Довольно многои темы сваливаются в применение ИИ в тех или иных областях. Предлагаю со всеми этими в...
leoseo
:
когда пишешь запрос , а он тебе рисует совсем что-то другое, а чтобы рисовал точное соответствие с написанным промптом
Так они там и рисуют точное соответствие с промтом. Ни сарказма не понимает, ни контекста (тему вопроса).
master32
:
Статья критикует искусственный интеллект (ИИ), утверждая, что он не является разумным и не соответствует ожиданиям. Автор называет ИИ "змеиного масла" и подчеркивает, что текущие технологии далеки от Искусственного Общего Интеллекта (АГИ) и не обладают эмоциональным интеллектом. Он указывает на высокие инвестиции в ИИ, но отмечает отсутствие реальной прибыльности у компаний. В заключение, автор призывает к этическому подходу и осознанию ограничений ИИ, предостерегая от чрезмерного оптимизма и "продавцов змеиного масла".
Вы сделали дескрипшн по политкорректной форме статьи приняв ее за основу. Смысловая основа статьи - ИИ - в первую очередь инструмент развода лохов на бабки. Реальных плюсов от него - кот наплакал.
Sly32
:
Слушай, ты хоть раз видел-то робот пылесос? Понимаешь как он работает? что он у тебя там трет?
У меня робот-полотер. Купил его лет 10 назад. Модель не из дешевого сегмента. Тогда стоил 17т.р. Больше покупать не буду. Не уговаривайте. Не верю:
Sly32
:
Как раз сегодня в магазе смотрел новые модели пылесосов. Модели с ИИ уже появились, надо брать)
Эмоционального интеллекта не существует. Либо эмоции, либо интеллект. Это разные вещи.
Чтобы немного развеять мракобесие, сгустившееся над этим топиком, проведу небольшой ликбез и на простом примере расскажу, как могут генерироваться слова в нейросетях.
Для примера возьму уже приведенный выше алгоритм "Цепи Маркова" Он был описан, если не ошибаюсь в ... 1906 году. Это информация для тех, кто рассказывает сказки о том, что знает, как улучшить нейросети))). Возможно, по ходу станет понятно, почему только сейчас это все получается реализовать.
Что бы вам не гуглить:
Це́пь Ма́ркова
— последовательность
случайных событий
с конечным или
счётным
числом
исходов
, где вероятность наступления каждого события зависит только от состояния, достигнутого в предыдущем событии
[
1
]
.
Еще проще - на основе имеющихся данных высчитывается вероятность появления следующего символа.
Как это работает.
Возьмем конечный набор данных:
words = [
"apple"
,
"banana"
,
"orange"
,
"grape"
,
"melon"
,
"kiwi"
,
"peach"
,
"ananas"
,
"grapefruit"
,
"pepper"
,
"melon"
,
"watermelon"
,
"potatoes"
,
"pineapple"
,
"coconut"
]
В нашем алгоритме мы будем строить вероятности на основе одного или двух символов, соответственно составляем словарь всех одно- и двухбуквенных сочетаний и количество появлений следующей буквы для них.
