💰 DBM выделил 1 млрд песо на AI-прогнозирование наводнений в Project NOAH

Департамент бюджета и управления Филиппин (DBM) перечислил 1 млрд песо Университету Филиппин (UP) на расширение использования искусственного интеллекта и цифровых технологий в рамках Project NOAH для прогнозирования наводнений и оценки рисков стихийных бедствий.

Финансирование поддержит AI-моделирование, мониторинг опасностей в реальном времени, LiDAR-картографирование и аналитику данных. Эти инструменты помогут национальным агентствам и местным властям предвидеть наводнения и другие угрозы. Из общей суммы 935 млн песо направят на исследовательские услуги, 65 млн - на управление и надзор. Средства покроют закупку ICT-оборудования, найм технических специалистов и создание операционных систем поддержки.

Project NOAH реализуется Институтом устойчивости UP (UPRI). Платформа использует AI-модели, LiDAR-генерацию карт и аналитику для создания прогнозных сценариев наводнений. Цель - определять зоны риска до прихода стихии, а не реагировать постфактум. Ранее DBM уже интегрировал данные Project NOAH в систему Project DIME для мониторинга инфраструктурных проектов.

#Ai #Government #FloodForecasting #ProjectNOAH

👨🏻‍💻 Программисты теряют экспертизу из-за ИИ-ассистентов

Новый материал Ларса Фэя развивает тезис о «ловушке агентного кодинга»: навыки, необходимые для эффективного управления ИИ-инструментами, разрушаются при их постоянном использовании. Автор ссылается на исследование JetBrains «The Widening Gap», в котором сравнивалось поведение новичков в живых сессиях программирования с разной долей ИИ-помощи.

Главный вывод исследования парадоксален: участники считали ассистента «личным репетитором», но на деле вели себя противоположным образом. Те, кто активно полагался на генеративный ИИ, пропускали этап планирования, не могли объяснить собственный код и заканчивали с «иллюзией компетентности» вместо реального понимания. Лучшие результаты показали новички, которые игнорировали или сильно ограничивали подсказки ассистента — у них развилась «негативная экспертиза», то есть умение отклонять неверные предложения модели.

Автор описывает это как «инвертированное обучение»: чем меньше у разработчика опыта, тем больше он полагается на модель, но именно опыта не хватает, чтобы правильно направлять её и проверять результат. В итоге ИИ ускоряет работу ветеранов, но лишает новичков трения, которое и формирует профессиональное чутьё. Пока индустрия требует использовать ИИ повсеместно, путь от джуна до эксперта становится всё менее очевидным — и это главный риск для будущего профессии.

#AI #Programming #Development #Coding #JetBrains

💰 Утечка зарплат Microsoft: данные по 600+ сотрудникам AI и облачных направлений

Портал India Today сообщил об утечке данных о зарплатах более 600 сотрудников Microsoft, занятых в сфере искусственного интеллекта и облачных технологий. В публикации приведена выборка компенсационных пакетов, которая раскрывает структуру оплаты труда в ключевых подразделениях корпорации.

Согласно опубликованным данным, уровень вознаграждения сильно варьируется в зависимости от грейда, роли и локации. Для инженерных позиций в AI-направлении базовый оклад составляет от 120 до 250 тысяч долларов в год, при этом значительную часть дохода формируют бонусы и акции. Наиболее высокие компенсации зафиксированы у senior-специалистов и менеджеров программ, отвечающих за развитие облачной инфраструктуры Azure.

Утечка также показывает разницу в оплате между США и другими регионами. Сотрудники из Индии и Европы получают в среднем на 30-40% меньше американских коллег при сопоставимых обязанностях. В материале отмечается, что Microsoft активно нанимает специалистов по AI в Азии, предлагая конкурентоспособные для местного рынка условия, но не дотягивающие до уровня Кремниевой долины.

Полный список из 600+ позиций не раскрыт, однако приведённые примеры дают представление о политике компании в условиях гонки за AI-талантами. Microsoft, как и другие крупные вендоры, вынуждена пересматривать компенсационные пакеты, чтобы удерживать ключевых сотрудников на фоне роста спроса на экспертов в области генеративных моделей и облачных вычислений.

