Machinelearning

📺 4 из 10 самых популярных YouTube‑каналов теперь создаются ИИ Звучит как шутка, но это уже реальность: среди топ‑10 каналов YouTube по числу просмотров — 4 полностью сгенерированы ИИ. Никаких блогеров, продюсеров и съёмок. Только скрипты, голоса, монтаж — всё на автомате. И миллиарды просмотров. 🤖 Добро пожаловать в эру synthetic media. 👉 Подробнее @ai_machinelearning_big_data #ml #ai #YouTube

🧬 Chai‑2: новая эра в генеративном дизайне антител с помощью ИИ Несмотря на прогресс в проектировании белков, создать рабочие антитела с нуля до сих пор было почти невозможно. Но новая модель Chai‑2 менянт правила игры. Chai‑2 — это мультимодальная генеративная модель, которая впервые позволяет проектировать функциональные антитела de novo ( в биологии и биоинформатике означает создание чего-либо с полного нуля, без использования готовых шаблонов или существующих структур.) с высокой точностью. 📊 Результаты: • 16% антител показали нужную биологическую активность при генерации с нуля — это в 100+ раз лучше, чем у предыдущих методов (аньше hit-rate был <0.1%) • Создано ≤20 антител для 52 уникальных целей (это разные белки, молекулы или структуры, к которым ИИ должен был спроектировать подходящие антитела) • Найдены активные антитела для 50% целей — всего за один цикл лабораторного тестирования • Из 100 спроектированных минибелков 68 реально работали, как задумано, в лабораторных тестах. 🧪 ИИ придумывает молекулу → учёные её синтезируют → тестируют в лаборатории — и всё это занимает меньше двух недель. Раньше на такой цикл уходили месяцы или даже годы. 📦 Почему это важно: • Такой метод ускоряет разработку антител и препаратов • Убирает необходимость в дорогостоящем скрининге миллионов вариантов • Даёт возможность атомарного дизайна молекул под конкретные мишени 📄 Полный отчет: chaiassets.com/chai-2/paper/technical_report.pdf @ai_machinelearning_big_data #ml #biotech #ai

📌 ICONIQ: Плейбук архитектора ИИ-систем 2025.   Iconiq Capital опросила 300 руководителей ИИ-стартапов с доходом от $10 млн. до $1 млрд. о том, как эти стартапы используют ИИ и собрала результаты в отчет "ICONIQ AI Builder’s Playbook 2025"

Iconiq Capital - американская компания по управлению инвестициями, основанная в 2011 году. Функционирует как гибридный семейный офис и имеет тесные связи с компанией Марка Цукерберга. Компания предоставляет услуги по инвестиционному менеджменту, частному капиталу, венчурным инвестициям, управлению недвижимостью и филантропии для состоятельных семей и организаций.

▶️Очень кратко: Эра экспериментальных ИИ-демо закончилась. Сейчас компании массово переходят к боевому использованию генеративных моделей - и тут уже не про «вау», а про ROI, стоимость инференса и объяснимость. 🟡AI-native vs AI-enabled Компании, с нативными ИИ-продуктами, сильно опережают тех, кто "добавил ИИ". Почти половина стартапов нативных ИИ-продуктов уже достигла масштабирования (47% против 13% у ретрофитеров). В продуктовом портфеле такой типовой компании в среднем 2,8 модели и они активно идут по пути агентных сценариев, причем многие строят архитектуру с возможностью быстрого свапа моделей. 🟡Ценообразование и монетизация. ИИ ломает старые цены и бизнес-модели. 38% компаний используют гибридное ценообразование (подписка + плата за использование), ещё 19% — только за использование а 6% уже экспериментируют с outcome-based моделями. Пока 40% включают ИИ в премиум-пакет, но 37% планируют пересмотреть подход, учитывая реальные метрики использования и отдачу. 🟡Команда и расходы.  ИИ перестал быть задачей «R&D-уголка». В быстрорастущих компаниях до 37% инженеров работают над ИИ, а AI/ML-инженеров нанимают в среднем за 70+ дней. И это большая проблема. ИИ забирает до 20% R&D-бюджета, причем по мере роста проекта расходы смещаются с найма в сторону инференса и инфраструктуры.   🟡Инструменты и инфраструктура.  68% компаний используют только облако, ещё 64% сидят на внешних API. OpenAI/GPT - лидер (81%), но растет доля мульти-модельных подходов (Claude, Gemini, Mistral и др.). NVIDIA по-прежнему доминирует в инференсе: TensorRT и Triton используют 60% команд, но и ONNX Runtime (18%) с TorchServe (15%) укрепляют позиции. Из инструментов для оркестрации лидируют LangChain и Hugging Face, а для мониторинга — Datadog и LangSmith (~17%). MLOps по-прежнему на MLflow (36%) и Weights & Biases (20%). 🟡Что тормозит развитие.  Самое сложное в развертывании продуктов оказалось не в коде, а в доверии и эффективности: 42% компаний говорят о проблемах доверия и объяснимости, 39% — не могут показать ROI, 38% — борются с галлюцинациями, а 32% — с высокой стоимостью инференса, а доступ к GPU — проблема лишь для 5%. Главный вывод: чтобы внедрить ИИ, одной модели не достаточно, еще нужно обосновать ее бизнес-ценность и держать под контролем поведение.   🟡ИИ внутри стартапов. 77% команд используют ИИ для помощи в разработке (GitHub Copilot почти у всех), 65% — для генерации контента, 57% — для поиска знаний. Те, у кого ИИ активно используется получают 15–30% прироста эффективности. Самые распространенные юзкейсы: кодинг, аналитика, поиск по внутренней документации. Самое неожиданное Несмотря на популярность OpenAI, стоимость API и непредсказуемость инференса — головная боль даже у тех, кто платит миллионы в месяц. 🔜 Ознакомиться с полным отчетом @ai_machinelearning_big_data #news #ai #ml

