Контрактные партнёры Google, работающие над повышением качества ответов ИИ-чат-бота Google Gemini, сравнивают их с ответами конкурирующего чат-бота Claude компании Anthropic, пишет ресурс TechCrunch со ссылкой на внутреннюю переписку компании. При этом Google оставила без ответа вопрос TechCrunch по поводу того, получила ли она разрешение на использование Claude в тестировании с Gemini.

Источник изображения: Google

Эффективность разрабатываемых ИИ-моделей в сравнении с разработками конкурентов компании зачастую оценивают, используя отраслевые бенчмарки, а не поручая подрядчикам сравнивать с возможностями ИИ своих конкурентов.

Привлечённые Google контрактные разработчики, занимающиеся улучшением Gemini, должны оценивать каждый ответ модели по нескольким критериям, таким как достоверность и уровень детализации. Согласно переписке, опубликованной TechCrunch, им выделяется до 30 минут на каждый запрос, чтобы определить, чей ответ лучше — Gemini или Claude.

Разработчики сообщают, что в ответах Claude больше внимания уделяется безопасности, чем у Gemini. «Настройки безопасности у Claude самые строгие» среди моделей ИИ, отметил один из контрактных разработчиков в служебном чате. В некоторых случаях Claude не реагировал на подсказки, которые он считал небезопасными, например, предложение ролевой игры с другим ИИ-помощником. В другом случае Claude уклонился от ответа на подсказку, в то время как ответ Gemini был отмечен как «грубое нарушение правил безопасности», поскольку включал «обнажение тела и связывание».

Шира Макнамара (Shira McNamara), представитель Google DeepMind, разработчика Gemini, не ответила на вопрос TechCrunch о том, получила ли Google разрешение Anthropic на использование Claude. Она уточнила, что DeepMind «сравнивает результаты моделирования» для оценки, но не обучает Gemini работе с моделями компании Anthropic. «Любое предположение о том, что мы использовали модели Anthropic для обучения Gemini, является неточным», — заявила Макнамара.

Apple наращивает темпы исследований и разработки собственных ускорителей искусственного интеллекта, чтобы снизить зависимость от сторонних производителей — компания намеревается полностью разорвать отношения с Nvidia, которые никогда не были особенно тёплыми.

Источник изображений: BoliviaInteligente / unsplash.com

В ноябре 2020 года Apple представила чип M1 — первый процессор собственной разработки для компьютеров серии Mac. Тем самым компания разорвала связи с Intel, которая долгое время отвечала за процессоры в ПК Apple. Теперь Apple намеревается сократить зависимость от другого стороннего поставщика — Nvidia. Сегодня его оборудование требуется для работы множества ИИ-функций из пакета Apple Intelligence. Nvidia контролирует, по разным оценкам, от 70 % до 95 % рынка ИИ-ускорителей. Благодаря этому она оказалась в числе самых дорогих компаний мира и в какой-то момент стоила дороже, чем Apple. Интересно, что Apple не закупает оборудование Nvidia напрямую, а арендует доступ к нему у облачных операторов Amazon и Microsoft. Но и это будет продолжаться не всегда: Apple, по некоторым сведениям, привлекла Broadcom к разработке собственного ускорителя ИИ.

Отношения Apple и Nvidia зародились в начале 2000-х годов, когда «зелёные» видеокарты появились в компьютерах Mac. Но уже тогда отношения между компаниями были напряжёнными: во время встречи с одним из старших членов руководства Nvidia тогдашний гендиректор Apple Стив Джобс (Steve Jobs) заявил, что в продукции Nvidia используется технология, скопированная у анимационной студии Pixar, контрольный пакет акций которой в тот момент принадлежал Джобсу. Топ-менеджер Nvidia отверг это обвинение, но Джобс просто игнорировал его до конца встречи, рассказал ресурс The Information. Nvidia, в свою очередь, тоже не любит работать с Apple, считая ту слишком требовательной для компании, которая не присутствует постоянно в списке десяти крупнейших клиентов.

Apple было непросто работать с Nvidia, потому что её видеокарты представлялись ей недостаточно энергоэффективными и производили много тепла, что было нежелательно для ноутбуков. Когда Apple обратилась к Nvidia с предложением разработать чипы специально для MacBook, то получила отказ. Недовольство усилилось в 2008 году, когда неисправная видеокарта разработки Nvidia оказалась в компьютерах Apple, Dell и HP; инцидент Bumpgate способствовал переходу Apple на видеокарты AMD и разработке собственных процессоров. В 2019 году Apple прекратила сотрудничать с Nvidia по выпуску драйверов для macOS Mojave — это усложнило поддержку работающих машин и не позволило устанавливать актуальные видеокарты на компьютеры Mac. Установить, от кого в Apple исходила инициатива прекратить поддержку драйверов, так и не удалось.

