Интерфейс Мозг → Компьютер

Мета опубликовала свои исследования у области brain-to-text

Они натренировали модель, которая на основе записи ЭЭГ и МЭГ позволяет с 70-80% точностью предсказывать символы, слова и предложения, о которых думает пользователь.

Это большой прорыв с таким качеством, учитывая, что сейчас, например голосовой набор тоже не на 100% процентов идеален. Практически сразу можно будет получать готовый текст и с минимальными правками и публиковать пост.

How To Get AI Startup Ideas

YC на неделе опубликовали гайд о том, как генерировать идеи ИИ стартапа.

Никогда не было лучшего времени для запуска ИИ стартапа, но многие потенциальные основатели оказываются в тупике, когда дело доходит до придумывания хорошей идеи.

Y Combinator ищет применение LLM, на которой будут строиться реально крупные бизнеса уже в применении AI (aka application layer). А модели уже commodity.

Самое интересное, что у YC в списке – это B2A, модель, при которой бизнес потребителем софта будет не человек, а тот самый ИИ агент

Станьте компанией, ориентированной на ИИ

Есть отличная история о том, как Марк Цукерберг отказался смотреть на макеты для настольных компьютеров, когда мир начал переходить на мобильные устройства. Каков ваш эквивалент этого для ИИ? Как вы можете показать своей команде, что вы серьезно настроены на трансформацию команды вокруг будущего ИИ?

Пройдитесь по каждому сотруднику вашей компании и выясните, кого из них будут дополнять агенты ИИ и какие роли они заменят. Тем, кого будут дополнять агенты ИИ, скажите, что их статус «высокопроизводительного» зависит от их способности использовать новую технологию.

И перечитайте Сэма Альтмана о AGI:

«Через десятилетие, возможно, каждый человек на Земле сможет добиться большего, чем самый влиятельный человек сегодня».

Это самое вдохновляющее будущее, которое можно себе представить.

Это также самый сложный момент для подготовки. В какой бы отрасли вы ни работали, погода меняется.

pickle — cтабилизирует картинку в Zoom

Крутой ИИ инструмент Screen.Studio для видеоблогеров, сам думал себе его прикупить

Он автоматически приближает курсор, увеличивает размер и сглаживает его движения.

Есть экспорт в вертикальном режиме для Shorts, Reels

ИИ упрощает создание постов в LinkedIn

Найдите вирусные посты → Выберите тему → Запишите свои мысли → вкл. ИИ → Вирусный пост готов!

2PR поможет укрепить ваш личный бренд в LinkedIn

EasyGen – аналогичный инструмент

Могут ли нейронки заработать $1 млн на разработке ПО?

Исследование через бенчмарк SWE-Lancer, проверили способность моделей выполнять реальные фриланс-задачи с Upwork на сумму $1 млн.

Что такое SWE-Lancer?
Бенчмарк для оценки LLM в двух типах задач:
1. Индивидуальная разработка (IC):
- Исправление багов ($50) → Внедрение функций ($32,000).
- Общая сумма выплат: $414,775.

2. Управление проектами (SWE Manager):
- Анализ предложений, оценка решений.
- Общая сумма выплат: $585,225.

---

Как создавали:
- 1: Собрали 1488 задач с Upwork, разделив на IC (764 задачи) и управленческие (724 задачи).
- 2: Провели экспертный анализ:
- 100+ инженеров оценили задачи
- Задачи дороже $5k проверены 10 senior-разработчиками на реализуемость
- 3: QA авто-тесты через Playwright (симуляция действий пользователя)
- 4: Для управленческих задач эталоном стало лучшее предложение + альтернативные варианты.
- Шаг 5: Создали публичный датасет Diamond ($500,800) и закрытый датасет для предотвращения утечек.

