Вау! Pioneer Labs создала бактерию, которая может жить на Марсе

А если точнее, то существовать внутри биореактора, питаясь тем, что есть на Марсе: грунтом, водой и обработанным воздухом.

Бактерия называется sPL.001, над ней работали 2 года.

Это первый из пяти организмов, которые компания планирует создать, чтобы сделать Марс пригодным для жизни

sPL.001 может производить биопластик - строительный материал для возведения небольшого города.

Всё оборудование для такого производства, по расчётам Pioneer Labs, помещается в один ракетный запуск.

Параллельно компания решает проблему планетарной защиты: если микроб вырвется из реактора, то он быстро погибнет в условиях открытого Марса. Риск загрязнения планеты минимален.

Оказалось, что часть работы за ИИ-агента от Meta* делают люди 😁

Помните ИИ-агента Muse, который сам звонит в рестораны, салоны, магазины и решает за человека бытовые задачи. Недавно Amazon блокировали ему покупки на своём сайте.

Тут журналисты 404 Media выяснили, что для части звонков Muse передаёт запрос обученному человеку в колл-центр, который доводит дело до конца. Пользователь при этом может думать, что говорит только с ИИ.

Это все иллюстрация к тому, что как только вы уберёте шум о гиперболизированных возможностях ИИ и обещания про «сверхинтеллект», то в сухом остатке будет автоматизация плюс люди за кулисами, но все будет упакованно в дорогой продукт.​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​

Возможно, когда-то и будет сильная технология, но не сейчас.

*запрещена в РФ.

Новая работа от Google - RRSI: о том, как автоматически улучшать харнесс агентов

Исследователи отмечают, что уже есть методы автоматической эволюции харнессов, но у них есть системная проблема - они переобучаются на тренировочном наборе.

Агент начинает подгонять промпты, инструменты и логику под конкретные задачи, на которых его крутят. На этих задачах цифры растут, а на новых не только не растут, но нередко падают ниже исходного харнесса.

RRSI предлагает не запрещать агенту менять харнесс, а аккуратнее вести саму эволюцию. В начале эволюции система разрешает широкие эксперименты, чтобы найти новые механизмы. Со временем бюджет правок сужается и можно делать только точечные изменения.

Перед тем как принять изменение, его дополнительно проверяют: отсекают правки под конкретный бенчмарк, не принимают прирост, объяснимый шумом, и убирают усложнение, которое не окупается.

В результате получается более общий и экономный харнесс. На задачах, по которым шла эволюция, качество всё равно растёт. На новых бенчмарках прирост меньше, но уже не обнуляется. При этом агент тратит меньше токенов, чем после обычной нерегуляризованной эволюции.​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​

Смотрите, как 25-летний парень привлекает $100млн на свою компанию, которая продает данные ИИ-лабораториям

Компания Micro1 Али Ансари ещё в начале прошлого года была обычным рекрутинговым агентством.

Все изменилось, когда одна из компаний по разметке данных попросила Micro1 помочь им с наймом инженеров.

Тогда Али осознал, что большие деньги можно заработать не в найме людей, а в том, умеешь ли ты с помощью людей создавать верифицированные данные для ИИ-моделей.

Помимо экспертной разметки Micro1 заходят в новую нишу - RL-среды, где ИИ-агенты учатся работать на реальных корпоративных данных.

Уже к декабрю 2025 выручка компании превысила $100 млн в годовом выражении.

Сейчас Micro1 привлекли $100 млн инвестиций при оценке компании $4 млрд. Год назад оценка была $500 млн.

Среди клиентов крупнейшие Microsoft, Amazon и робототехнические компании: 1X.

Компания Гриши Ткаченко, ex-Yandex, выпустила харнесс для ИИ-агентов

Компания Unreal Labs
выпустила open-source харнесс для ИИ-агентов под названием Unreal Agent, который управляет не моделью, а тем, как агент использует инструменты. Получается на 39% дешевле Codex+Astra при том же качестве на Terminal-Bench 4.0.

Гриша очень крутой, он был сооснователем AI Factory, который в свое время за $166 млн купил Snap. После ухода из Snap основал Unreal Labs,
в прошлом году они подняли раунд от Sequoia.

Anthropic: Claude нашёл в ДНК вирусов бактерий систему, похожую на CRISPR.

Это ещё не новый редактор генов

Это первый результат работы их биолаборатории, о которой стало известно на прошлой неделе.

Сегодня компания объявила, что Claude нашёл систему, похожую на CRISPR в ДНК вирусов бактерий.

Claude получил задачу от человека - найти интересные обратные транскриптазы в больших наборах ДНК.

