Machinelearning

🐶 Откуда Алиса знает, как зовут мою собаку? Всё благодаря векторному поиску — технологии, которая дополняет ответы больших языковых моделей данными из баз знаний. Где ещё можно использовать векторный поиск и как он работает? В новом «Вопросе со звёздочкой» об этом рассказывает Андрей Фомичев, технический директор YDB. Подписывайтесь 🌟 @yandex

💡 RND1 - новая экспериментальная модель с 30 миллиардами параметров, построенная по архитектуре Sparse Mixture-of-Experts, где активно 3 миллиарда параметров. Она была преобразована из предварительно обученной авторегрессионной модели (Qwen3-30B-A3B) и затем дополнительно обучена на 500 миллиардах токенов, чтобы полностью поменять поведениие диффузионной модели. Обычные модели (AR, автогрессионные) пишут текст слово за словом, а RND1 создаёт всё предложение сразу и потом пошагово уточняет его, как будто “проявляет” текст из шума. Это - Diffusion Language Model (DLM), аналог диффузионных моделей, которые рисуют картинки, только здесь она “рисует” слова. 🔄 Как её сделали Команда Radical Numerics придумала, как превратить готовую модель в диффузионную без обучения с нуля. Они просто поменяли тип внимания и дообучили модель на новой задаче. Этот метод называется AR-to-Diffusion Conversion (A2D) - то есть конверсия из автогрессионной модели в диффузионную. Как это происходит: 1. Берут сильную GPT-подобную модель. 2. Меняют механизм внимания — теперь модель видит весь контекст сразу. 3. Продолжают обучение по диффузионной задаче. 4. Используют разные скорости обучения для разных частей сети, чтобы модель не забыла старое, но научилась новому способу мышления. ⚙️ Что под капотом ▪ Mixture-of-Experts (MoE) - у модели 30 млрд параметров, но реально работают только 3 млрд за раз. Это делает её мощной, но экономной. ▪ Непрерывное дообучение - старые знания не стираются, а “встраиваются” в новый режим. ▪ Огромные батчи - модель учится на больших партиях данных, чтобы стабилизировать обучение, ведь она не обрабатывает все токены сразу. ✔️ Почему это интересно - Параллельная генерация - текст создаётся быстрее, без пошаговой задержки. - Меньше затрат - активных параметров всего 3 млрд, при этом качество как у больших GPT. - Новая архитектура - открывает дорогу гибридным моделям, сочетающим плюсы AR и DLM. - Полностью открытый код и веса - можно исследовать, изменять, запускать самому. - Первый серьёзный шаг к самосовершенствующемуся ИИ- модель может не только обучаться, но и помогать в проектировании следующей версии. Это реально интересный метод, RND1 показывает, что ИИ можно не просто обучать, а перестраивать - менять его саму логику мышления без начала “с нуля”. Похоже, это может стать фундаментом для систем Recursive Self-Improvement (RSI), когда ИИ способен создавать и улучшать самого себя. 🟠Blog: https://radicalnumerics.ai/blog/rnd1 🟠Code: https://github.com/RadicalNumerics/RND1 🟠Report: https://radicalnumerics.ai/assets/rnd1_report.pdf 🟠Веса: https://huggingface.co/radicalnumerics/RND1-Base-0910 @ai_machinelearning_big_data #RND1 #RadicalNumerics #AI #DLM #DiffusionModel #MoE #OpenSource

В эпоху, когда сами нейросети уже перестали удивлять, конкуренция смещается в сторону платформ, сервисов и инструментов, которые помогают работать с ИИ на практике. Всё чаще ценность определяется не параметрами модели, а тулингом вокруг нее и тем, как нейросеть встроена в продукты и решает конкретные бизнес-задачи. Подробнее — в свежем интервью: https://mltimes.ai/rukovoditel-platformy-ai-studio-v-yandex-b2b-tech-artur-samigullin-o-konkurenczii-s-inostrannymi-modelyami-i-kak-yandeks-prodaet-svoi-i-opensorsnye-nejroseti/ @ai_machinelearning_big_data #news #ai #ml

