«Яндекс» подключил ИИ к наблюдению за сердечными пациентами
НМИЦК им. Е.И. Чазова и «Яндекс» создали ИИ-систему для цифрового регистра пациентов, перенёсших острый коронарный синдром. Проще говоря, нейросети помогают врачам отслеживать людей с высоким риском сердечно-сосудистых проблем.
Система работает на базе YandexGPT Lite и Alice AI LLM: анализирует медкарты, истории болезней и другие документы, а затем превращает их в структурированные данные для аналитики.
Процесс разбит на три шага:
— обезличивание документов
— извлечение данных по 90+ текстовым параметрам
— передача информации в систему для отслеживания и визуализации
ИИ умеет распознавать медицинские термины, сокращения и латинские названия — то есть не падает в обморок при виде нормальной больничной документации.
Пилот уже запущен в Тульской области: в регистр вошли данные пациентов, выписанных после стационарного лечения за последние 5 лет. Дальше систему хотят масштабировать на другие регионы и адаптировать под новые заболевания.
Медицина тихо превращается в одну из главных зон, где ИИ нужен не для вау-эффекта, а для нормального контроля и раннего реагирования.
НМИЦК им. Е.И. Чазова и «Яндекс» создали ИИ-систему для цифрового регистра пациентов, перенёсших острый коронарный синдром. Проще говоря, нейросети помогают врачам отслеживать людей с высоким риском сердечно-сосудистых проблем.
Система работает на базе YandexGPT Lite и Alice AI LLM: анализирует медкарты, истории болезней и другие документы, а затем превращает их в структурированные данные для аналитики.
Процесс разбит на три шага:
— обезличивание документов
— извлечение данных по 90+ текстовым параметрам
— передача информации в систему для отслеживания и визуализации
ИИ умеет распознавать медицинские термины, сокращения и латинские названия — то есть не падает в обморок при виде нормальной больничной документации.
Пилот уже запущен в Тульской области: в регистр вошли данные пациентов, выписанных после стационарного лечения за последние 5 лет. Дальше систему хотят масштабировать на другие регионы и адаптировать под новые заболевания.
Медицина тихо превращается в одну из главных зон, где ИИ нужен не для вау-эффекта, а для нормального контроля и раннего реагирования.
This media is not supported in your browser
VIEW IN TELEGRAM
Ideogram 4 ушла в open source — и это жирный подарок для генерации картинок
Разработчики выложили веса Ideogram 4 в открытый доступ. Модель уже называют одним из самых сильных open-source генераторов изображений на сегодня.
Главная фишка осталась на месте: Ideogram по-прежнему хорошо чувствует дизайн, композицию и текст на изображениях. В том числе кириллицу, что для генераторов картинок всё ещё не «ну конечно», а почти отдельный вид магии.
При этом модель довольно компактная — всего 9,3 млрд параметров, так что её можно запускать не только в облаке, но и на домашних видеокартах.
— попробовать онлайн
— веса и локальный запуск
— описание модели
Похоже, открытая генерация изображений снова получила сильного игрока. И на этот раз с нормальными буквами, а не древними рунами вместо текста.
Разработчики выложили веса Ideogram 4 в открытый доступ. Модель уже называют одним из самых сильных open-source генераторов изображений на сегодня.
Главная фишка осталась на месте: Ideogram по-прежнему хорошо чувствует дизайн, композицию и текст на изображениях. В том числе кириллицу, что для генераторов картинок всё ещё не «ну конечно», а почти отдельный вид магии.
При этом модель довольно компактная — всего 9,3 млрд параметров, так что её можно запускать не только в облаке, но и на домашних видеокартах.
— попробовать онлайн
— веса и локальный запуск
— описание модели
Похоже, открытая генерация изображений снова получила сильного игрока. И на этот раз с нормальными буквами, а не древними рунами вместо текста.
ИИ научили быстрее привыкать к новой среде
Исследователи из МГУ им. М.В. Ломоносова и AIRI представили подход для адаптации поведенческих моделей ИИ. Главное — нейросеть может подстраиваться под изменения среды без дополнительного обучения.
Как это работает: трансформер анализирует наблюдаемую траекторию поведения и оценивает неизвестные параметры среды. После этого модель корректирует стратегию действий — не вслепую, а с учётом новых условий.
Чтобы повысить устойчивость, учёные разделили пространство представлений поведения на отдельные зоны, каждая из которых соответствует своему типу среды.
По результатам тестов подход показал себя примерно в 2 раза лучше существующих методов адаптации.
Звучит как важный шаг к агентам и роботам, которые не ломаются от первого же изменения правил игры.
Исследователи из МГУ им. М.В. Ломоносова и AIRI представили подход для адаптации поведенческих моделей ИИ. Главное — нейросеть может подстраиваться под изменения среды без дополнительного обучения.
Как это работает: трансформер анализирует наблюдаемую траекторию поведения и оценивает неизвестные параметры среды. После этого модель корректирует стратегию действий — не вслепую, а с учётом новых условий.
Чтобы повысить устойчивость, учёные разделили пространство представлений поведения на отдельные зоны, каждая из которых соответствует своему типу среды.
По результатам тестов подход показал себя примерно в 2 раза лучше существующих методов адаптации.
Звучит как важный шаг к агентам и роботам, которые не ломаются от первого же изменения правил игры.
