Shan Jan Posted February 2 Share Posted February 2 Ispravite me ako gresim ali mislim da je nemoguce u virtualnom svetu imati pravu random raspodelu. Jedino resenje bi bio neki mehanicki imput ali to bi onda moralo da se pravi za svakog bota pojedinacno ili bi software sa druge strane mogao da detektuje patern gomile botova koji sustinski koriste istu random raspodelu. Quote Link to comment
JozoMujica Posted February 2 Share Posted February 2 8 minutes ago, Shan Jan said: Ispravite me ako gresim ali mislim da je nemoguce u virtualnom svetu imati pravu random raspodelu. Šta podrazumevaš pod pravom radnom raspodelom? Quote Link to comment
Shan Jan Posted February 2 Share Posted February 2 5 minutes ago, JozoMujica said: Šta podrazumevaš pod pravom radnom raspodelom? Ona za koju ne mozes da napravis funkciju koja je predvidja Quote Link to comment
Lord Protector Posted February 2 Share Posted February 2 (edited) Iako je tačno da tradicionalni računarski sistemi koriste determinističke algoritme koji ne mogu generisati pravu slučajnost (tzv. pseudo-slučajni brojevi), postoje metode koje se mogu koristiti za generisanje brojeva koji su bliži pravoj slučajnosti. Jedan od načina je korišćenje hardverskih generatora slučajnih brojeva (Hardware Random Number Generators - HRNG), koji koriste fizičke procese, kao što su termalni šum, radioaktivni raspad ili kvantna mehanika, da bi generisali prave slučajne brojeve. Ovi procesi su inherentno nepredvidivi i mogu pružiti visok kvalitet slučajnosti koji je potreban za određene aplikacije kao što su kriptografija ili naučna istraživanja. Takođe, postoji i koncept kriptografski sigurnih pseudo-slučajnih generatora brojeva (Cryptographically Secure Pseudo-Random Number Generators - CSPRNG), koji su dizajnirani tako da budu nepredvidivi čak i ako napadač poznaje sve prethodne generisane vrednosti i algoritam koji se koristi. CSPRNG-ovi su dovoljno dobri za većinu aplikacija koje zahtevaju slučajnost, uključujući i sigurnosne protokole. Dakle, iako je teško postići pravu slučajnost u digitalnom okruženju, postoje metode koje omogućavaju generisanje brojeva koji su dovoljno slučajni za većinu primena. Edited February 2 by Lord Protector 2 Quote Link to comment
Lord Protector Posted February 2 Share Posted February 2 (edited) 1 hour ago, Kenji said: Ček pa captcha i služi za machine learning klasifikaciju. Mislim to je primarna namena uvek bila. Botove skineš sa običnom slikom klikni ovde ili slično. Captcha je pratila razvoj ML prvo sa text recognition pa kasnije sa brojevima kuća pa semafori autovi. (Google maps, self-driving etc). Logično da je gpt dobar u onome što je treniran tj. Captcha je nastala za treniranje. Evo kako bi to moglo da izgleda u praksi: Prikupljanje podataka: Prvi korak bi bio prikupljanje velike količine podataka o kretanju miša koje kontrolišu ljudi. Ovi podaci bi uključivali informacije o brzini, ubrzanju, zaustavljanju, promenama pravca i slično. Analiza podataka: Zatim bi se analizirali statistički parametri ovih podataka kako bi se razumeli osnovni obrasci i raspodele. Ovo bi uključivalo ispitivanje da li je proces stacionaran, koje su raspodele verovatnoće u pitanju, i identifikovanje bilo kakvih karakterističnih osobina ljudskog kretanja miša. Obučavanje GAN-a: Generativne suparničke mreže bi se obučavale na osnovu ovih podataka. Jedna mreža (generator) bi pokušavala da generiše podatke koji imitiraju ljudsko kretanje miša, dok bi druga mreža (diskriminator) pokušavala da razlikuje između pravih ljudskih podataka i onih koje generiše generator. Monte Carlo simulacija: Za generisanje slučajnih promenljivih koje bi se koristile kao ulaz u GAN, mogla bi se koristiti Monte Carlo simulacija. Ovo bi omogućilo generisanje različitih scenarija kretanja miša koji bi mogli da pokriju širok spektar ljudskih ponašanja. Implementacija: Nakon obučavanja, model bi se mogao koristiti za upravljanje mišem u realnom vremenu, generišući kretanje koje bi trebalo da bude nerazlučivo od ljudskog kretanja miša. Ovaj pristup bi mogao da bude efikasan protiv sistema za detekciju bota koji se oslanjaju na analizu ponašanja korisnika, kao što su kretanje miša ili ritam kucanja na tastaturi. Edited February 2 by Lord Protector Quote Link to comment
Lord Protector Posted February 2 Share Posted February 2 (edited) Postoji i etička dimenzija korišćenja takvih tehnologija, jer bi mogli biti zloupotrebljeni za obmanjivanje sistema i izvođenje neautentičnih aktivnosti na mreži. Nećemo dalje. PPP BlackHat Edited February 2 by Lord Protector Quote Link to comment