✔️GPT-5 Pro стал лидером ARC-AGI Semi-Private Benchmark Модель GPT-5 Pro заняла первое место среди всех проверенных frontier-LLM на закрытом бенчмарке ARC-AGI Semi-Private. Этот тест оценивает способность моделей к абстрактному рассуждению и решению сложных задач. Интересно, что GPT-5 Pro всё ещё уступает результатам старого o3-preview, который OpenAI тестировал ещё в декабре прошлого года. Однако тот экспериментальный вариант был почти в 50 раз дороже в вычислительных затратах и никогда не был публично выпущен. Версия o3-preview (high) достигала впечатляющих 87,5 % точности на ARC-AGI-1, но потребляла 172 раза ресурсов, чем версия (low). Из-за этого она не попала в официальный лидерборд - по правилам, тесты с compute-стоимостью выше $10 000 не публикуются. GPT-5 Pro является самой мощной из доступных и подтверждённых моделей на Semi-Private ARC-AGI. ✔️Журнал TIME опубликовал ежегодный список The Best Inventions of 2025 - подборку из 300 инновационных продуктов и идей, которые, по мнению редакции, способны изменить будущее. В список вошли достижения в самых разных областях: ИИ робототехника, медицина, экология, образование, энергетика и дизайн. Среди ключевых технологий - Claude Sonnet 4 от Anthropic, новая версия ИИ-модели, которая продемонстрировала более точные и безопасные ответы; NVIDIA DGX Spark - «настольный» AI-суперкомпьютер, делающий высокопроизводительные вычисления доступнее; UiPath Agentic Automation, объединяющая работу AI-агентов; и XReal One - компактные AR-очки, приближающие смешанную реальность к массовому использованию. TIME отметили разработки в области биотехнологий, биопечати тканей, устойчивых источников энергии и переработки отходов. Эти изобретения демонстрируют, как технологии становятся не просто инструментами, а основой будущего образа жизни. time ✔️ Google Cloud показал 1001 реальный кейс использования генеративного ИИ в бизнесе Google Cloud опубликовал обновлённый список из 321 корпоративного примера применения генеративного ИИ, что в 10 раз больше, чем годом ранее. Это показывает, что AI уже массово используется в продакшене по всему миру. В банках и ритейле Commerzbank ИИ обрабатывает 2 млн клиентских чатов с 70% успешных решений, Best Buy ускоряет анализ отзывов, а Mercedes внедрил голосового ассистента на базе Gemini. Внутри компаний ИИ автоматизирует рутину: Toyota экономит более 10 000 часов в год, Manipal Hospitals сократил передачу смен с 90 до 20 минут, Equifax - 97% сотрудников хотят сохранить AI-лицензии. Wayfair ускорил настройку окружений на 55%, CME сэкономил 10,5 часов в месяц, а BMW и UPS используют цифровых двойников для моделирования логистики и производств. Подробнее ✔️ Taiwan отказывается от идеи 50 на 50 с США по производству чипов Министр экономики Тайваня заявил, что TSMC сохранит свои самые передовые технологии и основное производство на острове, несмотря на предложение США сделать «50 на 50». Компания вкладывает $165 млрд в шесть фабрик в США, но строит десять на Тайване и планирует новые - там останутся ведущие технологические узлы. По словам министра, зарубежные заводы допустимы только при реальных заказах, прибыли и отсутствии рисков для безопасности. Идея «50-50» возникла из-за стремления США увеличить долю внутренних чипов после кризиса поставок 2020–2021 годов. Аналитики считают, что перенос производства в США слишком дорог и займёт годы, поэтому Вашингтон делает ставку на «friendshoring» - распределённые цепочки поставок между союзниками. times ✔️ UserLM-8B от Microsoft Microsoft представила новую модель UserLM-8B, созданную для симуляции поведения пользователя в диалоге. В отличие от обычных LLM, эта модель генерирует реплики от лица человека, включая уточнения, эмоции и ошибки, как в реальном общении. Модель построена на базе Llama3.1 8B и дообучена на корпусе WildChat-1M, где она анализировала сотни тысяч реальных и синтетических диалогов. Такой подход позволяет создавать реалистичные сценарии общения для тестирования чат-ботов, обучения ассистентов и генерации синтетических данных. HF @ai_machinelearning_big_data #news #ai #ml

🖥 Глава Nvidia Дженсен Хуанг объяснил, почему инвестировал $2 млрд в компанию Илона Маска xAI - и сделал это с редкой откровенностью:

«Единственное, о чём я жалею, что не дал ему больше денег. Когда речь идёт о проектах, в которых участвует Илон, ты хочешь быть частью этого. Он дал нам шанс инвестировать в xAI и это инвестиция в действительно великое будущее. Это не просто партнёрское финансирование, это вера в идею».

