Яндекс запустил новый сервис 🔘🔘, в котором объединил возможности классического поиска и больших языковых моделей. Объясняем, как он работает.

Откуда Нейро берёт информацию?
В отличие от обычных генеративных моделей, Нейро берёт данные не из памяти модели, а из источников в интернете. Это позволяет ему составлять ответ на основе актуальной информации, даже если она появилась в интернете несколько часов назад. Вот как Нейро создаёт ответы (подробнее об этом рассказали на Хабре):

🔘 Анализирует вопрос пользователя и формулирует из него поисковый запрос.
🔘 Изучает поисковую выдачу и выбирает топ подходящих источников.
🔘 Выделяет из них только нужную информацию и сужает список источников до 5 самых полезных.
🔘 Модель семейства YandexGPT 3 объединяет полученные фрагменты и создаёт один ответ, расставляя ссылки на источники информации.

В каких случаях может помочь Нейро?
Если есть сложный поисковый вопрос, для ответа на который нужно найти и изучить несколько источников в интернете. Нейро понимает естественный язык, поэтому вопросы можно задавать так, как они приходят в голову. А ещё к текстовому вопросу можно добавить картинки. Нейро поймёт, если сфотографировать что-нибудь и задать вопрос текстом вместе с фотографией.

А можно примеры таких вопросов?
🔘 Сравни по 5 пунктам Карелию и Алтай для велопохода со средним уровнем подготовки.

🔘 Увидел мем, что мужчины постоянно думают про Римскую империю. Это так?

🔘 [Картинка с букетом гербер] + Как сделать так, чтобы они стояли дольше?

🔘 [Фотография дома] + Кто жил в этом доме в 19 веке?

Как использовать Нейро?
Сервис уже доступен в приложении Яндекс с Алисой и Яндекс Браузере. Чтобы воспользоваться Нейро, нужно авторизоваться в Яндексе и переключить тумблер около поисковой строки.

⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке

Подписывайтесь 👉 @techno_yandex

🪳🤖 Ничего необычного, просто рой управляемых тараканов-киборгов с нейроимплантатами

Исследователи из Наньянского технологического университета в Сингапуре научились управлять группами мадагаскарских тараканов с помощью электростимуляции. Каждого из них снабдили «рюкзаком» с аккумулятором, компьютером и антенной, а также электродами, которые внедрили в основания усиков, помогающих насекомым ориентироваться. Когда тараканы сталкиваются усиками с препятствиями, они поворачивают. Стимулируя эти органы электрическими импульсами, «рюкзачок» может направлять таракана в нужном направлении.

Учёные разработали алгоритм, чтобы контролировать не одного таракана, а целый рой. Он назначает одного или нескольких лидеров, которые идут в заданную человеком точку, а остальные следуют за ними.

Многие учёные работают над более трудной задачей: интеграцией нейроимплантатов с человеческим мозгом и телом. Недавно мы рассказали о 5 интересных проектах из этой области.

Что думаете про такие эксперименты? Ставьте 🤖, если считаете, что они допустимы и 😨, если уверены, что это неэтично.

Подписывайтесь 👉 @techno_yandex

🤖 Вчера компания Boston Dynamics объявила о закрытии проекта Atlas, который занимается созданием человекоподобных роботов. А уже сегодня выяснилось, что это был пиар-ход, приуроченный к выходу нового поколения Atlas.

В новом Atlas используются электромоторы (предыдущие модели были гидравлическими), благодаря которым он стал сильнее и манёвреннее, научился эффектно двигаться, гнуться и подниматься из разных положений.

В планах компании — развивать эту модель для работы в разных сферах. В том числе вместе с компанией Hyundai, которая будет использовать новых роботов на своих автомобильных заводах.

⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке

Подписывайтесь 👉 @techno_yandex

🔗 Зачем понадобился Matter?
Как правило, каждый производитель разрабатывает устройства умного дома для своей экосистемы. Чтобы они были совместимы с другими платформами, например умными колонками, производителю нужно адаптировать устройства под каждую такую платформу отдельно.

