CRAI где живёт AI
03.05.202509:12
#нейродайджест CRAI за неделю
• Яндекс «оживил» перевод видео на YouTube, добавив голосам интонации
Яндекс Браузер внедрил уникальную технологию «Живые голоса», сохраняющую оригинальные интонации при переводе англоязычных видео.
• Провал на 86 миллиардов евро: почему Европа проигрывает гонку чипов?
Амбициозный план ЕС по развитию собственного производства полупроводников European Chips Act трещит по швам. Несмотря на огромные инвестиции, Европа не смогла достичь поставленных целей и продолжает отставать от Азии и США. Как так вышло?
• 3 ИИ-функции приложения «Фото» на Айфоне, о которых все забыли
3 незаметных, но мощных ИИ-инструментах – для удаления объектов, создания персонализированных воспоминаний и умного поиска по фото на естественном языке.
• Аналог «Фотошопа» появится прямо в Gemini
Google интегрировал ИИ-инструмент для редактирования изображений словами прямо в Gemini. Можно менять прически, сеттинг, добавлять объекты, удалять водяные знаки – простыми текстовыми запросами.
• Huawei бросает перчатку США в гонке чипов: новый процессор может затмить Nvidia
Huawei разрабатывает процессор Ascend 910D, который может превзойти по мощности даже топовые чипы Nvidia. В условиях санкций США это имеет стратегическое значение для Китая.
• Шопинг с искусственным интеллектом уже здесь
Готовы доверить выбор товаров искусственному интеллекту? OpenAI и другие компании уже тестируют ИИ-ассистентов для шопинга, способных подбирать идеальные товары по запросу пользователя.
• Яндекс.Маркет с ИИ-помощником. Забываем о муках выбора?
Яндекс.Маркет внедрил умного ИИ-ассистента на базе YandexGPT 5 Pro, который понимает сложные запросы с фильтрами, уточняет детали и объясняет свой выбор товаров.
• ИИ научили понимать эмоции как человек
Учёные Сбера объединили анализ мимики, голоса и смысла речи. Эта технология уже используется в банковском секторе и открывает двери для эмпатичных чат-ботов и ассистентов будущего.
• Duolingo интегрирует ИИ и кардинально меняет изучение языков
Duolingo объявляет себя “AI-first” компанией. Большие языковые модели «оживляют» уроки, делают общение с ботами реалистичным и главное – в разы ускоряют создание новых курсов. Но есть и обратная сторона медали: сокращения и возможные компромиссы в качестве.
А также:
• Илон Маск собирает 20 миллиардов долларов на ИИ
• Suno v4.5: ИИ спел нам о своём обновлении
• Яндекс «оживил» перевод видео на YouTube, добавив голосам интонации
Яндекс Браузер внедрил уникальную технологию «Живые голоса», сохраняющую оригинальные интонации при переводе англоязычных видео.
• Провал на 86 миллиардов евро: почему Европа проигрывает гонку чипов?
Амбициозный план ЕС по развитию собственного производства полупроводников European Chips Act трещит по швам. Несмотря на огромные инвестиции, Европа не смогла достичь поставленных целей и продолжает отставать от Азии и США. Как так вышло?
• 3 ИИ-функции приложения «Фото» на Айфоне, о которых все забыли
3 незаметных, но мощных ИИ-инструментах – для удаления объектов, создания персонализированных воспоминаний и умного поиска по фото на естественном языке.
• Аналог «Фотошопа» появится прямо в Gemini
Google интегрировал ИИ-инструмент для редактирования изображений словами прямо в Gemini. Можно менять прически, сеттинг, добавлять объекты, удалять водяные знаки – простыми текстовыми запросами.
• Huawei бросает перчатку США в гонке чипов: новый процессор может затмить Nvidia
Huawei разрабатывает процессор Ascend 910D, который может превзойти по мощности даже топовые чипы Nvidia. В условиях санкций США это имеет стратегическое значение для Китая.
• Шопинг с искусственным интеллектом уже здесь
Готовы доверить выбор товаров искусственному интеллекту? OpenAI и другие компании уже тестируют ИИ-ассистентов для шопинга, способных подбирать идеальные товары по запросу пользователя.
• Яндекс.Маркет с ИИ-помощником. Забываем о муках выбора?
Яндекс.Маркет внедрил умного ИИ-ассистента на базе YandexGPT 5 Pro, который понимает сложные запросы с фильтрами, уточняет детали и объясняет свой выбор товаров.
• ИИ научили понимать эмоции как человек
Учёные Сбера объединили анализ мимики, голоса и смысла речи. Эта технология уже используется в банковском секторе и открывает двери для эмпатичных чат-ботов и ассистентов будущего.
• Duolingo интегрирует ИИ и кардинально меняет изучение языков
Duolingo объявляет себя “AI-first” компанией. Большие языковые модели «оживляют» уроки, делают общение с ботами реалистичным и главное – в разы ускоряют создание новых курсов. Но есть и обратная сторона медали: сокращения и возможные компромиссы в качестве.
А также:
• Илон Маск собирает 20 миллиардов долларов на ИИ
• Suno v4.5: ИИ спел нам о своём обновлении
25.04.202504:07
Утренний #нейротрек
23.04.202511:55
В тексте про рассуждающие модели, который случайно вышел прямо перед релизом нового поколения нейросетей от OpenAI, мы писали о минусах таких моделей. И вот, спустя какое-то время, появилось подтверждение – новое поколение бьёт рекорды в одних задачах, но сильно хуже справляется с другими.
По-прежнему не изменился тот факт, что новые функции работают впечатляюще – доступ к инструментам ChatGPT сделал работу с o3 гораздо более простой и интуитивной (подробнее можно почитать в тексте про них). Релиз приближает нас к тому дню, когда не нужно будет разбираться в стилях, промптах, настройках сервиса, версиях моделей, а достаточно просто будет описывать несколькими словами задачу и получать результат. Но пока этот момент, к сожалению, не наступил.
Свой рекорд с по привлечению пользователей картинками в стиле Гибли компания не побила, но даже здесь смогла завируситься – благодаря навыку ИИ определять место съемки практически любой цифровой фотографии (работает это за счёт того, что модель понимает фотографии, умеет их приближать, вращать, изучать, писать скрипты на Питоне и проводить поиск в Интернете, что в совокупности позволяет определить локацию).
Всё бы ничего, но пока любое усложнение модели ведёт к дополнительным проблемам. Новое поколение думающих моделей, благодаря тому, что думают больше – парадоксально и больше ошибаются. Они не справляются с величиной контекста, в случае ошибки не пытаются её исправить, а придумывают аргументы и убеждают себя в правильности ответа. o3 делает ошибки в математике, иногда обманывает и «галлюцинирует» в два раза чаще своего предшественника. Даже в финансовом анализе, где o3 лидирует среди конкурентов, точность составляет всего 48,3%.
Появился термин «неровной границы» (jagged frontier) – когда в одних задачах ИИ превосходит человека по скорости и качеству работы в десятки раз, а в других на него в принципе нельзя положиться. А вывод, как в случае с измерением продуктивности – не нужно пытаться использовать ИИ там, где от него нет толку, и проблем не будет.
По-прежнему не изменился тот факт, что новые функции работают впечатляюще – доступ к инструментам ChatGPT сделал работу с o3 гораздо более простой и интуитивной (подробнее можно почитать в тексте про них). Релиз приближает нас к тому дню, когда не нужно будет разбираться в стилях, промптах, настройках сервиса, версиях моделей, а достаточно просто будет описывать несколькими словами задачу и получать результат. Но пока этот момент, к сожалению, не наступил.
Свой рекорд с по привлечению пользователей картинками в стиле Гибли компания не побила, но даже здесь смогла завируситься – благодаря навыку ИИ определять место съемки практически любой цифровой фотографии (работает это за счёт того, что модель понимает фотографии, умеет их приближать, вращать, изучать, писать скрипты на Питоне и проводить поиск в Интернете, что в совокупности позволяет определить локацию).
Всё бы ничего, но пока любое усложнение модели ведёт к дополнительным проблемам. Новое поколение думающих моделей, благодаря тому, что думают больше – парадоксально и больше ошибаются. Они не справляются с величиной контекста, в случае ошибки не пытаются её исправить, а придумывают аргументы и убеждают себя в правильности ответа. o3 делает ошибки в математике, иногда обманывает и «галлюцинирует» в два раза чаще своего предшественника. Даже в финансовом анализе, где o3 лидирует среди конкурентов, точность составляет всего 48,3%.
