Fun Science
34.2K subscribers
3.53K photos
1.17K videos
8 files
2.82K links
Личные заметки: Технологии, бизнес, наука и космос. Все что показалось интересным.
Download Telegram
⚡️В то время как многие до сих пор спорят о том, как Китаю удалось достичь таких прорывов, как у DeepSeek, инсайдеры уже много лет пишут, что : лучшие и самые талантливые студенты Китая 🇨🇳 все чаще остаются учиться дома, а не уезжают за границу.

Вот иерархия, которую выбирают лучшие студенты Китая

Уровень 1
: Цинхуа, Пекинский университет, Бэйханский университет.
Уровень 2
: ведущие международные институты, такие как Carnegie Mellon, MIT и Stanford.
Уровень 3
: Другие университеты Китая.

Эта тенденция отражает целенаправленные усилия руководства Китая по созданию внутри страны систем образования и исследований мирового уровня, гарантируя, что лучшие специалисты останутся в стране.

Существует значительная пропасть между людьми, посещающими ведущие университеты, и теми, кто не учится в этих учебных заведениях в таких странах, как США, Великобритания, Япония, Россия, Бразилия и других.

Опыт Китая напоминает нам, что удержание талантов в и развитие элитных образовательных экосистем помогают развивать мировые инновации и конкуренцию.

@vistehno

#China #ml #ai
👍29
Forwarded from Machinelearning
📌ИИ-модель от Стэнфорда диагностирует 130 заболеваний по анализу одной ночи сна.

Стэнфордский университет натренировал SleepFM — фундаментальную модель для прогноза целого спектра патологий: от мерцательной аритмии и инфаркта миокарда до деменции и болезни Паркинсона.

Полисомнография — «золотой стандарт» изучения сна: человека обвешивают датчиками (ЭЭГ, ЭКГ, дыхание, мышцы) и пишут гигабайты сырых сигналов.


Но в ML-мире эти данные используются бездарно. Существующие модели тренировались на мелких датасетах сугубо под узкие задачи (найти апноэ, определить фазу сна).

Огромный пласт физиологической информации о здоровье пациента просто игнорировался, потому что размечать вручную сотни часов записи под каждую болячку — невозможно.

К тому же, если в одной клинике датчик ЭЭГ повесили чуть иначе или он отвалился, обычная модель ломалась.

В университете поняли, что врачи-разметчики не нужны, нужны объемы. Они собрали огромный датасет из 585 тыс. часов записей сна более 65 тыс. пациентов и придумали уникальный алгоритм обучения SSL для будущей модели.

🟡LOO-CL (Leave-One-Out Contrastive Learning)

Вместо того чтобы учить модель предсказывать диагноз, еt заставили решать пазл: система получает на вход сигналы от 3-x модальностей (сердце, мышцы, дыхание) и должна предсказать эмбеддинг четвертой (мозговые волны).

Это заставляет нейросеть на базе 1D CNN и Transformers выучивать глубокие, скрытые связи между физиологическими процессами.

🟡Вторая фишка — Channel-Agnostic Attention.

Модели все равно, какие именно датчики подключены и в каком порядке. Если канал отвалился или отсутствует, attention pooling просто перераспределяет веса, и инференс продолжается.

🟡SleepFM научилась читать по сну не только бессонницу.

Получив на вход 1 ночь записи, модель предсказывает риск 130 заболеваний, причем она делает это точнее, чем специализированные модели, обученные с учителем: риск болезни Паркинсона выявляется в 89% случаев, деменции — в 85%, а вероятность сердечного приступа — в 81%.

Авторы работы полагают, что с развитием носимой электроники такая диагностика может перекочевать из лабораторий в умные часы, а тесты модели доказали, что что в шуме сигналов сна может быть скрыта полная медкарта пациента.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
Please open Telegram to view this post
VIEW IN TELEGRAM
👍25👀5🕊1
Forwarded from Machinelearning
⚡️ OpenAI Town Hall: что было на трансляции.

Пока ну почти все спали, Сэм Альтман провел анонсированный ранее стрим для разработчиков ИИ.

В течении часа глава OpenAI отвечал на вопросы и рассказывал про видение ИИ сейчас и в будущем. Главный тезис стрима:

Мы входим в эпоху "радикального изобилия", где интеллект станет слишком дешевым, чтобы его измерять.

Сэм Альтман прогнозирует, что к 2027 году стоимость инференса упадет в 100 раз, а модели уровня GPT-5.ХX станут основой для создания сложнейшего софта силами одного человека.

Основным дефицитным ресурсом останется человеческое внимание и способность генерировать качественные идеи.