ИИ научился управлять тараканами-киборгами по сигналам их тела
Исследователи из Университета Осаки создали систему для мадагаскарских шипящих тараканов: насекомому крепят мини-рюкзак с датчиками, который считывает движение, сердцебиение и нейронные сигналы.
Фокус в том, что таракана больше не используют как простую живую «радиомашинку». ИИ смотрит не только на то, идёт он или стоит, а пытается понять состояние насекомого: спокойно ли оно, ищет ли еду или реагирует на раздражитель.
Дальше система выбирает режим управления:
— в спокойном состоянии направляет таракана вибрацией или ультрафиолетом
— при признаках стресса отключает стимуляцию
— даёт насекомому самому реагировать на тепло или химический раздражитель
В тестах модель распознавала 5 разных состояний с точностью 93%.
Такие биогибридные системы могут пригодиться там, где обычный робот застрянет первым же углом: поисковые операции после катастроф, мониторинг среды и исследование опасных узких пространств.
Будущее странное: роботы становятся живее, а тараканы — всё ближе к научной фантастике.
Исследователи из Университета Осаки создали систему для мадагаскарских шипящих тараканов: насекомому крепят мини-рюкзак с датчиками, который считывает движение, сердцебиение и нейронные сигналы.
Фокус в том, что таракана больше не используют как простую живую «радиомашинку». ИИ смотрит не только на то, идёт он или стоит, а пытается понять состояние насекомого: спокойно ли оно, ищет ли еду или реагирует на раздражитель.
Дальше система выбирает режим управления:
— в спокойном состоянии направляет таракана вибрацией или ультрафиолетом
— при признаках стресса отключает стимуляцию
— даёт насекомому самому реагировать на тепло или химический раздражитель
В тестах модель распознавала 5 разных состояний с точностью 93%.
Такие биогибридные системы могут пригодиться там, где обычный робот застрянет первым же углом: поисковые операции после катастроф, мониторинг среды и исследование опасных узких пространств.
Будущее странное: роботы становятся живее, а тараканы — всё ближе к научной фантастике.
Reve 2.0 меняет генерацию картинок: теперь не один промт, а слои
В генераторах изображений появился интересный сдвиг: Reve 2.0 работает не как обычная модель «написал промт — получил картинку», а через Large Layout модель.
Она собирает изображение как иерархию слоёв: у каждого объекта есть свой слой и отдельный промт. Поэтому элементы можно двигать, менять и докручивать точечно, не разрушая всю композицию. Наконец-то правка одной детали не превращает лицо в архитектурный эксперимент.
Что умеет Reve 2.0:
— нативное 4K-разрешение
— генерация почти во всех aspect ratio
— до 10 референсов одновременно
— бесплатный лимит — 20 генераций в день
В Arena модель заняла 2-е место после gpt-image-2. Но с текстом пока не всё идеально: GPT и Nano Banana всё ещё сильнее в надписях.
Параллельно вышла open-source Ideogram 4, тоже с layout-подходом. По качеству она немного уступает Reve, зато с текстом справляется лучше.
Попробовать Reve 2.0.
В генераторах изображений появился интересный сдвиг: Reve 2.0 работает не как обычная модель «написал промт — получил картинку», а через Large Layout модель.
Она собирает изображение как иерархию слоёв: у каждого объекта есть свой слой и отдельный промт. Поэтому элементы можно двигать, менять и докручивать точечно, не разрушая всю композицию. Наконец-то правка одной детали не превращает лицо в архитектурный эксперимент.
Что умеет Reve 2.0:
— нативное 4K-разрешение
— генерация почти во всех aspect ratio
— до 10 референсов одновременно
— бесплатный лимит — 20 генераций в день
В Arena модель заняла 2-е место после gpt-image-2. Но с текстом пока не всё идеально: GPT и Nano Banana всё ещё сильнее в надписях.
Параллельно вышла open-source Ideogram 4, тоже с layout-подходом. По качеству она немного уступает Reve, зато с текстом справляется лучше.
Попробовать Reve 2.0.
Reve
Reve: Reimagine Reality
Create, edit, and remix images. Combine natural-language edits with a drag-and-drop image editor.
Интернет официально заселили боты
В сети случился символичный перелом: автоматического трафика стало больше, чем человеческого. На ИИ-агентов, ботов и пустые машинные запросы теперь приходится 57% веб-трафика.
Людям остались скромные 43%. То есть интернет всё ещё наш, просто мы уже в меньшинстве. «Теория мёртвого интернета» из странной конспирологии постепенно превращается в скучную аналитику с процентами.
Интересно, что сооснователь Cloudflare ожидал доминирования ИИ в сети только к концу 2026 года. Но агенты, парсеры и автоматизация решили не ждать календарного приличия.
Похоже, веб вступает в новую фазу: люди пишут меньше, машины читают больше, а где-то между ними живёт контент, который уже не всегда понятно для кого создан.
В сети случился символичный перелом: автоматического трафика стало больше, чем человеческого. На ИИ-агентов, ботов и пустые машинные запросы теперь приходится 57% веб-трафика.
Людям остались скромные 43%. То есть интернет всё ещё наш, просто мы уже в меньшинстве. «Теория мёртвого интернета» из странной конспирологии постепенно превращается в скучную аналитику с процентами.
Интересно, что сооснователь Cloudflare ожидал доминирования ИИ в сети только к концу 2026 года. Но агенты, парсеры и автоматизация решили не ждать календарного приличия.
