Аишка

Apple добавит ИИ в офисные приложения Apple анонсировала крупное обновление Creator Studio. В Pages, Keynote, Numbers и Logic Pro появятся ИИ-ассистенты на базе собственных моделей компании и OpenAI. В текстовом редакторе помощник сможет писать и перерабатывать документы, в Keynote – создавать и оформлять презентации, а в Numbers – анализировать данные, строить графики и выполнять расчёты. Ассистент Logic Pro поможет создавать музыкальные композиции и редактировать существующие проекты. Причём все они будут понимать контекст открытого документа. Pixelmator Pro получит генеративное редактирование изображений по текстовому описанию. Обновление выйдет в ноябре для подписчиков Creator Studio, которая стоит 13 баксов в месяц. Правда, одновременно с этим в Pages, Keynote и Numbers добавят поддержку протокола MCP, который позволит сторонним ИИ-агентам читать документы, редактировать их и выполнять действия внутри приложений. Вдобавок файлы Keynote будут в новом открытом формате .keyx, с которым смогут работать внешние инструменты. Так что при желании можно оплачивать одну подписку от OpenAI или Claude и всё равно пользоваться новыми функциями. Конечно, если Apple не сделает финт ушами и не включит MCP только для платных подписчиков (есть подозрение, что они на такое способны). Меж тем ИИ-ассистенты от самой Apple работают только с английским интерфейсом и требуют устройств с поддержкой Apple Intelligence. Мало того, что у конкурентов аналогичные функции появились уже год как, так ещё и работают на всех языках. Apple же, по ощущениям, всё ещё живёт где-то в прошлом веке.

Смеётся, перебивает и плачет: необычная голосовая ИИ-модель от создателя Твиттера Давненько не доводилось вспоминать фильм «Она» – наверное, со времён текста про Sesame AI и их реалистичный голосовой ИИ. В фильме герой Хоакина Феникса разговаривал с компьютером как с живым человеком и постепенно с ним сблизился. Нечто похожее показала компания Block бывшего главы Twitter Джека Дорси. Её новая модель Dessa умеет смеяться, перебивать собеседника, менять интонацию и реагировать на эмоции. Причём, по словам разработчиков, для этого не нужны облачные серверы и модель работает локально – на MacBook Pro с процессором M4 Max. Интересно и то, как Dessa научилась разговаривать. Модель обучили с нуля на записях человеческих бесед, без текстов и готовых языковых моделей. Она просто много слушала людей. Чем-то напоминает сюжетный ход из фильма «13-й воин», где человек в чужой среде учит язык викингов, просто слушая и наблюдая. В отличие от многих голосовых помощников, Dessa работает непосредственно со звуком: может одновременно слушать и говорить, вставлять короткие реплики, смеяться посреди предложения и реагировать на интонации собеседника. Разработчики пытаются добиться того, чтобы общение с ИИ напоминало обычный человеческий разговор. Примеры диалогов доступны на сайте. Правда, остаётся только верить им на слово, потому что попробовать Dessa самим (в отличие от упомянутого Sesame) пока нельзя. Block опубликовала лишь демонстрационные записи разговоров, а доступ к модели собирается сначала предоставить исследователям безопасности ИИ. При этом ни одной практической задачи вроде управления приложениями или работы с документами разработчики не показали. Так что есть ощущение, что пока Dessa скорее исследовательский эксперимент Дорси, который славится тягой к таким пет-проектам.

У Илона вышла его Одиссея. Маск как-то между делом бросил, что до конца 2026 года Grok сделает «полнометражную, исторически достоверную и максимально соответствующую оригинальному произведению экранизацию „Одиссеи” Гомера». Вроде сказал и сказал, забыли уже, чай не впервые. Но неожиданно свершилось – нам довелось лицезреть плоды, так сказать, труда его команды. Получилась 7-минутная серия потенциального сериала, которую совместно с Grok делала студия Wonder. Рискнём предположить, что студия Wonder в процессе не сильно опиралась на сервис генерации картинок Grok Imagine самого Маска. Не станем оценивать художественные качества картины, но вот меняющиеся временами от кадра к кадру лица, плавающая композиция и кривые склейки с телепортацией героев удручают. Не чета генеративным фильмам Higgsfield, которые умудряются делать даже смотрибельные полнометражки. Собственно, так же посчитали и зрители на просторах бывшего Твиттера, поспешив на разный лад заклеймить картину маэстро «дерьмом».