#Business #Ai #Microsoft #Salary #Cloud #Leak

✨ STARFlow2: объединение языковых моделей и нормализующих потоков для мультимодальной генерации

Исследователи Apple ML Research представили STARFlow2 — подход, который устраняет разрыв между языковыми моделями и нормализующими потоками (normalizing flows) для создания единой мультимодальной генерации. Работа нацелена на модели, способные понимать, рассуждать и генерировать перемежающиеся последовательности текста и изображений.

Существующие решения структурно фрагментированы: дискретная токенизация снижает визуальную точность, гибридные архитектуры с каузальным текстом и диффузионным шумоподавлением асимметричны, а адаптация vision-language моделей под генерацию ухудшает их предобученное понимание. Ключевое наблюдение авторов: авторегрессионные нормализующие потоки по своей сути являются авторегрессионными трансформерами — они разделяют с LLM каузальную маску, KV-cache и структуру слева направо. Это позволяет объединить текстовую и визуальную генерацию в одной архитектуре без потери качества.

Практически это значит более согласованную генерацию смешанного контента — например, текста с релевантными изображениями — и единый механизм обучения для понимания и синтеза. Работа продолжает линию STARFlow и предлагает более унифицированную альтернативу дискретным токенайзерам и диффузионным надстройкам.

#AI #Apple #MultimodalGen #Research #StarFlow2

❌ OpenAI теряет главу дата-центров: волна уходов топ-менеджеров продолжается

OpenAI покинул Крис Мэлоун, отвечавший за стратегию дата-центров компании. Он пришёл в OpenAI в марте 2025 года, проработав до этого в Meta и Google, и ушёл на прошлой неделе. Мэлоун курировал инфраструктурное направление, включая участие компании в проекте Stargate. По данным WSJ, его уход совпал с реорганизацией: теперь он подчинялся вице-президенту Сачину Катти, а не напрямую президенту Грегу Брокману.

В OpenAI заявили, что «реорганизовали инфраструктурный блок под масштаб и темп работы» и что команда дата-центров остаётся сильной. Однако уход Мэлоуна — лишь один из серии. За 2026 год компанию покинули более 13 senior-руководителей: операционный директор Брэд Лайткэп, глава продукта Фиджи Симо, коммерческий директор Дениз Дрессер. Также была расформирована команда preparedness, оценивавшая катастрофические риски ИИ.

Отток кадров усиливает вопросы в преддверии возможного IPO, которое, по слухам, сдвинуто на 2027 год. В OpenAI называют внимание к каждому увольнению избыточным, но инвесторов это пока не успокаивает.

#AI #OpenAI #DataCentres #Personnel #Stargate

🤗 Собирай ИИ-пайплайны как конструктор: Gradio Workflows

Hugging Face опубликовала гайд по gr.Workflow — встроенному в Gradio инструменту, который превращает многошаговый ИИ-пайплайн в интерактивный граф. Теперь конвейер сам становится интерфейсом: вы описываете шаги как узлы с типами данных, а Gradio отдаёт drag-and-drop canvas, где каждый узел можно запустить отдельно и увидеть промежуточный результат.

Такой граф одновременно работает и как REST API, и как приложение, которое деплоится на Hugging Face Spaces одной командой. В блоге показаны живые примеры: редактор изображений с Qwen-Image-Edit, медиастудия, где FLUX генерирует картинку, фон удаляется, а тема превращается в голос за кадром и заголовок эпизода через TTS и LLM. Каждый выход получает свой endpoint — например, /sticker или /voiceover, — и его можно дёргать напрямую из кода.

Отдельно разобраны паттерны: fan-out (одна идея параллельно уходит в несколько моделей), профилирование датасетов через Datasets Server и запуск своей GPU-модели через ZeroGPU с декоратором @spaces.GPU. Узел может быть Python-функцией, вызовом Inference Providers, сторонним Gradio Space или строкой из Hub-датасета. Для разработчиков это удобный способ быстро собирать и шарить сложные мультимодельные пайплайны без ручной склейки.

#AI #Gradio #HuggingFace #Workflows #ML #Development