Похоже, веб вступает в новую фазу: люди пишут меньше, машины читают больше, а где-то между ними живёт контент, который уже не всегда понятно для кого создан.
Диплом Computer Science уже не гарантирует билет в IT
Преподаватель Стэнфорда заявил, что ИИ резко поменял правила входа в разработку. Ещё недавно выпускник CS мог рассчитывать на оффер в топ-компанию, зарплату около $120 тысяч в год и опционы. Теперь джунов нанимают куда осторожнее: часть их задач уже забрали нейросети.
Меняются и собеседования. Вместо классического «реши алгоритм у доски» кандидата всё чаще просят показать экран и объяснить, как он использует ИИ для автоматизации рутины. То есть важно не просто знать теорию, а уметь быстро собирать рабочие решения.
Главный вопрос сместился с «где ты учился?» на «что ты прямо сейчас строишь?». Способность видеть проблему, проверять гипотезу и делать прототип с помощью нейросетей начинает цениться выше красивой строчки в дипломе.
Похоже, рынок ждёт не выпускников с идеальным конспектом, а людей, которые умеют превращать хаос в продукт. Осталось только дождаться официальной кафедры вайбкодинга.
Преподаватель Стэнфорда заявил, что ИИ резко поменял правила входа в разработку. Ещё недавно выпускник CS мог рассчитывать на оффер в топ-компанию, зарплату около $120 тысяч в год и опционы. Теперь джунов нанимают куда осторожнее: часть их задач уже забрали нейросети.
Меняются и собеседования. Вместо классического «реши алгоритм у доски» кандидата всё чаще просят показать экран и объяснить, как он использует ИИ для автоматизации рутины. То есть важно не просто знать теорию, а уметь быстро собирать рабочие решения.
Главный вопрос сместился с «где ты учился?» на «что ты прямо сейчас строишь?». Способность видеть проблему, проверять гипотезу и делать прототип с помощью нейросетей начинает цениться выше красивой строчки в дипломе.
Похоже, рынок ждёт не выпускников с идеальным конспектом, а людей, которые умеют превращать хаос в продукт. Осталось только дождаться официальной кафедры вайбкодинга.
Higgsfield AI залетел в Figma
Для дизайнеров вышел бесплатный плагин Higgsfield AI — набор AI-инструментов прямо внутри Figma, без прыжков между сервисами и вечного экспорта туда-сюда.
Внутри собрали всё, что обычно размазано по разным приложениям:
— удаление фона
— генератор мокапов с тысячами сцен
— замена лиц с сохранением позы и света
— генерация картинок и видео по тексту
— цветокоррекция и смена освещения
— расширение границ изображения
— новые ракурсы объекта
Результат сразу появляется на канве как обычный слой, так что его можно дальше двигать, редактировать и встраивать в макет.
Скачать.
Для дизайнеров вышел бесплатный плагин Higgsfield AI — набор AI-инструментов прямо внутри Figma, без прыжков между сервисами и вечного экспорта туда-сюда.
Внутри собрали всё, что обычно размазано по разным приложениям:
— удаление фона
— генератор мокапов с тысячами сцен
— замена лиц с сохранением позы и света
— генерация картинок и видео по тексту
— цветокоррекция и смена освещения
— расширение границ изображения
— новые ракурсы объекта
Результат сразу появляется на канве как обычный слой, так что его можно дальше двигать, редактировать и встраивать в макет.
Скачать.
OpenAI раздаёт полгода ChatGPT Pro опенсорс-разработчикам
OpenAI запустила программу Codex for Open Source — для активных мейнтейнеров и разработчиков open source-проектов. По сути, это их ответ на форматы вроде Claude Mythos: поддержать тех, кто тащит важную инфраструктуру не только на энтузиазме и кофе.
Что дают участникам:
— 6 месяцев ChatGPT Pro с доступом к Codex
— условный доступ к Codex Security
— API-кредиты для разработки, автоматизации, релизных процессов и вайбкодинга
В заявке нужно указать публичный репозиторий и объяснить, почему проект важен: звёзды на GitHub, загрузки, роль в экосистеме или реальное использование.
Участвовать могут не только основатели, но и ключевые мейнтейнеры.
Заявки принимают постоянно, ответ приходит на почту.
Подать заявку.
OpenAI запустила программу Codex for Open Source — для активных мейнтейнеров и разработчиков open source-проектов. По сути, это их ответ на форматы вроде Claude Mythos: поддержать тех, кто тащит важную инфраструктуру не только на энтузиазме и кофе.
Что дают участникам:
— 6 месяцев ChatGPT Pro с доступом к Codex
— условный доступ к Codex Security
— API-кредиты для разработки, автоматизации, релизных процессов и вайбкодинга
В заявке нужно указать публичный репозиторий и объяснить, почему проект важен: звёзды на GitHub, загрузки, роль в экосистеме или реальное использование.
Участвовать могут не только основатели, но и ключевые мейнтейнеры.
Заявки принимают постоянно, ответ приходит на почту.
Подать заявку.
Ян Лекун снова хоронит LLM
Ян Лекун в свежем интервью снова прошёлся по главной святыне индустрии: авторегрессионные LLM, по его мнению, не приведут к AGI. Кремниевая долина, говорит он, тратит сотни миллиардов на очень мощный автокомплит — и слишком часто путает имитацию интеллекта с самим интеллектом.
