Анализ данных (Data analysis)
Kanalga Telegram’da o‘tish
Data science, наука о данных. @haarrp - админ РКН: clck.ru/3FmyAp
Ko'proq ko'rsatish
Tarmoq:📈 Telegram kanali Анализ данных (Data analysis) analitikasi
Анализ данных (Data analysis) (@data_analysis_ml) Rus til segmentidagi kanali faol ishtirokchi. Hozirda hamjamiyat 50 595 obunachidan iborat bo'lib, Texnologiyalar & Aralashmalar toifasida 2 550-o'rinni va Rossiya mintaqasida 12 134-o'rinni egallagan.
📊 Auditoriya ko‘rsatkichlari va dinamika
невідомо sanasidan buyon loyiha tez o‘sib, 50 595 obunachiga ega bo‘ldi.
15 Sentabr, 2026 dagi oxirgi ma’lumotlarga ko‘ra kanal barqaror faollikka ega. Oxirgi 30 kunda obunachilar soni 194 ga, so‘nggi 24 soatda esa 1 ga o‘zgardi va umumiy qamrov yuqori darajada qolmoqda.
- Tasdiqlash holati: Tasdiqlanmagan
- Jalb etish (ER): Auditoriya o‘rtacha 10.74% darajada jalb etiladi. Nashrdan keyingi dastlabki 24 soatda kontent odatda umumiy obunachilar sonining 7.91% ini tashkil etuvchi reaksiyalarni to‘playdi.
- Post qamrovi: Har bir post o‘rtacha 5 434 marta ko‘riladi; birinchi sutkada odatda 4 002 ta ko‘rish yig‘iladi.
- Reaksiyalar va o‘zaro ta’sir: Auditoriya faol: har bir postga o‘rtacha 32 ta reaksiya keladi.
- Tematik yo‘nalishlar: Kontent llm, контекст, openai, архитектура, deepseek kabi asosiy mavzularga jamlangan.
📝 Tavsif va kontent siyosati
Muallif resursni shaxsiy fikrni ifoda etish maydoni sifatida ta’riflaydi:
“Data science, наука о данных.
@haarrp - админ
РКН: clck.ru/3FmyAp”
Yuqori yangilanish chastotasi (oxirgi ma’lumot 16 Sentabr, 2026 da olingan) sababli kanal doimo dolzarb va katta qamrovli bo‘lib qoladi. Analitika auditoriya kontent bilan faol hamkorlik qilishini, uni Texnologiyalar & Aralashmalar toifasidagi muhim ta’sir nuqtasiga aylantirishini ko‘rsatadi.
50 595
Obunachilar
+124 soatlar
+37 kun
+19430 kun
Ma'lumot yuklanmoqda...
O'xshash kanallar
Taglar buluti
Kirish va chiqish esdaliklari
---
---
---
---
---
---
Obunachilarni jalb qilish
Sentabr '26
Sentabr '26
+247
37 kanalda
Avgust '26
+563
61 kanalda
Get PRO
Iyul '26
+483
58 kanalda
Get PRO
Iyun '26
+435
18 kanalda
Get PRO
May '26
+361
20 kanalda
Get PRO
Aprel '26
+545
30 kanalda
Get PRO
Mart '26
+424
33 kanalda
Get PRO
Fevral '26
+5 597
63 kanalda
Get PRO
Yanvar '26
+2 202
126 kanalda
Get PRO
Dekabr '25
+381
19 kanalda
Get PRO
Noyabr '25
+637
27 kanalda
Get PRO
Oktabr '25
+473
34 kanalda
Get PRO
Sentabr '25
+844
39 kanalda
Get PRO
Avgust '25
+498
30 kanalda
Get PRO
Iyul '25
+1 004
91 kanalda
Get PRO
Iyun '25
+835
114 kanalda
Get PRO
May '25
+345
12 kanalda
Get PRO
Aprel '25
+485
38 kanalda
Get PRO
Mart '25
+602
17 kanalda
Get PRO
Fevral '25
+778
50 kanalda
Get PRO
Yanvar '25
+792
50 kanalda
Get PRO
Dekabr '24
+1 063
62 kanalda
Get PRO
Noyabr '24
+1 921
184 kanalda
Get PRO
Oktabr '24
+2 266
74 kanalda
Get PRO
Sentabr '24
+1 544
207 kanalda
Get PRO
Avgust '24
+1 329
48 kanalda
Get PRO
Iyul '24
+1 449
57 kanalda
Get PRO
Iyun '24
+2 129
64 kanalda
Get PRO
May '24
+1 558
46 kanalda
Get PRO
Aprel '24
