​💡 State of AI Report 2025: Рік, коли ШІ став індустріальним

Нещодавно на лекції ми зі студентами обговорювали питання: який AI сьогодні кращий — ChatGPT, Gemini, Grok...? І саме після цієї дискусії я натрапив на потужний репорт, який не просто продовжує цю тему, а й робить доволі несподіваний висновок. 2025 офіційно називають початком індустріальної ери штучного інтелекту.

Оригінал звіту: stateof.ai

• Нове покоління LLM показало відчутний стрибок у reasoning (здатності до міркування та розв’язання складних задач).
• OpenAI зберігає лідерство, але китайські open-weights (DeepSeek, Alibaba, Moonshot) стрімко наздоганяють.
• Ефективність моделей зросла настільки, що кількість тренованих параметрів зменшують до 50× без втрати якості.
• Моделі Google, OpenAI, Harmonic досягли золота на рівні задач Міжнародної математичної олімпіади (IMO-level).
• Медична діалогова модель AIME у тестах показала вищу точність діагностики, ніж лікарі без допомоги ШІ.

🏭 Індустрія: бізнес масово переходить на ШІ
• 44% компаній у США вже платять за AI-інструменти (проти 5% у 2023 році).
• Група з 16 компаній разом генерує близько $18,5 млрд річного доходу від продуктів і сервісів на базі ШІ.
• OpenAI, Google та інші планують/будують дата-центри на сотні мільярдів доларів інвестицій.
• Електрика стає стратегічним ресурсом №1 для розвитку ШІ-інфраструктури.
• Серед закритих моделей OpenAI лідирує також по ціні: GPT-5 у 12 разів дешевший за Claude Opus при порівнюваній продуктивності.

🏛 Політика: регулятори відступають
• Регулятори у ЄС та США пом’якшують позицію, боячись перегальмувати економічне зростання, пов’язане з ШІ.
• OpenAI, Google, Meta та інші лобіюють уніфікацію законодавства і намагаються випередити надто жорсткі правила на рівні штатів.
• Каліфорнія рухається своїм шляхом, просуваючи власний AI-закон (який, зокрема, підтримує Anthropic).
• США запускають стратегію “America-first AI”: обмежують доступ конкурентів до американських ШІ-технологій, пришвидшують виділення земель та дозволів під дата-центри.
• Китай відповідає прискореним розвитком власної екосистеми; китайські компанії витісняють Meta із позиції ключового постачальника open-weights моделей.

🛡 Безпека: загрози зростають швидше за захист
• За оцінками, наступальні кіберможливості подвоюються кожні 5 місяців.
• Зловмисники використали Claude Code, щоб створити фейкові особистості, які отримали віддалену роботу в компаніях рівня Fortune 500.
• Дослідники показали, що захисні механізми open-weights моделей можна обійти, маючи мінімальні обчислювальні ресурси.
• Anthropic та OpenAI впроваджують превентивні заходи біо- та хімічної безпеки, щоб зменшити ризики зловживання їхніми моделями у сфері зброї.

State of AI Report 2025 фіксує момент, коли ШІ перестає бути “технологічною іграшкою” і стає інфраструктурою нового економічного укладу. Тепер на розвиток ШІ впливають не стільки алгоритми, скільки: електрика, капітал, політика та регулювання, безпека. У прогнозах авторів — цілком реалістичний сценарій: подія, створена дипфейками або агентами, може призвести до надзвичайної ситуації рівня НАТО.

2025 — це рік, коли ШІ остаточно вийшов із лабораторій і це початком індустріальної ери штучного інтелектуМи входимо в епоху, де ШІ = інфраструктура, а питання “яка модель краща” відходить на задній план. Ключові питання тепер: як масштабувати, як живити, як контролювати й убезпечувати.

✅ Якщо пост був корисним та чекаєшь продовження став 👍
🔔 ПІДПИСАТИСЯ

📘 ADPB‑06: Перший патерн — Цепочки промптів: основа багатокрокових агентів

Коли задача виглядає складною — поділи її на частини.
«Їж слона по частинах», як кажуть.
Цей принцип працює не лише для людей, а й для великих мовних моделей.

🔹 Prompt Chains (ланцюжки запитів) — це інженерний патерн, де складну задачу розбивають на послідовність простіших промптів. Кожен крок — це логічна стадія мислення
або дії, результат якої передається далі. Вихід одного промпта стає входом для наступного.

⏩ Таким чином, замість одного складного «магічного» запиту, агент виконує серію зрозумілих кроків — ніби маленький план. Це:
• Зменшується навантаження на модель — менше шансів на помилки, галюцинації чи втрату контексту
• Кожен крок легше контролювати, тестувати та оптимізувати
• Можна вставляти додаткову логіку між промптами або підключати API/інструменти
• Можна працювати з структурованими виходами (JSON, XML), що спрощує обробку

🛠 Приклад: Маркетинговий аналіз

1️⃣ Сумаризуй звіт: "Зроби короткий виклад ключових висновків з цього маркетингового звіту: [текст]"
2️⃣ Витягни тренди з даними:
"Виділи 3 ключові тренди з наведеного викладу, додай цифри для кожного: [вихід з кроку 1]"
3️⃣ Напиши листа команді:
"Сформулюй лист маркетинговій команді на основі трендів: [вихід з кроку 2]"

У результаті — більш точна відповідь, менше помилок, чітка структура.

📦 Структурований вихід — ключ
Щоб кроки правильно передавали дані, важливо вимагати чіткий формат. Наприклад:

{ "trends": [ {"name": "AI", "data": "73% користувачів…"}, {"name": "Sustainability", "data": "Продажі виросли на 28%…"} ] }

Це легко парсити, передавати, візуалізувати або перевіряти.

📚 Де ще працює цей патерн?
• Пошук складної інформації (спочатку — аналіз питання, потім — витяг фактів, потім — синтез)
• Генерація тексту: ідеї → план → чернетка → редагування
• Обробка неструктурованих PDF/зображень (спочатку — OCR, потім — витяг полів, потім — валідація)
• Агенти з памʼяттю: кожна репліка — новий крок, враховуючи попередній стан
• Генерація коду: опис → псевдокод → функція → перевірка → документація
• Мультимодальні сценарії: зображення + текст + таблиця → окремі кроки → єдиний висновок

⚙️ Як реалізувати?
📦 LangChain та LangGraph — популярні фреймворки для таких сценаріїв. Вони дають змогу описувати кроки як ланцюжки (chains) або графи з гілками та станами.

🧠 Висновок:
Промпт‑ланцюжки — це надійна інженерна стратегія для складних задач. Коли один запит — не справляється, розбий його на серію логічних кроків.
Це основа для агентів, які не просто відповідають, а планують, обчислюють і діють.

✅ Якщо пост був корисним та чекаєшь продовження став 👍
🔔 ПІДПИСАТИСЯ

🔗 ADPB‑07: Інжиніринг контексту — мозок агента

🧠 «Чим краще контекст — тим розумнішим здається агент.»

Це твердження дедалі більше підтверджується практикою. У той час як інжиніринг промптів навчає правильно формулювати запит, інжиніринг контексту виходить на новий рівень: він створює цілу інформаційну середу, у якій агент «мислить» і приймає рішення.

🔹 Що таке інжиніринг контексту?
Це дисципліна побудови, формування і доставки максимально повного, релевантного і багатого середовища для моделі — до того, як вона почне генерувати відповіді. Інакше кажучи, ми не просто питаємо, а готуємо «сцену» для якісної відповіді.

📊 Див. мал.: Інжиніринг контексту = сукупність промпта, памʼяті, інструментів, зовнішніх даних, стану агента, середовища й історії користувача

🔹 З чого складається контекст:
1️⃣ Системний промпт — хто агент, як поводиться, у якому тоні спілкується
2️⃣ Зовнішні дані — витягнуті документи, API‑результати, виходи інструментів
3️⃣ Памʼять — персональна історія, минулі взаємодії, цілі користувача
4️⃣ Оточення — час, місце, статус задач, активні агенти, навколишній стан

🔹 Як це працює?
Наприклад, агент формує діловий лист. Щоб відповісти грамотно, він:
• отримує інформацію з календаря (вільні слоти),
• витягує нотатки з попередньої зустрічі,
• розуміє тип відносин із адресатом,
• зʼясовує пріоритет теми,
• і тільки після цього формує відповідь.

