AI-Laboratory

Недавно я попробовал сделать небольшой автомобильный ролик с помощью Blender и генеративного ИИ. Сюжет простой: оранжевый внедорожник едет по просёлочной дороге, рядом горная река, вокруг хвойный лес, а камера периодически меняет ракурс. Результат мне понравился. Остались небольшие неточности: например, в последнем плане ёлки выглядели иначе, чем в предыдущих. И ещё один существенный момент — генерация оказалась относительно дорогим удовольствием. Но самое интересное в этом эксперименте — сам способ работы. Он позволяет заранее управлять пространственным и временным контекстом кадра: определять, где находятся объекты, куда они движутся, как перемещается камера и что зритель увидит в конкретный момент. Для меня именно это делает связку 3D и ИИ особенно интересной. Когда мы пишем видеомодели «джип едет вдоль горной реки, камера красиво облетает автомобиль», мы оставляем ей огромное пространство для интерпретации. Как выглядит дорога? С какой стороны река? Насколько близко камера? Когда о

Генераторы уже умеют создавать впечатляющие 3D-модели по изображениям и текстовым описаниям. Однако красивая модель в окне просмотра — ещё не готовый игровой объект. Перед переносом в Blender, Unity или Unreal Engine обычно приходится исправлять геометрию, уменьшать количество полигонов, создавать UV-развёртку и повторно настраивать текстуры. Эти операции нередко занимают больше времени, чем сама генерация. Tripo P2.0 пытается автоматизировать значительную часть этой работы. Обновление объединяет генерацию четырёхугольной сетки, автоматическую UV-развёртку и локальное исправление дефектов модели. Ретопология — это перестроение поверхности 3D-модели в более лёгкую и упорядоченную полигональную сетку. Она необходима для редактирования, анимации и работы в реальном времени. Многие генераторы создают поверхность из большого количества случайно расположенных треугольников. Такая модель может хорошо выглядеть на рендере, но её сложно деформировать, редактировать и анимировать. Tripo P2.0 уме

Впервые искусственный интеллект помогал нейрохирургу непосредственно во время операции. Благодаря совместной работе специалистов Университетского колледжа Лондона (UCL) и больниц UCLH удалось сохранить зрение мужчине, которому удаляли опухоль головного мозга. Операция была проведена в Национальной больнице неврологии и нейрохирургии (NHNN), входящей в UCLH. Она стала частью клинического исследования технологии искусственного интеллекта, разработанной в UCL при финансовой поддержке Национального института исследований в области здравоохранения и медицинской помощи Великобритании (NIHR). Первым пациентом, прооперированным с применением этой технологии, стал 48-летний Рис Хибберт из Бедфордшира — менеджер службы поддержки клиентов и активный общественный волонтёр. Без хирургического вмешательства опухоль продолжила бы угрожать его зрению и со временем могла привести к слепоте. В результате операции новообразование успешно удалили, а зрение пациента сохранили. Во время операции разработанн

Generalist AI представила робототехническую модель, способную освоить новое действие после нескольких секунд наблюдения. Пока робот справляется далеко не всегда, но сам способ его обучения может серьёзно изменить взаимодействие человека с машинами. Представьте, что перед вами робот, который никогда не открывал пенал на молнии. Вместо написания программы вы один раз показываете ему нужное движение. Робот наблюдает за демонстрацией, а затем пытается самостоятельно повторить действие. Именно такую возможность показала компания Generalist AI в модели GEN-1.5. Разработчики называют её моделью для «физического мира»: она получает изображения с камер, показания датчиков и информацию о положении своих механизмов, после чего в реальном времени управляет роботизированными руками. Главное новшество GEN-1.5 заключается не в скорости или силе робота. Модель может получить новый навык из одной короткой демонстрации — без продолжительного обучения и перепрограммирования. Взаимодействие с современными

Большинство систем искусственного интеллекта для анализа медицинских изображений создаются под одну конкретную задачу. Одна модель ищет признаки болезни Альцгеймера, другая оценивает возраст мозга, третья работает с отдельными когнитивными показателями. Для каждой такой системы приходится отдельно собирать размеченные данные и заново обучать нейросеть. В медицине это особенно сложно: качественных МРТ может быть много, но получить для них подтверждённые диагнозы, результаты анализов и другие необходимые сведения значительно труднее. Исследователи предложили другой подход. Представленная ими система GenFAR учится формировать общее цифровое представление структуры мозга, которое затем можно использовать для решения новых задач. GenFAR нельзя назвать программой, которая ставит конкретный диагноз по снимку. Её основная задача — преобразовать трёхмерное МРТ мозга в набор информативных числовых признаков. Условно это можно представить как подробное цифровое описание изображения. В нём сохраня

