​Нова безкоштовна модель від Nvidia 🎉

Доброго ранку. Буду старатися щосереди давати вам розбори нових наукових статей. Середина тижня — хороший час, щоб трохи розім’яти мозок. ☕️

Сьогодні якраз є хороший привід. 🤔

Nvidia випустила Nemotron 3 Super — відкриту модель, яку явно робили як рушій для агентних задач: довгий контекст, tool use, багатокрокове міркування.

Модель побудована як гібрид Mamba + Transformer + MoE.

Transformer — це вже класика LLM: саме він зробив можливим той стрибок, який ми побачили у GPT-подібних моделях. Його сильна сторона — точні зв’язки всередині тексту, але довгий контекст обходиться дорого з точки зору пам’яті та обчислень.

Mamba — це спроба вирішити саме цю проблему. Такі шари краще підходять для довгих послідовностей: вони обробляють контекст економніше і не так швидко роздувають вартість обчислень. Саме тому в Nemotron ставка зроблена на Mamba як на основу для роботи з великими контекстами.

MoE (mixture of experts) — це підхід, у якому на кожному кроці працює не вся модель цілком, а лише потрібні “експерти”. Ідея проста: зберегти потужність великої моделі, але не платити повну ціну за кожен токен. У Nvidia тут ще й Latent MoE: токен спочатку стискається, а вже потім надсилається до експертів. За рахунок цього модель може підключати більше спеціалізованих блоків приблизно за ту саму обчислювальну ціну.

Nvidia знайшла в цій збірці чіткий розподіл ролей. Mamba бере на себе дешевшу роботу з довгою послідовністю, Transformer залишається там, де потрібна точна вибірка і прив’язка до віддалених частин контексту, а MoE додає масштаб і спеціалізацію без необхідності проганяти всю модель цілком на кожному токені.

Саме так Nvidia і описує backbone Nemotron 3 Super:
оригінал статті Nvidia

Модель доступна для скачування на
Hugging Face.

Для кого і для яких задач це може бути корисно?

Передусім — для великих компаній і команд, які хочуть будувати свої внутрішні агентні системи на власній інфраструктурі, а не просто ходити у зовнішній API. Це може бути корисно для корпоративних асистентів, RAG по великих масивах документації, engineering/copilot-систем, support і ticket automation, а також для сценаріїв, де моделі потрібно тримати довгий контекст, викликати інструменти й працювати з багатокроковими задачами.

Тобто Nemotron виглядає не як модель “просто для чату”, а радше як база для enterprise-agent stack.

🔔 ПІДПИСАТИСЯ

Нова безкоштовна AI-модель від Google 👑

А якщо вам не потрібна велика важка модель для складного enterprise-стека, така як Nemotron 👆, то варто подивитися на інший бік ринку.

Google представила Gemma 4 — нову лінійку відкритих моделей. Google позиціонує її як сімейство open models, які можна запускати на різному залізі від серверів і ноутбуків до телефонів.

Gemma 4 вже можна спробувати через Google AI Studio, а сама модель доступна й через Hugging Face. Тобто це вже цілком практичний інструмент, з яким можна експериментувати.

Google роблять акцент на multimodal-можливостях, long context, code generation, function calling та agentic workflow, а менші моделі прямо орієнтовані на edge-пристрої.

На практиці це означає, що Gemma 4 можна використовувати як базу для локальних AI-асистентів і продуктів, де не хочеться постійно тягнути все через хмару.

Окремо варто звернути увагу на акцент Google на intelligence-per-parameter. Йдеться про те, щоб робити моделі кориснішими на одиницю обчислень.

🔔 ПІДПИСАТИСЯ

​А чи знали ви що всі ми довгий час займалися збором і розміткою даних? 🧐

​Добрий ранок! ☕️ Уже багато років я займаюся навчанням моделей штучного інтелекту. І знаєте що в цьому найскладніше?

Головний дефіцит у реальних задачах — це дані. Причому не просто дані, а розмічені. Зібрати сирі дані ще якось можна. А от перетворити їх на якісний датасет — це монотонна, дорога і дуже уважна робота.

І в цьому сенсі історія AI дуже показова. Перцептрон запропонували ще у 1957 році. Але по-справжньому потужне навчання стало можливим значно пізніше — коли з'явились обчислення, інфраструктура і, найголовніше, великі обсяги даних.

reCAPTCHA. Оригінальна версія від Луїса фон Ана використовувала відповіді користувачів для розпізнавання відсканованих слів із книжок та газет які погано читав OCR. Людина проходила CAPTCHA — система отримувала безкоштовну human annotation для текстового датасету. Пізніше Google розвинув цю ідею далі: технологія Street View і reCAPTCHA почали працювати разом для точнішого розпізнавання адрес і об'єктів на картах.
Джерело: Google Security Blog

Pokémon GO. Niantic відкрито писали що гравці можуть сканувати реальні локації через камеру смартфона, а ці відео використовуються для побудови dynamic 3D maps цих місць. Тобто гра ставала інтерфейсом для збору spatial data — і гравці робили це добровільно, просто граючи.
Джерело: Niantic

Мені здається тут є сильний урок для всіх хто робить AI-продукти.

