Области интересов канала: блокчейн, мозг(BCI), space tech, цифровая экономика, WEB 3.0 в России и мире. Основатель @AniAslanyan English channel https://t.me/alwebbci Регистрация в перечне РКН https://knd.gov.ru/license?id=67374142772bb113f528001c®is
❗️DeepMind разработали метод, который меняет взаимодействие ИИ и человека
Авторы, среди которых Дэмис Хассабис, разработали специальный метод, чтобы "заглянуть в голову" шахматному ИИ AlphaZero и найти там новые идеи игры, которые он сам открыл.
Это одна из первых работ, демонстрирующих систематический подход к извлечению знаний, которые ИИ развил самостоятельно и которые отсутствуют у людей.
Исследование предоставляет доказательства существования знаний, которыми владеет ИИ, но не люди, через анализ ранга представлений.
Эти уникальные для ИИ знания могут быть успешно переданы даже экспертам высочайшего уровня (чемпионам мира по шахматам).
Предложенный метод может служить основой для извлечения знаний из ИИ в других областях помимо шахмат.
Эта работа имеет последствия для будущего взаимодействия людей и ИИ, предполагая новую парадигму, где ИИ не просто помогает людям решать задачи, но и расширяет границы человеческих знаний и способностей через обучение людей новым концепциям, которые были открыты ИИ самостоятельно.
Ученый ИИ-агент сделал 19 потенциальных открытий, 6 из них подтверждены экспертами-людьми
Ai2 представили CodeScientist — опен сорс ИИ-агент, который генерирует научные гипотезы, проводит эксперименты и анализирует результаты.
В ходе тестирования CodeScientist проанализировал ~ 50 научных статей в ИИ и виртуальных сред.
19 экспериментов система самостоятельно отметила как потенциальные открытия. После проверки человеком-экспертом 6 из них были признаны обоснованными научными находками.
Ранее был представлен ИИ-агент The AI Scientist-v2, который успешно опубликовал научную статью, прошедшую рецензирование на воркшопе ICLR 2025. Смотрите отличие 2-х агентов на картинке.
Несмотря на успехи CodeScientist, система сталкивается с рядом вызовов:
1. Более половины экспериментов заканчиваются неудачей из-за проблем с отладкой
2. Языковые модели по-прежнему "как младшие научные сотрудники", требующие наставничества
3. Открытия носят инкрементальный характер, а не революционный.
Лаба AGI Amazon представила систему ИИ-агентов для браузеров
Amazon AGI Lab разработали ИИ-модель Nova Act и сопутствующий SDK, которые вместе позволяют создавать надежные ИИ-агенты для браузеров. /channel/alwebbci/3154
Amazon не выпустили готовую систему агентов для конечных пользователей, а предоставили разработчикам инструмент для создания таких агентов.
Amazon используют эту технологию внутри своих продуктов, например, в Alexa+.
За последний час OpenAI добавили 1 млн пользователей.
Сэм Альтман говорит, когда запускался ChatGPT, они добавили 1 млн пользователей за 5 дней. А теперь за 1 час! И все это вирусная история с созданием картинок.
Сегодня были ещё цифры, что #DeepSeek превосходит ChatGPT по ежемесячному трафику.
Согласно данным аналитической платформы aitools. xyz.,
#DeepSeek достиг 525 млн посещений в феврале, превзойдя 500 миллионов ChatGPT.
Сейчас DeepSeek занимает 6,58% доли рынка - это 3-е место после ChatGPT (43,16%) и Canva (8,27%).
Все, что вы хотели знать про импортозамещение ПО и устройств 🔽
Разработчик приложений для российской ОС «Аврора» — компания «Авроид» временно приостановила деятельность с марта до конца июня.
Причина простоя - финансовые трудности, которое вызваны небольшим количеством устройств на «Авроре».
В августе 2023 г. сообщалось, что до 2027 г. на доработку ОС «Аврора» для смартфонов планируют выделить ₽300 млрд.
Ранее Ростелеком оценили траты на создание и развитие ОС «Аврора» в ₽480 млрд.
Напомним, что на покупку планшетов на ОС «Аврора» для бюджетников правительство собирается выделить ₽50 млрд,
Дочка "Ростелекома", которая занимается разработкой "Аврора" — ООО "ОМП" каждый год отчитывается об убытках, например, за 2023 год чистый убыток составил ₽1,2 млрд при выручке с продаж в ₽165 млн.
Китай опередил США по роботизации промышленности
Китай установил больше половины всех новых роботов в мире; больше всего их используют в производстве электроники и автомобилей.