Появился термин «неровной границы» (jagged frontier) – когда в одних задачах ИИ превосходит человека по скорости и качеству работы в десятки раз, а в других на него в принципе нельзя положиться. А вывод, как в случае с измерением продуктивности – не нужно пытаться использовать ИИ там, где от него нет толку, и проблем не будет.
18.04.202516:08
Nvidia и их борьба
Главный герой триллера, который разворачивается на рынке чипов для ИИ после введения администрацией Трампа тарифов – компания Nvidia, оказавшаяся между молотом американских санкций и наковальней китайского рынка.
Несмотря на якобы состоявшиеся секретные переговоры и объявленные планы о полутрилионных инвестициях в США – новая администрация внезапно запретила поставки в Китай чипов H20, созданных специально с учетом предыдущих ограничений. Результат для компании – прогнозируемые убытки в 5,5 миллиардов долларов и падение акций.
Что делает CEO Nvidia Дженсен Хуанг? То, что сделал бы любой прагматичный бизнесмен – летит в Пекин. Сразу после сокрушительного удара по бизнесу он встречается с вице-премьером Китая и руководством DeepSeek – той самой компании, из-за которой, возможно, и усилили санкции. Ведь есть подозрение, что DeepSeek тренировали свои языковые модели на чипах, которые, по идее, не должны были оказаться в Китае.
Конгресс США в это время бьет тревогу. Как запрещенные H800 попали в китайские руки? Не через Сингапур ли, где недавно арестовали несколько человек за подделку документов о конечных пользователях чипов Nvidia? Законодатели требуют от Хуанга объяснений и отчетов о всех поставках в Юго-Восточную Азию и Китай с 2020 года.
Nvidia оказалась в ловушке: с одной стороны, национальные интересы США и обязательство «следовать указаниям правительства буквально», с другой – огромный китайский рынок, который Хуанг публично называет «очень важным» для компании.
Парадокс ситуации в том, что жесткая политика США может дать обратный эффект. Вместо ослабления конкурента она толкает компании и страны к еще большему сближению с Китаем. Визит Хуанга в Пекин – яркое тому подтверждение. Бизнес идет туда, где есть возможности, а они сейчас всё чаще оказываются за пределами американской сферы влияния.
Главный герой триллера, который разворачивается на рынке чипов для ИИ после введения администрацией Трампа тарифов – компания Nvidia, оказавшаяся между молотом американских санкций и наковальней китайского рынка.
Несмотря на якобы состоявшиеся секретные переговоры и объявленные планы о полутрилионных инвестициях в США – новая администрация внезапно запретила поставки в Китай чипов H20, созданных специально с учетом предыдущих ограничений. Результат для компании – прогнозируемые убытки в 5,5 миллиардов долларов и падение акций.
Что делает CEO Nvidia Дженсен Хуанг? То, что сделал бы любой прагматичный бизнесмен – летит в Пекин. Сразу после сокрушительного удара по бизнесу он встречается с вице-премьером Китая и руководством DeepSeek – той самой компании, из-за которой, возможно, и усилили санкции. Ведь есть подозрение, что DeepSeek тренировали свои языковые модели на чипах, которые, по идее, не должны были оказаться в Китае.
Конгресс США в это время бьет тревогу. Как запрещенные H800 попали в китайские руки? Не через Сингапур ли, где недавно арестовали несколько человек за подделку документов о конечных пользователях чипов Nvidia? Законодатели требуют от Хуанга объяснений и отчетов о всех поставках в Юго-Восточную Азию и Китай с 2020 года.
Nvidia оказалась в ловушке: с одной стороны, национальные интересы США и обязательство «следовать указаниям правительства буквально», с другой – огромный китайский рынок, который Хуанг публично называет «очень важным» для компании.
Парадокс ситуации в том, что жесткая политика США может дать обратный эффект. Вместо ослабления конкурента она толкает компании и страны к еще большему сближению с Китаем. Визит Хуанга в Пекин – яркое тому подтверждение. Бизнес идет туда, где есть возможности, а они сейчас всё чаще оказываются за пределами американской сферы влияния.
Reposted from:
Content Review
17.04.202507:59
Генеративный искусственный интеллект съест 644 миллиарда долларов
И это только за 2025 год
Расходы на технологии генеративного искусственного интеллекта (genAI) в 2025 году вырастут на 76% и достигнут 644 миллиарда долларов. При этом 80% этих расходов придется на «аппаратное обеспечение», то есть на железо: ЦОДы, сервера, чипы и проч. Расходы на программное обеспечение почти удвоятся и составят 37,2 миллиарда долларов. К таким выводам пришли аналитики Gratner. По их мнению, столь бурный рост обусловлен тем, что genAI применяется уже практически во всех сферах.
В Gartner уверены, что к 2028 году технологии искусственного интеллекта будут использоваться практически во всех потребительских устройствах. В то же время оговариваются, что сам по себе потребительский спрос не является драйвером, ибо производители устройств сами встраивают ИИ, вынуждая потребителей их покупать. Это вполне согласуется с более ранним опросом CNET, проведенным в США, в ходе которого выяснилось, что покупателей смартфонов заботит долгая работа от батареи, а функции искусственного интеллекта интересны лишь 18%.
Парадокс genAI состоит в том, что пользователи не разделяют бурного восторга разработчиков и бизнеса, который видит в genAI возможность сэкономить. Причиной стало разочарование на первом этапе развития genAI-сервисов, результаты работы которых разочаровали пользователей и ожидания от ИИ-инструментов у них более чем сдержанные. Поэтому в Gartner уверены, что такой диссонанс сохранится и в 2026 году. Что будет потом не знает даже Сэм Альтман.
И это только за 2025 год
Расходы на технологии генеративного искусственного интеллекта (genAI) в 2025 году вырастут на 76% и достигнут 644 миллиарда долларов. При этом 80% этих расходов придется на «аппаратное обеспечение», то есть на железо: ЦОДы, сервера, чипы и проч. Расходы на программное обеспечение почти удвоятся и составят 37,2 миллиарда долларов. К таким выводам пришли аналитики Gratner. По их мнению, столь бурный рост обусловлен тем, что genAI применяется уже практически во всех сферах.
В Gartner уверены, что к 2028 году технологии искусственного интеллекта будут использоваться практически во всех потребительских устройствах. В то же время оговариваются, что сам по себе потребительский спрос не является драйвером, ибо производители устройств сами встраивают ИИ, вынуждая потребителей их покупать. Это вполне согласуется с более ранним опросом CNET, проведенным в США, в ходе которого выяснилось, что покупателей смартфонов заботит долгая работа от батареи, а функции искусственного интеллекта интересны лишь 18%.
Парадокс genAI состоит в том, что пользователи не разделяют бурного восторга разработчиков и бизнеса, который видит в genAI возможность сэкономить. Причиной стало разочарование на первом этапе развития genAI-сервисов, результаты работы которых разочаровали пользователей и ожидания от ИИ-инструментов у них более чем сдержанные. Поэтому в Gartner уверены, что такой диссонанс сохранится и в 2026 году. Что будет потом не знает даже Сэм Альтман.
Reposted from:Content Review
16.04.202504:18
Цифра дня
Сотни филиппинцев вручную делали работу «искусственного интеллекта» в стартапе, собравшем 50 миллионов долларов. Министерство юстиции США предъявило обвинения Альберту Санигеру, основателю Nate – приложения, обещавшего «универсальный» шопинг одним кликом. Пока инвесторы верили в революционную технологию компании и заливали её деньгами, реальные люди из колл-центра на Филиппинах выполняли всю работу.
Расследование показало, что уровень автоматизации был равен нулю, несмотря на покупку ИИ-технологий и команду датасаентистов. Nate на этом фронте не одинок – Amazon, EvenUp, Presto Automation, Kaedim и другие стартапы выдавали труд людей за нейросети.
Сотни филиппинцев вручную делали работу «искусственного интеллекта» в стартапе, собравшем 50 миллионов долларов. Министерство юстиции США предъявило обвинения Альберту Санигеру, основателю Nate – приложения, обещавшего «универсальный» шопинг одним кликом. Пока инвесторы верили в революционную технологию компании и заливали её деньгами, реальные люди из колл-центра на Филиппинах выполняли всю работу.
