Искусственный интеллект

Deep Research - это функция, которая позволяет ChatGPT использовать веб-браузер для проведения цепочек исследований, а значит выполняет многоуровневый поиск. Подробнее про DeepResearch

Вот краткий список, зачем можно и нужно использовать Deep Research:

• Промониторить веб-сайты конкурентов и каналы соц. сетей для получения стратегических идей

• Проанализировать тенденции рынка и поведение потребителей для разработки бизнес-стратегии

• Найти продукты и сервисы, которые выполняют определенную задачу, которую вам нужно выполнить

• Составить план по приобретению малоизвестного товара или продукта

• Собрать список хороших ресурсов для исследовательского проекта

• Ознакомиться с последними достижениями науки по определенной теме.

• Чтобы быть в курсе обновлений ПО для инструментов, которые вы используете

2. Проекты

Projects — это ответ ChatGPT на проблему, с которой, я уверена, все сталкивались раньше: необходимость заново вводить подсказки, инструкции и информацию в ChatGPT каждый раз, когда вы хотите начать новый диалог. Это приводит к потере времени, дезорганизации и общему разочарованию. Либо специально делать для себя GPT’s. А теперь можно организовать свои чаты и информацию в одном месте — проекте.

Вот как работают Projects в ChatGPT:

• Создайте новый проект.

• Загрузите свою «базу знаний»: помимо свои диалогов, можно загрузить файлы pdf, изображения и т.д., о которых вы хотите, чтобы ChatGPT знал для каждого нового чата.

• Добавьте индивидуальные инструкции, например, «будьте предельно лаконичны, без лишней воды», чтобы улучшить свои результаты.

• Спокойно общаетесь и создаете столько чатов, сколько захотите. Чаты будут автоматически сохранены в папке проекта для удобства поиска.

3. Задачи ChatGPT

Tasks - это классная штука, особенно, если вы зарубежом) ChatGPT теперь может уведомлять вас напрямую через уведомления. Можно попросить ChatGPT каждые 2 минуты уведомлять вас мешать кашу или переворачивать блины

Или можно запустить Deep Research и попросить ChatGPT показать исследования через минуты 3, чтоы самому не забыть. А еще попросить напомнить завтра за 30 минут перед совещанием про эти результаты исследований. Мелочь, а приятно 🥲

• Чтобы использовать задачи ChatGPT, просто откройте селектор моделей и выберите «GPT-4o with scheduled tasks.».

P.S. Кстати, в закрытом клубе НейроУчеба уже есть том числе Руководство по Созданию Эффективных Промптов для Perplexity и примеры промптов. Не пропустите! А еще я показала, как сделать полноценную иностранную карту ! Вступайте к нам в Закрытый клуб НейроУчеба, и учитесь вместе с нами!

Промтов много не бывает, тем более, когда в Promptly 9 главных категорий:

1. Маркетинг

2. Бизнес

3. Карьера

4. Технологии

5. Креативность

6. Образование

7. Здоровье

8. Технологии

9. Улучшение себя

10. Общие промпты, не входящие ни в одну из категорий, узконаправленные.

В общем, найдется все, как говорится, от смм до кодинга, от коуча по продуктивности до коуча по нетворкингу. В общем, рекомендую

Хотите больше пользы и эксклюзивного контента? Добро пожаловать в Клуб:

Представляем инновационный инструмент для создания аватаров — Mirage Studio.

Это не просто липсинк или озвучка. Mirage генерирует видео целиком: персонажи, фон, голос, эмоции — всё из одного запроса.

Как это работает:

— Загружаете аудио или отрывок видео

— Настраиваете внешность, голос, фон, эмоции

— Генерируете пробный фрагмент

— Если результат удовлетворяет создаете полноценный фрагмент

— Получаете готовое видео согласно длительности аудио файла.

❗️ Видео делится на секвенции — места склейки можно регулировать.

Что даёт:

— Полный контроль (перегенерация секвенций)

— Довольно неплохое качество

— Только вертикальный формат

Для кого:

Для тех, кто делает и экспериментирует с социальным видео.

Цифры:

На старте дают 600 кр - 1 сек = 10 кр

Тарифы:

Первый месяц — 199$, после 399$ в месяц

Да, это космически дорого для массового использования, но если есть бюджет на производство — этот инструмент выглядит перспективно.

Вход здесь

Источник: 📼 @txt2vid

Редактор уже называют фотошопом, загружаете изображения или фотографии и текстом прописываете, что нужно сделать с изображением.

Как попробовать ИИ-редактор изображений от Google

Заходим в AI Studio (перед этим убедитесь, что у вас иностранный айпи) и выбираем модель Gemini 2.0 Flash Experimental там в скобках сразу будет Image Generation - не ошибетесь)

Я решила попробовать на своих сгенерированных обложках, заодно и проверить, искажает ли редактор черты лица, так как редактированием картинок уже никого не удивишь.