Найкращий спосіб зібрати розмічений датасет — не завжди наймати армію розмітників. Іноді сильніше працює інший підхід: вбудувати збір даних у природну дію користувача. Додати геймифікацію, ачівки, зробити це цікавим.

Коли розмітка сприймається як окрема робота — вона погано масштабується. Коли вона вбудована в корисний або захопливий сценарій — датасет починає рости майже сам.

А ви знаєте інші приклади такого підходу?

🔔 ПІДПИСАТИСЯ

​Добрий ранок! ☕️

Якщо ви ще не взялися за великодні паски — ось вам тема на той час поки тісто підходить. 🐣

Ми тут постійно обговорюємо нові моделі: Qwen, Gemma, Nemotron, DeepSeek та інші. І думаю у багатьох виникає логічне питання: окей, Павло розповів про цікаву модель — а що далі? Куди її "вставляти" і як із нею працювати?

З ChatGPT чи Claude все зрозуміло: є сайт, є застосунок. Але там часто впираєшся в ліміти, небажання відправляти чутливі дані в хмару або просто хочеться спробувати щось конкретне під свою задачу.

І тут локальні моделі перестають бути "темою для гіків".

Один із найпростіших способів почати — LM Studio. Безкоштовний додаток. Хто працює на Mac з M-процесором — пощастило, вони чудово підходять для локального інференсу LLM. Завантажуєш модель у кілька кліків, відкриваєш чат і тестуєш. За вечір можна прогнати 3-5 моделей і зрозуміти яка підходить саме вам. За потреби піднімаєш локальний сервер і підключаєш до своїх інструментів через OpenAI-compatible API.

Прогнав вчора вночі три моделі на одному запиті українською.

Gemma 4 26B від Google — відповіла чудово. Коротко, чітко, з прикладом. Найкращий результат із трьох.

Nemotron 3 Nano 4B — відповідь по суті правильна, але українська мова явно не її сильна сторона. Отримав суміш української і російської в одній відповіді.

Qwen 3.5 9B — з увімкненим thinking думав майже дві хвилини і нічого не видав. Після того як thinking вимкнув — відповів нормально і українську тримає.

Дуже швидко з'являється інше відчуття від open-source моделей. Уже не абстрактне "десь є сильна модель" а цілком практичне: "ось ця мені реально підходить для моїх задач".

Якщо тема зайде — окремо зберу короткий гайд: з чого почати в LM Studio, які моделі першими протестувати і якими промптами їх краще порівнювати.

А ви запускали щось локально? Які враження?

🔔 ПІДПИСАТИСЯ

Христос Воскрес! 🐣

Вітаю всіх хто святкує з теплом і радістю. Нехай це свято принесе спокій, близьких поруч і трохи вільного часу на попрацювати з АІ 😉

До речі, помітили що з ChatGPT зникла Sora?

Не знаю чи багато людей реально генерували через неї відео, але сам факт доволі показовий.

OpenAI справді згортає Sora. Вебверсію та застосунок закрили 26 квітня. Команду переводять на world models, robotics та інші напрями з більш зрозумілою економікою. Судячи з усього Grok її остаточно витіснив.

Але мене тут цікавить інше.

Люди працювали з інструментом, зберігали там проєкти, напрацювання, відео. І коли OpenAI його вимкнули — все це, швидше за все, зникло. Якщо не перенесли заздалегідь.

І це хороше нагадування про те що не варто покладатися на один інструмент. І тим більше не варто покладатися на хмару як на єдине сховище важливого. Сервіс може закритися, компанія може змінити умови, акаунт може заблокуватися.

Бекапи і резервні копії! Важливе має жити в кількох місцях одночасно. Хмара — зручно, але не надійно як єдиний варіант.

​Доброго понеділка! 👋

Сьогодні хочу поділитися цікавою темою. Натрапив на статтю BBC Future — незряча журналістка-фрілансер Мілагрос Костабель розповіла про свій досвід використання vision-language моделі як "віртуального дзеркала".

Костабель використовує Be My Eyes — застосунок із голосовим чат-ботом на базі GPT-4 Vision. Він справді дає більше незалежності — не потрібно просити когось описати фото чи перевірити макіяж. Але разом із тим виникає проблема: у незрячих людей часто просто немає іншого вибору крім як довіряти інтерпретації AI.

І тут починається нетривіальна частина.