США, Япония, Южная Корея, Германия и другие страны установили гораздо меньше.
В 2023 году Китай произвёл 32% от мировой добавленной стоимости в производстве, а США 19%. При этом Китай установил больше 50% всех новых промышленных роботов в мире, а США — только 10%.
Почему Китай так быстро автоматизируется?
- растут зарплаты рабочих, и страна хочет сохранить своё лидерство в производстве. Поэтому они активно используют роботов, чтобы снизить затраты и повысить эффективность.
- китайская программа "Сделано в Китае 2025" прямо направлена на то, чтобы увеличить автоматизацию и сделать производство более технологичным.
- на графике видно, что Китай особенно активно использует роботов в электронике и автомобилях — это отрасли, где автоматизация даёт большой эффект.
А что с США? они тоже используют роботов, но их производство меньше, чем в Китае. Кроме того, в США экономика больше ориентирована на высокотехнологичные и менее трудоёмкие отрасли, где не нужно столько роботов. Например, в США больше внимания уделяют разработке ПО и инновациям, а не массовому производству, как в Китае.
⚡️У ИИ появляется интуитивное понимание физического мира без LLM - Ян Лекун
Meta* представила исследование о том, как ИИ может приобрести "интуитивное" понимание физического мира, наблюдая за видео — без специального обучения физическим законам. GitHub тут.
Интуитивная физика — это наше врожденное понимание того, как должны вести себя объекты:
- Объекты не исчезают и не появляются из ниоткуда
- Твердые предметы не проходят друг через друга
- Объекты падают без поддержки и тд.
Эти базовые принципы усваиваются младенцами в первые месяцы жизни. Долгое время считалось, что без врожденного "базового знания" такое понимание невозможно.
Исследователи под руководством Яна ЛеКуна использовали методику "нарушения ожидания" из детской психологии, сравнивая свой метод с другими подходами.
Ключевой результат - модель V-JEPA достигла 98% точности в определении физически невозможных сценариев, значительно превзойдя другие подходы.
В исследовании представлен подход V-JEPA, который учится понимать мир принципиально иначе, чем генеративные ИИ:
-Не генерирует картинки. -Предсказывает в абстрактном пространстве.
-Самообучение без разметки.
Большинство существующих моделей не умеют моделировать физический мир интуитивно.
Авторы исследования показывают, что для возникновения интуитивного понимания физики достаточно:
1. Учиться предсказывать части видео в абстрактном пространстве представлений
2. Не нужно специально кодировать физические законы
3. С небольшим набором обучающих данных (модель демонстрирует понимание физики даже при обучении всего на 128 часах видео)
4. Без учителя (самообучение).
Модели V-JEPA в 6 раз эффективнее других подходов и превзошли как модели, предсказывающие видео на уровне пикселей, так и LLM с мультимодальными возможностями (Gemini 1.5 pro и Qwen2-VL), несмотря на то, что последние были обучены на гораздо большем объеме данных.
*Запрещенная организация в России.
Японский математик Масаки Касивара получил «нобелевку» по математике в этом году
Абелевская премия - одна из самых престижных наград в математике, ее часто сравнивают с Нобелевской премией.
В этом году ее вручили за создание теории D-модулей — математического инструмента, соединившего алгебру и анализ.
Касивара разработал её в 20 лет, эта теория позволила решать сложнейшие дифференциальные уравнения новыми способами.
Его работа находит применение в квантовой физике, инженерии, криптографии и ИИ.
По значимости для математики его открытие сравнимо с созданием нового универсального языка, позволяющего описывать и решать ранее неразрешимые проблемы.
❗️Создана 1-я карта митохондрий в человеческом мозге - прорыв в нейробиологии
Ученые создали 1-ю в мире подробную карту распределения митохондрий в человеческом мозге — MitoBrainMap v1.0.
Митохондрии — это "электростанции" наших клеток, производящие энергию, необходимую для всех клеточных процессов.
В мозге, который потребляет ~ 20% всей энергии организма (при массе всего 2% от массы тела), митохондрии играют критически важную роль.
Что показало исследование?
1. Митохондрии специализируются в зависимости от типа клеток и региона мозга
2. Разные области мозга имеют различную плотность митохондрий и способность к окислительному фосфорилированию
3. Существуют большие различия в митохондриальной активности между разными типами нейронов.
Полезность данного исследования MitoBrainMap:
Понимание нейродегенеративных заболеваний: Альцгеймера, Паркинсона и Хантингтона. Карта распределения митохондрий может помочь понять, почему определенные области мозга более уязвимы к этим заболеваниям.
Разработка новых методов лечения.