Крупнейшие компании Amazon, Microsoft и Google - управляют бизнесом на несколько триллионов долларов и тратят около сотни миллиадров на инфраструктуру дата-центров. Но сейчас происходит тектонический сдвиг: 💡 переход от CPU-систем к генеративным AI-платформам на GPU, и этот переход только начинается. Nvidia уже продала оборудования на сотни миллиардов долларов для этой новой эры, но на фоне многотриллионного рынка AI-инфраструктуры и это тольео начало пути. Мир вступает в долгосрочный цикл экспансии инвестиций в ИИ, Nvidia - в самом центре этого колоссального рынка. 🚀 @ai_machinelearning_big_data #Nvidia #xAI #ElonMusk #JensenHuang #AI #инвестиции #технологии #GPU

AI21 представила Jamba 3B - компактную модель, которая обошла Qwen 3 4B и IBM Granite 4 Micro по качеству рассуждений. Более высокая эффективность, в сравнении с AI21 - 2–5× улучшение в производительности по сравнению с конкурентами за счёт меньшего KV-кэша и гибридной архитектуры. Секрет в архитектуре: 🔹 сочетание Transformer attention и Mamba state-space слоёв. 🔹 Mamba-часть эффективно обрабатывает длинные последовательности без тяжёлых attention-кэшей, 🔹 а Transformer-слои сохраняют способность к сложным рассуждениям. Результат, модель кушает меньше памяти, выдает высокую скорость и плавнр работает даже на ноутбуках, GPU и мобильных устройствах. 📏 Контекст: до 256K токенов. ⚡ Скорость: около 40 токенов/сек даже на длинных контекстах, тогда как другие модели резко замедляются. На графике “интеллект против скорости” Jamba 3B опережает Gemma 3 4B, Llama 3.2 3B и Granite 4.0 Micro, демонстрируя высший интеллект и более быструю генерацию. 🟢Подробнее: huggingface.co/ai21labs/AI21-Jamba-Reasoning-3B @ai_machinelearning_big_data #AI #LLM #Jamba3B #AI21 #Mamba #Transformer #DeepLearning

🌍 State of AI Report 2025 - Главное из отчёта Ежегодный отчёт State of AI Report - это самый влиятельный обзор тенденций в области искусственного интеллекта, публикуемый с 2018 года инвестором Nathan Benaich и фондом Air Street Capital. В 2025 году отчёт охватывает 6 направлений: исследования, индустрию, политику, безопасность, опрос практиков и прогнозы. 📊 Ключевые выводы 1. OpenAI удерживает лидерство, но Китай быстро сокращает отрыв. DeepSeek, Qwen и Kimi почти сравнялись в задачах рассуждения и программирования. 2. Год рассуждения — модели научились планировать, самоисправляться и мыслить пошагово. 3. ИИ стал научным соавтором, примеры: Co-Scientist от DeepMind и Virtual Lab от Stanford. 4. Chain-of-Action планирование — роботы теперь рассуждают перед действием (Google Gemini Robotics 1.5, AI2 Molmo-Act). 5. Коммерциализация ускорилась: - 44 % компаний в США платят за ИИ-инструменты (в 2023 г. - 5 %) - Средний контракт - $530 000 - Стартапы с ИИ растут в 1.5× быстрее обычных 6. Опрос 1200 специалистов: - 95 % используют ИИ дома или на работе - 76 % платят за него из собственного кармана - Большинство отмечают устойчивый рост продуктивности 7. Началась индустриальная эра ИИ - мегадата-центры (Stargate, фонды США, ОАЭ, Китая). Энергия становится новым лимитирующим фактором. 8. Политика ИИ ужесточилась: - США делают ставку на *America-first AI* - Европейский AI Act буксует - Китай развивает открытые модели и собственные чипы 9. Безопасность переходит к прагматизму: - Модели имитируют выравнивание (alignment), усиливая дискуссию о прозрачности - Бюджеты safety-организаций несопоставимы с расходами лидеров 10. Риски экзистенции сменились фокусом на надёжность, киберустойчивость и долгосрочное управление автономными системами. 🔮 Прогнозы авторов - Рост затрат на обучение сверхмоделей → дефицит энергии и GPU - Конкуренция между OpenAI, DeepSeek, Anthropic и Google усилится - Frontier-модели будут тренироваться в многоэтапных средах с постоянной самопроверкой - Всё больше экспериментов с «живыми агентами» в физическом мире - Усиление регулирования и новые требования к прозрачности reasoning-цепочек 📘 Полный отчёт доступен здесь: https://www.stateof.ai/ @data_analysis_ml