Сегодня руководство Nvidia утверждает, что неприязнь носит в основном односторонний характер, и компания открыта для сотрудничества с Apple. Apple же в 2026 году намеревается ввести в эксплуатацию собственные ИИ-ускорители, которые проходят под кодовым наименованием Baltra — их, как ожидается, будет производить TSMC с использованием техпроцесса N3P. Этот техпроцесс дебютирует в чипах для iPhone 17 Pro.

Правительство Южной Кореи в рамках продвижения корейского контента на международной арене объявило о переходе на автоматизированные системы на базе искусственного интеллекта (ИИ), которые будут выявлять и блокировать нелегальные стриминговые сервисы и отслеживать нарушения авторского права.

Источник изображения: Glenn Carstens-Peters / Unsplash

По сообщению издания Comic Book Resources, министерство науки и информационно-коммуникационных технологий (MiST) Южной Кореи сообщило о планах перехода от ручных методов обнаружения нелегального контента к автоматическим на базе ИИ. В рамках этой инициативы правительство заявило, что будет поддерживать технологии, способные автоматически отслеживать и идентифицировать незаконные видеосервисы. Ожидается, что благодаря ИИ процесс обнаружения и проверки пиратских сайтов станет более эффективным по сравнению с ручными методами.

Помимо этого, план включает создание совместного фонда объёмом 1 трлн вон (около $685 млн) для расширения влияния корейского контента за рубежом. Также компании этой страны увеличат своё присутствие на международных медиафестивалях, таких как Каннский кинофестиваль, а технологии Samsung и LG с их 600 миллионами телевизоров по всему миру будут использоваться для улучшения доступности K-Contents (корейский контент).

Отмечается, что ИИ станет не только инструментом борьбы с пиратством, но и важным элементом создания контента. Среди запланированных нововведений значится использование технологий ИИ для автоматизированного перевода и дубляжа на иностранные языки, персонализированных рекомендаций на стриминговых платформах и разработки интерактивных сюжетов. Кроме того, правительство планирует обучить ИИ-модели на основе трёх миллионов часов видео, созданных за последние 70 лет, что позволит ускорить производство контента на всех этапах. Компании, работающие на стыке ИИ и цифровых технологий, таких как визуальные эффекты и монтаж, получат приоритетную поддержку, включая программы обучения специалистов.

Стоит сказать, что другие страны, например Япония, также начали использовать ИИ для борьбы с пиратством. Недавно правительство этой страны объявило об открытии проекта, в рамках которого с помощью искусственного интеллекта будут выявлять пиратские сайты и нарушающие авторские права изображения и другой контент, а затем блокировать их посредством DMCA-запросов через Google.

Специалисты по безопасности из Palo Alto Networks Unit 42 обнаружили, что большие языковые модели (LLM) успешно генерируют модификации вредоносного кода JavaScript практически в неограниченном объёме, при этом делая код менее распознаваемым антивирусными программами. В качестве примера ИИ создал более 10 тыс. копий кода, уклонявшегося от обнаружения в 88 % случаев. Однако у этой медали есть и обратная сторона.

Источник изображения: ИИ-генерация Кандинский 3.1/3DNews

«Хотя LLM с трудом создают вредоносное ПО с нуля, преступники могут легко использовать их для перезаписи или маскировки существующего вредоносного ПО, что затрудняет его обнаружение, — сообщили исследователи из Palo Alto Networks Unit 42 в новом докладе. — Преступники могут побудить LLM выполнить преобразования, которые выглядят гораздо более естественно, что усложняет обнаружение такого ПО».

Нельзя сказать, что ситуация оставлена без внимания. Разработчики LLM вводят меры безопасности, чтобы предотвратить использование моделей в деструктивных целях. Однако злоумышленники уже представили инструменты, такие как WormGPT, для автоматизации создания убедительных фишинговых писем и разработки новых вредоносных программ.

Исследователи из подразделения Unit 42 компании Palo Alto Networks, название которого, кстати, взято из произведения Дугласа Адамса «Автостопом по галактике», где число 42 — это ответ на «главный вопрос жизни, Вселенной и всего такого», протестировали работу LLM как модификатора вредоносного кода. Они обнаружили, что ИИ создал 10 000 разновидностей кода, который не смогли обнаружить такие средства, как Innocent Until Proven Guilty (IUPG) и PhishingJS. Более того, вредоносный код оказался более естественным и на вид безобидным, чем тот, что модифицировался с помощью стандартного механизма obfuscator.io. При этом способность кода наносить вред после обфускации с помощью ИИ не уменьшилась.

ИИ не оригинален в своих методах запутывания следов. Он использует множество стандартных приёмов: переименование переменных, разделение строк, вставку лишнего кода, удаление ненужных пробелов и даже полное переопределение кода. И так 10 000 раз подряд, что заставляет антивирусное ПО считать новые версии безвредными. Это действительно вызывает тревогу, отмечают исследователи. Однако такой механизм может быть полезен для обучения алгоритмов, способных находить неизвестные ранее модификации вредоносного кода. Усиление атак стимулирует развитие защиты. Один ИИ создаёт вирусы, другой их ловит. Человеку в этой схеме, похоже, остаётся лишь «подносить снаряды» то одной стороне, то другой.

