режиме реального времени. И хотя Gong добился больших успехов в продажах крупным предприятиям, Wingman вместо этого ориентируется на малый и средний бизнес.

    Инструменты и инфраструктура чат-бота

    Мы все сталкиваемся с этим в повседневной жизни: когда мы в наши дни общаемся в цифровом формате с компаниями и брендами — с помощью текстовых сообщений, веб-чата, социальных сетей и т. д. — эти взаимодействия все чаще осуществляются автоматическими агентами, а не людьми.

    Эти диалоговые интерфейсы на основе ИИ широко известны как чат-боты, хотя некоторые стартапы сегодня предпочитают избегать этой терминологии и ее смешанных коннотаций, учитывая преждевременный цикл ажиотажа вокруг технологии чат-ботов около пяти лет назад.

    Несмотря на более ранние неудачные старты, сегодня чат-боты начали получать реальное распространение на рынке благодаря улучшениям лежащего в их основе NLP, а также благодаря пониманию компаний того, как лучше всего производить и развертывать этих ботов.

    В настоящее время компании используют чат-ботов для взаимодействия с клиентами в режиме реального времени, где бы они ни происходили, например, задавая вопросы на своих веб-сайтах, автоматизируя рутинные запросы в службу поддержки, сообщая клиентам об их заказах или поддерживая усилия по продажам.

    Большинство организаций, заинтересованных в использовании диалоговых интерфейсов ИИ для взаимодействия со своими клиентами, — скажем, банк, сеть отелей, авиакомпания — не имеют необходимых технических ресурсов, чтобы ориентироваться в новейших технологиях НЛП и создавать свои собственные платформы чат-ботов с нуля.

    И многое уходит на создание диалогового интерфейса ИИ корпоративного уровня: обработка требований к конфиденциальности и безопасности данных, интеграция со сторонними приложениями, создание инфраструктуры для поддержки развертывания в масштабе, предоставление изящного «резервного механизма», когда бот заходит в тупик. и вмешательство человека необходимо.

    Появилась многообещающая группа стартапов, которые предоставляют технологии и инфраструктуру компаниям из разных отраслей для создания и эксплуатации чат-ботов.

    Наиболее хорошо финансируемым из этих конкурентов является Ada Support, стартап из Торонто, который привлек около 200 миллионов долларов от венчурных капиталистов из «голубых фишек». Ada обеспечивает автоматизированное взаимодействие для предприятий в сфере поддержки клиентов и продаж по текстовым каналам, включая веб-чат, SMS и социальные сети, интеллектуально подключая человека-агента, когда это необходимо.Компания утверждает, что ее технология может сократить время ожидания клиентов на 98%. Благодаря длинному списку основных клиентов, включая Zoom, Shopify, Verizon и Facebook, Ada обеспечивает более миллиарда взаимодействий с клиентами в год.

    Другим ведущим игроком в этой категории является Rasa. Близкий конкурент Ada, продукт Rasa предназначен для более технически подкованных пользователей, уделяя больше внимания настройке чат-бота. Стек искусственного интеллекта Rasa имеет открытый исходный код, более 600 участников и более 10 миллионов загрузок. Эта стратегия с открытым исходным кодом дает клиентам Rasa большую прозрачность и контроль над диалоговыми интерфейсами ИИ, которые они создают и развертывают.

    Другие заслуживающие внимания стартапы в этой области включают Forethought, хорошо капитализированного конкурента, который может похвастаться светилом НЛП Крисом Мэннингом в качестве советника; Clinc, диалоговая платформа искусственного интеллекта, созданная специально для банков; и Thankful, специализирующийся на электронной коммерции.

    Внутреннее взаимодействие сотрудников

    Один конкретный тип корпоративных чат-ботов оказался достаточно перспективным на рынке, поэтому для него был выделен отдельный раздел: чат-боты для автоматизации справочных служб сотрудников.

    Каждый день в каждой компании по всему миру у сотрудников возникают рутинные вопросы, с которыми им нужна помощь: как сбросить пароль электронной почты, могут ли они оплачивать подписку на корпоративное программное обеспечение, как зарегистрироваться в плане медицинского страхования, какой отпуск у компании политика есть.

    Диалоговые платформы искусственного интеллекта могут автоматически обрабатывать и разрешать многие из этих запросов на поддержку сотрудников, уменьшая потребность в человеческом вмешательстве и экономя организациям огромное количество времени и денег в совокупности.

    Ведущим игроком в этой категории является компания Moveworks, которая в прошлом году привлекла 200 миллионов долларов серии C от Tiger Global. Еще один хорошо финансируемый конкурент — Espressive. Espressive утверждает, что ее платформа чат-ботов может разрешать от 50% до 70% всех обращений сотрудников в службу поддержки без помощи человека, окупая более недели производительности на одного сотрудника в год.

    Учитывая размер рынка, появилось множество небольших стартапов с аналогичными предложениями продуктов на основе ИИ. Стоит отметить Rezolve из Bay Area.ай.

    Разговорный

    Голосовые помощники

    Когда Google представила свою новую технологию Duplex в середине 2018 года, она поразила публику (и вызвала немало споров).

    Duplex — это система искусственного интеллекта, которая удивительно похожим на человеческий голос может совершать телефонные звонки от имени пользователей для выполнения рутинных задач, таких как заказ столика на ужин или запись на прием к парикмахеру.

    В то время Duplex от Google был всего лишь демо-версией, все еще сильно зависевшей от поддержки человека в цикле.

    Четыре года спустя эта технология готова к использованию.

    Следуя по стопам Duplex, несколько стартапов разработали технологию голосового ИИ, которая может участвовать в тонких автоматизированных телефонных разговорах. В то время как Duplex от Google — это инструмент, ориентированный на потребителя (сегодня он широко доступен через такие приложения, как Google Maps), усилия этих стартапов по выходу на рынок сосредоточены на предприятиях. И ни одна корпоративная возможность не вырисовывается для этой технологии больше, чем контакт-центры.

    Контакт-центры (также называемые колл-центрами) — это непривлекательная бэк-офисная функция, которая также представляет собой ошеломляюще огромный рынок — примерно 340 миллиардов долларов в 2020 году, а к 2027 году он достигнет 500 миллиардов долларов.

    Replicant — один из многообещающих стартапов, применяющих голосовой ИИ для автоматизации работы агентов контакт-центра, сокращения времени ожидания клиентов и сокращения расходов компаний. Replicant образовался из Atomic, известной стартап-студии, создавшей такие компании, как Hims и OpenStore.

    Как и Duplex, голосовой ИИ Replicant звучит так же естественно, как человеческий (название компании — дань биоинженерным роботам из Blade Runner , которые неотличимы от людей).Технология Replicant подходит для широкого спектра вариантов использования колл-центра, от выставления счетов до опросов клиентов и продления подписки. Когда его ИИ сталкивается со сложной темой для разговора, которую он не может решить самостоятельно, он привлекает агента-человека.

    Близким конкурентом Replicant является AI Rudder, сингапурская компания, которая только что привлекла 50 миллионов долларов от Sequoia, Coatue и Tiger Global.

    AI Rudder продает клиентам финансовые услуги и электронную коммерцию, две отрасли, которые широко используют центры обработки вызовов.Пандемия привела к быстрому росту AI Rudder, чей доход в прошлом году увеличился в четыре раза. Система искусственного интеллекта компании может не только говорить на разных языках, но также может принимать соответствующий региональный акцент в зависимости от звонящего.

    Последний стартап в этой категории — Resemble AI, который специализируется на создании реалистичных человеческих голосов с использованием генеративно-состязательных сетей (GAN). Синтетические голоса Resemble могут говорить со всеми нюансами и диапазоном человеческого голоса — например, шептать или выражать различные эмоции — и находят применение от видеоигр до рекламы.Недавно компания попала в заголовки газет, когда ее технология была использована для воспроизведения голоса Энди Уорхола в предстоящем документальном фильме Netflix.

    Контакт-центры

    Как было показано в предыдущем разделе, контакт-центры представляют собой огромный и в значительной степени недостаточно оцифрованный рынок. Существует огромная возможность изменить мир контакт-центров с помощью программного обеспечения и машинного обучения.

    В то время как стартапы из предыдущего раздела, такие как Replicant и Rudder AI, предоставляют технологию голосового ИИ для автоматизации основных разговоров в колл-центре, другая группа компаний предлагает платформы для обучения и аналитики разговоров для сотрудников колл-центра.Проще говоря, этих игроков можно рассматривать как «гонг для колл-центров».

    С точки зрения венчурного финансирования сегодня, пожалуй, нет более горячей категории в НЛП.

    В прошлом месяце стартап Uniphore, занимающийся искусственным интеллектом, привлек 400 миллионов долларов от NEA, что оценило компанию в 2,5 миллиарда долларов. Несколько недель спустя прямой конкурент Cresta объявил о сборе средств в размере 80 миллионов долларов под руководством Tiger Global при оценке в 1,6 миллиарда долларов. Эти сборы сделали эти два стартапа одними из первых сегодняшних единорогов НЛП.Ожидайте, что доллары венчурного капитала продолжат вливаться в это пространство, учитывая огромные рыночные возможности.