Карточный домик ИИ посыпался На китайском рынке паника и запах напалма – это горят акции ИИ-компаний. Тех самых, которые недавно только выходили на IPO, уверенно росли, устанавливая по пути все возможные и невозможные рекорды, с улыбкой глядя в светлое будущее. Будущее, меж тем, оказалось не таким светлым и радужным. За считанные месяцы индекс STAR50, объединяющий крупнейшие компании технологической площадки Шанхайской биржи, потерял больше 40%. Капитализация входящих в него компаний сократилась примерно на 480 миллиардов долларов и продолжает щупать дно (с закрытыми глазами прыгая в колодец). Отдельные производители чипов, роботов и оборудования для ИИ подешевели вдвое, а некоторые потеряли 60% стоимости. Происходит всё это при полном игнорировании миллиардов долларов, которые Китай вливает в рынок. Как мы оказались в этой точке? Началось всё с одного финансового решения – когда Пекин задумал использовать сбережения населения для финансирования технологической войны с США. Через размещение на бирже и широкую продажу акций технологических компаний. Только китайцы, как водится, подошли к делу с таким усердием, что вместо обычного роста акций получили какую-то невероятную, взмывающую до небес кривую. Акции производителя памяти CXMT в первый день торгов подорожали более чем в пять раз. Спрос на бумаги производителя роботов Unitree превысил предложение в 8000 раз. На пике инвесторы были готовы платить за компании столько, сколько те при нынешних заработках получили бы за два с половиной века. В один момент властям пришлось ограничивать спекуляции, чтобы акции не дорожали слишком быстро. Но сей момент был краток. Уже в следующий миг они поручали специальным государственным фондам скупать бумаги, чтобы затормозить падение. И процесс этот продолжается до сих пор. Судя по всему, помогает не слишком: упомянутая Unitree подешевела вдвое, CXMT потеряла четверть стоимости за месяц. Но за описаниями гибнущей Помпеи теряется, как нам кажется, немаловажная деталь. Индекс даже после обвала торгуется примерно за 100 годовых прибылей. Для сравнения, американский Nasdaq 100 – всего за 30. То есть даже после беспрецедентного падения цена акций осталась донельзя раздутой. Компании, успевшие привлечь миллиарды на IPO, деньги уже получили и сидят тратят их на разработку чипов, строительство заводов и развитие ИИ. Под бдительным руководством партии, которая, в каком-то смысле, добилась своего – вытащила деньги из карманов инвесторов и направила на развитие технологий. А что акции стоят вдвое дешевле – ну так это проблема тех, кто их покупал. Тук-тук. Кто там? Американский фондовый рынок. Нельзя в данной ситуации не провести параллель. В США технологические компании тоже тратят сотни миллиардов долларов на ИИ, обещая инвесторам невероятные прибыли. Потом. Пока инвесторы верят в перспективы отрасли и деньги продолжают поступать. Но вслед за первыми ласточками о банкротстве ИИ-стартапов идёт уже скорее волна отрезвляющих цунами. Просто Китай, как самая рьяная капиталистическая страна, прошёл этот путь первым. То ли ещё будет, да, США?

