Elevenlabs выкатила text-to-speech модель Eleven v3 (alpha)

Вы только послушайте эти голоса, эмоции, смех, акценты. Вау!

В видео есть демо запись футбольного комментатора с британским акцентом! Просто восторг!

Поддерживает 70+ языков, несколько голосов в виде диалогов, аудио тэги типа смех, восторг, шепот и прочие.

AGI может и не случиться

Сундар Пичаи не строит иллюзий: прогресс впечатляет, но гарантий ноль. Мы можем просто упереться в потолок.

ИИ уже умеет многое, но иногда не справляется с элементарным. Waymo всё ещё учат водить, а школьник осваивает это за пару выходных.

Так что да — всё красиво, но до настоящего интеллекта ещё, возможно, очень далеко 😬

Наконец-то выкатили обновление Advanced Voice в ChatGPT

Теперь ассистент говорит с реалистичными паузами, интонацией, с нотками эмпатии и даже сарказма 🤨

А ещё наконец-то нормальный голосовой переводчик. Просто скажи «переводи», и ассистент будет автоматически переводить всё, что вы говорите, туда-обратно. Например, вы говорите официанту по-английски, он отвечает по-португальски и ChatGPT мгновенно переводит оба направления. И так — пока не скажете остановиться.

Кайф же! Еще больше кейсов для использования AVM.

OpenAI теперь и на Google Cloud

Кажется, конкуренция конкуренцией, а вычислительные мощности по расписанию (текущих от Microsoft не хватает, вчера снова был глобальный сбой). OpenAI договорились с Google и будут использовать их Google Cloud для своих моделей. Раньше вся нагрузка лежала на Microsoft, теперь мощности начали распределять.

Что известно:

– Сделку закрыли в мае
– Переговоры шли несколько месяцев (мешали условия с Microsoft)
– У OpenAI выросли запросы на обучение и запуск моделей, одной Azure уже мало
– Для Google это большая победа, особенно на фоне того, что ChatGPT “ест” их поисковик
– Параллельно OpenAI строят дата-центр Stargate и пилят собственные чипы, чтобы меньше зависеть от партнёров

Акции Google уже пошли вверх. И да, Google снова себя прекрасно ощущает и сумела выправить курс (Apple учись!).

Foundation Models API от Apple

Apple выкатили API для Foundation Models (beta) для всех разработчиков. Наконец-то можно делать AI-приложения, только без геморроя с серверами и оплатой токенов. Всё работает прямо на устройстве. Давайте разбираться:

Что такое Foundation Models
– Это большая языковая модель, та же, что лежит в основе Apple Intelligence (Siri работает на её мощах), только теперь доступна через специальный API.
– Модель полностью крутится на устройстве, не уходит в облако, работает быстро и приватно (только на новых чипах — A17, M1 и выше).
– Никаких ключей, серверов и подписок. Всё для девелоперов бесплатно.

Что умеет
– Генерировать текст, писать и переписывать, делать резюме, отвечать на вопросы, вести диалоги — всё как у GPT, но у тебя в приложении.
– Есть “guided generation” — можно управлять стилем и форматом вывода (например, просить отвечать только списком или в стиле Твиттера).
– Tool calling: модель сама может вызывать функции твоего приложения, если не может что-то сделать (например, подсчитать что-то, перевести валюту, отправить письмо). Просто регистрируешь функции и модель их использует по ситуации.
– Всё через Swift в 2–3 строчки кода и можно получить генеративный ответ.

Как это интегрировать
– Импортируешь Foundation Models framework, создаёшь запрос к модели, получаешь результат.
– Можно использовать для любого NLP-сценария: персональный ассистент, креативщик, анализатор контента, чат-бот, генерация квизов, написание статей и т.д.