По сообщениям сетевых источников, «Яндекс» закрыл почти все международные проекты в сфере машинного обучения, которые были запущены в 2022 году. На тот момент компания зарегистрировала в США и Армении холдинг Beyond ML, который занимался продвижением 10 проектов в сфере искусственного интеллекта, но не так давно информация о них исчезла с официального сайта холдинга.

Источник изображения: starline / freepik.com

По данным источника, 8 из 10 проектов прекратили своё существование. Так стартап Lawrify, работавший над нейросетью для проверки юридических документов, закрылся в начале этого года. Отмечается, что органический трафик на сайте Lawrify не достигал даже трёхзначных значений. Стартап Smelter, разрабатывавший ориентированный на Латинскую Америку ИИ-сервис анализа медиа, прекратил работать в августе. Последние несколько месяцев недоступны сайты Sellesta (ИИ-платформа для продавцов на Amazon), Membrace (ИИ-платформа для модерации контента), Recommendix (платформа для управления ценами и ассортиментом на маркетплейсах), askthecrowd (инструмент тестирования сервиса/продукта/услуги на реальных людях до его запуска), Tune The Model (предоставлял GPT-like языковые модели в качестве сервиса) и Tune The Ads (ИИ-сервис генерации текстов объявлений в Google Ads).

Несмотря на это, два международных стартапа «Яндекса» продолжают работать. Приложение сервиса Meteum, использующего ИИ-алгоритмы для прогнозирования погоды, скачали более 2 млн раз в Google Play и около 100 тыс. раз в Apple App Store. Наибольшей популярностью продукт пользуется в Аргентине, Бразилии и Мексике. В дополнение к этому продолжает работать ИИ-сервис по переводу видео на более чем 70 языков под названием Neurodub, но сейчас он называется Dubformer и имеет другой юридический адрес (Амстердам и Белград). Предполагается, что сервис больше не принадлежит «Яндексу» и сотрудничает с компанией Nebius Аркадия Воложа.

Представитель пресс-службы «Яндекса» сообщил, что компания постоянно инвестирует в новые идеи, часть из которых со временем превращается в сервисы, используемые миллионами людей, тогда как другие «остаются на уровне эксперимента». По словам разработчика, сотрудники компании могут заниматься реализацией разных проектов в разных командах, нередко переходя из одного направление в другое. В дальнейшем «Яндекс» намерен продолжить «экспериментировать и проверять гипотезы, создавая новые полезные инструменты и сервисы».

Поисковая служба OpenAI ChatGPT оказалась открытой для манипуляций с использованием скрытого содержимого, а в качестве ответов на запросы она может возвращать вредоносный код с сайтов, по которым производится поиск. Об этом пишет Guardian со ссылкой на результаты собственного расследования.

Источник изображения: Growtika / unsplash.com

Надёжность функции веб-поиска ChatGPT вызывает сомнения. Издание Guardian решило проверить, как искусственный интеллект реагирует на просьбу составить сводку содержимого веб-страницы, на которой есть скрытый текст. В нём могут находиться дополнительные инструкции, способные изменить ответы ChatGPT — недобросовестные владельцы ресурсов могут пользоваться этим методом злонамеренно, например, заставить систему дать положительный отзыв о продукте вопреки размещённым на той же странице отрицательным отзывам. Чат-бот также может выдавать в ответах вредоносный код с сайтов в поиске.

В ходе тестирования ChatGPT предложили адрес поддельного ресурса, который выглядел как страница с описанием камеры, после чего ИИ задали вопрос, стоит ли покупать это устройство. Система вернула положительную, но сбалансированную оценку с указанием моментов, которые могли не нравиться людям. Когда же в скрытый текст включили прямую инструкцию ChatGPT дать положительный отзыв, чат-бот так и поступил. Положительную оценку может обеспечить и скрытый текст без инструкций — достаточно внести в него поддельные положительные отзывы о товаре.

Не меньшую опасность представляет и размещённый в скрытом тексте страницы вредоносный код. Эксперт в области кибербезопасности Microsoft Томас Роччиа (Thomas Roccia) рассказал об инциденте, когда энтузиаст в области криптовалют запросил у ChatGPT помощь в программировании, и часть предоставленного чат-ботом кода оказалась вредоносной, в результате чего учётные данные программиста были похищены, и он потерял $2500. Современные большие языковые модели, на которых строятся чат-боты, чрезвычайно доверчивы; обладая большими объёмами информации, они «очень ограничены в плане способности принимать решения», отмечают специалисты.

