Forwarded from Vladimir Gusev | GMT-03
Еще можно записать прям видео экрана на его машине, чтобы ботик сам заполнил процесс и использовал как надо
🔥1
Кайфую от BB. Прям очень рекомендую эту IDE-шку потестить если у вас хотя бы две AI-подписки
🤝2👍1
Forwarded from Data Secrets
This media is not supported in your browser
VIEW IN TELEGRAM
FigureAI собирают самый гигантский и разнообразный в мире датасет для обучения роботов
https://www.figure.ai/news/introducing-index
Оказывается, стартап 4 месяца в закрытом режиме тестировал приложение Index, через которое обычные люди записывают видео повседневных задач и получают за это деньги.
За это время компания заплатила пользователям уже 15 миллионов долларов, приложение скачали более 264 000 в 100+ странах. WAU – примерно 44к человек.
Собрано на данный момент более 15 миллионов роликов, каждую секунду приложение обрабатывает 30 минут видео. Это почти 5 лет человеческого труда в день. На этих данных уже обучают Helix, и в блоге написано, что разработчики «наблюдают существенные результаты в генерализации».
Figure заявляют, что планируют нарастить сбор еще в 100 раз и потратить >$1 млрд на данные и вычисления в следующем году. Масштаб!
Само приложение уже есть в AppStore и GooglePlay
https://www.figure.ai/news/introducing-index
Оказывается, стартап 4 месяца в закрытом режиме тестировал приложение Index, через которое обычные люди записывают видео повседневных задач и получают за это деньги.
За это время компания заплатила пользователям уже 15 миллионов долларов, приложение скачали более 264 000 в 100+ странах. WAU – примерно 44к человек.
Собрано на данный момент более 15 миллионов роликов, каждую секунду приложение обрабатывает 30 минут видео. Это почти 5 лет человеческого труда в день. На этих данных уже обучают Helix, и в блоге написано, что разработчики «наблюдают существенные результаты в генерализации».
Figure заявляют, что планируют нарастить сбор еще в 100 раз и потратить >$1 млрд на данные и вычисления в следующем году. Масштаб!
Само приложение уже есть в AppStore и GooglePlay
😱1
Forwarded from e/acc
Спрос на токены / ИИ за последний год вырос по разным оценкам в 10-15х
Цена токена того же уровня ценности (opus 4 год назад против qwen сегодня) упала больше чем в 100 раз. Потребление токенов на OpenRouter (крупнейший маркетплейс) выросло больше чем в 25х за год.
Как пишет Кэти Вуд и ее команда из ARK, если датацентр сегодня окупается за 1,5 года, то какой смысл инвестировать во что-то другое? Емкость рынка триллионы долларов, это влияет на аллокации многих фондов, компаний и государств.
Эффект в том, что эта конкуренция увеличивает стоимость денег для остальных областей экономики. Нашел забавный график об упоминаниях ИИ на заседаниях Феда.
ИИ становится драйвером макро решений, несмотря на то что это пока что просто детский лепет, а в следующем году будет интересно.
Цена токена того же уровня ценности (opus 4 год назад против qwen сегодня) упала больше чем в 100 раз. Потребление токенов на OpenRouter (крупнейший маркетплейс) выросло больше чем в 25х за год.
Как пишет Кэти Вуд и ее команда из ARK, если датацентр сегодня окупается за 1,5 года, то какой смысл инвестировать во что-то другое? Емкость рынка триллионы долларов, это влияет на аллокации многих фондов, компаний и государств.
Эффект в том, что эта конкуренция увеличивает стоимость денег для остальных областей экономики. Нашел забавный график об упоминаниях ИИ на заседаниях Феда.
ИИ становится драйвером макро решений, несмотря на то что это пока что просто детский лепет, а в следующем году будет интересно.
