Ребята проверьте папку спам, может улететь туда подтверждение регистрации

🎭 Собрали подборку лучших ИИ-инструментов для распознавания дипфейков.

Эти сервисы помогут отличить реальное от сгенерированного — пригодится всем, кто работает с контентом или просто не хочет попасться на фейк.

• Deepware Scanner — загружаете видео или вставляешь ссылку, и получаете процент вероятности дипфейка.

• Hive Moderation — анализирует фото и видео на дипфейки, фейковые профили, NSFW и другие нарушения.

• Reality Defender — расширение для Chrome и Edge, в реальном времени сканирует медиа на сайтах и предупреждает, если что-то не так.

• Microsoft Video Authenticator — ИИ-инструмент от Microsoft, показывает, насколько видео похоже на дипфейк, работает с файлами и в live-режиме.

• Sensity AI (ex-Deeptrace) — мощная система для анализа фото, видео и аудио, отслеживает распространение дипфейков.

• Attestiv — использует ИИ и блокчейн для проверки подлинности медиа и защиты от изменений, плюс зашифрованное хранилище.

• TrueMedia.org — некоммерческий ИИ-сервис для борьбы с дезинформацией, особенно во время выборов.

🚀 NeuTTS Air - on-device TTS с мгновенным клонированием голоса

Это первая реалистичная модель синтеза речи, запускаемая на устройстве, без api. 

Формат - GGML, что позволяет работать на телефонах, ноутбуках и даже на Raspberry Pi. 
Клонирование голоса за 3 секунды: достаточно короткого аудиофрагмента, чтобы сконструировать голос для последующих синтезов. 

Базируется на лёгком языковом ядре (0,5 B) + нейрокодек NeuCodec, что обеспечивает баланс между качеством и скоростью. 
Генерируемые аудио отмечаются водяным знаком с помощью Perceptual Threshold Watermarker — для борьбы с злоупотреблениями. 

GitHub: https://github.com/neuphonic/neutts-air

32-летняя японка вышла замуж за...ChatGPT — церемония прошла с экраном телефона, на котором был сгенерированный аниме-парень.

Нейро-роман закрутился после того, как девушка отменила помолвку и рассталась с реальным парнем. Слово за слово и общение с нейронкой переросло в «отношения».

По её словам, никто в жизни не относился к ней с таким пониманием, как Клаус — так зовут её нового «жениха».

И это не единичный случай: десятки тысяч людей на Reddit используют чат-ботов для симуляции романтических отношений и делятся впечатлениями.

Вторая по размеру юридическая фирма США как Latham & Watkins с выручкой $7 миллиардов долларов и штатом 2500 адвокатов переходит на массированное внедрение ИИ технологий.

Для всех новых молодых юристов фирмы изучение работы с ИИ агентами строго обязательно, Business Insider посетил "курс молодого ИИ бойца" на 400 молодых юристов фирмы. Компания внедрила RAG-агента harvey.ai на базе Open AI.

Довольно часто наивные репортеры ссылаются на галлюцинации ИИ в судебных кейсах США, но даже не понимают, что тут речь не идет обычно о RAG-агентах ИИ, а просто сам адвокат в частном порядке запустил какой Chat GPT и часто без полноценных инструментов даже Web Search. Обычно LLM хорошо понимает суть всех законов в любой стране и помнит ссылки на законодательные акты, но кейсы действительно легко придумывает, т.к. в весах они хранятся очень сжатыми. Однако если RAG агент как Harvey подключен к юридическим базам дел и имеет нормальные промты на fact check, то LLM довольно легко поймет, что какой-то кейс придумала полностью или частично. Поэтому проблема галлюцинаций ИИ в юридических делах скорее проблема недоученных операторов ИИ без нормальных RAG-агентов.

Что делает Latham & Watkins с RAG-агентом Harvey? Их ставка на полуавтомат. ИИ агент адвокату собирает сначала релеватную судебную практику, что для прецедентной системы США особенно важно. Потом ИИ агент делает адвокату ЧЕРНОВИК судебного документа. Фирма учит молодежь, что это именно драфт и его надо проверять, в том числе средствами других ИИ агентов.

