Одна из входящих в МТС структур запустила проект «Рой 9», который предполагает развитие и обучение моделей искусственного интеллекта на сторонних устройствах. Данную инициативу можно сравнить с добычей криптовалют в пулах, когда устройства разных клиентов объединяют вычислительные мощности для общей цели. Только здесь вместо криптовалюты на выходе будет натренированная нейросеть. В компании сообщили, что широкий запуск проекта пока не планируется, и сейчас это всего лишь проверка гипотез, сообщает «Коммерсант».

Источник изображения: Gerd Altmann / pixabay.com

Работой над проектом занимается принадлежащее оператору ООО «Серенити Сайбер Секьюрити», которое 1 ноября зарегистрировало доменное имя roy9.ru. «Рой 9» предлагает пользователям предоставлять свои компьютеры и мобильные устройства для обучения моделей машинного обучения — в настоящий момент на платформе обучаются четыре нейросети. «Новые модели AI помогут людям в новых открытиях, вы можете стать частью этого движения. Кроме того, помогая в обучении моделей, вы делаете мир интереснее», — говорится в описании сохранённой изданием страницы.

Представитель МТС заявил, что сайт был запущен исключительно для проверки гипотез в области ИИ и машинного обучения — он предназначался только для внутренних нужд, и никаких связанных с ним общедоступных проектов не планировалось. Тестированием занимается центр инноваций МТС Future Crew, и к настоящему моменту сайт закрыт.

Крупные российские игроки уже запускали службы для развития систем машинного обучения: к примеру, в инфраструктуре VK Cloud Solutions действует сервис для тестирования гипотез, работы с данными и других целей; у «Яндекса» есть сервис для разработки и тестирования алгоритмов машинного обучения DataSphere. А МТС весной прошлого года запустил систему CICADA 8, предназначенную для тестирования инфраструктуры компании на устойчивость.

В России наблюдается дефицит мощностей для обучения ИИ, и модель краудфандинга стала бы частичным решением вопроса, считает опрошенный «Коммерсантом» эксперт. В случае с МТС участвующие в проекте абоненты оператора могли бы получать, например, скидку на услуги связи или дополнительные пакеты трафика или минут.

Учёные из США и Австралии создали нейроморфный процессор из множества серебряных нанонитей. Тысячи нанопроводков уложили друг на друга в случайном порядке, и весь этот хаос поместили на группу обычных входных и выходных контактов. Всё вместе превратилось в нейроморфную сеть, которую удалось научить распознавать рукописные цифры с невероятной точностью.

Источник изображения: Zhu et al. / Nature Communications

В процессе подачи входных сигналов на пересечениях тысяч нитей возникли сотни тысяч контактов. В этих контактах стали протекать реакции электрохимической гальванизации и возникло что-то вроде памяти. Для обучения «мозга» учёные воспользовались базой MNIST, которая содержит множество вариантов рукописного написания цифр. Каждое прохождение входных данных сопровождалось множеством переходных процессов в клубке нанонитей. Скорее всего, исследователи даже не выясняли что, где и каким образом работает на результат.

После обучения система стала распознавать рукописные цифры с точностью 93,4 %, о чём рассказано в свежей статье в журнале Nature Communications. Такой искусственный мозг не обладает памятью для более сложной обработки результата. Он работает в режиме онлайн, передавая на выход распознанную информацию, что для ряда приложений будет достаточно. Преимущества решения очевидны — оно копеечное в отличие от ускорителей ИИ баснословной стоимости. То же самое касается потребления энергии для решения прикладной задачи. «Мозг» из нанонитей будет потреблять крайне мало.

Эта разработка Калтеха и Сиднейского университета пока ещё сырая, но потенциал её может быть огромным с учётом простоты изготовления и заявленных возможностей. Как минимум, можно распознавать старые капчи.

Исследователи из Университета Дьюка создали мозговой имплантат, который может обеспечить общение на основе одних только мыслей. Устройство призвано помочь людям, страдающим речевыми расстройствами или неспособными на вербальное общение по тем или иным причинам. Первые опыты показали хорошие перспективы разработки.

Источник изображений: Dan Vahaba/Duke University

Эксперименты по преобразованию мозговой активности в текст и голосовое общение путём сканирования сигналов головного мозга пациентов позволяют сегодня транслировать «мысли» в слова со скоростью до 78 слов в минуту. Это как слушать аудиокнигу на вдвое меньшей скорости, заявляют авторы исследования. Обычно человек проговаривает до 160 слов в минуту, что делает общение живым и естественным. Чтобы люди с поражением речевого аппарата также могли участвовать в таком общении, им нужны более точные датчики мозговой активности.