Shan Jan Posted February 2 Share Posted February 2 @Lord Protector jedan hardware generator bi mogao da opsluzi.. koliko botova pre nego ga provale? Meni deluje da bi bukvalno mora da imas farme istih koji svoje brojeve prodajuna black marketu ovima koji sa botovima pokusavaju da odrade posao. Quote Link to comment
Lord Protector Posted February 2 Share Posted February 2 (edited) 34 minutes ago, Shan Jan said: @Lord Protector jedan hardware generator bi mogao da opsluzi.. koliko botova pre nego ga provale? Meni deluje da bi bukvalno mora da imas farme istih koji svoje brojeve prodajuna black marketu ovima koji sa botovima pokusavaju da odrade posao. Menjaš samo jedan parametar, random seed preko promene neke fizičke karakteristike ili setovanja hardverskog generatora. U suštini imao bi tri uređaja povezanih sekvencijalno: hardverski generator koji bi davao seed, seed ulazi u PRNG koji bi davao veliki broj pseudoslučajnih sekvenci i na kraju DRBG koji bi "izbeljivao" izvor sekvenci radi anonimizacije. Hardverski generator slučajnih brojeva (HRNG): Ovaj uređaj bi koristio fizičke procese, kao što su kvantna fluktuacija, termalni šum ili fotonski šum, da generiše prave slučajne brojeve. Ovi brojevi bi se koristili kao seed (početna vrednost) za pseudo-slučajni generator brojeva (PRNG). Pseudo-slučajni generator brojeva (PRNG): PRNG bi koristio seed iz HRNG-a da generiše veliki broj pseudoslučajnih sekvenci. Ovi generatori su deterministički, ali sa dobrom seed vrednošću iz HRNG-a, sekvence koje generišu mogu biti vrlo slične pravim slučajnim sekvencama. Deterministički generator slučajnih brojeva (DRBG): DRBG bi "izbeljivao" ili dodatno obrađivao izlaz iz PRNG-a kako bi se osigurala anonimnost i dodatno poboljšala slučajnost. DRBG može koristiti različite metode, kao što su heš funkcije ili kriptografski algoritmi, da transformiše pseudoslučajne sekvence u izlaz koji je još teže predvideti. Edited February 2 by Lord Protector 1 Quote Link to comment
Lucia Posted February 14 Share Posted February 14 Andrej Karpathy je napustio OpenAI da radi na necem svom: 1 Quote Link to comment
ragasto Posted February 17 Share Posted February 17 Skajnet nas je ovih dana obradovao text to video novotarijom zbog koje mnogi animatori, montažeri, kamermani...i slični, mogu polako da počnu da uče kako se radi na miješal'ci. Fascinirajuće je šta ovim alatom može da se dobije sa samo 4 pasusa teksta. 1 Quote Link to comment
Lucia Posted February 17 Share Posted February 17 (edited) da, fascinantno - za sada samo 60sec ali zrno po zrno - lepih primera ima svuda (napr. na OpenAI ili @sama twitter) ili direktno: Sora (openai.com) Edited February 17 by Lucia 2 Quote Link to comment
Lord Protector Posted February 22 Share Posted February 22 (edited) This is a demo of long context understanding, an experimental feature in our newest model, Gemini 1.5 Pro. We’ll walk through a screen-recording of example prompts using a 44 minute Buster Keaton film, which comes out to over 600,000 tokens. In Google AI Studio, we uploaded the video and asked, “Find the moment when a piece of paper is removed from the person's pocket and tell me some key information on it, with the timecode.” This screen capture is sped up, and this timer shows exactly how long it took to process each prompt. And keep in mind that processing times will vary. The model gave us this response, explaining that the piece of paper is a pawn ticket from Goldman & Co Pawn Brokers, with the date and cost. And it gave us this timecode 12:01. When we pulled up that timecode, we found it was correct. The model had found the exact moment the piece of paper is removed from the person’s pocket, and it extracted text accurately. Sherlock Holmes mode Edited February 22 by Lord Protector Quote Link to comment
Lord Protector Posted February 22 Share Posted February 22 (edited) Edited February 22 by Lord Protector Quote Link to comment
Lezilebovich Posted February 22 Share Posted February 22 Svaka cast guglu, dva lansiranja ai modela i dva jaka pucnja u sopstvenu nogu. Bard , gemini ... izgleda da nije problem u imenu S obzirom da ovoliki propust nije ispravljem tokom testiranja upucuje na to da je ljudima u guglu ovo, u stvari, pozeljno ponasanje sistema. Brine me sto je takav princip sigurno primenjen i na druge gugle alate. Ne nuzno ovoliko drasticno, ali sigurno je jak bias ka strani koju gugl ceni ... 1 Quote Link to comment
Recommended Posts
Join the conversation
You can post now and register later. If you have an account, sign in now to post with your account.