На выходе имеем следующий словарь( использую питоновские термины, но думаю их несложно интерпретировать в любой известный вам язык)
Код:
for
word
in
words:
for
i
in
range
(
len
(word)):
key = word[
max
(
0
, i -
1
):i +
1
]
next_letter = word[i +
1
]
if
i +
1
<
len
(word)
else
None
if
key
not
in
transitions:
transitions[key] = {}
if
next_letter:
transitions[key][next_letter] = transitions[key].get(next_letter,
0
) +
1
Результат:
{
'a'
: {
'n'
:
1
,
'p'
:
1
},
'ac'
: {
'h'
:
1
},
'an'
: {
'a'
:
4
,
'g'
:
1
},
'ap'
: {
'e'
:
2
,
'p'
:
2
},
'as'
: {},
'at'
: {
'e'
:
1
,
'o'
:
1
},
'b'
: {
'a'
:
1
},
'ba'
: {
'n'
:
1
},
'c'
: {
'o'
:
1
},
'ch'
: {},
'co'
: {
'c'
:
1
,
'n'
:
1
},
'ea'
: {
'c'
:
1
,
'p'
:
1
},
'ef'
: {
'r'
:
1
},
'el'
: {
'o'
:
3
},
'ep'
: {
'p'
:
1
},
'er'
: {
'm'
:
1
},
'es'
: {},
'fr'
: {
'u'
:
1
},
'g'
: {
'r'
:
2
},
'ge'
: {},
'gr'
: {
'a'
:
2
},
'in'
: {
'e'
:
1
},
'it'
: {},
'iw'
: {
'i'
:
1
},
'k'
: {
'i'
:
1
},
'ki'
: {
'w'
:
1
},
'le'
: {},
'lo'
: {
'n'
:
3
},
'm'
: {
'e'
:
2
},
'me'
: {
'l'
:
3
},
'na'
: {
'n'
:
2
,
's'
:
1
},
'ne'
: {
'a'
:
1
},
'ng'
: {
'e'
:
1
},
'nu'
: {
't'
:
1
},
'o'
: {
'r'
:
1
},
'oc'
: {
'o'
:
1
},
'oe'
: {
's'
:
1
},
'on'
: {
'u'
:
1
},
'or'
: {
'a'
:
1
},
'ot'
: {
'a'
:
1
},
'p'
: {
'e'
:
2
,
'i'
:
1
,
'o'
:
1
},
'pe'
: {
'a'
:
1
,
'f'
:
1
,
'p'
:
1
,
'r'
:
1
},
'pi'
: {
'n'
:
1
},
'pl'
: {
'e'
:
2
},
'po'
: {
't'
:
1
},
'pp'
: {
'e'
:
1
,
'l'
:
2
},
'ra'
: {
'n'
:
1
,
'p'
:
2
},
'rm'
: {
'e'
:
1
},
'ru'
: {
'i'
:
1
},
'ta'
: {
't'
:
1
},
'te'
: {
'r'
:
1
},
'to'
: {
'e'
:
1
},
'ui'
: {
't'
:
1
},
'ut'
: {},
'w'
: {
'a'
:
1
},
'wa'
: {
't'
:
1
},
'wi'
: {}}
Обратите внимание, что для 15 базовых слов мы получили словарь из 57 элементов. Дальше поймете, почему я это отметил.
Но это пока еще сырой список. Нам же нужно понимать вероятность появления следующей буквы, поэтому несложным путем высчитаем ее:
for
letter, next_letters
in
transitions.items():
total =
sum
(next_letters.values())
for
next_letter
in
next_letters:
next_letters[next_letter] /= total
В результате наш псеводнейрон уже выглядит так:
{
'a'
: {
'n'
:
0.5
,
'p'
:
0.5
},
'ac'
: {
'h'
:
1.0
},
'an'
: {
'a'
:
0.8
,
'g'
:
0.2
},
'ap'
: {
'e'
:
0.5
,
'p'
:
0.5
},
'as'
: {},
'at'
: {
'e'
:
0.5
,
'o'
:
0.5
},
'b'
: {
'a'
:
1.0
},
'ba'
: {
'n'
:
1.0
},
'c'
: {
'o'
:
1.0
},
'ch'
: {},
'co'
: {
'c'
:
0.5
,
'n'
:
0.5
},
'ea'
: {
'c'
:
0.5
,
'p'
:
0.5
},
'ef'
: {
'r'
:
1.0
},
'el'
: {
'o'
:
1.0
},
'ep'
: {
'p'
:
1.0
},
'er'
: {
'm'
:
1.0
},
'es'
: {},
'fr'
: {
'u'
:
1.0
},
'g'
: {
'r'
:
1.0
},
'ge'
: {},
'gr'
: {
'a'
:
1.0
},
'in'
: {
'e'
:
1.0
},
'it'
: {},
'iw'
: {
'i'
:
1.0
},
'k'
: {
'i'
:
1.0
},
'ki'
: {
'w'
:
1.0
},
'le'
: {},
'lo'
: {
'n'
:
1.0
},
'm'
: {
'e'
:
1.0
},
'me'
: {
'l'
:
1.0
},
'na'
: {
'n'
:
0.6666666666666666
,
's'
:
0.3333333333333333
},
'ne'
: {
'a'
:
1.0
},
'ng'
: {
'e'
:
1.0
},
'nu'
: {
't'
:
1.0
},
'o'
: {
'r'
:
1.0
},
'oc'
: {
'o'
:
1.0
},
'oe'
: {
's'
:
1.0
},
'on'
: {
'u'
:
1.0
},
'or'
: {
'a'
:
1.0
},
'ot'
: {
'a'
:
1.0
},
'p'
: {
'e'
:
0.5
,
'i'
:
0.25
,
'o'
:
0.25
},
'pe'
: {
'a'
:
0.25
,
'f'
:
0.25
,
'p'
:
0.25
,
'r'
:
0.25
},
'pi'
: {
'n'
:
1.0
},
'pl'
: {
'e'
:
1.0
},
'po'
: {
't'
:
1.0
},
'pp'
: {
'e'
:
0.3333333333333333
,
'l'
:
0.6666666666666666
},
'ra'
: {
'n'
:
0.3333333333333333
,
'p'
:
0.6666666666666666
},
'rm'
: {
'e'
:
1.0
},
'ru'
: {
'i'
:
1.0
},
'ta'
: {
't'
:
1.0
},
'te'
: {
'r'
:
1.0
},
'to'
: {
'e'
:
1.0
},
'ui'
: {
't'
:
1.0
},
'ut'
: {},
'w'
: {
'a'
:
1.0
},
'wa'
: {
't'
:
1.0
},
'wi'
: {}}
И собственно, уже все готово для генерации слова.
Как это происходит? Запускаем код и вводим первые 2 буквы, из которых мы хотим сгенерировать слово, например "
pe
" В словаре находим сочетания для него:
'pe'
: {
'a'
:
0.25
,
'f'
:
0.25
,
'p'
:
0.25
,
'r'
:
0.25
},
Недалекий фрефоркер увидел в коде random, не удосужился почитать, что это за функция. А random.choice выбирает не случайную букву из последоваиельности, а на основе весов. В данном случае веса одинаковы, значит выбирается первая буква. Получаем "pea". Помним, что наш алгоритм использует 2 последних буквы. Значит ищем следующее сочетние для "ea":
'ea'
: {
'c'
:
0.5
,
'p'
:
0.5
},
Получаем: "peac", продолжаем поиск для "ac":
'ac'
: {
'h'
:
1.0
},
Тут уже без вариантов. Получаем: "peach"
Ищем для "ch":
'ch'
: {},
Вариантов нет, генерация закончена, полученное слово - персик) Можно еще добавить проверку на наличие слова в словаре исходном и останавливать генерацию при совпадении.
Это простейший механизм генерции слов. Без дополнительного обучения системы, исправления ошибок и прочего. Просто? Да! А теперь подумаем - а не так ли работает наш мозг? Точно так же мы обрабатываем подходящие варианты и получаем результат.
Почему я в начале привел длины исходного списка и результирующего словаря? Это почему алгоритмы, известные в начале прошлого века, получилось реализовать только сейчас. Я использую только 15 исходных слов и для генерации беру последних 2 буквы. А попробуйте создать словарь, например из 100 слов и анализировать 4 буквы? Надеюсь все знают что такое декартово множество и смогут посчитать результирующий словарь.
А это самый простой и понятный механизм. Тензор использует более сложные алгоритмы для исключения ошибок, например.
Поэтому все это полезно в образовательных целях. На практике нужно учиться использовать LLMs и механизмы работы со своими данными.
plab
:
Все получили такое письмо.