Логика Лекуна прежняя: модели работают с токенами, но не понимают физический мир, не обладают здравым смыслом и не умеют надёжно планировать. Поэтому галлюцинации нельзя окончательно «вылечить» фильтрами, RLHF или очередным файнтюном — проблема сидит глубже, в самой архитектуре.
Он приводит простой контраст: подросток учится водить за десятки часов, а беспилотникам нужны миллионы часов данных, и они всё равно ломаются на редких ситуациях. Язык, по Лекуну, слишком узкий фундамент для настоящего интеллекта.
Отдельный слой — драма Meta. После успеха Llama компания ушла в GenAI-гонку, а долгосрочные исследования FAIR потеряли приоритет. Робототехнику свернули, коммерческие задачи победили фундаментальную науку, и Лекун ушёл делать AME Labs и развивать JEPA — архитектуру, которая учится предсказывать последствия действий не в пикселях и токенах, а в абстрактном пространстве представлений.
Параллельно он продвигает Tapestry — идею глобального федеративного обучения, где страны и организации могут обмениваться весами моделей без передачи данных. Такой вариант цифрового суверенитета: меньше зависимости от моделей с ценностями Калифорнии или Пекина.
Прогноз у Лекуна жёсткий: к 2027 году индустрия якобы начнёт массово понимать, что бесконечные дата-центры сами по себе не сделают LLM умнее.
Карфагеном у него стали трансформеры. Осталось посмотреть, кто первым принесёт соль в серверную.
Ян Лекун в свежем интервью снова прошёлся по главной святыне индустрии: авторегрессионные LLM, по его мнению, не приведут к AGI. Кремниевая долина, говорит он, тратит сотни миллиардов на очень мощный автокомплит — и слишком часто путает имитацию интеллекта с самим интеллектом.
Логика Лекуна прежняя: модели работают с токенами, но не понимают физический мир, не обладают здравым смыслом и не умеют надёжно планировать. Поэтому галлюцинации нельзя окончательно «вылечить» фильтрами, RLHF или очередным файнтюном — проблема сидит глубже, в самой архитектуре.
Он приводит простой контраст: подросток учится водить за десятки часов, а беспилотникам нужны миллионы часов данных, и они всё равно ломаются на редких ситуациях. Язык, по Лекуну, слишком узкий фундамент для настоящего интеллекта.
Отдельный слой — драма Meta. После успеха Llama компания ушла в GenAI-гонку, а долгосрочные исследования FAIR потеряли приоритет. Робототехнику свернули, коммерческие задачи победили фундаментальную науку, и Лекун ушёл делать AME Labs и развивать JEPA — архитектуру, которая учится предсказывать последствия действий не в пикселях и токенах, а в абстрактном пространстве представлений.
Параллельно он продвигает Tapestry — идею глобального федеративного обучения, где страны и организации могут обмениваться весами моделей без передачи данных. Такой вариант цифрового суверенитета: меньше зависимости от моделей с ценностями Калифорнии или Пекина.
Прогноз у Лекуна жёсткий: к 2027 году индустрия якобы начнёт массово понимать, что бесконечные дата-центры сами по себе не сделают LLM умнее.
Карфагеном у него стали трансформеры. Осталось посмотреть, кто первым принесёт соль в серверную.
GPU уже не главный стоп-кран для ИИ в бизнесе
Миф «ИИ слишком дорогой, потому что нужны огромные видеокарты» постепенно устарел. GPU можно арендовать в облаке, модели — использовать по подписке, цена токенов падает, а для простых задач иногда хватает и обычного железа.
Но внедрение всё равно часто буксует. Просто проблема уже не в карте, а в трёх менее заметных местах, о которых бизнес вспоминает слишком поздно.
— Плохие данные
Если база знаний устарела, дублируется и противоречит сама себе, ИИ будет красиво пересказывать хаос. Сначала нужно чистить контент: обновлять факты, убирать мусор, приводить структуру в порядок. По словам эксперта БСС ИИ Михаила Воронина, в их практике это повышало качество ответов минимум на 30%.
— Завышенные ожидания
Компании смотрят на топовые облачные модели и ждут такого же поведения от компактных или локальных решений. Но в продакшен лучше заранее тестировать именно ту модель, которая реально будет работать. А для задач с контекстом бизнеса почти всегда нужны нормальная база знаний и настроенный RAG.
— Неготовые процессы
ИИ нельзя просто «прикрутить сбоку». Нужно пересматривать роли, KPI, риски и обучение сотрудников. В контакт-центрах, например, боты забирают типовые обращения, а операторы уходят на сложные кейсы. И там уже важнее не скорость ответа, а экспертиза, эмпатия и удовлетворённость клиента.
Так что главный барьер внедрения ИИ — не отсутствие GPU. Чаще это бардак в данных, ожидания уровня магии и процессы, которые никто не готовил к новой реальности.
Миф «ИИ слишком дорогой, потому что нужны огромные видеокарты» постепенно устарел. GPU можно арендовать в облаке, модели — использовать по подписке, цена токенов падает, а для простых задач иногда хватает и обычного железа.
Но внедрение всё равно часто буксует. Просто проблема уже не в карте, а в трёх менее заметных местах, о которых бизнес вспоминает слишком поздно.