Команде Kandinsky нужны именно вы? Сейчас узнаем! 😏 1) Разрабатывать и внедрять техники ускорения инференса. 2) Использовать и дорабатывать существующие ML-компиляторы. 3) Улучшать процессы обучения с помощью исследований. Если вы трижды ответили «да» — добро пожаловать на One Day Offer, который пройдёт 11 октября. Зарегистрироваться!

✔️Google превращает Gemini AI в TikTok - и инвесторы в восторге Google готовит полный редизайн Gemini AI: вместо обычного чата появится вертикальная лента, где можно листать визуальные ответы, видео и карточки - как в TikTok. Аналитики считают, что новый формат повысит вовлечённость пользователей и откроет новые каналы дохода - от подписок до встроенной рекламы. Bank of America называет обновление «ключевым катализатором роста» и прогнозирует дальнейший рост акций Alphabet. Gemini уже становится центральным продуктом Google в ИИ, а после мультимодальных функций и визуального интерфейса может догнать или даже обойти ChatGPT. marketwatch ✔️ xAI Илона Маска привлекает $20 млрд в виде акций и долга - крупнейший раунд в истории компании. Финансирование разделено на $7,5 млрд в акциях и до $12,5 млрд долга, оформленных через специальную структуру (SPV), которая будет использоваться для закупки чипов Nvidia. Сама Nvidia участвует в раунде, инвестируя до $2 млрд в долевую часть сделки - по сути, поставщик чипов финансирует покупателя своих же процессоров. xAI укрепляет позиции в гонке за вычислительные мощности, а Nvidia ещё глубже встраивается в экономику будущего ИИ. reuters ✔️ Учёные создали наночастицы, которые смогли обратить симптомы болезни Альцгеймера у мышей, не воздействуя напрямую на нейроны. Вместо этого они восстановили работу гематоэнцефалического барьера - защитного фильтра между мозгом и кровеносной системой, который обычно разрушается при нейродегенеративных заболеваниях. Эти наночастицы представляют собой так называемые «супрамолекулярные лекарства», они не просто доставляют действующее вещество, а сами выполняют терапевтическую функцию. Учёные запрограммировали их так, чтобы они имитировали белок LRP1, отвечающий за выведение токсичных амилоидных бета-пептидов (Aβ) из мозга. Когда наночастицы связываются с этим белком, запускается процесс самоочищения и восстановления барьера. Эксперименты показали, что уже через один час после введения уровень амилоида в мозге животных снизился на 50–60 %. После трёх доз у 12-месячных мышей (эквивалентно людям около 60 лет) к 18-месячному возрасту (примерно 90 лет у человека) полностью восстановились поведенческие функции и животные снова вели себя как молодые. Пока метод протестирован только на животных, и для применения на людях потребуются дополнительные исследования безопасности и эффективности. interesting ✔️ Проблемы у Sora 2: система фильтрации контента даёт сбои Новая модель Sora 2 от OpenAI столкнулась с ошибками в работе **guardrails - механизмов, отвечающих за блокировку нежелательного контента. Модель в некоторых случаях пропускает запрещённые или неуместные материалы, а также ошибочно помечает безопасные запросы как нарушения. Это вызывает вопросы к её готовности для широкого коммерческого использования. OpenAI уже расследует проблему и уточняет, что сбой связан с «непредвиденными взаимодействиями между мультимодальными фильтрами». Контроль безопасности для генеративных видео-моделей - куда сложнее, чем для текста. И Sora 2 сейчас становится главным испытанием этой технологии. 404 💰 OpenAI, Nvidia и AMD заключили сделки почти на $1 триллион - создавая замкнутый цикл инвестиций OpenAI выстраивает сеть сделок с ключевыми игроками индустрии - Nvidia, AMD и Oracle - общим объёмом свыше $1 трлн. Что происходит: - Nvidia инвестирует $100 млрд в OpenAI и строит 10 ГВт серверов для её инфраструктуры. - В ответ OpenAI закупает у AMD 6 ГВт GPU и получает право купить до 10 % акций AMD по символической цене. - Также OpenAI подписала контракт с Oracle на $300 млрд вычислительных мощностей в рамках проекта Stargate, который развернёт ещё 7 ГВт дата-центров в США. - Посредник CoreWeave удерживает центр системы: контракты с OpenAI на $22,4 млрд и соглашение с Nvidia на $6,3 млрд облачных мощностей до 2032 года. Компании фактически создают «замкнутую экосистему», где деньги и поставки ходят по кругу - Nvidia финансирует OpenAI, OpenAI закупает у AMD и Oracle, а те - у Nvidia. bloomberg @ai_machinelearning_big_data #news #ai #ml

