Kaukės

 "Medvilninė kaukė suteikia daug mažiau apsaugos, nei chirurginė kaukė. Jei rasite tik audinio kaukę, nusipirkite storą. Prigludusios kaukės, pagamintos iš medvilnės ir poliesterio mišinių, paprastai suteikia daugiau apsaugos. Bet net ir labai gera audinio kaukė gali apsaugoti tik apie 30% nuo gaunamo viruso kiekio; o šalikas ar juostelė, 10% ar mažiau. 

Chirurginė kaukė galėtų suteikti jums geresnę apsaugą, maždaug 60%. Bet čia vėl svarbu kokybė. Daugelis „Amazon“ parduodamų kaukių, kurios sako, kad skirtos dulkėms ir alergenams, nėra chirurginės kaukės, nors jos atrodo, kaip mėlynos kaukės, kurias nešioja slaugytojai ir gydytojai. Tikra medicininių procedūrų kaukė bus patvirtinta JAV Maisto ir vaistų administracijos ir paskirta, kaip siūlanti vieną iš trijų apsaugos lygių. Paprastai geriausia yra 2 ar 3 lygio medicininė kaukė. 

N95 ar lygiavertė kaukė suteikia geriausią apsaugą ir, tinkamai ją naudojant, išfiltruos mažiausiai 95% infekcinių dalelių. Internetiniai šaltiniai gali padėti jums pritaikyti kaukę. Kinijoje lygiavertė kaukė yra KN95, o Europoje - FFP2. JAV Maisto ir vaistų administracija leido skubiai naudoti daugybę KN95 ir FFP2 kaukių, kurios buvo išbandytos, kad įrodytų, jog jos siūlo panašią apsaugą, kaip N95 kaukės. Šios parinktys yra išvardytos JAV Maisto ir vaistų administracijos svetainėje. Kaukes taip pat gali įvertinti JAV Nacionalinis darbuotojų saugos ir sveikatos institutas, Ligų kontrolės ir prevencijos centrų dalis, kuri sertifikuoja pramonines kaukes. Patikrinkite, ar jūsų kaukė yra įtraukta į jų duomenų bazę. Daugelis produktų teigia esą lygiaverčiai N95, tačiau nebuvo išbandyti ir gali būti klastotės. Geresnės kokybės kaukės gali būti brangios - galbūt 5 JAV doleriai už vieną N95 kaukę. Tačiau turint keletą prieinamų rizikos vietose, tokiose,  kaip maisto prekių parduotuvė, galima žymiai sumažinti perdavimo riziką. JAV Tėvynės saugumo departamentas internete paskelbė N95 kaukių dezinfekavimo ir pakartotinio naudojimo instrukcijas, kurios gali prailginti jų gyvenimą." [1]

Svarbiausia taisyklė - nepersistengti dezinfekuojant, nes jei viruso dalelės ir užstrigo filtre, tai ten jos yra nepavojingos, greitai pačios nusibaigs ir, būdamos labai mažos, nė kiek nepakenks filtro funkcijai.

1. Some Masks Will Protect You Better Than Others
Gottlieb, Scott. Wall Street Journal, Eastern edition; New York, N.Y. [New York, N.Y]23 Nov 2020: A.17.

„OpenAI“ dirbtinio intelekto sistema GPT- 3 gali išstumti iš darbo rinkos daug programuotojų

  "Jordanas Singeris yra„ Silicio slėnio “mobiliųjų mokėjimų bendrovės„ Square “produktų dizaineris. Jis padeda kurti šiai įmonei išmaniųjų telefonų programas, kurti grafiką, meniu, mygtukus ir kitus valdiklius, kurie apibrėžia programos išvaizdą ir naudojimo pojūtį. Kai jis išgirdo apie GPT- 3, jis domėjosi, ar ši automatizuota sistema galėtų atlikti jo darbą. Jis pateikė sistemai paprastą išmaniųjų telefonų programos aprašymą ir kompiuterio kodą, reikalingą programai sukurti. Aprašymas buvo pateiktas paprasta anglų kalba. Kodas buvo sukurtas „Figma“ viduje - specializuotame dizaino įrankyje, kurį naudoja profesionalai, tokie kaip p. Singeris. Jis tai dar padarė kelis kartus, kartu su atitinkamu Figma kodu pateikdamas sistemai dar kelis aprašymus anglų kalba. Kai jis baigė, GPT-3 galėjo pati parašyti tokį kodą. Jei jis aprašė paprastą programą, skirtą nuotraukoms skelbti, kuri atrodytų taip, kaip programa, kurią vartotojas turėtų naudoti „Instagram“, sistema GPT- 3  sugeneravo kodą, reikalingą šiai programai sukurti. Šis kodas kartais būdavo ydingas. Bet paprastai, jei p. Singeris padarydavo tik pataisymą ar du, tai programa veikė taip, kaip jis norėjo. "Tai nėra visiškai tobula", - sakė jis. - Bet tai labai, labai arti. 