Группа учёных из Университета Дьюка совместно с лабораторией биомедицинской инженерии университета создали датчик активности мозга с 256 сенсорами на кусочке пластика размером с почтовую марку. Новый датчик способен улавливать сигналы от одиночных нейронов, что позволяет с высокой точностью определять их активность.

Учёные не собирались читать мысли напрямую. Но по комплексу сигналов для мышц речевого аппарата — языка, гортани и лицевых — они рассчитывали с высокой точностью определять невысказанные вслух мысли пациентов (речью управляют до 100 мышц, за сигналами к которым необходимо следить). Таким образом, мысленно произнесённая фраза должна была транслироваться в сигналы мышцам, и по этим прямо считанным с мозга данным нужно было воспроизвести всё, что пациент собирался сказать. В случае пациента с поражением речевого аппарата мысли так бы и остались в коре головного мозга и дальше сигналы бы не прошли, но считанные датчиком они получили возможность быть воспроизведёнными компьютером.

Эксперимент с четырьмя пациентами показал, что средняя точность распознавания мысленно произнесённых слов составляет 40 %, а максимальная — 84 %. Алгоритм распознавания обучался в режиме «слушай и повторяй». Пациент произносил бессмысленные короткие сочетания букв, на которых алгоритм учился распознавать мозговую активность для того или иного сочетания звуков.

Слева старый менее чувствительный датчик, справа — новый, с которым проводили эксперимент

Несмотря на относительно низкий процент распознавания звуков, команда учёных говорит об успехе. Дело в том, что алгоритм обучался всего 90 секунд в ходе 15-минутного тестирования. Ровно столько времени было у экспериментаторов с каждым пациентом. Это происходило в ходе плановых операций на мозге пациентов. Когда нейрохирурги заканчивали операцию, они давали учёным 15 минут поработать с пациентами над их программой. Без доступа к открытому мозгу, на определённый участок коры которого напрямую устанавливался датчик, работа не могла быть проделана.

На следующем этапе учёные собираются создать беспроводные датчики, чтобы работать с пациентами в обычных условиях, а не в операционной. Когда-нибудь это приведёт к появлению удобных мозговых имплантатов для трансляции мыслей в речь или цифровые сообщения.

Бывшие инженеры Google Nest представили Matic — полностью автономный робот-пылесос с новым подходом к уборке. Он использует для навигации пять камер, а не датчики и лидары, как его собратья. Он менее подвержен типичным проблемам роботов-пылесосов, таким как ковры с высоким ворсом, кабели и ограниченное пространство, поскольку действительно «видит» куда движется. Новинке не требуется подключение к интернету, поэтому пользовательские данные в полной безопасности.

Источник изображений: Flutter

Matic находится в разработке уже шесть лет — с тех пор, как Мехул Нариявала (Mehul Nariyawala) и Навнит Далал (Navneet Dala) покинули Google Nest, чтобы использовать свой совместный опыт в стартапе Flutter для создания по-настоящему автономного домашнего робота-уборщика. В Google разработчики занимались проектированием камеры Nest Cam IQ и умного дверного звонка Nest Hello.

Главной отличительной особенностью нового робота-пылесоса является то, что Matic создаёт трёхмерную карту дома, которая в сочетании с компьютерным зрением позволяет ему маневрировать подобно беспилотному автомобилю. Matic отличается от ставших привычными круглых роботов-пылесосов. Его квадратный приземистый белый корпус с большими колёсами и выдвигающейся насадкой делает его более похожим на мультяшного Wall-E, чем на реальный робот-пылесос Roomba. Разработчики утверждают, что он умеет «имитировать человеческое восприятие и самообучение с помощью камер и нейронных сетей, которые обеспечивают распознавание изображений, принятие решений и 3D-картографирование».

Matic может проводить как влажную, так и сухую уборку. Благодаря машинному зрению он самостоятельно идентифицирует различные типы полов и переключается в соответствующий режим. По словам создателей, ИИ обеспечивает роботу-пылесосу более высокий уровень преодоления препятствий, позволяя ему идентифицировать практически любой объект. Разработчики уверяют, что Matic может опознавать гораздо больше предметов, чем конкуренты. Робот успешно отличает мусор от других предметов, например, кружек или детских игрушек, и объезжает последние.

Ещё одна уникальная особенность Matic — управление жестами. У него также имеется встроенный динамик и микрофоны, поэтому пылесос в состоянии выполнять такие команды, как «Matic, приберись на кухне» или «Matic, помой ванную». Он также может самостоятельно находить места, требующие уборки, каждые несколько часов отправляясь на поиски грязи. «Со временем он узнает ваши предпочтения, например, после ужина убраться на кухне», — утверждают разработчики.