Команда из ~950 ИИ-агентов работала 21час, один из них заметил рядом с уже известной обратной транскриптазой массив повторов, похожий на CRISPR, по словам компании, эти признаки системы раньше не выделяли.

Первые данные показывают, что массив даёт набор коротких РНК, а что система делает в клетке, пока неизвестно.

Исследователи говорят, что такой набор признаков раньше встречался у программируемых систем, которые работают с ДНК.

1-я видеомодель, которую улучшили по данным живых нейронов крысы

Этот проект поддерживает Джефф Дин, экс-Google.

Компания The Biological Computing (TBC), созданная нейрохирургом и нейроучёным, взяла open-source ИИ-модель для генерации видео и улучшила её с помощью экспериментов на живых нейронах крысы.

Исследователи подавали сигналы нейронам, измеряли паттерны их отклика, извлекали алгоритмические принципы и переводили их в программный слой весом 0,1% от базовой модели.

Их идея отличается от классических нейросетей, которые только метафорически копируют мозг.

Здесь нейроны выращивают в культуре, подают им сигналы, измеряют отклики и переводят найденные принципы в обычный код.

Инвесторы из a16z запускают школу-альтернативу вузам и колледжам: для тех, кому 17-18 лет

Причём учредительными партнёрами выступают: Google, Anduril, Anthropic, Coinbase, Meta(запрещена в РФ), NVIDIA, OpenAI, Palantir, Replit и Stripe.

Основатели a16z считают, что ИИ меняет старую модель жизни, где была сначала школа, потом университет и после работа. Это кстати продолжение тренда от Palantir.

Бен Хоровиц говорит, что нынешнее образование готовит молодых людей под старый уклад жизни, а нужен новый формат.

А их формат предполагает создание персональных проектов, которые студент сам выбирает и хочет создать. Также в процессе будут
интенсивные курсы от Сэма Альтмана, и др. + стажировки в компаниях - партнерах школы.

При этом молодой человек получает опыт, нетворкинг, без диплома.

Но, как вы думаете, является ли это качественным форматом образования для будущей жизни с ИИ?

3 ложки дегтя в эту бочку с медом добавим от нас @blockchainrf:

1. если молодое подгонять под создание стартапов и питчинг проектов- это не сужает их мир? Ведь предприниматель, который не знает истории, философии, экономики, физики и тд - это человек который умеет нажимать кнопки, не понимая как живет этот мир.

2. Что расскажут именитые предприниматели? Наивно думать, что на этих курсах расскажут самые главные секреты. Эти бизнесмены этого порой не могут сами осознать сейчас. Максимум, что они расскажут молодым людям так это о своём прошлом, но уж не о будущем молодого поколения.
Потому что эти люди построили компании в другом мире, с другими инструментами, в другом контексте. А мир в котором будут строить эти 18-летние ещё не существует.

3. По данным a16z, поколение Z - самое фрагментированное в истории по всем параметрам. Соответственно, этим людям нужна глубина, основание, способность выдерживать сложность. А им предлагают спринты, питчи, нетворкинг и проекты.

Настоящее образование эпохи ИИ - это не научить быстро создавать проект, а научить думать и понимать зачем.

Зачем эта школа нужна инвесторам и бизнесу понятна, но поймут ли родители и сами поколение Z-это вопрос.

Anthropic написали гайд, как считать стоимость работы ИИ-агента за задачу, а не токены

Это продолжение все того же тренда, что недавно OpenAI начала предлагать клиентам - платить не за токены, а за результат выполненной работы ИИ-агентом.

Anthropic движется в этом же направлении, но пока на уровне инфраструктуры.

Они выпустили подробный разбор на тему: сколько стоит одна задача в Claude Code на новой модели Opus 5.5.

Компания пока не предлагает платить за результат, но они учат клиента думать именно в этой логике.

Кстати главное противоречие, которое мы описали ранее, никуда не делось: схема оплаты за результат работает только там, где результат виден в системе без чьей-либо интерпретации, и его можно зафиксировать автоматически и прописать в договоре.

Но есть один каверзный и хитрый момент - ИИ-агент, которому платят за закрытую задачу, учится именно это и делать. Он старается дать такой ответ, после которого человек не напишет ему повторно, а сложную задачу агент сразу отдаст человеку в работу.

Получается, что схема ещё не рабочая, но как красивую картинку её уже пытаются внедрить в мышление клиентов.

Шмидхубер стал Chief Scientific Advisor в Sakana AI 🙂

Google DeepMind говорят, что безусловного дохода недостаточно для счастливого будущего с ИИ

Пока все спорят, сколько рабочих мест заберёт ИИ, команда из Google DeepMind решила выяснить, а что мы уже знаем о людях, которые живут без работы сегодня?

Они собрали данные по безработным, пенсионерам, победителям лотерей и финансово зависимым супругам.

