Снова про Китай, снова про роботов. Интересное наблюдение, что помимо стартапов, в лидерах разработки — крупнейшие производители электромобилей. Сошлись сразу несколько факторов:
— у них есть потребность в быстром заполнении вакансий рабочих специальностей, следовательно, внутри есть огромный потенциал для тестирования в реальных условиях
— Цепочки поставок, отлаженные и работающие для автомобильного производства, сильно совпадают с необходимыми для производства человекоподобных роботов. Это ускоряет переход к их производству и удешевляет этот процесс
— колоссальная техническая экспертиза и накопленный капитал
И, одновременно, конкуренция между несколькими игроками все время снижает прибыльность выпуска электромобилей, так что есть вполне бизнесовый стимул занять новую нишу, пока в ней не развилась конкуренция того же порядка.
“Robotics is where EVs were a decade ago—a trillion-yuan battlefield waiting to be claimed.” С автопромом у них получилось, посмотрим, как пойдет с роботами:)
https://www.technologyreview.com/2025/02/14/1111920/chinas-electric-vehicle-giants-pivot-humanoid-robots/

Забавный, кстати, факт: я на эту тему не раз слышал высказывания в частном порядке, и почему-то мало пишут любители пообсуждать ИИ и его текущий экономический эффект.
Речь о техническом долге. У любой компании с большими ИТ-ресурсами это серьезная (хотя не наблюдаемая снаружи) проблема: специалистов вечно не хватает на решение новых задач, на развитие и подержание софта. И всегда в какой-то момент возникает ситуация, при которой оказывается, что старый код тормозит развитие, не позволяет внедрять новшества и должен быть переписан.
Только вот его оказывается неприлично много: With over 2.41 trillion of costs in the United States alone, tech debt isn’t just an IT problem; it’s a business liability that requires CEOs’ attention.
И вот тут-то ИИ оказывается фантастически эффективен. Рефакторинг софта с помощью ИИ позволяет относительно легко решать проблему: мне известен случай одной отечественной компании (не уверен, что могу называть ее), где “погашение долга” оценивалось буквально под сотню человеко-лет и вызывало панику у СТО. Однако группа меньше чем из 10 человек с помощью ИИ полностью разобралась с долгом за несколько месяцев.
Так что есть может и не самые романтические и крутые задачи — но огорчительно дорогие — и там ИИ себя оправдывает сторицей.
Самое смешное, что в статье по ссылке говорят не про ИИ как средство решения, а про то, как надо техдолгом грамотно управлять в преддверии перехода но новое поколения софта с ИИ-фичами:)

https://sloanreview.mit.edu/article/how-to-manage-tech-debt-in-the-ai-era/

В ИИ-гонку наряду с компаниями, университетами и научными сообществами все больше втягиваются государства целиком. Вот и Южная Корея решила поучаствовать. Пока — инфраструктурно, а не на уровне собственно продуктов.
Объявлено, что к 2028 в стране будет завершено создание вычислительного комплекса на 3 ГВт потребляемой энергии — это раза в три больше, чем потребляют крупнейшие действующие датацентры глобальных техногигантов. Да и стоимость проекта тоже раза в три выше — 35 млрд долларов против типичных 10 млрд, которыми меряются бигтехи.
Вызывает сомнения одна публичная цифра: “проект создаст 10 000 рабочих мест” Почему-то Цукерберг про свои мега-датацентры говорил про 500 рабочих мест…
Но в любом случае страна получает возможность утверждать
“This is more than just a technological milestone; it's a strategic leap forward for Korea's global technological leadership”
https://www.techradar.com/pro/security/worlds-largest-mega-data-center-planned-for-south-korea-in-usd35bn-project

Попался недавний любопытный пост в блоге запрещенной у нас Меты на свежую тему. Если вскоре у нас будут физически гибридные команды — то есть состоящие как из людей, так и человекоподобных роботов, — возникнет задача двух типов коммуникации: роботов с себе подобными и роботов с людьми. Даже вводится новый термин: advanced machine intelligence (AMI).
Поэтому вводится новый фреймворк PARTNR, позволяющий вести исследования взаимодействия роботов (и их обучение) и людей в повседневной среде. At its core, PARTNR provides a mechanism to train social robots through large-scale training in simulation, followed by deployment in the physical world.
Мне нравится уровень и скорость подготовки к сосуществованию с роботами — и хорошо, что не только в Китае:)