Matic располагает встроенным резервуаром для воды ёмкостью 600 мл и одноразовым пакетом для мусора объёмом один литр. Утилизация сделана максимально простой и беспроблемной. При заполнении контейнера для мусора, Matic паркуется у мусорного ведра и отправляет сообщение об этом. Вынимать мусор придётся человеку самостоятельно, как и наполнять робота водой. В процессе уборки и жидкость, и грязь попадают в один и тот же пакет, впитывающий жидкость, который после заполнения просто выбрасывается в мусорное ведро.

Два больших передних колеса позволяют Matic преодолевать ковры с высоким ворсом и переходы между комнатами, не застревая, а насадка для мытья полов представляет собой роликовую швабру с функцией самоочистки. При этом робот сам определяет, где нужно пылесосить, а где пол лучше помыть. Производитель заявляет, что уровень шума нового пылесоса не превышает 55 дБ, а качество очистки находится на уровне лучших представителей полноразмерных пылесосов.

Отсутствие необходимости подключения к интернету — большой плюс с точки зрения конфиденциальности, ведь большинство современных роботов-пылесосов не выполняют картографирование без подключения к облаку, а значит потенциально могут передавать персональные данные владельца. Минус в том, что интеграция в системы умного дома без подключения к интернету невозможна. Планов по поддержке Amazon Alexa или Google Home у разработчиков пока нет, хотя они изучают возможность интеграции стандарта умного дома Matter.

Благодаря опыту бывших инженеров Tesla, работающих в Matic, и финансовой поддержке соучредителя Nest Мэтта Роджерса (Matt Rogers), основателя Twitter Джека Дорси (Jack Dorsey) и бывшего директора GitHub Ната Фридмана (Nat Friedman), потенциал у компании определённо есть. Время покажет, станет ли Matic гигантским шагом вперёд в домашней робототехнике.

Робот-пылесос Matic оценён производителем в $1800. На этапе предварительного заказа его можно приобрести у производителя по цене $1495, что включает годовое членство в Matic стоимостью $180. Начало поставок запланировано на март 2024 года

Учёные из китайского университета Цинхуа разработали полностью аналоговый фотоэлектронный чип ACCEL, который обещает совершить революцию в задачах высокоскоростного машинного зрения. Чип, сочетающий электронные и оптические технологии, способен продемонстрировать беспрецедентную энергоэффективность и высочайшую скорость вычислений для задач машинного зрения. В этой сфере новый чип радикально превосходит современные графические процессоры.

Источник изображения: Pixabay

Традиционные процессоры обладают ограниченной скоростью вычислений и потребляют колоссальное количество энергии при решении задач машинного зрения, таких как распознавание изображений для автономного вождения, робототехники и медицинской диагностики. Эти задачи требуют обработки изображений с высоким разрешением, точной классификации и сверхнизкой задержки.

Чип ACCEL реализует преимущества развивающейся области фотонных вычислений, которые используют свет для обработки информации. Интегрируя дифракционные оптические аналоговые вычисления (OAC) и электронные аналоговые вычисления (EAC) в одном чипе, ACCEL достигает замечательной энергоэффективности и скорости вычислений.

Метод OAC использует управление световыми волнами посредством дифракции для кодирования и обработки информации. При помощи интерференционных паттернов, создаваемых светом, вычисления производятся аналоговым способом, обрабатывая данные непрерывно, а не дискретными цифровыми шагами. Метод EAC использует электронные компоненты для манипулирования непрерывными физическими величинами. Вместо работы с цифровыми сигналами в виде нулей и единиц, EAC использует постоянно меняющиеся аналоговые сигналы.

Архитектура ACCEL / Источник изображения: Tsinghua University

Оба метода дают преимущества для определённых видов вычислений и способствуют разработке задач высокоскоростного зрения.

ACCEL при обработке изображений не требует АЦП для преобразования изображения, напрямую используя для вычислений фототоки, индуцированные светом, что приводит к значительному сокращению задержек. ACCEL достигает системной энергоэффективности 74,8 пета-операций в секунду на ватт, что более чем на три порядка выше, чем у современных графических процессоров. Скорость вычислений достигает 4,6 пета-операций в секунду, при этом более 99 % вычислений выполняются оптически.

Благодаря интеграции оптоэлектронных вычислений и адаптивного обучения ACCEL достигает конкурентоспособной точности классификации объектов в различных задачах. Новый чип продемонстрировал точность 85,5 %, 82,0 % и 92,6 % для задач Fashion-MNIST, 3-классовой классификации ImageNet и задач распознавания покадрового видео соответственно. Примечательно, что ACCEL демонстрирует высокую надёжность даже в условиях низкой освещённости, что делает его пригодным для портативных устройств, автономного вождения и промышленных применения.