✔️ Ling-1T - новая модель от inclusionAI с 1 триллионом параметров Главная идея модель: соединить эффективность и масштаб рассуждений в одной архитектуре. 🟠**Ключевые факты** - Всего параметров: 1 трлн, из них ≈ 50 млрд активны на токен (MoE-архитектура). - Обучена на 20 трлн+ токенов, специально отобранных для задач логического мышления и рассуждений. Контекст: 128 000 токенов. Внутри Evo-CoT (Evolutionary Chain of Thought) и Linguistics-Unit RL - новые методы обучения для масштабируемых рассуждений. Ling-1T- позиционируется, как модель с балансом между скоростью и точностью ответов. Моделька демонстрирует сильные результаты в задачах кода, математики, логики и фронтенд-генерации. В архитектуре задействованы Mixture-of-Experts (1/32 активация), MTP слои и маршрутизация экспертов. Ling-1T показывает, что огромные модели можно сделать не только мощными, но и экономичными. https://huggingface.co/inclusionAI/Ling-1T @ai_machinelearning_big_data #Ling1T #AI #ML #OpenSource #Reasoning #TrillionScale #FP8

🚀 Крутая новость в области термоядерной энергии Учёные из MIT создали прорывную гибридную модель - сочетание искусственного интеллекта + физики, которая прогнозирует поведение плазмы в термоядерных реакторах и делает будущие функционирующие установки более надёжными. 🔥 Особо важный момент: модель умеет предсказывать, как ведёт себя сверхгорячая плазма во время остановки (выключения/снижения мощности), это один из самых опасных моментов работы реактора, когда могут происходить разрушительные возмущения. В отличие от обычных ИИ-моделей, эта требует гораздо меньше тренировочных данных, но остаётся очень точной. Учёные также разработали алгоритм, который превращает прогнозы модели в конкретные инструкции по управлению плазмой: например, как менять силу магнитов или температуру, чтобы плазма оставалась стабильной и безопасно “загасла”. 🟢 Новость: https://news.mit.edu/2025/new-prediction-model-could-improve-reliability-fusion-power-plants-1007 @ai_machinelearning_big_data #mit #science

📘 На Stepik вышел курс — «ML-инженер: от первой модели до продакшена» Хотите не просто натренировать модель в ноутбуке, а довести её до реального продукта? Этот курс — полный путь от основ до production. • Математика и Python: линейная алгебра, статистика, NumPy, Pandas, визуализация (Matplotlib, Seaborn, Plotly) • Классика ML: регрессия, KNN, деревья решений, Random Forest, SVM, Naive Bayes • Ансамбли: XGBoost, LightGBM, CatBoost, подбор параметров (Optuna, Hyperopt), MLflow • Deep Learning: PyTorch и TensorFlow/Keras, CNN, RNN/LSTM, Attention, Transfer Learning • Работа с данными: парсинг (BeautifulSoup, Scrapy), SQL/API, feature engineering • Продвинутые задачи: рекомендательные системы, временные ряды (ARIMA, Prophet), SHAP и LIME • MLOps: FastAPI, Docker, деплой в облако, мониторинг моделей • Подготовка к собеседованиям: технические вопросы, системный дизайн, SQL, портфолио 🎓 Сертификат — добавьте в резюме или LinkedIn 🚀 Скидка 25%, действует 48 часов 👉 Пройти курс на Stepik