Несколько лет назад сотни компаний, такие как Google, Amazon, Xiaomi и Яндекс, объединились для создания универсального стандарта коммуникации для умного дома. Все девайсы с поддержкой Matter проходят обязательную сертификацию, чтобы гарантировать совместимость друг с другом. Matter упрощает пользователям выбор устройств и настройку умного дома, а производителям позволяет тратить меньше ресурсов на то, чтобы их устройства работали с разными экосистемами.

Как работает Matter?
Matter работает на основе интернет-протокола (IP) и поддерживает различные протоколы связи — Wi-Fi, Thread и даже сетевые кабели (Ethernet). Разные Matter-устройства подключаются к умному дому по единому алгоритму — с помощью QR-кода на корпусе, который нужно отсканировать камерой смартфона. Благодаря этому посторонние люди, например соседи, не могут подключиться к чужому устройству.

Ещё одно преимущество стандарта Matter — работа умного дома без интернета. Matter-устройства коммуницируют между собой по локальной сети и продолжают выполнять связанные с ними сценарии, даже если пользователь забыл оплатить интернет или у провайдера произошёл сбой.

Это работает в умном доме Яндекса?
Сегодня Яндекс выпустил свои первые устройства с Matter — светодиодную ленту для создания атмосферной подсветки и умную розетку для автоматизации обычных устройств, к примеру торшера или вентилятора.

Их и устройства других производителей (осветительные приборы, розетки, выключатели и реле), использующие Matter over Wi-Fi, можно подключить к Станции 2, Станции Миди, Станции Мини, Станции Лайт и Хабу Яндекса. Возможность подключения к Станции Макс, Дуо Макс и ТВ Станции появится позже.

⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке

Подписывайтесь 👉 @techno_yandex

🚗 Насколько самостоятельным может быть автомобиль? Разбираемся с помощью шкалы уровней автономности от Общества автомобильных инженеров (SAE).

Уровень 0: Всё делает водитель
Водитель принимает и выполняет все решения. В таких машинах могут быть электронные помощники, например, сообщающие об отклонении от полосы. Но они не играют значительной роли в управлении.

Уровень 1: Ассистент водителя
Такая машина облегчает вождение, но не автоматизирует его. К примеру, адаптивный круиз-контроль, помогающий поддерживать скорость и расстояние до другого автомобиля, либо система удержания в полосе.

Уровень 2: Частичная автоматизация
Такой автомобиль способен одновременно управлять разгоном-торможением и рулить. Водитель может иметь возможность отпускать руль, но всегда обязан следить за дорогой и отвечает за движение автомобиля. Пример: Tesla с опцией Full Self-Driving.

Уровень 3: Условная автоматизация
Беспилотный автомобиль третьего уровня справляется со всеми базовыми задачами — от руления до поддержания скорости. Водитель имеет право не следить за дорогой и может залипать в телефоне, пока система не потребует вмешаться. Пример: система Drive Pilot от Mercedes-Benz, работающая на некоторых трассах в США.

Уровень 4: Высокая степень автономности
Водитель теоретически не нужен. Машина сама принимает решения, но лишь в определённых условиях. Допустим, в одном районе, для которого собраны высокоточные карты и в котором проводили длительное тестирование. Пример: роботакси Яндекса в Сириусе и Иннополисе. В Иннополисе можно проехать на автомобиле без водителя за рулём, в Сириусе водитель находится за рулём, но не участвует в управлении машиной.

Уровень 5: Полная автономность
Такой автомобиль справляется со всеми задачами в любых условиях и без HD-карт — пассажиры лишь выбирают пункт назначения. Этот уровень — конечная точка развития автономного транспорта, он пока не реализован на практике.

⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке

Подписывайтесь 👉 @techno_yandex

🌲🗺🌳 На Яндекс Картах в Москве и Петербурге появились трёхмерные деревья. Это очередной этап работы Яндекса по созданию более комфортных и понятных пользователю карт: ранее на них уже добавили детальные 3D-модели зданий и реалистичные дороги с разметкой. Деревья — тоже важная часть городской среды: с ними Карты будут выглядеть реалистичнее, а пользователям будет легче ориентироваться. Например, выбрать маршрут прогулки или оценить район при покупке квартиры.