Все, у кого есть гитхаб аккаунт.
plab
:
Это ад, а не редактор.
Только для тех, у кого руки из жопы. Имея возможность пользоваться Pycharm Professional, я постепенно сьехал в VScode, который легче в разы а умеет все тоже самое. Уверен, что спроси я, почему ад - ты не ответишь. А я настраиваю все там под себя, включая цветовую гамму, расширения есть под ВСЕ. С Copilot работает отлично!
юни
:
Эмоционального интеллекта не существует. Либо эмоции, либо интеллект. Это разные вещи.
Дети, не получившие нормального эмоционального развития, потом тупые и безвольные по жизни. Эмоции запускают интеллект.
Sly32
:
Поэтому все это полезно в образовательных целях. На практике нужно учиться использовать LLMs и механизмы работы со своими данными.
Зачем? На вскидку без вникания в то, что вы выложили, это перебор с подсчетом частот. Можно прыгнуть, плюнуть, посчитать числа, найти дисперсию в научных данных. Но зачем? Человек, экономя свое время и ресурсы, вынужден выбирать правильное действие из множества бессмысленных и миллиона возможных. Какой ограничить на "бессмысленность действий" у ИИ?
plab
:
Но зачем?
Если ты до сих пор не понял, то для
plab
:
экономя свое время и ресурсы,
Но вот этот перл обьясняет все:
plab
:
На вскидку без вникания в то
Это догма твоего подхода ко всему. И очередная просьба - не засорять тему. Она для тех, кому интересно разобраться а не плюнуть. Продолжай мыть пол грязной тряпкой ручками.
plab
:
Эмоции запускают интеллект.
Развитие письма или мелкой моторики тоже работает на развитие соответствующих полей головного мозга. Тем не менее, интеллект отдельно, а эмоции отдельно. Те же аутисты вполне умны.
юни
:
Те же аутисты вполне умны.
Неумение управлять своими эмоциями не значит, что их нет. Там скорее всего нарушения в неком оценивающем-управляющем центре, а не в отсутствии эмоций.
Сейчас мода пошла всех интровертов записывать пусть не в аутисты, то в аспергера. По факту когда сдвиг очевидный, человек недееспособный, такие не всегда говорят. А накапливать информацию килотоннами без оценки много ума не надо. Это признак ограниченности.
Поддержка дееспособности, чтобы организм соответствовал своим целям и задачам, - миллиарды лет эволюции. Бессчетное количество мутаций-брака. На фоне их единицы имеющие смысл. Отбор.
Если аналогию проводить. ИИ-разработчики плодят кучу мутаций. Каких-то ИИ-программ. Случайных. Непонятно зачем. Просто потому что "могу-хочу-зациклило". Из них единицы будут востребованы и получат развитие.
не так давно проводилось исследование psypost.org/chatgpt-4-outperforms-human-psychologists-in-test-of-social-intelligence-study-finds/ где ChatGPT-4 соревновался с психологами в понимании и реагировании на человеческие эмоции. результат - ChatGPT-4 превзошел всех участвующих психологов. здесь конечно речь идет о языковых моделях LLM, но всеже я считал что машина не имея чувств распознает эмоции не качественно, на основе шаблонов.
sillybilly
:
ChatGPT-4 превзошел всех участвующих психологов
Так психологи - это типа птушников =)) Интересно было бы с психиатрами сравнивать, или с психотерапевтами =)
ziliboba0213
:
это типа птушников
к сожалению нет, там были студенты-саудиты, некоторые
PhD
Сегодня наконец-то дошли руки до Клауд и Copilot. Пописал код с помощью Cloud 3.5 Sonnet. Что сказать - Большой разницы с gpt-4o не вижу, примерно тоже самое, неплохо, но надо править.
А вот Copilot прям сходу облегчил написание кода. Неплохо понимает с чем работать, предлагает хорошие имена, сам код на уровне уверенного мидла.