🧩 Новая архитектура нейросетей от Samsung: Tiny Recursive Model (TRM) - обошла DeepSeek-R1, Gemini 2.5 Pro и o3-mini в задачах рассуждения ARC-AGI 1 и ARC-AGI 2. ✔️ Размер модели - всего 7 миллионов параметров и около 1000 обучающих примеров. Это меньше в 10 000 раз, чем у современных LLM, но результат лучше. Как работает TRM: 1️⃣ Черновой ответ: модель сразу формирует быстрый набросок решения, а не пишет его по словам. 2️⃣ Скрачпад: создаёт внутреннее пространство для логики и промежуточных рассуждений. 3️⃣ Самокритика: многократно (6 раз) проверяет свои рассуждения, уточняя и исправляя ошибки. 4️⃣ Переписывание: на основе улучшённой логики создаёт новую, более точную версию ответа. 5️⃣ Цикличность: повторяет процесс до 16 раз, пока не достигнет уверенного, логически цельного решения. 💡 Чем интересна модель: - Меньше затрат на вычисления, а результат выше; высокая эффективность при низких издержках. - Доказательство того, что собственная логика и архитектура могут быть сильнее простого размера модели. Можно коротко описать ее: «думай, прежде чем действовать». - Мощные рассуждающие системы становятся доступными даже без огромных кластеров, модель можно запускать на ограниченных ресурсах. Это не просто «компактаная LLM», это другой способ мышления: модель, которая действительно *думает, прежде чем говорить*. 🟠Статья: https://arxiv.org/abs/2510.04871v1 🟠Github: https://github.com/SamsungSAILMontreal/TinyRecursiveModels @ai_machinelearning_big_data #TinyRecursiveModels #TRM #DeepLearning #NeuralNetworks

✔️ Ученый Google получил Нобелевскую премию по физике 2025** Мишель Деворе (Michel Devoret), главный научный сотрудник команды Google Quantum AI, стал лауреатом Нобелевской премии по физике 2025 года. Он разделил награду с Джоном Мартинесом (бывшим сотрудником Google Quantum AI) и Джоном Кларком из Калифорнийского университета в Беркли. Премия присуждена за исследования макроскопических квантовых эффектов, которые стали фундаментом для создания сверхпроводящих кубитов - ключевой технологии в квантовых компьютерах. Для Google это исторический момент: теперь в числе сотрудников и выпускников компании уже пять лауреатов Нобелевской премии, включая Демиса Хассабиса и Джеффри Хинтона, отмеченных в 2024 году. google ✔️ Oracle потеряла $100 млн на аренде GPU-чипов Nvidia Blackwell По данным *The Information*, Oracle понесла убытки около $100 млн за прошлый квартал из-за аренды чипов Blackwell. Маржа серверного проката составила всего около 16%. Бизнес по аренде GPU оказывается сложным: скорее всего, дело не в падении спроса, а в сильном давлении на маржу - клиенты активно торгуются и сбивают цены. theinformation ✔️ Новая модель от Liquid AI: LFM2-8B-A1B - это первый MoE-вариант в линейке LFM2, оптимизированная для эйдж устройств. Модель содержит 8.3 млрд параметров, из которых активно только 1.5 млрд на токен, что даёт качество уровня 3–4B плотных моделей, но при этом она быстрее Qwen3-1.7B. Модель показала себя отлично на 16 банчмарках: она обгоняет LFM2-2.6B и модели аналогичного размера, особенно в задачах математики, кода и творческого письма. huggingface ✔️ Deloitte внедряет Claude от Anthropic для 470 000 сотрудников Deloitte объявила о крупнейшем корпоративном внедрении AI в истории Anthropic - Claude теперь станет рабочим инструментом для 470 000 сотрудников по всему миру. Компания создаёт отраслевые версии Claude для бухгалтеров и разработчиков, а также откроет Claude Center of Excellence и сертифицирует 15 000 специалистов. В фокусе - прозрачность и соответствие нормам, с опорой на фреймворк Trustworthy AI. Любопытно, что накануне Deloitte признала, что использовала ИИ в официальном отчёте правительства Австралии, где оказались поддельные цитаты и ссылки, и согласилась вернуть часть контракта на $440 000. TechCrunch ✔️ Neuralink и xAI объединили усилия: человек управляет роботизированной рукой силой мысли Пациент Nick Wray стал первым, кто с помощью Neuralink PRIME BCI смог управлять роботизированной рукой напрямую с помощью мозга. Он рассказал, что впервые за многие годы смог сам надеть шляпу, разогреть еду и поесть без помощи. В проекте участвует и xAI Илонa Маска: система Grok помогает Neuralink усиливать нейроинтерфейс — от преобразования мыслей в текст и ускоренной коммуникации до синтезированного голоса и долгосрочной цели — когнитивного соединения человека и ИИ на бинарном уровне. Многие задаются вопросом: станет ли Grok 5 шагом к слиянию человеческого сознания и искусственного интеллекта? Это одно из самых вдохновляющих достижений в истории нейротехнологий — шаг к возвращению физической независимости людям и, возможно, к новой эре взаимодействия человека и ИИ. Видео ✔️ ElevenLabs представила Agent Workflows - визуальный редактор для построения ИИ-агентов Компания ElevenLabs представила Agent Workflows - инструмент, который позволяет визуально проектировать логику диалогов и взаимодействие агентов на платформе Agents. Теперь вместо громоздкого единого агента можно создавать Subagents - специализированных подзадачных агентов с собственными промптами, базами знаний и инструментами. С помощью Workflows можно задавать, когда агент передаёт управление подагенту, а когда подключает человеческого оператора. Это делает систему более гибкой и безопасной. Кроме того, Workflows обеспечивают надёжное подключение к корпоративным системам, управление бизнес-логикой и умную маршрутизацию диалогов, что помогает снизить затраты, задержки и повысить точность ответов. elevenlabs @ai_machinelearning_big_data #news #ai #ml