Как это реализовано?
Если бы каждое дерево наносили на карты вручную, то это заняло бы много времени. Но нейросети заметно ускорили процесс. ML-модель обучили распознавать деревья на аэрофотоснимках местности и определять три важных параметра каждого из них:

• Местоположение. Чтобы вычислить его, алгоритм определяет на спутниковом снимке верхушки деревьев и по ним присваивает координаты.

• Тип. ML-модель научили различать хвойные и лиственные деревья, используя данные, собранные пользователями «Народной карты» Яндекса. Они разметили около 160 000 деревьев — получился полноценный датасет для обучения.

• Размер. Ширину определяли напрямую по ширине кроны на снимке, а высоту алгоритм вычислял косвенно, исходя из того, что чем шире дерево, тем оно выше.

На основании этих данных каждому дереву подобрали из базы подходящую 3D-модель, которую и разместили на карте.

То есть на карту нанесены все-все деревья?
Не совсем. Перед нанесением на карту данные отфильтровали. К примеру, убрали деревья, растущие слишком близко к дорогам (чтобы не загораживать их) и проредили там, где они расположены слишком плотно.

Можно мне тоже «посадить» дерево на карте?
На «Народной карте» можно самостоятельно добавить 3D-дерево на карту Москвы или Петербурга. Для этого оно должно соответствовать правилам разметки и пройти модерацию — после этого оно появится в Яндекс Картах.

⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке

Подписывайтесь 👉 @techno_yandex

👩‍💻 Технодайджест недели

Главной техноновостью этой недели стал выход большой языковой модели Llama 3 от Meta*. Как и предыдущие версии, Llama 3 — открытая модель. Компания выложила в опенсорс версии размером 8 и 70 миллиардов параметров. 70-миллиардная модель уже появилась в рейтинге Chatbot Arena и заняла в нём пятое место, обойдя все открытые модели и даже такие закрытые, как Claude 3 Haiku и старые версии GPT-4.

Llama 3 доступна в чат-боте Meta* AI на отдельном сайте, а также в поисковой строке в соцсетях и мессенджерах компании. Чат-бот умеет отвечать на вопросы о контенте в сервисах компании, а также на любые другие, используя свои знания или информацию из Google и Bing.

А ещё он умеет создавать изображения и выделяется на фоне конкурентов скоростью работы: изображения появляются почти мгновенно и генерируются заново по мере того, как пользователь набирает запрос.
* Компания Meta признана экстремистской организацией и запрещена в РФ

Другие новости недели, которые показались нам интересными:

Яндекс запустил сервис Нейро. Он работает на базе нейросетей семейства YandexGPT 3 и использует для ответа информацию из источников в интернете. Нейросети анализируют запрос пользователя и превращают его в поисковый запрос, а затем собирают подходящую информацию и формируют один ответ, расставляя ссылки на источники.

Boston Dynamics представила нового Atlas. В отличие от старой версии, в новом Atlas используется не гидравлика, а электромоторы. Компания наглядно продемонстрировала это роликом, в котором робот совершает неестественные для людей движения, вращая тело, голову и конечности на 180 градусов.

Logitech встроила в мышку кнопку для работы с ChatGPT. Её нажатие запускает утилиту для популярных сценариев работы с нейросетями: суммаризации, ответа на письмо и других. Пользователь вводит текст, а утилита добавляет к нему специальный промт и открывает окно с ChatGPT, отправляя туда запрос.

⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке

Подписывайтесь 👉 @techno_yandex

🖼 Яндекс обновил генеративную модель YandexART в Шедевруме — она создаёт картинки быстрее и качественнее предыдущей версии. Поменялся сам способ генерации: теперь модель использует метод латентной диффузии вместо каскадной, как раньше. Объясняем, в чём разница.

🤖 При каскадной диффузии нейросеть создаёт небольшое изображение из визуального шума, а затем поэтапно увеличивает разрешение, добавляя на него детали (рассказали тут, как это устроено).