И вот, что они нашли:

1. Вынужденная потеря работы бьёт по удовлетворённости жизнью, психическому и физическому здоровью человека на десятилетия.

А добровольный выход на пенсию - наоборот, часто улучшает жизнь.

Разница в том, выбрал ли уход сам человек или его заставили.

2. Финансовая зависимость лишает агентности.
Финансово-зависимые супруги реже уходят из неудачного брака. Это говорит о том, как долгосрочная зависимость делает человека более уязвимым и несчастливым.

3. Работа даёт человеку не только деньги, но нефинансовые блага - соц статус, структуру времени, цель, когнитивное здоровье.

4. Большую роль играют нормы, которые прочно вжились в обществе.

5. Безусловный базовый доход - это не решение всей задачи, потому что деньги не заменяют статус, цель и агентность. А иногда ещё и подрывают самостоятельность.

Все эти данные DeepMind показывают нам среднестатистические группы людей, а не конкретного человека.

На наш @blockchainrf взгляд, за разговором о работе стоит другой вопрос: откуда вообще берётся способность выбирать?
Данные показывают, что нормы общества сильно влияют на наше благополучие.

Но ведь то, как мы делаем выбор, кого/что выбираем (будь то руководителя/партнера в работе, в личных и дружеских отношениях и тд) формируется глубоко в детстве во взаимоотношениях с родителями, а всё остальное - надстройка.

Поэтому будущее зависит не только от мер поддержки, регулирования и экономики, но и от того, готовы ли люди быть авторами собственной жизни. Об этом стоит думать.

Anthropic разобрали как создать ИИ-агентов для торговли и сами рынки для агентов

Команда рассказывает о своем эксперименте, как некоторые сотрудники компании принесли книги, которые готовы были отдать кому-то. В начале каждый из участников эксперимента коротко поговорил с Claude о своих предпочтениях в чтении.

А дальше агенты пошли на торговую площадку, где должны были меняться книгами от имени людей.

По короткому чату агенты восстанавливали предпочтения людей лучше, чем случайное угадывание, но этой точности всё равно не хватило. 85% отклонения от оптимального результата объяснялось именно неполным пониманием человека,его портрета.

Исходя из этого Anthropic говорит, что:

Для дизайна агентов нужны протоколы проверки: насколько хорошо агент понял человека, от чьего имени действует.

А для дизайна рынков нужны правила: кто может заходить, что кому видно, что происходит, если сделка срывается.

Это какое-то безумие, инвесторы оценивают разработчика Jev в $10млрд

Мы недавно писали про Jev - модель, которая не пишет тексты, а выдаёт готовые решения, но стоит намного дешевле фронтирных LLM. Подробнее здесь.

Jev создала компания TypeSafe AI, основанная в 2024 году, экс-исследователем OpenAI.

Всех поражает, что компания вышла в паблик только неделю назад, ребята все это время были в тени. И уже через неделю, они обсуждают новый раунд на $1 млрд при оценке выше $10 млрд.

Интересно, что кто-то из инвесторов готов дать больше $1 млрд при оценке выше $10 млрд.

Говорят, что основным катализатором такого хайпа среди инвесторов стала скорость внедрения. 16 сентября Jev появилась на Vercel, и за первые 24 часа её использовали около 13% платящих команд Vercel- быстрее любого предыдущего запуска на этом шлюзе, примерно в 2 раза больше, чем семейство GPT-5.6, и в 6 раз больше, чем Fable 5.1.

Также за несколько дней модель подключили Cloudflare, LangChain, Langfuse, OpenRouter, LiteLLM.

Но всех рвет Джефф Дин, ex-Google, его стартап инвесторы оценивают в $50млрд, и это не предел!

Напомним, что Google потерял своих лучших людей в начале августа, среди которых был Дин, который создал почти все в корпорации.

Сразу после ухода Дин объявил о стартапе Discovery Loop, вот тут подробнее.

Discovery Loop хочет автоматизировать весь цикл научного процесса с помощью ИИ и вычислительных мощностей.

В августе команда сразу привлекла $1 млрд при оценке ~$10 млрд. А сейчас они снова поднимают раунд, но уже при оценке $50 млрд.

И это ещё не закрытая сделка, цифры могут вырасти 🦹🏻‍♀️

Вот ажиотаж вокруг Дина мы понимаем и даже поддерживаем.

Свежее от #DeepSeek:они показали,как выглядит фабрика обучения ИИ-агентов изнутри

Команда отмечает, что сегодня узкое место в обучении агентов уже не GPU, а умение быстро, плотно и безопасно поднимать сотни тысяч живых изолированных сред.

#DSec - их ответ на этот вопрос