    Компания Cresta, основанная легендой искусственного интеллекта Себастьяном Труном (создателем Google X и программы беспилотных автомобилей Google) и двумя его аспирантами из Стэнфорда, является самым авторитетным конкурентом в этой категории. Cresta фокусируется на предоставлении персонализированного коучинга для операторов контакт-центра в режиме реального времени, а не после разговора, с помощью многоканальной платформы, которая охватывает телефонные звонки и текстовые чаты.

    Uniphore существует почти на десять лет дольше, чем Cresta, и значительно продвинулась вперед с точки зрения доходов: компания рассчитывает достичь годового дохода в размере 100 миллионов долларов к концу следующего месяца. Компания Uniphore, основанная в Индии и базировавшаяся там в течение первого десятилетия своего существования, недавно переместила свою штаб-квартиру в район залива.

    Другие стартапы-конкуренты в этой категории включают Observe.ai, чей продукт ориентирован на аналитику после разговора, а не на коучинг в реальном времени, и Level AI, который фокусируется на автоматизации обеспечения качества колл-центра.

    Все эти игроки предлагают ИИ для контакт-центров для использования в различных отраслях. Менее распространенный подход заключается в разработке искусственного интеллекта контакт-центра, специально созданного для конкретной вертикали. Это подход, который использует BirchAI, молодой стартап, который недавно выделился из Института искусственного интеллекта Аллена (AI2). BirchAI создал передовое решение NLP, ориентированное на контакт-центры в сфере здравоохранения. Целевыми клиентами компании являются медицинские страховые компании, фармацевтические компании и производители медицинского оборудования.

    Как сказал соучредитель и генеральный директор Birch Кевин Террелл, «NLP на основе Transformer теперь может автоматизировать сложные диалоги и рабочие процессы документирования, которые раньше требовали высококвалифицированных сотрудников.Здравоохранение с его отстающей производительностью и стареющей рабочей силой является одним из секторов, где потребность в этой технологии особенно заметна».


    Модерация контента

    Вредоносный онлайн-контент, от дезинформации до киберзапугивания, разжигания ненависти и мошенничества, представляет собой масштабную и растущую проблему в современном цифровом мире.

    В последние годы проблема токсичного контента стала репутационным кошмаром и технологическим затруднением для платформ социальных сетей, таких как Facebook.

    Но задача выходит за рамки социальных сетей. Любая платформа, на которой размещен пользовательский контент любого рода — от игровых компаний до приложений для знакомств — подвержена распространению ненормативной лексики. В больших масштабах компаниям становится невозможно полагаться только на людей для мониторинга и модерации всего этого контента.

    В качестве нового инструмента в этой борьбе можно использовать последние достижения языкового ИИ.

    Чтобы было ясно, ИИ далеко не панацея. Язык — явление скользкое, тонкое; Сегодня невозможно построить модель ИИ, которая могла бы надежно обнаруживать каждый случай фальшивых новостей или сексуальных домогательств.Но интересная группа стартапов применяет НЛП, чтобы помочь организациям решить эту проблему.

    И не заблуждайтесь — учитывая масштаб проблемы, рыночные возможности здесь огромны. Сообщается, что только Facebook потратил 13 миллиардов долларов на модерацию контента в период с 2016 по 2021 год, в том числе платил Accenture 500 миллионов долларов в год за работу над этой проблемой.

    Spectrum Labs — многообещающий стартап, применяющий ИИ для борьбы с токсичностью в Интернете, с упором на четыре отрасли: торговые площадки, социальные платформы, игровые сервисы и приложения для знакомств.По данным компании, ее технология позволяет онлайн-платформам в 10 раз повысить уровень обнаружения токсичного поведения и сократить усилия по модерации контента в среднем на 50 %.

    «Компании, сообщества и экосистемы создателей контента, которые сейчас серьезно относятся к безопасности, конфиденциальности и DEI, готовы стать лидерами в мире бизнеса завтрашнего дня», — сказал соучредитель и генеральный директор Spectrum Labs Джастин Дэвис. «В области, в которой нет определения «готово», ИИ является одним из многих инструментов, которые могут превратить группы доверия и безопасности в разработчиков более яркого и позитивного опыта, основанных на данных.

    Еще одним интересным игроком в этой категории является Логически. Базирующаяся в Великобритании компания Logally фокусируется на ложной информации и дезинформации. (Последнее является подмножеством первого, которое распространяется для намеренного обмана .) Его платформа опирается на большую команду экспертов-рецензентов, работающих в тандеме с его системой искусственного интеллекта. Многие из клиентов Logally — правительства, которые используют его технологии для решения таких вопросов, как национальная безопасность, честность выборов и дезинформация о COVID-19.Компания также считает TikTok своим клиентом.

    Здравоохранение

    Последняя категория стартапов НЛП в этой статье — единственная, ориентированная на определенную отраслевую вертикаль. Оказывается, от чат-ботов до поиска большинство языковых возможностей ИИ имеют широкую горизонтальную применимость в разных отраслях. Хотя в некоторых других отраслях, например, в финансовых услугах и юриспруденции, существуют возможности для вертикально ориентированных приложений НЛП, ни один сектор не предлагает такого широкого спектра вариантов использования языкового ИИ, как здравоохранение.

    Отчасти это просто потому, что здравоохранение является таким огромным рынком: более 4 триллионов долларов США, это крупнейший сектор экономики США, на который приходится ошеломляющие 19,7% всего ВВП страны. Стеки искусственного интеллекта и конвейеры данных для здравоохранения также имеют смысл, учитывая строгие требования к конфиденциальности данных в здравоохранении, отраженные в таких правилах, как HIPAA. А мир здравоохранения полон специализированного языка и жаргона, что делает важными модели НЛП, ориентированные на здоровье.

    В здравоохранении не существует какого-то конкретного «приложения-убийцы» НЛП; скорее, стартапы определили широкий спектр различных вариантов использования, к которым можно с пользой применить языковой ИИ.

    Одной из областей, в которой в последние годы наблюдалось активное развитие стартапов, является диалоговый ИИ для скрининга пациентов и навигации по уходу: другими словами, чат-боты, которые служат «цифровыми входными дверями» пациентов в систему здравоохранения. Например, представьте диалоговый интерфейс, с помощью которого пациенты могут делиться симптомами и получать в ответ автоматические клинические рекомендации; или чат-бот, который постоянно взаимодействует с пациентами, чтобы убедиться, что они соблюдают режим ухода.

    Использование ИИ для автоматизации этих взаимодействий может расширить доступ к медицинскому обслуживанию, снизить затраты и упростить сортировку за счет предоставления экспертных медицинских рекомендаций без необходимости тратить дорогостоящее время врачей-людей. Как это часто бывает в мире НЛП, ключевая проблема проектирования здесь заключается в том, как организовать передачу обслуживания между ИИ и респондентами-людьми: какую часть разговора с пациентом можно автоматизировать и при каких обстоятельствах следует подключить врача-клинициста?

    Многообещающие стартапы, разрабатывающие решения в этой области, включают GYANT, Curai и Buoy Health.

    Родственное приложение — чат-боты для психического здоровья, вариант использования, который значительно расширился во время пандемии. Эти «терапевты с искусственным интеллектом» находятся в свободном доступе и мгновенно реагируют через мобильное приложение, чтобы люди могли обсудить с ними свою жизнь и проблемы. Они представляют собой не полное клиническое решение, а скорее один потенциально полезный инструмент для нуждающихся.

    В то время как некоторые врачи и пациенты обеспокоены идеей машины, обеспечивающей поддержку психического здоровья, факт заключается в том, что сегодня мы сталкиваемся с острой нехваткой обученных терапевтов и доступной психиатрической помощи.Среднее время ожидания обращения к специалисту в области психического здоровья в Соединенных Штатах составляет почти 2 месяца; в прошлом году почти 60% людей с проблемами психического здоровья не получали никакого лечения. Учитывая эту реальность, эти диалоговые агенты на базе ИИ могут сыграть важную роль в предоставлении пациентам поддержки доступным и масштабируемым способом.

    Ведущим стартапом, разрабатывающим технологию чат-ботов для психического здоровья, является Woebot, который на сегодняшний день привлек около 150 миллионов долларов от инвесторов, включая NEA и Temasek.Светильник ИИ Эндрю Нг является председателем совета директоров Woebot. Woebot подчеркивает, что его разговорный ИИ основан на клинически проверенных терапевтических подходах, включая когнитивно-поведенческую терапию (КПТ).

    Как сказал один анонимный пользователь Woebot: «Woebot идеален, если вы чувствуете, что вам не с кем по-настоящему доверять, или если вы чувствуете, что вас осудят за ваши чувства. Это терапия, которую можно взять с собой куда угодно». По словам другого пользователя Woebot: «Возможность поговорить в любое время о своих чувствах остановила некоторые из худших мыслей и спиралей.