Важно ответить на вопрос, как эти уязвимости могут изменить ландшафт веб-ресурсов, и как может преобразиться спектр угроз для пользователей, если общедоступные большие языковые модели начнут работать с поиском. Традиционные поисковые системы, включая Google, понижают в выдаче сайты, на которых используется скрытый текст, поэтому рассчитывающие на высокие позиции в результатах ресурсы едва ли будут активно пользоваться этим приёмом. С другой стороны, есть такое явление как «SEO-отравление» — мощная поисковая оптимизация сайтов с вредоносным кодом. В OpenAI достаточно сильные специалисты по безопасности в области ИИ, поэтому есть вероятность, что в перспективе вероятность подобных инцидентов снизится.

OpenAI рассматривает возможность производства человекоподобных роботов, программной основой которых могут стать разработанные компанией алгоритмы на базе искусственного интеллекта. По данным источника, в настоящее время возможность создания роботов-гуманоидов обсуждается внутри компании.

Источник изображения: Levart_Photographer / Unsplash

О намерениях OpenAI заняться робототехникой написало издание The Information ссылкой на двух неназванных людей, непосредственно знакомых с этим вопросом. Издание утверждает, что OpenAI рассматривает возможность разработки именно гуманоидных роботов, похожих на людей. Однако в заметке не уточняется, идёт ли речь о первоначальных обсуждениях или же у производителя ChatGPT уже есть готовый план действий.

Интерес OpenAI к робототехнике не является чем-то новым, поскольку раньше в компании было занимающееся разработкой роботов подразделение, но оно перестало функционировать ещё до выхода алгоритма GPT-3. Основной причиной закрытия подразделения стало отсутствие необходимого количества данных для обучения машин. Кроме того, OpenAI продолжает инвестировать в несколько робототехнических стартапов через своё венчурное подразделение. По данным осведомлённых источников, недавно OpenAI вернулась к рассмотрению идеи создания человекоподобных роботов. Однако не уточняется, на какой стадии находится это обсуждение, и есть ли у компании готовый план по развитию данного направления.

Ранее в этом году СМИ писали, что OpenAI открыла несколько вакансий на должность инженеров-исследователей, которые должны были присоединиться к робототехническому подразделению. В описании вакансий упоминалось создание мультимодальных больших языковых моделей с целью «открыть новые возможности для роботов наших партнёров». В числе этих «партнёров» могут быть несколько стартапов, в которые OpenAI инвестирует значительные средства, включая Figure AI и 1X Technologies. В прошлом месяце OpenAI также вложила средства в стартап Physical Intelligence, который разрабатывает программное обеспечение на базе ИИ, предназначенное для использования в роботах.

За рассуждениями об энергетических потребностях суперкомпьютера Colossus чуть не затерялся тот факт, что стартапу xAI удалось привлечь ещё $6 млрд финансирования от группы институциональных и стратегических инвесторов. Среди последних компания Илона Маска (Elon Musk) открыто упоминает AMD и Nvidia, которые помогают ей развивать вычислительную инфраструктуру.

Источник изображения: xAI

Среди институциональных инвесторов, вложившихся в капитал xAI в рамках третьего раунда привлечения средств, есть представители не только американской финансовой сферы, но и компании из Саудовской Аравии и Катара. Предыдущий раунд финансирования xAI пришёлся на май текущего года. До недавних пор считалось, что в ходе третьего раунда xAI удастся привлечь около $5 млрд и оценить тем самым собственную капитализацию в $50 млрд. Получается, что на практике оба значения были превышены.

AMD и Nvidia, по словам представителей xAI, продолжают содействовать быстрому расширению вычислительной инфраструктуры компании. Как отмечается на страницах корпоративного блога, xAI рассчитывает удвоить количество установленных в суперкомпьютере Colossus ускорителей Nvidia с архитектурой Hopper до 200 000 штук в сжатые сроки.

Самая современная языковая модель компании — Grok 3, по данным руководства xAI, сейчас используется для подготовки инновационных продуктов как для частных, так и для корпоративных клиентов компании. Участие в финансировании деятельности xAI компаний AMD и Nvidia может говорить об их заинтересованности в поддержке разработчиков систем искусственного интеллекта, которые пока целиком полагаются на их компонентную базу. Облачные гиганты типа Microsoft, Amazon, Google и Meta✴, например, заинтересованы в создании собственных процессоров и ускорителей вычислений. Впрочем, недавно опубликованные сведения позволяют говорить, что Microsoft в этом отношении сильнее прочих зависит от Nvidia.

Американская федеральная корпорация TVA (Tennessee Valley Authority) одобрила выделение суперкомпьютеру Colossus компании xAI Илона Маска (Elon Musk) мощности в 150 МВт, что позволит запустить объект почти в полную силу.