Изучение метаболизма мозга.
Персонализированная медицина - в будущем такие карты могут использоваться для создания индивидуальных профилей метаболической активности мозга пациентов, что поможет в диагностике и лечении неврологических заболеваний.
Фундаментальная нейробиология - вклад в понимание специализации клеток мозга и того, как различные типы клеток и регионы мозга адаптируются к своим функциональным требованиям.
Полный текст статьи с дополнительными материалами здесь.
А помните хайповый китайский ИИ-агент Manus?
Сегодня они объявили, что полностью их продукт работает на базе модели Claude 3.7 от Anthropic, то есть ИИ-агент Manus полагается на Claude 3.7 как на ядро своей системы.
О Manus мы писали тут и тут.
А тут материал от Anthropic про ИИ-агенты.
❗️Anthropic изучил 'мышление' Claude с помощью нейробиологии. Понимание ИИ — это биологическая проблема, говорит один из исследователей.
Сначала отметим 5 открытий от исследователя Джека Линдси.
1. Вычисления ИИ поддаются расшифровке. Несмотря на все сложности, внутренние вычисления современных языковых моделей можно разложить на понятные шаги.
2. Модели мыслят осмысленно. Они планируют ответы заранее, представляют цели, рассматривают несколько возможностей одновременно. Иногда они пугающе умны — могут работать от готового ответа в обратном направлении.
3. Иногда мышление моделей фрагментировано. Claude может начать рассказывать, как сделать бомбу, без «осознания» этого. Его стремление закончить предложение иногда перевешивает нежелание причинять вред.
4. Модели не знают, как они работают.
5. Понимание ИИ — биологическая проблема. Многие работы сосредоточены на создании математических и вычислительных инструментов для изучения моделей. Нам нужны эти инструменты, как биологам нужны микроскопы.
Ключевые открытия исследования Anthropic:
Универсальный язык мышления. Claude не "думает" на конкретных языках. При запросе "противоположности слова 'маленький'" на разных языках активируются одни и те же внутренние концепты, формируя своего рода межъязыковое концептуальное пространство.
Планирование наперёд.При создании стихов Claude сначала определяет возможные рифмующиеся слова для конца строки, а затем строит предложение, естественно подводящее к этому слову. Это доказывает, что модель планирует текст на несколько слов вперёд.
Достоверность объяснений.В некоторых случаях Claude дает подлинные цепочки рассуждений. Однако при работе с неверными подсказками модель может создавать правдоподобные, но фиктивные объяснения — своего рода "обратную инженерию" для обоснования неверного ответа.
Математические вычисления.Для сложения чисел модель использует параллельные вычислительные пути — один для приблизительного результата, другой для точного определения последней цифры. Интересно, что когда модель объясняет, как она складывает числа, она описывает стандартный алгоритм, а не тот, который реально использует.
Многоступенчатые рассуждения.Отвечая на вопрос "Столица штата, в котором находится Даллас?", Claude сначала активирует концепт "Даллас находится в Техасе", затем переходит к "столица Техаса — Остин". Это подтверждает настоящие цепочки рассуждений, а не просто регургитацию запомненных ассоциаций.
Контроль галлюцинаций.По умолчанию у Claude активирован "контур отказа", заставляющий его отклонять вопросы, на которые он не знает ответа. Этот контур отключается только, когда активируются концепты "известных сущностей". Галлюцинации возникают, когда этот механизм срабатывает некорректно.
Уязвимости при "взломе".При успешном "джейлбрейке" Claude может начать генерировать нежелательный контент из-за конфликта между грамматической связностью и безопасностью. Модель способна повернуть к отказу только после завершения грамматически корректного предложения.
⚡️Мировой биржевой гигант ICE интегрирует стейблкоин USDC в продукты и инфраструктуру ICE
Глобальный биржевой гигант Intercontinental Exchange, владелец NYSE, и Circle, эмитент USDC, объявили об этом.
Цель — интегрировать стейблкоин USDC и токенизированный фонд USYC в продукты и инфраструктуру ICE.
Это явный сигнал того, что стейблкоины, как класс цифровых активов, все глубже проникают в традиционный финансовый сектор.
Стейблкоины становятся мостом между криптой и классическими рынками и перестают быть инструментом криптоэнтузиастов и начинают рассматриваться как часть глобальной финансовой системы.
Интерес к USYC, токенизированному фонду денежного рынка, указывает на более широкий тренд — токенизацию традиционных финансовых инструментов. Это шаг к тому, чтобы в будущем акции, облигации или другие активы также начали активно токенизироваться и торговаться с использованием блокчейн-технологий.
