✔️ Dyson представила умную зубную щетку с камерой и машинным зрением

Устройство CameraJet объединяет ультразвуковую чистку и направленную ирригацию, устраняя необходимость в зубной нити.

В головку щетки встроена камера с разрешением 100 тысяч пикселей и подсветкой, стробирующей на частоте 257 Гц синхронно с движениями головки.

Собственный алгоритм машинного зрения Gap Optical Targeting, натренированный на 470 тысячах снимков зубного ряда, обрабатывает видеопоток со скоростью 28 кадров в секунду, распознает зазоры между зубами и в течение 100 миллисекунд подает микрозалп ополаскивателя.

Жидкость подается из резервуара с мембранным насосом, предотвращающим завоздушивание системы при любом угле наклона устройства.

Чтобы оптика не слепла от пены, инженеры разработали специальную беспенную пасту без лаурилсульфата натрия, а фирменная док-станция способна автоматически заправить бак ополаскивателем всего за три секунды.

По Wi-Fi щетка умеет транслировать видеопоток в приложение MyDyson в реальном времени, выполняя роль стоматологического эндоскопа.

Продажи уже начались - устройство доступно в голубом и розовом цвете по цене 499 долларов.

@ai_machinelearning_big_data

#news #ai #ml

📌 Fable 5.1 вскрыла шифр, который не поддавался 370 лет

Сотрудник ValsAI Геби Джафф несколько месяцев безуспешно пробовал натравливать модели на нерешённые исторические шифры.

Воодушевившись метриками Fable 5.1, он поставил ей задачу - найти шифр самой и решить его, но с условием не браться за те, где ответ уже известен или где возможно множество правдоподобных версий.

И ещё не лезть в совсем неподъёмное вроде Kryptos K4, над которым бьются лучшие умы и ЦРУ.

🟡Модель перебрала кандидатов и остановилась на криптограмме Томаса Эркарта

В конце его трактата Логопандектейсион 1653 года стоят две строки по 32 числа.

Загадку выносили как открытую проблему ещё в 1899 году, она попадала в криптографическую литературу XX века, а Клаус Шмее включил её в список пятидесяти нерешённых зашифрованных сообщений.

Fable потратила на неё 44 минуты и 176 тысяч токенов без вмешательства человека.

🟡Ключом оказалась сама книга

Криптограмма напечатана сразу после 32 разделов трактата, а в каждой строке шифра ровно 32 числа. Совпадение неслучайное, и Fable зацепилась именно за него.

Правило оказалось таким: i-е число в строке - это индекс слова внутри i-го раздела книги. Берём слово по индексу, берём его первую букву, собираем по порядку. Обычный поиск по смещению, только вместо массива текст.

Результатом расшифровки оказалась роялистская молитва: Господи, храни короля Карла Второго и сделай его верховным правителем этой земли.

Дальше Fable взялась за второй шифр Эркарта - Cyphral Octastich из трактата The Jewel 1652 года, 285 чисел, тоже нерешённый.

Тот же приём, только числа указывают на страницы книги, а не на абзацы. Из 285 букв сложились 276 - там тоже оказалась молитва. Девять букв дали бессмыслицу: либо Эркарт ошибся сам, либо наборщик переставил цифры при печати.

Шифр, безусловно, простой и другие модели, скорее всего, тоже справились бы, но этот случай не про способности Fable в криптоанализе, а в умении разглядеть среди десятков задач одну податливую и не бросить её на полпути.

@ai_machinelearning_big_data

#news #ai #ml

✔️ Одна модель заменила каскад из 15+ моделей, объединив генерацию кандидатов и ранжирование

Sumit Kumar, Senior ML Engineer в Meta* и автор блога о рекомендательных системах, поделился новым тех репортом Яндекса Sona. В техническом отчёте команда подробно разбирает архитектуру и результаты в проде.

🟡 А 19 сентября на Practical ML Conf об этом расскажет Николай Савушкин. Можно будет узнать больше про подход и задать вопросы напрямую.

🟡 Ещё один доклад о моделях, которые решают задачу не в один шаг, представит Данил Кашин, руководитель команды претрейна VLM в Яндекс R&D. Он разберёт Agentic Vision: такие модели сначала строят план, затем при необходимости запрашивают дополнительную визуальную информацию, подключают OCR, детекторы, поиск или код и корректируют решение по промежуточным результатам.

Послушать оба доклада можно будет офлайн в Москве или онлайн. Регистрация на Practical ML Conf уже открыта.