---

Результаты:
💰 Лучшая модель (Claude 3.5 Sonnet):
Решает 26.2% IC-задач и 44.9% управленческих → потенциальный заработок $403,000.
🔄 Сильные и слабые стороны:
- LLM лучше выбирают решения (менеджмент), чем пишут код.
- Размышление модели повышает точность: с 9.3% → до 16.5%
📊 Распределение задач:
- 74% — логика приложений, 17% — UI/UX, большинство — исправление багов.
🎯 Проблемы LLM:
- Определяют проблему, но не могут глубоко анализировать и реализовывать комплексные решения

Cuckoo - ИИ переводчик для глобальных команд

Talo – ещё Real-Time AI Translator for Video Calls

Удобно, если члены Вашей команды находятся в разных частях мира и говорят на разных языках.

ИИ автоматически будет переводить все, что они говорят. Таким образом, это повышает вовлеченность каждого члена команды.

Один из самых быстрорастущих цифровых активов

Интересная статистика: стейблкоины обогнали Mastercard и Visa по объему транзакций в 2024 году

Несмотря на двухлетний медвежий рынок и снижение рыночной капитализации более чем на 70%, рост стейблкоинов остался непрерывным. В 2024 году годовой объем транзакций стейблкоинов достиг $15,6 трлн — примерно 119% и 200% от объема Visa и Mastercard соответственно. Количество транзакций достигло 110 миллионов ежемесячно, примерно 0,41% и 0,72% от тех, которые обрабатываются Visa и Mastercard соответственно. Другими словами, стоимость стейблкоинов за транзакцию намного выше, чем у Visa и Mastercard

AI неминуемо будет объединен с web3. Термин e/acc как раз отражает реальность происходящего на графике, развития программируемой экономики.

Кстати основное применение автономные ИИ агенты сыскали в Web3.

Сухие цифры: рынок вырос фактически с нуля до $3B за один месяц; больше 3000 агентов, как автономных так и на разных платформах типа Deva.me, Virtuals, Eliza, MyShell; 10+ млн интеракций

ReAG: Рассуждение-дополненная генерация - Новый подход к системам знаний

Рассуждение-дополненная генерация (ReAG) - новый метод, который улучшает взаимодействие языковых моделей с внешними знаниями.

Он отходит от традиционных систем генерации с дополнением извлечения (RAG), которые полагаются на поиск по семантическому сходству, и вводит более интуитивный подход. Вместо предварительной обработки документов в поисковые фрагменты, ReAG напрямую подает исходные материалы - текстовые файлы, веб-страницы, электронные таблицы - в языковую модель. Затем модель определяет, какая информация релевантна, и синтезирует ответы за один раз.

Проблемы с традиционным RAG:
- Ограничения семантического поиска: плохо справляются с контекстуальной релевантностью, часто отдавая приоритет похожим формулировкам, а не фактической релевантности.
- Сложность инфраструктуры: Создание RAG-конвейеров включает множество компонентов, таких как разбиение документов, модели встраивания и векторные базы данных, каждый из которых вносит потенциальные ошибки.
- Статичные знания: Обновление индексированных документов требует повторной обработки, что может привести к устаревшим результатам в быстро меняющихся областях.

Как работает ReAG
ReAG упрощает процесс, позволяя языковой модели выполнять основную работу. Он работает по простому принципу: передать модели исходные документы и задать два ключевых вопроса:
- Полезен ли этот документ для задачи?
- Какие конкретные части его имеют значение?
Этот подход отражает человеческое исследование, когда мы просматриваем источники, отбрасываем нерелевантные и фокусируемся на отрывках, которые отвечают на наши конкретные вопросы. ReAG программно воспроизводит это поведение, используя способность модели выводить связи, а не полагаясь на поверхностную семантику.

Реализация ReAG
ReAG упрощает традиционные конвейеры извлечения до трехэтапного процесса:
- Прием исходных документов: Документы (URL-адреса, файлы) собираются без предварительной обработки.
- Параллельное извлечение контекста: Каждый документ проходит две оценки на основе LLM параллельно: проверку релевантности для отметки нерелевантных документов и извлечение содержимого для определения отрывков, специфичных для задачи.
- Синтез контекста: Нерелевантные документы отфильтровываются, а проверенное содержимое передается для последующих задач, таких как генерация ответов.