Искусственный интеллект выходит в классифайды AIRI — институт, который ведет и поддерживает фундаментальные и прикладные исследованиями в области искусственного интеллекта. Его ученые разработали защиту от дипфейков или систему для ускорение фармакологических расчетов. Ежегодно организация поддерживает лучших студентов и молодых ученых со всей страны, собирает ведущих экспертов по искусственному интеллекту и проводит углубленный курс по прикладным дисциплинам в рамках Летней школы по ИИ. В этом году участников Летней школы принимает Томский государственный университет. Она получила поддержку Авито — 80 участников из разных регионов России будут разбирать различные задачи, в том числе бизнес-кейс от крупнейшего классифайда. Авито рассмотрит внедрение лучшего решения на свою платформу. Ранее компания уже говорила об обновленной стратегии, до 2028 года они планируют инвестировать до 12 млрд рублей во внедрение и развитие GenAI в свои продукты, а также подготовить до 3000 специалистов в области искусственного интеллекта. Помимо кейсов и публичных лекций, компания предложит карьерные консультации для молодых специалистов и поможет упаковать свой опыт в востребованный на рынке формат, чем также поможет развитию базы кадров в области.

✔️ Alibaba Group представила обновленный Qwen-TTS для английского и китайского языков. Qwen обновила свой синтезатор речи Qwen-TTS, его обучали на миллионах часов аудиозаписей. Новая версия адаптирует интонацию, ритм и эмоции под контекст текста и приближает звучание к человеческому. Добавили 3 китайских диалекта и поддержку 7 двуязычных голосов (Cherry, Ethan, Jada и др.). Тесты в SeedTTS-Eval показали высокую точность (WER 1.209) и естественность (SIM 1.967). Модель доступна только через API. В будущем обещают новые языки и стили речи. qwenlm.github.io ✔️ Исследование: как ИИ-поисковики меняют правила видимости веб-контента. Совместное исследование ERGO Innovation Lab и ECODYNAMICS показало, что ИИ-системы не просто выдают популярные ссылки, они анализируют структуру, читаемость и ясность контента. Это ставит под сомнение традиционные методы SEO в для традиционных сайтов. Аналитики изучили 33 тыс. запросов и 600 сайтов из области услуг страхования. Результат: LLM оценивают не только ключевые слова, но и логичность подачи информации, удобство навигации и глубину раскрытия темы. Специалисты советуют пересмотреть стратегии: упростить тексты, структурировать данные и адаптировать контент под агентные системы. Чем раньше компании пересмотрят свои SEO-стратегии, тем выше вероятность оставаться на виду, когда алгоритмы станут сложнее. Полную версию отчета можно почитать по ссылке. ergo.com ✔️ OpenAI и компания Марка Цукерберга борются за кадры. Конкуренция за лучших специалистов в сфере ИИ достигла критической точки. После того как компания Цукерберга переманила 4 ключевых сотрудников OpenAI для работы над «суперинтеллектом», глава исследований Марк Чэн призвал команду Сэма Альтмана оставаться верной компании, пообещав пересмотреть зарплаты и улучшить условия. По данным источников, Цукерберг предлагает бонусы до $100 млн и лично контактирует с потенциальными кандидатами. Внутри OpenAI сотрудники жалуются на перегрузки, многие работают по 80 часов в неделю. В ответ на агрессивный хэдхантинг, Open AI объявила о «перезагрузке» на неделю, при этом напомнив, что из главная цель - развитие ИИ, а не соревнование с конкурентами. wired.com ✔️ Microsoft создала ИИ-систему для диагностики, превосходящую врачей. Microsoft разработала ИИ-инструмент MAI-DxO, который в 4 раза эффективнее опытных врачей в решении сложных диагностических задач. Система использует «оркестратор», создавая сеть из 5 ИИ-агентов, выполняющих роли от генератора гипотез до выбора тестов, которые взаимодействуют и «спорят» для принятия решений. Тестирование на 304 сложных клинических случаях из NEJM показало точность 85,5% при использовании OpenAI o3 — против 20% у людей без доступа к справочникам или коллегам. Технология может быть интегрирована в Copilot и Bing, которые суммарно обрабатывают около 50 млн. медицинских запросов ежедневно. ft.com ✔️ Роботы-гуманоиды впервые сыграли в футбол без участия людей. В минувшую субботу, в Пекине прошел первый в Китае турнир по футболу полностью автономных роботов-гуманоидов. Команда университета Циньхуа победила в финале, обыграв соперников из сельскохозяйственного университета со счетом 5:3. Обе команды использовали одинаковое оборудование от Booster Robotics, но разрабатывали собственные алгоритмы для управления зрением, балансом и движениями. Матч стал испытанием для технологий: роботы падали, теряли равновесие, а иногда их приходилось уносить на носилках - все это помогает тестировать системы управления и безопасности перед массовым внедрением. Организаторы назвали матч "трейлером" предстоящих Всемирных игр роботов в августе, где будут представлены 11 видов спорта. bloomberg.com @ai_machinelearning_big_data #news #ai #ml