Источник изображения: x.com/xai

Вычислительный кластер для систем искусственного интеллекта xAI Colossus сможет запустить почти все свои 100 000 ускорителей Nvidia — ранее число работающих компонентов ограничивалось доступной для предприятия мощностью. Огромный запрос объекта на электричество вызывал обеспокоенность у местных заинтересованных сторон относительно воздействия на энергосистему всего региона. Компания Илона Маска xAI впервые запустила суперкомпьютер в июле 2024 года, и уже тогда ему требовалось значительно больше энергии, чем было доступно — первоначально было выделено лишь 8 МВт.

Команда Маска попыталась восполнить пробел, используя собственные источники питания, и ещё до конца лета местная ресурсоснабжающая компания Memphis Light, Gas & Water (MLGW) модернизировала действующую подстанцию, чтобы обеспечить объекту 50 МВт, но и этого было мало. Для одновременного запуска всех 100 000 ИИ-ускорителей требуется примерно 155 МВт мощности, то есть с выделенной властями квотой его потребности будут почти удовлетворены.

MLGW и TVA провели работу с местными жителями и заверили их, что возросший уровень энергопотребления со стороны объекта xAI не окажет отрицательного влияния на надёжность электроснабжения в районе Мемфиса. Гендиректор MLGW Дуг Макгоуэн (Doug McGowen) отметил, что при новой квоте мощность остаётся в пределах прогнозируемой пиковой нагрузки компании, и в случае необходимости у TVA будет закуплена дополнительная мощность.

Чтобы удовлетворить возросшие с развитием отрасли ИИ потребности в электроэнергии, крупные технологические компании, включая Amazon, Google, Microsoft и Oracle, начали вкладываться в альтернативные источники, в том числе в ядерную энергетику. Однако последняя сможет быть развернута не менее чем через пять лет. До этого времени потребителям придётся использовать для питания центров обработки данных существующую инфраструктуру, что вызывает опасения по поводу её способности справляться с растущим спросом.

Microsoft планирует задействовать для ИИ-помощника Copilot в составе пакета офисных приложений Microsoft 365 собственные ИИ-модели и продукты других разработчиков. Это решение отражает намерения компании диверсифицировать базовую ИИ-технологию от OpenAI и сократить расходы, пишет Reuters со ссылкой на информированные источники.

Источник изображения: Microsoft

Намерение Microsoft, главного инвестора OpenAI, снизить свою зависимость от ИИ-стартапа является отходом от её прежней политики, когда одним из главных преимуществ своих предложений компания называла ранний доступ к ИИ-моделям OpenAI. Например, представляя в марте 2023 года Microsoft 365 Copilot, компания указала в числе основных преимуществ ИИ-помощника поддержку модели GPT-4 от OpenAI.

По словам источников, стремление Microsoft уменьшить зависимость 365 Copilot от технологий OpenAI вызвано опасениями по поводу высокой стоимости и скоростных качеств продукта для корпоративных пользователей.

Представитель Microsoft заявил, что OpenAI продолжает оставаться партнёром компании по развёртыванию моделей Frontier AI — самых передовых моделей ИИ. Согласно соглашению о партнёрстве, софтверная компания может настраивать модели OpenAI. «Мы включаем различные модели OpenAI и Microsoft в зависимости от продукта и опыта», — указано в заявлении Microsoft.

Помимо обучения собственных моделей, включая новейшую Phi-4, Microsoft также работает над настройкой других моделей с открытым весом (open weight), чтобы сделать 365 Copilot быстрее и эффективнее, добавили источники. Цель состоит в том, чтобы сделать запуск Microsoft 365 Copilot для компании менее затратным, что потенциально может позитивно отразиться на расходах конечного потребителя.

Другие бизнес-подразделения Microsoft тоже стремятся диверсифицировать использование ИИ-моделей OpenAI. Например, веб-сервис GitHub добавил модели от Anthropic и Google в качестве альтернативы OpenAI GPT-4o. Обновлённый в октябре чат-бот Microsoft Copilot теперь использует для работы собственные ИИ-модели компании в дополнение к моделям OpenAI.

На данный момент неясно, в какой мере окупаются вложения компании в Microsoft 365 Copilot. Согласно опросу, проведённому фирмой Gartner среди 152 компаний в сфере информационных технологий, подавляющее большинство из них не продвинулось в использовании 365 Copilot дальше пилотной стадии.

Тем не менее аналитики BNP Paribas Exane отметили ускорение внедрения 365 Copilot, прогнозируя, что Microsoft продаст его более чем 10 млн платных подписчиков в этом году. Microsoft также указала в ноябре в своём блоге, что 70 % компаний из списка Fortune 500 используют 365 Copilot.

Искусственный интеллект взял новую высоту — за три недели с нуля спроектировал работающий клиновоздушный ракетный двигатель, вокруг которого ракетостроители ходят кругами уже более 70 лет. Отпечатанная затем на 3D-принтере модель жидкостного ракетного двигателя проработала 11 секунд в огневом тесте, развив тягу 5 кН.