Forwarded from Data Secrets
Во время тестирования новый Fable 5.1 обучил нейросеть для построения карты рельефа Венеры, и она превзошла текущие решения NASA
Новая карта детализирует рельеф до 2–3 км (было 10–20 км) и точнее по высотам примерно на 25%. Anthropic выложили ее в открытый доступ: https://zenodo.org/records/22164484
🍿
Новая карта детализирует рельеф до 2–3 км (было 10–20 км) и точнее по высотам примерно на 25%. Anthropic выложили ее в открытый доступ: https://zenodo.org/records/22164484
Please open Telegram to view this post
VIEW IN TELEGRAM
🤓1
Forwarded from e/acc
Посмотрите на примеры проектов, которые люди с ранним доступом (он был в среднем не больше недели) сделали в Астре.
Это модель не только про 3D и игры. Более того, её прирост именно в кодинге и экономических задачах (особенно биология) куда выше. Но на визуальных примерах максимально просто понять разницу.
В общем, slow takeoff отменяется.
Это модель не только про 3D и игры. Более того, её прирост именно в кодинге и экономических задачах (особенно биология) куда выше. Но на визуальных примерах максимально просто понять разницу.
В общем, slow takeoff отменяется.
Forwarded from Data Secrets
OpenAI выложили блогпост о том, как агенты ускоряют рисерч в компании
Они заявляют, что достигли цели, которую ставили прошлой осенью, а именно: иметь к сентябрю 2026 года «автоматизированного исследователя-стажера», то есть систему, способную выполнять четко поставленные исследовательские задачи, включая те, что заняли бы у квалифицированного спеца несколько дней.
Кроме того, на момент середины августа в OpenAI:
– Медианный исследователь ежедневно тратит на агентов более $600 в день по API-ценам. У 90-го перцентиля уже больше $7000 токенов в день.
– На каждый рабочий день человека приходится примерно 3.1 «агенто-рабочих дня» (еще в июне суммарное время работы агентов было меньше, чем суммарные человеко-часы).
– Активно растет число экспериментов на одного активного экспериментатора и success rate агентов по нескольким разрядам сложности (сложность оценивается как время, которое задача заняла бы у человека, типа <1ч, 1-4ч, 4-8ч и т.д.)
Пока что больше половины задач на 4–8 часов требуют для успешного выполнения хотя бы одного вмешательства человека. Но следующая цель компании – уже уже полноценный автоматизированный AI-исследователь к марту 2028 года.
В посте OpenAI также потребовали, чтобы такая практика шеринга прогресса стала обязательной для всех компаний отрасли. По их словам, дело идет к полноценому рекурсивному самоулучшению (RSI), и общественность должна иметь возможность это отслеживать и обсуждать.
https://openai.com/index/research-acceleration-view-inside-openai/
Они заявляют, что достигли цели, которую ставили прошлой осенью, а именно: иметь к сентябрю 2026 года «автоматизированного исследователя-стажера», то есть систему, способную выполнять четко поставленные исследовательские задачи, включая те, что заняли бы у квалифицированного спеца несколько дней.
Кроме того, на момент середины августа в OpenAI:
– Медианный исследователь ежедневно тратит на агентов более $600 в день по API-ценам. У 90-го перцентиля уже больше $7000 токенов в день.
– На каждый рабочий день человека приходится примерно 3.1 «агенто-рабочих дня» (еще в июне суммарное время работы агентов было меньше, чем суммарные человеко-часы).
– Активно растет число экспериментов на одного активного экспериментатора и success rate агентов по нескольким разрядам сложности (сложность оценивается как время, которое задача заняла бы у человека, типа <1ч, 1-4ч, 4-8ч и т.д.)
Пока что больше половины задач на 4–8 часов требуют для успешного выполнения хотя бы одного вмешательства человека. Но следующая цель компании – уже уже полноценный автоматизированный AI-исследователь к марту 2028 года.