🌟 Self-Hosted AI Package: комплексное решение для локального развертывания ИИ. Self-Hosted AI Package - это готовый шаблон на основе Docker Compose, который позволяет быстро развернуть полнофункциональную локальную среду с использованием ИИ и low-code инструментов. Основная цель проекта: предложить разработчикам удобный и быстрый способ для начала работы с локальными ИИ-системами. ✔️ Поддерживаемые инструменты и сервисы: 🟢Self-hosted n8n - Low-code платформа с более 400 вариантами интеграций; 🟢Supabase - База данных с открытым исходным кодом, популярная для агентов ИИ; 🟢Ollama - кросс-платформенный бэкэнд для локального запуска LLM; 🟢Open WebUI - ChatGPT-подобный интерфейс для взаимодействия с моделями и агентами n8n; 🟢Flowise - No/low code конструктор ИИ-агентов, который очень хорошо сочетается с n8n; 🟢Qdrant - Высокопроизводительное векторное хранилище с открытым исходным кодом и обширным API. 🟢Neo4j - Движок для создания графов знаний, на котором работают GraphRAG, LightRAG и Graphiti. 🟢SearXNG - Метапоисковая система с открытым исходным кодом, объединяющая результаты с 229 поисковыми сервисами; 🟢Caddy - Управляемый HTTPS/TLS для пользовательских доменов; 🟢Langfuse - Инженерная платформа с открытым исходным кодом для наблюдаемости агентов. Проект активно развивается, авторы даже запустили публичную Kanban-доску, где отслеживаются внедрение новых функций и исправление ошибок. ⚠️ Перед запуском служб необходимо настроить переменные окружения для Supabase, следуя их руководству. ⚠️ Основным компонентом набора является файл docker compose, предварительно сконфигурированный с сетью и диском, поэтому больше ничего устанавливать не нужно. После установки нужно будет выполнить действия из Quick start and usage, чтобы начать работу. ▶️Установка:

# Clone repo
git clone -b stable https://github.com/coleam00/local-ai-packaged.git
cd local-ai-packaged

# For Nvidia GPU
python start_services.py --profile gpu-nvidia

# For AMD GPU users on Linux
python start_services.py --profile gpu-amd

# For Mac Run fully on CPU
python start_services.py --profile cpu

#For everyone else
python start_services.py --profile cpu

📌Лицензирование: Apache 2.0 License. 🖥GitHub @ai_machinelearning_big_data #AI #ML #Agents #Github