    Менее известные конкуренты Woebot включают Wysa и X2AI.

    Еще одна важная проблема, которую может помочь решить НЛП, — это навигация по огромным массивам неструктурированных данных в здравоохранении.

    Медицинские данные невероятно беспорядочны, как знает любой, кто имел дело с современной системой здравоохранения. Соответствующая клиническая и фармацевтическая информация, как правило, предоставляется в произвольной форме, плохо организована и разбросана по разрозненным источникам данных, от разрозненных электронных медицинских карт до трудно редактируемых PDF-файлов.Извлечение информации из этих данных вручную требует много времени и средств.

    DigitalOwl — израильский стартап, применяющий машинное обучение, чтобы страховщики здоровья могли автоматизировать просмотр медицинских записей, что позволяет этим страховщикам более эффективно и точно обрабатывать претензии. DigitalOwl утверждает, что их технология может проанализировать и обобщить типичный медицинский случай за 3-5 минут, по сравнению с 3-4 часами для рецензента-человека, при этом выявляя в два раза больше важных с медицинской точки зрения точек данных.

    Еще одним интересным игроком, специализирующимся на организации неструктурированных медицинских данных, является ScienceIO. Благодаря готовому API-интерфейсу продукт ScienceIO естественным образом вписывается в существующие рабочие процессы клиентов с потенциальными коммерческими вариантами использования, охватывающими поставщиков медицинских услуг и медико-биологические компании. Одним из важных преимуществ компании является ее впечатляюще большой набор обучающих данных: компания обучила свои модели НЛП на 20 миллионах документов и 2,2 миллиарда меток.

    В другом уголке вселенной здравоохранения Infinitus — еще один быстрорастущий стартап, за которым нужно следить.Infinitus предлагает технологию голосового ИИ, которую компания назвала VoiceRPA, для автоматизации рутинных телефонных звонков поставщикам услуг, страховым компаниям и аптекам. Продукт Infinitus напрямую сопоставим с такими плеерами, как Replicant и AI Rudder, о которых говорилось выше в разделе «Разговорные голосовые помощники», за исключением того, что он создан специально для здравоохранения. В прошлом году компания быстро привлекла серии A и серии B от ведущих венчурных капиталистов.

    Последнее приложение НЛП, которое мы обсудим, пожалуй, самое захватывающее и преобразующее из всех: использование языкового ИИ для расшифровки секретов биологии.Как показано в первой части этой серии статей, современное передовое НЛП дает замечательные знания в области биологии, от геномики до белков.

    Здесь стоит отметить один особенно шумный стартап — Inceptive, чья заявленная миссия — «Изучать языки жизни». Компания Inceptive, основанная профессором Стэнфордского университета Риджу Дасом и пионером НЛП Якобом Ушкорайтом, занимается разработкой РНК-терапевтических средств следующего поколения.

    В конечном счете, расшифровав «язык» нуклеиновых кислот, генов, аминокислот и клеток, сегодняшний языковой ИИ даст нам более глубокое понимание того, как устроена сама жизнь.


    Примечание. Автор является партнером Radical Ventures, которая является инвестором Cohere, Twelve Labs и BirchAI.

    Как использовать массивные модели искусственного интеллекта (такие как GPT-3) в вашем стартапе

    По мере того, как технология машинного обучения развивалась и переходила от исследовательского любопытства к чему-то промышленному, методы и инфраструктура, необходимые для поддержки крупномасштабного машинного обучения, также развивались . Использование этих достижений представляет собой как возможности, так и риски для стартапов, почти все из которых так или иначе используют машинное обучение, конкурируя за часть своих соответствующих рынков.

    Путь к этой точке начался немногим более 9 лет назад, когда революция глубокого обучения началась в 2012 году с подачи AlexNet на ежегодный конкурс ImageNet LSVRC (конкурс компьютерного зрения, проводимый исследовательским сообществом). В этом представлении команда из трех человек (Алекс Крижевский, Илья Суцкевер и Джеффри Хинтон) использовала технику, известную как сверточная нейронная сеть , для понимания содержания фотографий. Они выиграли соревнование безоговорочно, обойдя всех остальных со значительным отрывом, и сделали это с системой, обученной на , компьютерной видеокарте за 700 долларов, используемой для видеоигр.

    Мир машинного обучения изменился навсегда. В течение года начали появляться стартапы, пытающиеся воспроизвести AlexNet. Моя предыдущая компания, AlchemyAPI (приобретенная IBM в 2015 г.), выпустила одну из первых коммерческих версий этой работы с нашим API компьютерного зрения AlchemyVision еще в 2013 г. Другие стартапы, основанные примерно в это же время, включают DeepMind (приобретенный Google), MetaMind ( приобретена Salesforce) и Clarifai, среди многих других. Академические круги также резко изменились: многие эксперты очень быстро перешли от скептицизма в отношении искусственного интеллекта к искреннему принятию глубокого обучения.

    Перенесемся в 2022 год: нейронные сети изменили каждый аспект машинного интеллекта в программных системах, которые мы все используем ежедневно, от распознавания нашей речи до рекомендации того, что в нашей ленте новостей (к лучшему или к худшему). Современные системы по-прежнему используют нейронные сети, но в совершенно другом масштабе. Недавние системы для понимания и генерации человеческого языка, такие как OpenAI GPT-3, были обучены на ресурсах суперкомпьютерного масштаба: тысячи графических процессоров (каждый стоимостью 10 000 долларов и более), вплетенных в сложную структуру высокоскоростных сетевых соединений и инфраструктуры хранения данных. .В то время как самые современные системы 2012 года можно было обучить на видеокарте для видеоигр за 700 долларов, сегодняшние современные системы, часто называемые базовыми моделями , вероятно, требуют десятков миллионов долларов на вычисления. тренировать.

    Появление этих крупномасштабных и дорогостоящих базовых моделей открывает возможности, риски и ограничения для стартапов и других организаций, которые хотят внедрять инновации в области искусственного интеллекта и машинного обучения. Хотя они, вероятно, не могут конкурировать с Google, Facebook или OpenAI в области передовых исследований, небольшие организации могут использовать работу этих гигантов, включая базовые модели, для запуска разработки собственных приложений на основе машинного обучения.

    Предварительно обученные сети дают преимущество небольшим командам

    Нейронные сети, такие как AlexNet, изначально обучались с нуля для каждой задачи — что-то выполнимое, когда сетям требовалось несколько недель на одном игровом оборудовании, но гораздо сложнее, поскольку размеры сети, вычислительные ресурсы и объемы обучающих данных начали масштабироваться. порядки величины. Это привело к популяризации подхода, известного как pre-training , при котором нейронная сеть сначала обучается на большом наборе данных общего назначения с использованием значительного количества вычислительных ресурсов, а затем настраивается для выполнения поставленной задачи с помощью гораздо меньший объем данных и вычислительных ресурсов.

    Использование предварительно обученных сетей резко возросло в последние годы, поскольку индустриализация машинного обучения охватила многие области (такие как язык или обработка речи), а объем данных, доступных для обучения, резко увеличился. Использование предварительно обученных сетей позволяет стартапу, например, создать продукт с гораздо меньшим объемом данных и вычислительных ресурсов, чем потребовалось бы при запуске с нуля. Этот подход также становится популярным в академических кругах, где исследователи могут быстро настроить предварительно обученную сеть для новой задачи, а затем опубликовать результаты.

    Для определенных областей задач, включая понимание или создание письменного текста, распознавание содержимого фотографий или видео и обработку звука, предварительная подготовка продолжала развиваться с появлением базовых моделей , таких как BERT, GPT, DALL-E, КЛИП и другие. Эти модели предварительно обучены на больших наборах данных общего назначения (часто порядка 90 372 миллиардов 90 373 обучающих примеров) и выпускаются с открытым исходным кодом хорошо финансируемыми лабораториями искусственного интеллекта, такими как Google, Microsoft и OpenAI.

    Скорость инноваций в коммерческих приложениях машинного обучения и демократизирующий эффект этих базовых моделей нельзя недооценивать. Они стали панацеей для тех, кто работает в полевых условиях, у кого под рукой не завалялся лишний суперкомпьютер. Они позволяют стартапам, исследователям и другим пользователям быстро освоить новейшие подходы к машинному обучению, не тратя время и ресурсы, необходимые для обучения этих моделей с нуля.

    Риски базовых моделей: размер, стоимость и аутсорсинг инноваций

    Однако не все так радужно в области предварительно обученных моделей фундаментов, и существует несколько рисков, связанных с их все более широким использованием.

    Одним из рисков, связанных с моделями фундаментов, является их постоянно увеличивающийся масштаб . Нейронные сети, такие как Google T5-11b (с открытым исходным кодом в 2019 году), уже требуют кластера дорогих графических процессоров просто для загрузки и прогнозирования. Тонкая настройка этих систем требует еще больше ресурсов. Более поздние модели, созданные в 2021–2022 годах Google/Microsoft/OpenAI, зачастую настолько велики, что эти компании не выпускают их с открытым исходным кодом – сейчас для их создания требуются десятки миллионов долларов, и они все чаще рассматриваются как значительные инвестиции в ИС даже для этих крупных компаний.