Почему это важно
– Все данные пользователя остаются на устройстве. Можно сделать реально приватное AI-приложение, не объясняясь ни с кем про GDPR.
– Нет лимитов и затрат, твоя генерация бесплатная, хочешь миллион токенов в день? Пожалуйста.
– Есть поддержка tool calling — теперь можно делать AI-агентов, которые реально что-то делают, а не просто болтают.
– Интеграция максимально простая: реально любой, кто писал на Swift, разберётся.

Ограничения и детали
– Работает только на новых устройствах (iPhone 15 Pro+, iPhone 16, все Mac на M1+).
– Название модели не раскрывают (видимо, что-то около 10–20B параметров, сжато для Neural Engine).
– Если чего-то не хватает, можно “звать” внешнюю модель через API (тот же ChatGPT), Apple не ограничивает.

Кстати, Apple обновила Shortcuts и добавила поддержку AI в сценариях

Теперь можно в автоматизациях добавить шаг с обращением к AI. Можно обращаться как к локальному Apple Intelligence, так и внешнему ChatGPT, но только по вашему API-ключу.

Раньше, чтобы обратиться к ChatGPT API в шорткатах нужно было дофига заморочиться, формировать http запрос и парсинг ответа, а теперь всё это из коробки. Кайф!

Плюс появились готовые действия: изменить тон текста, сделать из текста список, превратить текст в таблицу, исправить ошибки, переписать, сделать саммари, выбрать модель для обработки.

Кто увлекается автоматизацией через шорткаты, точно зайдёт такое обновление.

Canvas в ChatGPT теперь позволяет скачивать содержимое в виде файла

При чем в зависимости от типа контента, скачивает как раз в нужном вам формате. Для документов, к примеру, pdf/docx, для кода файл скачивается с нужным расширением.

Мелочь, а приятно.

Projects в ChatGPT обновили и улучшили

- Поддержка Deep research и голосового режима в проектах
- Поддерживается память между чатами в проекте
- Наконец-то можно шейрить чаты из проектов
- Можно создавать новые проекты прямо из чатов (разве этого не было?)
- В мобильном приложении можно загружать файлы и переключать модели

Почему-то мне казалось, что часть этого списка и так было. Но видимо показалось!

И сразу вопрос: как часто пользуетесь проектами в чатике?

Codex теперь может предлагать сразу несколько вариантов решения одной задачи.

Удобно, чтобы сравнить подходы и выбрать лучший. Можно посмотреть все ответы рядом и быстро решить, какой из них ближе к цели. Эта функция экономит время и помогает находить более точные решения.

Я думал мы стремимся к полной автономности и IQ 1000 у AI ботов, но пока компании перекладывают решения на плечи кожаных, типа сами решайте. Как будто пошел на Stackoverflow и сам выбираешь какое из решений рабочее тебе нравится.

Кстати, не факт что хоть одно из предложенных решений от Codex будет рабочим!

Китайцы молодцы!

Если раньше они пытались достать чипы Nvidia через серые схемы, то теперь решили действовать наоборот — не ввозить железо, а вывозить данные.

WSJ раскопал шикарную историю. Что делают китайские компании под жесткими ограничениями на чипы? Не ноют, не жалуются. Четверо инженеров из Китая прилетели в Малайзию. У каждого в багаже — по 15 жёстких дисков по 80 ТБ (чтобы не спалиться на таможне). Всего почти 5 петабайт. Всё это чтобы обучать модели за пределами досягаемости американского контроля.

Передавать такое по сети долго и палевно. А так, чемодан, самолёт, здравствуйте, Куала-Лумпур.

На месте арендуют 300 серверов с Nvidia-чипами, и вперёд: модели обучаются, Китай догоняет и перегоняет. А что США? США просят Малайзию "мониторить каждую поставку", но когда у тебя в руках чемодан с дисками и туристическая виза — это уже не экспорт, это квест «кто кого переиграет».

Ну до чего изящная схема! Работает? Да. Обходят ли санкции? Тоже да. Обучение выходит дороже и сложнее, но Китай не сдаётся. Их модели дешевле западных, а по качеству не уступают.

