- Автор темы
- Добавить закладку
- #61
Ок понял спс.
-
XSS.stack #1 – первый литературный журнал от юзеров форума
Теория и практика создания нейросетей и ИИ
- Автор темы ktpm23
- Дата начала
- Автор темы
- Добавить закладку
- #62
- Автор темы
- Добавить закладку
- #63
Почему вся тема вокруг ИИ и нейронок выглядит так - появился chat gpt, нашумел и после этого резко повылезало огромное количество нейронок на любой вкус и цвет?
Как должно быть по твоему? Только крупные компании имеют право выпускать сомнительные проекты без ущерба себе в случае провала. На этот раз зашло.
Я к тому, что это совершило некий прорыв и должно быть чем-то сложным итд. А по факту щас все кто лень создают нейронки.
Обычная автоматизация. Нейроны да. Интеллекта там нуль.
То есть это и раньше не представляло что-то сложное просто никто не делал так как думал что это не выстрелит?
Наверное потому, что ты чайник-обыватель, не следящий за темой. В реальности всё не совсем так. GPT-1 появился 5 лет назад. в 2018-м году. А архитектуру трансформер изобрели в 2017-м, до того были в моде LSTM и GRU сети. Найм учёных, подготовка датасетов и тренировка моделей по прежнему стоят миллионы долларов. Никакого "огромного количества нейронок" за 6 прошедших лет просто нет. На данный момент есть ОДНА популярная модель, случайно и полулегально утёкшая в паблик, на базе которой наделали разных поделок, не требующих капитальных вложений. И вторая версия той же модели, которую фейсбук уже намеренно выложил в рамках конкуренции с мелкософтом. И вокруг них крутится разная шушера, типа Яндекса, которая что-то своё выкладывает, но лучше бы не выкладывала, не позорилась. Вот тут список: https://en.wikipedia.org/wiki/Large_language_model#List Где-то 10 моделей в паблике за 6 лет, из них хорошая, годная - одна. Это что касается текста. С графикой, аудио, видео - в целом ситуация похожая.
"Всем кому не лень" это самому распальцованному и богатому арабскому универу в мире. Стоимость обучения модели 2700 петафлопс-дней.
Последнее редактирование:
Такая тема возникла сегодня.
Типа антиботы всё лучше и лучше.
Закручивают краны боттинга.
И у меня как то внезапно появилась мысль / идея в голове.
А что если научит свой AI как раз обходит защиту от ботов?
реально такое ?
Типа в кавычках: иди туда на сайт и изучай все антибот системы там.
Или смотри за что ты получил бан от сайта и "подумай и анализируй" как это можно обойти.
Крутая идея же?
Типо не тупо там бот на Питоне а бот с мозгами который делает все правильно или как человек. Не получая баны или очень мало банов.
Типа антиботы всё лучше и лучше.
Закручивают краны боттинга.
И у меня как то внезапно появилась мысль / идея в голове.
А что если научит свой AI как раз обходит защиту от ботов?
реально такое ?
Типа в кавычках: иди туда на сайт и изучай все антибот системы там.
Или смотри за что ты получил бан от сайта и "подумай и анализируй" как это можно обойти.
Крутая идея же?
Типо не тупо там бот на Питоне а бот с мозгами который делает все правильно или как человек. Не получая баны или очень мало банов.
- Автор темы
- Добавить закладку
- #72
Насколько знаю проекты типа антикапча уже не редкость, но их возможности ограниченные, гугл капчу или другую мудреную они не обойдут, даже порой ошибаются с буквами и цифрами.
Если брать нейронки, то есть тип который классифицирует изображения распознает что изображено на картинке, думаю можно такое сделать, но нейросетку надо учить как это обходить. Но подводные это затратно и точность распознания низкая.
Я не про каптчу вообще то говорю.
Каптча Ерунда (почти ).
Просто сайты имеют антибот системы, которая смотрит и анализирует поведение человека на сайте.
Слишком быстро клик или системной, значит бот: БАН
одно и те же движения, бот: в Бан.
Короче всякие разные методы есть.
Тот же самый Tinder, Facebook, Snapchat и другие сайты.
Там с ботами очень строго.
Не говоря уже о Twitter, instagram итд.
И в ручную не понять за что ты получил бан.
Пускай это анализирует AI.
Типа 50000 - 500000 раз логин на сайт, движуха любая и с каждым разом все меньше банов.
Каптча Ерунда (почти ).
Просто сайты имеют антибот системы, которая смотрит и анализирует поведение человека на сайте.
