Наука

Микориза и Искусственный Интеллект: Новый Подход к Устойчивому Земледелию

от

Архитектура Retrieval-Augmented Generation (RAG) интегрирует внешние знания с большими языковыми моделями (LLM), позволяя им генерировать более точные и контекстно-обоснованные ответы, расширяя их возможности за пределы изначально обученных данных.

В статье рассматривается система, использующая возможности искусственного интеллекта для эффективного поиска и применения знаний о микоризных грибах в сельском хозяйстве.

Тайны скрытых признаков: как взломать нейросеть по её ответам

от

Метод FIA-Flow реконструирует конфиденциальное изображение из промежуточных признаков, сначала отображая их в латентный код $z_s$ посредством модуля выравнивания латентного пространства признаков, затем уточняя его до $z^x$ с помощью модуля детерминированного инверсионного потока, и, наконец, генерируя атакующее изображение $x'$ посредством декодера предварительно обученной вариационной автокодировщика.

Новое исследование демонстрирует, что даже ограниченный доступ к работе разделенной нейронной сети может раскрыть конфиденциальную информацию о данных, на которых она обучалась.

Слова, двигающие рынок: как корпоративные отчеты формируют ожидания аналитиков

от

Анализ времени публикации прогнозов аналитиков вокруг телефонных конференций по доходам демонстрирует закономерную концентрацию активности непосредственно перед и после этих событий, что указывает на стремление к своевременной корректировке оценок в ответ на новую информацию.

Новое исследование показывает, что нарративы, используемые в ходе телефонных конференций с инвесторами, оказывают значительное влияние на прогнозы аналитиков и фактические доходы компаний.

Космический полдень: как нейросети находят сталкивающиеся галактики

от

Исследование демонстрирует, что нейронная сеть, анализируя характеристики галактик - в частности, соотношение масс при слиянии и звездную массу - способна с высокой точностью идентифицировать слияния, фокусируясь при этом на центральной галактике, что подтверждается визуализацией на основе UMAP, выявляющей четкую зависимость от звездной массы и скорости звездообразования.

Новый подход с использованием глубокого обучения позволяет выявлять слияния галактик, которые ранее оставались незамеченными, расширяя наше понимание эволюции Вселенной.