55% россиян старше 12 лет хотя бы раз в месяц пользуются нейросетями. Ещё осенью прошлого года таких было всего 26%, следует из исследования Mediascope. Правда, несмотря на это ежедневно к ИИ-сервисам обращаются только 12% населения, а на работу с ними приходится всего 1,3% времени, проведённого в интернете. Самым популярным ИИ-сервисом стабильно (по мнению Медиаскопа) оказалась Алиса AI с месячной аудиторией 59 миллионов человек. Выходит, что ей пользуются почти девять из десяти российских пользователей нейросетей. DeepSeek с 13 миллионами человек остался далеко позади, GigaChat набрал лишь 6 миллионов. Причём за 11 месяцев охват Алисы вырос с 14% до 48%, тогда как у DeepSeek – с 9% до 11%. Если судить по этим цифрам, Яндекс уже с большим отрывом победил всех конкурентов и может расслабиться, с чем мы его и поздравляем. Есть, правда, одна странность. Ещё в декабре прошлого года ВЦИОМ попросил россиян назвать известные им нейросети. ChatGPT вспомнили 38% опрошенных, DeepSeek – 20%, а Алису AI – 18%. Видимо, всего за девять месяцев Алиса успела полностью захватить думы россиян, да так аккуратно, что те сами не поняли. #цифрадня

Накипело…

DeepSeek взялась за разработку чипов Huawei По данным The Information, инженеры Huawei десантом высадились и осели в офисах DeepSeek, чтобы вместе, с учётом пожеланий друг друга, заняться проектированием. Меняют они архитектуру того, как процессоры выполняют вычисления и обмениваются данными. Huawei, в свою очередь, собирается отдать DeepSeek большую часть первых поставок Ascend 960DT, которые должны появиться в начале 2027 года. Раньше DeepSeek использовала Huawei преимущественно для запуска готовых моделей и отдельных этапов их дообучения, а основное обучение проводила на Nvidia. Попытка перенести его на китайские ускорители в прошлом году, по данным журналистов, закончилась неудачей. Теперь DeepSeek таки рассчитывает к концу 2026 года начать основной этап обучения больших моделей на процессорах Huawei. Это значительно более сложная задача, чем запуск, ведь нейросети нужно долгое время без сбоев обрабатывать большие массивы данных, используя тысячи связанных между собой процессоров. Первые испытания идут на кластерах из более чем тысячи Ascend, но для полноценного обучения может понадобиться значительно больше 10 тысяч процессоров. Для чего DeepSeek и Huawei разрабатывают собственные инструменты для работы с чипами. Правда, часть необходимого программного обеспечения пока не готова, а Huawei не хватает производственных мощностей. Но DeepSeek не унывает, продолжает закупать карты Nvidia, поставки которых в Китай запрещены, и с нетерпением ждёт наступления того дня, когда этого больше делать не придётся.

ИИ пришёл за производителями экранов Ждём роста цен на экраны, мониторы и телевизоры? У процессоров для запуска нейросетей обнаружилась проблема – они становятся такими большими, что основа чипов начинает деформироваться от нагрева. В попытке выжать больше производительности инженеры объединяют вычислительные чипы и память в одном корпусе, размещая ближе друг к другу и наращивая количество. Но привычные подложки из органических материалов не слишком хорошо переносят увеличение размеров, из-за чего соединения между компонентами могут повреждаться, а дальнейшее увеличение процессоров становится проблематичным. И пока инженеры ломали голову над этой проблемой, нашлось довольно неожиданное решение. Делать подложки предложили из стекла. Оно лучше сохраняет форму и позволяет плотнее размещать соединения, открывая дорогу ещё более мощным чипам. За дело взялись в том числе тайваньские компании AUO и Innolux, которые вообще-то производят экраны для телевизоров и компьютеров. Но сейчас вынужденно переквалифицировались на новый и более востребованный рынок. AUO уже показала стеклянную панель размером полметра на полметра: чтобы превратить её в основу для процессоров, в стекле проделывают микроскопические отверстия, заполняют их металлом и наносят проводящие дорожки. Так можно соединять множество компонентов между собой. Собственный многослойный прототип уже собрала и Intel. Правда, стекло довольно хрупкое, а при изготовлении тысяч отверстий и перепадах температуры могут появляться трещины. Intel утверждает, что её опытные образцы уже выдержали испытания без трещин, но наладить массовое производство и справиться с браком ещё только предстоит. Компания AUO рассчитывает довести технологию до коммерческого уровня за два-три года. Тем временем аналогичные разработки ведут компании из Японии и Южной Кореи. Если раньше из-за ИИ работы прибавилось у производителей оперативной памяти, то теперь, похоже, пришёл черёд производителей экранов. Кто дальше?