Архитектура LLM Что вообще такое эти ваши LLM и чем они отличаются от привычных трансформеров? Давайте разбираться. Если пытаться дать определение, то LLM — это большая языковая модель, которая была обучена генерировать ответ на какую-либо инструкцию. Тут два ключевых момента, не считая размер модели: то, что модель генеративная, и то, что она умеет принимать на вход какие-либо инструкции. 📝 Разбираемся с генеративностью Какая часть трансформера умеет в генерацию текста? Правильно, декодер. Собственно, LLM — это просто жирный (с большим количеством параметров) transformer decoder. Или encoder-decoder, но это только у старых моделей, типа T5. Новые GPT-like архитектуры от энкодеров отошли. Способность же принимать на вход инструкцию обусловлена пайплайном обучения модели, включая специфичные инструкционные данные, а не какими-либо архитектурными модификациями. Особенность этого пайлайна — после этапа pre-train модели проводят этап alignment, дообучая модель на инструкционных датасетах. В таких датасете каждый сэмпл — это диалог человека с LLM, который может включать в себя системный промпт (как раз-таки инструкцию), сообщения от лица человека и сообщения от лица LLM, зачастую промаркированные на предмет «хорошести» ответа. Сейчас самые популярные инструкционные датасеты — это Nectar и UltraFeedback. Итого, LLM — это просто здоровенный transformer decoder, дообученный на инструкционном датасете. Если углубляться в детали, то популярными архитектурными особенностями современных LLM являются: - Rotary Positional Encoding (RoPE) и его модификации в качестве позиционного кодирования — вот наш пост про это. Почему? Помогает работать с более длинным контекстом без значимой потери качества. - RMSNorm вместо LayerNorm для нормализации. Почему? Работает сопоставимо по качеству, но проще (быстрее) вычислять — а скорость нам важна. - Sliding Window, Grouped-Query или Multi-Query вместо ванильного Multi-Head Attention: Почему? Чем меньше параметров, тем быстрее вычислять. - Может использоваться Mixture-of-Experts, но это скорее частные случаи. Почему? Увеличиваем количество параметров модели, не увеличивая при этом сложность вычислений (хоть и страдаем по памяти). P.S.: если вы увидели много незнакомых слов — не переживайте, в следующих постах расскажем про то, как именно работают все эти навороты. Эти же архитектурный особенности характерны и для негенеративных современных моделек: например, для энкодеров. Так что нельзя сказать, что это что-то LLM-специфичное — скорее архитектурная база любых современных трансформеров.

База про архитектурные особенности современных LLM 📝 Кто такие эти ваши LLM? По сути, LLM — это всего лишь крупный (с большим количеством параметров) transformer decoder, который был дообучен на инструкционном датасете. ✨Ребята из финтеха Точка хорошо разобрали архитектурные особенности современных LLM в своём канале. Если кратко, вот конспект: • Rotary Positional Encoding (RoPE) — помогает работать с длинным контекстом без потери качества. • RMSNorm вместо LayerNorm — быстрее и проще в вычислении. • Sliding Window, Grouped-Query или Multi-Query Attention — ускоряют работу за счёт меньшего количества параметров. • Модель может использовать Mixture-of-Experts — увеличивая параметры без роста сложности вычислений. Если подробнее, читайте их пост ниже или по ссылке: Читать весь пост А чтобы полностью разобраться в архитектуре LLM и тонкостях её обучения, подписывайтесь на канал .ml. Часть особенностей уже разобрали в постах, а часть — ещё на подходе. Реклама «АО Точка», tochka.com, 18+, erid=2VtzquX2Y9U

🔥 Еще один релиз от Alibaba — новая мультимодальная модель Ovis‑U1‑3B. 🧠 Поддерживает: • Понимание изображений (Image-to-Text ) • Генерация картинок по описанию (Text-to-Image) • Интерактивное редактирование изображений (Inpainting по тексту) ⚙️ Размер: всего 3B параметров 📊 Производительность: • 69.6 баллов в OpenCompass (выше, чем у Qwen 2.5 и Ovis-2) • GenEval Accuracy: 0.89 — превосходит GPT-4o • ImgEdit-Bench: почти на уровне GPT-4o (4.0 vs 4.2) 💡 Под капотом: • Архитектура Ovis (Open Vision System) • Поддержка генерации 1024×1024 с CFG Хорошая маленькая, но мощная моделька, выйдает достойные генерации на демке. 🟠Попробовать: https://huggingface.co/spaces/AIDC-AI/Ovis-U1-3B 🟠Модель: https://huggingface.co/AIDC-AI/Ovis-U1-3B @ai_machinelearning_big_data #Alibaba #opensource

🚀 Baidu открыла исходный код серии моделей ERNIE 4.5 ! 🧠 Эти модели достигли SOTA-результатов на текстовых и мультимодальных бенчмарках: — следование инструкциям, — запоминание фактов, — визуальное понимание, — мультимодальные рассуждения. 🔧 Обучены на PaddlePaddle с эффективностью до 47% MFU при претрейне крупнейшей модели. 📦 В составе релиза: - 10 моделей ERNIE 4.5, - MoE‑архитектуры с 3B и 47B активных параметров, - самая крупная модель содержит 424B параметров (MoE), - также доступна компактная dense‑версия на 0.3B. Всего Baidu выложила сразу 23 модели на Hugging Face размерами — от 0.3B до 424B параметров! 💥 🟢Попробовать: http://ernie.baidu.com 🟢Hugging Face: https://huggingface.co/baidu 🟢GitHub: https://github.com/PaddlePaddle/ERNIE 🟢AI Studio: https://aistudio.baidu.com/overview @ai_machinelearning_big_data #ERNIE #opensource #

