За 24 часа команда HF создала бесплатного ИИ-агента, за который OpenAI берет деньги

Open-DeepResearch - это открытая версия DeepResearch от OpenAI.

В понедельник OpenAI выпустили ИИ-агента DeepResearch - ИИ, который может самостоятельно выполнять задачи, но он закрытый и платный.

Команда Hugging Face за 24 часа создала открытую версию этой системы - Open-DeepResearch, которая

Open-DeepResearch может автономно работать с веб-страницами: навигировать по ним, прокручивать , искать информацию, скачивать файлы и обрабатывать данные

По точности на бенчмарке GAIA:
- Оригинальный DeepResearch показывает точность 67%
- Open-DeepResearch достигает 55% (работает на модели o1)

Это лучший результат среди открытых решений, превышающий предыдущий рекорд на 9 пунктов.

_______
Источник | #blockchainRF
@F_S_C_P

Стань спонсором!

OpenAI готовит к выпуску ИИ-агента для автоматизации продаж

Этот скрин с недавнего мероприятия в Токио, где был Сэм Альтман.

Прототип, показанный японской аудитории, представляет собой полноценного ИИ sales-агента.

Сегодня в США менеджеры по продажам получают в среднем $45,000 в год. Учитывая, что в одних только США около 3.1 миллиона человек (примерно 1% населения) заняты на подобных позициях, потенциальное влияние этой технологии на рынок труда может быть колоссальным.

Как работает ИИ-агент от OpenAI

1. Клиент оставляет заявку через форму на сайте OpenAI
2. ИИ-агент автоматически подхватывает контактные данные
3. Система самостоятельно квалифицирует лид и планирует встречи
4. ИИ ведёт всю коммуникацию с потенциальным клиентом

На скриншоте видно, что система уже активно работает и обладает продвинутым интерфейсом для:
- Автоматической квалификации лидов
- Организации встреч с клиентами
- Отслеживания статуса каждой сделки
- Работы на разных языках (как минимум английский и японский)
- Полной интеграции с существующими CRM-системами

В ноябре 2024 уже был представлен Rox - ИИ-агент для продаж, построенный на GPT-4.

А в августе 2024 Saleforce представили своих ИИ-агентов.

_______
Источник | #blockchainRF

❗️Google DeepMind создали ИИ-систему, которая описывает, как человек/животное принимает решения

Разработан новый метод CogFunSearch, который использует большие языковые модели для автоматического создания символических когнитивных моделей. Помогает лучше понять, как работает мозг.

Эти модели способны точно предсказывать поведение людей и животных в задачах, связанных с обучением и принятием решений.

Исследователи протестировали метод на данных трех видов (люди, крысы и плодовые мушки). В исследовании приняли участие :

1. 862 человека. Провели 4,134 сессий тестирования. Всего 617,871 испытаний

2. 20 крыс, 1,946 сессий. Всего 1,087,140 испытаний. Каждая крыса работала примерно по часу в день

3. 347 плодовых мушек, 68,000 испытаний. Каждая муха участвовала в одной сессии тестирования.

Все участники (и люди, и животные) выполняли похожие задания, где нужно было делать выбор и получать за него награду.

Во всех случаях автоматически созданные модели превзошли существующие модели по точности предсказания поведения. При этом модели остаются интерпретируемыми - их можно анализировать и понимать.

Представьте, что вы наблюдаете за шахматистом и пытаетесь понять его стратегию. Раньше эксперты вручную записывали и анализировали каждый ход. А
новый метод от Google позволяет автоматически анализировать все партии и создает описание стратегии игрока. Это инструмент для изучения мозга.

_______
Источник | #blockchainRF
@F_S_C_P

▪️Генерируй картинки в боте:
Flux + MidJourney

Сэм Альтман впервые поддержал open source, а также рассказал об изменениях в экономике из-за ИИ

Сегодня в ночи глава OpenAI выпустил в своем блоге новое эссе, где он размышляет об экономических изменениях, которые возникают из-за ИИ, но нас удивило несколько вещей.

Во-первых, насколько радикально изменилась его риторика в сторону открытости - очевидно, из-за #DeepSeek . Хотя, если внимательно читать, он очень осторожен в формулировках и нигде прямо не обещает открыть код моделей OpenAI. Это больше похоже на признание общего тренда в индустрии, чем на заявление о смене курса компании.