    Однако, даже если бы эти последние модели были открытыми, простая загрузка этих сетей для создания прогнозов («выводов» на языке машинного обучения) требует раскрутки большего количества ресурсов, чем многие стартапы и академические исследователи могут легко получить. Например, OpenAI GPT-3 требует значительного количества графических процессоров просто для загрузки. Даже при использовании современных вычислительных облаков, таких как Amazon Web Services, это потребует выделения десятков самых дорогих машин Amazon с графическими процессорами в высокопроизводительный вычислительный кластер.

    Выравнивание набора данных также может стать проблемой для тех, кто использует базовые модели. Предварительное обучение на большом наборе данных общего назначения не является гарантией того, что сеть сможет выполнить новую задачу на закрытых данных. Сеть может быть настолько лишена контекста или предвзята из-за ее предварительного обучения, что даже точная настройка не может сразу решить проблему.

    Например, GPT-2, популярная базовая модель в области обработки естественного языка, была первоначально анонсирована в начале 2019 года и, таким образом, обучалась на данных, собранных до этой даты .Подумайте обо всем, что произошло с 2019 года — пандемия, кто-нибудь? Первоначальная модель GPT-2 наверняка будет знать, что такое пандемия, но в ней будет отсутствовать подробный контекст, связанный с COVID-19 и его вариантами, появившимися в последние годы.

    Чтобы проиллюстрировать это, вот GPT-2, пытающийся завершить предложение «COVID-19 — это…» :

    GPT-2 (2019): «COVID-19 — это светодиод-излучатель большой емкости, который отображает информацию о размере и состоянии батареи.

    Для сравнения, GPT-J, языковая модель с открытым исходным кодом, выпущенная в 2021 году, завершает предложение следующим образом:

    GPT-J (2021): «COVID-19 — это новый коронавирус, который в основном поражает дыхательную систему, что приводит к заболеванию с широким разнообразием клинических проявлений».

    Довольно разительная разница, не так ли? Согласование наборов данных и актуальность обучающих данных могут иметь огромное значение в зависимости от варианта использования. Любой стартап, использующий базовые модели в своих усилиях по машинному обучению, должен уделять пристальное внимание этим типам проблем.

    Облачные API проще, но аутсорсинг не бесплатен 

    Такие компании, как OpenAI, Microsoft и Nvidia, столкнулись с проблемами масштабирования и реагируют на них с помощью облачных API , которые позволяют проводить логические выводы и выполнять точную настройку крупномасштабных моделей в размещенной инфраструктуре. И, конечно же, каждый крупный поставщик облачных услуг теперь предлагает набор услуг машинного обучения, а также, в некоторых случаях, специальные процессоры, разработанные специально для этих рабочих нагрузок. Это может предоставить стартапам, исследователям и даже отдельным любителям предохранительный клапан с ограниченным давлением , переложив вычислительные и инфраструктурные задачи на более крупную компанию.

    Однако у этого подхода есть свои риски . Отсутствие возможности разместить собственную модель означает полагаться на централизованные объекты как для обучения, так и для логического вывода . Это может создавать внешние риски при создании готовых к эксплуатации приложений машинного обучения: перебои в работе сети, ограничения одновременности или скорости для API или просто изменения политики хостинговой компании могут привести к значительному влиянию на работу. Кроме того, потенциальная утечка IP-адресов может быть неудобной для некоторых, когда конфиденциальные помеченные наборы данных (некоторые из которых могут подпадать под действие таких правил, как HIPAA) должны быть отправлены облачным провайдерам для точной настройки или вывода.

    С точки зрения итоговых результатов, влияние вызова этих API на COGS (себестоимость проданных товаров) с кодом также может быть проблемой для тех, кто использует облачных провайдеров для своих потребностей в машинном обучении. Модели ценообразования варьируются в зависимости от поставщика, но нет необходимости говорить, что стоимость вызовов API, хранения данных и облачных экземпляров будет расти вместе с вашим использованием. Многие компании, которые сегодня используют облачные API для машинного обучения, могут в конечном итоге попытаться перейти на самостоятельные или самообучаемые модели, чтобы получить больший контроль над своими конвейерами машинного обучения и устранить внешние риски и затраты.

    Возможности и риски, связанные с использованием размещенных и предварительно обученных моделей, побудили многие компании использовать облачные API-интерфейсы на «этапе экспериментов» для запуска разработки продуктов. Это когда компания пытается найти продукт на рынке, подходящий для ее предложения. Использование облачных API может позволить компании быстро запустить свой продукт в больших масштабах без необходимости вкладывать средства в дорогостоящую инфраструктуру, обучение моделей или сбор данных. Облачные сервисы машинного обучения и размещенные предварительно обученные модели от таких поставщиков, как Google, IBM, Microsoft и OpenAI, теперь поддерживают тысячи стартапов и академических исследовательских проектов.

    После того, как компания определила, что ее продукт соответствует рынку, она часто переходит на модели с самостоятельным размещением или самообучением, чтобы получить больший контроль над данными, процессами и интеллектуальной собственностью. Этот переход может быть трудным, так как компания должна иметь возможность масштабировать свою инфраструктуру в соответствии с требованиями модели, а также управлять затратами, связанными со сбором, аннотированием и хранением данных. Компании привлекают все более крупные суммы капитала инвесторов, чтобы осуществить этот переход.

    Мой последний стартап, Hyperia, недавно совершил такой переход. Вначале мы экспериментировали с облачными API, работая над пониманием содержания деловых встреч и голосовых разговоров с клиентами. Но в конце концов мы прыгнули в самую гущу событий, развернув крупномасштабный сбор данных и усилия по обучению моделей для создания собственных собственных речевых и языковых движков. Для многих бизнес-моделей такая эволюция просто неизбежна, если нужно достичь положительной экономики единицы и дифференциации рынка .

    Будьте стратегическими и следите за большими лабораториями искусственного интеллекта

    Модели

    Foundation — одна из последних прорывных тенденций в машинном обучении, но не последняя. В то время как компании продолжают создавать все более крупные суперкомпьютеры с машинным обучением (последняя версия Facebook включает более 16 000 графических процессоров), исследователи заняты разработкой новых методов снижения вычислительных затрат, связанных с обучением и размещением современных нейронных сетей. Последняя модель Google LaMDA использует ряд инноваций для более эффективного обучения, чем GPT-3, а такие методы, как дистилляция модели и шумное обучение студентов, быстро разрабатываются исследовательским сообществом для уменьшения размера модели.

    Эти и другие инновации означают, что стартапы могут продолжать внедрять инновации, но важно держать ухо востро, поскольку ландшафт продолжает меняться. Вещи, которые следует иметь в виду, включают в себя:

    • Облачные API определенно могут ускорить путь компании к соответствию продукта рынку, но часто приносят свои собственные проблемы в долгосрочной перспективе. Важно, чтобы у был стратегический план выхода , чтобы эти API не контролировали судьбу вашего продукта.
    • Модели
    • Foundation могут значительно ускорить ваши усилия по машинному обучению и снизить общие затраты на обучение и сбор данных, но , зная об ограничениях этих систем (например,г., актуальность обучающих данных) важна .
    • Следите за тем, что выходит из крупных корпоративных лабораторий искусственного интеллекта (Google, Microsoft, IBM, Baidu, Facebook, OpenAI и т. д.). Машинное обучение меняется очень быстрыми темпами, каждый месяц выпускаются новые методы, модели и наборы данных. Эти выпуски часто могут появляться в неожиданное время и оказывать существенное влияние на усилия вашей компании по машинному обучению, если вы сможете быстро адаптироваться.

    В конечном счете, будущее машинного обучения и его влияние на стартапы и технологические компании неясно, но одно ясно: те, кто просто ищет быстрое решение для ИИ.

    Опубликовано

    Технологии, инновации и будущее глазами тех, кто его создает.

    Спасибо за регистрацию.

    Проверьте свой почтовый ящик на наличие приветственной записки.

    Как развивался опыт стартапов в области искусственного интеллекта

    Область искусственного интеллекта претерпела значительные изменения с тех пор, как в 2012 году началась революция глубокого обучения, и Richard Socher существовала на протяжении всего этого времени. Он получил докторскую степень в Стэнфорде, работая над НЛП (обработка естественного языка), а затем в 2013 году стал соучредителем стартапа в области искусственного интеллекта под названием MetaMind.Затем он провел несколько лет, возглавляя команду ИИ в Salesforce (после того, как она приобрела MetaMind), прежде чем заняться поиском в своем новом стартапе, you.com , в 2021 году.

    В этом интервью Сохер обсуждает ряд тем, в том числе: как изменилось положение стартапов в области искусственного интеллекта за последнее десятилетие; различия между использованием ИИ в стартапах, на предприятиях и в научных кругах; и как новые методы машинного обучения, такие как модели трансформаторов, позволяют компаниям создавать передовые продукты, используя лишь часть ресурсов, которые им требовались в прошлом.