Границы между блокчейном и Уолл-стрит стираются.
Теперь идеи - это самое дорогое, а исполнение стоит дешево. Творчество масштабируется вместе с вычислительной мощностью
Десятилетиями нам говорили обратное. У всех были идеи. Немногие могли хорошо их реализовать. Но ИИ всё полностью перевернуло с ног на голову.
С выходом обновления ChatGPT с улучшенной генерацией изображений на базе GPT-4o, теперь любой может исполнить свои креативные идеи.
Главное - применить правильный промпт, ограничивающим фактором становится качество ваших идей.
Скоро Голливуд будет планировать бюджет не на часы ручного труда, а на часы работы серверов, запускающих и перезапускающих инференс.
Художники создают "сырое искусство" в промптах (эскизы, цветовую палитру, элементы стиля) и позволяют машинам интерполировать остальное.
Самые успешные компании переносят ресурсы с производства на генерацию идей.
Это меняет всё:
Реклама трансформируется. Большая часть рабочего процесса генерации рекламных блоков теперь может быть автоматизирована, от идеи до финальных макетов.
Презентации богатеют визуально.
Книги становятся визуальными. Представьте, как кто-то берёт книгу и превращает её в комикс с помощью ChatGPT. Старые книги могут обрести новую жизнь.
Веб-сайты переходят от шаблонов к уникальности.
Мы движемся к раздвоенному творческому миру:
1. автоматизированная красота для большинства целей
2. человеческое творчество, сосредоточенное на создании неожиданного, идей и подходов, о которых ИИ не подумал бы.
Новая креативная экономика.
Это создаёт странную новую динамику в найме. Очевидно, что высшие технические навыки всё ещё имеют значение, но гораздо меньше.
Что происходит с пользовательскими интерфейсами?
Как только эта технология станет с открытым исходным кодом и достаточно дешевой, рядом с каждой кнопкой загрузки изображения появится кнопка генерации. Генерации появится с доступными изображениями в поиске. Визуальные стили станут так же легко копируемы, как и текст.
Настоящее преимущество заключается в знании, когда нарушать правила хорошего дизайна так, чтобы это эмоционально резонировало.
Вызов для большинства из нас теперь не "как мы реализуем эту идею?", а "какие идеи действительно стоит реализовывать?"
Alibaba выпустили ИИ-модель+ИИ-агента для живых звонков с голосом и видео /channel/alwebbci/3138
Alibaba представила Qwen2.5-Omni — 1-ю универсальную модель с поддержкой настоящих голосовых и видеозвонков в реальном времени.
Qwen2.5-Omni-7B выпущена с открытым исходным кодом под лицензией Apache 2.0.
Она способна обрабатывать различные типы данных (текст, изображения, аудио, видео).
А также ИИ-агента на основе этой модели, которая реализована в Qwen Chat, который может вести диалог с пользователем через голосовые и видеочаты в режиме реального времени.
Qwen2.5-Omni - комплексное решение, где модель обеспечивает необходимые возможности, а агент предоставляет интерфейс для использования этих возможностей.
Ключевое по ИИ-агентам за последние 7 дней
1. AgentRxiv - автономная научная экосистема - платформа, где исследовательские ИИ-агенты могут делиться результатами, находить релевантную информацию и строить новые исследования на основе работ друг друга.
2. Агентные архитектуры для приложений с интенсивным поиском информации.
3. Разбор статические ИИ vs динамические агенты
4. VAGEN -визуальные агенты нового поколения -1-й открытый фреймворк для обучения визуальных агентов с использованием многоэтапного обучения с подкреплением.
5. Проблема оценки ИИ-агентов. Новое исследование представляет 1-й комплексный обзор методов оценки ИИ-агентов
6 Reality Bench — новый метод оценки ИИ экспертного уровня. Эта система напрямую проверяет способность ИИ рассуждать на основе знаний и прогнозировать будущее, предлагая ему ответить на сложные финансовые и экономические вопросы.
Конкуренция накаляется - DeepMind ввела 6-ти месячное эмбарго на публикации стратегических работ о генИИ
Компания решила не раскрывать инновационные работы, которые могли бы быть использованы конкурентами.
Напомним, что работа Google по трансформерам от 2017 года сыграла центральную роль в создании современного бума генеративного ИИ.
Это большие изменения для DeepMind, которая ранее гордилась своей репутацией в публикации новаторских исследований.
Такая ситуация ярко показывает конкуренцию в ИИ и смещение от более открытого обмена исследованиями к более защищенному подходу для сохранения коммерческих преимуществ.