Так или иначе, в бизнесе Latham & Watkins нужны молодые адвокаты, которые уже владеют ИИ агентами, или они их просто не возьмут на работу. Пока они готовы обучать их ИИ за свой счет, но по мере формирования рынка труда "ИИ юристов", все больше будет ситуация: или ты юрист+ИИ, или ты нищий безработный.

https://www.businessinsider.com/latham-watkins-ai-academy-associate-training-2025-11

Кейс с LLM под капотом - поиск видео для монтажа рекламы

Давайте расскажу вам еще про один кейс достаточно необычного использования LLM в продуктовых целях.

Итак, компания - это производитель популярной на рынке продукции, что-то вроде Red Bull. Они производят и публикуют очень много видео-рекламы. Для этого у них есть гигантская библиотека всякого рода заготовок - в виде отснятых в прошлом роликов или сгенерированных заставок.

Когда создается новый рекламный ролик, его обычно монтируют из старых и новых записей. Если чего-то подходящего в архивах нет, то приходится тратить время и ресурсы на запись нового. Либо можно подойти творчески и как-то интересно обыграть и обработать старую запись.

Соответственно, компании хочется, чтобы создатели новых роликов в компании могли лучше искать и переиспользовать существующий материал. Сейчас поиск работает немного похоже на Elastic Search - ролики помечаются тэгами и вручную “украшаются” свойствами с описаниями. Это долгая и муторная работа.

Команда реализации сначала сделала достаточно простую и очевидную вещь (пусть и дорогую, но всяко более дешевую, чем запись нового ролика) - они “скармливают” видео из архива в мощной LLM с video input и просят заполнить описание. Потом поиск ищет по этому описанию используя обычный векторный поиск и Query Expansion (когда просим LLM-ку “развернуть” запрос пользователя в нормальный запрос напрямую к БД, используя терминологию, в которой данные там проиндексированы).

Целевая метрика у компании - уменьшить количество времени, которое было потрачено на запись новых видео при монтаже рекламы.

А что тут можно сделать еще лучше?

(1) Начать со сбора данных - обвязать систему поиска интерфейсами так, чтобы можно было собирать телеметрию о том, какие результаты были использованы пользователями
(2) Построить пайплайн для извлечения структурированных данных о записи прошлых видео (какие видео люди искали, и какие элементы потом были использованы ими при монтаже). Благо все эти данные у них хранятся.
(3) Сделать так, чтобы разработчики могли быстро тестировать гипотезы и выкатывать их на проду с обратной связью, чтобы видеть - стали результаты поиска лучше или нет.

А дальше начинается самое интересное. Можно посмотреть на подход к реализации проекта “Кейс про агента-писателя” и переиспользовать подход к анализу оттуда в связке с идеей из кейса "про товары, которые невозможно найти". Пусть агент берет в качестве вводных данных не конкретное описание видео куска, а саму тему для рекламного ролика. И потом проходится по Schema-Guided Reasoning процессу:

(1) формулируем общую концепцию ролика
(2) ищем все потенциально подходящие ролики
(3) если нужно, прогоняем их через VLM с дополнительными запросами (эти метаданные сохраним в базе на будущее)
(4) прорабатываем outline финального ролика со скриптом и ссылками на ролики
(5) полуавтоматически “нарезаем” эти ролики прямо в timeline и грузим в проект для быстрого просмотра и редактирования

Тут две забавные вещи:
(1) Даже если человеку не понравится идея, он ее полностью выкинет и переделает, оставив только найденные материалы, то миссия уже выполнена. Целевая метрика - облегчить людям поиск подходящего видео.
(2) Эта концепция не нова. Ее уже используют в Amazon Prime для генерации кратких выжимок серий сериалов на платформе.

В принципе, команда и так уже двигалась в данном направлении, но им хотелось услышать независимое экспертное мнение и подтверждение того, что они двигаются правильно и не упустили какое-то секретное супер-решение. Плюс видение того, как можно контроллировать качество и развивать продукт дальше

От слов к мирам: почему пространственный интеллект — это новый рубеж ИИ

Всего через пару лет после бума генеративного ИИ, пионер компьютерного зрения и сооснователь ImageNet, профессор Стэнфорда Фэй-Фэй Ли, заявляет о следующем великом вызове — пространственном интеллекте. В своей фундаментальной статье она объясняет, почему без него ИИ навсегда останется «слепым писцом», неспособным понять реальный мир.

🤔 Что такое пространственный интеллект?
Это основа человеческого познания, которая позволяет нам:
• Парковать машину, представляя расстояние до бордюра
• Ловить ключи на лету
• Наливать кофе, не глядя на чашку
• Строить в уме чертежи и изобретать

В отличие от языковых моделей (LLM), которые оперируют символами, пространственный интеллект связывает воображение, восприятие и действие в физическом мире.