Коли Костабель використовувала застосунок під час догляду за шкірою, він не просто описував зображення — а давав критичну оцінку. Сказав що її шкіра "зовсім не схожа на майже ідеальний приклад сяючої шкіри", а ще припустив що "якби її щелепа була менш видовженою, обличчя більше відповідало б тому що в її культурі об'єктивно вважається красивим".

Для зрячої людини така оцінка — лише одна з думок яку можна перевірити через дзеркало або реакцію інших. У незрячої людини такого "другого каналу" немає.

У матеріалі є ще один показовий кейс: незрячий хлопець використовував AI щоб вибрати фото для дейтинг-профілю, але опис моделі не збігався з тим як він уявляв свій образ. Коли твій єдиний "візуальний інтерфейс" до самого себе поводиться непослідовно — це б'є по самооцінці.

Чому так відбувається?

Моделі навчають не на "істині", а на статистичних закономірностях у даних. Якщо в тренувальних даних вже закладені культурні стандарти краси — модель їх відтворює. Вона видає не нейтральний опис, а усереднений соціальний погляд.

До того ж у більшості vision-language моделей немає чіткої межі між описом і інтерпретацією. Модель навчена бути "корисною" і давати природну відповідь — тому легко переходить від "на фото людина в червоній помаді" до "цей образ виглядає краще/гірше". А після RLHF вона ще й намагається бути розмовною і оцінювальною — що для звичайного чату нормально, але в ролі "дзеркала" для незрячої людини стає ризикованим.

Будь-який продукт який претендує на роль "об'єктивного" опису реальності — чи то дзеркало для незрячих, чи медична діагностика, чи HR-скринінг — несе відповідальність за те що закладено в дані і як модель навчена формулювати відповідь. Черговий застосунок-обгортка над LLM цієї відповідальності не знімає.

Тому якщо ви будуєте щось де модель взаємодіє з вразливою аудиторією — варто думати не лише про точність розпізнавання, а й про те чи вміє система відрізняти факт від інтерпретації, чи знає вона коли краще взагалі не оцінювати і чи не транслює вона культурні упередження як нейтральну істину.

Це вже питання не до промпту. Це питання до даних, до навчання і до самого продуктового рішення.

🔔 ПІДПИСАТИСЯ

☝🏻На GitHub набирає популярності WeClone — open-source проєкт для створення цифрового двійника людини на основі її листування.

Ранок ☕️

Репозиторій китайського розробника уже зібрав понад 16 тисяч зірок.

Ідея виглядає так: користувач експортує історію повідомлень із різних чатів Telegram, WeChat та інших месенджерів, система очищує дані від чутливої інформації за допомогою Microsoft Presidio, після чого формує тренувальний датасет для донавчання моделі. Підтримується локальний пайплайн, а якість, як і очікувано, сильно залежить від обсягу та чистоти вихідних даних.

Під капотом використовується донавчання через LoRA (про це я писав тут), а базовою моделлю за замовчуванням виступає Qwen2.5-VL-7B-Instruct (яку можете легко спробувати самi - як писав тут). Проєкт піднімає сумісний з OpenAI API інтерфейс, тож “двійника” можна підключати до зовнішніх ботів і платформ.

WeClone вже рухається у бік мультимодальності: проєкт підтримує навчання не лише на тексті, а й на зображеннях із листування.

🔔 ПІДПИСАТИСЯ

Працівники індійської фабрики носять камери на голові, які записують рухи рук для навчання AI-систем.

Натрапив у X на цiкаве відео.

Це наочне нагадування, що за багатьма “магічними” можливостями AI стоїть не тільки архітектура моделі, а й величезна фізична, рутинна і часто масова робота зі збору даних.
Захотів поділитися цим з вами.

І якщо ви не підписані на купу каналів у X, як я, але вам цікаві такі знахідки, то можу інколи приносити сюди не лише розбори наукових статей чи геополітики навколо AI, а й більш короткий, влучний і легкий контент.

Якщо такий формат вам заходить — поставте реакцію. Тоді буду частіше ділитися тим, що самому здалося справді цікавим.

🔔 ПІДПИСАТИСЯ

​Доброго ранку! ☀️

Як і обіцяв — публікую розбір нової наукової статті. І тема сьогодні дуже цікава. ☕️

Всі ми зі школи знаємо що ДНК — це носій генетичної інформації, своєрідна інструкція для роботи організму. Але є цікавий нюанс: близько 98% геному людини не кодує білки. Цю частину іноді називають "темною ДНК" — за аналогією з темною матерією: вона займає величезний обсяг, впливає на роботу системи, але довго залишалася погано вивченою.

Ще приблизно 15 років тому некодуючу ДНК часто вважали мало не "сміттєвим" генетичним матеріалом. Згодом стало зрозуміло що це зовсім не так — ці ділянки беруть участь у регуляції експресії генів і впливають на безліч біологічних процесів. Але вивчати це було складно: потрібні були довгі, дорогі й трудомісткі експерименти.