+1 838
60 kanalda
Get PRO
Mart '24
+1 814
32 kanalda
Get PRO
Fevral '24
+1 919
13 kanalda
Get PRO
Yanvar '24
+2 481
48 kanalda
Get PRO
Dekabr '23
+1 305
41 kanalda
Get PRO
Noyabr '23
+5 619
82 kanalda
Get PRO
Oktabr '23
+1 810
21 kanalda
Get PRO
Sentabr '23
+1 669
0 kanalda
Get PRO
Avgust '23
+1 481
0 kanalda
Get PRO
Iyul '23
+1 093
1 kanalda
Get PRO
Iyun '23
+1 229
0 kanalda
Get PRO
May '23
+1 932
0 kanalda
Get PRO
Aprel '23
+460
0 kanalda
Get PRO
Mart '23
+643
0 kanalda
Get PRO
Fevral '23
+1 030
0 kanalda
Get PRO
Yanvar '23
+1 205
0 kanalda
Get PRO
Dekabr '22
+541
0 kanalda
Get PRO
Noyabr '22
+932
0 kanalda
Get PRO
Oktabr '22
+1 431
0 kanalda
Get PRO
Sentabr '22
+1 017
0 kanalda
Get PRO
Avgust '22
+1 141
0 kanalda
Get PRO
Iyul '22
+3 205
0 kanalda
Get PRO
Iyun '22
+6 354
0 kanalda
| Sana | Obunachilarni jalb qilish | Esdaliklar | Kanallar | |
| 15 Sentabr | +12 | |||
| 14 Sentabr | +14 | |||
| 13 Sentabr | +34 | |||
| 12 Sentabr | +12 | |||
| 11 Sentabr | +7 | |||
| 10 Sentabr | +13 | |||
| 09 Sentabr | +20 | |||
| 08 Sentabr | +12 | |||
| 07 Sentabr | +15 | |||
| 06 Sentabr | +11 | |||
| 05 Sentabr | +9 | |||
| 04 Sentabr | +11 | |||
| 03 Sentabr | +18 | |||
| 02 Sentabr | +16 | |||
| 01 Sentabr | +43 |
Kanal postlari
🔥 Agentic coding уже ломает привычный CI: у Anthropic объём CI-задач вырос в 25 раз всего за 6 месяцев
Причина простая: инженеры выпускают примерно в 8 раз больше кода, около 80% которого пишет Claude, а количество тестов в кодовой базе выросло в 10 раз.
Старый test-selection сервис начал захлёбываться. Anthropic прошла три стадии:
больше CPU → sharding → ежедневные рестарты
Первая мера продержалась 70 дней, вторая — 29 дней, третья — меньше суток.
В итоге архитектуру переделали полностью: listener стал stateless, результаты CI складываются в общий журнал в in-memory store, а отдельный consumer агрегирует историю тестов. Это позволило горизонтально масштабировать обработку.
Новая система была собрана одним инженером примерно за 3 недели. По оценке Anthropic, год назад такая переделка заняла бы около квартала.
Главный совет команды на эпоху coding agents: проектируйте CI сразу под нагрузку в 10–25 раз выше текущей.
https://claude.com/blog/agentic-coding-is-straining-ci-heres-how-we-scaled-test-impact-analysis-at-anthropic| 2 |  🔥 Spark-X2.5-4B - компактная 4B-модель с нативным контекстом до 1M токенов
Модель заточена под локальный запуск и при небольшом размере умеет reasoning, coding, tool use и agentic workflows, а также заявляет поддержку 200+ языков.
По данным авторов:
- 44.4 — SWE-Bench Pro
- 40.9 — BrowseComp
- 90.7 — AIME 2026
- 54.6 — MCP-Atlas
Для локального запуска уже доступны BF16, INT8, GGUF-кванты от Q2 до Q8/IQ, MLX 4/8-bit и ONNX. Есть варианты для Apple Silicon, Linux CPU и NVIDIA GPU.
У свежего llama.cpp уже появилась поддержка архитектуры spark2_5, поэтому GGUF можно запускать через совместимые актуальные runtime. Полный контекст в 1M токенов, конечно, потребует намного больше памяти, чем обычный локальный сценарий.