* Meta признана экстремистской организацией, её деятельность запрещена в РФ

Реклама. ООО "ЯНДЕКС". ИНН: 7736207543. Erid: 2VtzqvGyx6w

✔️ Минторг США вернул Anthropic в круг доверенных партнеров

Министр торговли Говард Латник заявил Axios, что власти снова считают Anthropic надежным партнером, так как компания выполнила требования и, по его словам, вернулась на правильную сторону.

Это разворот в затяжном конфликте. Пентагон пытался внести Anthropic в черный список угроз цепочкам поставок, но федеральный суд это решение заблокировал.

Отношения нормализовал сооснователь Anthropic Том Браун - он провел серию закрытых консультаций с Латником и кибердиректором Шоном Кэрнкроссом.

На встрече министров стран G20 глава Минторга лично представил Брауна международной аудитории, а сам Браун публично поддержал курс властей США на форсированное строительство дата-центров, энергетических мощностей и вычислительной инфраструктуры. 
axios.com

✔️ Основательница AI Frontiers ушла из Microsoft на фоне реорганизации

Microsoft перевела лабораторию AI Frontiers из Microsoft Research в подразделение Microsoft AI, которым руководит Мустафа Сулейман. Одновременно корпорацию покинула Эдже Камар, основавшая AI Frontiers и проработавшая в Microsoft 16 лет.

Лабораторию создали осенью 2023 года под мультиагентные системы и компактные модели. Оттуда вышли семейство Phi и фреймворк AutoGen, на котором построен Microsoft Agent Framework, а также проекты FARA, Magentic-One и Magentic-UI.

В новой структуре команда продолжит заниматься прикладными агентами и усилит направление, которое Сулейман называет гуманистическим суперинтеллектом, - ИИ-системы, ориентированные на человека и подконтрольные оператору.
Microsoft AI в X

✔️ Inworld выпустила синтезатор речи, который возглавил Voice Arena

Realtime TTS-2 генерирует речь в реальном времени и поддерживает больше 100 языков, включая русский.

Модель подстраивается под собеседника: считывает ритм, тембр и эмоциональное состояние по ходу разговора и меняет собственную речь.

Стилем можно управлять текстом - попросить говорить шепотом или звучать уставшим. Она умеет вставлять вздохи, смех и дыхание, а также клонировать голос, сохраняя тембр при переходе на другой язык.

В слепых тестах Voice Arena от Artificial Analysis модель заняла первое место, обойдя Cartesia Sonic 3.6 по естественности произношения, расстановке пауз и реалистичности интонаций.

Доступ открыт через Inworld Realtime API, тарифы - от 25 до 1500 долларов в месяц.
InworldAI в X

✔️ Агенты Cursor научатся собирать приложения для iOS и Mac

Namespace договорилась с Cursor о запуске агентов в своей облачной инфраструктуре. Логику агентов по-прежнему ведет Cursor, а правка репозиториев, запуск команд, сборка и тесты уходит в изолированные среды Devboxes.

Они разворачиваются как полноценные окружения с доступом к базам данных, коду и сети. Кроме Linux поддерживаются инстансы macOS на процессорах Apple M5, поэтому агент может собирать приложения для iOS и Mac. Windows обещают позже.

Из коробки идут кэширование слоев Docker, удаленная сборка через Bazel, фильтрация исходящего трафика и политики доступа. Раньше Namespace так же подключила свои среды к Devin и Claude Code.
namespace.so

✔️ Alibaba делает среду разработки для умных очков

Qoder Glasses Edition - версия ИИ-среды разработки Qoder для умных очков Qwen и Rokid. Очки работают интерфейсом от первого лица, а считает и работает с кодовой базой десктопный клиент.

Общение с агентом идет по полнодуплексному голосовому каналу, через который можно ставить задачи, узнавать статус сборки и править код. Уведомления показываются карточками с краю поля зрения, а операции подтверждаются голосом или касанием дужки, не останавливая фоновые процессы.

Камера нужна для отладки того, что происходит вне экрана: ассистент считывает коды ошибок с мониторов, разбирает индикаторы на серверных стойках и распознает схемы на маркерных досках. Дальше он сопоставляет увиденное с логами и выдает варианты по устранению неполадки.

