Data Secrets

Австралийские ученые изобрели биологический искусственный интеллект Из система называется PROTEUS (PROTein Evolution Using Selection). Это платформа для направленной эволюции молекул прямо внутри живых клеток млекопитающих. Направленная эволюция – это когда эволюционные процессы белков или генов искусственно ускоряют и "направляют", чтобы получить молекулы с нужными свойствами. За ее изобретение в 2018 году Фрэнсис Х. Арнольд дали Нобелевку. Но тогда метод работал только для бактерий или дрожжей, то есть для единичных простых белков. А PROTEUS – первый метод, который делает directed evolution для клеток млекопитающих. Кратко, как это работает: ➖ Специальные вирусоподобные частицы (VLV) заносят нужный ген в клетку и делают в нём случайные мутации, как будто перемешивают «параметры» белка. ➖ Если мутировавший белок работает лучше (например, активирует нужный сигнал сильнее), клетка даёт сигнал, и именно этот вариант распространяется дальше – как награда в Reinforcement Learning. ➖ Лучшие гены снова мутируют, снова проходят отбор. Все это похоже на эволюционный поиск гиперпараметров, но внутри живых клеток. Буквально живой аналог AutoML. Авторы сами говорят, что вдохновлялись именно алгоритмами ИИ. И кстати, это уже работает на хомячках. Скоро будут тестировать и на людях, но там нужна дополнительная работа с иммунитетом. Если такое заработает массово и стабильно – последствия могут быть революционными. Лекарства, выработка антител, синтетическая биология… В такое будущее даже хочется.

Смотрите: это Ян Лекун и Леон Ботту с тем самым Amiga 1000, на котором они в 80-х годах писали первые нейросети На втором фото – как раз дискета с SN-1, опять же, та самая из 80-х. SN расшифровывается как Simple Network. После SN-1 потом появилась SN2 и SN3, а потом это превратилось в опенсорс систему Lush, которая вышла в 2001. Lush был самым ранним тензорным движком с Lisp-интерфейсом. На основе него потом сделали Torch7, ну а затем из всего этого получился PyTorch. Вот такая история. А в 1987 Лекун также использовал эту Amiga, чтобы написать свою PhD-диссертацию. Не удивляйтесь, кстати, что на компьютер эта штука совсем не похожа. Это как бы «все в одном» корпус: внизу спрятана клавиатура, а остальная коробка – это системный блок. ОС загружалась с дискеты. На деле это был один из самых продвинутых ПК того времени. Фото из Твиттера (источник)

Как уменьшить расходы на КХД в 7 раз и не отстать от AI гонки? Нужно использовать КХД на архитектуре Lakehouse. 74% западных корпораций уже мигрировали на архитектуру Lakehouse, которая объединяет сильные стороны DWH и Data Lake, а также служит фундаментом для быстрого внедрения AI-инициатив. Протестируйте VK Data Lakehouse — КХД нового поколения для уменьшения стоимости хранения данных и ускорения аналитики до 10 раз. → Дешевое хранение данных в S3-хранилище. Стоимость хранения 1 ГБ с репликацией в облаке уменьшается в 10 раз — с 30 до 3 рублей по сравнению с DWH. → Транзакционность для данных в S3-хранилище. Табличный формат поверх S3 обеспечивает ACID и полноценную работу в сценариях DWH. → Ускорение аналитики. MPP SQL-движок для параллельной работы с данными из разных источников без тяжелого ETL. → Уменьшение расходов за счет разделения compute и storage. Платите только за то, что используете. Нет затрат на простаивающие ресурсы. → Линейный рост затрат вместо экспоненциального при масштабировании. → Не нужно содержать отдельные команды под DWH и Data Lake. → Универсальное решение для работы с любым объемом данных. От гигабайт до сотен петабайт. Без сложного масштабирования и миграций. → Работа с ML становится быстрее без рисков уронить DWH. DS команда может экспериментировать с ad hoc запросами без опаски уронить DWH и BI. Чтобы получить до 150 000 бонусных рублей для тестирования VK Data Lakehouse в VK Cloud с поддержкой архитекторов: 👉Оставляйте заявку Будем рядом на всех этапах пилота и поможем довести MVP до результата.