Це вже не просто LLM, а контекстно‑усвідомлена система.

🔹 Навіщо це все?
Бо навіть найсучасніша модель дасть слабку відповідь, якщо не знає, де вона, хто користувач, яка мета, і що вже було зроблено. Інжиніринг контексту — це ключ до побудови агентів, які не просто відповідають, а діють усвідомлено.

🔄 Для цього застосовують:
• runtime-пайплайни обробки даних,
• auto-prompt tuning (наприклад, у Vertex AI),
• зворотний звʼязок і адаптацію на основі метрик.

Патерн Prompt Chains (див. пост 👆) дозволяє агенту мислити послідовно, а Context Engineering — розуміти ситуацію, у якій він мислить.
Це два наріжні камені сучасного агентного дизайну.
І саме тому я приділяєю їм окремі пости в серії.

✅ Якщо пост був корисним та чекаєшь продовження став 👍
🔔 ПІДПИСАТИСЯ

Щось не додався малюнок до попереднього поста, отож тримайте!

​Контроверсія навколо звіту Anthropic про AI-кібератаку ⚠️💻

Anthropic опублікувала звіт, у якому стверджує, що державні хакери Китаю використали їхню систему Claude Code для майже повністю автоматизованої кібератаки — нібито першої в історії. Однак незалежні дослідники поставили ці заяви під сумнів.

🔗 Читати блог-пост Anthropic

У вересні Anthropic виявила кампанію, де зловмисники, за їх словами, використовували Claude Code, обходячи обмеження шляхом рольової гри: прикидались співробітниками компанії безпеки, що «тестують власні мережі».
За версією Anthropic: Claude виконував 80–90% технічних дій, людина лише інколи підтверджувала кроки командами «yes, continue» або «are you sure?», атака охопила щонайменше 30 організацій, у кількох були викрадені чутливі дані.
Втім, компанія не назвала атакованих організацій, не пояснила, як виявила атаку і як встановила зв’язок із Китаєм. Китай заперечив причетність.

🤨 Причини для скепсису
Незалежні дослідники з Ars Technica, The Guardian та інших медіа вважають твердження Anthropic перебільшенням: сучасні AI-агенти не здатні автономно виконувати складні багатокрокові атаки без активного людського втручання. І хакери, і дослідники погоджуються: на практиці агенти працюють гірше за традиційні інструменти, які існують десятиліттями.
Хакери використовували також стандартні open-source інструменти, а не лише Claude Code — і проти них існують давно відомі засоби захисту.
Сам Anthropic визнає, що Claude Code часто галюцинував, «перебільшував знахідки» і «вигадував дані», що робить його непридатним для реальних хакерських операцій.

🔍 Контекст
AI уже активно застосовують у кіберзлочинності: для фішингу, генерації шкідливого коду, автоматизації розвідки. У серпні Anthropic попереджала про «vibe hacking» — коли люди без технічної експертизи використовують AI для злочинів. А в жовтні урядовий AI-царь США звинуватив Anthropic у «створенні страху для впливу на регулювання».

⚖️ Чому це важливо
Так, AI може пришвидшувати кібероперації — але поточний стан технологій не відповідає драматичним заявам про автономні супер-атаки. Дослідники не знаходять доказів, що агенти сьогодні небезпечніші за класичні хакерські інструменти.
Попри це, вивчення можливостей агентів — потрібне: і для атаки, і для захисту. Але поки що ризики суттєво перебільшені.

🧠 Висновок
AI-компанії часто гіперболізують вплив власних продуктів — інколи навіть у негативному ключі, щоб підкреслити «небезпеку» та отримати регуляторну увагу. Але хайп шкодить: він плутає суспільство і заважає тверезо оцінювати загрози.
На практиці AI сьогодні приносить більше користі в захисті, ніж у нападі — особливо в пошуку вразливостей і пришвидшенні патчів. Це зміщує баланс сил на користь захисників.

🔐 Безпечніші системи — результат раціонального, а не панічного підходу.
✅ Якщо пост був корисним та чекаєшь продовження став 👍
🔔 ПІДПИСАТИСЯ

​Kimi K2 Thinking: відкрита модель, яка змагається з топовими закритими AI 🧠⚙️

Moonshot AI представила нову модель Kimi K2 Thinking — і вона здивувала всіх. Хоч це відкритий AI з доступними вагами, він виконує складні “агентні” задачі (пошук, планування, код, багато кроків поспіль) майже на рівні GPT-5.

🆕 Що це за модель?
Це велика мовна модель на 1 трильйон параметрів, але з активними тільки 32 млрд під час роботи — такий собі “мозок з підсистемами”, які вмикаються лише коли треба.
Moonshot також зробив дешевшу і швидшу версію — Kimi K2 Thinking Turbo.

Модель може приймати величезні запити (до 256 000 токенів) і відповідати досить швидко.

🔧 Головна фішка: вміє думати і діяти по черзі
Більшість моделей думають → потім відповідають.
Kimi K2 Thinking робить інакше:

1) думає
2) викликає інструмент (пошук, код, калькулятор)
3) дивиться на результат
4) планує наступний крок
5) повторює це до 300 разів

Такий цикл дозволяє моделі краще вирішувати задачі в кілька кроків — наприклад, складні математичні задачі чи програмування.

Є навіть “важкий режим”, де модель запускає одразу 8 варіантів мислення і комбінує результати. Це дорожче, але точніше.

⚡️ Чому вона така швидка?
Модель тренували у форматі INT4 — це дуже низька точність чисел (4 біти).
Це дозволяє:

— зменшити розмір моделі майже вдвічі
— зробити роботу дешевшою
— запускати її на доступнішому залізі (важливо для Китаю, де топ-GPU недоступні)

📊 Результати
Kimi K2 Thinking стала однією з найкращих моделей у відкритому доступі.

Ось кілька показників:

— 3 місце у Agentic Index (оцінює багатокрокові задачі з інструментами) — майже рівень GPT-5
— Найвища точність у τ²-Bench Telecom (agentic tool use) — 93%
— На іспиті Humanity’s Last Exam з увімкненими інструментами — 44.9%, навіть вище за GPT-5 у high reasoning
— У задачах програмування: топ серед open-source моделей (Terminal-Bench Hard, SciCode, LiveCodeBench)

❗️ Але є нюанс
Щоб досягти такого рівня, модель генерує величезну кількість токенів — у 2–3 рази більше, ніж інші моделі.
Через це вона іноді дешевша за GPT-5, але дорожча за DeepSeek-V3.2.

💰 Вартість використання
Kimi K2 Thinking:
— $0.60 / млн вхідних токенів
— $2.50 / млн вихідних токенів

Turbo версія дорожча у вихідних токенах, але швидша.

Ваги доступні відкрито для комерційного і некомерційного використання (до 100 млн користувачів або $20 млн доходу на місяць).

🤔 Чому це важливо
Агентні моделі — це майбутнє: вони вміють не просто відповідати, а планувати, досліджувати, працювати з інструментами, робити проєкти від початку до кінця.
Kimi K2 Thinking показує, що відкриті моделі можуть бути майже такими ж сильними, як закриті рішення від Google, Anthropic чи OpenAI.

INT4-режим робить їх доступними для звичайного бізнесу або стартапу — навіть без надпотужних GPU.

🧠 Висновок
Kimi K2 Thinking показує, що моделі нового покоління стають “розумнішими” не тільки завдяки розміру, а й завдяки вмінню думати крок за кроком і використовувати інструменти.
Це робить їх корисними в наукових дослідженнях, програмуванні, веб-навiгації та навіть творчих задачах.

✅ Якщо пост був корисним та чекаєшь продовження став 👍
🔔 ПІДПИСАТИСЯ

​SSRL: Як навчити ШІ краще “шукати” у власній пам’яті 🔍🧠

Інколи великі мовні моделі вже знають правильну відповідь, але… не можуть її згадати.
Дослідники з Китаю та Великої Британії придумали спосіб, який змушує модель “пошукати” всередині власних ваг так само, як вона шукає в інтернеті.