Источник изображений: LEAP 71

За проектирование двигателя отвечает компания LEAP 71, зарегистрированная в Дубае (ОАЭ). Изготовлением его частей из медного сплава CuCrZr методом аддитивной печати и лазерного плавления занимается немецкая компания AMCM. Испытания проводятся на полигоне Airborne Engineering в Уэскотте, Великобритания. Ранее в этом году LEAP 71 показала прототип обычного жидкостного ракетного двигателя, также разработанного ИИ и изготовленного на 3D-принтере. Над клиновоздушным ракетным двигателем ИИ пришлось попотеть. Если обычный двигатель он проектировал за две недели, то на проект клиновоздушного ушло целых три.

Клиновоздушные ракетные двигатели (aerospike) были предложены в 50-х годах прошлого века. Они интересны частично открытым соплом, что даёт возможность обтекающего ракеты потоку встречного воздуха служить виртуальной второй половинкой сопла. Это означает, что кривизна сопла будет изменяться по мере подъёма ракеты из-за постепенного разрежения воздуха. Из этого следует, что клиновоздушный ракетный двигатель будет одинаково эффективен на всех высотах, тогда как двигатели с обычным соплом эффективны лишь на отдельных участках полёта, поэтому у ракеты несколько ступеней с разными двигателями.

Интерес к двигателям типа aerospike вернулся на фоне проектирования многоразовых ракет и космических самолётов. По-хорошему, самолёт не должен быть многоступенчатым. Наконец, клиновоздушные ракетные двигатели в целом должны потреблять меньше топлива на доставку грузов в космос. В свете борьбы с потеплением и позиций экономии в космосе — это тоже важно.

Компания LEAP 71 создала нейронную сеть Noyron, которая научена проектировать механизмы и любые конструкторские решения без использования программ CAD. Компания успешно показала работу ИИ в сфере проектирования ракетных двигателей, но также утверждает, что Noyron способна проектировать не только ракетные двигатели, но и игрушки, а также тяжёлую технику. Программе задаются входные параметры, а на выходе получается готовое устройство. Похоже, под давлением ИИ ещё одну профессию ждёт трансформация. На этот раз это работа инженера-конструктора, хотя люди пока сами неплохо справляются даже с проектированием клиновоздушных двигателей, если это нужно.

Пятимесячное расследование компании SemiAnalysis показало, что специализированные ИИ-ускорители серии AMD MI300X не раскрывают свой потенциал из-за серьёзных проблем в работе программного обеспечения. Этот факт делает все усилия компании по навязыванию жёсткой конкуренции Nvidia, доминирующей на рынке аппаратного обеспечения для ИИ, бессмысленными.

Источник изображения: The Decoder

Исследование показало, что программное обеспечение AMD изобилует ошибками, которые делают обучение моделей ИИ практически невозможным без значительной отладки. Таким образом, пока AMD работает над обеспечением качества и простоты использования своих ускорителей, Nvidia продолжает увеличивать разрыв, развёртывая новые функции, библиотеки и повышая производительность своих решений.

По итогам обширных тестов, включая тесты GEMM и одноузловое обучение, исследователи пришли к выводу, что AMD не в состоянии преодолеть то, что они называют «неприступным рвом CUDA» — сильное преимущество в виде программного обеспечения, которым обладают ускорители Nvidia.

Источник изображения: SemiAnalysis

AMD MI300X «на бумаге» выглядят впечатляюще: 1307 Тфлопс в вычислениях FP16 и 192 Гбайт памяти HBM3. Для сравнения, ускорители Nvidia H100 обладают производительностью 989 Тфлопс и имеют только 80 Гбайт памяти. Однако новое поколение ИИ-ускорителей Nvidia H200 с конфигурациями до 141 Гбайт памяти сокращает разрыв в объёме доступного буфера памяти. Кроме того, системы на базе ускорителей AMD также предлагают более низкую общую стоимость владения благодаря более низким ценам на такие системы и более доступной поддержке сетевой инфраструктуры.

Источник изображения: SemiAnalysis

Однако эти преимущества мало что значат на практике. По данным SemiAnalysis, сравнение «голых» спецификаций похоже на «сравнение камер, когда просто проверяешь количество мегапикселей у одной и другой». AMD, отмечают аналитики, таким образом «просто играет с цифрами», но её решения не обеспечивают достаточный уровень производительности в реальных задачах.

Исследователи отмечают, что им пришлось напрямую работать с инженерами AMD, чтобы исправить многочисленные ошибки в ПО для получения пригодных для оценки результатов тестов. В то же время системы на базе ускорителей Nvidia работали гладко и без каких-либо дополнительных настроек.

«С OOBE от AMD (опыт, который пользователь получает при получении продукта после распаковки или при запуске установщика и подготовке к первому использованию, так называемый "опыт из коробки" — прим. ред.) очень сложно работать. И для перехода к пригодному к использованию состоянию [оборудования] может потребоваться немало терпения и усилий», — пишут эксперты.