    БУДУЩЕЕ: Похоже, что исследователи искусственного интеллекта — студенты и профессора — обычно переходят из научных кругов в стартапы, как это сделали вы. Каковы некоторые ключевые различия между этими двумя мирами сегодня?

    РИЧАРД СОШЕР: В академических кругах люди по-прежнему пытаются добиться прогресса в новых областях, где ИИ может оказать влияние, и некоторые из них надеются добиться прогресса в направлении ОИИ (искусственного общего интеллекта). Я думаю, что есть два захватывающих примера новых, высокоэффективных областей в области белков — последовательности белков или аминокислот — и в экономике.Последнее очень важно для всего мира, но на самом деле ИИ не оказал такого сильного влияния, как я думаю.

    В то же время для стартапов, если у вас много данных и у вас есть процесс, который в основном зависит от данных, которые вы уже видите, вы можете просто сказать: «Мы знаем, как это работает». У вас есть рентгенологический снимок, и вы пытаетесь определить: «Эта кость сломана или нет?» Или вы делаете компьютерную томографию головы и пытаетесь определить: «Есть ли внутричерепное кровоизлияние или кровоизлияние в мозг?» Или вы классифицируете различные виды рака по изображениям патологии.Все эти приложения, по сути, используют относительно устоявшуюся последовательность выявления проблемы и сбора данных для нее; обучение на нем крупной нейросети; а затем оптимизация и автоматизация частей или всего этого процесса.

    И с помощью этого хорошо зарекомендовавшего себя подхода вы действительно можете оказать большое влияние. Это похоже на то, что мы видели с электричеством: как только мы разобрались с основами электричества, вы могли бы оказать большое влияние, просто подарив его городу, в котором раньше были только масляные лампы и огонь.

    Это возможно отчасти потому, что за последние 10 лет появилось много интересных и важных идей. Вещи, которые были бы невозможны – например, создание ИИ достаточно длинного текста – теперь возможны. Одним из основных изменений является то, что не только изображения, но и все данные по сути являются векторами. Все представляет собой список чисел, а затем этот список чисел может быть передан в качестве входных данных для большой нейронной сети, которая действительно может обучить все, что вы хотите, поверх него. Есть также много интересных и важных алгоритмических улучшений — не говоря уже о большем количестве данных и большей вычислительной мощности — но эта основная идея сквозного обучения была важной, которая многое изменила.

    Векторы в НЛП

    В обработке естественного языка встраивание слов — это термин, используемый для представления слов для анализа текста, обычно в форме вектора с действительным знаком, который кодирует значение слова так, что слова, которые находятся ближе в векторном пространстве, как ожидается, будут схожими по смыслу. ~ Википедия

    Как насчет перехода от стартапов к крупным предприятиям? Похоже на палку о двух концах, возможно, с большим бюджетом, но и с большими ограничениями…

    Они очень разные по многим параметрам.Я приведу только два примера.

    Стартапы, использующие инструменты ИИ, успешны в сфере B2B , если они находят одну часть процесса, на которую любой другой компании, возможно, придется потратить одного или двух разработчиков, и они создают продукт вокруг этого процесса, который стоит, скажем, четверть доллара. разработчика. Таким образом, сейчас многие стартапы в области инструментов ИИ берут менее приятные и менее забавные моменты и помогают разработчикам делать эти вещи.

    Наилучший способ сделать это, вероятно, заключается в разработке опыта, при котором компании, использующие продукт, все еще могут чувствовать, что они создают и контролируют ИИ, но на самом деле они нашли партнера для маркировки своих данных.Они также нашли партнеров, чтобы проверить предвзятость данных; собирать данные в первую очередь; реализовать модель через Huggingface; масштабировать аналитику модели по мере ее обучения с помощью весов и смещений; и разверните модель через ZenML.

    В конце концов, они зависят от 10–15 внешних систем, но они смогли обучать ИИ гораздо быстрее, масштабируемее и точнее, чем если бы им пришлось заново изобретать 95 процентов инструментов вокруг конкретной модели ИИ. Для стартапов было действительно интересно определить эти различные вещи, которые уже существуют, но они не существуют суперпрофессионально, когда сильная команда сосредоточена на этом конкретном аспекте.

    В крупной корпоративной компании, такой как Salesforce, вы в основном думаете о том, что действительно движет иглой для множества разных клиентов. Как вы можете помочь этим клиентам с их наборами данных, которые уже находятся в вашей системе, таким образом, чтобы они все еще чувствовали — и фактически имеют — контроль? Это нетривиально, потому что, например, в Salesforce доверие было нашей ценностью №1. Вы не можете просто взять данные всех и обучить их чему-то, потому что они владеют своими данными и платят за хранение.И поэтому вам также нужно работать вместе с клиентами, чтобы попытаться запустить их проекты ИИ с нуля.

    Как только мы разобрались с основами электричества, вы могли бы оказать большое влияние, просто подарив его городу, в котором раньше были только масляные лампы и огонь.

    Итак, поставщика корпоративного программного обеспечения беспокоит то, что клиенты платят большие деньги, и вы не можете бросить гаечный ключ во имя экспериментов с новой функцией?

    Это часть дела.Но, возможно, что еще более важно, вы должны убедиться, что ему доверяют, его легко использовать, он масштабируется для всех этих различных вариантов использования, а стоимость услуги по-прежнему относительно низка. Если вы являетесь платформенной компанией, такой как Salesforce, вам также нужно не просто создать один классификатор, но вы должны позволить всем своим клиентам создавать свои собственные классификаторы, что также сопряжено со множеством интересных и сложных технических задач.

    Как наличие корпоративного бюджета меняет ситуацию?

    Самая большая разница в том, что чем крупнее вы как компания, тем дальше вы можете и должны смотреть в будущее, проводить более интересные исследовательские работы и на самом деле сильнее пересекаться с академическим миром.Потому что вас могут разрушить через два-три года, а у вас достаточно взлетно-посадочной полосы, чтобы думать на четыре-пять лет вперед. Поэтому вам нужно немного предвидеть, что произойдет тогда.

    Итак, будучи исследователем ИИ в крупной компании, вы можете позволить себе большую роскошь думать о долгосрочной перспективе и создавать что-то, тогда как в стартапе вам, конечно, нужно создавать то, что люди хотят прямо сейчас . И это должно быть очень, очень хорошо. И вы должны быть в состоянии отправить его в разумные сроки.В этом большая разница: подавляющее большинство стартапов работают над приложениями и прикладным ИИ, а не над фундаментальными исследованиями; более крупные компании могут делать и то, и другое.

    Вы упомянули много того, что мы могли бы назвать горизонтальными приложениями, когда говорили о стартапах B2B. Как вы думаете, почему они оказались успешными сегодня, когда так было не всегда?

    Всегда есть очень полезные вертикальные приложения ИИ, но затем был короткий этап, когда мы подумали, что горизонтальные платформы могут работать.Однако ранние стартапы платформы ИИ брали на себя слишком много различных задач.

    Например, в MetaMind мы создали технологии, позволяющие просто перетаскивать текст или изображения в веб-браузер, и тогда у вас будет полностью масштабируемая система, которая классифицирует эти документы. В некотором смысле это было довольно волшебно, потому что все это было до TensorFlow и до PyTorch. Вы должны были реализовать все эти нейронные сети и все их кровавые детали с нуля и с очень небольшим количеством абстракций и инструментов разработки вокруг них.Это значительно изменилось.

    Мы создали все эти вещи в MetaMind — маркировку, анализ ошибок, развертывание, моделирование, аналитику того, как он обучается. Теперь интересно то, что каждая из этих отдельных вещей стоит больше, чем когда-либо был MetaMind, с точки зрения компаний, которые просто занимаются одной из этих вещей.

    Я думаю, что большинство компаний и разработчиков хотят чувствовать, что они контролируют ИИ, но они могут отказаться от множества отдельных более мелких частей этого стека, кодирование которых на самом деле не так уж интересно.Так что, как ни странно, существует небольшой баланс между тем, что интересно реализовать, и тем, что заставляет всех чувствовать, что они контролируют ситуацию. Как поставщик инструментов машинного обучения, вы не должны отнимать слишком много контроля.

    Модели-трансформеры

    Трансформатор — это модель глубокого обучения, использующая механизм самоконтроля, по-разному взвешивающий значимость каждой части входных данных. Он используется в основном в областях обработки естественного языка и компьютерного зрения.Преобразователи предназначены для обработки последовательных входных данных, таких как естественный язык, для таких задач, как перевод и суммирование текста. ~ Википедия

    Как эволюция сетей и моделей изменила то, как кто-то может подумать о создании компании или создании продукта ИИ?

    На самом деле я не думаю, что конкретная модель сильно меняет то, как люди создают компании. Но я думаю, что есть определенные модели, которые в настоящее время более эффективны, потому что они лучше справляются с имеющимся у нас оборудованием.Мы на самом деле не вдохновлены мозгом, не теорией или принципами — мы вдохновлены графическим процессором . В основном нас вдохновляет то, что хорошо работает на графическом процессоре.