Подключил его в VSCode/Pycharm, в основном использовал его для code completions, но и с поиском ошибок он неплохо помогал.
С кодами все понятно, тем более насколько я понимаю, существуют готовые библиотеки кодов.
Гпт может создавать общий план новой программы с основными блоками и способами их взаимодействия?
не хаос
:
С кодами все понятно,
Круто, а я чем больше разбираюсь, тем больше вопросов. Например вот уже неделю бьюсь с тем как составить векторные индексы корректно.
не хаос
:
насколько я понимаю, существуют готовые библиотеки кодов.
GPT генерирует ответы на основе имеющихся знаний, а не выдает готовые. Но да, использует готовык при генерации, а как иначе?
не хаос
:
Гпт может создавать общий план новой программы с основными блоками и способами их взаимодействия?
Конечно. Достаточно правильно спрашивать. Это называется Sequence Diagram - диаграмма последовательности. Но мне кажется, проще проверить это в ГПТ, чем спрашивать тут. Мне прекрасно рисует.
Sly32
:
Имея возможность пользоваться Pycharm Professional, я постепенно сьехал в VScode, который легче в разы а умеет все тоже самое. Уверен, что спроси я, почему ад - ты не ответишь.
Я сижу в Линуксе. Не имея пайчарм профешинал, мне в голову не придет сравнивать даже пайчарм коммунити с ВСкодом. Его можно сравнить только с Sublime Text, который легче, удобнее, с адекватными темами стилей и также настраивается руками под нужды как VScode. Так что я не понимаю, зачем нужен этот танк. Когда нужна удобная разработка на Питоне, то это однозначно PyCharm. Все остальное решает Sublime.
plab
:
Я сижу в Линуксе. Не имея пайчарм профешинал, мне в голову не придет сравнивать даже пайчарм коммунити с ВСкодом. Его можно сравнить только с Sublime Text, который легче, удобнее, с адекватными темами стилей и также настраивается руками под нужды как VScode. Так что я не понимаю, зачем нужен этот танк. Когда нужна удобная разработка на Питоне, то это однозначно PyCharm. Все остальное решает Sublime.
А я работаю в MacOs - тот же Линукс. То что ты не понимаешь - это не говорит о том что знаешь. Как я уже говорил - могу сравнивать. Sublime пробовал - ничего особенного. VScode полностью настраиваемый. Понятно, что с пайчармом мало что может сравниться, но он очень тяжелый. На данный момент я нашел все расширения, которыми в нем пользовался, для VSCode. Подсветка синтаксиса, дебаг, менеджеры баз данных, постман, гитхаб, тесты... Ну и плюс поддержка Copilot намного удобнее чем в пайчарме.
Сегодня даже прибалдел немного, когда начал писать диаграмму последовательности для сервиса, используя PLANT UML в VScode, что бы не забыть добавил комментарий типа
Create passage -> Vectorize in Sagemaker -> validate progress -> request to Opensearch...
А Copilot взял да и нарисовал мне готовую диаграмму! Я бы набрасывал ее минут 20, а он мне весь каркас сделал и теперь я могу сразу прорабатывать ее. Очень удобно!
Сейчас пока несколько дней не до кодов.
Оливье, селедка, пельмени в тренде.
Список самых цитируемых доменов dot AI второго уровня из общего списка первых ста тысяч самых цитируемых доменов. Для каждого домена номер места в общем списке доменов, приблизительный вес цитирования, имя домена, изменения номера места в общем списке доменов.