ІІ тут з’являється AlphaGenome. Судячи з назви, Google послідовно розвиває свою “alpha-лінійку”: після AlphaGo та AlphaFold дійшла черга і до геному.

AlphaGenome інтерпретує ті самі 98% геному людини і миші які не кодують білки, але регулюють роботу генів та інші важливі функції. Модель вміє визначати де в послідовності ДНК починається і закінчується ген, скільки РНК буде синтезовано, а також де при зчитуванні гена клітина пропускає частини послідовності. А помилки в таких механізмах можуть бути пов'язані з різними захворюваннями.

Цікаво і те як влаштована сама модель: CNN-енкодер, трансформер і CNN-декодер. Мої студенти часто запитують наскільки CNN взагалі ще актуальні зараз коли всі обговорюють переважно трансформери і LLM. Як бачите — дуже навіть актуальні. LLM все ж таки не замінили собою геть усе.

Автори спочатку навчили 64 моделі однієї і тієї ж архітектури на генетичних послідовностях, а потім дистилювали їхні знання в одну підсумкову модель. По суті AlphaGenome увібрала в себе усереднену силу всіх цих 64 моделей. Кожна з них приймала на вхід послідовність довжиною до 1 мільйона пар основ — CNN створювала ембедінги, трансформер знаходив залежності між віддаленими ділянками, а CNN-декодер передбачав різні властивості генів.

Сама ідея що більшу частину людського геному колись називали "сміттєвою ДНК" завжди виглядала трохи дивно. Зараз вже зрозуміло що ці ділянки виконують важливі функції. І можливо ми тільки на початку шляху до розуміння наскільки великий їхній внесок у роботу живих систем.

Бiльш того, модель не заховали всередині закритого сервісу. Для AlphaGenome доступні API, ваги та inference code — щоправда, з ліцензією для некомерційного використання. Тобто це не просто красивий research demo, а інструмент, з яким наукова спільнота вже може працювати напряму.

І знову виходить, що AI стає інструментом, який допомагає зазирнути туди, куди руками наука доходила дуже повільно.

Тепер залишається чекати коли AI допоможе нам так само просунутися і в розумінні іншої "темної" області — темної матерії космосу.

🔔 ПІДПИСАТИСЯ

AI реальний магазин у Сан-Франциско 🌪

Andon Labs — Y Combinator стартап який тестує AI-агентів у реальному світі. Раніше їхній AI керував вендинговим автоматом в офісі Anthropic — і одразу заповнив холодильник кубиками з вольфраму та почав продавати товари собі у збиток. Тому вирішили ускладнити завдання 😅

Команда дала AI реальний магазин у Сан-Франциско на 3 роки з одним завданням: зробити бізнес прибутковим.

AI проводив співбесіди в новий магазин, наймав працівників, подавався на кредит і вирішував чим заповнювати полиці. Серед товарів які AI обрав для магазину — книги Superintelligence та The Making of the Atomic Bomb 🙈 Є в цьому якась іронія. Магазин називається Andon Market.

Мені подобаються такі кейси бо вони показують AI не в форматі красивого чату чи ефектного демо, а в чомусь набагато більш приземленому. Там де вже є оренда, люди, витрати, закупівлі і питання не "як вражає модель", а "чи може вона працювати в реальному світі".

Саме такі експерименти найцікавіші.

🔔 ПІДПИСАТИСЯ

​Доброго ранку! ☀️
Не зміг пройти повз, тож тримайте ще один розбір цікавої наукової роботи. І цього разу — про фізику, але трохи з неочікуваного боку. ☕️

Моделювання рідин, газів чи плазми — це одна з тих задач, де класичні методи досі залишаються дуже дорогими. Складні чисельні симуляції можуть рахуватися годинами або навіть днями, і майже кожна нова система — це окрема модель, окремі рівняння й окремий біль.

Особливо якщо мова не про один конкретний кейс, а про широкий клас фізичних явищ. Бо зазвичай моделі такого типу вузькоспеціалізовані: одна — для турбулентності, інша — для плазми, ще одна — для атмосферних процесів. Універсальності тут історично було небагато.

Але наприкінці минулого року дещо змінилося: з’явилася Walrus — transformer-модель на 1.3 млрд параметрів, яку дослідники навчили симулювати поведінку рідин, газів і плазми одразу в багатьох фізичних доменах.

Колись у NLP теж було багато окремих моделей під конкретні задачі: одна для машинного перекладу, інша для класифікації тексту, ще інша для вiдповiдей. А потім з’явився підхід, у якому одна велика модель вчиться на різнорідних даних і починає узагальнювати. Щось подібне починає відбуватися і в фiзицi.