Сравнение скорости и энергоэффективности ACCEL с традиционными методами / Источник изображения: Tsinghua University

Сверхнизкое энергопотребление нового чипа значительно снижает тепловыделение, открывая путь дальнейшему совершенствованию и миниатюризации. В отличие от традиционных оптоэлектронных цифровых вычислительных систем, ACCEL гибко сочетает дифракционные оптические вычисления и электронные аналоговые вычисления, а его архитектура обеспечивает масштабируемость, нелинейность и высокую адаптируемость.

В исследовании, опубликованном в журнале Nature, исследователи заявили: «Разработка вычислительной системы, основанной на совершенно новом принципе, является огромной задачей. Однако ещё более важно успешно реализовать эту вычислительную архитектуру следующего поколения в реальные приложения, отвечающие важнейшим потребностям общества».

В рецензии на исследование, опубликованной в журнале Nature's Research Briefing, эксперты высказали убеждение, что «ACCEL может позволить этим архитектурам сыграть роль в нашей повседневной жизни гораздо раньше, чем ожидалось».

Всё новое — это, несомненно, хорошо забытое старое. Самым первым аналоговым вычислительным устройством является хорошо знакомая старшему поколению логарифмическая линейка.

Источник изображения: myruler.ru

Другим известным примером аналоговых вычислительных устройств является настольная аналоговая вычислительная машина МН-7, разработанная в далёком 1955 году. Она успешно решала обыкновенные дифференциальные уравнения до 6-го порядка. Не менее успешно при помощи подобных машин создавались математические модели физических процессов, что использовалось при решении задач АСУ ТП.

Источник изображения: computerra.ru

В аналоговой вычислительной машине (АВМ) мгновенному значению исходной переменной величины ставится в соответствие мгновенное значение другой величины, часто отличающейся от исходной физической природой и масштабным коэффициентом. Каждой элементарной математической операции, как правило, соответствует физический закон, устанавливающий математические зависимости между физическими величинами на выходе и входе (например, закон Ома).

Особенности представления исходных величин и построения алгоритмов предопределяют большую скорость работы АВМ и простоту программирования, но ограничивают область применения и точность получаемого результата. АВМ отличается малой универсальностью (алгоритмическая ограниченность) — при решении задач другого класса необходимо перестраивать структуру машины и число решающих элементов.

А теперь мы становимся свидетелями того, как в мире, казалось бы, победивших цифровых технологий, вновь начинают находить применение аналоговые вычисления, вышедшие на новый уровень развития.

Компания «Яндекс» сообщила о начале финального этапа испытаний беспилотного транспорта — одна из машин вышла на дорогу общего пользования в Иннополисе совсем без водителя. В целях безопасности её сопровождал другой автомобиль с оператором.

Источник изображения: t.me/innopolistg

«Яндекс» первым в Европе провёл испытания беспилотной машины без водителя в салоне — она проехала по городу расстояние в 50 км. Для безопасности её сопровождало другое транспортное средство, оператор в котором мог в экстренном случае остановить беспилотник.

Компания проводит испытания беспилотных машин в три этапа. На первом на водительском сиденье присутствует отвечающий за безопасность водитель, который в непредвиденной ситуации может перехватить управление. На втором этапе это просто оператор на месте пассажира, способный остановить автомобиль. На третьем — этот оператор оказывается в машине сопровождения.

«Яндекс» проводит испытания беспилотных автомобилей с 2017 года. В июне 2023 года компания запустила тестовую эксплуатацию беспилотных такси в московском Ясенево с единой ценой за поездку в 100 руб., а в августе отказалась от услуг сотрудника за рулём. Недавно испытания роботакси начались в посёлке Сириус Краснодарского края.

Сводная группа физиков и химиков создала материал, который обладает рядом уникальных характеристик. Это своего рода сплав гидрогеля и силикона, который может управляемо и быстро изменять свои размеры и физические характеристики. Одним из применений нового материала может быть машинное зрение с простой фокусировкой массивов мягких линз вплоть до размещения глаз по поверхности кожи роботов.

Источник изображения: Craig Chandler, University of Nebraska–Lincoln

Главной проблемой при создании адаптивного материала на основе гидрогеля и силикона стало отторжение одного от другого. Разработки долго не могли найти способ прочно привязать гидрогель к силиконовой основе. Физикам пришлось звать на помощь химиков. Междисциплинарная команда учёных смогла подобрать рецепт для правильного смешения ингредиентов и условий полимеризации, чтобы полимерные цепочки гидрогеля стали продолжением полимерных цепочек силикона, для чего подошли определенные соединения лития и последующая обработка ультрафиолетом.