///
from 1 to 10 of 53 total @ basket # 0 for ^[-0-9a-z].ai$
= 9005 = 48096533.732438311 = devicetest.ai
LIFT 198 from # 1 previous month
LIFT 241 from # 2 previous month
= 11806 = 29147695.035620928 = protocol.ai
DROP 244 from # 1 previous month
DROP 431 from # 2 previous month
= 13331 = 24815809.825779311 = x.ai
LIFT 100179 from # 1 previous month
LIFT 98690 from # 2 previous month
= 13551 = 24167448.949575011 = prophesee.ai
DROP 283 from # 1 previous month
DROP 516 from # 2 previous month
= 13791 = 23840842.706101030 = cerebrumx.ai
DROP 267 from # 1 previous month
DROP 499 from # 2 previous month
= 14031 = 23263094.203758925 = automationhero.ai
DROP 247 from # 1 previous month
DROP 500 from # 2 previous month
= 14041 = 23236156.156501058 = nomagic.ai
DROP 254 from # 1 previous month
DROP 501 from # 2 previous month
= 14740 = 21534354.126870580 = coderabbit.ai
LIFT 3437 from # 1 previous month
LIFT 3133 from # 2 previous month
= 16037 = 19084536.825131156 = dm.ai
DROP 387 from # 1 previous month
DROP 658 from # 2 previous month
= 16054 = 19067546.426338214 = autonomic.ai
DROP 385 from # 1 previous month
DROP 637 from # 2 previous month
( TOP | PRIVACY ) 2025-01-04 / 09:30:35
from 11 to 20 of 53 total @ basket # 0 for ^[-0-9a-z].ai$
= 16057 = 19066387.414740179 = zama.ai
DROP 386 from # 1 previous month
DROP 635 from # 2 previous month
= 17132 = 16488647.700774577 = investmentmonitor.ai
DROP 247 from # 1 previous month
DROP 502 from # 2 previous month
= 17354 = 16227515.632834334 = mistral.ai
DROP 293 from # 1 previous month
DROP 565 from # 2 previous month
= 17438 = 16066296.331958538 = mozilla.ai
LIFT 11375 from # 1 previous month
LIFT 19799 from # 2 previous month
= 17447 = 16041386.591071771 = seamless.ai
DROP 344 from # 1 previous month
DROP 624 from # 2 previous month
= 17524 = 15871139.234739855 = claude.ai
DROP 314 from # 1 previous month
DROP 576 from # 2 previous month
= 21828 = 9652719.753244814 = kurrawong.ai
DROP 448 from # 1 previous month
DROP 848 from # 2 previous month
= 24679 = 7587319.968296950 = faros.ai
LIFT 944653 from # 1 previous month
LIFT 901815 from # 2 previous month
= 28207 = 6099952.279037805 = citymonitor.ai
DROP 525 from # 1 previous month
DROP 1165 from # 2 previous month
= 29975 = 5353889.779079180 = krisp.ai
DROP 589 from # 1 previous month
DROP 1228 from # 2 previous month
( TOP | PRIVACY ) 2025-01-04 / 10:50:22
from 21 to 30 of 53 total @ basket # 0 for ^[-0-9a-z].ai$
= 33801 = 4300131.521811209 = responsiblebiodesign.ai
DROP 773 from # 1 previous month
DROP 1537 from # 2 previous month
= 36760 = 3646292.793717621 = meta.ai
LIFT 36334 from # 1 previous month
LIFT 55157 from # 2 previous month
= 39113 = 3254718.343623505 = mindmatters.ai
DROP 890 from # 1 previous month
DROP 1791 from # 2 previous month
= 44565 = 2536205.886507187 = dubverse.ai
LIFT 23981 from # 1 previous month
LIFT 22095 from # 2 previous month
= 44660 = 2526412.548179675 = dubsync.ai
LIFT 24010 from # 1 previous month
LIFT 22226 from # 2 previous month
= 44764 = 2515696.956677312 = camb.ai
LIFT 29216 from # 1 previous month
LIFT 448050 from # 2 previous month
= 44802 = 2512102.357112987 = dubly.ai
LIFT 29208 from # 1 previous month