Модель: https://huggingface.co/XHToken/Spark-X2.5-4B
GGUF: https://huggingface.co/XHToken/Spark-X2.5-4B-GGUF | 2 619 |
| 3 |  Вопрос уже не в том, нужен ли ИИ, а в том, как его внедрять и масштабировать
Найдем ответ на бесплатной конференции 8 октября
Все об эффективном и безопасном внедрении ИИ в бизнес расскажут эксперты топовых технологических компаний на конференции Selectel ТехноДень в Москве.
На повестке:
🔺Как использовать генеративный ИИ в компании без хаоса и получать от этого измеримый эффект: от теории до реальных кейсов.
🔺Как ускорить внедрение ИИ в бизнес-процессы и минимизировать риски для бизнеса с помощью инструментов ИБ.
🔺Какую ИТ-инфраструктуру выбрать для инференса и обучения моделей.
Кроме 20 экспертных докладов и 20 интерактивных стендов, в финале вечера вас ждет живая запись подкаста Вселенная Плюс на главной сцене конференции.
Присоединяйтесь к Selectel ТехноДень, чтобы лично задать вопросы экспертам рынка и обменяться опытом. Количество мест ограничено, регистрируйтесь уже сейчас →
Реклама. АО "Селектел". erid:2W5zFK7dGWM | 2 510 |
| 4 |  +2Tencent Hunyuan представила EvolveScaler - бенчмарк и датасет для проверки того, умеют ли LLM рассуждать в мире, где информация постоянно меняется.
Пример задачи: модель читает журнал RPG за 40 дней, после чего получает вопрос, если на 7-й день пропустить мини-босса, получится ли всё равно победить финального босса?
Прямого ответа в тексте нет. Нужно фактически «переиграть» цепочку событий с изменённым условием.
Авторы называют это Information Evolution: записи могут отменяться, исправляться и дополняться задним числом, поэтому простого поиска фактов в длинном контексте недостаточно.
EvolveScaler строится наоборот:
- сначала мир задаётся как исполняемая машина состояний
- логика и зависимости между событиями контролируются кодом
- затем эта история преобразуется в естественный язык
- модель должна восстановить состояние мира и просчитать последствия изменений
Масштаб:
- 117 прототипов сценариев
- 159 типов вопросов
- 5 уровней сложности
- до ~1200 событий в одном примере
Авторы протестировали 14 frontier-моделей. На самом сложном уровне медианный avg@5 падает до 11,3%.
При этом обучение на EvolveScaler дало в среднем +5,25 пункта на 8 внешних бенчмарках, которые не использовались при создании датасета.
Работа проверяет не только понимание длинного контекста, а способность модели поддерживать изменяющееся состояние мира, учитывать исправления и пересчитывать последствия контрфактических изменений.
Paper:
https://arxiv.org/abs/2609.08435
Project:
https://tencent-hunyuan.github.io/evolve-scaler/ | 2 664 |
| 5 |  ⚡Трамп жёстко прошёлся по Дарио Амодею и фактически отверг идею замедления гонки ИИ.
После призывов главы Anthropic снизить темп разработки frontier-моделей ради безопасности Трамп написал, что ИИ не нужны новые «ограничители», кроме «сильного и умного президента». Он отдельно упомянул Амодеи, обвинил противников ускоренного развития ИИ в игре на руку Китаю и заявил, что США уже обладают достаточными уголовными и регуляторными полномочиями над ИИ-компаниями.
Самая жёсткая часть:
> «Treasonists, Traitors, and Leakers, BEWARE!»
На этом фоне предложение Амодея о «Pacing the Frontier» - дать индустрии ещё 1–2 года на усиление контроля и безопасности, выглядит всё сложнее реализуемым на уровне США.
Гонку, похоже, тормозить никто не собирается. | 3 757 |
| 6 |  Хакатон на космических данных. Санкт-Петербург, Красноярск или онлайн из любой точки страны.
Стартуем 18 сентября.
За выходные участники доводят одну из задач до рабочего решения.
Санкт-Петербург. К 2035 году над Землёй должен работать топливный узел, у которого заправляются корабли, и откуда он будет получать топливо - с Земли, с Луны или из резерва - пока не решил никто. Команде предстоит собрать схему поставок, посчитать резервы и решить, во что вкладываться сразу. Призовой фонд 1,2 млн ₽.