Ключевые проектные решения включают анализ на уровне документов, где LLM обрабатывает целые документы для сохранения контекста, и динамические подсказки, которые фокусируют рассуждения модели.

Компромиссы
Хотя ReAG упрощает архитектуру, есть компромиссы, которые следует учитывать:
- Стоимость: Обработка целых документов с помощью большой языковой модели дороже, чем выполнение векторного поиска.
- Скорость: Даже с распараллеливанием ReAG может испытывать трудности с огромными наборами данных.

Где ReAG преуспевает
Сильные стороны ReAG очевидны в сценариях, где контекст важнее скорости:
- Сложные, открытые запросы: Он может собирать воедино разрозненные источники для ответа на вопросы, требующие выведения косвенных связей.
- Динамические данные: Он может обрабатывать новостные источники, исследовательские репозитории или живые базы данных на лету, устраняя необходимость повторного встраивания документов при каждом обновлении.
- Мультимодальные данные: Он может анализировать графики, диаграммы и электронные таблицы наряду с текстом без дополнительной предобработки.

Будущее ReAG. Жизнеспособность ReAG зависит от:
- Более дешевых и быстрых языковых моделей: По мере улучшения моделей с открытым исходным кодом стоимость обработки документов в масштабе будет снижаться.
- Больших контекстных окон: Будущие модели смогут обрабатывать более крупные документы за один раз.

Вау! Крутой агент для разработки DataButton, выглядит гораздо логичнее и правильнее относительно других (Lovable, Cursor, Replit, v0, Bolt, Windsurf, Devin), т.к. есть "беклог" для задач (Backlog, In progress, done), сама декомпозиция задач.

На скрине — результат сборки CMS с дашбордом

- Есть подключение к Supabase или Firebase
- Есть методы авторизации Firebase
- есть библиотека UI компонентов
- сторедж для API
- загрузка медиа

видео

ИИ студия для YouTube

Bumpups – сервис, который позволяет вести чат с любым YouTube видео!

Также может генерировать заголовки, описание, тайм-коды с описанием + Takeaways

PwC’s 28th Annual Global CEO Survey

Согласно результатам 28-го ежегодного глобального опроса CEO, проведенного PwC в 2025 году, наблюдается значительный рост экономического оптимизма среди руководителей компаний:

58% CEO во всем мире ожидают увеличения глобального экономического роста в ближайшие 12 месяцев, что значительно выше показателя в 38% годом ранее

91% CEO уверены в перспективах роста доходов компаний

Трансформация бизнес-моделей
- 63% CEO предприняли значительные действия по изменению создания, доставки и захвата ценности за последние пять лет
- 38% начали конкурировать в новом секторе за последние пять лет

Слияния и поглощения (M&A) — 70% наиболее уверенных CEO демонстрируют сильный аппетит к M&A на следующие 12 месяцев

Революционные инновации в создании контента
- Генеративный ИИ станет более интуитивным и эмоционально отзывчивым, создавая реалистичные изображения, видео и аудио
- Ожидается размытие грани между реальным и искусственно созданным контентом в графике и видео
- ИИ будет использоваться для быстрого создания разнообразного маркетингового контента, от аналитических отчетов до постов в соцсетях

Автоматизация и оптимизация бизнес-процессов
- ИИ-системы будут адаптироваться к эмоциям, голосу и поведению пользователей
- ИИ будет использоваться для автоматизации рутинных задач, от корректировки цен до ведения переговоров по контрактам

А вот и оркестратор!

Отлично. Теперь можно все джобы проинтегрировать
Пишем с помощью ИИ get и post запросы и вешаем на триггеры: create, update, search, log, execute.. удобно.

Экономит кучу времени. Пользуйтесь

ActionKit совместим с любым фреймворком LLM. Всего с несколько строк кода можете добавить ActionKit в качестве инструмента для ИИ агента.