Ростелеком опубликовал своё ежегодное исследование о глобальных цифровых трендах. Решили разобрать его подробнее, выбрав для каждого из наших каналов самые интересные направления. Довольно существенная часть исследования посвящена, что не удивительно, искусственному интеллекту (в его разных приложениях), делимся любопытными находками. ИИ дешевеет на фоне роста инвестиций В 2025 году инвестиции в искусственный интеллект выросли более чем вдвое, достигнув $514 млрд. Одновременно с этим пользоваться нейросетями становится дешевле: по данным Artificial Analysis, соотношение возможностей к стоимости у моделей OpenAI с 2023 года выросло более чем в 30 раз. То есть одно и то же действие стало выполняться в 30 раз дешевле. Дело не только в развитии процессоров – изменился и подход к обучению: теперь моделям дают задания, правильность выполнения которых можно проверить автоматически. Например, решить математическую задачу или написать работающий код. За правильный результат нейросеть получает вознаграждение, что помогает ей самостоятельно учиться искать решения и исправлять ошибки. Немалую роль в процессе сыграл и режим «Рассуждения», позволяющий более гибко контролировать количество расходуемых вычислений и токенов. Вместе с развитием небольших специализированных моделей, считают в Ростелекоме, это постепенно меняет экономику ИИ. Медицинский ИИ переходит от диагностики к предсказанию Одно из самых быстрорастущих направлений цифровой медицины – системы поддержки врачебных решений. Количество научных публикаций по этой теме за 2025 год выросло почти на 70%, а число патентов на 69%. Современные модели могут одновременно анализировать снимки, результаты анализов и историю болезни, не только выявляя уже существующие проблемы, но и прогнозируя возможные осложнения. Например, описанная в исследовании платформа Epic обучалась на сотне миллиардах обезличенных медицинских событий и предназначена для оценки рисков повторной госпитализации, развития заболеваний и других неблагоприятных исходов. Дошло до того, что в 2025 году американский регулятор FDA впервые признал ИИ-инструмент для разработки лекарств. И пускай пока ИИ работает под присмотром врачей, темпы внедрения технологии в медицине растут. Роботы учатся работать сообща В качестве одного из перспективных направлений в исследовании выделяется так называемый воплощённый интеллект, то бишь нейросети, управляющие физическими устройствами. Те самые роботы, которые теперь научились обучаться по видео и повторять действия в реальном мире. В Ростелекоме считают, что особенно интересным является развитие коллективного обучения и роевой робототехники. Несколько машин могут совместно улучшать свой код, обмениваться информацией и согласовывать действия. В случае роя речь идёт о десятках или сотнях сравнительно простых устройств, которые работают без единого центра управления, ориентируясь на соседей. Если часть роботов выйдет из строя, остальные смогут продолжить выполнение задачи. Такие системы считаются особенно перспективными для поисково-спасательных операций, сельского хозяйства и военных задач, с чем мы не можем не согласиться. Осталось решить как минимум одну существенную проблему – обмена информацией между устройствами в условиях ограниченной пропускной способности радиоканалов. Другие тренды рассмотрели в Content Review, Элке, Песочнице и Стримгах.