Ничего необычного, просто у свежего техрепорта Gemini 2.5 3295 авторов на ArXiv 😎 Да, 3295, Карл: arxiv.org/abs/2507.06261 Два года назад, кстати, когда выходил первый техрепорт Gemini, их было примерно 1000

Kimi-K2 – новая звездная китайская модель, рвущая бенчмарки. Главное: ➖ Модель открытая и в ней 1 триллион параметров. Не пугайтесь: это MoE и активных из них всего 32В. Архитектура похожа на DeepSeek V3, в этом разработчики сами признаются в блогпосте. Выложили и Base, и Instruct. ➖ Не ризонинг, но с отличными агентскими способностями. Обучение использованию инструментов добавляли прямо в пайплайн с помощью интересного конвейера: в разных доменах стимулируются сотни сред с синтетическими и реальными инструментами, и агент учится в них действовать. Ну и, конечно, шлифуется все RL. ➖ Модель – SOTA в кодинге среди не-ризонинг моделей. Обходит даже GPT-4.1, Gemini 2.5 Flash и Sonnet 4 без thinking. Ну и цена на API, ожидаемо, в несколько раз ниже. В очередной раз респектуем китайскому опенсорсу и ждем ризонинг-версию Веса | Блогпост | Репа | Попробовать модель

У Маска снова какие-то финансовые махинации: SpaceX вложит 2 миллиарда в xAI Эти деньги станут большой частью раунда финансирования в 5 миллиардов, о которых xAI и Morgan Stanley объявили в прошлом месяце. И, к слову, это одна из крупнейших инвестиций SpaceX на сегодняшний день.

В эфире рубрика «невыдуманные истории» У McDonald’s есть занятный проект: они внедрили в свою систему найма чат-бота под названием McHire, который общается с кандидатами и закрывает какую-то HR-рутину. Например, проводит личностные тесты, задает вопросы про желаемый график работы и собирает персональную информацию. При этом этого чат-бота они делали не сами, а заказали на аутсорсе у стартапа Paradox.ai. Это проект под ключ, всем мониторингом тоже занимаются инженеры из Парадокса. Так вот на днях этим чат-ботом заинтересовались (блогпост) энтузиасты Иэн Кэрролл и Сэм Карри – белые хакеры. По их словам, им потребовалось пара часов, чтобы выяснить, что из системы буквально в две кнопки можно выкачать всю персональную информацию 64 миллионов кандидатов, включая домашний адрес, личный номер, емейл и историю разговоров в чат-ботом. Дело было в том, что… пароль и логин от админской учетки стоял такой: 123456 😆 Плюсом дыра во внутреннем API и как итог – каждый желающий мог получить личные данные миллионов людей. Сейчас, правда, этот аттракцион невиданной щедрости уже прикрыли. Paradox.ai написали, что все исправили. Сам McDonald’s ситуацию не комментировал. ИИ-рисерчеры в стартапах: упарываются по элайменту и всеми силами стараются сделать модели безопасными Тем временем кибербезопасники в стартапах:

Паша Дуров ерунды не посоветует:

«Если вы студент и выбираете, на чём сосредоточиться, выберите МАТЕМАТИКУ. Она научит вас полностью полагаться на собственный интеллект, мыслить логически, анализировать задачи и решать их шаг за шагом в правильной последовательности. Это ключевой навык, который понадобится вам для создания компаний и управления проектами»

https://t.me/durov/435

Открытая модель от OpenAI должна была выйти на следующей неделе, но Альтман решил продлить тестирование безопасности Да-да, вы не ослышались: OpenAI откладывает запуск продукта из-за безопасности. Обычно журналисты и бывшие сотрудники только и делают, что жалуются на дыры в элайменте и ускоренный выпуск моделей без надлежащего тестирования, а тут – такое.