Расследование показало, что уровень автоматизации был равен нулю, несмотря на покупку ИИ-технологий и команду датасаентистов. Nate на этом фронте не одинок – Amazon, EvenUp, Presto Automation, Kaedim и другие стартапы выдавали труд людей за нейросети.
26.04.202514:07
#нейродайджест CRAI за неделю
• Perplexity хочет стать «ByteDance Америки»
Perplexity больше не просто «нейропоиск»: компания строит экосистему с ИИ-ассистентом, соцсетью Discover, интеграцией с магазинами и браузером Comet для сбора персональных данных. Зачем им это нужно?
• Новые ИИ-модели думают больше – и при этом больше ошибаются
Последнее поколение ИИ «галлюцинирует» вдвое чаще предшественников и проваливается в простых математических задачах. Что за термин «неровной границы» в ИИ и как с этим жить?
• Sora от OpenAI уже почти соцсеть: мемы, общение пользователей и борьба с цензурой
Пользователи сервиса генерации видео Sora создали подобие соцсети: они обошли ограничение на публикацию текстовых постов с помощью… Текста на картинках.
• Говорите ИИ «спасибо», вам зачтётся
Вежливые запросы не только приятны, но и повышают качество ответов языковых моделей.
• Как алгоритмы решают, кто виновен (ещё до преступления)
Мы оказались в «Особом мнении» Спилберга – алгоритмы анализируют данные, чтобы предсказать преступления. Но так ли они безошибочны? Спойлер: нет, и это опасно.
• Продуктивность на стероидах? Почему измерить пользу от ИИ так сложно
Компании внедряют ИИ, но обещанного скачка продуктивности не видно. Проблема в метриках: как оценить работу ИИ, если это не конвейер? Предлагаем свой вариант оценки.
• Рекламу для Microsoft снял ИИ, сэкономив 90% бюджета
Microsoft призналась, что создала рекламный ролик Surface с помощью GenAI, сэкономив 90% времени и затрат. ИИ писал сценарий, генерировал картинки и видео.
• ChatGPT против Google
Несмотря на 160 миллионов ежедневных пользователей ChatGPT, Google не сдаётся. Что победит – энергия стартапа или экосистема с миллиардной аудиторией?
• Adobe сделали аналог robots.txt для картинок
Adobe запустили сервис, позволяющий авторам запрещать использование их изображений для обучения нейросетей с помощью специальных метаданных.
• Perplexity хочет стать «ByteDance Америки»
Perplexity больше не просто «нейропоиск»: компания строит экосистему с ИИ-ассистентом, соцсетью Discover, интеграцией с магазинами и браузером Comet для сбора персональных данных. Зачем им это нужно?
• Новые ИИ-модели думают больше – и при этом больше ошибаются
Последнее поколение ИИ «галлюцинирует» вдвое чаще предшественников и проваливается в простых математических задачах. Что за термин «неровной границы» в ИИ и как с этим жить?
• Sora от OpenAI уже почти соцсеть: мемы, общение пользователей и борьба с цензурой
Пользователи сервиса генерации видео Sora создали подобие соцсети: они обошли ограничение на публикацию текстовых постов с помощью… Текста на картинках.
• Говорите ИИ «спасибо», вам зачтётся
Вежливые запросы не только приятны, но и повышают качество ответов языковых моделей.
• Как алгоритмы решают, кто виновен (ещё до преступления)
Мы оказались в «Особом мнении» Спилберга – алгоритмы анализируют данные, чтобы предсказать преступления. Но так ли они безошибочны? Спойлер: нет, и это опасно.
• Продуктивность на стероидах? Почему измерить пользу от ИИ так сложно
Компании внедряют ИИ, но обещанного скачка продуктивности не видно. Проблема в метриках: как оценить работу ИИ, если это не конвейер? Предлагаем свой вариант оценки.
• Рекламу для Microsoft снял ИИ, сэкономив 90% бюджета
Microsoft призналась, что создала рекламный ролик Surface с помощью GenAI, сэкономив 90% времени и затрат. ИИ писал сценарий, генерировал картинки и видео.
• ChatGPT против Google
Несмотря на 160 миллионов ежедневных пользователей ChatGPT, Google не сдаётся. Что победит – энергия стартапа или экосистема с миллиардной аудиторией?
• Adobe сделали аналог robots.txt для картинок
Adobe запустили сервис, позволяющий авторам запрещать использование их изображений для обучения нейросетей с помощью специальных метаданных.
24.04.202516:57
Изучили интересный разговор с основателем 🧘Perplexity Аравиндом Шринивасом на канале TBPN. В ближайшем будущем Perplexity ждёт много изменений – сервис перестанет быть просто нейропоиском и амбициозно хочет стать “ByteDance of America”. О чём конкретно говорили в видео?
Вслед за релизом ассистента для Андроида компания выпустила его и на платформе Apple, превратив в прямого конкурента Siri (которая всё ещё скорее мертва, чем жива). Правда, учитывая ограничения iOS, многого пока реализовать не получилось – например, ставить будильники или регулировать громкость ассистент не умеет. И Аравинд не думает, что система станет более открытой в будущем. На Андроиде таких проблем нет – но есть другие.
Например, практика принудительной привязки OEM-производителей к сервисам Google. Perplexity хочет дать пользователям больше гибкости в выборе ассистента, поиска и других сервисов, без автоматической предустановки приложений экосистемы Google. Аравинд считает, что Gemini «ужасен как продукт», несмотря на качественную модель, и неправильно навязывать его пользователям по умолчанию.
Чтобы избавиться от ярлыка «нейропоиска», компания делает новые сервисы. Например, Discover – социальную платформу с алгоритмической выдачей контента (свой TikTok). А в сфере электронной коммерции компания предлагает возможность совершать покупки прямо через нейропоиск благодаря интеграции с Shopify.
Самая противоречивая часть видео – рассказ про ИИ-браузер Comet, запуск которого ожидается в мае. Аравинд говорит, что люди часто пользуются Perplexity для работы – и поэтому собираемые сервисом данные не слишком персональные и не всегда отражают предпочтения пользователей. Браузер как раз станет источником персональных данных для таргетинга премиум-рекламы – компания хочет знать, что пользователи покупают, где едят, какие видео смотрят и так далее. То есть браузер делается не просто как дорогая игрушка, а с целью заработать.
Что в итоге? Perplexity пытаются строить свою экосистему – с браузером, поиском, соцсетью, рекламным инвентарём и прямыми покупками товаров. Всё это на основе ИИ и рекомендательных алгоритмов. Очень амбициозный план – если не сказать больше.
Вслед за релизом ассистента для Андроида компания выпустила его и на платформе Apple, превратив в прямого конкурента Siri (которая всё ещё скорее мертва, чем жива). Правда, учитывая ограничения iOS, многого пока реализовать не получилось – например, ставить будильники или регулировать громкость ассистент не умеет. И Аравинд не думает, что система станет более открытой в будущем. На Андроиде таких проблем нет – но есть другие.
Например, практика принудительной привязки OEM-производителей к сервисам Google. Perplexity хочет дать пользователям больше гибкости в выборе ассистента, поиска и других сервисов, без автоматической предустановки приложений экосистемы Google. Аравинд считает, что Gemini «ужасен как продукт», несмотря на качественную модель, и неправильно навязывать его пользователям по умолчанию.
Чтобы избавиться от ярлыка «нейропоиска», компания делает новые сервисы. Например, Discover – социальную платформу с алгоритмической выдачей контента (свой TikTok). А в сфере электронной коммерции компания предлагает возможность совершать покупки прямо через нейропоиск благодаря интеграции с Shopify.
Самая противоречивая часть видео – рассказ про ИИ-браузер Comet, запуск которого ожидается в мае. Аравинд говорит, что люди часто пользуются Perplexity для работы – и поэтому собираемые сервисом данные не слишком персональные и не всегда отражают предпочтения пользователей. Браузер как раз станет источником персональных данных для таргетинга премиум-рекламы – компания хочет знать, что пользователи покупают, где едят, какие видео смотрят и так далее. То есть браузер делается не просто как дорогая игрушка, а с целью заработать.