🔗 Research paper (arXiv)

🆕 Що нового?
Метод називається SSRL — Self-Search Reinforcement Learning.
Ідея проста: навчити ШІ відповідати на питання так, ніби він робить пошуковий запит у Google — але без інтернету.
Модель сама вигадує запит, сама формує “знайдену інформацію” і сама на її основі відповідає.

Таке тренування робить її кращою як у внутрішньому пошуку, так і у реальному використанні Google.

💡 Чому це працює?
Дослідники помітили:
модель частіше знаходить правильну відповідь серед 1000 відповідей, ніж серед 10.
Тобто вона знає більше, ніж каже, — просто не завжди дістає це знання.

SSRL вчить її “витягувати” потрібну інформацію через багатокроковий цикл:
думка → запит → “знайдені дані” → наступна думка → відповідь.

⚙️ Як це працює технічно?
Модель генерує текст у спеціальному форматі:
think — міркування
search — створення запиту
information — згенерована відповідь на запит
answer — фінальний результат

Під час навчання:
— нагороджують за правильну відповідь і правильний формат
— ігнорують “знайдену інформацію” у втраті, щоб модель не запам’ятовувала власні помилки
— дозволяють моделі повторювати цикл багато разів, поки вона не знайде відповідь

📊 Результати
SSRL випробували на 6 тестах запитань-відповідей (Natural Questions, HotpotQA та інші).
Виявилося, що моделі з SSRL працюють краще, ніж ті, що користуються реальним пошуком.

Приклади:
— Llama-3.1-8B із SSRL: 43.1% точних відповідей
— ZeroSearch (модель + Google): 41.5%
— Search-R1 (тренована з Google): 40.4%

А якщо дати моделі з SSRL реальний доступ до Google, результат ще краще:
Qwen2.5-7B з SSRL: 30.2%
Qwen2.5-7B з SSRL + Google: 46.8%

📌 Чому це важливо?
Моделі, які тренуються “вдаючи пошук”, потім значно краще виконують справжні пошукові задачі.
Тобто власна пам’ять моделі може бути якісним симулятором веб-пошуку — дешевим і швидким.

🧠 Висновок
SSRL показує, що ШІ може вирішувати, коли потрібно шукати інформацію, а коли достатньо пригадати власні знання.
Це крок до більш автономних агентів, які самі планують, думають і знаходять відповіді навіть без доступу до інтернету.

✅ Якщо пост був корисним та чекаєшь продовження став 👍
🔔 ПІДПИСАТИСЯ

​🤖 Координація команд роботів: що таке RoboBallet

Трохи нескладної, але дуже цікавої iнфи на середу 🙂

На заводах роботизовані руки працюють у тісному просторі. Зазвичай їх рухи програмують вручну, щоб уникнути зіткнень. Дослідники з Google DeepMind, UCL та Intrinsic створили систему, яка навчилася робити це автоматично.

🔍 Що нового: представлено RoboBallet — графову нейромережу, що синхронізує рухи кількох роботів і запобігає їх зіткненням.

Ключова ідея:
Чим більше роботів та перешкод — тим вибуховіше зростає кількість можливих положень, які потрібно перевіряти. Класичні планувальники не справляються. Але графова нейромережа може навчитися координувати роботів, розуміючи взаємні зв'язки між ними, перешкодами та цілями.

🧠 Як це працює:
RoboBallet отримує на вході положення роботів, перешкод і цілей та прогнозує швидкості руху кожного суглоба, щоб робот досягнув потрібної точки без зіткнень.
Цiкаве вiдео як це працює https://www.youtube.com/watch?v=G6QxQDaUqqk&t=2s

Для навчання команда:
• згенерувала близько 1 млн симуляцій робочих зон
• використовувала по 4 або 8 роботів Franka Panda у кожній
• додавала 30 випадкових перешкод
• задавала 40 випадкових цілей

Усі роботи, перешкоди та цілі подаються як вузли графа. Зв’язки між ними описують відносні положення й орієнтації.

Мережу тренували з допомогою алгоритму підсиленого навчання TD3.
• кожні 100 мс мережа обирала рух для всіх роботів
• критик оцінював довгострокову користь дії
• винагороджували за досягнення цілей
• штрафували за зіткнення

Щоб пришвидшити навчання, застосували Hindsight Experience Replay, яке перетворює невдалі спроби на корисні приклади.

📈 Результати:
Система була протестована у реальному середовищі, використовуючи 3D-меші перешкод і точні позиції роботів.

• RoboBallet успішно планував рухи до 8 роботів одночасно
• час виконання задачі зменшився з 7.5 сек до 4.3 сек при збільшенні кількості роботів з 4 до 8
• у спрощених тестах система працювала на рівні найкращих вручну оптимізованих методів (8–11 сек)

🧩 Чому це важливо:
RoboBallet доводить, що модель може координувати багато роботів у реальному світі, навіть якщо пройшла навчання виключно в симуляції.
Вона також більш гнучка: якщо робот виходить з ладу, система на льоту перебудовує план, на відміну від жорстко закодованих алгоритмів.

Це може революціонізувати роботизоване виробництво, логістику, будівництво та автономні системи.

🔗 Деталі дослідження:
читати у журналі Science Robotics

🤔 Ми думаємо: графи — природна структура для робототехніки. Вони одразу містять відносини між об'єктами, тому моделі не потрібно вчитися з нуля розуміти ці зв’язки. Це робить навчання швидшим і ефективнішим.

✅ Якщо пост був корисним та чекаєшь продовження став 👍
🔔 ПІДПИСАТИСЯ

​⚡️ ChatGPT отримав Photoshop. Так, прямо всередині себе.

Одна з найгучніших інтеграцій року сталася тихо, але епохально.
У ChatGPT з’явився вбудований Photoshop, Adobe Express та Acrobat.
Тепер ви можете редагувати фото, створювати дизайн та працювати з PDF… просто словами.

🎨 Що тепер уміє ChatGPT
• Photoshop — ретуш, освітлення, видалення об’єктів, художні ефекти, обробка портретів, кадрування.
• Adobe Express — створення банерів, презентацій, листівок, обкладинок, контенту для соцмереж.
• Acrobat — редагування PDF, об’єднання кількох файлів, конвертація, зменшення ваги документів.

🎯 Інструменти Adobe (Photoshop, Express, Acrobat) автоматично активуються, коли ти робиш запит, який потребує саме цих можливостей.
Ти просто:
Завантажуєш фото / PDF у чат
Пишеш, що хочеш зробити
ChatGPT сам викликає відповідний Adobe-інструмент

🛠 Як "вручну" змусити GPT використовувати Photoshop
Якщо хочеш бути 100% впевненим, просто починай команду зі слів:
«Adobe Photoshop, …»
Наприклад:
«Adobe Photoshop, зроби фон більш розмитим».
«Adobe Photoshop, відретушуй шкіру, але без ефекту пластика».
«Adobe Photoshop, підвищ контраст і зроби кольори теплішими».
Це прямий виклик, який гарантовано активує саме Photoshop, а не інший модуль.

Усе працює через прості команди формату “зроби ось це”.

Перші оглядачі відзначають три речі:

1) Швидкість. Замість того, щоб відкривати програму, шукати інструмент і згадувати, де саме знаходиться потрібна кнопка — просто пишеш, що хочеш, і отримуєш результат.

2) Точність. ChatGPT добре розпізнає стиль правок і може повторити його у наступних редакціях. Якщо ви робите кілька фото в одному стилі — це особливо помітно.

3) Натуральність взаємодії. Не потрібно знати технічні терміни — достатньо сказати:
«зроби фото теплішим» або «прибери зайві деталі з фону»,
і модель сама підбирає інструменти.

🗣 Приклади команд, які вже працюють ідеально


"Підкресли очі та трохи вирівняй тон шкіри, але без ефекту пластика."
"Зроби фон більш кінематографічним і додай легкий контраст."
"Обріж фото до квадрату, а колір зроби теплішим, як у золотій годині."
"Створи обкладинку для презентації в стилі мінімалізму."
"Об’єднай ці три PDF та зменш розмір до 2 МБ."


Це ті запити, які медіа й ранні тестувальники називають “магічно простими”.