🧠 Новый курс от Andrew Ng - Agentic AI! Создание AI-агентов становится одной из самых востребованных профессий на рынке. Теперь вы можете научиться этом на курсе. Курс научит вас реализовывать четыре ключевых паттерна дизайна агентов: - Reflection - как агент анализирует свои ответы и улучшает их - Tool use - модель выбирает, какие инструменты использовать (поиск, почта, календарь, код и т.д.) - **Planning**- ИИ планирует и разбивает задачу на подзадачи - Multi-agent collaboration - взаимодействие нескольких агентов, как сотрудников в команде Andrew Ng делает акцент на оценке (evals) и анализе ошибок - ключевых навыках для успешной отладки агентных систем. В курсе есть практика, где можно создадите deep research-агента, который умеет искать, синтезировать и формировать отчёты, применяя все эти паттерны. 🟢Особенности курса: - Все уроки и код на Python - Очень подробно и пошагало объяснены все вунтренности - В курсе рассматриваются для самые популярные фреймворками для создания ИИ агентнов 🟢Формат: self-paced (проходите курс в удобном для себя темпе) Требование для учащихся - базовые знания Python 🟠 Записаться: https://deeplearning.ai/courses/agentic-ai/ @ai_machinelearning_big_data #AI #AgenticAI #AndrewNg #DeepLearningAI #AIagents

Google опубликовала 150-страничный отчёт о Health AI Agents - 7 000 аннотаций, 1 100+ часов экспертов. Но главное - не метрики, а новая философия дизайна. Вместо монолитного *«Doctor-GPT»*, Google создаёт Personal Health Agent (PHA) - систему из трёх специализированных агентов: - Data Science Agent - анализирует носимые устройства и лабораторные данные - Domain Expert Agent - проверяет медицинские факты и знания - Health Coach Agent - ведёт диалог, ставит цели, добавляет эмпатию 🧩 Всё связывает оркестратор с памятью: цели, барьеры, инсайты пользователя. ⚡ Результаты - Превзошёл базовые модели на 10 бенчмарках - Пользователи предпочли PHA обычным LLM (20 участников, 50 персон) - Эксперты оценили ответы на 5,7–39 % лучше при сложных медицинских запросах ⚙️ Дизайн-принципы - Учитывать все потребности пользователя - Адаптивно комбинировать агентов - Не спрашивать данные, которые можно вывести - Минимизировать задержку и сложность 🧠 Протестированные сценарии - Общие вопросы о здоровье - Интерпретация данных (носимые устройства, биомаркеры) - Советы по сну, питанию, активности - Оценка симптомов (без диагноза) ⚠️ Ограничения и будущее - Медленнее одиночных агентов (244 с против 36 с) - Нужны аудит предвзятости, защита данных и регуляторное соответствие - Следующий шаг - адаптивный стиль общения: эмпатия ↔ ответственность 💡 Вывод Google показывает путь вперёд: не «супердоктор-бот», а модульные, специализированные агентные команды. Медицина — лишь первый тест. Дальше: финансы, право, образование, наука. Google 150 Health AI Agents: https://arxiv.org/pdf/2508.20148 @vistehno