Мой опыт работы с ИИ-редактором изображений от Google

• Что ж, фотошопом я бы его не назвала, по крайней мере пока. Да, текст на русском создает, но надо не один запрос сделать, чтобы получить результат без ошибок.

• Черты лица он конечно же искажает, да и качество изображения на выходе очень сжимает, что сразу наводит на вопрос - а зачем тогда все это изначально надо было затевать, да еще и сравнивать с фотошоп

Что реально может ИИ-редактор изображений от Google Gemini

• заменить человека

• убрать надписи или объекты

• убрать вотермарки

Кейсы применения ИИ-редактора изображений от Google Gemini:

1) Поменять прическу на фото:

Без проблем сделал мне из Павла Дурова пресонажа Николаса Кейджа из "Собиратель душ" - нормальный результат)) Лицо не исказил)

2) Сделать с человеком на фото другой снимок:

Я опять поизвращалась) И перенесла Павла в швейцарские Альпы, еще и текстом попросила название своего канала НейроProfit написать) Нормально справился

3) Удалить вотермарку:

4) Добавить объекты на фото:

На сей раз я оставила людей в покое и сосредоточилась на фудфото) -не путать с другим походим названием)) Попросила лдобавить шоколада на круассаны, тоже хорошо справился - не переделал фото заново, а лишь добавил необходимые детали)

5) Переодеть человека в другую одежду:

А вот тут лицо поменял, ибо это уже рандомная девушка, а не известный уже всему миру Павел Дуров, который уже везде успел отметиться)))

Мне кажется, сейчас уже многие попробовали эту модель от Google, а если нет исправляйте, модель любопытная)

Если вам импонирует моя подача материала, присоединяйтесь ко мне в Закрытый клуб, там больше прикладной информации, чат с обратной связью и единосмышленниками, видеоуроки и проверенные нейросети для ваших задач) Платите только один раз

Современные системы проверки на плагиат постепенно адаптируются к новой реальности и начинают уметь распознавать тексты, созданные с помощью моделей вроде GPT.
Антиплагиат существует не первый год и даже не первое десятилетие. Вообще, это программное обеспечение, предназначенное для выявления заимствований в текстах. Оно сравнивает поданный документ с базами данных интернет-ресурсов, научных публикаций, учебных работ и других источников. Однако современный вызов заключается в том, что текст может быть не списан, а сгенерирован ИИ, и тогда задача становится сложнее.

Почему традиционный антиплагиат не всегда видит GPT?

Стандартные программы (например, Антиплагиат ВУЗ, Turnitin, Advego Plagiatus и другие) ищут точные или близкие совпадения в уже существующих текстах. А текст, написанный с помощью GPT:

• уникален — он не копирует конкретную статью или источник;

• генерируется "на лету" — не существует заранее загруженного оригинала;

• имеет структуру, отличную от типичного студенческого текста.

Именно поэтому такие работы могут пройти стандартную проверку как полностью оригинальные, хотя были созданы без участия человека.

История создания антиплагиатных систем

Первые попытки автоматизировать проверку оригинальности текстов начались ещё в конце 1970-х годов, когда университеты начали сталкиваться с проблемой списывания студенческих работ. Однако первые полноценные программы появились в середине 1990-х годов, когда интернет начал активно внедряться в повседневную жизнь. Одним из первых коммерческих решений стала система Turnitin , запущенная в 1997 году в США.
Она позволяла преподавателям загружать студенческие работы и сравнивать их с базой данных уже существующих публикаций, сайтов и ранее сданных работ. Система быстро получила распространение в вузах благодаря своей простоте и эффективности.

В России развитие антиплагиатных программ началось чуть позже. Первые отечественные системы появились в начале 2000-х годов. Одной из самых известных стала система Антиплагиат ВУЗ , разработанная компанией «Антиплагиат» (ныне — группа компаний АО «Эксперт», https://www.antiplagiat.ru ). Эта система была внедрена во многих российских университетах и стала стандартом для проверки выпускных квалификационных работ.
Основная задача антиплагиатной системы — выявить совпадения между анализируемым текстом и другими источниками. Современные системы, такие как Turnitin, Antiplagiat, Grammarly Plagiarism Checker и другие, используют сложные алгоритмы машинного обучения, чтобы не просто находить совпадения, но и давать оценку оригинальности текста.

Можно ли проверить, делал математические расчёты человек или искусственный интеллект?

На первый взгляд, математика — это формальная система, и неважно, кто её использует: человек или компьютер. Однако при анализе решения можно заметить некоторые характерные особенности: неидеальный порядок действий, ошибки в вычислениях - пропущенный шаг, забытая скобка, а также субъективность объяснений и долгая запись решения.
ИИ работает как судент-отличник: нейросети редко ошибаются в вычислениях, если запрос понятен.
Хотя большинство антиплагиатных программ (например, Антиплагиат ВУЗ, Turnitin) изначально были созданы для поиска заимствований, они не справляются с задачей обнаружения ИИ в математических работах. Новые технологии уже начинают внедрять специальные модули, ориентированные именно на эту задачу, но, по мнению специалистов в области образования и искусственного интеллекта, точно определить авторство математического текста пока невозможно.