На основе нового материала были созданы массивы микролинз, подобно фасеточным глазам насекомых. Способность материала линз менять свои свойства оказалась удобной для реализации системы фокусировки. Что интересно, в процессе фокусировки линзы практически не меняли свою форму. Изменение фокусного расстояния происходило в процессе изменения плотности линз, что меняло угол преломления света. Добиться же изменения плотности материала гидрогелевых линз оказалось достаточно просто — для этого их нагрели до температуры около 80 °C с помощью жидкости, проходящей через капилляры в линзах.

На выходе учёные получили массивы микролинз с регулируемой фокусировкой на гибкой подложке. Такими массивами можно будет покрывать кожу мягких роботов, чтобы помочь им ориентироваться в пространстве без сложной системы бинокулярного зрения. Роботам не придётся вертеть головой. Они будут видеть кожей на 360°. Автомобилям с автопилотом это тоже пригодится, чтобы лучше воспринимать дорожную обстановку.

Но и это не всё. Подобный адаптируемый материал можно будет использовать в биологии для культивирования множества видов живых тканей. Тем более, что гидрогелевая основа сегодня является базовой для подобных работ. Наконец, в перспективе можно будет создавать предметы на вырост, которые росли бы и меняли свою форму вместе с ростом их владельцев. Этому может быть множество применений, многие из которых пока даже не приходят на ум. Но это увлекательное будущее, уверены изобретатели.

На трассе М11 «Нева» начались регулярные грузоперевозки с использованием беспилотного тягача StarLine по маршруту Санкт-Петербург-Москва-Санкт-Петербург. 4 октября с его помощью была выполнена очередная доставка груза — в столицу были привезены более 10 тонн охранно-телематического оборудования самой компании StarLine. Для контроля движения в кабине тягача присутствовал водитель-испытатель, сообщил ресурс Content-Review.com.

Источник изображений: starline.ru

При движении по трассе беспилотник использует данные со специальных датчиков, таких как GNSS-RTK-приемник, лидары, видеокамеры, инерциальные датчики. Также грузовик задействует искусственный интеллект, нейросети и уникальную разработку петербургских ученых из НПО «СтарЛайн» — цифровую модель дороги, то есть специальную карту для локального маневрирования по маршруту, выбора полосы движения, скорости, получения информации о дорожных знаках и ограничениях. Все данные обрабатываются несколькими вычислительными системами с собственным программным обеспечением, установленными в автомобилях.

«Разработка беспилотного тягача — это другой класс транспорта, другие требования к безопасности, высокие скорости и, как следствие, высокие требования к детекции и распознаванию объектов на большей дистанции. Это более сложная задача для разработчиков», — отметил руководитель отдела разработок НПО СтарЛайн Илья Никифоров.

В рамках научно-исследовательского проекта по разработке беспилотного автомобиля StarLine команда специалистов НПО «СтарЛайн» создаёт универсальную платформу, которая позволяет интегрировать элементы беспилотного автомобиля практически в любое современное транспортное средство.

Наиболее сложной задачей при создании беспилотной системы разработчики называют предсказание поведения других участников движения, когда движущийся автомобиль классифицирует все обнаруженные вокруг себя объекты и прогнозирует возможные траектории их движения. Основная разница между движением в городе и движением по загородной трассе заключается именно в этом вопросе.

В городских условия разнообразие объектов очень велико, и предсказание их поведения является одной из труднейших задач для разработчиков. Однако в случае с грузовиком данная проблема не столь актуальна, поскольку он перемещается главным образом по загородным трассам. Сейчас команда инженеров-исследователей НПО «СтарЛайн» занимается задачами, специфичными для движения тягача по высокоскоростной трассе, такими как дальняя детекция, позиционирование при нестабильном потоке поправок RTK, построение карты с учётом искривления земной поверхности и так далее. Однако в будущем этим разработки помогут и в создании систем автопилота для городских условий.

Американский стартап Niura разработал наушники-вкладыши для постоянного слежения за здоровьем мозга. Своевременно обнаружить нарушения в работе мозга, например, инсульт, означает спасти человеку здоровье и жизнь. В качестве бонуса технология Niura обещает создать рекомендательный сервис по предложению музыки на основе слежения за настроением пользователя, тем самым оберегая уже душевное здоровье человека.