👾 Латентная диффузия работает иначе. Алгоритм превращает текстовый запрос в так называемый латентный код — сжатое представление картинки, в котором каждый элемент содержит не только информацию о яркости и цвете, но и о структуре на фрагменте изображения.

🔎 Метод диффузии с многостадийным улучшением картинки применяется именно к латентному коду, а затем из него всего за один шаг создаётся финальное изображение высокого разрешения. Поэтому теперь у YandexART получается генерировать картинки не только качественнее, но и быстрее.

Читайте на Хабр: какие подходы лежат в основе YandexART, как повышали эффективность работы нейросети и замеряли качество генераций.

⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке

Подписывайтесь 👉 @techno_yandex

🌐 30 лет назад на скачивание одного терабайта ушли бы годы, а сегодня это можно сделать за несколько часов — или даже за несколько минут. Рассказываем, как это стало возможно и какие этапы технология преодолела на этом пути.

🐢 В начале 1990-х к интернету подключались с помощью домашнего телефона. Скорость соединения была ограничена 56 кбит/с (в реальности в среднем в два раза меньше), поэтому даже на скачивание короткого ролика низкого качества у пользователей уходило несколько минут. Помимо невысокой скорости, такое подключение создавало ещё одну проблему: невозможность пользоваться телефоном во время выхода в сеть.

🦥 Семейство технологий DSL, развивающееся с 2000-х, позволило использовать всё те же классические телефонные линии, но при этом домашний телефон оставался свободным, а скорость существенно выросла — до 10–20 Мбит/с. Это произвело революцию в мире интернета — пользователям стали доступны онлайн-игры с качественной графикой, а также аудио- и видеостриминги.

🐇 В начале 2010-х на смену медному телефонному кабелю пришло оптоволокно, и это позволило увеличить скорость интернета до десятков и даже сотен Мбит/с — достаточно для передачи потокового видео высокой чёткости. А после 2015 года стали доступны гигабитные скорости.

🐆 Медианная скорость мобильного интернета 5G в мире по состоянию на 2023 год составляет 203 Мбит/с и продолжает расти. Однако теоретическая пропускная способность нового стандарта — до 20 Гбит/с, и на этой скорости 1 терабайт скачается всего за 7 минут.

⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке

Подписывайтесь 👉 @techno_yandex

🚶🏻‍♀️🛴🚲 В Яндекс Картах вышло большое обновление навигации для тех, кто передвигается по городу пешком, на велосипеде или самокате. Теперь строить подходящие маршруты будет проще, а следовать по ним — комфортнее. Разбираемся, как устроена новая маршрутизация.

🏔 Самое заметное обновление — отображение перепадов высот на маршруте. Для пользователя это выглядит как простой и понятный график, где участки с заметными подъёмами обозначены ярким цветом. Это помогает выбрать из нескольких предложенных Картами маршрутов не только самый быстрый, но и более комфортный.

🗺 Изнутри технология устроена так: при построении любого маршрута (не только пешеходного) и ведении по нему Карты регистрируют данные о местоположении и высоте устройства, на котором они запущены.

Теперь, когда пользователь строит маршрут в режиме пешехода, велосипеда или самоката, маршрутизатор привязывает эти данные о высотах к точкам дорожного графа (так называют условное представление карты внутри компьютера). Часть данных фильтруется — например, от устройств, находящихся на высоких этажах зданий. Получившийся набор данных интерполируется и выводится на график высот в приложении.

🛣 Также в пешеходном режиме теперь отображается больше тропинок, тротуаров и велодорожек, а номера домов и подъезды подписаны ярче. Появилось автоматическое масштабирование карты на маршруте. Так, если предстоит долго двигаться по прямой, будет отображаться более длинный отрезок пути, а если близится поворот, то приложение покажет его крупнее.

Для велосипедистов и водителей самокатов масштабирование действует с поправкой на скорость — им виден бóльший отрезок дороги, чем пешеходам. А ещё появились подсказки по маршруту в углу экрана — как в автомобильной навигации.

⭐️ Если у вас оформлен Telegram Premium, поддержите наш канал по ссылке

Подписывайтесь 👉 @techno_yandex