Працює Walrus так: вона дивиться на кілька попередніх станів фізичної системи й передбачає наступний. Тобто по суті вчиться прогнозувати еволюцію системи в часі. Причому модель може працювати і з 2D-, і з 3D-даними. Для цього автори використали окремі енкодери й декодери для двох типів представлення, а всередині — transformer-блок, який збирає все це в єдиний механізм прогнозування.

Але найцікавіше тут навіть не сама архітектура, а проблема, яку автори намагалися розв’язати.

У фізичних системах, особливо хаотичних, маленька помилка на одному кроці може поступово перетворитися на серйозне відхилення на довгій дистанції. У transformer-моделях це ще й посилюється ефектом, який автори пов’язують з аліасингом: помилки не просто накопичуються, а починають концентруватися в окремих ділянках. У результаті виникають артефакти, які трохи нагадують пікселізацію на зображеннях.

І тут автори пропонують досить елегантний трюк: jittering.

На кожному кроці вони трохи випадково зміщують вхідні дані перед подачею в модель, а потім роблять зворотне зміщення. За рахунок цього помилки не “налипають” в одних і тих самих місцях, а більш рівномірно розподіляються. І саме це помітно покращує довгострокову стабільність прогнозу.

Мені подобається цей момент, бо він дуже добре показує, що прогрес часто приходить не лише від “ще більшої моделі”, а й від правильно знайденої технічної деталі. Іноді саме такий, на перший погляд, невеликий інженерний хід змінює поведінку системи сильніше, ніж ще кілька сотень мільйонів параметрів.

Навчали Walrus на дуже великому й різнорідному наборі даних: приблизно 8 мільйонів 2D-прикладів і 4 мільйони 3D-зразків із 19 фізичних доменів — від акустики до астрофізики та неньютонівських рідин. Потім модель додатково донавчали на спеціалізованих гідродинамічних датасетах.

Модель доступна в open-source

Результати вийшли сильними. Walrus показала найкращу точність у 18 із 19 доменів для однокрокових прогнозів, а середнє зменшення похибки склало 63.6% порівняно з найкращими попередніми моделями. На довших горизонтах — від 20 до 60 кроків — вона теж часто залишалася найкращою. А jittering зменшував довгострокову помилку у 89% сценаріїв.

Такі моделі потенційно можуть бути дуже корисними в кліматології, аерокосмічній інженерії, матеріалознавстві та інших сферах, де симуляції відіграють ключову роль.

А ще цікавіше те, що сама ідея jittering може виявитися корисною далеко за межами фізики — наприклад, у vision transformers або відеогенерації, де проблеми з артефактами теж добре відомі.

І загалом усе це виглядає як ще один крок до світу, де AI допомагає не лише працювати з текстом чи картинками, а й дедалі глибше вчиться описувати саму фізичну реальність.

🔔 ПІДПИСАТИСЯ

​Сучасний AI — це тупик!

Вітаю з п'ятницею! 👋

Ви чули щось про Яна Лекуна? Це головний AI-науковець у Meta, професор NYU, лауреат премії Тюрінга й одна з ключових фігур у розвитку сучасних нейромереж. Тому коли Лекун говорить про межі LLM — це не просто думка з боку, це критика від людини яка сама формувала фундамент сучасного AI.

Лекун повторює вже багато років: великі мовні моделі — сильний і корисний, але все ж обмежений клас систем. У подкасті з Лексом Фрідманом він прямо говорив що сучасним LLM бракує чотирьох базових речей: розуміння фізичного світу, довготривалої пам'яті, повноцінного міркування та планування.

Одна з його найгучніших останніх заяв — інтерв'ю Newsweek: LLM можуть стати значною мірою застарілими вже протягом найближчих п'яти років. Його теза проста: моделі що лише передбачають наступний токен не обов'язково приходять до справжнього розуміння світу.

Чому він так вважає? Бо мова — це лише тонкий шар поверх реальності. Людина вчиться не тільки з тексту, а через сприйняття, взаємодію і досвід у світі. Саме тому LLM можуть виглядати переконливо в діалозі, але залишатися слабкими там де потрібні фізична інтуїція або стабільне планування.

І тут є цікавий зв'язок з тим що ми вже обговорювали. Коли копалися у злитому коді Claude Code, побачили що сучасний AI — це наче маленька операційна система навколо трансформера. Тобто сама модель — лише один компонент, а навколо неї вся інфраструктура. Лекун говорить про те саме але на рівні вищому: impressive demo — це ще не інтелект.

Натомість він просуває ідею world models — моделей які мають не просто передбачати слова, а будувати внутрішні представлення світу, передбачати розвиток подій, мати пам'ять і вміти планувати. Meta вже рухається в цьому напрямку — сімейство JEPA і нещодавно V-JEPA 2.

Мені здається головна думка тут не в тому наскільки ринок перегрітий очікуваннями AGI. Зими AI ми бачили багато — з 50-х років минулого століття — і я думаю що буде ще одна.