Что в итоге? Perplexity пытаются строить свою экосистему – с браузером, поиском, соцсетью, рекламным инвентарём и прямыми покупками товаров. Всё это на основе ИИ и рекомендательных алгоритмов. Очень амбициозный план – если не сказать больше.
23.04.202504:07
Утренний #нейротрек
18.04.202511:37
В США хотят запретить открытый ИИ?
В 2024 году китайские военные исследователи, связанные с НОАК, на основе открытой модели LLaMA сделали инструмент ChatBIT для военных. Америке это не понравилось.
В Соединённых штатах есть множество небольших стартапов, которые строят экосистему открытых моделей. EleutherAI с моделями GPT-Neo и GPT-J (иронично называемые «открытой» версией OpenAI), Together AI с инфраструктурой для LLaMA и Mixtral, Hugging Face с библиотекой Transformers (которые превратились в настоящее сердце сообщества открытого ИИ), и так далее. Они вносят огромный вклад в развитие сообщества, и раньше считалось, что открытый код – это благо.
Правда, когда те самые открытые модели из США стали попадать в руки геополитических противников, сделавших на их основе свои решения – администрация такого развития событий не оценила. С приходом Трампа в стране возобновились дискуссии о рисках и минусах открытого ИИ.
С плюсами никто не спорит – открытые модели позволяют исследователям изучать их работу, выявлять уязвимости и решать этические проблемы, легко доступны для стартапов и бизнеса, предотвращают монополизацию рынка и способствуют развитию технологий. Но, как бывает в таких случаях, риски в глазах регуляторов могут перевесить плюсы.
О каких рисках идёт речь?
• Неконтролируемое распространение – в отличие от закрытых систем, открытые модели невозможно «отозвать» после публикации и любые найденные уязвимости остаются в них навсегда.
• Дипфейки и дезинформация – свободный доступ к технологиям создания дипфейков позволяет манипулировать общественным мнением.
• Бэкдоры – в открытых моделях из других стран (в частности, Китая) могут быть встроены скрытые уязвимости. Этот пункт стал актуальным на фоне мирового взлёта DeepSeek.
• Кибератаки и автономное оружие – открытые инструменты ИИ могут быть использованы для кибератак, создания систем вооружения и других действий, подрывающих национальную безопасность. Этот момент беспокоит власти США больше всего.
К счастью, о полном запрете открытого ИИ пока речи не идёт – да и вряд ли это возможно. В США рассматриваются разные опции. Золотой серединой считают регулирование, которое сохраняет преимущества открытости, но минимизирует риски – например, через ограничения на самые мощные модели или специфические области применения, представляющие явную угрозу безопасности.
В 2024 году китайские военные исследователи, связанные с НОАК, на основе открытой модели LLaMA сделали инструмент ChatBIT для военных. Америке это не понравилось.
В Соединённых штатах есть множество небольших стартапов, которые строят экосистему открытых моделей. EleutherAI с моделями GPT-Neo и GPT-J (иронично называемые «открытой» версией OpenAI), Together AI с инфраструктурой для LLaMA и Mixtral, Hugging Face с библиотекой Transformers (которые превратились в настоящее сердце сообщества открытого ИИ), и так далее. Они вносят огромный вклад в развитие сообщества, и раньше считалось, что открытый код – это благо.
Правда, когда те самые открытые модели из США стали попадать в руки геополитических противников, сделавших на их основе свои решения – администрация такого развития событий не оценила. С приходом Трампа в стране возобновились дискуссии о рисках и минусах открытого ИИ.
С плюсами никто не спорит – открытые модели позволяют исследователям изучать их работу, выявлять уязвимости и решать этические проблемы, легко доступны для стартапов и бизнеса, предотвращают монополизацию рынка и способствуют развитию технологий. Но, как бывает в таких случаях, риски в глазах регуляторов могут перевесить плюсы.
О каких рисках идёт речь?
• Неконтролируемое распространение – в отличие от закрытых систем, открытые модели невозможно «отозвать» после публикации и любые найденные уязвимости остаются в них навсегда.
• Дипфейки и дезинформация – свободный доступ к технологиям создания дипфейков позволяет манипулировать общественным мнением.
• Бэкдоры – в открытых моделях из других стран (в частности, Китая) могут быть встроены скрытые уязвимости. Этот пункт стал актуальным на фоне мирового взлёта DeepSeek.
• Кибератаки и автономное оружие – открытые инструменты ИИ могут быть использованы для кибератак, создания систем вооружения и других действий, подрывающих национальную безопасность. Этот момент беспокоит власти США больше всего.
К счастью, о полном запрете открытого ИИ пока речи не идёт – да и вряд ли это возможно. В США рассматриваются разные опции. Золотой серединой считают регулирование, которое сохраняет преимущества открытости, но минимизирует риски – например, через ограничения на самые мощные модели или специфические области применения, представляющие явную угрозу безопасности.
17.04.202504:07
Утренний #нейротрек
16.04.202504:07
Утренний #нейротрек
25.04.202513:41
У ChatGPT 160 миллионов ежедневных пользователей. Это угроза для империи Google?
Google в последнее время сталкивается с серьезными вызовами: антимонопольные иски, рост операционных расходов, потенциальное снижение рекламной выручки из-за изменений в таможенной политике США.
На другом фланге – OpenAI с впечатляющими показателями использования ChatGPT: около 160 миллионов ежедневных пользователей (против примерно 35 миллионов у Gemini). Более того, OpenAI пытаются выдавить Google с рынка и даже заинтересованы в покупке браузера Chrome. Неужели это конец Google?
Зависит от того, как смотреть на цифры. У Google есть козырь в рукаве – масштаб экосистемы. Когда речь заходит об интеграции ИИ в поиск с его 1,5 миллиардами ежедневных пользователей, миллиарды устройств Android и Chromebook, картина кардинально меняется. Предустановка Gemini на Android-устройства уже привела к четырехкратному росту пользовательской базы (хотя понятно, что это экстенсивный рост).
Более того, Google всё ещё имеют продвинутые ИИ-модели с бóльшим контекстным окном, чем у OpenAI, более низкой ценой и более высокой скоростью инференса. То есть с технической точки зрения у них больше преимуществ, чем у конкурента, а это облегчит масштабирование и обучение последующих моделей. И, в отличие от OpenAI, у них есть другие источники заработка помимо ИИ – поэтому, несмотря на экономические трудности и юридическое давление, Google инвестируют 75 миллиардов долларов в искусственный интеллект и расширение дата-центров.
Сегодня OpenAI лидирует по вовлеченности пользователей за счёт бренда (они просто начали развивать это направление раньше и многие никогда не пользовались другими чат-ботами) и очень узкой ориентированности на ИИ. Тогда как Google делает ставку на интеграцию нейросетей как инструмента в существующую экосистему, получая доступ к гораздо более широкой базе пользователей для продажи подписки и сбора персональных данных.
Google в последнее время сталкивается с серьезными вызовами: антимонопольные иски, рост операционных расходов, потенциальное снижение рекламной выручки из-за изменений в таможенной политике США.
На другом фланге – OpenAI с впечатляющими показателями использования ChatGPT: около 160 миллионов ежедневных пользователей (против примерно 35 миллионов у Gemini). Более того, OpenAI пытаются выдавить Google с рынка и даже заинтересованы в покупке браузера Chrome. Неужели это конец Google?
Зависит от того, как смотреть на цифры. У Google есть козырь в рукаве – масштаб экосистемы. Когда речь заходит об интеграции ИИ в поиск с его 1,5 миллиардами ежедневных пользователей, миллиарды устройств Android и Chromebook, картина кардинально меняется. Предустановка Gemini на Android-устройства уже привела к четырехкратному росту пользовательской базы (хотя понятно, что это экстенсивный рост).
Более того, Google всё ещё имеют продвинутые ИИ-модели с бóльшим контекстным окном, чем у OpenAI, более низкой ценой и более высокой скоростью инференса. То есть с технической точки зрения у них больше преимуществ, чем у конкурента, а это облегчит масштабирование и обучение последующих моделей. И, в отличие от OpenAI, у них есть другие источники заработка помимо ИИ – поэтому, несмотря на экономические трудности и юридическое давление, Google инвестируют 75 миллиардов долларов в искусственный интеллект и расширение дата-центров.