В посте OpenAI также потребовали, чтобы такая практика шеринга прогресса стала обязательной для всех компаний отрасли. По их словам, дело идет к полноценому рекурсивному самоулучшению (RSI), и общественность должна иметь возможность это отслеживать и обсуждать.
https://openai.com/index/research-acceleration-view-inside-openai/
❤1
Forwarded from e/acc
Антропик посчитал модель того, как AI может изменить экономику США к 2030 году.
В экстремальном сценарии с быстрым развитием и внедрением AI получается довольно дико:
- минус 21% рабочих мест в интеллектуальных профессиях, безработица среди них ~18%
- +32% ВВП относительно сценария без AI, к 2030 рост разгоняется до 15% в год
- зарплаты интеллектуальных работников минус 11.5%, остальных +33.6%
- доля труда в доходах экономики падает с 60% до 45%, а капитала растет с 40% до 55%
Почти половина сегодняшней интеллектуальной работы оказывается затронута ИИ, причем 90% затронутых задач автоматизируются.
Вывод: экономика становится намного богаче одновременно с очень сильным перераспределением дохода от труда к капиталу.
Статья офигенно оформлена.
В экстремальном сценарии с быстрым развитием и внедрением AI получается довольно дико:
- минус 21% рабочих мест в интеллектуальных профессиях, безработица среди них ~18%
- +32% ВВП относительно сценария без AI, к 2030 рост разгоняется до 15% в год
- зарплаты интеллектуальных работников минус 11.5%, остальных +33.6%
- доля труда в доходах экономики падает с 60% до 45%, а капитала растет с 40% до 55%
Почти половина сегодняшней интеллектуальной работы оказывается затронута ИИ, причем 90% затронутых задач автоматизируются.
Вывод: экономика становится намного богаче одновременно с очень сильным перераспределением дохода от труда к капиталу.
Статья офигенно оформлена.
Это страшно и прекрасно одновременно.
Оцифрованный мозг мухи - это только первый шаг. Дальше будут рептилии, птицы, животные и когда-нибудь человеки.
А главный вопрос: чем оцифрованный мозг отличается от реального, если структура и взаимодействие нейронов полностью идентичны...
Оцифрованный мозг мухи - это только первый шаг. Дальше будут рептилии, птицы, животные и когда-нибудь человеки.
А главный вопрос: чем оцифрованный мозг отличается от реального, если структура и взаимодействие нейронов полностью идентичны...
Forwarded from Data Secrets
This media is not supported in your browser
VIEW IN TELEGRAM
Исследовательница с помощью RL научила мозг мухи играть в beat saber
https://x.com/_lyraaaa_/status/2097527368919470162?s=46&t=pKf_FxsPGBd_YMIWTA8xgg
Использовалась полная цифровая модель мозга плодовой мухи, построенная по реальной карте нейронных связей насекомого: там около около 165 122 нейронов и более 50.4 млн синапсов. Эта модель управляет виртуальным телом мухи в физической симуляции. Про саму эту симуляцию мы рассказывали здесь: https://t.me/data_secrets/8834.
Так вот этот мозг мухи вооружили двумя световыми мечами и поставили покорять Beat Saber с помощью RL. Пока муха играет плохо и почти случайно (на видео, если что, воспроизводится просто оверфит под конкретную последовательность), но обучение продолжается.
Уровень пет-проектов, к которому стоит стремиться
https://x.com/_lyraaaa_/status/2097527368919470162?s=46&t=pKf_FxsPGBd_YMIWTA8xgg
Использовалась полная цифровая модель мозга плодовой мухи, построенная по реальной карте нейронных связей насекомого: там около около 165 122 нейронов и более 50.4 млн синапсов. Эта модель управляет виртуальным телом мухи в физической симуляции. Про саму эту симуляцию мы рассказывали здесь: https://t.me/data_secrets/8834.
Так вот этот мозг мухи вооружили двумя световыми мечами и поставили покорять Beat Saber с помощью RL. Пока муха играет плохо и почти случайно (на видео, если что, воспроизводится просто оверфит под конкретную последовательность), но обучение продолжается.
Уровень пет-проектов, к которому стоит стремиться