Источник изображений: Niura

Стартап вырос из личных переживаний его организаторов, ближайшие родственники которых пострадали от поражений головного мозга. Сначала проект был создан на базе Arduino, и лишь затем был реализован в виде компактной платы со сторонами 20 × 12 мм, которая помещается в относительно компактные наушники.

Ключевым элементом устройства являются сухие силиконовые датчики-контакты, которые размещены по периметру наушников. Они обеспечивают достаточно хороший контакт с кожей и, по словам компании, не снижают чувствительность при обильном потоотделении.

Решение Niura простое в использовании и может использоваться постоянно в отличие от обычных датчиков для снятия электроэнцефалограммы (ЭЭГ). Это особенно важно, например, в ходе проведения операций на головном мозге. В обычных условиях ЭЭГ снимается до и после проведения операции, а с помощью наушников Niura это можно делать непосредственно в процессе проведения операции.

Близость внутриушного электрода наушников Niura к слуховой коре головного мозга, которая отвечает за обработку музыки и аудио, обещает раскрыть ещё один потенциал устройства. Наушники смогут различать настроение пользователей, и с помощью рекомендательного ИИ-сервиса будут воспроизводить музыку, соответствующую душевному состоянию.

Данные с наушников передаются в смартфон, где происходит их обработка. На всех этапах происходит шифрование трафика и данных в соответствии с требованиями американских регуляторов. Компания получила ряд предварительных патентов на ключевые технологии и ведёт переговоры с ведущими мировыми брендами о выпуске коммерческой продукции на основе платформы Niura. Самостоятельно этим она заниматься не будет. Будет только предоставлять лицензии.

До конца года планшет Amazon Fire Max 11 получит поддержку режима Eye Gaze on Alexa. Это позволит управлять планшетом с помощью одних только глаз. Люди с ограничениями речи или тактильных возможностей смогут самостоятельно запускать те или иные приложения на устройстве просто глядя на экран и выбирая взглядом желаемое. Для устройств Amazon это станет первым опытом использования активного слежения за глазами пользователей.

Источник изображения: Amazon

Планшет Amazon Fire Max 11 с 11-дюймовым экраном на 2,2-ГГц процессоре MediaTek MTK8188J под управлением Android 11 поступил в продажу в мае этого года. Поддержка режима Eye Gaze on Alexa будет внедрена позже в этом году. Она основана на ранее реализованной функции Tap to Alexa и, фактически, дублирует множество её возможностей по запуску приложений, опирающихся на распознавание касаний. Но теперь запустить видео или включить музыку, а также совершить ряд других действий, например, управлять освещением или бытовыми приборами в системе умного дома, можно будет без использования рук или голосовых команд, а с помощью одних только глаз.

По словам Amazon, которая впервые представила функцию Eye Gaze on Alexa вчера на мероприятии Amazon’s Devices, в её разработке компании помогали специалисты по работе с людьми с ограниченными возможностями. Иными словами, компания сделала всё, чтобы таким людям можно было пользоваться планшетом максимально комфортно.

В момент запуска поддержки Eye Gaze on Alexa на планшете Fire Max 11 управление глазами будет доступно пользователям из сильно ограниченного списка стран: в США, Великобритании, Германии и Японии. Можно рассчитывать, что со временем этот список будет расширен.

Другой полезной опцией на устройствах Amazon станет приложение по переводу звонков с одного языка на другой. Звонки и видеозвонки будут сопровождаться субтитрами, что также оценят слабослышащие, а также аудиопереводом в реальном времени на выбранный язык. Поддержка режима Call Translation появится на устройствах Echo Show и в мобильном приложении Alexa. Она будет доступна в США, Великобритании, Канаде, Мексике, Германии, Франции, Испании и Италии на более чем 10 языках, включая английский, испанский, французский, немецкий и португальский.

Компания OpenAI объявила о планах провести первую конференцию для разработчиков OpenAI DevDay. Однодневное мероприятие, запланированное на 6 ноября, соберёт в Сан-Франциско (Калифорния, США) разработчиков со всего мира. Они смогут принять участие в технических сессиях и демонстрациях новых продуктов.

Источник изображения: Neowin

Посредством конференции OpenAI стремится укрепить свои отношения с сообществом разработчиков. Это играет ключевую роль в быстром внедрении технологий искусственного интеллекта.

«Однодневное мероприятие соберёт сотни разработчиков со всего мира вместе с командой OpenAI, чтобы изучить новые инструменты и обменяться новыми идеями. Участники конференции также смогут присоединиться к секционным заседаниям, которые будут проводиться техническими специалистами OpenAI. Мы с нетерпением ждём возможности показать наши последние решения, которые позволят разработчикам создавать новые продукты», — отметила компания.