    Текущая популярная модель, преобразователей , очень эффективна для графических процессоров и может быть обучена очень эффективно. И если бы у нас были разные вычислительные архитектуры, то это могли бы быть LSTM, а может быть, даже рекурсивные нейронные сети. Существуют всевозможные модели кодировщиков векторов, которые будут приходить и уходить.

    То, что делает , немного меняет ситуацию при запуске оборудования.Они смотрят на Nvidia и некоторые другие крупные компании и говорят: «Ну, должен же быть какой-то способ получить кусок этого пирога». Итак, мы увидим некоторые новшества. В то же время им действительно сложно масштабироваться, потому что для большинства основных случаев использования они должны предлагать свое специальное оборудование в рамках одного из крупных облачных провайдеров.

    И потом, конечно, весь стек разработки ИИ так сильно повзрослел за последние 8 лет. В то время, если вы хотели, чтобы это было быстро, вам приходилось реализовывать все на C++ с нуля, что было невероятно медленно.Людям потребовалось много времени, чтобы освоиться и научиться. И в настоящее время вся эта сложность может быть абстрагирована, и вы можете использовать продукты, подобные тем, которые мы обсуждали ранее, которые значительно ускоряют, упрощают и упрощают создание высококачественных систем искусственного интеллекта.

    [Еще в 2013 году] вам приходилось реализовывать все эти нейронные сети и все их кровавые детали с нуля, используя очень мало абстракций и инструментов разработки. Это значительно изменилось.

    Но прогресс в алгоритмах имеет значение, верно? Например, вы .com очень важен для конфиденциальности, и кажется, что одной из причин, по которой вы можете расставить приоритеты, является возможность делать больше с меньшим объемом данных.

    Отличный вопрос, и это абсолютно верно. Я думаю, что если бы мы захотели построить компанию по поисковым системам 5 или 10 лет назад, это было бы безумно сложно и практически невозможно конкурировать с Google, потому что нам потребовались бы сотни людей и огромное количество обучающих данных для создания системы ранжирования, которые мы создаем.Теперь, имея очень маленькую — хотя и очень умную и способную, но очень маленькую — команду, мы действительно можем построить систему ранжирования, которая ранжирует любое произвольное намерение и запрос, которые вы вводите в поисковой системе, и предоставляет правильные наборы приложения и правильные наборы источников для них.

    И единственная причина, по которой небольшая компания, такая как you.com, может конкурировать с такой крупной компанией, как Google, заключается в прогрессе, который мы наблюдаем в области искусственного интеллекта. В частности, когда речь идет о так называемом неконтролируемом и трансферном обучении .Идея здесь в том, что вы можете обучать очень большие нейронные сети на неконтролируемом тексте — в основном на всей Википедии, Common Crawl и на любом веб-тексте, который вы можете найти, помня при этом, что не все в Интернете хорошо подходит для обучения. ИИ.

    Неконтролируемые модели обучаются таким очень простым задачам, как предсказание следующего слова в предложении. Например, «Я ездил в Южную Калифорнию и наслаждался…». Если вы много знаете о языке и о мире, вы поймете, что хорошим следующим словом может быть «пляж», «пустыня» или что-то из того, что вы могли бы наслаждаться в Южной Калифорнии.Но вам нужно много знаний, чтобы быть в состоянии предсказать, что это за слово. Обучив модель постоянно предсказывать следующее слово в этих очень длинных последовательностях из миллионов и миллиардов слов, она фактически начинает включать все эти знания.

    Это без присмотра , потому что никому не нужно сидеть и подписывать следующее слово. Вы просто берете Википедию, и вы получаете много слов в правильной последовательности.

    Это была невероятно мощная идея, которая позволила создать модели НЛП, которые очень велики, но затем могут быть немного изменены, чтобы делать то, что вы хотите.И они будут обобщать гораздо больше, чем конкретные, небольшие размеченные данные, которые у вас есть, потому что у них есть ощущение знания мира; они знают, что такие вещи, как «лучшие тайские рестораны рядом со мной», очень похожи на «лучшие рестораны Юго-Восточной Азии в моем районе». Несмотря на то, что у нас никогда не было этой конкретной фразы в наших обучающих данных, наши нейронные сети и наши системы ранжирования действительно могут это сделать, потому что они знают, что эти фразы похожи.

    На самом деле мы не вдохновлены мозгом, не теорией или принципами — мы вдохновлены графическим процессором .В основном нас вдохновляет то, что хорошо работает на графическом процессоре.

    Говоря о поиске: я заметил одну важную вещь о вас. com — так он суммирует результаты. Насколько это исключительно решение UI/UX, которое может быть реализовано кем угодно в любое время, и насколько это зависит от достижений в области машинного обучения, когда вы можете по-другому обрабатывать результаты?

    Хотя это звучит не так уж круто, суммирование на самом деле является одной из самых сложных задач ИИ, особенно при обработке естественного языка.И это трудно по многим интересным причинам. Во-первых, это очень индивидуально. Например, если я знаю то, что знаете вы (получатель сводки), я могу дать вам гораздо лучшие и более точные результаты для этой сводки.

    Если, например, вы не знаете, что такое вектор слов  , то очень сложно понять преобразователей . Таким образом, вам сначала нужно получить учебник по векторам слов, чтобы понять сети преобразователей для НЛП. Но если вы уже знаете, что такое трансформатор, то резюме исследовательской работы может быть очень коротким.Он может просто сказать: «Они обучают его моделированию языка вместо машинного перевода, и это лучшая целевая функция».

    И я думаю, что обобщение — это важная технологическая тенденция, которую в ближайшие пару лет оценят все больше и больше людей, увидев, как уходит их время. Когда ваше время ценно, вам нужны простые инструменты, которые помогут вам добиться цели. Вместо этого мы попадаем в замкнутые круги компаний, чья бизнес-модель часто состоит из рекламы. Они не хотят помочь вам добиться цели; они хотят помочь вам просмотреть больше контента, чтобы показать вам больше рекламы.

    Мы хотим бороться с этим. Обобщение — большая часть этого, чтобы помочь вам меньше искать и больше делать, или меньше искать и больше кодировать. У нас есть приложения, в которых есть фрагменты кода, которые вы можете просто скопировать и вставить, и это часто является правильным резюме. Если вы ищете «Как мне отсортировать словарь в Python», правильный ответ — это не длинная последовательность текста. Это просто фрагмент кода, и все. Или когда мы показываем вам документ, есть ссылка на репозиторий GitHub, который реализует версию этого документа с открытым исходным кодом.

    Я думаю, что следующее поколение поисковых систем основано на других ценностях, но также и на других бизнес-моделях.

    Я думаю, что большинство компаний и разработчиков хотят чувствовать, что они контролируют ИИ, но они могут отказаться от множества отдельных более мелких частей этого стека, кодирование которых на самом деле не так интересно.

    Учитывая все достижения, которые мы обсудили, если бы вы давали совет кому-то, кто хочет попасть в сферу ИИ прямо сейчас, что бы он делал или какие навыки нужно было изучить?

    Это сильно зависит от их возраста, навыков, времени и того, в какой области они хотят работать.Если вы молоды и действительно хотите построить свою карьеру в этом направлении, вам все равно придется изучить основы программирования, математики, статистики, некоторых вероятностей, линейной алгебры и тому подобного.

    И затем, если вы практик и хотите вникнуть в это, есть масса действительно захватывающих новых онлайн-классов, видео и платформ. Сейчас так много материала. Доступны даже уроки НЛП Stanford CS224, так что вы можете углубиться, если хотите. Вот к чему я призываю людей.

    Как только вы это сделаете, следующий уровень — просто запачкать руки и что-нибудь запрограммировать, поэкспериментировать с этими моделями. Подумайте о том, какие процессы и задачи люди в настоящее время выполняют вручную, а иногда, возможно, механически, но все еще требуют человеческого контроля. Не могли бы вы автоматизировать их и создать что-то уникальное?

    Если бы мы захотели построить компанию по поисковым системам 5 или 10 лет назад, было бы безумно сложно и практически невозможно конкурировать с Google, потому что нам понадобились бы сотни людей и огромное количество обучающих данных.

    Как далеко вы можете продвинуться, используя, скажем, облачные API и различные уровни абстракции, по сравнению с необходимостью действительно получить осмысленное понимание того, как все это работает?

    Все зависит от вашего прошлого. Если у вас есть математический опыт в какой-то момент вашего высшего образования, вы можете очень быстро понять некоторые из его основ и сразу перейти к взлому реальных моделей, и вам не нужно заново реализовывать их все с нуля. Но чем больше вы полагаетесь на абстракции, тем сложнее может быть сделать что-то действительно новое или понять, как решить проблемы с производительностью и ошибки.