Сегодня OpenAI лидирует по вовлеченности пользователей за счёт бренда (они просто начали развивать это направление раньше и многие никогда не пользовались другими чат-ботами) и очень узкой ориентированности на ИИ. Тогда как Google делает ставку на интеграцию нейросетей как инструмента в существующую экосистему, получая доступ к гораздо более широкой базе пользователей для продажи подписки и сбора персональных данных.
24.04.202513:47
⏫Adobe сделали сервис, который позволяет запретить использовать изображения для обучения нейросетей – что-то вроде robots.txt у сайтов.
Content Authenticity App позволяет авторам добавлять к изображениям метаданные, подтверждающие подлинность файла и указывающие на владельца. Отдельной галочкой можно запретить или разрешить использовать картинки для обучения ИИ-моделей. Метаданные встраиваются в различные пиксели изображения и сохраняются даже если его конвертировать, обрезать или каким-то иным образом обработать, а в будущем то же самое будет работать с видео и аудио.
Интересный ход Adobe, которые часто хвалятся тем, что обучают свои модели исключительно на лицензированных файлах со стоков (с их слов даже доплачивая собственникам) и не используют данные пользователей. Правда, на те файлы, которые уже есть в Интернете, маркировку добавить не получится. Да и не всем пользователям захочется перед публикацией делать лишний шаг и заходить на сайт сервиса.
Ключевой вопрос тут – будут ли разработчики ИИ-моделей соблюдать эти ограничения? Adobe ведут переговоры с несколькими крупными компаниями, но пока никаких соглашений не заключено. А чтобы действительно защитить контент, такой формат маркировки придётся делать стандартом, и потом законодательно запрещать использовать маркированные файлы при обучении ИИ-моделей, что вряд ли случится. Пока же это приложение выглядит скорее как пиар-история для Adobe.
Content Authenticity App позволяет авторам добавлять к изображениям метаданные, подтверждающие подлинность файла и указывающие на владельца. Отдельной галочкой можно запретить или разрешить использовать картинки для обучения ИИ-моделей. Метаданные встраиваются в различные пиксели изображения и сохраняются даже если его конвертировать, обрезать или каким-то иным образом обработать, а в будущем то же самое будет работать с видео и аудио.
Интересный ход Adobe, которые часто хвалятся тем, что обучают свои модели исключительно на лицензированных файлах со стоков (с их слов даже доплачивая собственникам) и не используют данные пользователей. Правда, на те файлы, которые уже есть в Интернете, маркировку добавить не получится. Да и не всем пользователям захочется перед публикацией делать лишний шаг и заходить на сайт сервиса.
Ключевой вопрос тут – будут ли разработчики ИИ-моделей соблюдать эти ограничения? Adobe ведут переговоры с несколькими крупными компаниями, но пока никаких соглашений не заключено. А чтобы действительно защитить контент, такой формат маркировки придётся делать стандартом, и потом законодательно запрещать использовать маркированные файлы при обучении ИИ-моделей, что вряд ли случится. Пока же это приложение выглядит скорее как пиар-история для Adobe.
22.04.202514:46
Почему так сложно измерить влияние ИИ на продуктивность
Вспомним конвейер Форда – классический пример линейного процесса массового производства, где автоматизация равна росту производительности. А теперь подумаем о мастере, создающем скрипки на заказ – конвейер ему не сильно поможет. Это сравнение как раз показывает главную проблему внедрения искусственного интеллекта в производственный процесс.
Если верить исследованиям, 20-40% работников в США и около 13,5% компаний в ЕС уже применяют ИИ. А где обещанный экономический эффект? Почему ИИ, который должен повышать эффективность и снижать траты компаний, требует со временем от них больше инвестиций? Особенно в сфере услуг – консалтинге, юриспруденции, медиа и так далее.
Всё дело в метриках. Точнее, в их отсутствии – сложно измерить влияние ИИ на производительность. В случае с конвейером считаем штуки за единицу времени, чем больше произвели, тем лучше. Но можно ли так оценивать тексты? Или изображения? Или количество документов, на основе которых ИИ сделал выжимку?
Если посмотреть шире, то все инновации дают людям возможность экономить время. И в последнее время чаще звучат разговоры, что именно экономия времени может стать главным фактором для оценки повышения или понижения продуктивности после внедрения ИИ.
Здесь стоит задать вопрос – для чего в компании внедряется ИИ: сэкономить деньги или рассказать об этом на конференции. Если первое, то нужно искать линейные процессы и стараться их оптимизировать – например, транскрибацию текста, генерацию и улучшение картинок, суммаризацию документов, брейнсторминг, создание аудио и так далее. В данном случае ИИ-сервисы действительно могут заменить многочасовую работу, для которой пришлось бы держать работников в штате (или привлекать со стороны).
Если цель похвастаться на конференции созданием ИИ, который умеет сам и с клиентами общаться, и тексты в соцсети писать, и делать другие задачи, требующие индивидуального подхода (а в свободное время ещё музыку сочиняет) – лучше просто объявить о внедрении ИИ и забыть о нём поскорее. Потому что затраченное на задачи время он только удлинит. Возможно, стоит просто попросить сотрудников меньше общаться возле кулера, и продуктивность вырастет сама.
Сегодня все говорят об агентах, виртуальных сотрудниках, автоматизации вертикальных процессов, где ИИ пока интегрировать довольно бесполезно, а отдачу измерить – сложно. Хотя если говорить о более простых инструментах, которые сокращают время выполнения линейных процессов, то картина меняется.
Вспомним конвейер Форда – классический пример линейного процесса массового производства, где автоматизация равна росту производительности. А теперь подумаем о мастере, создающем скрипки на заказ – конвейер ему не сильно поможет. Это сравнение как раз показывает главную проблему внедрения искусственного интеллекта в производственный процесс.
Если верить исследованиям, 20-40% работников в США и около 13,5% компаний в ЕС уже применяют ИИ. А где обещанный экономический эффект? Почему ИИ, который должен повышать эффективность и снижать траты компаний, требует со временем от них больше инвестиций? Особенно в сфере услуг – консалтинге, юриспруденции, медиа и так далее.
Всё дело в метриках. Точнее, в их отсутствии – сложно измерить влияние ИИ на производительность. В случае с конвейером считаем штуки за единицу времени, чем больше произвели, тем лучше. Но можно ли так оценивать тексты? Или изображения? Или количество документов, на основе которых ИИ сделал выжимку?
Если посмотреть шире, то все инновации дают людям возможность экономить время. И в последнее время чаще звучат разговоры, что именно экономия времени может стать главным фактором для оценки повышения или понижения продуктивности после внедрения ИИ.
Здесь стоит задать вопрос – для чего в компании внедряется ИИ: сэкономить деньги или рассказать об этом на конференции. Если первое, то нужно искать линейные процессы и стараться их оптимизировать – например, транскрибацию текста, генерацию и улучшение картинок, суммаризацию документов, брейнсторминг, создание аудио и так далее. В данном случае ИИ-сервисы действительно могут заменить многочасовую работу, для которой пришлось бы держать работников в штате (или привлекать со стороны).
Если цель похвастаться на конференции созданием ИИ, который умеет сам и с клиентами общаться, и тексты в соцсети писать, и делать другие задачи, требующие индивидуального подхода (а в свободное время ещё музыку сочиняет) – лучше просто объявить о внедрении ИИ и забыть о нём поскорее. Потому что затраченное на задачи время он только удлинит. Возможно, стоит просто попросить сотрудников меньше общаться возле кулера, и продуктивность вырастет сама.
Сегодня все говорят об агентах, виртуальных сотрудниках, автоматизации вертикальных процессов, где ИИ пока интегрировать довольно бесполезно, а отдачу измерить – сложно. Хотя если говорить о более простых инструментах, которые сокращают время выполнения линейных процессов, то картина меняется.
18.04.202504:07
Утренний #нейротрек
16.04.202514:17
Всё, что вам нужно знать про «рассуждающие» модели (чтобы использовать их реже)
OpenAI в своё время совершили прорыв, создав и популяризировав «рассуждающую» языковую модель o1. Суть модели в том, что благодаря обучению на особом дата-сете она способна шаг за шагом решать сложные задачи, «имитируя» человеческое мышление. С тех пор все компании носятся с этими рассуждающими моделями. Но, во-первых, никакое мышление они не имитируют, а во-вторых – не всегда самый сложный инструмент оказывается лучшим выбором.