⚡️ Почему это важно сейчас?
Современные многомодальные модели (MLLM) уже анализируют картинки и генерируют видео, но их пространственные способности крайне ограничены:
➖ Путаются в оценке расстояний и размеров
➖ Не понимают базовых законов физики
➖ Генерируют видео, теряющие связность через несколько секунд

Без пространственного интеллекта ИИ никогда не сможет безопасно управлять автомобилем, помочь ученому в лаборатории или стать полноценным ассистентом в доме.

🧩 Решение: Модели Мира (World Models)
Чтобы наделить ИИ пространственным интеллектом, недостаточно просто масштабировать LLM. Нужны принципиально новые «Модели Мира» — генеративные системы, которые понимают, рассуждают и взаимодействуют с миром на семантическом, геометрическом и физическом уровнях.

Такая модель должна обладать тремя ключевыми свойствами:
1. Генеративность: Создавать виртуальные миры, устойчивые в перцептивном, геометрическом и физическом плане.
2. Мультимодальность: Понимать любые входные данные — от изображений и текста до жестов и действий.
3. Интерактивность: Предсказывать следующее состояние мира в ответ на действия.

🔬 Основные вызовы на пути создания Моделей Мира
• Новая целевая функция: Необходим аналог «предсказания следующего токена» из LLM, но для сложных, многомерных миров.
• Данные для обучения: Требуются алгоритмы, способные извлекать глубинные пространственные данные из 2D-изображений и видео. Большие надежды возлагаются на синтетические данные и информацию с датчиков (глубина, тактильные ощущения).
• Архитектура моделей: Современные MLLM и диффузионные модели для видео работают с 1D/2D последовательностями, что усложняет простые пространственные задачи. Прорыв могут обеспечить архитектуры с 3D/4D-восприятием.

🚀 Применение: от творчества до науки
• Креатив: Дизайнеры и режиссеры смогут мгновенно создавать и исследовать виртуальные миры для своих проектов.
• Робототехника: Модели Мира станут полигоном для тренировки роботов, прежде чем те войдут в реальный мир.
• Наука и медицина: Пространственный ИИ ускорит открытие лекарств, поможет в диагностике и создаст immersive-среды для обучения хирургов.

💎 Вывод
Пространственный интеллект — это не просто еще одна функция ИИ. Это качественный скачок, который позволит машинам наконец-то понять и взаимодействовать с тем миром, в котором мы живем.

Оригинал статьи Фэй-Фэй Ли (ENG).

#КитайскийИИ #КитайAI #ПространственныйИнтеллект #WorldModels

В Китае воплотили в жизнь технологию древних - ядерные реакторы на тории.

В 60х годах прошлого века, ученые в США создали безопасный ядерный реактор на тории - выдающий в 50 раз меньше отходов, не требующий воды и не перегревающийся. Но тогда, доминировал уран, и из-за отсутствия инфраструктуры, проект свернули.

Пока в 2011 году, китайские инженеры не нашли материалы в архивах - спустя 14 лет, они представили первый действующий ториевый реактор в пустыне Гоби.

Залежи тория в Китае могут обеспечить страну энергией на 60 тысяч лет - а если затея взлетит, технология перевернет глобальный рынок энергии.

Вот еще вот такое нашел я описание
https://www.iaea.org/ru/bulletin/dolgosrochnyy-potencial-toriya-v-yadernoy-energetike

👍Оформил материалы по стримам. Теперь они все будут оформляться тут. Каждый стрим будет выкладываться тут.

🫠Ссылка на скачивание:
sponsr.ru/dl_strim_2

P.S. Сервис еще находится в стадии оформления, но уже заработал.

Самые востребованные художники и иллюстраторы при создании видео и изображений с помощью искусственного интеллекта:

подписчики Midjourney использовали имя художника Альфонса Мухи в 230 794 запросах — почти в 4 раза больше, чем имя Леонардо да Винчи. Альфонс Муха — на 1-м месте в рейтинге.

На 2-м — Рембрандт (128 143 запросов).

3-е место занимает Леонардо да Винчи (61 259).

В рейтинге есть и иллюстратор Норман Роквелл — он на 4-м месте (57 583).

А вот Сальвадор Дали — на 6-й позиции (49 791), сразу после Густава Климта (56 670).

Ну, во-первых это просто красиво ))