— Плохие данные
Если база знаний устарела, дублируется и противоречит сама себе, ИИ будет красиво пересказывать хаос. Сначала нужно чистить контент: обновлять факты, убирать мусор, приводить структуру в порядок. По словам эксперта БСС ИИ Михаила Воронина, в их практике это повышало качество ответов минимум на 30%.
— Завышенные ожидания
Компании смотрят на топовые облачные модели и ждут такого же поведения от компактных или локальных решений. Но в продакшен лучше заранее тестировать именно ту модель, которая реально будет работать. А для задач с контекстом бизнеса почти всегда нужны нормальная база знаний и настроенный RAG.
— Неготовые процессы
ИИ нельзя просто «прикрутить сбоку». Нужно пересматривать роли, KPI, риски и обучение сотрудников. В контакт-центрах, например, боты забирают типовые обращения, а операторы уходят на сложные кейсы. И там уже важнее не скорость ответа, а экспертиза, эмпатия и удовлетворённость клиента.
Так что главный барьер внедрения ИИ — не отсутствие GPU. Чаще это бардак в данных, ожидания уровня магии и процессы, которые никто не готовил к новой реальности.
Дейтинг в 2026 всё больше похож на симулятор одиночества
Пока люди всё ещё свайпают Tinder и Hinge в надежде найти кого-то живого, дейтинг-приложения постепенно превращаются в арену для ИИ-агентов, ботов и дипфейков.
Больше половины пользователей уже подозревают, что на другом конце чата может быть не человек. И это не совсем паранойя: нейросети умеют быстро анализировать соцсети и собирать слишком идеальные сообщения — такие, после которых обычный «привет, как дела» выглядит как технический сбой.
Bumble тоже смотрит в эту сторону: глава компании уже говорила о будущем, где ваш личный ИИ-агент будет ходить на виртуальные свидания с агентом другого человека, проверять совместимость и только потом отправлять вас на реальную встречу.
Но даже видеозвонок теперь не гарантия. Мошенники используют дипфейки в реальном времени, поэтому на экране может улыбаться не человек, а сгенерированный аватар. Google уже выкатывает защиту от фейковых звонков на Android-смартфоны.
Похоже, дейтинг-индустрия случайно изобрела самый дорогой симулятор одиночества: боты общаются с ботами, а людям остаётся надеяться, что их хотя бы пригласят на финальную встречу.
Пока люди всё ещё свайпают Tinder и Hinge в надежде найти кого-то живого, дейтинг-приложения постепенно превращаются в арену для ИИ-агентов, ботов и дипфейков.
Больше половины пользователей уже подозревают, что на другом конце чата может быть не человек. И это не совсем паранойя: нейросети умеют быстро анализировать соцсети и собирать слишком идеальные сообщения — такие, после которых обычный «привет, как дела» выглядит как технический сбой.
Bumble тоже смотрит в эту сторону: глава компании уже говорила о будущем, где ваш личный ИИ-агент будет ходить на виртуальные свидания с агентом другого человека, проверять совместимость и только потом отправлять вас на реальную встречу.
Но даже видеозвонок теперь не гарантия. Мошенники используют дипфейки в реальном времени, поэтому на экране может улыбаться не человек, а сгенерированный аватар. Google уже выкатывает защиту от фейковых звонков на Android-смартфоны.
Похоже, дейтинг-индустрия случайно изобрела самый дорогой симулятор одиночества: боты общаются с ботами, а людям остаётся надеяться, что их хотя бы пригласят на финальную встречу.
Media is too big
VIEW IN TELEGRAM
NVIDIA тащит ИИ из облака прямо в ноутбуки
На Computex NVIDIA показала RTX Spark — новый ARM-суперчип для обычных ПК, заточенный под локальный запуск ИИ. Его уже собираются ставить в AI-компьютеры Microsoft, ASUS, HP и других производителей.
Под капотом — до 128 ГБ общей памяти и производительность около 1 PFLOPS. Этого должно хватить, чтобы запускать тяжёлые модели и автономных агентов прямо на устройстве, без постоянной зависимости от серверов и облаков.
По сути, NVIDIA хочет сделать с Windows-ПК то, что Apple когда-то провернула с ноутбуками на собственных чипах: поменять базовую архитектуру рынка. Дженсен Хуанг сравнивает этот момент с переходом от обычных телефонов к смартфонам — звучит громко, но направление понятно.
Компания уже показала дорожную карту на три поколения процессоров: Blackwell, Robin и Feynman для десктопов, ноутбуков и рабочих станций.
Похоже, персональный ИИ постепенно переезжает из облака в железо. Скоро вопрос будет не «какая у тебя видеокарта», а «какая нейросеть живёт у тебя в ноуте».
На Computex NVIDIA показала RTX Spark — новый ARM-суперчип для обычных ПК, заточенный под локальный запуск ИИ. Его уже собираются ставить в AI-компьютеры Microsoft, ASUS, HP и других производителей.
Под капотом — до 128 ГБ общей памяти и производительность около 1 PFLOPS. Этого должно хватить, чтобы запускать тяжёлые модели и автономных агентов прямо на устройстве, без постоянной зависимости от серверов и облаков.
По сути, NVIDIA хочет сделать с Windows-ПК то, что Apple когда-то провернула с ноутбуками на собственных чипах: поменять базовую архитектуру рынка. Дженсен Хуанг сравнивает этот момент с переходом от обычных телефонов к смартфонам — звучит громко, но направление понятно.