Перспективы развития антиплагиата и обнаружения ИИ

Одной из ключевых тенденций в ближайшие годы станет глубокая интеграция методов машинного обучения в системы проверки оригинальности . Современные алгоритмы уже умеют не просто сравнивать текст с имеющимися источниками, но и анализировать его внутреннюю структуру — частоту словоупотребления, синтаксические особенности, логическую связность предложений и даже стиль написания. Такие подходы позволяют выявлять характерные черты текстов, созданных нейросетями, даже если они уникальны и не имеют прямых совпадений в интернете или базах данных.
Один из эффективных методов обхода антиплагиата — переписывание текста своими словами. Даже если исходный материал создан нейросетью, его можно переформулировать, изменить структуру предложений и добавить личные комментарии. Это помогает снизить уровень формального сходства и приблизить текст к стилю человека.

Ещё один способ — многоэтапная обработка текста: сначала генерация через одну модель (например, Gemini), затем переработка через другую (например, YandexGPT). Это создаёт эффект "человеческой мысли", снижая вероятность обнаружения ИИ. Также полезно вносить ошибки и повторы , характерные для человеческого письма. Небольшие неточности, дополнительные пояснения и отклонения в структуре делают текст менее "идеальным" и ближе к реальному авторству.

Ещё одной важной перспективой является развитие многоуровневого анализа , при котором система не только определяет наличие заимствований, но и даёт оценку вероятности использования ИИ, а также уровня человеческого участия в подготовке текста. Например, можно будет увидеть, какие части работы были написаны самостоятельно, а какие, скорее всего, были сгенерированы нейросетью. Это даст преподавателям возможность более точно понимать, как именно студент работал над заданием, и поможет сохранить баланс между использованием технологий и развитием навыков самостоятельного мышления.
Готов ли кто-то сейчас обойтись без возможностей ИИ, которые, буквально, доступны в каждом телефоне?

Скрытые метки ИИ?

В прошлом месяце специалисты платформы Rumi сообщили, что некоторые версии ChatGPT (o4-mini-high, o3) добавляют в генерируемый текст неразрывные пробелы (U+202F) — символы, невидимые в обычных редакторах, но обнаруживаемые в кодовых редакторах, таких как VS Code. Эти символы могли бы использоваться как скрытая "подпись" ИИ , однако представители OpenAI опровергли идею намеренного внедрения водяных знаков. По их словам, такие особенности возникли случайно — как побочный эффект обучения модели с подкреплением. Ранее компания рассматривала возможность добавления видимых или невидимых водяных знаков в тексты от ИИ , чтобы помочь преподавателям выявлять работы, написанные с помощью нейросети. Однако от этой идеи отказались из-за этических и технических сложностей. Тем не менее, исследователи утверждают: даже без явных меток современные системы могут отличить текст, созданный GPT, от человеческого , благодаря анализу стиля, логики и вероятностной структуры предложений.

Если OpenAI действительно будет внедрять такие метки, это может быть сделано:

• для контроля использования ИИ в образовании;

• для защиты авторских прав и прозрачности;

• для соблюдения законов о генерации контента.

Если студент просто копирует текст в документ, преподаватель не увидит ничего необычного. А вот при более детальном анализе с помощью специальных программ можно определить, что текст был сгенерирован ИИ. Однако эксперты отмечают: скрытие таких меток простыми средствами — вопрос времени . Достаточно написать небольшую программу, которая удалит все U+202F из текста, и он станет "неотличимым".

Использование ИИ этично?

Вопрос не только в том, можно ли обнаружить ИИ , но и в том, следует ли это делать вообще. Некоторые педагоги считают, что ИИ должен стать частью образовательного процесса , а не средством обмана. Если студент умеет правильно задавать вопросы и интерпретировать ответы, это тоже навык, который заслуживает оценки.
Но если студент пишет курсовую работу с помощью ИИ, можно ли считать её своей? Если художник создаёт картину через нейросеть, чьё это произведение — его или алгоритма?
В конечном итоге, развитие антиплагиатных технологий и систем обнаружения ИИ направлено не на запрет прогресса, а на то, чтобы сделать его частью честной и контролируемой системы образования и коммуникации.
Технологии продолжают развиваться, и уже сегодня можно говорить о том, что мы стоим на пороге нового этапа в области проверки подлинности текстов — этапа, где важен не только вопрос «откуда взят текст» , но и «кто его написал».

Еще больше инфографики по ссылке https://vistat.org/art/antiplagiat-raspoznaet-tekst-napisann...