Toks elgesys yra visiškai naujas ir nustebina net GPT-3 dizainerius. Jie nebuvo sukūrę GPT-3, kad sugeneruotų kompiuterio kodą, lygiai taip pat, kaip jie nebuvo sukūrę, kad galėtų rašyti, kaip ponas Kaufmanas, generuoti tvytus ar versti kalbas. 

Jie pastatė sistemai daryti tik viena: numatyti kitą žodį žodžių sekoje. 

GPT-3 analizavo beprecedentę masyvią skaitmeninę prozą ir kelis mėnesius praleido ieškodamas pavyzdžių, objektu buvo didžiulis kiekis internete paskelbto teksto. Tokiu būdu ji išmoko numatyti kitą žodį iš eilės. Jei įvesite kelis žodžius į GPT-3, ji tęs ir užbaigs jūsų mintį ištisomis teksto pastraipomis. Bet GPT-3 gali padaryti tai, ko negalėjo ankstesni modeliai, pavyzdžiui, parašyti savo kompiuterio kodą. 

Turbūt dar svarbiau, kad ją galite paruošti konkrečioms užduotims atlikti, naudodamiesi tik keliais pavyzdžiais, o ne tūkstančiais pavyzdžių ir kelių valandų papildomų mokymų, kurių reikalauja jos pirmtakai. Tyrėjai tai vadina „kelių kadrų mokymusi“ ir mano, kad GPT-3 yra pirmasis tikras pavyzdys to, kas gali būti naujas galingas reiškinys. "Tai rodo gebėjimą, kurio niekas nemanė esant įmanomu", - sakė Ilja Sutskever, „OpenAI“ vyriausiasis mokslininkas ir pagrindinė figūra dirbtinio intelekto technologijų populiarėjimo srityje per pastarąjį dešimtmetį. „Bet kuris pasaulietis gali pasinaudoti šiuo modeliu ir pateikti šiuos pavyzdžius maždaug per penkias minutes ir pasinaudoti tokiu naudingu elgesiu“. 

Tačiau toliau tobulinti šią technologiją toli gražu nėra trivialu. Norint naudoti visus šiuos interneto duomenis, reikalingas specializuotas superkompiuteris, kuris veikia mėnesius, tai yra nepaprastai brangu. Paklaustas, ar toks projektas kainavo milijonus dolerių, „OpenAI“ generalinis direktorius Samas Altmanas teigė, kad išlaidos iš tikrųjų yra „didesnės“ ir siekia dešimtis milijonų “. 

Aišku, kaip ši sistema dirba dabar, ji gali pakeisti tik juodadarbius programuotojus, kuriančius pirmąjį reikalingos programos variantą.

OpenAI’s artificial intelligence system GPT- 3 can write code

"Jordan Singer is a product designer at Square, the Silicon Valley mobile-payments company. He helps design the company’s smartphone apps, building the graphics, menus, buttons and other widgets that define an app’s look and feel. When he heard about GPT-3, he wondered if this automated system could do his job.

He fed the system a simple description of a smartphone app, and the computer code needed to create the app. The description was in plain English. The code was built inside Figma, a specialized design tool used by professionals like Mr. Singer.

He did this a few more times, feeding the system several more English-language descriptions alongside the matching Figma code. And when he was done, GPT-3 could write such code on its own.

If he described a simple app for posting and viewing photos as a user would on Instagram, the system generated the code needed to build it. This code was sometimes flawed. But typically, if Mr. Singer made just a tweak or two, it worked as he wanted. “It’s not absolutely perfect,” he said. “But it is very, very close.”

This behavior was entirely new, and it surprised even the designers of GPT-3. They had not built GPT-3 to generate computer code, just as they had not built it to write like Mr. Kaufman or generate tweets or translate languages. They had built it to do just one thing: predict the next word in a sequence of words.

GPT-3 analyzed digital prose on an unprecedented scale, spending months looking for patterns in huge amounts of text posted to the internet. In this way, it learned to predict the next word in a sequence. If you type a few words into GPT-3, it will keep going, completing your thought with entire paragraphs of text.

But GPT-3 can do things that previous models could not, like write its own computer code. And, perhaps more important, you can prime it for specific tasks using just a few examples, as opposed to the thousands of examples and several hours of additional training required by its predecessors. Researchers call this “few-shot learning,” and they believe GPT-3 is the first real example of what could be a powerful phenomenon.

“It exhibits a capability that no one thought possible,” said Ilya Sutskever, OpenAI’s chief scientist and a key figure in the rise of artificial intelligence technologies over the past decade. “Any layperson can take this model and provide these examples in about five minutes and get useful behavior out of it.”

But continuing to improve this technology is far from trivial. Processing all of that internet data requires a specialized supercomputer running for months on end, an undertaking that is enormously expensive. When asked if such a project ran into the millions of dollars, Sam Altman, OpenAI’s chief executive, said the costs were actually “higher,” running into the tens of millions."