💡 Як працювати з цим максимально ефективно

1. Говоріть природно.
Не потрібно придумувати формулювання — пишіть так, як описали б іншій людині.

2. Пояснюйте стиль, а не інструмент.
Наприклад: «більш теплий, м’який портрет», «строгий корпоративний стиль», «креативний банер для соцмереж».

3. Використовуйте покрокові уточнення.
Напишіть: «додай трохи більше контрасту» або «зроби ефект слабшим» — GPT адаптує результат.

4. Комбінуйте кілька дій в одному запиті.
«Обріж фото, підвищ різкість і зроби фон розмитим.»

5. Зберігай стиль у серії фото.
Достатньо сказати: «застосуй ті ж правки, що й минулого разу» — і ChatGPT повторює почерк редагування.

Тепер творчі інструменти працюють так само просто, як спілкування.
Ви описуєте результат — а система сама обирає технічний шлях, заощаджуючи вам десятки хвилин на кожному завданні.

Оновлення вже називають одним із найбільш практичних за останні роки.
І це лише початок — Adobe обіцяє розширення можливостей прямо всередині ChatGPT.

✅ Якщо пост був корисним та чекаєшь продовження став 👍
🔔 ПІДПИСАТИСЯ

​Маскування приватних даних для мовних моделей 🤫

Великі мовні моделі часто ненавмисно запам’ятовують приватні дані з тренувального набору — навіть якщо вони зустрілись усього один раз (ім’я, адреса, номер телефону).
Команда Google представила першу open-weights модель, яка гарантовано не запам’ятовує унікальні приватні факти.

Google випустила VaultGemma, 1-мільярдну трансформер-модель, натреновану з нуля з використанням диференційної приватності (differential privacy).
Цей метод робить модель статистично нездатною відтворити будь-який унікальний приклад із датасету — навіть якщо його видалити.
Модель доступна з відкритими вагами (для комерційного й некомерційного використання з певними обмеженнями).

🧩 Що таке диференційна приватність?
Алгоритм вважається диференційно приватним, якщо:
— неможливо визначити, чи був у тренувальному наборі конкретний приклад.
У випадку нейронок це досягається тим, що:
— обмежують вплив кожного окремого прикладу на оновлення ваг (clipping),
— додають Gaussian-шум до градієнтів.
Результат: модель не може “витягнути” приватну інформацію зі своїх ваг чи з відповідей.

⚙️ Як працює VaultGemma
Модель побудована за архітектурою Gemma 2 (1B) й натренована на тому ж наборі — 13 трильйонів токенів (веб, код, наука), але під час кожного кроку навчання:
— кліпували кожен градієнт, щоб він не міг сильно вплинути на ваги,
— усереднювали градієнти в батчі,
— додавали шум, щоб замаскувати внесок унікальних прикладів.
Таким чином ваги стають статистично невідрізними від ваг моделі, тренованої без будь-якого конкретного прикладу.

📊 Результати
🛡 Zero memorization
У тесті на 1 млн прикладів VaultGemma відтворила 0% елементів тренувального набору.
Для порівняння:
— Gemma 3 (1B): 0.0005%
— Gemma 2 (2B): 0.04%
— Gemma 1 (2B): 1%

🧠 Продуктивність
Працює на рівні моделей 2019–2020 років:
HellaSwag:
— VaultGemma — 39%
— GPT-2 (1.5B) — 48%
— Gemma 3 (1B) — 61%
TriviaQA:
— VaultGemma — 11%
— GPT-2 — 6%
— Gemma 3 — 40%

⚠️ Важливе уточнення
VaultGemma захищає тільки унікальні приклади.
Якщо якась приватна інформація зустрічається багато разів (наприклад, витік адреси знаменитості), модель може її засвоїти — бо це вже статистичний патерн.

🧭 Чому це важливо
LLM навчаються на гігантських датасетах, де завжди є ризик випадкового потрапляння приватних даних.
VaultGemma показує, що:
— можна створювати відкриті мовні моделі, які не зберігають приватні факти в принципі.
Так, ціна — невелике падіння якості, але це перший великий крок до безпечних LLM для медицини, юриспруденції, банківських даних, держсектору.

🧠 Висновок
Іноді найрозумніша модель — та, що не пам’ятає нічого зайвого.
VaultGemma — це про те, як зробити AI безпечнішим, навіть якщо доведеться трохи пожертвувати продуктивністю.

✅ Якщо пост був корисним та чекаєшь продовження став 👍
🔔 ПІДПИСАТИСЯ

​🔥 Meta відкрила потужний конструктор для створення 3D-обʼєктів з фото

Друзі, після останнього обстрілу ми вже третю добу без світла в місті, і поки незрозуміло, коли все полагодять. Тому цього тижня постів буде менше. Але сьогодні маю для вас справді цікаву новину 👇

Тепер можна взяти звичайну картинку і перетворити її на 3D-модель. Без студій, дорогих сканерів і спеціалістів з графіки.
Спробуй поексперементувати

Meta представила нову лінійку моделей SAM 3, SAM 3D та SAM 3D Body. Це вже не просто інструменти для сегментації, а повноцінний відкритий конвеєр для створення 3D-контенту.

🧩 SAM 3: розуміє, що саме на фото

Модель вміє:
• виділяти обʼєкти на фото та відео
• працювати за текстовими підказками
• реагувати на точки, рамки та інші прості підказки

У тестах SAM 3 випередила більшість конкурентів.

Де це корисно: маркетплейси, каталоги товарів, дизайн інтерʼєрів, документообіг.

🧱 SAM 3D: створює 3D-обʼєкти з фото

На вхід можна дати:
• фото
• маски обʼєктів від SAM 3
• хмару точок (за бажанням)

На виході отримуємо 3D-модель у вигляді сітки або Gaussian Splat.

У тестах приблизно 80% людей обирали результати SAM 3D як найкращі.

Навіщо це бізнесу:
• каталог меблів з переглядом у власному інтерʼєрі
• 3D-моделі для реклами
• візуалізація товарів без фотостудій
• AR-примірки

🧍 SAM 3D Body: 3D-фігури людей з одного фото

Модель створює повноцінну 3D-фігуру людини, може уточнювати руки та пози.
У тестах SAM 3D Body показала найкращу точність серед конкурентів.

Застосування: фітнес-додатки, мода, віртуальні примірочні, ігри, анімація.

🟦 Важливо

Усі моделі доступні з відкритими вагами та можуть використовуватися у комерційних продуктах (крім країн під санкціями).
Це означає, що будь-яка компанія або стартап може додати 3D-генерацію у свої сервіси без ліцензійних платежів.

🚀 Чому це важливо

Створення 3D-контенту стає таким же простим, як редагування фото.
Meta використовує підхід, коли модель шукає свої слабкі місця, люди позначають складні приклади, і ШІ навчається на цих даних. Це різко прискорює розвиток моделей.

3D-контент поступово стає звичним елементом цифрових продуктів.

✅ Якщо пост був корисним та чекаєшь продовження став 👍
🔔 ПІДПИСАТИСЯ

​Waymo запускає повністю автономні таксі на автострадах США 🚗🛣🤖

Waymo стала першою компанією у США, яка офіційно запустила безпілотні таксі на автострадах — без водія, без оператора, повністю автономно.

джерело

🆕 Що сталося
Автономні Waymo тепер обслуговують платних клієнтів у Сан-Франциско, Лос-Анджелесі та Фініксі. Якщо користувач увімкнув опцію «freeway» у застосунку, а маршрут справді стає швидшим, Waymo везе клієнта трасами зі швидкістю до 65 миль/год.

У регіоні Bay Area автомобілі курсують на ділянках автострад площею понад 260 квадратних миль між Сан-Франциско і Сан-Хосе. Час поїздок скорочується до 50%.

⚙️ Як це працює
— Waymo тестувала систему мільйонами миль на дорогах, полігонах і в симуляторах.
— Компанія згенерувала величезний обсяг синтетичних сценаріїв: аварії, нетипові маневри, відмови систем, складні переходи між вулицями й автострадами.
— Модель тренували на змінних поведінки інших учасників руху, погоди, трафіку.
— Особливий акцент — психологічна безпека пасажирів. На швидкості 65 mph люди гостріше відчувають відсутність контролю, тому Waymo оптимізує плавність руху й реакції.
— Разом із California Highway Patrol компанія створила протоколи для автономного руху на автострадах.
— У березні 2024 регулятор штату офіційно дозволив Waymo працювати на трасах і розширювати парк 24/7.