Китайский SMIC начнет производство 5-нм чипов в 2026г., несмотря на отсутствие EUV-оборудования, с ожидаемым выходом годных чипов около 30% и ценой на 50% выше, чем у TSMC.
Это скорее символическое достижение, чем конкурентоспособное решение.
Но оно позволит Китаю укрепить внутреннее производство, особенно для Huawei, но не угрожает лидерству TSMC или Samsung в ближайшем будущем.
Если Китай разработает собственные EUV-машины, ситуация может измениться, но пока это остается в области слухов и предположений.
Это не шутки: OpenAI выпустят open weights модель, а еще привлекли $40млрд при оценке в $300 млрд
OpenAI объявила о намерении выпустить свою 1-ю модель с открытыми весами со времён GPT-2. Это будет не полностью открытая модель, а модель с открытыми весами.
Разработчики получат доступ к обученным параметрам модели (весам), которые можно будет использовать для анализа и тонкой настройки под конкретные задачи. Однако исходный код, данные для обучения и методологии останутся закрытыми. Это отличается от полностью открытой модели, где всё, включая код и данные, доступно публично.
Цель - OpenAI хочет собрать обратную связь от разработчиков и исследователей, чтобы улучшить модель.
Они пошли на этот шаг из-за давления со стороны конкурентов - DeepSeek. Однако это вряд ли будет их самая передовая модель (например, GPT-4.5 или будущий GPT-5), так как OpenAI, скорее всего, сохранит свои флагманские технологии за закрытыми дверями из коммерческих соображений.
Также OpenAI объявила о завершении крупнейшего в истории раунда инвестиций частной технологической компании, привлекла $40 млрд.
После раунда OpenAI оценивается в $300 млрд, включая новые инвестиции. Это почти вдвое больше, чем предыдущая оценка в $157 млрд, установленная в октябре 2024 года, когда компания привлекла $6.6 млрд.
Раунд возглавил SoftBank, который инвестировал $30 млрд. Оставшиеся $10 млрд поступили от синдиката инвесторов, включая Microsoft, Coatue Management, Altimeter Capital, Thrive Capital, Magnetar Capital и Founders Fund.
Структура инвестиций
Первоначально OpenAI получила $10 млрд: $7.5 млрд от SoftBank и $2.5 млрд от синдиката инвесторов. Оставшиеся $30 млрд ($22.5 млрд от SoftBank и $7.5 млрд от синдиката) должны поступить к концу 2025 года, но с важным условием: OpenAI должна завершить переход в полностью коммерческую структуру к этому времени. Если этого не произойдёт, SoftBank может сократить свои инвестиции до $20 млрд.
«Мы не рождены, чтобы работать», - Билл Гейтс о будущем рынке труда и общества.
Гейтс дал свежее интервью в Индии, где он высказал основную мысль, что традиционная концепция работы как средства выживания в условиях ограниченных ресурсов — устаревает благодаря технологическому прогрессу.
Гейтс говорит, что с развитием ИИ, робототехники человечество приближается к состоянию, когда производство основных благ может быть полностью автоматизировано и человечеству не нужно работать.
Одновременно с этим он отмечает тренд, что чем богаче страна, тем меньше у нее население, чем образованнее человек, тем меньше у него детей.
Эмитент стейблкоина USDC выходит на IPO
Circle, эмитент стейблкоина USDC, готовится к подаче документов на IPO вместе с JP Morgan и Citi уже в конце апреля. Это размещение считается одним из крупнейших после IPO Coinbase в 2021 году.
Почему именно сейчас?
В США идет принятие стейблкоинов на уровне "Закона о платежных стейблкоинах" и предложения Ламмиса-Гиллибранда. IPO в апреле 2025 года может быть приурочено к предполагаемой ясности в регулировании, что повысит доверие инвесторов.
Интеграция с традиционными финансами,ранее стало известно, что мировой биржевой гигант ICE интегрирует стейблкоин USDC в свои продукты и инфраструктуру.
Напомним, что Bitwise прогнозировали о том, что 2025 станет годом крипто-IPO.
Впервые немецкая частная компания совершила запуск орбитальной ракеты из Европы
В РФ таких частных компаний нет, а что есть, те на подряде у Роскосмоса
30 марта 2025 года немецкая частная компания Isar Aerospace совершила исторический тестовый запуск своей ракеты-носителя Spectrum с космодрома Андёйя в Норвегии.
На борту ракеты не было коммерческих спутников — целью было собрать данные о работе всех систем ракеты. Старт прошел успешно в 12:30 по CEST и ракета поднялась с площадки. ~ через 18 секунд после взлета, во время маневра наклона Spectrum потеряла управление, а через 30 секунд полет был прерван. В результате ракета упала в Норвежское море и взорвалась.