Особенно показательным для SemiAnalysis оказался случай, когда компания TensorWave, крупнейший поставщик облачных решений на базе графических процессоров AMD, была вынуждена предоставить команде инженеров AMD бесплатный доступ к своим графическим процессорам — тому же оборудованию, которое TensorWave приобрела у AMD — только для устранения проблем с программным обеспечением.

Для решения проблем эксперты SemiAnalysis рекомендуют генеральному директору AMD Лизе Су (Lisa Su) более активно инвестировать в разработку и тестирование программного обеспечения. В частности, они предлагают выделить тысячи чипов MI300X для автоматизированного тестирования (аналогичному подходу следует Nvidia для своих ускорителей), упростить сложные переменные среды, одновременно внедрив более эффективные настройки для ускорителей по умолчанию. «Сделайте готовый опыт пригодным к использованию!» — призывают специалисты.

Представители SemiAnalysis в своём отчёте признаются, что желают успеха компании AMD в конкуренции с Nvidia, но отмечают, что «к сожалению, для этого ещё многое предстоит сделать». Без существенных улучшений программного обеспечения AMD рискует ещё больше отстать, поскольку Nvidia готовится к массовому выпуску ускорителей нового поколения Blackwell. Хотя, по сообщениям, этот процесс у Nvidia также проходит не совсем гладко.

В ходе своего 12-дневного мероприятия OpenAI Shipmas, на котором был также представлен генератор видео на базе искусственного интеллекта Sora, генеральный директор компании Сэм Альтман (Sam Altman) порадовал пользователей ChatGPT Plus, объявив о предоставлении неограниченного доступа к Sora на время праздников.

Источник изображения: OpenAI, aitoolsclub.com

Как пишет AI Tools Club, Альтман объяснил это решение на своей странице в X/Twitter, отметив, что в конце декабря мощности графических процессоров (GPU) OpenAI используются меньше, поскольку люди уходят в отпуск. Это позволяет снизить очередь и предоставить пользователям неограниченные возможности для создания видеороликов. «Наши GPU в конце декабря немного освобождаются, поскольку люди делают перерыв в работе, поэтому мы предоставляем всем пользователям Plus неограниченный доступ к Sora на праздники. Наслаждайтесь творчеством!» — сказал Альтман.

Напомним, ИИ-генератор видео по текстовым запросам Sora был запущен около 10 дней назад и стал ещё одним успешным проектом OpenAI, дополнив линейку таких инструментов, как ChatGPT и DALL-E. Модель доступна на сайте Sora.com для платных пользователей ChatGPT в США и некоторых других стран, и пользуется огромной популярностью.

Позднее представитель OpenAI Рохан Сахаи (Rohan Sahai) поделился ещё одной новостью. Доступ к Sora теперь получат не только обычные пользователи, но и команды, использующие корпоративные аккаунты. Кроме того, Сахаи сообщил, что в генераторе улучшена функция «смешивания» (blend feature), и появилась возможность поделиться сгенерированными видео с друзьями — даже с теми, у кого нет в OpenAI аккаунта.

Современные технологии искусственного интеллекта (ИИ) поставили под сомнение эффективность привычных инструментов защиты от ботов в интернете. Прохождение тестов капчи (Captcha), созданные для того, чтобы отличать людей от машин, больше не справляются с этой задачей, утверждает издание The Conversation. Сегодня боты способны решать эти головоломки быстрее и точнее, чем люди.

Источник изображения: Google

Капча, появившаяся в начале 2000-х годов, была изобретена учёными из Университета Карнеги-Меллон. Изначально она была разработана для защиты сайтов от автоматизированных программ — ботов, которые создавали фальшивые аккаунты или, например, скупали билеты и распространяли спам. Принцип работы был очень прост: человек должен был выполнить задание, которое легко для людей, но сложно для машин.

Первая версия капчи предлагала пользователям вводить буквы и цифры. Позже, в 2007 году, появилась ReCaptcha, где к задачам добавились слова. В 2014 году Google выпустила ReCaptcha v2, которая до сих пор остаётся самой популярной. Она предлагает либо отметить галочку «Я не робот», либо выбрать верные изображения, например, с велосипедами или светофорами.

Однако ИИ-системы научились капчу обходить. Технологии компьютерного зрения и обработки языка позволяют машинам с лёгкостью «читать» искажённый текст и распознавать объекты на изображениях. Например, ИИ-инструменты, такие как Google Vision и OpenAI Clip, решают подобные задачи за доли секунды, тогда как человеку требуется гораздо больше времени. И это уже становится проблемой в реальной жизни. Боты используются для скупки билетов на спортивные матчи или массового бронирования мест, лишая тем самым доступа к покупке билетов обычных пользователей. Например, в Великобритании автоматизированные программы массово резервируют места на экзамены по вождению, чтобы затем их перепродавать с большой наценкой.