Слишком быстро клик или системной, значит бот: БАН
одно и те же движения, бот: в Бан.
Короче всякие разные методы есть.
Тот же самый Tinder, Facebook, Snapchat и другие сайты.
Там с ботами очень строго.
Не говоря уже о Twitter, instagram итд.
И в ручную не понять за что ты получил бан.
Пускай это анализирует AI.
Типа 50000 - 500000 раз логин на сайт, движуха любая и с каждым разом все меньше банов.
- Автор темы
- Добавить закладку
- #74
Понял спс, ну слушай самое основное думаю нужно подумать, на чем нейросеть обучать вообще? Какая методология и способы обхода есть этих вещей, далее как научить нейронку обходить это все и выдавать себя за человека.
Можно спросит у гпт. Ну тут надо gpt без цензуры.
Так как обычный будет отказывать отвечать.
Слишком он корректный..
Потом попробую.
Надо спросить по хитрому может и ответит.
Я пару раз спрашивал про боты, он мне стал печатать кодекс закона по нелегальных действии)
Так как обычный будет отказывать отвечать.
Слишком он корректный..
Потом попробую.
Надо спросить по хитрому может и ответит.
Я пару раз спрашивал про боты, он мне стал печатать кодекс закона по нелегальных действии)
- Автор темы
- Добавить закладку
- #76
Я у барда спросил он говорит открыто на эту тему, вот см
Чтобы обойти систему антиботов на разных сайтах, нейросети нужно обучить на большом наборе данных, который включает в себя как примеры трафика, которые антиботы могут заблокировать, так и примеры трафика, который антиботы не могут заблокировать. Набор данных должен быть как можно более разнообразным, чтобы нейросеть могла научиться распознавать различные типы трафика.
Некоторые из источников данных, которые можно использовать для обучения нейросети, включают:
- Логи веб-серверов
- Данные о сетевом трафике
- Данные о пользовательском поведении
- Данные о поисковых запросах
Однако важно отметить, что системы антиботов постоянно обновляются, поэтому нейросеть должна постоянно обновляться, чтобы оставаться эффективной. Кроме того, нейросеть может быть использована для других целей, кроме обхода систем антиботов, поэтому важно использовать ее ответственно.
вот еще
Нейросеть может обходить системы антиботов, используя различные методы. Один из методов - это использование набора данных, который включает в себя как примеры трафика, которые антиботы могут заблокировать, так и примеры трафика, который антиботы не могут заблокировать. Набор данных должен быть как можно более разнообразным, чтобы нейросеть могла научиться распознавать различные типы трафика.
Другой метод, который может использовать нейросеть, - это использование методов машинного обучения. Машинное обучение - это область искусственного интеллекта, которая позволяет компьютерным программам учиться на данных без явного программирования. Нейросеть может использовать методы машинного обучения для обучения тому, как распознавать трафик, который антиботы могут заблокировать.
После того, как нейросеть будет обучена, ее можно использовать для обнаружения и обхода систем антиботов. Нейросеть можно использовать для создания трафика, который похож на трафик, который не заблокирует система антиботов. Это позволит нейросети получить доступ к сайтам, которые были бы заблокированы для обычных пользователей.
Следующие метрологии могут быть использованы для оценки эффективности нейросети в обходе систем антиботов:
Количество заблокированных запросов
Время, за которое выполняется запрос
Количество запросов, которые могут быть выполнены без блокировки
Нейросеть может быть использована для обхода систем антиботов различными способами. Один из способов - это использование набора данных, который включает в себя как примеры трафика, которые антиботы могут заблокировать, так и примеры трафика, который антиботы не могут заблокировать. Набор данных должен быть как можно более разнообразным, чтобы нейросеть могла научиться распознавать различные типы трафика.
Другой способ, который может использовать нейросеть, - это использование методов машинного обучения. Машинное обучение - это область искусственного интеллекта, которая позволяет компьютерным программам учиться на данных без явного программирования. Нейросеть может использовать методы машинного обучения для обучения тому, как распознавать трафик, который антиботы могут заблокировать.
После того, как нейросеть будет обучена, ее можно использовать для обнаружения и обхода систем антиботов. Нейросеть можно использовать для создания трафика, который похож на трафик, который не заблокирует система антиботов. Это позволит нейросети получить доступ к сайтам, которые были бы заблокированы для обычных пользователей.