Продукт в закрытом тестировании, релиз обещают на сентябрьской конференции Apsara. 
Alibaba Cloud в WeChat


@ai_machinelearning_big_data

#news #ai #ml

⚡️ OpenAI опубликовала подробный гайд по GPT-6 Astra API

В документации разобрали, как правильно использовать новую модель и чем она отличается от предыдущих поколений.

Главные нововведения:

- Async tool calling - Astra может продолжать рассуждать или выполнять другие части задачи, пока внешний tool ещё работает
- Mid-turn steering - инструкции можно менять прямо во время выполнения длинной задачи, не начиная всё заново
- Динамический reasoning - уровень reasoning effort можно повышать или снижать посреди диалога с сохранением prompt cache
- поддержка computer use, Structured Outputs, multi-agent orchestration, programmatic tool calling, persisted reasoning и compaction
- модель лучше держит длинные многошаговые workflows между кодом, браузером и внешними инструментами

OpenAI также отмечает, что Astra часто использует заметно меньше output-токенов для решения той же задачи, поэтому реальная стоимость выполненной задачи может быть ниже, несмотря на более высокую цену одного токена.

Для API:

model: gpt-6-astra

При миграции есть несколько важных изменений:

- reasoning_effort: none больше не поддерживается - рекомендуется начинать с low
- для tool calling нужен Responses API
- temperature, top_p и top_logprobs не поддерживаются
- Astra сильнее реагирует на инструкции из AGENTS.md, skills и других файлов, поэтому их советуют внимательно проверять
- модель может чаще задавать уточняющие вопросы, поэтому для автономных агентов OpenAI отдельно рекомендует явно просить её доводить задачу до конца

Отдельный акцент гайда на агентах: Astra рассчитана уже не только на отдельный ответ, а на длинную работу с инструментами, изменением требований на ходу и несколькими агентами.

https://developers.openai.com/api/docs/guides/latest-model

#chatgpt #OpenAI

@ai_machinelearning_big_data

🙂 Цену покупки Hugging Face выбрали не случайно

Объявляя о покупке Hugging Face, сооснователь компании Томас Вольф написал:

... особые поздравления тому, кто найдёт отсылки к Hugging Face и Nvidia, спрятанные в цене сделки - 12 930 300 000 долларов.

Разгадывать бросились всем твиттером и первую нашли быстро.

Число 129 303 - это десятичная запись Unicode U+1F917, то есть эмодзи 🤗, который официально так и называется: Hugging Face.

Вольф подтвердил догадку и намекнул, что есть и вторая, связанная с Nvidia. С ней помучались.

Число разобрали на составные части 12, 93 и 03, объясняя, что двенадцать - это цена акции Nvidia на IPO 1999 года, девяносто три - год основания компании, ноль три - три сооснователя: Дженсен Хуанг, Крис Малаховски и Кёртис Прием.

Версия красивая, стройная и неверная.

Правильный ответ подсказал гендиректор Hugging Face Клеман Деланг, отправив комментатору ссылку на реестр названий цветов.

Если записать то же число как шестнадцатеричный код цвета #129303, получится зелёный, цвет Nvidia.

Педантичности ради - официальный зелёный Nvidia это #76B900, оттенок другой. Так что отсылка тут не к точному фирменному цвету бренда, а к зелёному цвету как таковому.

@ai_machinelearning_big_data

#news #ai #ml

✔️ OpenAI открыла доступ к GPT-6 Astra

Модель стала доступна подписчикам Pro, Enterprise и Business Premium - сразу в ChatGPT Work, в среде разработки Codex и через API.

Пользователям Plus и обычного Business её раскатают в течение нескольких дней.
OpenAI в X

✔️ Агенты Claude за 11 дней формализовали знаменитую теорему Ферма

За основу взята упрощенная версия доказательства Уайлса от Дармона, Даймонда и Тейлора. Сгенерировано 13 млн строк кода и 30 300 промежуточных теорем, из которых в финальное доказательство вошли 29 500. Результат проверил компилятор Lean и подтвердил математик Кевин Баззард, ведущий проект формализации этой теоремы с 2024 года.

Первые попытки проваливались. Агенты теряли состояние проекта и переставали координироваться, их неудачные заходы дали около 7% строк итогового кода. Сработало после перехода на платформу Prove2Me, которая держит граф теорем и позволяет агентам работать параллельно, смягчая деградацию памяти на длинной дистанции.