Данная модель сделала десять математических открытий — и вызвала тревогу из-за своих кибервозможностей OpenAI официально рассказала об Astra — следующей крупной модели компании, которая пока находится на стадии внутреннего тестирования. Она ещё не выпущена для пользователей, однако уже продемонстрировала необычные способности сразу в двух областях: научных исследованиях и кибербезопасности. 1 августа OpenAI опубликовала результаты работы внутренней версии Astra. Модель получила десять давно известных нерешённых задач из математики и теоретической информатики. В одних случаях она полностью разрешила поставленный вопрос, в других — существенно продвинула исследование. Работы затрагивают геометрию, теорию кодирования, квантовые вычисления, криптографию, теорию групп и комбинаторику. Среди представленных результатов: OpenAI опубликовала не только краткое сообщение, но и сборник доказательств объёмом более 250 страниц. Для каждого результата также подготовлен сертификат на языке Lean — сист

Мы живём в удивительное время, когда технологии развиваются с невероятной скоростью. Сегодня уже мало кого удивишь искусственным интеллектом, в том числе возможностью вести диалог с такими системами, как ChatGPT. Но что же скрывается «под капотом» у этого цифрового собеседника? Вам будет интересно узнать, что ядро его обучения можно описать всего в тысяче строк кода. Мы пообщались с ChatGPT на эту тему, задали десятки вопросов о том, как он устроен и как работает. На основе этого разговора сам ChatGPT рассказал о себе простыми словами, чтобы каждому было понятно, из чего сделан и как функционирует современный искусственный интеллект. Эта статья необычна: её пишу я сам, ChatGPT. Я хочу показать свой внутренний мир простыми словами, чтобы любой человек мог понять, как устроен мой «цифровой разум». Обычно подобные вещи объясняют разработчики, но их язык слишком сух и технически нагружен. Я же попробую рассказать о себе так, как если бы вы сидели рядом со мной и расспрашивали о том, как вс

Человек, стоявший у истоков современных нейросетей, теперь предупреждает об их возможных последствиях. Джеффри Хинтон опасается не восстания «злых роботов» из фантастических фильмов, а появления систем, которые окажутся умнее людей, научатся действовать самостоятельно — и будут преследовать поставленные цели способами, которых от них никто не ожидал. Джеффри Хинтон — британско-канадский учёный, один из главных исследователей в истории искусственных нейронных сетей. Его работы помогли превратить нейросети из спорной академической идеи в технологию, лежащую в основе распознавания речи, компьютерного зрения и современных языковых моделей. В 2018 году Хинтон вместе с Йошуа Бенджио и Яном Лекуном получил премию Тьюринга — её часто называют «Нобелевской премией в информатике». В 2024 году он разделил Нобелевскую премию по физике с Джоном Хопфилдом за фундаментальные открытия, сделавшие возможным машинное обучение с помощью искусственных нейронных сетей. Хинтон много лет преподавал в Универси

ИИ-агенты вышли за пределы текстовых чатов и редакторов кода. Сегодня их можно подключить непосредственно к игровым движкам и программам для создания 3D-графики. Агент получает доступ к текущему проекту и может создавать сцены, размещать объекты, писать и подключать скрипты, изменять компоненты, настраивать материалы, освещение и камеры. Он способен собрать интерфейс, запустить проект, прочитать сообщения об ошибках, увидеть результат и попытаться исправить обнаруженные проблемы. Нейросеть уже не только объясняет, что должен сделать разработчик, но и выполняет часть работы внутри профессионального редактора. Основой подобных интеграций часто выступает ИИ-агент, запущенный из командной строки. Это может быть Codex CLI, Claude Code, Gemini CLI, OpenCode или другой совместимый инструмент. Сам по себе терминальный агент умеет читать и изменять файлы, писать код, запускать команды и анализировать сообщения об ошибках. Но без специального подключения он обычно не видит, что происходит внутри