📜 Трохи історії
Waymo — нащадок автомобіля Stanford Racing Team, який змагався у DARPA Grand Challenge серед 2000-х.
У 2009 Google перетворила проєкт на Google Self-Driving Car, а у 2016 виділила його як окрему компанію Waymo.
Сьогодні Waymo працює у Атланті, Остіні, Лос-Анджелесі, Фініксі та Сан-Франциско, і планує запуск у Далласі, Денвері, Детройті, Лас-Вегасі, Маямі, Нешвіллі, Сан-Дієго, Сіетлі, а також Лондоні й Токіо.

🚧 Без інцидентів не обходиться
— У 2024–2025 NHTSA започаткувала кілька розслідувань щодо Waymo.
— У вересні один автомобіль збив домашнього кота.
— Водночас компанія заявляє про вражаючі показники безпеки: на 91% менше аварій з травмами та на 92% менше наїздів на пішоходів у порівнянні з людьми-водіями на тих самих маршрутах.

📌 Чому це важливо
Рух автострадами — критичний елемент повністю автономного транспорту. Це складніша задача, ніж рух по місту:
— швидкість вища,
— реакції мають бути миттєвими,
— планування маршруту — значно дальнє,
— ситуації змінюються швидше й менш передбачувано.

Отримання державного дозволу означає, що регулятори вважають користь автономних автомобілів більшою за потенційні ризики. Це величезний прорив технологічно, юридично і соціально.

А масштабні плани Waymo натякають: це лише початок нової ери.

🧠 Висновок
У DARPA Challenge всі вірили, що автономні авто — вже «ось-ось». Знадобилось майже 20 років, але сьогодні запитання звучить не «чи стануть вони масовими», а коли саме.
Waymo — зробила великий крок до цієї відповіді.

✅ Якщо пост був корисним та чекаєшь продовження став 👍
🔔 ПІДПИСАТИСЯ

​З Новим 2026 роком, друзі 🎄

Дякую, що залишаєтесь тут, читаєте, думаєте й ставите правильні запитання. Хочу почати цей рік не з гучних прогнозів і не з хайпу, а зі спокійної розмови — про AI, AGI і наші очікування.

Останнім часом усе частіше можна почути, що AGI «вже майже тут». Але щоразу в мене виникає просте запитання: а що саме ми називаємо AGI — і як взагалі зрозуміти, що його досягнуто?

У масовому уявленні все виглядає досить просто. AGI — це система, яка може працювати приблизно так само, як людина: навчатися, розбиратися в нових задачах, виконувати реальну інтелектуальну роботу, а не лише відповідати на окремі запитання. Якщо приймати таке визначення серйозно, то й перевіряти AGI логічно не абстрактними тестами, а чимось максимально наближеним до реального життя.

Наприклад, можна уявити такий формат перевірки. Є суб’єкт тестування — це може бути людина або AI-система. Йому дають звичайний комп’ютер: інтернет, браузер, робочі сервіси, Zoom. Далі створюється сценарій на кілька днів: навчання новій ролі, виконання завдань, зворотний зв’язок, корекція помилок. Фактично — симуляція віддаленої роботи, без магії та спецефектів.

І тоді критерій стає дуже приземленим і зрозумілим: чи може система виконувати цю роботу на рівні нормального, кваліфікованого спеціаліста? Не ідеально. Не «геніально». А стабільно й адекватно.

Мені здається, що такий підхід чесніший за те, до чого ми звикли. Класичний тест Тюрінга давно показав свої обмеження — він більше про імітацію людини, ніж про інтелект. Сучасні бенчмарки теж корисні, але вони вимірюють окремі навички й майже неминуче стають об’єктом оптимізації. Модель можна добре «натренувати на тест», не зробивши її по-справжньому універсальною.

А от тривалий, відкритий робочий сценарій — без наперед відомих завдань — значно ближчий до реального життя. У такому форматі швидко стає видно, де є розуміння, адаптація й здоровий глузд, а де — лише добре відпрацьовані шаблони.

Чому мені взагалі важливо про це говорити? Тому що слово «AGI» за останній рік стало надто розмитим. Його використовують як маркетинговий прапор, як аргумент у презентаціях і навіть як привід для паніки. Це впливає і на вибір професій, і на інвестиційні рішення, і на загальне відчуття майбутнього — часто не в найкращий бік.

Можливо, нам усім було б корисно мати більш приземлені, робочі орієнтири. Навіть якщо вони покажуть, що до AGI ще далеко — це нормально. Це зменшить рівень шуму, зніме зайві ілюзії й дозволить зосередитися на реальному прогресі, який уже відбувається й справді має цінність.

AGI — якщо він колись з’явиться — буде не пресрелізом і не красивим слайдом у презентації. Це буде момент, коли система зможе просто взяти й працювати поруч із людиною, на рівних. А до того, думаю, нам варто бути чеснішими з собою й одне з одним.

І наостанок — хочу побажати вам у 2026 році здорового глузду, спокійної цікавості та внутрішньої опори. Менше страху перед майбутнім, більше розуміння того, що відбувається навколо, і більше рішень, прийнятих не з паніки, а з ясної голови.
З Новим роком.

Нехай у 2026-му буде менше хайпу й більше сенсу ✨

🔔 ПІДПИСАТИСЯ

​За останній рік ми тут не раз поверталися до теми open source в AI. З часом стало очевидно: це вже давно не просто технічний вибір. Це вибір архітектури майбутнього.

У 90-х здавалося, що світ програмного забезпечення остаточно поділений. Є великі компанії, є закриті системи, є усталені правила гри. А потім з’явився open source. Linux, Apache, Eclipse — не як продукти, а як ідея. І ця ідея тихо, без гучних заяв і пафосу, повністю переформатувала інтернет.

Сьогодні ми стоїмо в дуже схожій точці. Тільки замість операційних систем — штучний інтелект. І знову виникає спокуса «володіти майбутнім»: сховати його за API, красиво назвати відкритим, але не показати, на чому він навчався, як саме працює і що з ним насправді дозволено робити. Формально — open. Фактично — ні.
Це нагадує стару історію з Windows, який колись масово роздавали безкоштовно в країнах, що розвивалися. Не з альтруїзму, а для того, щоб у Linux просто не залишилося шансу. Тоді це спрацювало частково. Сьогодні ті самі патерни знову з нами — але ставка значно вища.

Бо питання вже не в зручності чи ціні. Питання в тому, хто формує мислення машин, які дедалі більше впливають на наше життя. Якщо AI належить одній компанії, він неминуче відображає її цінності, її обмеження й її страхи. Якщо ж він справді відкритий, у нього з’являється колективна памʼять і колективна відповідальність.

Відкрита розробка часто здається повільною, складною, інколи навіть хаотичною. Але саме вона зменшує залежність від одного вендора, дозволяє глибоку кастомізацію і — що особливо важливо — прибирає відчуття магії. Ти розумієш причини, а не просто віриш у результат. Ти знаєш, звідки взялася модель.
Особливо гостро це відчувається на тлі геополітики. Світ більше не довіряє світу. США не довіряють моделям з Китаю. Китай — моделям із США. Європа дивиться на обох із підозрою. І це не параноя: модель справді можна «отруїти» даними, змістити акценти, непомітно підмінити реальність. Єдиний реальний антидот тут — прозорість. Коли видно, чим і як навчали систему.

У цьому сенсі особливо цікаво спостерігати за «нудними» компаніями. Наприклад, IBM. Вони не створюють хайпу і не обіцяють революцію щотижня. Вони просто публікують, як саме зроблені їхні моделі й на яких даних. І раптом виявляється, що «нудність» — це не вада, а стабільність. А стабільність — це фундамент.
Є в цьому красива іронія: саме на міцному, трохи нудному фундаменті можна дозволити собі бути дивним, експериментальним і сміливим — і не боятися, що все розвалиться.

Можливо, здоровий розвиток AI виглядатиме саме так.
Не як гонка за контролем.
А як спільна робота над чимось більшим за одну компанію.

