Новое исследование анализирует, как методы объяснимого искусственного интеллекта помогают понять, чем отличаются сгенерированные ИИ изображения от реальных, и совпадают ли эти объяснения с человеческим восприятием.
Исследователи продемонстрировали, что алгоритмы машинного обучения способны самостоятельно разрабатывать более точные и универсальные функции, описывающие взаимодействие электронов в атомах и молекулах.
Новая архитектура искусственного интеллекта, использующая извлечение информации и логические рассуждения, значительно повышает точность ответов на вопросы о финансовых документах.
В статье представлен обзор современных подходов к прогнозированию цен акций с использованием больших языковых моделей, ориентированный на практические потребности хедж-фондов.
Новый подход позволяет моделировать изменяющиеся во времени марковские процессы в финансовых данных с помощью нейронных сетей, раскрывая скрытые закономерности.