Следующие способы могут быть использованы нейросетью для обхода систем антиботов:
Использование рандомизированных IP-адресов
Использование рандомизированных заголовков HTTP
Использование рандомизированных сессионных ID
Использование рандомизированных пользовательских агентов
Использование методов социальной инженерии
Время между запросами
Количество запросов в секунду
Используемый браузер и плагины
Используемая операционная система
Используемое разрешение экрана
Используемая версия JavaScript
Используемые куки
Нейросеть может быть использована для обхода систем антиботов различными способами, но важно отметить, что системы антиботов постоянно обновляются, поэтому нейросеть должна постоянно обновляться, чтобы оставаться эффективной. Кроме того, нейросеть может быть использована для других целей, кроме обхода систем антиботов, поэтому важно использовать ее ответственно.
Нейросеть также может использовать различные методы для того, чтобы выдать себя за человека. К этим методам относятся:
Использование различных методов анализа текста
Использование различных методов распознавания изображений
Использование различных методов анализа поведения
Комбинируя различные методы, нейросеть может создать трафик, который очень сложно отличить от трафика, который создается человеком. Это позволяет нейросети обойти системы антиботов и получить доступ к сайтам, которые были бы заблокированы для обычных пользователей.
- Автор темы
- Добавить закладку
- #77
То есть всё это обилие нейронок(текстовые, графические) https://vc.ru/u/1216053-nftishka/60...ya-kazhdogo-luchshie-neyroseti-dlya-zarabotka
обращаются в конечном итоге к openai и далее из списка что ты скинул?
- Автор темы
- Добавить закладку
- #79
Ну см бум нейросетей начался примерно с того момента как гугл внедрила технологию машинного обучения в переводчик примерно 15 год. В 10-х активно развивались разные фреймворки у питона и технологии типа чипов и облачных сервисов и этим удовлетворялась потребность в мощном суперкомпьютере и железе на котором все это делается.
После создания гпт, который наделал много шума интерес к индустрии заметно вырос и люди решили вкатываться область так как видят, что в ней есть перспективы ну и сама языковая модель много что умеет делать и это по сути был прорыв в нейросетях.
Ну и еще добавлю сейчас растет роль компьютеров и информации в окружаем нас мире, ну по сути активнее всего ИИ внедряется именно в постмодернистские области работа с графикой, it, работа с текстами
Последнее редактирование:
Google Translate не использовал глубокое обучение, он основывался на SMT. Все дело в статистическом анализе больших двуязычных текстовых корпусов. Например, если фраза "здравствуйте" часто встречается с фразой "hello" в русско-английской коллекции, то модель просто улавливает связь между ними как перевод друг друга. Конечно, это машинное обучение, но без нейронов. Хотя это был большой шаг вперед по сравнению с системами перевода на основе правил, было много недостатков, которые мы все видели. Например, длинные сложные предложения SMT часто переводило фрагментарно или теряло контекст, что приводило к курьезным переводам, особенно когда пытался переписываться с иностранными подругами в сети.
Google начал использовать NMT (Neural Machine Translation) ai[.]googleblog[.]com/2016/09/a-neural-network-for-machine.html только после 2016 года, и это система на основе глубокого обучения.
Обязательно прочти известную статью "A Logical Calculus of the Ideas Immanent in Nervous Activity" cs.cmu[.]edu/~./epxing/Class/10715/reading/McCulloch.and.Pitts.pdf 1943 года от McCulloch и Pitts. Они впервые ввели математическую модель нейронной сети. Прошло примерно 15 лет, и появился первый алгоритм, имитирующий нейрон: Перцептрон, который, собственно, и запустил эту область. Ты забыл про Алана Тьюринга и его статью "Computing Machinery and Intelligence". Конечно, он нигде в работе прямо не упоминал нейронные структуры academic[.]oup[.]com/mind/article/LIX/236/433/986238, но он заложил основы для возможности обучения машин на опыте. Да, в 1970-х годах исследования замедлились из-за книги Мински "Perceptrons" direct[.]mit[.]edu/books/book/3132/PerceptronsAn-Introduction-to-Computational, но все началось снова с метода обратного распространения ошибки Хинтона nature[.]com/articles/323533a0. Впервые были обучены многослойные перцептроны, это и есть глубокое обучение. К тому же появились алгоритмы машинного обучения типа SVM, так что это не только глубокое обучение.
И вот теперь Chat-GPT начал писать такой-то код, который практически может заменить новичков-программистов, и люди начали волноваться? На самом деле, исследования в этой области ведутся уже более 80 лет, и это всегда была прекрасная область математики и теории информации и таковой и останется.
Когда я был молодым, я начал свой путь в этой области с таких работ, которые навсегда останутся лучшими источниками и займут особое место в истории ИИ, даже если будущие поколения об этом забудут.