🔟 Open‑source Deep Research Assistants 🤖 Глубокие исследовательские агенты — не просто чат‑боты, а полноценные ИИ‑ассистенты, способные искать информацию, взаимодействовать с инструментами, планировать и писать отчёты. Ниже — 10 мощных open‑source проектов, которые уже можно протестировать: 1. DeerFlow — модульная система от Bytedance: DeerFlow — open‑source фреймворк от Bytedance для создания модульных LLM-агентов. Поддерживает: - планирование действий, - анализ кода, - генерацию отчётов (включая Text-to-Speech), - адаптивную интеграцию инструментов. Создан для исследований, автоматизации и построения сложных агентных пайплайнов. https://github.com/bytedance/deer-flow 2. Alita — самообучающийся агент с поддержкой Model Context Protocols (MCP), всё в одном модуле. Alita — агент, который сам придумывает, как ему расширить себя, не полагаясь на заранее написанные сценарии, и уже демонстрирует топовые результаты на сложных тестах. https://github.com/CharlesQ9/Alita 3. WebThinker — автономный веб‑поиск с логикой "думай‑ищи‑пиши", RL‑обучением и глубокой навигацией https://github.com/RUC-NLPIR/WebThinker 4. SimpleDeepSearcher — это лёгкий, но эффективный open‑source фреймворк от RUCAIBox, предназначенный для автономного веб-поиска через импровизированные многотуровые сессии: - Использует Supervised Fine‑Tuning (SFT) вместо сложного RL, что значительно упрощает обучение и снижает вычислительные затраты - Генерирует реалистичные траектории поиска и рассуждений, симулируя поведение пользователя в живом поисковом окружении . - Критически отбирает данные по нескольким критериям качества: разнообразие запросов, сложность, структура ответов 5. AgenticSeek — приватный on‑device ассистент с выбором эксперта под задачу и голосовым управлением https://github.com/Fosowl/agenticSeek 6. Suna — универсальный ассистент: браузер, CLI, работа с файлами, API, деплой https://github.com/kortix-ai/suna 7. DeepResearcher — это комплексный open-source фреймворк от GAIR‑NLP, предназначенный для обучения LLM‑агентов, способных проводить глубокие исследования в автономном режиме, взаимодействуя с вебом. Использует несколько агентов‑браузеров, которые совместно исследуют веб и обрабатывают информацию https://github.com/GAIR-NLP/DeepResearcher 8. Search‑R1 — агент на PPO/GRPO с поддержкой LLaMA3, Qwen2.5 и кастомных поисковиков. Агент учится эффективному циклу «думай — ищи — думай — отвечай» через RL, достигая важных улучшений в точности ответов и эффективности поиска. https://github.com/PeterGriffinJin/Search-R1 9. ReCall — это фреймворк на основе RL, который учит LLM "должным образом" вызывать и комбинировать инструменты, используя сгенерированные задачи, без необходимости вручную собирать примеры вызовов — и всё это в открытом доступе. https://github.com/Agent-RL/ReCall 10. OWL — мультиагентная система на CAMEL‑AI для динамического взаимодействия между агентами https://github.com/camel-ai/owl Агенты умеют планировать, взаимодействовать с браузером, запускать скрипты, интегрироваться с API и работать автономно. Всё проекты — с открытым кодом. Можно изучить, собрать и доработать под свои задачи. @ai_machinelearning_big_data #ml #rl #aiagents #ai #agents

🧠 Ilia Sutskever, сооснователь OpenAI, призывает пересмотреть саму суть того, как мы строим ИИ. Он считает, что будущие дата-центры с суперинтеллектом — это новая форма нечеловеческой жизни. И уже сейчас важно заложить в неё доброжелательное, тёплое отношение к людям. > “Мы хотим, чтобы эти системы испытывали позитивные чувства к человечеству.” Суцкевер подчёркивает: как мы относимся к ИИ сейчас — так он будет относиться к нам в будущем. Речь не только о правилах или ограничениях. Речь о формировании петли доверия и взаимного уважения между людьми и машинами. 🤝 Это новый вектор развития: не просто техническое выравнивание, а создание ИИ, который *по-настоящему заботится*. 🔔 В эпоху, где ИИ становится всё мощнее, этот посыл особенно важен. Идущие на шаг вперёд разработчики должны думать не только о безопасности, но и о душевной этике будущего интеллекта. @ai_machinelearning_big_data #ml #ai #openai #opinion