У рассуждающих моделей есть несколько проблем, и главная из них – избыточная сложность. Чтобы узнать, сколько будет 2+2, человек вряд ли станет запускать суперкомпьютер. То же происходит и с ИИ-моделями: когда нужно узнать столицу страны или перевести предложение, запуск механизма рассуждений становится пушечным выстрелом по воробьям.
Механизм цепочки рассуждений (CoT) создавался изначально с целью уменьшить шансы галлюцинаций в ответах и заставить ИИ перепроверять себя. Это особенно полезно в решении головоломок, математических и логических задач. Они разбивают проблему на шаги, выстраивают логические связи и демонстрируют весь процесс мышления. Возникает вопрос – как часто люди используют ИИ для этого?
Более того, за такое усложнение приходится платить – буквально. Такие модели требуют больше вычислительных ресурсов, потому что нуждаются в большем контекстном окне, работают медленнее и часто страдают от «многословия» – могут превратить простую задачу в зацикленный на себе самом философский трактат. Часто продвинутые модели совершают ошибки именно из-за своей сложности – логически выверенная цепочка рассуждений может привести к отлично аргументированному, но неверному выводу. То есть «рассуждение» не гарантирует, что ответ будет более правильным.
Поэтому, когда какую-то компанию ругают за отсутствие рассуждающего режима или его сырость – нужно задать вопрос «А зачем он вообще нужен?». Возможно, обычная LLM с доступом в Интернет решает задачи большинства пользователей гораздо быстрее и эффективнее. Равно как и в ситуации, когда компания активно продвигает «новую рассуждающую модель» – важно понимать, где реальное улучшение, а где просто маркетинг.
Что полезного можно для себя вынести? Использовать рассуждающие модели для фактических вопросов, суммирования, перевода и написания текста – не сильно рационально: тратится больше времени, ресурсов, а качество ответа может снизиться. Это понимают и крупные компании, создающие «гибридные» модели – которые в зависимости от сложности запроса принимают решение о том, сколько нужно «думать».
OpenAI в своё время совершили прорыв, создав и популяризировав «рассуждающую» языковую модель o1. Суть модели в том, что благодаря обучению на особом дата-сете она способна шаг за шагом решать сложные задачи, «имитируя» человеческое мышление. С тех пор все компании носятся с этими рассуждающими моделями. Но, во-первых, никакое мышление они не имитируют, а во-вторых – не всегда самый сложный инструмент оказывается лучшим выбором.
У рассуждающих моделей есть несколько проблем, и главная из них – избыточная сложность. Чтобы узнать, сколько будет 2+2, человек вряд ли станет запускать суперкомпьютер. То же происходит и с ИИ-моделями: когда нужно узнать столицу страны или перевести предложение, запуск механизма рассуждений становится пушечным выстрелом по воробьям.
Механизм цепочки рассуждений (CoT) создавался изначально с целью уменьшить шансы галлюцинаций в ответах и заставить ИИ перепроверять себя. Это особенно полезно в решении головоломок, математических и логических задач. Они разбивают проблему на шаги, выстраивают логические связи и демонстрируют весь процесс мышления. Возникает вопрос – как часто люди используют ИИ для этого?
Более того, за такое усложнение приходится платить – буквально. Такие модели требуют больше вычислительных ресурсов, потому что нуждаются в большем контекстном окне, работают медленнее и часто страдают от «многословия» – могут превратить простую задачу в зацикленный на себе самом философский трактат. Часто продвинутые модели совершают ошибки именно из-за своей сложности – логически выверенная цепочка рассуждений может привести к отлично аргументированному, но неверному выводу. То есть «рассуждение» не гарантирует, что ответ будет более правильным.
Поэтому, когда какую-то компанию ругают за отсутствие рассуждающего режима или его сырость – нужно задать вопрос «А зачем он вообще нужен?». Возможно, обычная LLM с доступом в Интернет решает задачи большинства пользователей гораздо быстрее и эффективнее. Равно как и в ситуации, когда компания активно продвигает «новую рассуждающую модель» – важно понимать, где реальное улучшение, а где просто маркетинг.
Что полезного можно для себя вынести? Использовать рассуждающие модели для фактических вопросов, суммирования, перевода и написания текста – не сильно рационально: тратится больше времени, ресурсов, а качество ответа может снизиться. Это понимают и крупные компании, создающие «гибридные» модели – которые в зависимости от сложности запроса принимают решение о том, сколько нужно «думать».
15.04.202511:18
Nvidia стали патриотами США и теперь производят всё дома?
Производитель видеокарт объявил о «беспрецедентном» шаге – переносе значительной части производства своих ИИ-чипов Blackwell и суперкомпьютеров на американскую землю. Компания утверждает, что уже запустила производство на заводах TSMC в Аризоне и готовится построить два предприятия в Техасе – в Хьюстоне (совместно с Foxconn) и Далласе (с Wistron).
Масштаб у проекта внушительный – до 500 миллиардов долларов инвестиций в течение четырех лет (есть мнение, что цифра в 500 миллиардов кажется для администрации Трампа магической, потому что Apple пришлось недавно анонсировать то же самое, а до них Oracle и OpenAI запускали Stargate с такой же суммой). Массовое производство на техасских заводах ожидается уже через 12-15 месяцев, а компания прогнозирует создание <strike>миллиардов</strike> «сотен тысяч» рабочих мест.
Что стоит за этим решением? Есть несколько причин. Официальная – «растущий спрос на ИИ-инфраструктуру и стремление укрепить цепочки поставок». Хотя тот же самый растущий в последние годы спрос компанию наладить производство в США не убедил. Неофициальная (и реальная) причина – политическое давление администрации Трампа, которая активно продвигает возвращение производства на родину, и нежелание столкнуться с тарифами. Сам Трамп сказал, буквально, что выборы и тарифы «заставили» их это сделать.
Однако на пути к «американской кремниевой мечте» есть серьезные препятствия. Это решение скорее политическое, чем экономическое, и потому может привести к денежным потерям, снижению эффективности производства и падению выручки. А неопределенность с размером тарифов на импортируемые компоненты и попытки новой администрации пересмотреть CHIPS Act создают дополнительные риски. Не говоря уж о том, что в США просто нет дешёвой и достаточно квалифицированной рабочей силы для заводов. Кто будет работать, мексиканцы? Или завезённые тайваньцы?
Nvidia пытается обойти эти преграды с помощью собственных технологий и получить максимум выгоды — например, используя свои же ИИ-системы, NVIDIA Omniverse для создания цифровых двойников фабрик и NVIDIA Isaac GR00T для автоматизации производственных процессов с помощью роботов. При этом самая главная угроза для компании – не частичный перенос производства, а потеря китайского рынка, который всё ещё активно закупает даже урезанные из-за санкций модели чипов. И если ради китайских денег нужно построить несколько заводов в США – почему бы и нет?
Производитель видеокарт объявил о «беспрецедентном» шаге – переносе значительной части производства своих ИИ-чипов Blackwell и суперкомпьютеров на американскую землю. Компания утверждает, что уже запустила производство на заводах TSMC в Аризоне и готовится построить два предприятия в Техасе – в Хьюстоне (совместно с Foxconn) и Далласе (с Wistron).
Масштаб у проекта внушительный – до 500 миллиардов долларов инвестиций в течение четырех лет (есть мнение, что цифра в 500 миллиардов кажется для администрации Трампа магической, потому что Apple пришлось недавно анонсировать то же самое, а до них Oracle и OpenAI запускали Stargate с такой же суммой). Массовое производство на техасских заводах ожидается уже через 12-15 месяцев, а компания прогнозирует создание <strike>миллиардов</strike> «сотен тысяч» рабочих мест.
Что стоит за этим решением? Есть несколько причин. Официальная – «растущий спрос на ИИ-инфраструктуру и стремление укрепить цепочки поставок». Хотя тот же самый растущий в последние годы спрос компанию наладить производство в США не убедил. Неофициальная (и реальная) причина – политическое давление администрации Трампа, которая активно продвигает возвращение производства на родину, и нежелание столкнуться с тарифами. Сам Трамп сказал, буквально, что выборы и тарифы «заставили» их это сделать.