Open source вже одного разу змінив світ.
Було б дивно, якби цього разу він раптом програв.

✅ Якщо пост був корисним та чекаєшь продовження став 👍
🔔 ПІДПИСАТИСЯ

​Нещодавно я прочитав пост Adji Bousso Dieng, засновниці дослідницької лабораторії Vertaix. І зловив себе на думці, що вона дуже точно сформулювала те, що давно крутиться в голові, але ніяк не складалося в цілісну картину. Хочу поділитися цими роздумами з вами - бо, здається, вони описують один із ключових зламів, до якого зараз підходить AI.

Її головна ідея дуже проста, але водночас радикальна: у 2026 році штучний інтелект має перестати бути просто інструментом для підвищення ефективності й нарешті стати інструментом відкриттів. Не швидше відповідати, не краще оптимізувати, а допомагати знаходити те, чого ми ще не знаємо.

Якщо подивитися назад, стає зрозуміло, чому з цим є проблема. Останні десять років deep learning жив у парадигмі інтерполяції. Ми будували моделі, які фантастично добре відтворюють розподіл даних, на яких вони навчені. Саме тому AI так успішний у чатах, код-асистентах, генерації текстів: запит фактично зводиться до пошуку знайомих статистичних патернів у вже відомому просторі.

Навіть гучні наукові прориви - на кшталт AlphaFold - насправді добре вкладаються в цю логіку. Це все ще задачі, які можна сформулювати як supervised learning. І саме тут починає проявлятися межа підходу.

Adji звертає увагу на те, що такі моделі майже завжди «провалюються» на найрідкісніших випадках - у так званих хвостах розподілу. У роботі з Vendiscope, інструментом для аналізу датасетів, вони побачили, що навіть AlphaFold має серйозні труднощі з передбаченням структур рідкісних білків. А якщо вийти за межі цього прикладу й подивитися на більш амбітні задачі - створення білків de novo чи пошук нових матеріалів для уловлювання CO₂, - стає зрозуміло: це взагалі не про навчання з учителем. Це задачі відкриття.

І тут важливий момент, який мені особливо відгукнувся. У таких задачах «центр» розподілу часто нецікавий з наукової точки зору. Він просто повторює те, що ми вже знаємо. Справжня цінність - у рідкісному, у несподіваному, у тому, що ще не траплялося. Але саме туди сучасні моделі дивляться найменше.

Тому ідея переходу від інтерполяції до відкриття виглядає настільки важливою. Мова йде про методи, які вміють працювати з хвостами розподілу й навіть знаходити щось осмислене поза межами знайомих даних. Фактично - про пошук того, що природа дозволяє, але чого ми ще не бачили.

Звідси випливає ще один сильний висновок: якщо ми хочемо відкриттів, нам потрібно змінювати самі цілі оптимізації. Максимізація точності й імовірності майже автоматично тягне модель назад - до домінантних модів розподілу. Для науки цього недостатньо.

Adji пропонує дивитися на різноманіття не як на абстрактну соціальну ідею, а як на повноцінну математичну ціль. У Vertaix вони пішли цим шляхом, розробивши Vendi Score. І в задачах пошуку нових матеріалів це дало несподіваний ефект: вдалося знайти стабільні, енергоефективні MOF-структури, які класичні методи просто пропускали, бо не вміли ефективно досліджувати простір із трильйонами можливих варіантів.

Мабуть, найсильніша думка тут у тому, що різноманіття не має бути допоміжною метрикою «на потім». Воно може стати основним математичним двигуном відкриттів. І якщо цей зсув відбудеться, AI перестане бути лише імітатором людських знань - і почне реально допомагати їх розширювати.

✅ Якщо пост був корисним та чекаєшь продовження став 👍
🔔 ПІДПИСАТИСЯ

​Останнім часом усе частіше ловлю себе на думці, що дискусія про AI в освіті пішла не туди. Ми багато говоримо про заборони, порушення правил — але майже не говоримо про довіру, про сенс оцінювання і про те, що саме ми намагаємося перевірити. Саме з цієї точки зору мені дуже відгукнувся текст Juan M. Lavista Ferres з Microsoft — він чітко сформулював те напруження, яке сьогодні відчуває система освіти, але не завжди визнає вголос.
Далі — роздуми, які, на мій погляд, добре описують, куди ми реально рухаємось у світі генеративного AI.

Трохи більше ніж три роки тому з’явився ChatGPT — і освіта вже ніколи не стала такою, як раніше. Для студентів це був прорив: можливість за секунди отримувати зв’язний, переконливий текст, допомогу з формулюваннями, поясненнями, прикладами. Для викладачів — новий тип виклику, до якого система виявилася не готовою.

Першою реакцією було самозаспокоєння. З’явилася зручна історія: якщо AI може писати тексти, значить ми просто навчимося їх детектити. Були дослідження, які показували майже ідеальну точність у лабораторних умовах. Ідея виглядала привабливою: нічого не треба міняти — ті самі завдання, ті самі есе, ті самі правила. Просто додаємо детектор.

Але, як швидко стало зрозуміло, це була ілюзія.

У реальному світі студенти не здають «сирий» текст від моделі. Щойно з’являється детектор, з’являється й мотивація його обійти. А обійти його нескладно: трохи переписати абзац, змінити довжину речень, поміняти місцями частини тексту, додати особисту деталь, перекласти й перекласти назад. Або скористатися одним із десятків інструментів, які спеціально «олюднюють» AI-текст.

І тут проявляється структурна проблема: якщо ти можеш побудувати систему, яка детектить AI-текст, ти автоматично можеш побудувати систему, яка навчається цей детектор ламати. У момент, коли детектор стає масовим, з’являється ринок його обходу — і студенти дуже швидко вчаться цим користуватися.
Але найгірше навіть не це. Найгірше — втрата довіри.

Коли викладачі починають покладатися на скоринги детекторів, а студенти — на інструменти обходу, система переходить у режим підозри й розборів. Починаються звинувачення, апеляції, рішення з високими ставками без надійних доказів. І найчастіше страждають не ті, хто найбільше зловживає, а ті, хто пише «не так»: не носії мови, або студенти, яких навчили певному академічному стилю. А ті, хто справді налаштований на обхід, адаптуються найшвидше.

На цьому тлі важливо не втратити головне: генеративний AI може реально покращувати навчання. Він може допомагати тренуватися, давати зворотний зв’язок, пояснювати матеріал, працювати як персональний тьютор, перекладати контент рідною мовою студента. Потенціал тут величезний.

Але є й неприємний висновок, який доведеться прийняти: класичне домашнє есе як універсальний доказ самостійного авторства більше не працює. Перевіряти «хто писав текст» лише за текстом у масштабі — неможливо. Тому університетам і школам варто виходити з реальності, а не з бажаного: студенти будуть користуватися генеративним AI.

І тоді питання змінюється. Не «як це заборонити», а як оцінювати знання в умовах, де AI — це норма.

Тут з’являються більш здорові підходи: живі демонстрації розуміння — усні захисти, очні іспити, презентації, пояснення рішень, walkthrough проєктів. Навчання AI-грамотності — з перевіркою джерел, цитуванням, розумінням упереджень і відповідальним використанням. І, нарешті, проєктування завдань не «проти AI», а з урахуванням AI, де оцінюється не факт використання інструменту, а судження, логіка й здатність застосовувати знання.

Джин уже випущений із пляшки. Повернути його назад неможливо. Наше завдання тепер — побудувати правила й практики, які зроблять освіту більш ефективною і більш довірливою в тому світі, в якому ми реально живемо, а не в тому, який хотіли б зберегти.

​Ми захоплюємося точністю, бенчмарками, прогнозами - і майже не питаємо, чи здатна система реально діяти в світі, а не просто відповідати. Цю різницю дуже чітко окреслив Tanmay Gupta у своєму есе From Prediction to Action.

Ми справді зробили гігантський крок уперед. За останні десять років AI навчився фантастично добре виконувати те, що можна назвати «пасивним інтелектом»: знаходити об’єкти на зображеннях, будувати маски сегментації, розпізнавати мовлення, генерувати тексти, картинки й код. Це виглядає як інтелект - і часто саме так і сприймається.
Але тут є пастка.