Spectrum — это двухступенчатая ракета-носитель, спроектированная для вывода небольших и средних спутников массой до 1000 кг на низкую околоземную орбиту (LEO) или до 700 кг на солнечно-синхронную орбиту (SSO). Ракета, высотой около 28 метров и диаметром 2 метра, оснащена двигателями Aquila.
На данный момент в России нет частной компании, которая бы совершила орбитальный запуск с использованием собственной ракеты-носителя.
Основные запуски делает Роскосмос с использованием ракет Союз, Протон или Ангара.
В России частные компании пока либо сотрудничают с Роскосмосом, используя государственные носители, либо находятся на этапе разработки своих ракет без завершенных орбитальных миссий.
Регуляторная среда в России также сложнее: получение лицензий, доступ к космодромам и частотам для спутниковой связи остаются бюрократическими барьерами для частного сектора.
Итоги уходящей недели, то, что имеет значение в России и мире
Прорывы недели:
Карта митохондрий в человеческом мозге: создана 1-я подробная карта.
Google раскрывает связь между ИИ и человеческим мозгом.
Neo-1 от VantAI: прорыв в молекулярном моделировании, впервые объединяющий предсказание структуры и генерацию молекул на атомарном уровне.
Figure совершает прорыв в робототехнике: теперь роботы движутся с походкой, полностью имитирующей человеческую.
Российские инициативы:
Яндекс и Сбер создают единый стандарт ПО для роботизации промышленности.
NtechLab переходит от распознавания лиц к умному управлению регионами.
Исследования в ИИ:
H-optimus-1: базовая модель для гистологии, обученная на более чем 1 миллионе изображений от 800 000+ пациентов.
ARC-AGI-2: новый тест на AGI.
Databricks меняет правила: можно улучшать LLM без использования размеченных данных.
Anthropic изучает "мышление" Claude: используя методы нейробиологии, исследователи пришли к выводу, что понимание ИИ — это биологическая проблема.
Anthropic: предоставление Claude простого инструмента "мышления" значительно улучшает соблюдение инструкций и решение многоэтапных задач.
Исследование механизмов мозга: Ученые из Caltech и UC Berkeley на #cosyne2025 изучают, как мозг интегрирует предыдущие знания с сенсорными данными.
Новые модели и ИИ-инструменты:
DeepSeek разогревает публику: обновленная модель V3-0324 обошла даже "мыслящие" модели, включая R1, o1, Gemini Pro и Grok.
Google выпустила свою лучшую ИИ-модель Gemini 2.5
Anthropic предупреждает: ИИ-модели последнего поколения способны к саботажу.
Серия открытых ИИ-моделей от Google для создания лекарств.
Anthropic представили новую версию спецификации MCP для взаимодействия с ИИ.
ИИ-агенты:
Обзор за последние 7 дней по ИИ-агентам.
Alibaba выпустила ИИ для звонков: новая система-агент поддерживает голосовые и видео звонки.
Бизнес и экономика(ИИ и криптовалюты):
Epoch AI прогнозирует экономический бум в 20 раз благодаря ИИ.
Криптомиллиардер инвестирует в космос $1 млрд для создания первой коммерческой космической станции.
Стейблкоин семьи Трампа запущен.
Интерес традиционных финансов к криптовалюте: 2/3 TradFi больше всего интересуются стейблкоинами, токенизированными активами и децентрализованными биржами. Отчет.
Fidelity разрабатывает свой стейблкоин.
Мировой биржевой гигант ICE интегрирует стейблкоин USDC в продукты и инфраструктуру.
Маск продал Twitter самому себе: ИИ-компания xAI купила платформу X в рамках сделки с оплатой акциями.
Графика и 3D:
Meta(запрещенная в РФ) представила метод генерации 3D-миров из одного изображения.
OpenAI добавила нативную генерацию изображений в GPT-4o и Sora.
Тренды и аналитика:
Китайская стратегия открытого ИИ.
Китай построил сотни ЦОД для ИИ, но они простаивают из-за низкого спроса.
Изменение ценности идей: Теперь идеи - самое дорогое, а исполнение стоит дешево, творчество масштабируется вместе с вычислительной мощностью.
Nvidia стремится доминировать не только в железе, но и в ПО и сервисах, сохраняя лидерство даже при появлении новых игроков.
AlphaFold сталкивается с нехваткой данных: Фармацевтические компании начинают создавать собственные версии.
Новая карта рынка от a16z: ИИ в онлайн-шоппинге.