Ключевые моменты трансляции

🟡Трансформация инженерии и экономики

Удешевление создания кода не снизит спрос на программистов, а наоборот, резко увеличит объем создаваемого софта. Инженеры будут тратить меньше времени на код и больше на проектирование.

ИИ станет дефляционным фактором. Софт, на разработку которого раньше уходили годы работы команд, теперь можно создать за пару сотен долларов инференса и одну хорошую идею.

Значительная часть мирового ВВП будет создаваться и потребляться через софт, генерируемый ИИ.

🟡Планы по GPT

Цель — сделать интеллект "too cheap to meter". К концу 2027 года ожидается появление моделей уровня 5.2X со снижением стоимости в 100 раз.

Скорость важнее цены. Разрабатываются методы выдачи результата в 1/100 времени от текущего, даже если это будет стоить дороже.

В GPT-4.5 был упор на текстовый стиль. В GPT-5 команда сместила фокус на "ризонинг, кодинг и инжиниринг". Альтман признает, что сейчас стиль может казаться громоздким, но это исправят в будущих итерациях.

🟡Агенты и персонализация

Будущее за приложениями, которые пишутся на лету под конкретного пользователя, т.е софт, который эволюционирует вместе с вашими привычками.

Готовится функция «Sign in with ChatGPT», которая позволит передавать ИИ контекст всей цифровой жизни пользователя (почта, файлы, история), чтобы он мог действовать как полноценный ассистент.

Обсуждается создание иерархии памяти: рабочая идентичность, личная и т.д., чтобы модель знала, какой контекст использовать в разных ситуациях.

🟡Безопасность и риски

Модели становятся слишком хороши в биологии. Старая стратегия блокировки доступа скоро перестанет работать. Нужен переход к стратегии устойчивости, как в пожарной безопасности.

Альтман признался, что сам быстро перешел от "никогда не дам ИИ доступ к компьютеру" до "пусть делает всё сам", потому что удобство перевешивает страх. Это создает риск скрытых уязвимостей, которые могут проявиться через недели работы агента.

🟡Инсайты и рекомендации

Стройте продукты, предполагая, что GPT-6 будет «невероятным». Если ваш бизнес выиграет от новой модели - вы на верном пути. Если модель его съест - это плохой путь.


Софт-скилс - самые важные навыки сейчас: высокая субъектность, способность генерировать идеи, устойчивость и адаптивность.


Альтман советует амбициозным разработчикам ИИ уходить из университетов, так как текущая академическая среда не успевает за темпами индустрии.


Используйте ИИ как безлимитного аспиранта или партнера по брейн-шторму для проверки тысяч идей в режиме "поиска в ширину".


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
👀7
Forwarded from Machinelearning
Media is too big
VIEW IN TELEGRAM
🌟 Живые нейроны человека научили играть в Doom и они быстрее GPT-4.

Австралийская Cortical Labs подключила лабораторно выращенные нейроны человека к биологическому компьютеру и заставила их пройти Doom.

Нейроны получили из клеток кожи и крови взрослых доноров методом репрограммирования. Затем их подключили к специализированному биокомпьютеру CL1.

И по итогу - нейроны превзошли GPT-4 по скорости реакции и латентности. Небольшой сгусток живой ткани адаптировался к задаче быстрее, чем большая языковая модель.

Кстати, предыдущий эксперимент той же команды с Pong занял больше года.


На этом месте рядовая новость про лабораторные эксперименты обычно заканчивается, но Cortical Labs открыли облачный доступ к CL1, вовсю пилят SDK и планируют продавать биокомпьютер как устройство.

Команда позиционирует платформу как инструмент для медицинских исследований: моделирование нейродегенеративных заболеваний, тестирование препаратов, изучение механизмов восстановления нейронных функций.

🟡 Здесь же возникают вопросы.

Нейроны не обладают сознанием (по крайней мере, в Cortical Labs на это рассчитывают), но они происходят от живых людей и демонстрируют поведение, которое очень похоже на обучение.

Граница между биологической моделью и чем-то большим пока не определена ни юридически, ни этически. Никто всерьез не обсуждает, где эта граница проходит и, самое главное, что делать, когда системы станут сложнее.

Пока это первые шаги, но направление задано.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
👀15😁3
Media is too big
VIEW IN TELEGRAM
В общем собрал симулятор для тренировок ИИ водителей, правда по дороге пришлось уволить разраба и нанять нового, поумнее.
Сменил DS4pro на Opus5

По процессу:
взял реальную трассу NASCAR
Circuit_of_the_Americas

Гермес где-то нашёл её полную карту с геометками, высотами и т.д.

Сделал симулятор который запускает 1024 водителей за эпоху.
Эпоха пролетает на 5090 карте за 0.20 с

Для достижения результатов, где большинство начинает доезжать до финиша - буквально пара минут.