Сегодня более двух миллионов разработчиков используют модели OpenAI, такие как GPT-4, GPT-3.5, Dall-E и Whisper, в своих приложениях и продуктах. На конференции OpenAI DevDay компания, вероятно, представит обновления диалогового агента ChatGPT, использующего языковые модели GPT-4 и GPT-3.5.

Хотя те же Google и Microsoft стремятся не отставать от конкурента и предлагают свои модели ИИ, OpenAI называет себя авангардом инноваций в области искусственного интеллекта. Недавно компания запустила корпоративную версию ChatGPT Enterprise с дополнительными функциями и средствами защиты конфиденциальности, которые недоступны в обычных версиях ChatGPT.

Подробную информацию о регистрации для участников конференции OpenAI предоставит позже. Компания также планирует транслировать основную часть DevDay в прямом эфире.

Социальная сеть «ВКонтакте» представила новые функции платформы «VK Звонки», которые будут полезны для тех, кто использует сервис для делового общения или в условиях, когда важно соблюдать тишину. Речь идёт о текстовой расшифровке встреч, которая автоматически переводит звуковую дорожку встречи в текст с сохранением в чате звонка, а также об автосубтитрах, которые дублируют речь участников чата.

Источник изображения: «ВКонтакте»

Функцию текстовой расшифровку может включить любой из участников группового звонка, при этом остальные собеседники получат об этом уведомление. После завершения общения файл с текстом поступит в чат звонка и будет сохранён в специальном разделе в профиле пользователя, включившего текстовую расшифровку. В файле автоматически расставляются тайм-коды и имена говорящих.

Что касается автоматических субтитров, то они будут показываться в реальном времени только у тех пользователей, которые включили эту опцию. Текстовая расшифровка может выполняться одновременно с субтитрами и записью звонка.

Для перевода речи в текст «ВКонтакте» использует собственные нейросетевые разработки, которые соцсеть применяет для расшифровки голосовых сообщений и создания автосубтитров в видео. Для обеспечения высокого качества расшифровки аудиопоток обрабатывается в несколько этапов. Сначала запись очищается от фоновых звуков с использованием интеллектуального шумоподавления, после чего нейросеть распознаёт слова, формируя текст, который потом делит на предложения в соответствии с конкретным спикером. Нейросети постоянно совершенствуются, проходя обучение, в том числе, на актуальной разговорной речи и сленге.

Новыми функциями можно также воспользоваться в сессионных залах и в звонках от имени сообщества. В настоящее время функции доступны только для русского языка, но в дальнейшем будут добавлены и другие языки. Также в ближайшее время планируется запуск новых функций в звонках один на один и возможность настройки администратором того, кто из участников встречи сможет запускать расшифровку.

Как отметила «ВКонтакте», новые функции будут особенно полезны тем, кто использует «VK Звонки» для делового общения, позволяя быстро расшифровать интервью, отправить ключевые тезисы после встречи или рассказать об итогах звонка коллегам, которые не были на встрече. Субтитры будут полезны в ситуации, когда важно соблюдать тишину и у пользователя не оказалось наушников. «Кроме того, это шаг к формированию доступной цифровой среды для слабослышащих пользователей: они смогут участвовать во встречах без ограничений», — подчеркнула пресс-служба соцсети.

Компания Tesla сообщила о запуске на этой неделе нового суперкомпьютера для решения ресурсоемких задач, связанных с ИИ. В его основе используются 10 тыс. специализированных графических ускорителей NVIDIA H100.

Источник изображений: HPC Wire

Отмечается, что система обеспечивает пиковую производительность в 340 Пфлопс в операциях FP64 для технических вычислений и 39,58 Эфлопс в операциях INT8 для задач ИИ. Таким образом, по производительности FP64 кластер превосходит суперкомпьютер Leonardo, который располагается на четвёртой позиции в нынешнем мировом рейтинге суперкомпьютеров Тор500 с показателем 304 Пфлопс.

Новый суперкомпьютер Tesla с ускорителями NVIDIA H100 является одной из самых мощных платформ в мире. На формирование кластера потрачено около $300 млн. Он подходит не только для обработки алгоритмов ИИ, но и для НРС-задач. Благодаря данной системе компания рассчитывает значительно расширить ресурсы для создания полноценного автопилота.

На фоне сформировавшегося дефицита ускорителей NVIDIA H100 компания хочет диверсифицировать вычислительные мощности. Для этого Tesla ведёт разработку своего собственного проприетарного суперкомпьютера Dojo. В проект планируется инвестировать $1 млрд. Уже к октябрю следующего года Tesla рассчитывает преодолеть барьер в 100 Эфлопс производительности, что более чем в 60 раз мощнее самого производительного суперкомпьютера в мире на сегодняшний день.