Что ждёт нас в ближайшем будущем по Альтману?

1. ИИ-агенты как виртуальные коллеги
2. Первой серьезно изменится сфера разработки ПО
3. Научный прогресс значительно ускорится
4. Большинство товаров подешевеет
5. Предметы роскоши и земля подорожают.

Его три наблюдения об экономике ИИ:

1. Стоимость ИИ падает в 10 раз каждые 12 месяцев (против закона Мура 2x/18мес). К 2035г. 1 человек сможет получить доступ к интеллектуальным возможностям, равным всем людям 2025г. вместе взятым.

2. Очень интересны его мысли о будущем рынка труда. Он говорит о появлении совершенно новых профессий, и мы видим здесь целый спектр возможностей: от операторов команд ИИ-агентов до специалистов по человеко-ИИ взаимодействиям. Похоже, что самыми ценными станут навыки направления и координации ИИ, а не выполнение конкретных задач.

3. Его прогноз о ценах тоже заставляет задуматься. Получается интересный парадокс: большинство товаров подешевеет благодаря ИИ и автоматизации, но настоящая роскошь - вещи, которые нельзя масштабировать или воспроизвести с помощью ИИ - станет еще дороже. Земля, уникальный человеческий опыт, ручная работа - всё это может стать новым определением премиум-сегмента.

Что нас действительно впечатлило - это его видение демократизации ИИ. Идея "вычислительных бюджетов" для каждого человека звучит почти как универсальный базовый доход, только в сфере ИИ. Хотя опять же, он оставляет открытым вопрос о том, как именно это будет реализовано.

_______
Источник | #blockchainRF
@F_S_C_P

-------
Секретики!
-------

Google сделали новый прорыв в квантовых вычислениях

Google Quantum AI создали 1-й гибридный квантовый симулятор на 69 кубитах, сочетающий аналоговые и цифровые методы вычислений.

Создан не просто новый тип квантового компьютера, а универсальный инструмент для квантовых исследований, открывающий путь к новым научным открытиям и технологическим прорывам.

Впервые достигли рекордно низкой ошибки - всего 0.1% на кубит. Производительность превосходит возможности классических суперкомпьютеров.

Научные открытия с помощью нового инструмента:

1. Экспериментально подтвердили существование квантового перехода Костерлица-Таулеса
2. Обнаружили нарушение механизма Киббла-Зурека, что меняет наше понимание квантовых фазовых переходов

Практическое применение:

1. Материаловедение
- Разработка новых сверхпроводников
- Создание более эффективных солнечных элементов
- Проектирование квантовых материалов

2. Химия и фармацевтика
- Моделирование сложных молекулярных взаимодействий
- Ускорение разработки лекарств
- Изучение биологических процессов на квантовом уровне

3. Фундаментальная наука
- Исследование квантового хаоса
- Изучение квантовой термодинамики
- Проверка квантовых теорий

_______
Источник | #blockchainRF
@F_S_C_P

Стань спонсором!

Это достойно вашего внимания: 2 легенды Google в 1 интервью. Ноам Шазир и Джефф Дин.

2 огромные фигуры, влияющие на развитие ИИ. Дин - глава науки в Google, а Ноам - сегодня главный ответственный за прорывные технологии ИИ в Google.

Ноама Шазира Google уже 2 раза возвращает в компанию. Последний раз это произошло в 2024 году, тогда корпорация выкупила его за ~$3 млрд. Как шутит сам Ноам : «Я возвращаюсь в Google каждые 12 лет».

Исходя из этого видео, вы многое можете узнать о роли Джеффа Дина, он один из главных людей в Google, реально великий.

Интервью показывает, что Google находится гораздо дальше в развитии ИИ, чем публично показывает, и готовится к радикальным изменениям в архитектуре и возможностях систем ИИ в ближайшие годы.