https://ai.meta.com/blog/machine-intelligence-research-new-models/

Люблю я наше быстрое времечко 🙂 Поработаешь полдня с полным погружением, ни на что не отвлекаясь — а когда взглянешь на новости, там пара достойных, чтоб рассказать сразу. И это не очередной однокамерный айфончик :))
Начну с той, которая про ИИ. Недавно выпущенные “исследователи” от OpenAI и Perplexity судя по первым ощущениям и тестам, не то, чтоб исследователи в чисто научном смысле слова. Как business research работают вполне норм, но для серьезной науки не очень.
А вот Google выпустил продукт, который не постеснялся назвать co-scientist — мультиагентную систему на базе Gemini 2.0, предназначенную работать в классических научных исследованиях. Она занимается как раз тем, что скептики полагают недостижимым: не просто готовить обзоры и глубокий анализ литературы, но и to uncover new, original knowledge and to formulate demonstrably novel research hypotheses and proposals, building upon prior evidence and tailored to specific research objectives.
Для генерации новых гипотез используют целый коллектив агентов с красивыми и говорящими названиями Generation, Reflection, Ranking, Evolution, Proximity и Meta-review: понятные стадии использования классического научного метода. Результат: список достойных проверки новых идей и подробный план их проверки. Вполне понятные анимации в статье будут совершенно нечитаемы здесь в посте, так что изучайте их по ссылке.
Выглядит очень достойно — всех ученых не заменит пока, но во многих областях сильно ускорит исследования тех команд, которые располагают большой базой для экспериментальной проверки гипотез в своей области.
И да, вот это все — глубокая интеллектуальная деятельность и создание нового знания, безо всяких скидок.

https://research.google/blog/accelerating-scientific-breakthroughs-with-an-ai-co-scientist/

А вот вторая новость, ее трудно оценить сразу, не хватает подробностей, — но она легко может оказаться важней любого нового сколь угодно интеллектуального агента — потому что она про радикально новое: Microsoft анонсировал новый чип, который может открыть путь к очень быстрому масштабированию квантовых компьютеров: то, что ожидалось через лет десять-пятнадцать, может оказаться довольно массово доступным через год-другой: очень похоже на изобретение транзистора, на первый взгляд: нам обещают в обозримой перспективе до миллиона кубитов на одном чипе разумных размеров. Причем это не теория, представлен как раз первый Quantum Processing Unit (QPU), основанный на неком принципиально новом материале (а исследователи гордо пишут аж о новом состоянии вещества).
Но дальше от научной демонстрации предстоит путь к инженерной реализации. Будем надеяться, что там не обнаружится столько подводных камней, как в термояде:) Масштабирование — злобная штука. Наблюдать будет страшно интересно.
https://news.microsoft.com/source/features/ai/microsofts-majorana-1-chip-carves-new-path-for-quantum-computing
(Подробности про устройство — https://www.nature.com/articles/s41586-024-08445-2 — но здесь без суровой квантовой физики твердого тела не продраться:)

Google знатно раскочегарился и выкатил еще одну интересную новинку — карьерный инструмент под названием Career Dreamer. Отправным пунктом для его создания послужили любопытные цифры, которые нечасто обсуждают. По данным Всемирного экономического форума сейчас человек за свою профессиональную карьеру в среднем меняет 12 позиций; для поколения зумеров предполагается, что его представители сменят в жизни 18 позиций в шести разных карьерах. Это означает, что карьерный поиск себя на рынке труда массово становится вполне регулярным, а далеко не разовым занятием. И для него можно создать инструмент на основе ИИ.
Исходя из таких параметров как уникальный личный опыт, образовательный багаж, увлечения, навыки, склонности можно сделать полезные предположения о подходящей работе. Но сначала надо выявить реальные, возможно скрытые, таланты и навыки — и научить соискателя правильно о них говорить (или посоветовать правильное направление для тренингов).
Career Dreamer способен:
Понять свою профессиональную идентичность и сформировать внятный рассказ о личной карьере
Исследовать пдходящие карьерные возможности
Сделать первый шаг.
Раньше в списках профессий, оказывающихся в зоне риска, не встречал карьерных консультантов:) Видимо, аналитики, по обыкновению, не доглядели :)
https://blog.google/outreach-initiatives/grow-with-google/a-new-experiment-to-help-people-explore-more-career-possibilities/

Neo Gamma от 1X

Новый прототип куда шустрее августовской Beta. Интересно, когда они уйдут в продажу?