Через 350 тысяч заездов до финиша доезжают уже около 800 из 1024 водителей.
500 поколений достаточно в условиях эксперимента.

Потом можно ещё вес машины добавить, инерцию, ветер, сцепление с трассой и т.д.

Но суть не в этом.
Суть в том, что, как писал выше,- для проведения ML экспериментов вам уже не нужно 100 математиков.
Какие-то вещи вы можете попробовать самостоятельно не разбираясь глубоко в матане.

Исходник в HTML (все обучение реализовано на WebGL) в ИИзбранном

#симулятор #ML
------
@tsingular
😁1
Forwarded from Machinelearning
✔️ Китай ограничил зарубежные поездки для семей ИИ-разработчиков

Власти КНР обязали семьи ключевых разработчиков в сфере ИИ и полупроводников согласовывать выезды за границу.

Новое требование затрагивает супругов и детей топ-менеджеров, исследователей и основателей частных технологических компаний. Для пересечения границы, в том числе в туристических целях, им требуется предварительное одобрение Пекина.

Ранее в этом году прямые ограничения на зарубежные поездки коснулись самих инженеров корпораций и стартапов.


До развития LLM подобный контроль применялся исключительно к сотрудникам государственных институтов, специалистам ядерной отрасли и руководству госкорпораций.

Формально механизм не вводит полного запрета на выезд. По оценкам аналитиков, контроль за перемещением семей направлен на предотвращение оттока кадров и технологий в США.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
👍9😁5
Forwarded from Machinelearning
📌 Тимлид Anthropic перестал давать кандидатам задачи на программирование

Феликс Ризеберг, который руководит разработкой в Anthropic и вёл Claude.ai, Cowork и настольный Claude Code, признался в своем блоге, что в октябре перестал давать соискателям задачи на код.

Раньше, по его словам, небольшое практическое упражнение работало слабым, но полезным признаком пригодности, а теперь перестало, потому что Claude решает такие задачи лучше кандидатов.

Смысла в задании по фронтэнду на React он видит столько же, сколько в вопросах про ассемблер.


🟡 Заменить механику отбора пока нечем

Ризеберг признаётся, что способа не нашёл, и просит читателей делиться идеями.

Сейчас он смотрит резюме и портфолио в поисках небольших прототипов, по которым видны вкус, понимание пользователя и умение думать от принципов.

🟡Смена парадигмы найма

Раз исполнение подешевело, влияние сотрудника меньше зависит от опыта работы с фреймворками и библиотеками.

Ризеберг говорит, что видит, как сравнительно новые инженеры опережают тех, кто пишет код лучше, и называет это тезисом «голод побеждает опыт».

Он советует инженерам брать не задачи из очереди, а то, что движет цели компании, выбирать идею порезче, за выходные собирать работающий прототип вместо документа с требованиями, держаться одной мысли, а не впихивать в прототип несколько, и опираться на свежий взгляд, в том числе на незнание, почему что-то считается невозможным.

В пример он приводит графический интерфейс для Claude Code.

Прототип за одни выходные собрали двое недавно пришедших в Anthropic инженеров, Энтони Моррис и Элис Чжао, а первая публичная версия вышла примерно через восемь дней.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
👎3👍2👀1
Forwarded from Machinelearning
This media is not supported in your browser
VIEW IN TELEGRAM
✔️ Стартовал предзаказ кольца всевластия для вайбкодеров

Стартап Aina открыл предзаказ на кольцо с экраном, микрофоном, динамиком и кнопкой по центру - оно показывает, что агент собирается сделать, а пользователь может подтвердить или отклонить это не доставая телефон.

Собственная операционная система устройства учится на расписании, местоположении и том, какими приложениями человек пользуется, держит наготове три подсказки и выводит на экран запрос к подходящему моменту.

Если на работу человек уезжает к девяти, кольцо заранее предложит вызвать Uber, а при опоздании на встречу - отправить письмо с предупреждением.


Помимо этого кольцо пишет голосовые заметки, принимает звонки, управляет музыкой и Apple TV, а на Mac переключает ярлыки под то приложение, что открыто в моменте.

Заряда кольца хватает до 18 часов, размеров семь, зарядная подставка идёт в комплекте, на старте поддерживаются iOS и macOS.

Стоимость стартует с 399 долларов, пока не разберут отведённое на эту цену число экземпляров. Дальше идут ступени в 419 и 449 долларов, полная цена - 499.

Первые отправки обещают в начале 2027 года.


@ai_machinelearning_big_data

#news #ai #ml
Please open Telegram to view this post
VIEW IN TELEGRAM
😁2