Компания уже показала дорожную карту на три поколения процессоров: Blackwell, Robin и Feynman для десктопов, ноутбуков и рабочих станций.
Похоже, персональный ИИ постепенно переезжает из облака в железо. Скоро вопрос будет не «какая у тебя видеокарта», а «какая нейросеть живёт у тебя в ноуте».
Селфи с пальцами теперь выглядят чуть опаснее
Обычный жест на фото — «пис», сердечко пальцами или просто ладонь в камеру — может оказаться не таким безобидным. Нейросети уже умеют восстанавливать отпечатки пальцев по снимкам, если подушечки хорошо видны и человек стоит достаточно близко к камере.
Китайский эксперт по кибербезопасности Ли Чан показал это в эфире реалити-шоу: алгоритмы проанализировали фотографии знаменитостей из соцсетей и смогли извлечь биометрические данные.
Главное условие риска — расстояние примерно до 1,5 метра и пальцы, направленные в объектив. В таком случае ИИ вытягивает кожный рисунок из пикселей и собирает цифровой слепок.
Звучит как паранойя из форума по безопасности, но проблема вполне практическая: отпечатки используются для разблокировки смартфонов, банковских приложений и подтверждения операций.
Похоже, эпоха «просто покажу два пальца в кадр» заканчивается. Теперь это почти как случайно засветить пароль, только с улыбкой.
Обычный жест на фото — «пис», сердечко пальцами или просто ладонь в камеру — может оказаться не таким безобидным. Нейросети уже умеют восстанавливать отпечатки пальцев по снимкам, если подушечки хорошо видны и человек стоит достаточно близко к камере.
Китайский эксперт по кибербезопасности Ли Чан показал это в эфире реалити-шоу: алгоритмы проанализировали фотографии знаменитостей из соцсетей и смогли извлечь биометрические данные.
Главное условие риска — расстояние примерно до 1,5 метра и пальцы, направленные в объектив. В таком случае ИИ вытягивает кожный рисунок из пикселей и собирает цифровой слепок.
Звучит как паранойя из форума по безопасности, но проблема вполне практическая: отпечатки используются для разблокировки смартфонов, банковских приложений и подтверждения операций.
Похоже, эпоха «просто покажу два пальца в кадр» заканчивается. Теперь это почти как случайно засветить пароль, только с улыбкой.
This media is not supported in your browser
VIEW IN TELEGRAM
В Каннах показали полнометражный фильм без актёров
На закрытом показе Каннского фестиваля представили Hell Grind — полуторачасовое фэнтези, полностью собранное с помощью нейросетей. Без съёмочной площадки, декораций, камер и актёров в кадре.
По вайбу — смесь Mortal Kombat и «Обители зла»: демоны, порталы, мрачный экшен и много визуального шума. Но главный сюжет тут не на экране, а в производстве.
Фильм сделала команда всего из 10 человек примерно за 20 дней. Бюджет — около $500 тысяч, из них $400 тысяч ушли на вычисления для Google Veo 3 и Seedance 2.0.
Самая боль — контроль качества. Чтобы персонажи не превращались в пластилин, авторам приходилось писать промпты по 3000 слов на каждые 15 секунд готового видео. То есть магия ИИ снова оказалась магией, но с очень длинной инструкцией.
Первые зрители ругают фильм за простой сюжет, но прецедент уже случился: полный метр без актёров и классической съёмки добрался до фестивального поля.
Киноиндустрия ещё может делать вид, что это эксперимент. Но где-то рядом уже тихо открывается очередь из ИИ-режиссёров.
На закрытом показе Каннского фестиваля представили Hell Grind — полуторачасовое фэнтези, полностью собранное с помощью нейросетей. Без съёмочной площадки, декораций, камер и актёров в кадре.
По вайбу — смесь Mortal Kombat и «Обители зла»: демоны, порталы, мрачный экшен и много визуального шума. Но главный сюжет тут не на экране, а в производстве.
Фильм сделала команда всего из 10 человек примерно за 20 дней. Бюджет — около $500 тысяч, из них $400 тысяч ушли на вычисления для Google Veo 3 и Seedance 2.0.
Самая боль — контроль качества. Чтобы персонажи не превращались в пластилин, авторам приходилось писать промпты по 3000 слов на каждые 15 секунд готового видео. То есть магия ИИ снова оказалась магией, но с очень длинной инструкцией.
Первые зрители ругают фильм за простой сюжет, но прецедент уже случился: полный метр без актёров и классической съёмки добрался до фестивального поля.
Киноиндустрия ещё может делать вид, что это эксперимент. Но где-то рядом уже тихо открывается очередь из ИИ-режиссёров.
Суд поставил ИИ-детекторы на место
Суд признал незаконным отчисление студентки из московского вуза из-за диплома, который якобы написала нейросеть.
История показательная: антиплагиат сначала выдал 41,91% ИИ-текста, потом при повторной проверке — уже 70%, а на третьем прогоне — всего 11,92%. Но последний результат вуз не принял из-за пропущенного дедлайна.
Суд решил, что полностью опираться на такие детекторы нельзя: их отчёты носят вероятностный характер, а не доказывают факт нарушения. Финальное решение должен принимать эксперт, а не магическая цифра в интерфейсе. Особенно забавно, что научный руководитель студентки сам не знал, как работает система проверки.