@ai_newz

Фейерверк запусков от топовых создателей моделей на тему ИИ-шных исследователей и ученых породил массу комментариев, и здесь я выбрал один во многом из-за фразы That sounds like a very niche market—and it is. But it’s also likely to be the tip of the AI-as-coworker iceberg.
И вот в это многие отказываются верить и возмущаются тем, что верят другие. С идеями «не более чем инструмент», «стохастический попугай» или «ничто искусственное не способно создать новое» жить кажется комфортней. Вот только недолог комфорт от самоутешения, все сильней расходящегося с наблюдаемой действительностью.
При этом важно, что такой коллега нового типа, the AI co-scientist isn’t designed to replace scientists, but instead may inspire researchers with novel ideas or otherwise speed up the process of investigating a thorny physics problem, or tackling a biological issue like antimicrobial resistance.
Следить за первыми ласточками всегда интересно — как они там летят — даже если сам работаешь не в науке: такое наблюдение gives us a hint of how AI may penetrate into many different types of workplace over time

https://www.inc.com/kit-eaton/how-googles-new-ai-co-scientist-tool-gives-us-a-taste-of-tomorrows-workplace/91150659

Можно со вздохом вспомнить, как в конце 80-х прошлого века, впервые дорвавшись до возможности заказать себе в лабораторию ПК, я бился за то, чтобы диск был на 40 мегабайт, а не 20 по умолчанию. Полувека не прошло, и вот уже доступны (хотя вряд ли нужны в персоналках) диски на 36 терабайт, обещаны вскоре 60, в разработке — 100. Шесть порядков меньше чем за полвека, хоть габариты примерно те же. Красиво, и это не говоря об опции SSD вместо HDD. 
И, главное, никто особо и не впечатляется:))
https://www.techradar.com/pro/race-to-100tb-hdd-heats-up-as-seagate-pulls-rug-under-western-digital-toshiba-feet-by-acquiring-hamr-specialist

Любопытный стартап, который на довольно плотно засиженном поле электрических летательных аппаратов выглядит интересно. Как и его основатель 🙂
Никаких венчурных инвесторов, штаб-квартира в Вермонте, основатель — профессиональный хоккеист с Гарвардским образованием и дипломом пилота-инструктора. “Every single day, I fly two or three different airplanes. I taught my daughter to fly before she knew how to drive. We at Beta have a very different culture and type of business here than all these West Coast folks who stumbled onto a train that was already moving.”
Давно про инженерные сильные команды не читал, приятно. Интересно, как выглядит почти масковская одержимость продуктом — но без сопутствующих закидонов.
https://techcrunch.com/2025/02/23/electric-aircraft-founder-kyle-clark-threw-out-the-silicon-valley-playbook/

Сегодня — 70 Стиву Джобсу. Перечислять не буду. Тим Кук отлично заметил сегодня: Steve saw the world not just as it was, but as it could be. His vision continues to inspire us to push boundaries and create the future.
Всё так.
https://www.macrumors.com/2025/02/24/steve-jobs-would-have-been-70-today/

Я про обновления моделей здесь почти не пишу: процесс в мире настолько активный, что заслуживает отдельного канала (и их, естественно, есть немало;)) Сегодня, однако, случай, по понятным причинам, для меня особый, так что — если кто не обратил внимания — стоит попробовать поплотней пообщаться с Алисой, она приятно удивит;)
Вот почему: Яндекс относительно давно свои модели не обновлял, и вот, наконец, в Алисе Про — новинка YandexGPT 5 Pro. Традиционно, в процессе обучения фокус был на русском языке и российском контексте — и эта часть касается всех, кто использует Алису как повседневную помощницу: она ощутимо поумнела. Чтобы пощупать могли те, у кого подписки Про нет, лимит Про-запросов на обычных аккаунтах временно увеличен с 5 до 20 в день, чтоб войти во вкус;)
https://www.rbc.ru/technology_and_media/25/02/2025/67bc964c9a79476f836513d8
Ну, а для любителей технических подробностей есть Хабр — там и поспорить можно;)
https://habr.com/ru/companies/yandex/articles/885218/

Самые первые модемы не имели разъема для подключения к телефонной сети — взамен были микрофон и динамик, упрятанные в резиновые штуки, которые можно было надеть на любую телефонную трубку: микрофон слушал, динамик издавал звуки. Номер, правда, приходилось набирать вручную, но все это было в те времена таким диким фронтиром, что подобные мелочи никого не смущали.
Прикольно, как история сделала колечко и вернулась в ту же точку, но с современным ИИ-сценарием:)) Голосовых ИИ-агентов все больше, и становится все более вероятной ситуация, в которой отрабатывающий вашу задачу голосовой агент дозвонится в нужный вам сервис — и ответит ему тамошний голосовой ИИ-агент, обслуживающий клиентов. Очевидно, что с этого момента человеческий язык для их общения становится сильно неоптимальным: и медленно, и затраты на преобразования в речь и обратно. Так что разумно, чтобы агент при звонке сразу проверял, кто ответил на той стороне, и если ответил другой агент — переходил бы на более эффективный протокол коммуникации с акустическим кодированием данных.
Неудивительно, что такой протокол разработан, выложен на гитхабе и доступен для тестирования :))

https://devpost.com/software/gibber-link