Красноярск. Спутник видит горящий лес раньше любого наземного поста, но вместе с пожаром ловит нагретые крыши, факелы на месторождениях и блики на воде. Команде предстоит научить сервис отличать настоящий очаг от шума, обвести гарь и выдать площадь в гектарах. Призовой фонд 600 тыс. ₽.
Лучшие забирают приз на площадке и билет в московский финал 25–27 сентября, где разыграют ещё 2,4 млн рублей.
Команда 3–5 человек, недостающих можно найти на платформе.
Регистрация по ссылке космохакатон.рф | 3 325 |
| 7 |  🐠Sakana AI представила PC-ALM - метод обучения глубоких нейросетей без классического обратного распространения ошибки.
Главный результат: PC-ALM смог обучать нейросети глубиной до 1000 слоёв, используя только локальные взаимодействия между соседними слоями.
Обычное глубокое обучение почти полностью опирается на backpropagation: ошибка считается на выходе сети, после чего градиенты передаются назад через все слои.
PC-ALM работает иначе.
Каждый слой рассматривается как локальная динамическая система, которая пытается уменьшить собственную ошибку предсказания. Вместо глобального прохода градиента используются:
- локальные ошибки предсказания
- множители Лагранжа
- расширенный лагранжиан
- локальная динамика состояний
- PI-регуляция внутри каждого слоя
Метод вырос из predictive coding — подхода, популярного в NeuroAI. В predictive coding каждый слой постепенно корректирует своё состояние так, чтобы уменьшать рассогласование с соседними слоями.
Проблема в том, что в очень глубоких сетях такие сигналы плохо распространяются: информация об ошибке с выхода сети затухает раньше, чем достигает внутренних слоёв.
PC-ALM добавляет специальные двойственные переменные — по сути дополнительные нейроны, представляющие множители Лагранжа. Они помогают передавать сигнал ошибки через большое число слоёв.
Авторы связывают этот подход с классической работой Яна Лекуна 1988 года, где множители Лагранжа для многослойной сети можно связать с градиентами функции потерь.
В результате получается обучение, где глобальная задача оптимизации раскладывается на множество локальных динамических процессов.
Особенно хорошо PC-ALM показал себя на очень глубоких и узких сетях, где обычный predictive coding начинает ломаться.
Помимо NeuroAI, подход может быть интересен для нейроморфного железа: там локальные вычисления и физическая динамика потенциально дешевле классического backpropagation на GPU.
Блог: https://pub.sakana.ai/pc-alm/
Статья: https://arxiv.org/abs/2605.31022
Код: https://github.com/SakanaAI/pc-alm | 2 402 |
| 8 |  Когда крупнейшие CEO в области ИИ начинают тормозить, приходится спросить: что они знают такого, чего не знаем мы? | 3 177 |
| 9 |  🔥 Qwen3.8-27B можно запускать локально на Mac с Apple Silicon - вышла 4-битная сборка для MLX.
Команда LM Studio подготовила версию модели на 27 млрд параметров, оптимизированную для чипов Apple. Она поддерживает текст и изображения, а файлы занимают около 16,1 ГБ.
Но 16,1 ГБ на диске не означает, что хватит Mac с 16 ГБ памяти. Дополнительная память нужна системе, вычислениям и кешу контекста.
В исходной публикации ориентир - 24 ГБ объединённой памяти, а для изображений и длинных рассуждений — 32 ГБ. В карточке сборки эти требования не подтверждены; расход памяти зависит от настроек и длины контекста.
https://huggingface.co/lmstudio-community/Qwen3.8-27B-MLX-4bit | 3 541 |
| 10 |  Сильные аналитики давно делают для бизнеса больше, чем отчеты и дашборды.
Они помогают понять, что происходит, находят причины проблем, проверяют гипотезы и дают руководителям основу для решений.
Именно для таких специалистов мы сделали Cortex Challenge — соревнование, где можно показать весь масштаб своих навыков, подход к аналитике и умение превращать данные в бизнес-решения.
Вам достанется виртуальная компания с реальной бизнес-проблемой.
Ваша задача — разобраться в ситуации, найти настоящую проблему, сформировать решение и защитить его перед экспертами.
А для победителей — крупнейший призовой фонд в сфере BI-аналитики: 1 000 000 ₽. Шесть победителей разделят его между собой: три призовых места и три специальные профессиональные номинации.
Стартуем 25 сентября 🔥
Если для вас аналитика — это способ влиять на бизнес, присоединяйтесь к Cortex Challenge!