Але є інша менш очевидна думка. Мовна модель і справжнє розуміння світу — це не одне й те саме. Рік тому ми вважали що більше параметрів — це рішення. Сьогодні маємо мільярди параметрів на роботу яких потрібні гігавати електроенергії.

Тому я більше схиляюся до того що ми ще тільки на початку довгого і цікавого шляху. І на цьому шляху на нас чекає ще не одне наукове відкриття рівня трансформера.

🔔 ПІДПИСАТИСЯ

​Нові закони про ШІ у США!

Всіх вітаю. Почнемо понеділок із трохи геополітики навколо AI ☕️

Прочитав цікаву статтю в NYT. Поки адміністрація Трампа просуває ідею єдиних федеральних правил, окремі штати продовжують ухвалювати власні закони щодо штучного інтелекту. І проблема тут не лише в кількості. За однією з оцінок, зараз у штатах розглядають понад 1500 законопроєктів, а більш ніж 100 AI-законів уже ухвалено в 40 штатах.

Фактично одна й та сама AI-компанія може одночасно підпадати під зовсім різні вимоги: у Каліфорнії — маркувати AI-контент невидимими водяними знаками, у Колорадо — проводити перевірки на алгоритмічну дискримінацію, у Нью-Йорку — дотримуватися спеціальних протоколів безпеки для потужних моделей.

З одного боку, частина таких вимог виглядає цілком розумно. Користувачі справді мають розуміти коли вони спілкуються з AI. Діти мають бути захищені від токсичного контенту. А страхові компанії не повинні перекладати життєво важливі рішення на алгоритми без участі лікаря.

Але з іншого боку, для індустрії це перетворюється на складний регуляторний ландшафт. Що більше різних норм у різних штатах, то вища вартість розробки, юридичні ризики та бар'єр для запуску нових продуктів. Саме цього і побоюється федеральний центр, який уже натякає що надто "обтяжливі" закони штатів можуть вплинути на виділення федерального фінансування.

Що саме ухвалюють штати:

Каліфорнія — прозорість, безпека моделей, захист приватності, маркування AI-контенту та обмеження для чатботів у взаємодії з неповнолітніми.

Колорадо — боротьба з алгоритмічною дискримінацією у "високоризикових" сферах: медицина, фінанси, працевлаштування, житло.

Міннесота — заборона election-deepfakes, AI-"роздягання" людей на фото та відмов у лікуванні без участі лікаря.

Нью-Йорк — жорсткі вимоги до великих розробників моделей щоб ті не допускали створення біозброї чи автономних хакерських інструментів.

Огайо — захист від клонування голосу й зовнішності без згоди та спроба не допустити надання AI будь-якого юридичного статусу.

Юта — заборона несанкціонованих explicit deepfakes, обмеження для страховиків і створення "регуляторної пісочниці" для тестування AI під наглядом держави.

Цікавий момент тут у тому що США фактично тестують дві моделі майбутнього AI-регулювання: централізовану через федеральні правила і децентралізовану через ініціативи штатів. І від того яка з них виявиться життєздатнішою залежить не лише американський ринок а й глобальний підхід до регулювання ШІ.

🔔 ПІДПИСАТИСЯ

Натрапив у Reuters на новину яка ще 10 років тому звучала б як фантастика.

У Китаї гуманоїд уперше пробіг напівмарафон швидше за людський світовий рекорд. На забігу в Пекіні 19 квітня автономний робот Honor Flash подолав 21,1 км за 50:26 — це швидше за чинний людський рекорд 57:20 який Джейкоб Кіплімо встановив у березні в Лісабоні. Частина роботів бігла автономно, частина під дистанційним керуванням, а під час гонки інженерам дозволяли змінювати батареї.

Пам'ятаю як років 10 тому ще під час навчання на робототехніці дивився відео з DARPA: там гуманоїдних роботів штовхали, а вони намагалися втримати рівновагу й не впасти. Уже тоді це виглядало вражаюче — хоча рухалися вони дуже повільно.

А зараз ми бачимо зовсім інший етап. Роботи вже не просто "тримають баланс" у лабораторії, а виконують довгі динамічні задачі в умовах наближених до реальних.

І найбільше вражає навіть не сам факт такого забігу. А темп прогресу: у динамічній робототехніці зміни йдуть вже не роками, а буквально місяцями.

🔔 ПІДПИСАТИСЯ

Вчора писав про китайського робота який пробіг напівмарафон швидше за людський рекорд. А сьогодні ще один цікавий кейс з робототехніки — але вже про точність, а не швидкість. ☕️

Toyota показала CUE7 — нову версію свого робота-баскетболіста.