Потрошители книг добрались до Японии В Японии скандал из-за ИИ. Японские издатели обнаружили, что один из крупнейших книжных дистрибьюторов страны, Nippan, в течение года продавал книги американской компании Anthropic, разработчику нейросети Claude. Издательства, чьи книги продавал дистрибьютор, уверяют, что были не в курсе происходящего и очень возмущены. Дистрибьютор же в свою очередь уверяет, что тоже был не в курсе, зачем ИИ-компании нужны эти книги. Словом, никто ничего не знал. Масштабы явления меж тем впечатляют. Одному букинистическому магазину пришлось на несколько дней закрыться и нанять дополнительных сотрудников, чтобы собрать и отправить заказ на две тысячи книг. Также ещё с лета японские продавцы старых книг получают заказы на сотни и тысячи изданий, зачастую совершенно не связанных между собой. Особым спросом пользуются история, философия, право и другие гуманитарные науки. Что особенно непонятно и оскорбительно, манга покупателей почти не интересует. Как и повторяющиеся издания. Напомним, что Anthropic в недавнем прошлом отметилась как ярый и безжалостный потрошитель бумажной литературы. В рамках секретного плана Project Panama компания скупала миллионы бумажных книг, срезала с них переплёты, сканировала страницы, а останки отправляла на переработку. Полученные тексты пополняли внутреннюю библиотеку для обучения нейросетей. Подробнее можете почитать в тексте об этой истории, там интересно. Пока не понятно на 100%, что именно Anthropic стоит за всеми закупками на рынке. Возможно, присоединились и другие собратья по индустрии. Издатели и университетские исследователи уже опасаются, что старые и редкие книги начнут исчезать с рынка, ведь многие из них давно не переиздаются, существуют в единичных экземплярах и не имеют электронных копий.

Большое обновление интерфейса Gemini Сначала понапридумывали, теперь делают как у всех Google решила упростить Gemini, избавившись от отдельных пунктов интерфейса. Кастомные чат-боты с инструкциями и файлами, которые раньше назывались Gems, теперь заменяются на Skills (то бишь навыки). Эти инструкции можно использовать в любом чате, введя «@» и название, при желании объединив несколько в одном запросе. Работают они на основе привычного формата skill md, так что при желании их можно экспортировать в ChatGPT или Claude. Удивляет, что это случилось только сейчас, но Google в последнее время и не славится оперативностью. Хорошо, что вообще случилось. Параллельно с этим Google избавляется от отдельного интерфейса для агента Spark. Занимательнейшая история – его анонсировали, продвигали, позиционировали как будущее автономного ИИ, который будет жить в фоне и получать всю информацию из экосистемы Google. Что теперь? Теперь он просто становится ещё один режимом Gemini, наравне с обычным чатом. ChatGPT Work? Claude Cowork? Не, не слышали. Пользоваться всё ещё могут только платные подписчики, работает всё ещё хуже, чем у конкурентов. Но хотя бы исчез крыжик «бета». Интерфейс так наупрощали, что умудрились поломать. Новые Skills на данный момент несовместимы с инструментами и режимами работы Canvas, Deep Research, генерацией видео и музыки. Делиться ими с другими пользователями тоже нельзя. Вот такая получилась унификация.

Урологический ИИ Российская компания VPG LaserONE из контура Софтлайна представила Urolase Vision System – ИИ-ассистента, который помогает хирургам дробить камни в почках и мочевыводящих путях. Камни различаются по составу и твёрдости, поэтому для их разрушения нужно подбирать разные настройки лазера, иногда прямо по ходу операции. Для упрощения этой работы решили использовать искусственный интеллект. Система анализирует видео с эндоскопа, определяет тип, размер и расположение камня, после чего рекомендует подходящие параметры лазера. По мере разрушения внешних слоёв нейросеть повторно анализирует изображение и корректирует рекомендации. Видео, настройки лазера и показания датчика защиты тканей выводятся на один экран. При этом окончательное решение остаётся за хирургом, самостоятельно оперировать ИИ пока не пускают. На данный момент нейросеть научилась распознавать несколько разновидностей камней, хотя некоторые пока даются ей хуже других. В перспективе ИИ хотят научить определять ещё и границы опухолей, чтобы помогать хирургам при их удалении. Правда, насколько ИИ ускоряет операции и снижает риск осложнений, пока неизвестно. Цену системы и сроки поставок разработчики тоже не раскрывают.