Что интересного есть ещё в интервью:

1. Внутреннее использование ИИ в корпорации.
- 25% кода в Google уже пишется с помощью ИИ
- Google уже обучил специальную версию Gemini на своей внутренней кодовой базе
- Существует внутренняя чат-система MENA, которая использовалась сотрудниками еще до ChatGPT

2. ТЕКУЩИЕ РАЗРАБОТКИ
- Google работает над увеличением контекстного окна до триллионов токенов
- Разрабатывается новая версия TPU, специально оптимизированная для inference
- Внедряется система распределенного обучения между несколькими дата-центрами

НОВАЯ ПАРАДИГМА РАЗВИТИЯ ИИ:
- Переход от "обучения с нуля" к постоянному улучшению существующих моделей
- Развитие модульной архитектуры, где разные части модели специализируются на разных задачах
- Возможность асинхронного улучшения отдельных компонентов

ЭКОНОМИКА ВЫЧИСЛЕНИЙ
- Стоимость операций ИИ уже в 100 раз дешевле чтения книги
- В 10000 раз дешевле разговора с агентом поддержки
- В миллион раз дешевле найма разработчика

Исходя из того, что говорят Дин и Шазир, можно предположить, что есть более продвинутая версия Gemini, способная к долгосрочному планированию.
Наличие системы автоматизированного дизайна чипов. Продвинутые системы code generation, превосходящие публично доступные

Каким видят будущее ИИ?

1. Переход к "органическим" архитектурам с самоадаптацией
2. Развитие моделей, способных управлять тысячами параллельных задач
3. Интеграция с персональными данными пользователей (email, документы, фото).

БУДУЩЕЕ АППАРАТНОЙ ЧАСТИ:
- Радикальное сокращение цикла разработки чипов (с 18 месяцев до недель)
- Специализация чипов под конкретные задачи
- Развитие распределенных систем обучения между дата-центрами

БУДУЩЕЕ ЦОДов:

- Переход к распределенной архитектуре с множеством специализированных центров
- Развитие асинхронных систем обучения с гарантированной воспроизводимостью
- Оптимизация под inference вместо training

КЛЮЧЕВЫЕ РИСКИ И ВЫЗОВЫ:
1. Экспоненциальный рост возможностей может привести к быстрому достижению сверхчеловеческого интеллекта
2. Сложности с контролем и безопасностью при распределенной архитектуре
3. Необходимость огромных энергетических ресурсов (упоминаются атомные электростанции)

_______
Источник | #blockchainRF
@F_S_C_P

Стань спонсором!

⚡️Опытным путем выявлено, как мозг учится понимать мир - теория Google подтвердилась

Исследователи из Janelia Research Campus впервые показали, как мозг постепенно учится создавать внутренние "карты" окружающего мира.

Ученые наблюдали за тысячами нейронов в гиппокампе мышей в режиме реального времени. Мыши учились ориентироваться в виртуальном лабиринте с двумя типами путей. Для успеха нужно было помнить, где находится награда.

Что обнаружили?
1. Мозг проходит четкие стадии обучения:
- От хаотичных действий к точным и эффективным
- От случайных реакций нейронов к организованной "карте"

2. Нейронная активность постепенно организуется в структуру, похожую на "машину состояний":
- Сначала это неорганизованный кластер
- Затем формируется схема "хаб и спицы"
- В конце появляется кольцевая структура с ветвями

Самым удивительным оказалось то, что эти результаты точно совпали с предсказаниями модели CSCG (Clone-Structured Causal Graph), разработанной ранее в Google DeepMind и Vicarious AI. Эта модель оказалась единственной, которая смогла предсказать не только конечный результат, но и весь путь обучения.

Впервые показан полный процесс формирования когнитивной карты в мозге. Подтвердилась теоретическая модель работы мозга. Это открывает новые возможности для понимания обучения и памяти. Результаты могут помочь в создании более эффективного ИИ

Все данные исследования доступны для интерактивного изучения на сайте: cognitivemap.janelia.org

_______
Источник | #blockchainRF
@F_S_C_P

▪️Генерируй картинки в боте:
Flux + MidJourney

❗️Значимая разработка: ИИ и робототехника могут помочь в разработке лекарственных препаратов. Представлена умная лаборатория LUMI-lab.

Ученые из Университета Торонто создали автоматизированную лабораторию нового поколения, которая совершает настоящую революцию в разработке систем доставки мРНК-препаратов.

Как это работает?

1. ИИ LUMI-model предсказывает структуры новых липидов

2. Роботизированные системы синтезируют эти липиды и создают наночастицы

3. Автоматические системы тестируют эффективность на клетках

4. ИИ анализирует результаты и планирует следующие эксперименты

Главные достижения:

1. Система самостоятельно обнаружила, что добавление атома брома в структуру липидов значительно улучшает доставку мРНК - это было неожиданным открытием.