З підтвердженого офіційно: масу знизили зі 120 до 74 кг, перевели на інвертовану двоколісну платформу для кращої динаміки. Але головне оновлення — гібридна система керування яка поєднує reinforcement learning з класичними методами контролю. Тобто CUE7 не просто виконує жорстко задану програму, а навчається точніше працювати з кидком і рухом.

Це цікаво не лише як шоу-кейс. Toyota фактично використовує CUE як полігон для embodied AI — систем сприйняття, керування та точних рухів. Тобто для тих технологій які можуть піти далі в гуманоїдну й прикладну робототехніку.

Вчора — витривалість і динаміка. Сьогодні — точність і навчання через досвід.

Два різних виробники, два різних завдання — але один напрямок: роботи перестають бути демо.

Детальніше про CUE7

🔔 ПІДПИСАТИСЯ

У Linux 7.1 з'явиться новий in-kernel драйвер NTFS 🐧

Для багатьох це справді важлива новина. Чимало людей живуть між двома системами: працюють у Linux, але користуються специфічним софтом під Windows, працюють із зовнішніми дисками або постійно перекидають файли між двома ОС. І весь цей час робота з NTFS залишалася одним із найбільш дратівливих місць.

Тепер цю проблему нарешті починають закривати всерйоз. Йдеться не про черговий дрібний патч, а про нову реалізацію драйвера від Namjae Jeon — одного з ключових розробників exFAT у Linux.

По суті це означає менше болю для dual-boot, менше тертя при роботі з дисками з Windows і ще один сигнал що Linux усе більше дорослішає як універсальна робоча система.

Схоже нарешті навайбкодили 😄

До речі Лінус кілька місяців тому робив пост що не писав стільки коду ніколи як зараз — і дуже добре відгукувався про агентів. Активність його на GitHub помітно виросла. Збіг?

🔔 ПІДПИСАТИСЯ

Meta представила Muse Spark — першу нову AI-модель за рік і перший продукт Superintelligence Labs.

Так так, Марк не здається — ось навіть у презентації вказали що їхня модель краща за Opus 4.6, але не встигли порівняти з Opus 4.7 🤭

Мультимодальна reasoning-модель з підтримкою інструментів і мультиагентного режиму — кілька агентів паралельно шукають і уточнюють рішення. За даними Meta, модель особливо сильна в медичних і мультимодальних задачах, але поки поступається лідерам у кодуванні.

Muse Spark вже доступна безкоштовно через Meta AI, згодом з'явиться у WhatsApp, Instagram, Facebook, Messenger і окулярах Ray-Ban Meta. Архітектуру, кількість параметрів і тренувальні дані Meta не розкрила 🤷‍♂️

Але головне тут те що Meta — компанія яка асоціювалася з відкритими Llama-моделями — тепер робить ставку на закриту пропрієтарну систему. Це важливий сигнал: конкуренція дедалі більше зміщується від "просто великих моделей" до мультимодальності, агентності та ефективності inference.

🔔 ПІДПИСАТИСЯ

​Доброго ранку! ☀️☕️

Знову середа — а це означає розбір нової наукової статті. Тиждень пролетів непомітно 😄

Натрапив на цікаву роботу від дослідників Google про те як LLM можна використовувати не просто для генерації "середньої думки", а для моделювання цілого спектра людських позицій.

Коли компанії тестують нові функції або продукти через LLM, проблема часто в тому що модель відповідає занадто усереднено. Вона може зімітувати "типового користувача", але погано передає справжню людську варіативність: сумніви, крайні позиції, різний рівень довіри, схильність до ризику.

Я часто раджу своїм студентам давати LLM конкретні ролі — це справді добре працює. Але є проблема: навіть з роллю модель зазвичай відповідає обережно і згладжено. Вона ніби приймає роль, але залишається в межах найбільш імовірних патернів.

Саме це й спробували виправити автори підходу Persona Generators.

Ідея не в тому щоб вручну написати кілька промптів на кшталт "відповідай як консервативний користувач". Такий підхід занадто примітивний. Натомість вони запропонували оптимізувати сам спосіб генерації персон — система багаторазово змінює формулювання поки персони не починають давати відповіді що дійсно покривають широкий діапазон позицій.

Працює це так. Gemini 2.5 Pro генерував опитувальники на різні теми — від охорони здоров'я до фінансової грамотності. Для кожної теми задавалися осі різноманітності: довіра до інституцій, толерантність до ризику тощо. Далі система створювала 25 персон, інша модель відповідала від їхнього імені, а еволюційний алгоритм відбирав ті способи генерації які давали найбільшу різноманітність відповідей.

Результат: синтетичні персони покривали 82% можливих відповідей на тестових опитувальниках, тоді як простіші підходи давали 76% і 46%.

Але найцікавіше тут навіть не сама цифра. А постановка задачі. Замість класичного прагнення до найбільш імовірної відповіді — оптимізація на покриття всього простору можливих реакцій. Це принципово інша логіка.