Усі ці задачі — це, по суті, проксі. Вони створюють ілюзію корисності, але самі по собі рідко є кінцевою метою. Реальний світ не зупиняється на одному прогнозі. У ньому важливі не окремі відповіді, а послідовності дій у динамічному середовищі, де кожен крок змінює контекст для наступного.
Світова економіка не живе prediction’ами.
Вона живе рішеннями.

Добрий приклад — еволюція AI в програмуванні. Колись автодоповнення рядка коду здавалося магією. Сьогодні ж агент отримує високорівневу задачу, досліджує кодову базу, запускає тести, знаходить помилки й повертає готове рішення. Різниця не в якості генерації — різниця в тому, що система рухається до цілі, а не просто реагує на запит.

І саме такого переходу — від prediction до action — не вистачає багатьом іншим доменам.

Комп’ютерний зір сам по собі нічого не вирішує, якщо він не вбудований у систему, яка керує процесами чи роботами. Розпізнавання мовлення не має цінності без архітектури, здатної зрозуміти намір і виконати його через інструменти. Генерація зображень і відео стає по-справжньому цікавою лише тоді, коли вона частина довготривалого workflow — створення навчального курсу, документації чи складного візуального наративу.

І тут починає проявлятися головне обмеження сучасних моделей.
На коротких задачах вони виглядають майже бездоганно.
А на довгих — «ламаються».

Стає видно, що їм бракує стійкої пам’яті, здатності утримувати ціль у часі, працювати з невизначеністю, адаптуватися до зворотного зв’язку, навчатися на ходу. Усе це майже не вимірюється класичними бенчмарками — але саме це визначає, чи здатна система бути корисною у реальному світі.

Є ще один важливий момент, який мені здається принциповим. Коли дослідження фокусуються на кінцевих задачах, а не на проксі-метриках, багато речей раптово стають непотрібними. Показовий приклад із semantic parsing у NLP: роками вважалося, що без нього неможливе справжнє розуміння мови. А сучасні LLM-и просто обійшли цю парадигму, вирішивши кінцеву задачу напряму.

Можливо, ми ще не раз озирнемося назад і скажемо те саме про частину нинішніх «обов’язкових» метрик і задач.
Реальні задачі — цифрові чи фізичні — розгортаються не за секунди, а за місяці й роки. Люди вміють збирати розрізнену інформацію в цілісну картину світу й рухатися до складних цілей, коригуючи шлях. І саме спроба відтворити цю здатність — а не просто покращити ще один бенчмарк — виглядає наступним справжнім викликом для AI.

Мій особистий висновок простий.
Prediction був необхідним етапом. Без нього не було б нічого з того, що ми маємо зараз. Але якщо AI й далі залишатиметься лише генератором відповідей, він так і не стане системою, якій можна довіряти реальні дії.

Наступний великий крок — це не «ще точніше». Це «ще цілеспрямованіше».

І, здається, саме тут починається справжній інтелект.

✅ Якщо пост був цiкавим став 👍
🔔 ПІДПИСАТИСЯ

​Останнім часом усе частіше з’являються роботи, які показують: reasoning - це не просто «фіча для чат-ботів». Це щось значно глибше. Нещодавній реліз від NVIDIA добре це ілюструє - і, чесно кажучи, виглядає як ще один важливий крок у бік «мислячих» автономних систем.

Йдеться про Alpamayo-R1 - vision-language-action модель для автономного водіння, яка не просто прогнозує траєкторію автомобіля, а намагається пояснити, чому вона робить саме такий вибір.

Ідея тут проста, але наслідки - далеко не прості. Замість того щоб одразу переходити від відео до дії, модель спочатку формує ланцюжок міркувань: що вона бачить, що вважає важливим, які варіанти дій можливі - і лише після цього вирішує, куди і як рухатися далі.

На вході - дві секунди відео з чотирьох камер, історія положення й орієнтації авто та, за потреби, текстові команди. На виході - текст міркувань і прогноз траєкторії на 6,4 секунди вперед. І все це працює з затримкою менше 100 мс на RTX Pro 6000 (Blackwell), тобто не в теорії, а в режимі, близькому до реального часу.

З технічного боку це великий трансформер: окремий encoder для сприйняття (8,2 млрд параметрів) і decoder для генерації дій (2,3 млрд). Але цікавіше не «скільки параметрів», а як вони навчені.

Alpamayo-R1 складається з двох ключових частин. Перша - Cosmos-Reason1, vision-language модель, яка вміє описувати дії та причини цих дій. Друга - дифузійний трансформер, який генерує майбутню траєкторію руху. Спочатку система формує міркування («пішохід на переході», «попереду злиття смуг», «треба знизити швидкість»), а вже потім на їх основі прогнозує рух.

Навчання теж багатоступеневе. Спочатку модель тренували на різних доменах - від автономного водіння до логістики, медицини й виробництва. Потім - на величезному масиві даних: 80 тисяч годин відео й траєкторій руху, доповнених людськими або машинними поясненнями рішень. Причому ці пояснення містили не лише самі дії (зупинитися, прискоритися, перебудуватися), а й причини - і їх могло бути кілька для одного кадру.

На фінальному етапі додали reinforcement learning, щоб узгодити міркування й дії. Систему винагороджували не лише за правильну траєкторію, а й за те, наскільки її reasoning:
- узгоджується з «еталонними» міркуваннями,
- логічно відповідає виконаним діям,
- приводить до безпечної, плавної поведінки без зіткнень.

Результат виглядає показово. У симуляції, якщо порівнювати модель із reasoning та без нього, кількість «небезпечних зближень» з іншими авто зменшилася з 17% до 11%. Деталі дистанцій не розкривають, але сам тренд цікавий: міркування реально впливають на поведінку.

І тут, на мій погляд, ключове не навіть у цифрах. А в тому, що така система стає значно більш інтерпретованою. Якщо щось пішло не так, інженер може подивитися не лише на траєкторію, а й на ланцюжок рішень, який до неї привів. Зрозуміти, де модель помилилася в сприйнятті, де - в логіці, і що саме треба виправляти в навчанні або інференсі.

За останній рік reasoning-моделі вже обігнали свої «неміркуючі» аналоги в математиці, науці, кодингу, візуальному розумінні й робототехніці. Схоже, автономне водіння - наступна область, де chain-of-thought перестає бути експериментом і починає ставати інженерною практикою.

Мені здається, ми поступово виходимо з епохи «чорних ящиків», які просто видають дію. Наступний рівень - це системи, які можуть пояснити, чому вони так вирішили. І для безпеки, і для розвитку автономних систем це може виявитися важливішим, ніж ще кілька відсотків точності.

✅ Якщо пост був цiкавим став 👍
🔔 ПІДПИСАТИСЯ

​Читаючи про застосування AI в біології та медицині, я все частіше ловлю себе на відчутті, що ми намагаємося дивитися на надзвичайно складну реальність крізь надто прості окуляри. Про це дуже влучно написав Pengtao Xie у тексті про мультимодальні моделі для біомедицини.

Біологія ніколи не була «одновимірною». Те, що відбувається на рівні молекул, пов’язане зі станом клітин. Стан клітин впливає на тканини. Тканини — на роботу органів. А все це разом проявляється в симптомах конкретної людини та її клінічній історії. Ми звикли вивчати ці рівні окремо - аналізувати послідовності, дивитися на зображення, читати медичні записи. Але реальний сенс з’являється лише тоді, коли між цими шматками виникає зв’язок.
Сучасні AI-моделі формально вже вміють працювати з усіма цими типами даних. Вони можуть читати тексти, аналізувати знімки, обробляти часові ряди. Але дуже часто це виглядає як набір окремих інструментів, складених поруч. Кожен із них щось «розуміє», але разом вони не складаються в цілісну картину.

І тут виникає ключова проблема: скласти дані разом - не означає поєднати сенс. Якщо модель не розуміє, як інформація з одного рівня пов’язана з іншим, вона легко втрачає біологічний контекст. Саме тому результати часто виглядають крихкими або важко пояснюваними.