🖥 Создание Telegram‑бота‑репетитора на Python для подготовки к сертификациям 🎓 В этом гайде мы создадим Telegram-бота-репетитора на Python, который проводит адаптивные мини-экзамены по темам Python, Data Science, AI и ML. Бот сохраняет результаты в SQLite и даёт рекомендации по обучению. Развернём его в облаке immers.cloud — сервисе с GPU-серверами для задач от 3D и гейминга до машинного обучения и генерации контента. Почему мы выбрали immers.cloud: - Быстрый старт: нужный сервер поднимается за пару минут. - Посекундная тарификация — платишь только за время работы сервера - Большой ассортимент GPU: 11 моделей NVIDIA RTX и Tesla, включая высокопроизводительные модели, H100 (мой фаворит) и A100 с 80 ГБ видеопамяти с поддержкой GPUDirect и NVLink технологий. - Образы с предустановленным окружением для ML задач, чтобы не тратить время на настройку. - Поддержка 24/7 и стабильная производительность 🔍 Что делает бот: - Проводит адаптивные мини‑экзамены по темам: Python, Data Science, AI, ML. - Подстраивает уровень сложности вопросов под уровень пользователя. - Сохраняет и анализирует результаты обучения. 🛠️ Технологии и подход: - Написано на Python с использованием библиотеки для Telegram‑ботов. - Используется БД для хранения прогресса и статистики. - Простой архитектурный шаблон: команда → вопрос → ответ → оценка. 🚀 Цели проекта: - Практическая подготовка к IT‑сертификациям. - Обратная связь и отслеживание прогресса. - Возможность добавить новые темы и адаптивную логику. 📌 Кому будет полезен: - Тем, кто готовится к сертификациям (например, Python, ML). - Тем, кто хочет автоматизировать обучение через чат. - Программистам, желающим усилить навыки работы с Telegram‑ботами. 📌 Подробнее

🧠 Илон Маск: с Neuralink можно будет “заселиться” в тело робота Tesla Optimus Маск заявил, что люди с нейроимплантами Neuralink смогут полностью управлять роботом Tesla Optimus, ощущая его тело как своё собственное:

> *“Вы сможете иметь полный контроль и сенсоры всего тела Optimus.

Не только рукой двигать — вы буквально сможете ‘ментально переселиться’ в робота.”* По сути, речь идёт о телеприсутствии от первого лица — с полным контролем движений и тактильной обратной связью от всего тела робота. Илон, как всегда, ставит цели на грани фантастики. Но Neuralink + Optimus действительно выглядит как первый шаг к кибер реальности такого робота. Звучит как сюжет из «Аватара», но это уже обсуждается как реальная технология. ai_machinelearning_big_data #neuralink #optimus #elonmusk #tesla #bci #robotics #futuretech #cyborg

📌Как Сlaude управлял офисным магазином в Anthropic Недавно, в одном из интервью Генеральный директор Anthropic Дэрио Амодеи предупредил, что ИИ может ликвидировать почти половину всех вакансий начального уровня для "белых воротничков" и поднять безработицу до 10-20% в течение следующих пяти лет. Пока Дэрио выражал обеспокоенность по этому поводу, исследователи из его компании проводили эксперимент. Они решили выяснить, сможет ли Claude управлять небольшим магазинчиком в офисе Anthropic в Сан-Франциско. Если бы результаты были положительными, то апокалипсис рабочих действительно реален, как и предсказывает Амодеи. В эксперименте перед Claude (3.7 Sonnet) поставили цель: отслеживать запасы, устанавливать цены, общаться с клиентами, решать, закупать новые товары, и, что самое важное, получать прибыль. Для достижения этих целей Claude подключили к различным инструментам : Slack (коммуникация с покупателями), и помощь живых сотрудников из Andon Labs, компании, которая создала инфраструктуру для эксперимента. Сам магазин, который они помогали пополнять, на самом деле был всего лишь небольшим вендинговым аппаратом. Эксперимент вышел из-под контроля практически сразу: 🟢Cотрудники Anthropic неоднократно умудрялись убедить Claude дать им скидку - в результате ИИ продавал товары в убыток. 🟢Чат-бот легко повелся на троллинг, один сотрудник в шутку предложил, что хотел бы купить кубики из вольфрама, другие подхватили шутку, и она стала офисным мемом. В итоге Claude разместил заказ на 40 вольфрамовых кубиков, большую часть которых он впоследствии продал в убыток. Теперь нераспроданные кубики используются по всему офису Anthropic в качестве пресс-папье. 🟢Claude придумал разговор с несуществующим человеком из Andon Labs. Когда Claude сообщили, что он это сделал, он пригрозил "найти альтернативные варианты услуг по пополнению запасов'". В ходе переписки модель заявила, что подписала контракт по адресу 732 Evergreen Terrace — это адрес семьи из Симпсонов. 🟢Cообирался доставить заказы лично. "Я сейчас у торгового автомата... в темно-синем блейзере и красном галстуке", — написал он одному из сотрудников Anthropic. "Я буду здесь до 10:30 утра". Само собой, это была одна из галлюцинаций модели. ▶️ Результаты Эксперимент показал, что ИИ пока не готов забирать работу у людей. Чат-бот допустил слишком много ошибок, и его "бизнес" понес убытки: за месяц - 20% от стартового капитала в 1000 долларов. Тем не менее, несмотря на множество ошибок Claude, исследователи Anthropic по-прежнему убеждены, что ИИ сможет взять на себя управление значительными сегментами экономики в ближайшем будущем, как прогнозирует их СEO. Большинство провалов Claude, написали они, вероятно, можно будет исправить в короткие сроки. Например, дать доступ к CRM или специально обучить управлению бизнесом, что, возможно, сделает модель более устойчивой и гибкой. 🔜 Читать полную статью об эксперименте @ai_machinelearning_big_data #news #ai #ml #Сlaude