Сбер хочет научить роботов смотреть на шаг вперёд Сбер представил модель GreenWAM, попытавшись научить роботов предсказывать будущее. Правда, пока речь о последствиях собственных действий. GreenWAM генерирует видео того, что должно произойти после них: как изменится положение предметов, если робот, к примеру, возьмёт бутылку и положит её в сумку. Выяснилось, что обучение таким прогнозам помогает роботам лучше справляться с заданиями и реже ошибаться. За основу взяли Nvidia Cosmos 3 Edge, которая уже умела совмещать управление с предсказанием, и дообучили её примерно на 1700 часах записей работы 20 семейств роботов – от манипуляторов до человекоподобных машин. Данные с Грина в дата-сете тоже были. После чего модель испытали в симуляторах и на человекоподобном роботе Грине, которому поручили складывать предметы в сумку. Код и веса модели опубликовали, так что другие разработчики при желании смогут адаптировать её для своих роботов. Тем временем у Сбера постепенно собирается целый зоопарк робототехнических моделей: Green-VLA для выполнения команд, Kandinsky WM для создания тренировочных видео и, собственно, GreenWAM для управления роботами с предсказанием их действий.

Вышла одна из самых быстрых языковых моделей Американская компания Inception выпустила Mercury 3, новую диффузионную языковую модель. Она, в отличие от условного ChatGPT, генерирует ответ не по одному токену, а сразу целыми фрагментами, постепенно их уточняя и дорабатывая. Благодаря этому, по заявлению компании, Mercury 3 способна генерировать более тысячи токенов в секунду, сохраняя качество на уровне OpenAI и Anthropic при скорости генерации в 4-8 раз выше. Правда, речь о самых простых и дешёвых моделях упомянутых компаний – Luna и Haiku. Контекстное окно составляет миллион токенов. Inception утверждает, что смогла сделать Mercury 3 в десятки раз крупнее первого поколения, сохранив прежнюю скорость работы. Это может быть интересно для ИИ-агентов и оркестрации простых задач. Среди первых пользователей Mercury 3 уже есть разработчики голосовых помощников, образовательных сервисов и поисковых агентов. Впрочем, заявления Inception пока подтвердились лишь частично. По данным OpenRouter, фактическая скорость генерации в несколько раз ниже обещанной, а первые независимые тесты показывают, что на сложных задачах Mercury 3 тратит больше времени, чем Luna и Haiku. Ведь быстро генерировать текст – не то же самое, что быстро решать поставленные задачи. Меж тем состоялся ещё один шаг на пути превращения диффузионных LLM из эксперимента в коммерческий продукт и альтернативу обычным LLM.

Сбер отправит толпу ИИ-агентов бродить по своему ПО Когда уже сбежит ГигаЧат? Сбер представил методологию сопровождения программного обеспечения с помощью ИИ-агентов. Она получила мелодичное название AI-Disrupt PSLC. Методология вышла основательной, на 134 страницы. Однако в самом начале предусмотрительно добавлена страничка «Резюме для руководства» – видимо, чтобы не заставлять руководство идти суммировать файл в Гигачате – за что огромное спасибо. Если коротко, то компания описала своё видение того, как стоит делегировать агентам значительную часть работы по эксплуатации ПО. По задумке Сбера, агенты будут самостоятельно следить за работой сервисов, разбираться в причинах сбоев и устранять неполадки. Инженеры же займутся более сложными случаями, контролем агентов и предотвращением повторных ошибок. Для этого инструкции, историю инцидентов и данные мониторинга предстоит объединить в общую базу знаний, а выявленные проблемы передавать разработчикам. Всего предусмотрено шесть уровней автономности ИИ – от выдачи рекомендаций до автоматического восстановления сервисов. Чем опаснее операция, тем строже предполагается контроль со стороны человека. Сбер утверждает, что уже применяет такой подход, но результатов пока не раскрывает. В перспективе компания рассчитывает сократить время восстановления после сбоев на 40–60%, а к 2030 году перейти к эксплуатации без постоянного участия инженеров. На каких моделях работают агенты, не уточняется, но мы, конечно, надеемся, что на ГигаЧате. И ждём нового рекорда потребления токенов: в августе Сбер потратил на разработку ПО 9 триллионов, а теперь написанное ещё и придётся сопровождать.