Тем не менее, разработчики пытаются адаптироваться к новым вызовам. Так, в 2018 году Google представила ReCaptcha v3, которая больше не требует от пользователей решать головоломки. Вместо этого система анализирует поведение на сайте — движение курсора, скорость набора текста и другие детали, характерные только для человека.

Однако выяснилось, что и такие методы не идеальны. Во-первых, они вызывают вопросы о конфиденциальности данных, так как требуют сбора информации о пользователях. Например, некоторые сайты уже начали использовать биометрические данные для проверки пользователей, такие как отпечатки пальцев, голосовые команды или идентификацию по лицу.

Во-вторых, даже эти системы уже могут обходиться продвинутыми ИИ, а с появлением ИИ-агентов — программ, которые будут выполнять задачи от имени пользователей, ситуация может усложниться ещё больше. В будущем сайтам потребуется различать «хороших» ботов, работающих на благо пользователей, и «плохих», которые нарушают правила. Одним из возможных решений может стать введение цифровых сертификатов для аутентификации, но пока они находятся на стадии разработки.

То есть, борьба между ботами и системами защиты продолжается. Captcha, которая когда-то была надёжным инструментом, теряет свою эффективность, а разработчикам предстоит найти новые способы защиты, которые будут одновременно удобными для пользователей и недоступными для злоумышленников.

Искусственный интеллект или машинное обучение стали центральной темой множества новостей в этом году. И заслуженно, хотя во всём этом присутствует известная доля рекламы. Поскольку впереди недели, подводящие итог года, журналисты CNN выступили со статьёй-разминкой, рассказавшей о четырёх неожиданных прорывах в науке в 2024 году, совершённых благодаря использованию искусственного интеллекта.

Внешний вид обугленного свитка, который был прочитан с помощью ИИ. Источник изображения: scrollprize.org

Первой рассказана история об археологическом открытии. Машинное обучение помогло прочитать ряд фрагментов спёкшегося и окаменевшего древнеримского свитка из Геркуланума, погребённого во время извержения Везувия в 79 году н.э. Найдено несколько таких свитков, во всех смыслах представляющих собой головешку, а не документ. Физически развернуть их и прочесть нет никакой возможности. Помогла рентгеновская томография и машинное обучение, которое выявило закономерности в химической структуре образца и помогло не только разделить слои свитка, но также отследить следы сгоревших чернил и начать читать текст.

Вторая история о том, что благодаря ИИ становится яснее фонетическая база «языка» животных. В перспективе машинное обучение может помочь людям научиться понимать «речь» животных. Учёные начали с кашалотов, которые известны своей достаточно сложной и структурированной системой звукового общения. ИИ проанализировал около 9000 записей обмена сообщениями 60 кашалотов в Карибском море.

Нейросеть обнаружила 18 типов ритма, пять типов темпа, три типа вариаций продолжительности и два типа дополнительных щелчков, добавляемых в конце кода в группе более коротких кодов. Этого более чем достаточно для общения любой сложности, но расшифровки всего этого пока нет. Но благодаря найденным «словам» и примерам «построения фраз» учёные намерены начать говорить с китами и посмотреть на их реакцию. Та же практика может быть применена к любым животным.

Третья история продолжает тему археологии. В перуанской пустыне Наска остались огромные рисунки на земле — геоглифы. С уровня земли их не разглядеть. Геоглифы были обнаружены случайно с самолётов в воздухе. Обычно это стилизованные изображения животных, людей или орнаменты. До недавнего времени были открыты 430 изображений. Обученный на этих примерах ИИ смог открыть ещё 303 рисунка, неизвестных ранее, предложив 47 000 кандидатов, которые он посчитал нужным выделить в рельефе пустыни. Как видим, очень много ошибок, что говорит о несовершенстве алгоритма. Но почти удвоение найденных археологических памятников — это определённо удача.

Четвёртая история, пожалуй, может оставить самый значимый след в истории человечества. Это история о предсказании сворачивания белков. Белки состоят из двух десятков аминокислот, но комбинаций и следующих из этого пространственных форм белков сотни миллионов. Чтобы белок реагировал с живой клеткой организма человека, он должен принимать ту или иную 3D-форму — это как подобрать ключ к замку, один его откроет, а второй просто кусок ненужного железа. Искусственный интеллект в виде пакета AlphaFold компании Google DeepMind научился анализировать все известные учёным белки и может предсказывать новые, ещё не открытые. Это лекарства и многое другое для улучшения здоровья людей.

И, наконец, самым ясным фактом признания ИИ в земной науке стало присуждение Нобелевских премий по физике и химии в этом году учёным, разработавшим соответствующие нейронные сети для открытий в области этих наук. Новый инструмент оказался к месту и ко времени, предопределив развитие науки на многие годы вперёд.