Учимся у восточных мастеров!

Исследование: люди тупеют от использования LLM, но работают лучше

Я использую их уже два года, поэтому этот заголовок — всё, на что меня хватило.

Учёные из MIT на днях опубликовали исследование влияния LLM на когнитивные способности человека. Если кратко, то они давали задания написать эссе трём группам людей: одни могли для этого пользоваться поисковиком, другие — нейросетью, а третьи — только собственным умом.

Но самое интересное — это, что после написания эссе его нужно было переписать, но на этот раз инструменты меняли: тем, кто использовал только мозг, давали в помощь нейросеть, и наоборот — отнимали нейросеть и заставляли думать самому. В процессе замеряли активность мозга через ЭЭГ, брали интервью и оценивали качество выполненного задания с помощью как судей, так и специально написанного ИИ.

Ожидаемо, даже на ЭЭГ уже были видны различия в активности мозга в этих трёх группах. Те, кто сначала думал, а потом переписывал нейросеткой, показали более высокие уровни мозговой активности, но они падали во время использования нейросети, а ещё они поначалу были явно менее довольны тем, что у них получается (напрягали мозг, но страдали).

А вот те, кто использовал LLM с самого начала, даже не могли особо процитировать свои эссе, и при переписывании уже особо не напрягали свой мозг. При этом конечные оценки по эссе у них более высокие: и ИИ, и человеческое жюри оценивали их как технически более совершенные, но живые люди чаще считали их «бездушными».

LLM, несомненно, снизил уровень усилий при поиске ответов на вопросы участников по сравнению с пользователями поисковика. Однако это удобство было достигнуто за счет когнитивных затрат, снизив склонность пользователей критически оценивать результаты или «мнения» LLM. Это подчеркивает тревожную эволюцию эффекта «эхо-камеры»: вместо того, чтобы исчезнуть, он адаптировался, чтобы формировать воздействие на пользователей через алгоритмически отборный контент. На то, что считается «лучшим», в конечном итоге влияют приоритеты владельцев LLM.

Лишь несколько участников интервью упомянули, что они не следовали «мышлению» LLM и следовали своей линии мышления и идеям. Что касается этических соображений, участники, которые были в группе «использовать только свой мозг», сообщили о более высокой удовлетворённости и продемонстрировали более высокую связность мозга по сравнению с другими группами. Эссе, написанные с помощью LLM, имели меньшее значение или ценность для участников (нарушение чувства собственности), поскольку они тратили меньше времени на написание и в большинстве случаев не приводили цитаты из этих эссе.

Работа очень большая (около 150 страниц) и там много интересных наблюдений и психологических референсов: полезно для тех, кто работает над этим профессионально. А ещё прикольно, что в работе есть инструкция для LLM («Читай только содержание этой таблицы»), что круто, учитывая, что многие наверняка скачают и загрузят PDF с исследованием в нейросеть и попросят пересказать, а не прочитают его сами.

Накину ещё пару интересных фактов, которые смог выцепить своим обленившимся мозгом:

1. Даже поиск информации в интернете, к которому мы как человечество уже привыкли — задача нетривиальная и для разных людей имеет разный уровень сложности: кому-то легко проверить данные в нескольких источниках, а кто-то тыкает в первую ссылку и берёт оттуда то, что там написано. Мозг не любит сложные задачи, как никто не любит мешки ворочать, и когда на помощь приходит LLM, он ей склонен доверять, чем перепроверять.

2. Люди, которые пишут эссе, думая только своей головой, показали большую вариативность тем и подходов к написанию. А вот у тех, кто использовал нейросети, эссе получились более-менее одинаковые, гомогенные. Но и у пользователей поисковика всё не слава богу: они сильно подверглись тому, что прочитали по ссылкам в выдаче, которые зависели от выбранных ключевых слов в запросах, но также влияние тут оказали платные результаты поиска.

Думайте, господа.