Ми звикли сприймати LLM як інструмент для тексту, коду чи автоматизації. Але поступово вони стають інструментом для моделювання колективної поведінки. Не в сенсі "точного передбачення людей" — а в сенсі побудови більш гнучких синтетичних аудиторій на яких можна тестувати гіпотези ще до контакту з реальним ринком.

Для продуктів, маркетингу і UX-досліджень це може бути дуже корисно. Бо "середня думка" майже завжди приховує найцікавіше — крайні сценарії, нестандартні очікування і неочевидні заперечення.

Можливо далі ми будемо все частіше бачити LLM не лише як співрозмовника, а як основу для synthetic research — штучного моделювання аудиторій і соціальних реакцій.

🔔 ПІДПИСАТИСЯ

​Щосекунди до GitHub приєднується новий розробник

GitHub — це велика база даних коду якою користуються майже всі розробники і компанії: тут зберігають код, співпрацюють над проєктами і відстежують зміни.

За словами Kyle Daigle, у 2025 році на GitHub було зафіксовано майже 1 млрд commits, а зараз платформа вийшла на рівень близько 275 млн commits на тиждень. GitHub Actions — 2.1 млрд хвилин на тиждень.

Але головне тут не сама цифра. Це не просто "люди стали більше писати код". Це сигнал про інше: розробка дедалі більше переходить у режим де код масово створюють не лише люди, а й AI-інструменти та агенти.

І тут важливо не переплутати обсяг із цінністю.

Більше commits не означає автоматично більше корисного софту. AI збільшує throughput генерації коду, але вузьке місце зміщується в інший бік: рев'ю, валідація, тестування, безпека, здатність команди відділяти корисні зміни від шуму.

Тобто ми входимо в етап де проблема вже не в тому щоб "написати код". Проблема сьогодні звучить вже не "скільки коду може створити AI?" а "скільки з цього коду реально корисного та як перевiряти цю користь?"

На мій погляд це одна з найважливіших змін у сучасній інженерії. Генерація коду дешевшає — а отже все більшою цінністю стає перевірка, архітектурне мислення і контроль якості.

Ми рухаємось до світу де писати код стає дедалі легше, а думати та розуміти код — дедалі важливіше.

І тут виникає цікаве питання: як нові люди які починають вайбкодити зможуть розуміти код якщо вони його не пишуть?

🔔 ПІДПИСАТИСЯ

​Big Pharma ставить мільярди на AI для створення ліків 💊

Доброго ранку та гарного четверга! ☕️

Фармгігант Eli Lilly уклав угоду з Insilico Medicine — компанією яка використовує генеративний AI для пошуку біомішеней і дизайну молекул. Загальна сума потенційної угоди — до $2,75 млрд, з яких $115 млн одразу за права на розробку кількох експериментальних препаратів.

Що тут справді цікаво: Insilico застосовує AI не лише для "генерації молекул", а одразу на двох критичних етапах drug discovery. Спочатку AI шукає біологічну мішень — білок або механізм на який варто впливати. Далі інші моделі допомагають спроєктувати молекулу яка зможе з цією мішенню працювати.

Компанія стверджує що шлях від пошуку мішені до доклінічного кандидата може займати близько 18 місяців — тоді як традиційно це часто 5–6 років. І замість перевірки мільйонів сполук в окремих кейсах вони доходили до кандидата після синтезу менш ніж 80 молекул.

Це вже не лише красива презентація. У компанії 28 програм, половина з яких дійшла до клінічних випробувань. Найпросунутіший кандидат — Rentosertib для лікування ідіопатичного легеневого фіброзу — у Phase 2a показав покращення функції легень там де плацебо давало погіршення.

Але я цікавлюся фармою і маю кілька знайомих які займаються стартапами в цій сфері. Тому знаю що ранній успіх тут ще нічого не гарантує.

Розробка нового препарату зазвичай займає 10–15 років, коштує понад $2 млрд, а більшість кандидатів так і не доходять до схвалення. І поки що жоден препарат відкритий за допомогою AI не отримав регуляторного затвердження. BenevolentAI нещодавно провалив Phase 2 для лікування екземи. Recursion Pharmaceuticals теж поки шукає свій перший реальний успіх у клініці.

Тобто головне питання не в тому чи може AI пришвидшити перший етап. Схоже що може. Питання в іншому: чи зможе він підвищити реальну ймовірність успіху в клініці, а не просто швидше генерувати нові молекули.

Генеративний AI заходить не лише в контент і програмування, а й у сфери де ціна помилки — це роки досліджень, мільярди доларів і здоров'я пацієнтів. Якщо ця ставка спрацює — drug discovery може стати одним із найсильніших практичних кейсів для AI взагалі.

🔔 ПІДПИСАТИСЯ