Однако на пути к «американской кремниевой мечте» есть серьезные препятствия. Это решение скорее политическое, чем экономическое, и потому может привести к денежным потерям, снижению эффективности производства и падению выручки. А неопределенность с размером тарифов на импортируемые компоненты и попытки новой администрации пересмотреть CHIPS Act создают дополнительные риски. Не говоря уж о том, что в США просто нет дешёвой и достаточно квалифицированной рабочей силы для заводов. Кто будет работать, мексиканцы? Или завезённые тайваньцы?
Nvidia пытается обойти эти преграды с помощью собственных технологий и получить максимум выгоды — например, используя свои же ИИ-системы, NVIDIA Omniverse для создания цифровых двойников фабрик и NVIDIA Isaac GR00T для автоматизации производственных процессов с помощью роботов. При этом самая главная угроза для компании – не частичный перенос производства, а потеря китайского рынка, который всё ещё активно закупает даже урезанные из-за санкций модели чипов. И если ради китайских денег нужно построить несколько заводов в США – почему бы и нет?
25.04.202511:01
Microsoft выпустила в январе минутный рекламный ролик про устройства Surface. А спустя 3 месяца они признались, что сэкономили 90% времени и затрат за счёт использования в рекламе генеративного ИИ. Инструмент был использован, чтобы показать ноутбук в разных условиях работы (на природе, на стройке, в офисах и так далее), но без необходимости выездных съёмок.
Некоторые кадры сняты вживую (например, крупные планы с печатающими руками), а другие полностью сгенерированы искусственным интеллектом. Более того, команда использовала чат-ботов даже на этапе написания сценария.
Процесс работы выглядел так:
1. Чат-бот пишет сценарий и определяет, какие кадры понадобятся.
2. Дальше он генерирует промпты для создания нужных картинок.
3. Картинки генерируются в стороннем сервисе.
4. И потом эти изображения отправляются в видеогенераторы Hailuo и Kling, чтобы на их основе получить видео для рекламы.
Что удивляет – 3 месяца никто этого не замечал. Если знать, куда смотреть, то увидеть сгенерированные кадры не проблема – текст на бумаге явно не написан от руки, банка в кадре выглядит неестественно и другие мелочи выдают использование нейросетей. Но, оказалось, никто не вглядывается.
Почему это показательный случай? ИИ уже становится обычным инструментом для продакшена разных уровней, даже у больших компаний с деньгами. Сейчас ИИ уже работает на таком уровне, что при совмещении с живыми кадрами зрители не заметят разницы. На этот счёт директор по дизайну Microsoft сказал, что работа дизайнера превращается в обычное редактирование.
Некоторые кадры сняты вживую (например, крупные планы с печатающими руками), а другие полностью сгенерированы искусственным интеллектом. Более того, команда использовала чат-ботов даже на этапе написания сценария.
Процесс работы выглядел так:
1. Чат-бот пишет сценарий и определяет, какие кадры понадобятся.
2. Дальше он генерирует промпты для создания нужных картинок.
3. Картинки генерируются в стороннем сервисе.
4. И потом эти изображения отправляются в видеогенераторы Hailuo и Kling, чтобы на их основе получить видео для рекламы.
Что удивляет – 3 месяца никто этого не замечал. Если знать, куда смотреть, то увидеть сгенерированные кадры не проблема – текст на бумаге явно не написан от руки, банка в кадре выглядит неестественно и другие мелочи выдают использование нейросетей. Но, оказалось, никто не вглядывается.
Почему это показательный случай? ИИ уже становится обычным инструментом для продакшена разных уровней, даже у больших компаний с деньгами. Сейчас ИИ уже работает на таком уровне, что при совмещении с живыми кадрами зрители не заметят разницы. На этот счёт директор по дизайну Microsoft сказал, что работа дизайнера превращается в обычное редактирование.
24.04.202504:59
Утренний #нейротрек
19.04.202510:31
#нейродайджест CRAI за неделю
• Аниме против Google: картинки в стиле Ghibli помогли ChatGPT захватить рынок ИИ?
Как функция генерации аниме-изображений привела к взрывному росту популярности ChatGPT, который в разы обогнал Gemini по трафику, и что теперь делать Google?
• «Рассуждающий» ИИ – переоцененная технология?
Разбираемся с проблемами и ограничениями «рассуждающих» языковых моделей, которые имитируют человеческое мышление. Когда их стоит использовать?
• Новый релиз OpenAI
Модели o3 и o4-mini способны «думать» изображениями и использовать в этот момент инструменты ChatGPT. Что это значит?
• Nvidia между санкциями США и китайскими деньгами
Как связаны запрет на экспорт видеокарт в Китай, визит главы Nvidia в Пекин и аресты в Сингапуре?
• Неожиданно «умный» стартап: ручной труд филиппинцев вместо ИИ
Стартап Nate привлек 50 миллионов долларов, обещая революционный ИИ-шопинг, а на деле использовал труд сотен людей на Филиппинах.
• 644 миллиарда долларов на ветер?
По прогнозу Gartner, расходы на генеративный ИИ в 2025 году вырастут колоссально. Парадокс: пользователи пока не разделяют энтузиазма разработчиков по поводу GenAI. Куда пойдут деньги и есть ли смысл в таких инвестициях?
• США хотят запретить открытый ИИ?
В Соединённых штатах идёт дискуссия о возможном запрете или регулировании открытого искусственного интеллекта. Чем им не угодили open source модели?
• Реклама в чат-ботах – новая реальность?
Стартап Nexad планирует внедрить рекламу в чат-боты. Как она может выглядеть и почему инвесторы готовы в это вкладываться?
• Переговоры в Мар-а-Лаго: как Nvidia пытались спасти свой китайский экспорт от Трампа
Глава Nvidia, по слухам, пытался на секретном ужине убедить администрацию Трампа сделать исключение и не блокировать поставки ключевых ИИ-чипов в Китай. Спойлер – не получилось.
• В Nvidia заявили, что переносят производство в США
500 миллиардов инвестиций и начало производства в Америке – зачем это компании?
• Аниме против Google: картинки в стиле Ghibli помогли ChatGPT захватить рынок ИИ?
Как функция генерации аниме-изображений привела к взрывному росту популярности ChatGPT, который в разы обогнал Gemini по трафику, и что теперь делать Google?
• «Рассуждающий» ИИ – переоцененная технология?
Разбираемся с проблемами и ограничениями «рассуждающих» языковых моделей, которые имитируют человеческое мышление. Когда их стоит использовать?
• Новый релиз OpenAI
Модели o3 и o4-mini способны «думать» изображениями и использовать в этот момент инструменты ChatGPT. Что это значит?
• Nvidia между санкциями США и китайскими деньгами
Как связаны запрет на экспорт видеокарт в Китай, визит главы Nvidia в Пекин и аресты в Сингапуре?
• Неожиданно «умный» стартап: ручной труд филиппинцев вместо ИИ
Стартап Nate привлек 50 миллионов долларов, обещая революционный ИИ-шопинг, а на деле использовал труд сотен людей на Филиппинах.
• 644 миллиарда долларов на ветер?
По прогнозу Gartner, расходы на генеративный ИИ в 2025 году вырастут колоссально. Парадокс: пользователи пока не разделяют энтузиазма разработчиков по поводу GenAI. Куда пойдут деньги и есть ли смысл в таких инвестициях?
• США хотят запретить открытый ИИ?
В Соединённых штатах идёт дискуссия о возможном запрете или регулировании открытого искусственного интеллекта. Чем им не угодили open source модели?
• Реклама в чат-ботах – новая реальность?
Стартап Nexad планирует внедрить рекламу в чат-боты. Как она может выглядеть и почему инвесторы готовы в это вкладываться?
• Переговоры в Мар-а-Лаго: как Nvidia пытались спасти свой китайский экспорт от Трампа
Глава Nvidia, по слухам, пытался на секретном ужине убедить администрацию Трампа сделать исключение и не блокировать поставки ключевых ИИ-чипов в Китай. Спойлер – не получилось.
• В Nvidia заявили, что переносят производство в США
500 миллиардов инвестиций и начало производства в Америке – зачем это компании?