LIFT 448305 from # 2 previous month
= 45538 = 2445012.255618161 = otter.ai
DROP 1331 from # 1 previous month
DROP 2363 from # 2 previous month
= 46756 = 2312706.176661785 = scite.ai
DROP 947 from # 1 previous month
DROP 1832 from # 2 previous month
= 49573 = 2067627.443389375 = kanari.ai
DROP 1472 from # 1 previous month
DROP 2691 from # 2 previous month
( TOP | PRIVACY ) 2025-01-04 / 10:51:20
from 31 to 40 of 53 total @ basket # 0 for ^[-0-9a-z].ai$
= 49648 = 2060848.707771049 = aifuturelab.ai
DROP 1149 from # 1 previous month
LIFT 1229 from # 2 previous month
= 51019 = 1963142.944273601 = panta-rh.ai
DROP 1478 from # 1 previous month
LIFT 1081 from # 2 previous month
= 53818 = 1762740.462594263 = product.ai
DROP 1393 from # 1 previous month
DROP 2346 from # 2 previous month
= 56279 = 1636683.094568547 = idrnd.ai
LIFT 5445 from # 1 previous month
LIFT 12249 from # 2 previous month
= 58303 = 1528383.350873285 = wavecomp.ai
DROP 1686 from # 1 previous month
DROP 3030 from # 2 previous month
= 59736 = 1464520.847137569 = metaphysic.ai
DROP 1410 from # 1 previous month
DROP 2748 from # 2 previous month
= 60560 = 1431620.081659671 = txyz.ai
DROP 770 from # 1 previous month
DROP 1956 from # 2 previous month
= 61120 = 1410301.990908606 = excavating.ai
DROP 1747 from # 1 previous month
DROP 3269 from # 2 previous month
= 62855 = 1343157.042286038 = eleuther.ai
LIFT 10120 from # 1 previous month
LIFT 8512 from # 2 previous month
= 65642 = 1236765.673045223 = stability.ai
DROP 1586 from # 1 previous month
DROP 2845 from # 2 previous month
( TOP | PRIVACY ) 2025-01-04 / 10:52:00
from 41 to 50 of 53 total @ basket # 0 for ^[-0-9a-z].ai$
= 65708 = 1234320.928480852 = codinghero.ai
DROP 1853 from # 1 previous month
DROP 3507 from # 2 previous month
= 66627 = 1204253.629948488 = lablab.ai
DROP 1795 from # 1 previous month
LIFT 762248 from # 2 previous month
= 66912 = 1195384.038357227 = nansen.ai
DROP 1914 from # 1 previous month
DROP 3577 from # 2 previous month
= 69439 = 1124024.700883914 = dimensions.ai
DROP 1552 from # 1 previous month
DROP 2938 from # 2 previous month
= 72386 = 1055266.952096023 = d2l.ai
DROP 1962 from # 1 previous month
DROP 3803 from # 2 previous month
= 77578 = 943722.686857537 = momentive.ai
DROP 2451 from # 1 previous month
DROP 4386 from # 2 previous month
= 77898 = 937477.307045979 = plat.ai
DROP 2511 from # 1 previous month
DROP 4454 from # 2 previous month
= 78300 = 928180.170670314 = perplexity.ai
LIFT 3739 from # 1 previous month
LIFT 4779 from # 2 previous month
= 80229 = 900164.930354918 = gov.ai
DROP 1024 from # 1 previous month
DROP 3130 from # 2 previous month
= 80863 = 891226.853348413 = everguard.ai
DROP 3161 from # 1 previous month
DROP 5303 from # 2 previous month
( TOP | PRIVACY ) 2025-01-04 / 10:52:41
from 51 to 53 of 53 total @ basket # 0 for ^[-0-9a-z].ai$
= 82920 = 852712.049914728 = slim.ai
DROP 2660 from # 1 previous month
DROP 5533 from # 2 previous month
= 83676 = 839120.896321682 = artificialmind.ai
DROP 2727 from # 1 previous month
DROP 5527 from # 2 previous month
= 96528 = 681286.990102442 = mycroft.ai
DROP 4909 from # 1 previous month
DROP 7183 from # 2 previous month
( TOP | PRIVACY ) 2025-01-04 / 10:53:31
///
1