Помимо простого аппаратного обеспечения, новая вычислительная инфраструктура предоставит Tesla преимущество в обработке огромных наборов данных, что имеет решающее значение для реальных сценариев обучения ИИ.

На очередной ежегодной конференции Cloud Next компания Google Cloud объявила о выпуске пятого поколения своих тензорных процессоров (TPU) для обучения нейросетей — TPU v5e. Google анонсировала предыдущую, четвертую версию этих процессоров в 2021 году, но разработчикам они стали доступны только в 2022 году.

Источник изображения: Frederic Lardinois / TechCrunch

Компания отмечает, что при создании новой версии чипа особое внимание уделялось его эффективности. По сравнению с предыдущим поколением, новый процессор обещает двукратное улучшение производительности в пересчёте на доллар для обучения больших языковых моделей (LLM) и генеративных нейросетей, а также 2,5-кратное улучшение производительности по тому же критерию для инференс-систем.

«Это самый экономичный и доступный облачный TPU на сегодняшний день», — заявил на пресс-конференции перед сегодняшним анонсом Марк Ломейер (Mark Lohmeyer), вице-президент и генеральный директор по вычислительной и ML-инфраструктуре Google Cloud.

Источник изображения: Google

В то же время он подчеркнул, что компания не экономила на технических характеристиках TPU v5e в угоду рентабельности. Кластеры могут включать до 256 чипов TPU v5e, объединённых высокоскоростным интерконнектом с совокупной пропускной способностью более 400 Тбит/с. Производительность такой платформы составляет 100 Попс (Петаопс) в INT8-вычислениях.

«Мы предоставляем нашим клиентам возможность легко масштабировать свои модели искусственного интеллекта за пределы физических границ одного модуля TPU или одного кластера TPU. Другими словами, одна большая рабочая нагрузка искусственного интеллекта теперь может распределяться на несколько физических кластеров TPU, масштабируясь буквально до десятков тысяч чипов. При этом работа будет выполняться экономически эффективно. В результате, используя облачные графические процессоры и облачные TPU, мы действительно предоставляем нашим клиентам большой выбор, гибкость и дополнительные возможности для удовлетворения потребностей широкого набора рабочих задач, связанных с ИИ, которые, как мы видим, продолжают множиться», — добавил он.

В дополнение к анонсу нового поколения TPU компания Google также объявила, что в следующем месяце сделает общедоступными для разработчиков виртуальные кластеры A3, оснащённые специализированными графическими процессорами Nvidia H100.

Годовая выручка компании OpenAI, занимающейся разработкой и лицензированием технологий на основе машинного обучения, приближается к $1 млрд, пишет Bloomberg. Технологии компании используются в основе ChatGPT — генеративного бота с искусственным интеллектом, получившего значительную популярность среди множества компаний и привлекшего значительную волну инвестиций в область ИИ.

Источник изображения: Mariia Shalabaieva / unsplash.com

Стартап, поддерживаемый компанией Microsoft, зарабатывает около $80 миллионов ежемесячно, сообщил изданию источник, проинформированный по этому вопросу, но попросивший об анонимности. Впервые о доходах OpenAI сообщило издание The Information, в частности, отметив, что в 2022 году компания потеряла около 540 миллионов долларов на разработке языковой модели GPT-4 и чат-бота ChatGPT.

OpenAI считается одной из нескольких компаний, находящихся в авангарде разработок генеративного искусственного интеллекта, способного создавать контент, от видео до стихов, с помощью нескольких простых пользовательских команд. С момента дебюта своего бота в ноябре OpenAI лицензирует его молодым компаниям и крупным корпорациям, а также помогает внедрять технологию в их экосистемы бизнеса, продуктов и сервисов.

В этом месяце компания запустила корпоративную версию ChatGPT с дополнительными функциями и средствами защиты конфиденциальности. Это самая значительная попытка стартапа привлечь широкий круг бизнес-клиентов и увеличить доходы от своего самого известного продукта.

Внедрение ChatGPT Enterprise — шаг вперёд в планах OpenAI по зарабатыванию денег на своём сверхпопулярном, но весьма дорогом в вопросе внедрения и эксплуатации продукте. Для работы модели искусственного интеллекта требуются значительные специализированные вычислительные мощности. Компания уже реализовала несколько моделей получения дохода с ChatGPT, например, предложив клиентам премиальную подписку, а также платный доступ к интерфейсу программирования ПО, который разработчики могут использовать для добавления чат-бота в другие приложения.