17.04.202510:07
Пост про думающие модели вышел как нельзя кстати – OpenAI выпустили модели o3 и o4-mini
Из важных улучшений – флагманская модель o3 обрабатывает изображения во время размышлений и может взаимодействовать с загруженными фотографиями. Обещают, что поймёт даже чертёж на салфетке или схемы в низком разрешении. Это не совсем нововведение – то же самое умели делать и раньше мультимодальные модели вроде 4o, или работающие в связке VLM и LLM модели, но теперь этот процесс встраивается в «рассуждения» модели.
Самое важное нововведение – обучение моделей происходило с учётом инструментов, которые есть в ChatGPT. Они могут во время ответа искать данные в Интернете, писать код на Python для вычислений, генерировать графики или изображения – и всё это также встраивается в процесс «рассуждения».
Примечательно, что o3 чуть не осталась в лабораториях навсегда. Сэм Альтман, глава OpenAI, изначально планировал направить ресурсы на более продвинутую альтернативу, но, похоже, давление конкурентов – Google, Meta, Anthropic и других – вынудило компанию изменить курс.
Модель неплохо справляется с задачами, хотя на простые вопросы иногда может отвечать несколько десятков секунд. При этом обе модели активно убеждают пользователя в правильности своего ответа, даже когда сильно ошибаются. Почему? Потому что убеждают себя раз за разом во время «рассуждений», что правы, и по итогу не могут сказать «Я не знаю».
В ближайшие недели ожидается выход o3-pro – еще более мощной версии, использующей дополнительные вычислительные ресурсы. А в перспективе все эти наработки должны объединиться в GPT-5 – гибридную модель, которая соединит традиционные возможности с новыми функциями рассуждения. И вот она как раз выглядит наиболее перспективной – возможность использовать и встроенные инструменты, и рассуждения, и скорость ответа обычной модели – всё в рамках одного решения.
Из важных улучшений – флагманская модель o3 обрабатывает изображения во время размышлений и может взаимодействовать с загруженными фотографиями. Обещают, что поймёт даже чертёж на салфетке или схемы в низком разрешении. Это не совсем нововведение – то же самое умели делать и раньше мультимодальные модели вроде 4o, или работающие в связке VLM и LLM модели, но теперь этот процесс встраивается в «рассуждения» модели.
Самое важное нововведение – обучение моделей происходило с учётом инструментов, которые есть в ChatGPT. Они могут во время ответа искать данные в Интернете, писать код на Python для вычислений, генерировать графики или изображения – и всё это также встраивается в процесс «рассуждения».
Примечательно, что o3 чуть не осталась в лабораториях навсегда. Сэм Альтман, глава OpenAI, изначально планировал направить ресурсы на более продвинутую альтернативу, но, похоже, давление конкурентов – Google, Meta, Anthropic и других – вынудило компанию изменить курс.
Модель неплохо справляется с задачами, хотя на простые вопросы иногда может отвечать несколько десятков секунд. При этом обе модели активно убеждают пользователя в правильности своего ответа, даже когда сильно ошибаются. Почему? Потому что убеждают себя раз за разом во время «рассуждений», что правы, и по итогу не могут сказать «Я не знаю».
В ближайшие недели ожидается выход o3-pro – еще более мощной версии, использующей дополнительные вычислительные ресурсы. А в перспективе все эти наработки должны объединиться в GPT-5 – гибридную модель, которая соединит традиционные возможности с новыми функциями рассуждения. И вот она как раз выглядит наиболее перспективной – возможность использовать и встроенные инструменты, и рассуждения, и скорость ответа обычной модели – всё в рамках одного решения.
16.04.202510:03
Как стартап предложил заработать на рекламе в чат-ботах – и получил 6 миллионов долларов
Реклама преследует пользователей повсюду – в соцсетях, поисковиках, играх. Только вопрос времени, пока она появится и в чат-ботах. Стартап Nexad привлек 6 миллионов долларов посевных инвестиций как раз для того, чтобы встроить рекламу в ИИ-приложения.
Основатель Джейсон Ху ставит на то, что будущее ИИ-приложений – за фрагментированным рынком, а не монополией нескольких гигантов. В такой экосистеме будет востребован сервис, распространяющий рекламу сразу на множестве различных платформ.
Как работает их технология? Пользователь спрашивает чат-бот о Майкле Джордане, а вместе с ответом получаете предложение купить кроссовки Air Jordan. Nexad создает систему, где реклама должна быть «такой же умной или даже умнее контента» (хотя пока это просто общие слова). При этом Nexad не только размещает, но и создает объявления с помощью ИИ.
Правда, в вопросе интеграции рекламы Яндекс опередил стартап Nexad: в сервисе Нейро с рекламными постами уже столкнулась часть пользователей.
Реклама преследует пользователей повсюду – в соцсетях, поисковиках, играх. Только вопрос времени, пока она появится и в чат-ботах. Стартап Nexad привлек 6 миллионов долларов посевных инвестиций как раз для того, чтобы встроить рекламу в ИИ-приложения.
Основатель Джейсон Ху ставит на то, что будущее ИИ-приложений – за фрагментированным рынком, а не монополией нескольких гигантов. В такой экосистеме будет востребован сервис, распространяющий рекламу сразу на множестве различных платформ.
Как работает их технология? Пользователь спрашивает чат-бот о Майкле Джордане, а вместе с ответом получаете предложение купить кроссовки Air Jordan. Nexad создает систему, где реклама должна быть «такой же умной или даже умнее контента» (хотя пока это просто общие слова). При этом Nexad не только размещает, но и создает объявления с помощью ИИ.
Правда, в вопросе интеграции рекламы Яндекс опередил стартап Nexad: в сервисе Нейро с рекламными постами уже столкнулась часть пользователей.
14.04.202510:02
Джентльменское соглашение, или как ужин в Мар-а-Лаго спас китайский рынок для Nvidia
Глава Nvidia Дженсен Хуанг якобы сумел убедить администрацию Трампа не вводить ограничения на экспорт чипов H20 в Китай во время ужина.
H20 – те самые чипы Nvidia, которые компания использует для обхода американских ограничений в отношении Китая. Они недостаточно мощные, чтобы попадать под запрет экспорта, но при этом подходят для обучения и запуска оптимизированных ИИ-моделей. В прошлом месяце крупнейшие китайские компании уже разместили на них заказы на 16 миллиардов долларов, но об этом мы писали отдельно.
Что любопытно, отказ от ограничений идет вразрез с декларируемой политикой Трампа о доминировании США в сфере ИИ. Более того, администрация сохранила экспортные ограничения, введенные Байденом в январе (которые затрагивают практически весь мир, включая союзников США). Но для H20 сделали исключение – якобы в обмен на обещание Nvidia инвестировать в новые центры обработки данных для ИИ на территории США.
Наглядная иллюстрация бизнес-дипломатии в эпоху Трампа. Другие технологические гиганты тоже выстраиваются в очередь с обещаниями инвестиций: OpenAI с партнерами анонсировали проект Stargate стоимостью 500 миллиардов долларов, а Microsoft обязались вложить ещё 80 миллиардов в дата-центры, половина из которых в США.
Глава Nvidia Дженсен Хуанг якобы сумел убедить администрацию Трампа не вводить ограничения на экспорт чипов H20 в Китай во время ужина.
H20 – те самые чипы Nvidia, которые компания использует для обхода американских ограничений в отношении Китая. Они недостаточно мощные, чтобы попадать под запрет экспорта, но при этом подходят для обучения и запуска оптимизированных ИИ-моделей. В прошлом месяце крупнейшие китайские компании уже разместили на них заказы на 16 миллиардов долларов, но об этом мы писали отдельно.
Что любопытно, отказ от ограничений идет вразрез с декларируемой политикой Трампа о доминировании США в сфере ИИ. Более того, администрация сохранила экспортные ограничения, введенные Байденом в январе (которые затрагивают практически весь мир, включая союзников США). Но для H20 сделали исключение – якобы в обмен на обещание Nvidia инвестировать в новые центры обработки данных для ИИ на территории США.
Наглядная иллюстрация бизнес-дипломатии в эпоху Трампа. Другие технологические гиганты тоже выстраиваются в очередь с обещаниями инвестиций: OpenAI с партнерами анонсировали проект Stargate стоимостью 500 миллиардов долларов, а Microsoft обязались вложить ещё 80 миллиардов в дата-центры, половина из которых в США.
Shown 1 - 24 of 102
Log in to unlock more functionality.