Курс по вайб-кодингу от Эндрю Нг.
Маск продал самому себе свою компанию! Его ИИ-компания xAI купила платформу X (экс Twitter) в рамках сделки с оплатой акциями.
Маск говорит, что объединение компаний позволит совместить данные, модели, вычислительные мощности, каналы распространения и таланты.
В этой сделке xAI оценивается в $80 млрд, а X - в $33 млрд (за $45 млрд он купил ранее и минус $12 млрд долга).
Маск заявляет, что за 2 года существования xAI стала одной из ведущих ИИ-лабораторий в мире, создавая модели и центры обработки данных с беспрецедентной скоростью и масштабом.
А у Х более 600 миллионов активных пользователей.
За громкими заявлениями Маска, скорее всего, стоит несколько практических целей:
1. Увеличение оценки компаний. Публичное объявление о том, что xAI оценивается в $80 млрд (всего через два года после основания), а X в $33 млрд, создает определенное восприятие ценности этих активов, что может быть полезно для будущего привлечения инвестиций.
2. Структурная оптимизация - Объединение компаний может дать налоговые преимущества, упростить операционную деятельность и снизить административные расходы.
3. Стратегическое позиционирование - конкурент крупным платформам, интегрирующим ИИ в социальные сети.
4. Привлечение внимания инвесторов.
5. Легитимизация xAI - представление xAI как серьезного игрока на рынке ИИ, способного конкурировать с OpenAI, Google и другими.
6. Обоснование изменений на платформе X - это маркетинговый и финансовый ход, который не обязательно отражает реальное изменение в операционной деятельности компаний, но создает нарратив для внешних наблюдателей и потенциальных инвесторов.
Starlink теперь доступен в Армении 🛸
Читать полностью…Nvidia стремится контролировать не только железо,но ПО и сервисы вокруг него,что позволит им сохранить доминирующее положение в экосистеме ИИ даже при появлении новых игроков
Недавние слухи о переговорах между Nvidia и Lepton AI раскрывают гораздо более глубокую стратегию технологического гиганта.
Lepton AI — компания, которая арендует серверы с чипами Nvidia и помогает разработчикам запускать модели ИИ.
Если сделка состоится, Nvidia будет в прямой конкуренции с другими провайдерами инференса, в частности с Together AI, у которой годовой доход превышает $150 млн.
Интересно, что не только Nvidia проявляет интерес к этому сегменту. Другие облачные провайдеры: CoreWeave, Nebius и Lambda Labs, тоже активно присматриваются к провайдерам инференса.
Если сделка Nvidia состоится, то это говорит о нескольких стратегических целях:
1. Nvidia больше не хочет быть просто производителем чипов. Контролируя как железо, так и сервисы инференса, они получают управление над всей вертикалью ценности — от создания GPU до их использования конечными потребителями.
2. Рынок железа циклический, а сервисные модели обеспечивают постоянный и предсказуемый доход. Это классический пример перехода от продажи оборудования к модели "as-a-service".
3. Управляя инференс-платформой, Nvidia будет видеть, какие модели запускаются, как оптимизируются, и какие изменения в архитектуре GPU нужны рынку — эта обратная связь бесценна для их основного бизнеса.
4. Покупая ключевых игроков в экосистеме ИИ, Nvidia не просто усиливает свою позицию, но и не позволяет конкурентам вроде AMD или новых специализированных чипов занять эту нишу.
Сегодня Nvidia контролирует около 80% рынка чипов для ИИ, но компания понимает, что это преимущество не вечно. Новые специализированные чипы от стартапов и технологических гигантов (Google с TPU, Meta* с MTIA) создают конкуренцию.
Создавая такую экосистему, где их ПО, инструменты разработки, облачные сервисы и железо идеально интегрированы, они увеличивают стоимость переключения на альтернативы даже при появлении более производительных или дешевых чипов.
Что это значит для отрасли?
Для разработчиков ИИ и компаний это двоякая ситуация:
+: более оптимизированные и интегрированные решения, потенциально более эффективное использование дорогостоящего железа.
-: усиление зависимости от одного поставщика, потенциально более высокие цены из-за отсутствия конкуренции, риск вендорлока.
*запрещенная в РФ.
Вайб кодинг дошел до профессуры Стэнфорда - Эндрю Нг запустил бесплатный курс по вайб кодингу вместе с Replit
Нг известный своими работами в области ИИ и машинного обучения запустил курс "Vibe Coding 101" вместе с Replit
Нг преподаватель в Стэнфорде, основатель Coursera, сам активно продвигает идею, что ИИ-агенты меняют подход к написанию кода.