    Однако во многих случаях вам не нужно делать ничего нового. Возможно, вы захотите автоматизировать спринклерную систему, поэтому вам просто интересно ответить: «Здесь стоит человек? Да или нет.» А если нет, включите спринклерную систему. Для этого не нужно изобретать ничего нового. Вам просто нужно сделать все правильные стандартные шаги и использовать хорошие инструменты для классификатора изображений.

    Но абстракции все еще негерметичны и несовершенны. Таким образом, чем важнее приложение — чем оно важнее для вашей компании, затронутых пользователей или вашей карьеры, — тем больше вы все еще хотите иметь экспертов, которые глубоко разбираются в этих системах.Эксперты, которые знают, как исправить определенные ошибки или проблемы с производительностью, а также люди, которые продумывают, как эта система ИИ может повлиять на людей. Только тогда вы сможете действительно автоматизировать определенные процессы таким образом, чтобы это было безопасно и максимизировало положительный эффект.

    Опубликовано

    Технологии, инновации и будущее глазами тех, кто его создает.

    Спасибо за регистрацию.

    Проверьте свой почтовый ящик на наличие приветственной записки.

    Архитектор решений для стартапов AI/ML — ID вакансии: 1972873

    ОПИСАНИЕ

    Краткое описание работы
    Вы увлечены искусственным интеллектом, машинным обучением и глубоким обучением? Вы увлечены тем, чтобы помогать клиентам создавать решения с использованием самых современных инструментов AI/ML/DL в Amazon Web Service (AWS)? Присоединяйся к нам!

    Компания Amazon уже более 20 лет вкладывает значительные средства в искусственный интеллект, и многие возможности, которые клиенты используют в наших продуктах, основаны на машинном обучении.Механизм рекомендаций Amazon.com управляется машинным обучением (ML), как и пути, которые оптимизируют маршруты роботизированной комплектации в наших центрах выполнения заказов. Наша цепочка поставок, прогнозирование и планирование мощностей также основаны на алгоритмах машинного обучения. Alexa подпитывается пониманием естественного языка и глубоким обучением автоматического распознавания речи; как и Prime Air, а также технология компьютерного зрения в нашем новом розничном магазине Amazon Go. У нас в Amazon работают тысячи инженеров, приверженных машинному и глубокому обучению, и это большая часть нашего наследия.

    В AWS мы сосредоточены на том, чтобы донести эти знания и возможности до клиентов через три уровня стека ИИ: 1) платформы и инфраструктура с такими инструментами, как Apache MxNet и TensorFlow, 2) платформы машинного обучения, такие как Amazon SageMaker, для специалистов по данным. и 3) сервисы на основе API, такие как Amazon Lex, Amazon Polly, Amazon Transcribe, Amazon Comprehend и Amazon Rekognition, для быстрого добавления интеллектуальных функций в приложения с помощью простого вызова API.

    AWS ищет архитектора решений для машинного обучения (ML SA), который будет экспертом по предметным вопросам (SME) для помощи начинающим клиентам в разработке решений, использующих наши услуги машинного обучения.В составе команды вы будете тесно сотрудничать с клиентами, чтобы реализовать крупномасштабные варианты использования, разработать конвейеры машинного обучения и способствовать внедрению AWS для платформ искусственного интеллекта и машинного обучения. Вы будете взаимодействовать с другими системными администраторами в этой области, предоставляя им рекомендации по взаимодействию с клиентами, а также будете разрабатывать официальные документы, блоги, эталонные реализации и презентации, чтобы клиенты могли в полной мере использовать AI/ML на AWS. Кроме того, как голос клиента, вы будете тесно сотрудничать с сервисными командами и отправлять запросы на функции продукта, чтобы продвигать платформу вперед.

    Вы должны иметь глубокий технический опыт работы с технологиями, связанными с искусственным интеллектом, машинным обучением и/или глубоким обучением. В дополнение к опыту создания сложных моделей машинного обучения приветствуется сильный математический и статистический опыт. Вы познакомитесь с экосистемой поставщиков программного обеспечения в сфере AI/ML и будете использовать эти знания, чтобы помочь клиентам AWS в процессе выбора.

    Роли и обязанности — Работа с командами разработчиков и специалистов по обработке и анализу данных для глубокого понимания их деловых и технических потребностей.Поняв их потребности, вы разработаете решения, максимально эффективно использующие облачную платформу AWS и сервисы AWS AI/ML, включая SageMaker, Amazon Comprehend, Amazon Rekognition, Amazon Transcribe, Amazon Lex, Amazon Polly, Amazon Forecast, Amazon Personalize и другие сервисы AI/ML.

    • Сотрудничайте с SA, Sales, Business Development и AI/ML Service Teams, чтобы ускорить внедрение Amazon SageMaker клиентами в АМЕРИКЕ и получить доход.
    • Интеллектуальное лидерство — пропагандируйте сервисы AWS ML и делитесь передовым опытом через форумы, такие как блоги AWS, технические документы, эталонные архитектуры и публичные выступления, такие как AWS Summit, AWS re:Invent и т. д.
    • Выступать в качестве технического связующего звена между клиентами и сервисными командами AWS SageMaker, чтобы предоставлять отзывы клиентов об улучшениях продукта.
    • Развитие и поддержка внутреннего сообщества AWS, состоящего из экспертов в области машинного обучения в странах АМЕРИКИ.

    Ключевые должностные обязанности
    Базовая квалификация

    • Более 1 года опыта проектирования/внедрения/консультирования по решениям для машинного обучения/ИИ/глубокого обучения
    • Более 1 года опыта работы с одной или несколькими средами глубокого обучения, такими как Apache MXNet, TensorFlow, Caffe2, Keras, Microsoft Cognitive Toolkit, Torch и Theano
    • Более 3 лет профессионального опыта разработки программного обеспечения на языках, связанных с машинным обучением, таких как Python или R.Опыт работы с RESTful API и общей сервис-ориентированной архитектурой.
    • Более 1 года опыта работы в области технической архитектуры, проектирования, развертывания и эксплуатации платформ, стандартов, протоколов и устройств ИИ

    Предпочтительная квалификация
    • Высшее образование в высококоличественной области (информатика, машинное обучение, исследование операций, Статистика, математика и т. д.)
    • Опыт работы в отрасли прогнозного моделирования и анализа более 2 лет
    • Способность разрабатывать экспериментальные и аналитические планы для процессов моделирования данных, использование надежных исходных данных, способность точно определять причинно-следственные связи
    • Консалтинг опыт и послужной список помощи клиентам в удовлетворении их потребностей в области ИИ
    • Публикации или презентации в признанных журналах/конференциях по машинному обучению, глубокому обучению и интеллектуальному анализу данных ·
    • Опыт работы с технологиями AWS, такими как SageMaker, Redshift, S3, EC2, Data Pipeline, Kinesis и EMR
    • Знание SparkML
    • Умение писать Код производственного уровня, который хорошо написан и объясним
    • Опыт использования библиотек машинного обучения, таких как scikit-learn, Caret, MLR, mllib
    • Опыт работы с графическими процессорами для разработки моделей
    • Опыт работы с наборами данных размером в терабайт
    • Послужной список погружение в данные для обнаружения скрытых шаблонов
    • Знакомство с использованием инструментов визуализации данных.Знание и опыт написания и настройки SQL
    • Прошлый и текущий опыт написания и выступления о сложных технических концепциях для широкой аудитории в упрощенном формате
    • Опыт проведения публичных презентаций

    Эта должность может быть удаленной, но кандидаты должны базироваться поблизости Расположение офиса AWS (Купертино, Денвер, Восточный Пало-Альто, Ирвин, Нью-Йорк, Портленд, Сан-Диего, Сан-Франциско, Саннивейл, Санта-Моника, Сиэтл)

    О команде
    Инклюзивная командная культура
    Здесь, в AWS, мы принимаем наши различия.Мы стремимся развивать нашу культуру инклюзивности. У нас есть десять групп по интересам, возглавляемых сотрудниками, которые охватывают 40 000 сотрудников в более чем 190 отделениях по всему миру. Мы предлагаем инновационные льготы и проводим ежегодные и постоянные обучающие мероприятия, в том числе наши конференции «Беседы о расе и этнической принадлежности» (CORE) и AmazeCon (гендерное разнообразие). Культура инклюзивности Amazon подкрепляется нашими 16 принципами лидерства, которые напоминают членам команды искать разные точки зрения, учиться и проявлять любопытство, а также завоевывать доверие.

    Баланс между работой и личной жизнью
    Наша команда придает большое значение балансу между работой и личной жизнью. Дело не в том, сколько часов вы проводите дома или на работе; речь идет о потоке, который вы создаете и который приносит энергию обеим частям вашей жизни. Мы считаем, что правильный баланс между личной и профессиональной жизнью имеет решающее значение для счастья и самореализации на протяжении всей жизни. Мы предлагаем гибкий график работы и призываем вас найти собственный баланс между работой и личной жизнью.