Звідси випливає ідея, яка мені здається центральною. Нам потрібні системи, які вміють не просто «дивитися» на різні джерела інформації, а пов’язувати їх так, як це робить сама біологія. Коли знання про молекулу має логічний місток до клітинного стану. Коли зміни на зображенні тканини можна співвіднести з конкретними механізмами. Коли клінічні рішення не висять у повітрі, а спираються на зрозумілий ланцюг причин.

У медицині це особливо критично через ще одну річ - довіру. Передбачення без пояснення тут майже нічого не варте. Лікарю чи досліднику потрібно розуміти, чому система дійшла саме такого висновку, на що вона спиралася і як це узгоджується з відомою наукою. Інакше модель залишається чорним ящиком, навіть якщо її точність виглядає високою.

Є й практичні обмеження, які не можна ігнорувати. Даних часто мало, вони різні між лікарнями та країнами, постійно змінюються умови. Тому системи мають уміти адаптуватися, працювати з невизначеністю і не ламатися щоразу, коли середовище трохи змінюється.

І, нарешті, важливий критерій успіху: не цифри в таблицях. Якщо AI не допомагає формувати гіпотези, планувати експерименти або підтримувати реальні клінічні рішення, він залишається красивою демонстрацією. Майбутнє тут, швидше за все, за інтерактивними інструментами - коли людина не просто отримує відповідь, а досліджує проблему разом із системою.

Якщо мультимодальні моделі справді стануть науково обґрунтованими, прозорими й практично корисними, вони можуть перетворитися з чергового інструмента аналізу на повноцінного партнера в біомедичних відкриттях. А в цій сфері ціна помилки й цінність довіри значно вищі, ніж у будь-якому іншому домені.

Важливо, що це стосується не лише біомедицини: там, де реальність багаторівнева й наслідки рішень високі - у транспорті, безпеці, фінансах, кліматі чи освіті - системи, які не вміють поєднувати різні сигнали в осмислену картину й пояснювати свої висновки, дуже швидко перестають бути корисними.

✅ Якщо пост був корисним став 👍
🔔 ПІДПИСАТИСЯ

​Вчора вийшов GPT-5.3 Codex, і хочу поділитися тим, чого від нього очікую і що наразі відомо.

Я досить багато працював із GPT-5.2 Codex у реальних інженерних задачах. Він був справді сильний у точкових речах: знайти баг, акуратно щось підправити, розв’язати добре окреслену проблему. Але коли задача вимагала довго тримати великий контекст кодової бази або продумувати складнішу архітектуру, модель інколи починала топтатися на місці. У таких сценаріях, за моїми відчуттями, Claude Code частіше поводився впевненіше.

При цьому я не раз стикався коли модель довго не може знайти корінь проблеми, ходить колами, пропонує напіврішення. А потім виходить нова версія - і та сама задача раптом розв’язується швидко, майже за одну ітерацію. Саме так було, коли вийшла GPT-5.2 Codex. Для мене це значно переконливіше за будь-які таблиці з відсотками. Тому очікую, що з 5.3 може бути схожа історія. Щоправда, поки модель недоступна через API, і це важливе обмеження.

Окремо мене зачепила ще одна обіцяна зміна з презентації - інтерактивність під час виконання. У реальній роботі це болить постійно: ти вже на середині бачиш, що модель пішла не туди. Наприклад, підхопила бібліотеку не з того кореневого каталогу або неправильно зрозуміла структуру проєкту. І ти точно знаєш, як її поправити - буквально однією фразою. Але зараз часто доводиться або чекати фіналу, або жорстко переривати процес і запускати все знову. Якщо в 5.3 це справді стане керованим процесом, без перезапусків, це виглядає дуже потужно.

Є ще одна цікава деталь. OpenAI прямо говорять, що Codex уже використовувався для тренування, тестування й деплою власних компонентів. Це звучить фантастично, але якщо такі інструменти справді стають частиною самого інженерного циклу, розвиток може піти значно швидше. До цього додаються й більш приземлені речі: швидкість, економніша робота з токенами та інші інженерні покращення.

Якщо підсумувати, GPT-5.3 Codex не виглядає «магічною революцією». Але він дуже схожий на черговий важливий зсув у бік більш живої, керованої й осмисленої взаємодії з кодинговими агентами. А відсутність API поки що лишається серйозним фактором, про який не варто забувати.

Цікаво дізнатися, якими інструментами користуєтесь ви і що саме вас не влаштовувало в GPT-5.2 Codex.

✅ Якщо пост був корисним став 👍
🔔 ПІДПИСАТИСЯ

Сьогодні я хочу поговорити не про штучний інтелект, а про криптовалюту. Це трохи виходить за звичну тему каналу, але, здається, логічно вкладається в нашу ширшу розмову про технології, владу і те, як вони взаємодіють у реальному світі.

Криптовалютами я цікавлюся давно. Ще у 2014 році розбирався, як працює блокчейн, пробував майнити на ноутбуці - радше як технічний експеримент. У 2018 році вів невеликий Telegram-канал про криптотехнології, пізніше на YouTube більше говорив про програмування, але блокчейн теж кілька разів з’являвся. Я інвестував, у мене навіть була невелика майнінг-ферма Ethereum у 2018-му. Але головний інтерес для мене завжди був не в спекуляції.

Мене цікавив блокчейн як технологія: децентралізована, розподілена база даних, де довіра будується навколо правил і консенсусу, а не навколо одного центру. Криптовалюта - лише один із проявів цієї ідеї і, безумовно, один із найважливіших.

Упродовж майже двадцяти років криптовалюта сприймалася як альтернатива банківській системі. Гроші надто централізовані, контролюються державами, регуляторами, великими інститутами. На цьому тлі поява блокчейна, біткоїна й криптовалют загалом виглядала як технологічна революція проти встановленого порядку - проти корпорацій, урядів і режимів, які обмежують доступ і свободу.

У цій логіці криптовалюта подавалася як шлях до певної форми фінансової свободи: транзакції анонімні, їх складно відстежити, немає єдиного центру контролю, немає посередника, який може «вимкнути» тебе з системи. Зворотним боком стало те, що ці ж властивості почали активно використовувати шахраї, але це окрема й добре відома історія. Первинна ж філософія була іншою - дати звичайним людям інструмент, який зменшує залежність від сильних світу цього.

І ось на цьому тлі з’являється історія з файлами Епштейна. В інтернеті знову спливають фейкові «докази», що він нібито був Сатоші Накамото. Це неправда, і важливо не підміняти аналіз міфологією.

Але паралельно залишається інше відчуття: Джеффрі Епштейн, здається, був впливовою фігурою для частини криптосередовища. І коли після публікації файлів один криптоаналітик написав, що «по суті, ми всі разом профінансували глобальну педофільську мережу еліт у 2015 році», у мене це викликало не дискусію про ринок, а фізичну огиду.

Ця історія змусила мене думати не стільки про крипту, скільки про щось більш фундаментальне. Про те, як узагалі влаштована влада.
Є популярний наратив: бідні вигадують інструменти, щоб звільнитися від багатих. Історично це виглядає логічно. Люди об’єднуються, створюють механізми захисту, домовляються про правила - і ніби піднімають планку справедливості.

Але якщо дивитися довше, картина стає менш романтичною. Коли з’являється сильний інструмент, який справді змінює баланс, у гру входять ті, у кого вже є гроші й зв’язки. Вони рідко забороняють нове напряму. Частіше - просто оплачують рахунки в момент, коли автори ідеї залишаються без ресурсу.
Це виглядає ефективніше за будь-який «заборонити». Навіщо ламати революцію, якщо можна найняти революціонерів?

У цьому сенсі історія з біткоїном зачіпає болючу точку. За задумом це була технологія, яка мала зробити так, щоб жоден банкір, чиновник чи людина на кшталт Епштейна не могла контролювати твої гроші. Анонімні творці. Відкритий код. Децентралізація. Все виглядає чисто і навіть красиво.

А тепер - менш комфортне запитання. Якщо система створена так, щоб ніхто не міг «взяти її під контроль», то що відбувається, коли в неї заходять гроші людей, від яких нормальна людина не захотіла б брати нічого?

Судячи з того, що ми бачимо, нічого особливого не відбувається. Ніхто не відмовляється. Ні MIT, ні розробники, ні біржі. Бо в реальному житті гроші часто не мають запаху. І, здається, не мали ніколи.

Продовження 👇🏻