Курс построен так, что за 94 минуты человек может собрать и развернуть 2 веб-приложения с помощью "5 навыков вайб-кодинга": думать, использовать фреймворки, ставить чекпоинты, отлаживать и давать контекст.
Выглядит все это как знамение времени, когда мэтры, как Нг, берутся учить не классическому коду, а работе с ИИ как с соавтором.
Google представили серию открытых ИИ-моделей для создания лекарств
TxGemma — это набор LLM-моделей на базе Gemma, оптимизированных для работы с терапевтическими данными.
Система может обрабатывать информацию о:
- Малых молекулах
- Нуклеиновых кислотах
- Белках
- Заболеваниях и клеточных линиях
Основные компоненты системы:
TxGemma-Predict
Модель превосходит современные модели в 45 из 66 терапевтических задач. Опережает специализированные модели в 26 из 50 задач.
TxGemma-Chat - интерактивная модель с возможностями:
общения на естественном языке,
объяснения предсказаний на основе молекулярной структуры,
научных дискуссий и расширенного анализа.
Agentic-Tx - агентная система на базе Gemini 2.0, которая:
- Интегрирует модели TxGemma как инструменты
- Показывает лучшие результаты на бенчмарках по химии и биологии
- Использует мультимодальный подход к анализу данных
Яндекс и Сбер создают единый стандарт ПО для роботизации промышленности
Минпромторг об этом попросил компании.
Сегодня в российской промышленности нет единого стандарта ПО, из-за чего роботы разных производителей плохо совместимы друг с другом. Это затрудняет автоматизацию производства и массовую роботизацию в стране.
Минпромторг хочет разделить роли в этой экосистеме:
- производители роботов должны сосредоточиться на разработке железа,
- а создание универсального ПО возьмут на себя Яндекс и Сбер.
Первые результаты этой работы планируется представить уже к лету 2025 года.
Напомним, что объем выручки рынка сервисной робототехники в 2024 году составил ₽32,1млрд.
Анализ данных Росстата за 2023 год показывает большие региональные диспропорции в эффективности промышленной роботизации в России.
Китай построил сотни ЦОД для ИИ,а теперь они простаивают из-за низкого спроса
Страна вложила миллиарды $ в инфраструктуру ИИ, произошла настоящая "золотая лихорадка" в поднебесной по строительству ЦОДов для ИИ, которая сейчас начинает разваливаться.
Проекты часто полагались на посредников, которые преувеличивали прогнозы спроса или манипулировали процессами закупок для получения государственных субсидий.
К концу 2024 года энтузиазм вокруг бума ЦОДов погас. Причина проста - аренда GPU больше не является особенно прибыльным бизнесом.
Появление DeepSeek с его моделью R1 стало переломным моментом для китайской ИИ-индустрии.
Вопрос сместился с 'Кто может создать лучшую языковую модель?' на 'Кто может лучше использовать их?'.
Новые модели рассуждения изменили требования к ЦОД - теперь важнее низкая задержка и близость к технологическим центрам, а не просто вычислительная мощность.
Из-за этого многие дата-центры, построенные в центральных, западных и сельских районах Китая (где электричество и земля дешевле), теряют привлекательность для ИИ-компаний.
Databricks меняет правила, теперь можно улучшить LLM без размеченных данных
Команда Mosaic Research, которая входит в Databricks представила TAO — это новый подход к улучшению производительности LLM для конкретных задач, который:
1. Не требует размеченных данных.
2. Использует вычисления во время тестирования в процессе настройки модели.
3. Создаёт быструю, экономичную и высококачественную LLM.
Главное преимущество — возможность создать цикл улучшения ИИ-приложений, чем больше пользователи взаимодействуют с приложением, тем больше собирается данных для TAO, и тем лучше становится модель.
TAO объединяет 2 подхода:
- Вычисления во время тестирования (как в o1 и R1)
- Обучение с подкреплением
TAO полезен компаниям, которые:
1. Имеют мало или совсем не имеют размеченных данных для традиционного файн-тюнинга.
2. Хотят улучшить качество работы моделей в конкретных бизнес-задачах.
3. Стремятся снизить затраты на инференс, используя менее дорогие открытые модели.
По данным исследователей:
- TAO превосходит традиционный файн-тюнинг на тысячах размеченных примеров.
- Недорогие модели с открытым исходным кодом (Llama 8B и 70B) достигают качества дорогих проприетарных моделей (GPT-4o и o3-mini).
- Увеличение вычислительного бюджета во время настройки повышает качество модели при сохранении той же стоимости инференса.