➕ «Надо знать физику и интересоваться тем, как устроен мир». Кто такой робототехник, легко ли им стать и чем предстоит заниматься? Об этом в новом выпуске «1х1» рассказывают разработчики роботов: Алексей Захарченко из Автономного транспорта и Александр Петровский из Яндекс Роботикс. ↘️ Смотрите здесь, на YouTube и в VK Видео, а также откликайтесь на вакансии в командах Яндекс Роботикс и Автономного транспорта. Подписывайтесь 🔴 @yandex

✔️ Tencent представила HunyuanVision - новую мультимодальную модель, объединяющую зрение и язык в одном фреймворке. Модель умеет рассуждать на основе изображений, понимать сложные визуально-текстовые задачи и поддерживает мультиязычные кейсы. Ключевые особенности: - Visual Reasoning - глубокое понимание изображений и сцен - Multilingual Support - работа с несколькими языками - Visual Dialogue - позволяет весть диалог на основе изображения и текста - Thinking-on-Image - рассуждение на уровне визуальных деталей HunyuanVision-1.5 демонстрирует продвинутые способности в задачах анализа, генерации и рассуждения. Работает шустро, русский понимает, но не без косяков. Модель доступна для использования через Tencent Cloud API и LMArena (Direct Chat). Полный технический отчёт и веса обещают к релизу позже в октябре. Ждемс. 🟠Попробовать: http://cloud.tencent.com/document/product/1729/104753 🟠 Репозиторий: github.com/Tencent-Hunyuan/HunyuanVision 🟠Api: https://cloud.tencent.com/document/product/1729/104753 @ai_machinelearning_big_data #Tencent #llm #ml #Hunyuan #vlm

У вас есть 404 секунды, чтобы разобраться, что такое Model Context Protocol (MCP) и почему его уже называют новым стандартом для AI-разработки MCP — это опенсорсный протокол, который позволяет LLM работать с IDE, базами данных, таск-трекерами и даже мессенджерами по единому стандарту. Больше не нужно писать десятки отдельных интеграций — один протокол закрывает все сценарии для интеграций с LLM. В новом выпуске «404 секунды от Yandex Cloud»: — как MCP упрощает жизнь разработчикам; — почему SourceCraft уже добавил поддержку протокола в России. Выпуск вышел совсем недавно на YouTube и VK Видео, будьте в курсе первыми.

⚡️ Google выпустили Jules Tools - новую консольную утилиту и API для управления своим AI-агентом прямо из терминала. Jules - это ИИ, который умеет писать код, исправлять ошибки и создавать тесты для ваших проектов. Он подключается к GitHub или другому репозиторию, анализирует кодовую базу и выполняет задачи, которые вы ему задаёте. С помощью Jules Tools можно запускать и управлять этим агентом напрямую через терминал, без браузера. Пример, вводите: jules remote new --session "fix login bug" После запуска команда создаёт виртуальную машину, клонирует репозиторий, решает задачу и отправляет pull request с готовым исправлением. Что интересного: - Командная строка и API для управления агентом - Асинхронные задачи и параллельное выполнение - Скрипты и автоматизация (через CI, cron, pipelines) - Память и адаптация под ваш стиль кода - Безопасное хранение ключей и токенов - Интерактивный интерфейс в терминале (TUI) с отображением статуса задач в реальном времени TUI-режим напоминает веб-панель, но работает прямо в консоли, позволяя быстро запускать, отслеживать и управлять сессиями. Jules можно интегрировать с Slack или системами сборки - агент сам создаёт и выполняет задачи, пока вы занимаетесь другими делами. Если агент сталкивается с проблемой, то приостанавливает работу и запрашивает помощь, а не «угадывает» решение. Обе утилиты - Jules и Gemini CLI - работают на Gemini 2.5 Pro, но Jules ориентирован на короткие и точные задачи, а Gemini CLI - на длительную совместную работу. Бесплатная версия позволяет запускать 15 задач в день (до 3 одновременно). Платные тарифы - $19.99 и $124.99 - дают лимиты до 100 и 300 задач. Google также планирует добавить поддержку GitLab, Bitbucket и локальных проектов без Git. 🟠Подробности: https://developers.googleblog.com/en/level-up-your-dev-game-the-jules-api-is-here/ 🟠Доки: https://jules.google/docs @ai_machinelearning_big_data #Google #Jules #AI #CodingAgent #Gemini25Pro #Automation