Полностью автономным процесс не был - человек изредка давал указания верхнего уровня. Смысл автоматизации в том, что люди-рецензенты уже не успевают проверять поток доказательств, а формализация снимает с них часть нагрузки.
anthropic.com

✔️ NVIDIA сделала роутер, который раскидывает запросы по видеокартам в локальной сети

PAIR (Personal AI Router) - открытый маршрутизатор, объединяющий видеокарты внутри локальной сети под одной точкой входа.

Он сам находит хосты с GeForce RTX, RTX Pro и машины на macOS. При локальном инференсе роутер следит за загрузкой оборудования, свободной видеопамятью и статусом запущенных моделей, а входящие запросы отправляет на наименее занятые узлы. Настраивать кластер руками не нужно.

Приложениям и средам разработки все это видится как один локальный эндпоинт, совместимый с API OpenAI.

Бета-версия доступна для Windows, macOS и Linux.
nvidia.com

✔️ Sakana AI предложила универсальный детектор ИИ-изображений

Японский стартап выпустил Percept-Lens - бенчмарк на 36 млн изображений и метод распознавания синтетики, основанный на связке визуальных энкодеров и линейном классификаторе а основе расстояния Махаланобиса.

Проблема, которую лечит метод - потеря от 20 до 36 процентных пунктов точности у существующих детекторов при смене модели или типа сжатия. Эксперименты Sakana показали, что обычные визуальные представления общего назначения уже содержат сигнал, разделяющий настоящие кадры и сгенерированные, - специально его выучивать не нужно.

На 39 датасетах энкодер PE-Core и метод Mah-NCM дали среднюю точность 94,46%. Причем хватило 219 размеченных опорных изображений, чтобы выйти на 90,89% и обойти существующие решения.
sakana.ai

✔️ Cohere измерила, насколько MCP-инструменты закрывают рабочие задачи

Cohere Labs выложила открытый датасет Agentic Task Ecosystem из 700 тысяч инструментов на базе MCP, собранных со 123 тысяч публичных серверов.

Анализ набора показал, что довести профессиональную задачу от начала до конца без человека способны только 2,6% инструментов. Для 419 профессий из 923 базы ONET не создано вообще ничего. Остальное - микрозадачи и инфраструктура для управления агентами. Лучше всего автоматизация приживается там, где работа и раньше шла через специализированный софт.

Роли делятся по-разному в зависимости от области. В юриспруденции, производстве и продажах агенты забирают рутину, а в ИТ и здравоохранении наоборот - ИИ берет на себя сложную аналитику, оставляя людям базовые процессы.
cohere.com

@ai_machinelearning_big_data

#news #ai #ml

✔️ Google DeepMind выпустила метеорологическую модель WeatherNext 3

WeatherNext 3 - глобальная модель прогноза погоды на архитектуре Functional Generative Network.

По независимым замерам сервиса Brightband, это самая точная глобальная модель погоды на сегодня.

В третьей версии отказались от тяжелых физических симуляций численного прогноза и модель напрямую обрабатывает потоковые мозаики с геостационарных спутников и показания наземных метеостанций.

Это позволило сократить цикл генерации нового прогноза до одного часа, а пространственное разрешение температуры и влажности повысить до сетки 5 × 5 км, что в пять раз детальнее чем у WeatherNext 2 с её сеткой в 25 километров.

Существенный прогресс достигнут и в моделировании осадков - обучение на спутниковых радарах и массивах NASA IMERG снизило вероятностную ошибку на величину до 60%, что дает модели точнее очерчивать границы штормовых фронтов без размытия.

Отдельно добавили величины для возобновляемой энергетики: скорость ветра на ста метрах (примерно на высоте турбины), плюс облачность и уровень солнечной радиации.

Данные доступны через BigQuery, Earth Engine и Cloud Storage. В Google Search, приложении Gemini, Google Maps и Weather API модель уже подключена.


@ai_machinelearning_big_data

#news #ai #ml

🖥 Дженсен Хуанг заявил, что с выходом GPT-6 Astra «AGI уже наступил»

Глава Nvidia сообщил, что модель обучалась на инфраструктуре с более чем 100 тысячами Grace Blackwell, объединёнными через NVLink. Путь от появления ChatGPT до Astra занял около четырёх лет.

Вскоре к инфраструктуре добавят ещё 400 тысяч ускорителей, и связывает дальнейшее масштабирование с возможным движением к ASI и рекурсивному самосовершенствованию AI-систем.

https://x.com/JensenHuang/status/2096700264569090384

@ai_machinelearning_big_data

#openai #agi #chatgpt