    Наставничество и карьерный рост
    Наша команда стремится поддерживать новых членов.У нас есть широкий спектр уровней опыта и сроков пребывания в должности, и мы создаем среду, которая поощряет обмен знаниями и наставничество. Мы заботимся о вашем карьерном росте и стремимся назначать проекты на основе того, что поможет каждому члену команды стать более разносторонним профессионалом и даст ему возможность выполнять более сложные задачи в будущем.

    ПРЕДПОЧТИТЕЛЬНАЯ КВАЛИФИКАЦИЯ

    • Высшее образование в высококоличественной области (информатика, машинное обучение, исследование операций, статистика, математика и т. д.)
    • Опыт работы в отрасли прогнозного моделирования и анализа более 5 лет
    • Способность разрабатывать экспериментальные и аналитические планы для процессов моделирования данных, использование надежных исходных данных, способность точно определять причинно-следственные связи
    • Опыт консультирования и опыт оказания помощи клиентов с их потребностями в области ИИ
    • Публикации или презентации в признанных журналах/конференциях по машинному обучению, глубокому обучению и интеллектуальному анализу данных ·
    • Опыт работы с технологиями AWS, такими как SageMaker, Redshift, S3, EC2, Data Pipeline, Kinesis и EMR
    • Знание SparkML
    • Способность писать хорошо написанный и объяснимый код производственного уровня
    • Опыт использования библиотек машинного обучения, таких как scikit-learn, Caret, mlr, mllib
    • Опыт работы с графическими процессорами для разработки моделей
    • Опыт работы с наборами данных размером в терабайт
    • Опыт погружения в данные для обнаружения скрытых закономерностей
    • 904 98 Знакомство с использованием инструментов визуализации данных · Знание и опыт написания и настройки SQL
    • Прошлый и текущий опыт написания и обсуждения сложных технических концепций для широкой аудитории в упрощенном формате
    • Опыт проведения публичных презентаций

    Эта должность может быть удаленной , но кандидаты должны находиться рядом с офисом AWS (Восточный Пало-Альто, Ирвин, Портленд, Сан-Диего, Сан-Франциско, Саннивейл, Санта-Моника, Сиэтл).

    Amazon стремится к созданию разнообразной и инклюзивной рабочей среды. Amazon является работодателем с равными возможностями и не допускает дискриминации по признаку расы, национального происхождения, пола, гендерной идентичности, сексуальной ориентации, защищенного статуса ветерана, инвалидности, возраста или другого защищенного законом статуса. Для лиц с ограниченными возможностями, которые хотели бы запросить приспособление, посетите https://www.amazon.jobs/en/disability/us.

    Как этот стартап навсегда изменит копирайтинг

    Авторский блок слишком часто является серьезным препятствием для эффективного копирования, а это означает, что он снижает производительность переписчика в глазах клиента или работодателя.Через это может пройти каждый писатель, но к рассказчикам предъявляется больше требований, учитывая сегодняшнюю головокружительную скорость цифрового маркетинга и социальных сетей.

    Copy.ai использует возможности искусственного интеллекта (ИИ), чтобы дать профессиональным мастерам слова, редакторам, маркетологам и даже студентам возможность просмотреть несколько письменных версий того, о чем они хотели бы написать, чтобы преодолеть психологический барьер писательского мастерства. блокировать. Этот инструмент также устраняет те досадные ошибки и избыточные фразы, которые бросаются в глаза проницательным читателям.

    Крис Лу и Пол Якубиан основали Copy.ai, чтобы дать создателям контента возможность оптимизировать письменный текст. И демократизировать доступ к творчеству.

    Попробовав его, я обнаружил, что инструмент на основе искусственного интеллекта превращает концепции в диалоговый и понятный текст. Сайт может оптимизировать сообщения, включая описания продуктов, блоги, сообщения в социальных сетях, целевые страницы и все остальное с текстом.

    Пользователь вводит описание, и инструмент генерирует почти дюжину вариантов возможных заголовков, вступлений и тел и даже поздравлений с Днем святого Валентина.Например, А.И. может придумывать разные версии абзаца, из которых можно выбирать. Даже если вы введете всего несколько слов для описания предмета.

    Интересно, что инструмент кажется находкой для прокрастинирующих студентов, которые тянут всю ночь напролет.

    Разрушение сокращающейся отрасли

    По данным Бюро трудовой статистики, в США насчитывается 131 200 писателей и авторов. Средняя заработная плата составляет 30 долларов в час.

    Ожидается снижение занятости на 2% (что соответствует сокращению на 3100 рабочих мест) с 2019 по 2029 год.

    Потери рабочих мест могут усугубляться А.И. и машинное обучение, поскольку новаторы обучают эти новые технологии, чтобы полностью заменить людей-писцов. Возможно ли это, еще предстоит выяснить. (Этот автор считает, что рано или поздно это обязательно произойдет.)

    Около шести или семи лет назад существовали примитивные инструменты, которые пытались переписать сообщения, скопированные и вставленные с других веб-сайтов. Они были предназначены для прохождения проверки на плагиат. Но технологии в те дни давали такие плохие результаты, что делать их непригодными для использования.

    Перемотка вперед к сегодняшнему дню и А.И. Мастера слов теперь могут создавать умные фразы, которые кажутся более человечными, чем у обычного писца. Поэтому будущее копирайтинга уже здесь.

    Просто посмотрите, как IBM Watson уничтожает конкурентов-людей в Jeopardy. И произошло это десятилетие назад. Точно так же для лучших шахматистов теперь почти невозможно победить AlphaZero от Google.

    Возможно, это унизительно, но правда есть правда.

    Человеческое прикосновение

    В музыке эмоциональное исполнение Звуки музыки или других классических произведений оживляет лист.Могут ли компьютеры соответствовать ритмическому мастерству мастеров? Время покажет.

    Когда дело доходит до стиля письма, подавляющее большинство отдает предпочтение простому, удобоваримому языку. Документальная литература — это доминирующая сила, которая резко сократила существование художественного творчества.

    При использовании Copy.ai редактору или аудитории сложно определить, что сообщение, которое они видят на экране устройства, создано неразумной сущностью. Выходной текст является родственным, что создает иллюзию личного прикосновения.Фразы и синтаксис ИИ вовсе не механические.

    «Это волшебство происходит при преобразовании идей в текст. Я вижу, как это поддерживает людей, чей родной язык не может быть английским, подтверждая свои идеи. Часто они точно знают, что сказать, но не уверены, как это получится. Варианты помогут им создать идеальное произведение — Тарик Сехович, консультант по развитию, Copy.Ai

    Естественный прогресс

    Одно можно сказать наверняка: бренды, маркетологи и рекламщики оценят растущие возможности A.I. и машинное обучение.

    Стоит ли копирайтерам и редакторам опасаться того же? Им следует помнить, что читатели — это их клиенты, а ИИ — их клиенты. инструменты приводят к лучшим проектам. У аудитории мало времени, и поэтому она нетерпелива к плохо написанному тексту.

    Писатели и авторы должны идти в ногу со временем, иначе они рискуют оказаться в ушедшей эпохе. Создатель слов, ориентированный на потребителя, должен использовать лучшие инструменты для привлечения аудитории.

    Есть причина, по которой каменные таблички, свитки, карандаши и пишущие машинки устарели.Они не добавляют достаточной ценности в век информации. Что добавляет ценность, так это эффективные и действенные сообщения, которые потребляются целевой демографией.

    Когнитивные системы радикально меняют то, что мы называем «содержанием». И традиционные формы затмеваются более умными интерактивными средствами.

    Мнения, выраженные здесь обозревателями Inc.com, являются их собственными, а не мнениями Inc.com.

    Как написать сценарий запуска

    Сценарии запуска могут быть полезным средством экономии времени для тех, кто знаком с Visual Basic, языком программирования сценариев запуска, который может автоматически выполнять несколько задач, например открывать программы.Сценарии запуска обычно запускаются сразу после завершения процесса загрузки компьютера и могут избавить пользователя от необходимости щелкать несколько значков для открытия нескольких программ. Даже если вы не знакомы с языком Visual Basic, вы можете использовать несколько функций, которые сделают вашу работу за компьютером немного проще и удобнее.

    Откройте программу обработки текстов, чтобы записать в нее загрузочный сценарий. Мы рекомендуем программу «Блокнот», так как ее сохраненные файлы никогда не содержат лишнего кода, который мог бы помешать процессу чтения при загрузке.

    Введите команду, которая должна выполняться первой. Чтобы открыть файл или программу при запуске, просто введите путь к файлу для загрузки .exe. Например, командная строка «C:\Program Files\iTunes\iTunes.exe» запустит программу iTunes.

    Сохраните готовый сценарий запуска в доступном для вас месте.

    Запустите программу «Выполнить» из меню «Пуск».

    Введите «mmc» и нажмите «ОК», чтобы открыть консоль управления Microsoft.

    Нажмите «Добавить/удалить оснастку» в меню «Файл».Появится новое окно.

    Добавить «Объект групповой политики» с левой панели. Если появится окно с вопросом о свойствах объекта, нажмите «Локальный компьютер» и нажмите «ОК».

    Добавить комментарий

    Ваш адрес email не будет опубликован.