Национальное фитнес-сообщество (НФС) обратилось к премьер-министру Михаилу Мишустину с предложением разрешить клубам в одностороннем порядке расторгать договоры с клиентами, допускающими систематические нарушения. Письмо направлено 18 сентября. Меру предполагается применять при неоднократном или существенном нарушении клиентом правил поведения в клубе.
В правительстве вопросы переадресовали в Минспорт, где оперативно не ответили. Глава НФС Елена Силина объясняет, что сейчас фитнес-клуб ограничен в возможности прекратить обслуживание даже при систематических нарушениях, конфликтах с персоналом или создании проблем для других. Схема предполагает возврат средств за неиспользованный период абонемента и запрет на заключение нового договора в течение одного года. Фиксировать нарушения предлагается видеозаписями или независимыми свидетелями.
Судэксперт группы Veta Александр Терентьев отмечает, что договор публичный и немотивированный отказ рискован: возможны полное возмещение убытков, потребительский штраф и компенсация морального вреда. Руководитель FitnessData Максим Боровиков говорит, что систематически нарушают правила 1% клиентов: скрытое тренерство, кражи, агрессия, незаконная съемка. В ОПИ опасаются произвольного толкования нарушений и дискриминации потребителей.
Президент России Владимир Путин подписал указ, который позволяет правительству вводить временное управление на объектах критической инфраструктуры. Это возможно в случае, если владельцы не приняли меры по обеспечению безопасности или нарушили требования к ней, а также при задержке восстановления объектов. Указ вступает в силу со дня официального опубликования.
К объектам критической инфраструктуры относятся топливно-энергетический комплекс, промышленные предприятия, объекты связи, коммунальной, транспортной и логистической инфраструктуры, объекты энергетики, включая атомную. Также документ распространяется на объекты жизнеобеспечения, критически важные и потенциально опасные объекты, имеющие особое значение для безопасности и экономической стабильности страны.
Меры вводятся в связи с нарастанием угроз безопасности объектов критической инфраструктуры в период проведения спецоперации. Указ принят в соответствии с законами «О военном положении», «Об обороне» и «О безопасности».
Российские маркетплейсы Wildberries и Ozon с 1 сентября запустят оплату в цифровых рублях. Об этом их представители сообщили РИА Новости. Цифровой рубль является новой формой национальной валюты.
Все системно значимые банки России готовы к широкому внедрению цифрового рубля с 1 сентября. Об этом в интервью РИА Новости рассказала директор департамента национальной платежной системы Банка России Алла Бакина. С этой даты появится возможность открывать цифровые кошельки через приложения банков.
Регулятор реализовал возможность оплаты цифровыми рублями в интернете, поэтому маркетплейсы смогут запустить у себя оплату товаров таким способом. Ozon с 1 сентября в тестовом режиме будет принимать цифровой рубль наравне с другими способами оплаты и поэтапно распространит возможность на всех клиентов. Wildberries сообщили, что действуют в соответствии с требованиями Банка России и действующими нормативными актами.
Согласно законодательству, оплату в цифровых рублях с сентября должны начать принимать крупные торговые сети с годовой выручкой более 120 миллионов рублей. Постепенно такая обязанность появится и у более мелких продавцов.
Ученые Лаборатории компьютерных наук и искусственного интеллекта (CSAIL) при Массачусетском технологическом институте доказали, что по мере роста наборов данных связь между тем, чему учится модель, и тем, что она генерирует, практически исчезает. Это указывает на необоснованность претензий правообладателей к лабораториям ИИ.
Американские учёные открыли явление «затухания атрибуции» (attribution decay), при котором чем больше данных используется при обучении генеративной модели искусственного интеллекта, тем меньшее значение имеет любой конкретный элемент в обучающем массиве для любого конкретного результата генерации. При достаточно больших масштабах можно вообще удалить из обучающих данных любое отдельное изображение, все изображения определённого художника или все фотографии определённого человека, и сгенерированная моделью картинка не изменится.
Доказать это на практике было непросто. В общем случае, чтобы узнать, каков был бы ответ модели на конкретный запрос, если бы она никогда не видела определённое изображение, потребовались бы обучить точно такую же модель без этого изображения и повторить опыт; а затем повторить всё сначала для следующего изображения в обучающем массиве. Поэтому учёные предложили альтернативное решение — созданную ими самостоятельно архитектуру «диффузионного ансамбля» (diffusion ensemble). Это не единая монолитная модель, а множество мелких компонентов, каждый из которых обучен на отдельном фрагменте данных. В этом случае, чтобы узнать, как бы модель работала без конкретного изображения в обучающих данных, достаточно отключить те части ансамбля, которые его видели. Результаты работы этой системы сравнивались с результатами ответов 24 обычных диффузионных моделей, обученных на тех же данных. Изображения получились одинаково хорошими по стандартным показателям.
Учёные пришли к выводу, что чем больше объёмы обучающих данных, тем лучше ансамбли показывают себя по сравнению с аналогами на основе одной модели. В ходе анализа они отправляли группе моделей один запрос, удаляли из обучающих данных по одному изображению и сравнивали расхождение результатов. На основе эксперимента они ввели понятие «контрфактического радиуса» (counterfactual radius) — максимального влияния, которое мог оказывать отдельный элемент в обучающем массиве. В результате исследователи установили закономерность: чем больше обучающий набор данных, тем меньше контрфактический радиус. Другими словами, тем меньше влияние любого конкретного элемента. Результаты сравнивались как попиксельно, так и по общему семантическому значению.
В юридическом аспекте открытие означает, что ИИ-модели демонстрируют по-настоящему творческий подход — они не копируют материалы из исходных данных, а создают совершенно новые результаты. И если эти результаты не имеют ничего общего с отдельными элементами из обучающего массива, то использование контента, даже защищённого авторским правом, является добросовестным даже без обращения к правообладателю. На языковых моделях этот подход пока не проверяли.