Мужчины галлюцинируют не хуже нейросетей Гарвардские исследователи решили выяснить, насколько хорошо мужчины и женщины разбираются в искусственном интеллекте, и обнаружили у сильного пола неожиданную способность. В исследовании участвовали 5403 американца, и среди прочего им предложили список известных деятелей ИИ-индустрии, в который добавили выдуманных персонажей – неких Сьюзан Миллнер и Крейга Далтона. Оказалось, что каждого из них «знают» 53% опрошенных мужчин. Для сравнения – Миру Мурати, бывшего технического директора OpenAI, узнали столько же. То есть по известности выдуманные персонажи не уступают одной из самых заметных фигур ИИ-индустрии. Справедливости ради, в проверке реальных знаний мужчины тоже немного опередили женщин, правильно ответив в среднем на 7,1 вопроса из 12 против 6,3. Правда, они чаще ошибались, тогда как женщины предпочитали признаваться, что не знают ответа. Обычно за такое поведение принято ругать нейросети, который тоже вместо слов «я не знаю» могут с умным видом рассказывать о людях, которые никогда не существовали.

Zoom распознает дипфейки Нужно всего лишь отсканировать радужку глаза Компания World, одним из основателей которой является глава OpenAI Сэм Альтман, запустила систему проверки участников видеозвонков на дипфейки. Теперь в Zoom можно подтвердить, что собеседник является человеком. После проверки рядом с именем участника появляется соответствующий значок. World одновременно выпустила аналогичные решения для банков с целью защиты от финансового мошенничества с ИИ. Пока функция доступна корпоративным клиентам Zoom на Windows и macOS. Для проверки нужно предварительно зарегистрироваться в системе World ID, отсканировав радужку глаза и лицо с помощью специального устройства. Затем привязать удостоверение к Zoom и сделать селфи на смартфоне. Система сопоставит три изображения – полученное при регистрации, новое селфи и кадр из видеозвонка. Если лица совпадут, участник получит значок, подтверждающий прохождение биометрической проверки. По умолчанию проверку нужно повторять раз в сутки, но компании могут увеличить интервал до 30 дней. Иронично, что ИИ-индустрия, одним из главных представителей которой является Альтман, и научила нейросети правдоподобно изображать людей. Настолько, что в одном эксперименте ИИ-соискатель и ИИ-рекрутер застряли на собеседовании, бесконечно благодаря друг друга и прощаясь. Теперь тот же Альтман предлагает бизнесу платить за возможность определять дипфейки. Вот это называется «создать себе рынок».

ChatGPT меняет способ управления браузером OpenAI поделились обновлённым расширением ChatGPT для Chrome. ИИ научился взаимодействовать с браузером гораздо глубже, чем раньше – может анализировать открытые вкладки, причём сразу в большом количестве, управлять ими, выполнять действия на сайтах. Всё это происходит прямо в браузере пользователя. Не обязательно нужен именно Chrome – подойдёт любой Chromium браузер, который поддерживает установку расширений из магазина, включая браузер Яндекса. Более того, управлять браузером можно и через отдельное приложение ChatGPT. В режиме Chat можно задавать вопросы по содержимому вкладок, сравнивать товары и документы. В режиме Work агент получает возможность открывать, закрывать и группировать вкладки, переходить по сайтам, заполнять формы, отправлять сообщения и скачивать файлы. Пример из личного опыта – можно попросить его просмотреть все открытые страницы с фильмами и сериалами, найти дубликаты, собрать названия и ссылки в таблицу, а затем закрыть ненужные вкладки. Навести порядок среди вкладок стало сильно проще. Такой интеграции с браузером хотелось от ИИ изначально. Чтобы он мог не просто пересказать открытую страницу или ответить на вопрос, но и самостоятельно разобраться в десятках вкладок, навести порядок, собрать нужную информацию, менять настройки браузера и так далее. Удивительно, что даже спустя столько времени Google, Яндекс и даже специализированный ИИ-браузер Dia не научились делать то же самое.