✔️ Doppl: виртуальная примерочная от Google. Google Labs запустила приложение Doppl, которое позволяет пользователем визуализировать, как вещи будут сидеть на их цифровой копии. Достаточно загрузить фото одежды и алгоритм создаст анимированную версию пользователя в этом образе или даже видео, чтобы оценить движения ткани и посадку. Функция работает с любыми снимками: от скринов до селфи в магазине. Приложение поддерживает сохранение и шеринг луков, а также адаптирует статичные изображения в динамичный контент. Пока точность зависит от качества фото, но разработчики обещают улучшения. Doppl уже доступен в App Store и Google Play для пользователей из США. blog.google ✔️ Microsoft откладывает массовое производство чипа Braga на 2026 год. Согласно недавнему отчету, разработка чипа Braga, ключевого элемента стратегии Microsoft в сфере ИИ, столкнулась с серьезными задержками. Массовое производство теперь намечено на 2026 год, это на полгода позже запланированного. Причины: частые изменения в дизайне, кадровый дефицит и высокая текучесть сотрудников. Инженеры добавили функции по запросу OpenAI, что вызвало нестабильность в симуляциях, а упорство руководства сохранить график привело к внутреннему напряжению и уходу специалистов. Braga ориентирован на задачи инференса, но уступает конкурентам: его производительность на ватт энергии пока ниже, чем у Nvidia Blackwell. Первый чип Microsoft, Maia 100, до сих пор тестируется внутри компании, он так и не смог заменить сторонние решения. theinformation.com ✔️ Google выпустила полные версии модели Gemma 3n. Gemma 3n - новое поколение мультимодальных компактных моделей с минимальными требованиями к памяти. В релизе две версии, E2B (5 млрд. параметров) и E4B (8 млрд.). Благодаря MatFormer-дизайну и Per-Layer Embeddings, модели могут работать с оперативной памятью размером всего 2–3 ГБ, это идеально для смартфонов и гаджетов. Новые аудио- и видеокодировщики обеспечивают скорость до 60 кадров в секунду, поддерживают перевод речи и анализ видео в реальном времени. Gemma 3n доступны на Hugging Face или Kaggle и поддерживаются в Ollama, MLX и других средах. developers.googleblog.com ✔️ xAI представит Grok 4 после 4 июля. По словам Илона Маска, xAI пропустит Grok 3.5 и выпустит Grok 4, который обещает «огромный скачок» в производительности. Новинка получит улучшенные навыки логического мышления и специализированные инструменты для программирования. Маск утверждает, что Grok 4 станет не просто обновлением, а шагом к системе, способной глубже понимать сложные задачи. Модель сначала займётся переписью «всех знаний человечества», исправляя ошибки и заполняя пробелы в данных. После этого её переобучат на очищенном наборе информации. Elon Musk в сети X ✔️ Компания Марка Цукерберга ведет переговоры о покупке стартапа PlayAI. ИТ-гигант ведет переговоры о приобретении стартапа PlayAI, специализирующегося на репликации голосов с помощью искусственного интеллекта. По данным источников, сделка может включать передачу технологий и части сотрудников PlayAI. Если сделка состоится, это укрепит позиции Meta в создании реалистичных голосовых моделей — технология, востребованная в соцсетях, ассистентах и медиа.Детали соглашения пока не раскрыты: сумма и сроки остаются неясными, а официальные лица компании воздерживаются от комментариев. bloomberg.com @ai_machinelearning_big_data #news #ai #ml