Будте в курсе новостей с @visiology_official | 3 242 |
| 11 |  We Must Pace the Frontier | 3 356 |
| 12 |  +1🔥 DeepSeek-V4.1-Flash теперь можно запустить локально в UNCENSORED FP8-версии
Авторы утверждают, что отказный контур удалён прямо на уровне весов, поэтому модель практически перестаёт уходить в refusals.
База при этом остаётся очень мощной:
552B MoE, 8B/16B активных параметров, контекст до 1M, vision, DSpark, CSA2 и Engram.
На HarmBench-320 авторы заявляют рост ASR:
- с 42,8% до 100% при effort=off
- с 1,6% до 100% при effort=max
MMLU при этом снижается с 86,96% до 82,74%, а при удалении ethics-кластера падение около 1,1 п.п.
У исходной модели усиленное reasoning, наоборот, делало поведение безопаснее. Здесь этот путь вырезали непосредственно из весов.
https://huggingface.co/dealignai/DeepSeek-V4.1-Flash-UNCENSORED-FP8 | 3 580 |
| 13 |  +1🚨 Исследователь Chaofan Shou утверждает, что купил около 6 ТБ данных у одного из китайских AI-routing сервисов — и внутри якобы оказались чувствительные доступы к инфраструктуре крупных компаний и госструктур.
По его словам, среди данных были SSH-ключи, VPN-конфиги, облачные ключи и GitLab-токены, потенциально связанные с 7 государственными организациями и 19 крупными компаниями, включая Huawei, Xiaomi и NIO.
Если это подтвердится, история показывает довольно неприятную реальность: огромный объём чувствительных данных может утекать не через «кибервойну», а через обычную инфраструктуру вокруг AI-сервисов.
Пока это заявление самого исследователя, и независимого подтверждения масштаба утечки нет.
https://x.com/shoucccc/status/2042423713019412941 | 3 962 |
| 14 |  🔥 Хочешь расти в IT быстрее остальных? Перестань учиться в одиночку
Можно годами смотреть курсы, читать документацию и всё равно топтаться на месте.
А можно попасть в правильное окружение, где каждый день обсуждают новые инструменты, вакансии, реальные кейсы, ошибки и то, что уже завтра станет стандартом.
Здесь собраны папки и каналы по разным направлениям IT, чтобы ты быстрее находил нужных людей, идеи и полезный контент - без бесконечного поиска.
AI: t.me/ai_machinelearning_big_data
Python: t.me/pythonl
Linux: t.me/linuxacademiya
Хакинг: t.me/linuxkalii
DevOps: t.me/DevOPSitsec
Docker: https://t.me/+90Z5TAyfuNU5YmRi
Golang: t.me/Golang_google
Rust: t.me/rust_code
C++: t.me/cpluspluc
C#: t.me/csharp_ci
Java: t.me/javatg
JavaScript: t.me/javascriptv
React: t.me/react_tg
Frontend: t.me/front
PHP: t.me/phpshka
Android: t.me/android_its
Мобильная разработка: t.me/mobdevelop
Базы данных: t.me/sqlhub
Data Science: t.me/data_analysis_ml
Big Data: t.me/bigdatai
Математика: t.me/data_math
Физика: t.me/fizmat
Kubernetes: t.me/kubernetc
GameDev: https://t.me/gamedev
Haskell: t.me/haskell_tg
Собеседования и карьера:
DS собеседования: t.me/machinelearning_interview
Python собеседования: t.me/python_job_interview
Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi
Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi
Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy
Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy
Папка Frontend: https://t.me/addlist/mzMMG3RPZhY2M2Iy
Полезное сверху:
ИТ-мемы: t.me/memes_prog
Английский для программистов: t.me/english_forprogrammers
ИИ и технологии: t.me/vistehno
954 ГБ open-source курсов: https://t.me/+rKBQEMccAA01MTcy
ИТ-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy
Max Ai: https://max.ru/ai_machinelearning_big_data
Max python: https://max.ru/pythonl
ТЕХНО: https://max.ru/vistehno
Max Go: https://max.ru/Golang_google
Max Linux: https://max.ru/linuxkalii
Devops: https://max.ru/DevOPSitsec
C#: https://max.ru/csharp_ci
C++: https://max.ru/cpluspluc
SQL: https://max.ru/sqlhub
Java: https://max.ru/javatg
Подпишись и сохрани, здесь регулярно появляются новые подборки, инструменты и материалы, которые реально помогают расти быстрее. | 2 943 |
| 15 |  🚨 Ларри Эллисон внезапно отменил продажу акций Oracle на сумму до $7,5 млрд
План предусматривал продажу до 50 млн акций Oracle до 24 октября. Но уже через день после его раскрытия Эллисон полностью его отменил.