Нам нужно время для проведения дополнительных испытаний на безопасность и проверки зон повышенного риска. Мы пока не знаем, сколько времени это займет. Мы верим, что сообщество сможет добиться больших успехов с помощью этой модели, но как только веса будут выложены, их уже нельзя будет изменить. Для нас это что-то новое, и мы хотим сделать все правильно.

Про что-то новое – это точно 😬

OpenAI профукали сделку с Windsurf, но Google оказался тут как тут Обо всем по порядку: ➖ Слухи о том, что OpenAI покупает вайб-кодинг стартап Windsurf, ходили еще с апреля, но сделку все никак не закрывали: скорее всего, из-за сложностей с Microsoft (подробно). За это время Windsurf даже успели поплатиться за то, что ведут дела с Альтманом – Anthropic отрубили им доступ к своим моделям, чтобы те не достались OpenAI. ➖ Сегодня стало известно, что время OpenAI ушло. Срок действия эксклюзивного предложения на покупку истек, и теперь Windsurf может свободно рассматривать другие офферы. ➖ Ну и долго ждать не пришлось, 2025 год все-таки. Google DeepMind тут же пришли и схантили CEO Варуна Мохана, ко-фаундера Дугласа Чена и многих ведущих рисерчеров стартапа. ➖ При этом Google даже близко не поглощает стартап. Они не выкупают долю в компании, а просто нанимают топовых специалистов и оформляют лицензию на некоторые продукты. Это называется reverse-acquihire, то есть обратное поглощение. У Google это уже не первая такая сделка, да и другие компании сейчас все чаще проворачивают подобное. ➖ Все это, кстати, обошлось Google дешевле, чем заплатили бы OpenAI: они откинули 2.4 миллиарда против 3, на которые Windsurf договаривались с Сэмом. В итоге OpenAI остались ни с чем, а у Google – куча новых ценных сотрудников и лицензия на хороший продукт. Надо было быстрее думать, Сэм…

Сколько платит Google своим инженерам? Это, конечно, не стартапы, поэтому средняя зарплата инженера чуть ниже и достигает 340 000$. Если смотреть более детальнее, то для специалистов из DS зарплатные предложения варьируются в следующих диапазонах: ⭐ Data Engineer: от 111 000$ до 175 000$ ⭐ Data Scientist: от 133 000$ до 260 000$ ⭐ Research Scientist: от 155 000$ до 303 000$ В последние месяцы Google не спешит вводить агрессивную политику в отношении найма сотрудников, чего не скажешь о ближайших конкурентах 😐 Любопытно, что пока конкуренты ведут политику пряника, предлагая высокие зарплаты и премии, Google, наоборот, используют кнут: призывают работать больше, урезают зарплаты или вовсе не дают трудоустроиться после увольнения.

Курс с углублённым изучением профессии аналитика данных. Станьте незаменимым специалистом на рынке труда с курсом от Нетологии. Преподаватели курса — эксперты из крупных компаний: Сбера, Яндекса, Gett, Работы.ру и других. Вы изучите: - продвинутые инструменты — A/B-тестирование, аналитику больших данных, SQL и Python; - современные российские BI-решения — AW BI и DataLens; - нейросети, которые можно использовать при анализе. А ещё все студенты получат доступ к профессиональному комьюнити с еженедельными офлайн и онлайн-митапами. На них разбираем актуальные инструменты и делимся опытом. До конца июля на курс действует сразу 2 скидки: летняя — 40%, и дополнительная — 10 000 рублей по промокоду DATA10. ➡️ Посмотреть программу курса Реклама. ООО "Нетология". ИНН 7726464125 Erid 2VSb5y6vPL4

Мем: в вопросах политики и мировоззрения Grok-4 пользуется твитами Маска, как референсом Твиттер прямо сейчас заполнен примерами того, как перед ответом модель шерстит посты миллиардера и пытается подстроить свой ответ под них. 😐😐😐

Grok-4 теперь еще и топ-1 на ARC-AGI и ARC-AGI-2 Вот что пишет про это сама команда ARC-AGI:

«Вчера нам позвонили из xAI и сказали, что они хотят протестировать Grok-4. Мы слышали слухи, что он хорош, но не знали, что он будет #1 на ARC-AGI. Сначала факты: Grok-4 теперь является самой сильной публично доступной моделью на ARC-AGI 1/2. Он даже превосходит специализированные решения с Kaggle. ARC-AGI-2 создан специально для современных моделей. Чтобы получить хорошие результаты, модели должны освоить мини-навык на серии обучающих примеров, а затем продемонстрировать его во время тестирования. Предыдущий максимальный результат был около 8% (Opus 4). Но все, что ниже 10% – это просто шум. Grok 4 демонстрирует результат 15.9%, преодолевая этот шумный барьер и демострируя настоящий ненулевой уровень гибкого интеллекта»

Результат действительно красивый. Особенно учитывая, что по стоимости Grok-4 остается на нормальном уровне Claude Opus.

Google продолжают экспериментировать к архитектурами: они выпустили T5Gemma Большинство современных LM – это decoder-only трансформеры. А T5, напротив, – полноценная encoder-decoder архитектура. Причем обучали ее не с нуля, а с помощью уже предобученной Gemma-2, которая как раз decoder-only. Веса сначала просто инициализировали с помощью Gemma-2, а затем адаптировали методом UL2. Интересна архитектура тем, что можно гибко подбирать размер модели. Взял энкодер на 9В и декодер на 2В – получил модель побольше, поменял энкодер – и сделал ее поменьше. Так же можно регулировать баланс между метриками и тяжеловесностью (см таблицу 2 и 3). Перформит на достойном уровне. Веса доступны тут, а вот блогпост

А тем временем другой ИИ-браузер – Comet от Perplexity – вышел уже сегодня Это первый за три года принципиально новый продукт от Perplexity. Выглядит как обычный браузер, но добавляется окошко чат-бота. По черрипикам тестеров из X выглядит интересно: агента даже можно залогинить в ваши учетки и он сможет автономно (реально автономно, а не как Operator) выполнять какие-то действия от вашего имени. Comet уже доступен для юзеров подписки Max (200 долларов). Вряд ли кто-то пользуется этим тарифом, поэтому ждем, когда раскатят с лимитами на обычную и бесплатную подписки.

OpenAI близки к тому, чтобы запустить собственный браузер The Reuters пишут, что это случится уже на следующей неделе. Это будет полноценный конкурент Google Chrome, но (естественно!) на базе ИИ – в частности, агентов и чат-бота. По классике, обещают, что «продукт изменит то, как люди пользуются поиском в браузере». Как бы там ни было, это значит одно: у OpenAI будет еще больше данных.

⚡️ Grok-4 вышел! Стрим задержали на час, но теперь наконец-то показывают какие-то бенчмарки. Основное: 50.7% на Humanity’s Last Exam на максимальном компьюте ризонинга. Для сравнения, предыдущий лидер – Gemini 2.5 Pro – выбивала примерно 22%. Без использования инструментов результат немного падает – около 25%. Говорят, tool use интегрировали прямо в обучение и теперь Grok исключительно хорошо умеет пользоваться браузером, интерпретатором кода и пр.

Акции Nvidia снова подскочили и теперь это первая компания в истории, пробившая капитализацию в 4 миллиарда долларов И это, кстати, несмотря даже на все ограничения экспорта в Китай. * Для сравнения, Apple стоит 3 триллиона, а ВВП Великобритании – 3.3 триллиона. Где-то один Дженсен Хуанг свитает, сколько кожанок можно купить на 4 триллиона 🔵

Вы гляньте, какая прелесть: HuggingFace только что открыли продажи на этого малыша Его зовут Reachy Mini, и он опенсорсный. Разработали его буквально за пару месяцев совместно со стартапом Pollen Robotics, который HF купили в апреле. Reachy может видеть, слышать и говорить. Цена на него начинается от 299 долларов, это в несколько дешевле айфона. И самое прекрасное – робота можно полностью программировать на Python: подключать любые модели с HF или собрать датасет и обучить его чему-то своему. Код открытый, так что придумывать можно вообще все, что хочешь. Нам такого надо