Теперь вуз обязан восстановить студентку, допустить её до защиты и выплатить 40 тысяч рублей моральной компенсации.
Похоже, эпоха «детектор сказал — значит виновен» начинает заканчиваться. И это хорошая новость для всех, кто хоть раз видел, как ИИ-детекторы уверенно ошибаются.
Суд признал незаконным отчисление студентки из московского вуза из-за диплома, который якобы написала нейросеть.
История показательная: антиплагиат сначала выдал 41,91% ИИ-текста, потом при повторной проверке — уже 70%, а на третьем прогоне — всего 11,92%. Но последний результат вуз не принял из-за пропущенного дедлайна.
Суд решил, что полностью опираться на такие детекторы нельзя: их отчёты носят вероятностный характер, а не доказывают факт нарушения. Финальное решение должен принимать эксперт, а не магическая цифра в интерфейсе. Особенно забавно, что научный руководитель студентки сам не знал, как работает система проверки.
Теперь вуз обязан восстановить студентку, допустить её до защиты и выплатить 40 тысяч рублей моральной компенсации.
Похоже, эпоха «детектор сказал — значит виновен» начинает заканчиваться. И это хорошая новость для всех, кто хоть раз видел, как ИИ-детекторы уверенно ошибаются.
Apple Intelligence пересобрали с нуля
Apple переводит Apple Intelligence на новую архитектуру вокруг Apple Foundation Models. В основе — модели, созданные с интеграцией Gemini, которые будут работать не только с текстом, но и с изображениями, речью и мультимодальными задачами.
ИИ глубже встраивают в систему: он сможет помогать в поиске, анализировать фото, распознавать и генерировать картинки, расшифровывать речь, создавать голосовые ответы и подсказывать нужные действия прямо в контекстных меню.
Логика обработки тоже гибридная:
— чувствительные данные остаются на устройстве
— более сложные запросы отправляются в облако
— системные функции получают доступ к ИИ без отдельного приложения
По сути, Apple делает ставку не на «ещё один чат-бот», а на ИИ как скрытый слой внутри всей экосистемы.
Если всё заработает как обещают, Apple Intelligence наконец перестанет выглядеть как догонялка и станет нормальной нервной системой для iPhone и Mac.
Apple переводит Apple Intelligence на новую архитектуру вокруг Apple Foundation Models. В основе — модели, созданные с интеграцией Gemini, которые будут работать не только с текстом, но и с изображениями, речью и мультимодальными задачами.
ИИ глубже встраивают в систему: он сможет помогать в поиске, анализировать фото, распознавать и генерировать картинки, расшифровывать речь, создавать голосовые ответы и подсказывать нужные действия прямо в контекстных меню.
Логика обработки тоже гибридная:
— чувствительные данные остаются на устройстве
— более сложные запросы отправляются в облако
— системные функции получают доступ к ИИ без отдельного приложения
По сути, Apple делает ставку не на «ещё один чат-бот», а на ИИ как скрытый слой внутри всей экосистемы.
Если всё заработает как обещают, Apple Intelligence наконец перестанет выглядеть как догонялка и станет нормальной нервной системой для iPhone и Mac.
Учёные собрали полную карту нервной системы дрозофилы
Исследователи полностью оцифровали нервную систему мушки-дрозофилы. Раньше у науки уже был коннектом её мозга, а теперь к нему добавили карту нервного тяжа — аналога спинного мозга у позвоночных.
В итоговой схеме — все 160 тысяч нейронов центральной нервной системы насекомого.
Самое интересное открытие: мозг мухи не рулит всем в одиночку. Движения ног и крыльев обрабатываются локально, а нервные узлы координируются между собой без единого «главного диспетчера» в голове.
Но это ещё не полноценный цифровой мозг. В модели пока не хватает карты нейропептидов — веществ, которые участвуют в передаче сигналов между нейронами. Исследователи планируют добавить и этот слой.
Похоже, даже у мухи управление оказалось распределённым. Природа опять сделала архитектуру сложнее, чем казалось на первой схеме.
Исследователи полностью оцифровали нервную систему мушки-дрозофилы. Раньше у науки уже был коннектом её мозга, а теперь к нему добавили карту нервного тяжа — аналога спинного мозга у позвоночных.
В итоговой схеме — все 160 тысяч нейронов центральной нервной системы насекомого.
Самое интересное открытие: мозг мухи не рулит всем в одиночку. Движения ног и крыльев обрабатываются локально, а нервные узлы координируются между собой без единого «главного диспетчера» в голове.
Но это ещё не полноценный цифровой мозг. В модели пока не хватает карты нейропептидов — веществ, которые участвуют в передаче сигналов между нейронами. Исследователи планируют добавить и этот слой.
Похоже, даже у мухи управление оказалось распределённым. Природа опять сделала архитектуру сложнее, чем казалось на первой схеме.
Pokémon Go помогал ловить покемонов, а теперь может помочь дронам
История становится всё менее милой: Niantic, разработчик Pokémon Go, передала свою пространственную ИИ-модель компании Vantor, которая делает ПО для военных дронов.
Модель создавали на базе более 30 млрд фотографий городов. Её задача — помогать роботам ориентироваться в реальном пространстве даже без GPS. Такая технология уже полезна для роверов-курьеров, но теперь ей заинтересовался и оборонный сектор.
Vantor отрицает, что использует данные Pokémon Go напрямую. Но эксперты отмечают: это не исключает того, что сама модель могла обучаться на данных, собранных через продукты Niantic.