2. Разработанный системой липид LUMI-6 показал рекордную эффективность: 20.3% успешного редактирования генов в клетках легких при ингаляционном введении.

3. За 10 циклов экспериментов система протестировала более 1700 новых липидных наночастиц.

Практическое значение:

- Ускорение разработки новых мРНК-вакцин.
- Улучшение генной терапии, особенно для лечения заболеваний легких.
- Возможность создания более эффективных систем доставки лекарств.

Это не полностью автономная система. Ученые по-прежнему контролируют процесс и принимают ключевые решения, но рутинную работу выполняют роботы под управлением ИИ.

_______
Источник | #blockchainRF
@F_S_C_P

▪️Генерируй картинки в боте:
Flux + MidJourney

#DeepSeek и #Kimi представили технологии, которые могут изменить возможности языковых моделей

Сразу 2 китайские компании
DeepSeek и Kimi почти одновременно анонсировали технологии, которые могут кардинально изменить возможности языковых моделей.

DeepSeek представили NSA, а Kimi выпустила MoBA - два подхода к решению одной из главных проблем современных ИИ систем - неэффективной работы с длинными текстами.

Современные ИИ модели тратят до 80% времени обработки длинных текстов на механизм внимания. Это приводит к огромным затратам на вычисления. Ограничивает возможности работы с большими документами, кодовыми базами и длинными диалогами.

DeepSeek NSA предлагает трехуровневый подход:
- Сжатие токенов для общего контекста
- Умное выделение важных частей текста
- Локальный анализ через "скользящее окно".

Kimi MoBA использует:
- Разделение контекста на блоки
- Умную систему выбора релевантных блоков
- Плавное переключение между полным и разреженным вниманием.

Результаты:
- NSA: ускорение до 11.6 раз при декодировании. NSA оптимизирован под современные GPU архитектуры.
- MoBA: ускорение в 6.5 раз в производственной среде. MoBA предоставляет открытый исходный код.
- Оба решения сохраняют или улучшают качество работы моделей. Обе технологии можно интегрировать в существующие системы.

Для бизнеса преимущества:

- Снижение стоимости использования ИИ

- Возможность работы с большими документами

- Более эффективная автоматизация процессов.

Эксперты отмечают несколько ключевых моментов:

1. Технологии переходят от простой оптимизации к фундаментальным изменениям в работе ИИ.
2. Найден баланс между возможностями и стоимостью вычислений.
3. Открываются новые возможности для практического применения.

_______
Источник | #blockchainRF
@F_S_C_P

▪️Генерируй картинки в боте:
Flux + MidJourney

⚡️ Google только что выпустили систему AI co-scientist (ИИ-научный партнер)

Это мультиагентная ИИ-система, построенная на базе Gemini 2.0. Основная цель системы - помогать учёным генерировать новые научные гипотезы и ускорять научные открытия.

Это гораздо более продвинутая система, чем GitHub Copilot.

AI co-scientist умеет:

1. Придумывать новые научные идеи и гипотезы. Например, может предположить: "А что если это лекарство от диабета попробовать против рака?" Или найти новый механизм, как бактерии становятся устойчивыми к антибиотикам.

2. Планировать эксперименты
- Предлагает, как именно проверить гипотезу
- Составляет детальный план исследования

3. Анализировать результаты
- Сопоставляет данные с существующими исследованиями
- Предлагает объяснения полученных результатов

4. Работать в команде с настоящими учёными
- Учёный может сказать: "Интересная идея, но давай подумаем еще в этом направлении"
- Система учитывает обратную связь и улучшает свои предложения

Самое главное - система уже доказала свою эффективность. Например:
- Нашла новое применение существующих лекарств для лечения лейкемии
- Предложила новые способы лечения фиброза печени
- Самостоятельно разобралась в сложном механизме передачи генов между бактериями

Проще говоря, если Copilot помогает писать код, то AI co-scientist помогает делать научные открытия. Это как иметь умного коллегу-учёного, который:
- Знает всю научную литературу
- Может находить неочевидные связи
- Предлагает новые идеи для исследований
- И главное - его идеи реально работают, что подтверждено экспериментами

Это большой шаг вперед в использовании ИИ для научных исследований, особенно в медицине и биологии.

_______
Источник | #blockchainRF
@F_S_C_P

-------
Секретики!
-------