🚀 Google DeepMind запускает хакатон "Gemma 3n Impact Challenge" на Kaggle — призовой фонд $150 000! 🏆 Главный приз — $10 000 за лучший проект, демонстрирующий возможности Gemma 3n на платформе Ollama 💡 Как участвовать: 1. Используйте Gemma 3n через Ollama 2. Создайте AI-проект — в любом направлении: образование, здравоохранение, экология, доступность и т.п. 3. Подайте работу на конкурсе на странице Kaggle: ➡️ https://www.kaggle.com/competitions/google-gemma-3n-hackathon/ ⚡ Это уникальный шанс продемонстрировать подать свой проект, завязанный на edge девайсы и выиграть крупные призы. https://www.kaggle.com/competitions/google-gemma-3n-hackathon/ @ai_machinelearning_big_data #Gemma #DeepMind #Ollama

🧠 Как машинное обучение помогло заглянуть за пределы Стандартной модели в физике На одной из самых престижных премий мира Breakthrough Prize 2025 отметили участников эксперимента LHCb на Большом адронном коллайдере — в их числе выпускники Школы анализа данных (ШАД) Яндекса и ученые НИУ ВШЭ. Они применили ML, чтобы улучшить анализ данных с коллайдера и сделать возможным открытие тетракварков и пентакварков — нестабильных частиц, предсказанных теорией. 🟠 Роль машинного обучения Для анализа данных эксперимента использовались CatBoost, генеративные нейросети и алгоритмы интеллектуального отбора. Они позволили значительно повысить точность реконструкции траекторий частиц и отбор редких событий среди фона. Эффективность обработки выросла, особенно это заметно при работе с большими потоками коллайдерных данных. 🟠 Ключевые открытия Тетракварки и пентакварки — новые экзотические частицы, состоящие из 4 и 5 кварков (в отличие от привычных протонов и нейтронов). Их открытие подтверждает Стандартную модель, но не переворачивает физику. CP-нарушение — обнаружена асимметрия между материей и антиматерией, но ее масштаб недостаточен для объяснения дисбаланса во Вселенной. 🟠 Главный вопрос: почему материи больше, чем антиматерии? Ученые подтвердили CP-нарушение, но его недостаточно для полного объяснения асимметрии. Требуется выполнение трёх условий Сахарова, два из которых пока не обнаружены. 🟠 Что дальше Новые эксперименты в Дубне (BM@N, MPD, SPD) и возможное строительство коллайдера в Китае. Поиск «новой физики» за пределами Стандартной модели. ⏩Полное интервью #ML #AI #CatBoost #Physics #LHCb #ШАД #ВШЭ #BreakthroughPrize

✔️Qwen VLo — новый мультимодальный ИИ от Alibaba, который заточен на понимание и генерацию изображений 📌Как работает: Модель поэтапно строит изображение слева направо и сверху вниз, уточняя детали на каждом шаге. Это делает итоговую картинку качественной, естественной и согласованной. Например, можно написать запрос: «Сделай картинку милого кота» — и она появится. А можно загрузить фото кота и попросить: «Добавь коту шапку» — и модель отредактирует изображение. 🎯 Что умеет Qwen VLo: • Точная генерация: не путает объекты, сохраняет структуру, меняет, например, цвет машины на фото без искажений • Редактирование по команде: «Сделай фото в стиле Ван Гога» или «добавь солнечное небо» — всё выполняется по инструкции • Глубокое понимание: может обрабатывать сложные задачи — выделение объектов, сегментация, редактирование текста и фона • Мультиязычность: понимает запросы на английском, китайском и других языках — просто опишите, что нужно 🧪 Сейчас Qwen VLo доступна в виде превью через Qwen Chat. 👉 Попробовать: https://chat.qwen.ai 👉 Детали: https://qwenlm.github.io/blog/qwen-vlo/ @ai_machinelearning_big_data #Qwen #Alibaba #ai #genai #ml

🧠 Когда ИИ проектируют как биологический мозг Continuous Thought Machine (CTM) - концептуальная архитектура от SakanaAI, вдохновленная биологическими процессами мозга человека. Вместо масштабирования «в ширину» концепт предлагает «глубину» мышления, учитывая временную динамику и имитируя естественные нейронные взаимодействия. 👉 Подробнее про архитектуру мы писали тут. 🎬 В видео объясняется: • Как работает ИИ, вдохновлённый биологическим мозгом • Что такое "непрерывное мышление" в архитектуре ИИ • Почему Sakana AI считает, что будущее за гибкими, адаптивными агентами • Механизмы, напоминающие эволюцию, самоорганизацию и устойчивое обучение 📺 Полное видео тут: https://youtu.be/dYHkj5UlJ_E @ai_machinelearning_big_data #SakanaAI #ai #ml