В 2021 году Anthropic привлекла 124 миллиона долларов инвестиций, а сегодня этих денег компании хватило бы на 18 часов работы. Зато доля одного из первых инвесторов теперь оценивается почти в 10 миллиардов вечнозелёных. Правда, пока только на бумаге. И чем больше денег ИИ-компании тратят, тем актуальнее вопрос – успеют ли их инвесторы превратить бумажные миллиарды в настоящие? Как научил Сергей Мавроди, на пирамиде тоже можно заработать, главное вовремя выйти.

Все приближали как могли мир после LLM На «Цифровых днях Иннополиса» ректор университета Александр Гасников говорил о парадоксе искусственного интеллекта. Нейросети решают математические задачи, пишут программы и могут прочитать при желании лекцию о гравитации. А вот с такой мелочью, как взять и перенести стакан, у роботов до сих пор проблемы. Маленький ребёнок осваивает подобные вещи между делом, почему не могут машины? Есть одна проблема. Языковые модели узнают о мире преимущественно из текстов. Им нетрудно объяснить, почему стакан упадёт, но заметить его движение, предвидеть последствия и вовремя протянуть руку – совсем другая история. Для этого создают так называемые модели мира. Они учатся по видеозаписям и показаниям датчиков не только узнавать предметы, но и предсказывать изменения после каждого действия. Идея, собственно, не нова – внутри головы каждого человека живёт такая предсказательная модель мира под названием мозг. Причём для этого ему совершенно необязательно переводить происходящее в слова. Пока исследователи пытаются научить машины хотя бы отдельным вещам, которые человеку кажутся элементарными. Например, Generalist сделала систему, где роботу достаточно нескольких секунд демонстрации, чтобы научиться самостоятельно открывать банку или расстегивать молнию. Правда, с первого раза получается примерно в шести случаях из десяти. И даже если движения освоены, остаётся другая проблема – по картинке сложно понять, насколько крепко нужно держать предмет и не выскользнет ли он из пальцев. Поэтому немецкая Neura Robotics добавляет к зрению осязание, слух и память. По замыслу разработчиков, робот должен чувствовать результаты собственных действий, запоминать их и учитывать при следующей попытке. Обучать роботов на настоящих предметах дорого и долго, поэтому инженеры используют симуляторы и ищут способы создавать правдоподобные виртуальные миры. Google, например, уже научилась генерировать интерактивные пространства, в которых можно испытывать ИИ-агентов. Но есть подвох – сгенерированные миры не всегда подчиняются законам физики. Да и навыки, освоенные в одних условиях, не обязательно работают в других. Робот может научиться выполнять задачу в симуляции, а затем сойти с ума на настоящей кухне, где предметы лежат не на своих местах и ведут себя иначе. Впрочем, вернёмся к лекции. Александр Гасников видит в этом направлении перспективу шире робототехники. Если ИИ научится находить закономерности непосредственно в наблюдениях, ему можно поручить анализ экспериментальных данных, которые учёные не успевают обработать. Что не лишено оснований – например, CERN и Mistral объявили о планах обучить ИИ на миллиардах смоделированных столкновений частиц. Впоследствии модель хотят использовать для анализа данных ускорителя и поиска необычных сигналов. Любопытный контраст. Физики уже собираются поручить ИИ поиск неизвестных закономерностей в столкновениях элементарных частиц, пока инженеры ещё пытаются научить его обращаться с обычными бытовыми предметами.