Профессор этики и технологий Делфтского технического университета Йерун ван ден Ховен формулирует жёстко: игроки могли внести пусть косвенный и небольшой, но всё же эффективный вклад в военные приложения.
Похоже, «поймал Пикачу у фонтана» внезапно превратилось в вопрос о том, куда потом уезжают данные с этого фонтана.
История становится всё менее милой: Niantic, разработчик Pokémon Go, передала свою пространственную ИИ-модель компании Vantor, которая делает ПО для военных дронов.
Модель создавали на базе более 30 млрд фотографий городов. Её задача — помогать роботам ориентироваться в реальном пространстве даже без GPS. Такая технология уже полезна для роверов-курьеров, но теперь ей заинтересовался и оборонный сектор.
Vantor отрицает, что использует данные Pokémon Go напрямую. Но эксперты отмечают: это не исключает того, что сама модель могла обучаться на данных, собранных через продукты Niantic.
Профессор этики и технологий Делфтского технического университета Йерун ван ден Ховен формулирует жёстко: игроки могли внести пусть косвенный и небольшой, но всё же эффективный вклад в военные приложения.
Похоже, «поймал Пикачу у фонтана» внезапно превратилось в вопрос о том, куда потом уезжают данные с этого фонтана.
Siri стала Siri AI — теперь это не просто ассистент, а LLM-агент
Apple полностью переводит Siri на LLM. Обновлённый ассистент понимает речь, текст и изображения, а жить будет прямо в Dynamic Island — ближе к пользователю уже только в голове.
Siri AI сможет подсказывать действия прямо в пушах: например, построить маршрут, кратко пересказать сообщения или напомнить о важном контексте без лишнего копания в приложениях.
Что умеет новая версия:
— анализировать содержимое экрана
— искать фото с поездок
— создавать заметки
— планировать маршруты во время разговора
— работать как агент, а не как голосовая кнопка
Голос тоже прокачали: он стал естественнее, плюс можно настраивать тон, тембр и скорость речи.
Похоже, Apple наконец-то делает из Siri не мем про «я нашла это в интернете», а нормального AI-помощника внутри экосистемы.
Apple полностью переводит Siri на LLM. Обновлённый ассистент понимает речь, текст и изображения, а жить будет прямо в Dynamic Island — ближе к пользователю уже только в голове.
Siri AI сможет подсказывать действия прямо в пушах: например, построить маршрут, кратко пересказать сообщения или напомнить о важном контексте без лишнего копания в приложениях.
Что умеет новая версия:
— анализировать содержимое экрана
— искать фото с поездок
— создавать заметки
— планировать маршруты во время разговора
— работать как агент, а не как голосовая кнопка
Голос тоже прокачали: он стал естественнее, плюс можно настраивать тон, тембр и скорость речи.
Похоже, Apple наконец-то делает из Siri не мем про «я нашла это в интернете», а нормального AI-помощника внутри экосистемы.
Собираем себе ИИ-офис из агентов
Появился Agent Teams — инструмент, который запускает целую команду автономных ИИ-агентов. Не одного «помощника на всё», а мини-офис с ролями, задачами и ревью.
Вы назначаете агентов: тимлид, разработчик, ревьювер — задаёте провиженинг-промпт, а дальше они сами распределяют задачи, обсуждают решения, проверяют код, оставляют комментарии и передают работу друг другу. Пользователь смотрит на канбан-доску и решает: принять результат или отправить обратно в доработку.
Режимы тоже гибкие:
— полностью автономная работа
— ручное подтверждение каждого действия
— параллельный запуск команд из разных проектов
Agent Teams работает на Windows, macOS и Linux. Под капотом — оркестрация поверх Claude, Codex и OpenCode, плюс поддержка 200+ моделей от 75+ провайдеров, включая бесплатные варианты без авторизации.
Внутри есть редактор кода с Git, просмотр диффов, принятие или отклонение отдельных фрагментов, логирование каждого вызова инструментов и анализ расхода токенов.
Похоже, вайбкодинг постепенно превращается из «я и один агент в чате» в полноценную маленькую команду. Только без созвонов, что уже звучит как технологический прорыв.
Появился Agent Teams — инструмент, который запускает целую команду автономных ИИ-агентов. Не одного «помощника на всё», а мини-офис с ролями, задачами и ревью.
Вы назначаете агентов: тимлид, разработчик, ревьювер — задаёте провиженинг-промпт, а дальше они сами распределяют задачи, обсуждают решения, проверяют код, оставляют комментарии и передают работу друг другу. Пользователь смотрит на канбан-доску и решает: принять результат или отправить обратно в доработку.
Режимы тоже гибкие:
— полностью автономная работа
— ручное подтверждение каждого действия
— параллельный запуск команд из разных проектов
Agent Teams работает на Windows, macOS и Linux. Под капотом — оркестрация поверх Claude, Codex и OpenCode, плюс поддержка 200+ моделей от 75+ провайдеров, включая бесплатные варианты без авторизации.
Внутри есть редактор кода с Git, просмотр диффов, принятие или отклонение отдельных фрагментов, логирование каждого вызова инструментов и анализ расхода токенов.
Похоже, вайбкодинг постепенно превращается из «я и один агент в чате» в полноценную маленькую команду. Только без созвонов, что уже звучит как технологический прорыв.