Oracle отдельно уточнила:
- по этому плану не было продано ни одной акции
- у Эллисона сейчас нет других планов по продаже акций Oracle
- причину резкой отмены компания не назвала
Эллисон остаётся крупнейшим акционером Oracle, владея более чем 38% компании.
На фоне падения акций Oracle примерно на 23% с начала года такой разворот выглядит особенно интересно.
https://www.wsj.com/business/larry-ellison-scraps-plan-to-sell-up-to-7-5-billion-worth-of-oracle-stock-9f41edd2 | 3 356 |
| 16 |  Страшно | 3 766 |
| 17 |  🚨 В сети разгоняется слух, что Google DeepMind могла приблизиться к RSI - recursive self-improvement
Пока это не подтверждённый факт, но контекст выглядит всё интереснее.
Что известно:
- Google перевела Демиса Хассабиса из операционного управления DeepMind в роль chief scientist Alphabet, чтобы он мог сильнее сфокусироваться на фундаментальных исследованиях AGI.
-
- Сергей Брин в последние месяцы лично давит на DeepMind и команду Gemini, требуя ускорить развитие моделей и сократить отставание от OpenAI и Anthropic.
- - RSI всё чаще обсуждают как следующий этап AI-гонки: система улучшает не только ответы, но и собственные исследовательские процессы, инструменты, harness и следующие поколения моделей.
Именно поэтому любые намёки из окружения Google сейчас воспринимаются особенно серьёзно.
https://x.com/Machinelearrn/status/2098732367066136688 | 3 828 |
| 18 |  🚨 Илья Суцкевер предупредил о слабом месте AI-инфраструктуры — neocloud-провайдерах
Его тезис простой: если мощный автономный агент когда-нибудь выйдет из-под контроля, ему понадобится больше compute, чтобы запускать новые копии себя. И одной из первых целей могут стать плохо защищённые GPU-кластеры.
Это уже не чистая теория.
В мае 2026 года Palisade Research показала в контролируемом эксперименте, что LLM-агент способен:
- найти уязвимый сервер
- получить доступ и извлечь credentials
- перенести свои weights и harness
- поднять inference server
- запустить новую копию себя
- повторить цепочку на следующей машине
Успех был ограниченным и тесты проходили на специально подготовленной инфраструктуре, но сам сценарий оказался технически реализуемым.
Отдельная проблема — устройство рынка neocloud. SemiAnalysis при тестировании провайдеров обнаружила конфигурации, где через monitoring можно было видеть не только клиентов, но и tenants of tenants — пользователей реселлеров, работающих на чужих GPU.
Чем длиннее такая цепочка:
GPU provider → reseller → sub-reseller → workload
тем сложнее быстро понять, кому на самом деле принадлежит подозрительная нагрузка и где её отключать.
Именно поэтому Суцкевер призывает neocloud-компании резко усиливать cybersecurity, пока автономные агенты не стали достаточно сильными, чтобы использовать слабую инфраструктуру как источник собственного compute. | 3 808 |
| 19 |  👁 Исследователи DeepMind, Гарварда и Стэнфорда обсуждают путь к AGI через зрение
В статье Visual General Intelligence авторы предлагают развивать ИИ, который учится на изображениях, видео, трёхмерной геометрии и взаимодействии с окружающей средой.
Такая система должна уметь:
* строить модель мира — понимать объекты, пространство и связи между ними;
* запоминать изменения — сохранять представление о происходящем между наблюдениями;
* предсказывать последствия действий и учитывать скрытые части сцены;
* собирать недостающую информацию — выбирать, куда посмотреть перед действием;
* учиться на новом опыте, обновляя накопленные знания.
Среди возможных компонентов — генерация видео, реконструкция сцен, долговременная память, непрерывное обучение и робототехника.
Оценивать такие системы авторы предлагают по способности предсказывать, адаптироваться и действовать в незнакомой среде. Ответов на вопросы по картинкам и реалистичного видео для этого недостаточно.
Работа объединяет несколько исследовательских подходов. Готовой архитектуры AGI в ней пока нет.
Статья - https://arxiv.org/abs/2608.25924 | 3 907 |
| 20 |  Time to cook | 3 702 |
