Не позволяйте вашем мыслям стать учебным материалом для ИИ — или всплыть в случае утечки данных. Неважно, какого чат-бота вы выберете: чем больше вы делитесь, тем полезнее он становится.

Пациенты загружают результаты анализов для расшифровки, разработчики отправляют фрагменты кода для отладки.

Однако некоторые исследователи ИИ советуют с осторожностью относиться к тому, что мы рассказываем этим человечно звучащим инструментам. Особенно рискованно делиться такой информацией, как паспортные данные или корпоративные секреты.

Стремительное развитие технологий искусственного интеллекта (ИИ) произвело радикальный переворот в науке о материалах, открыв новые пути решения ключевых проблем. Используя тщательно описанные наборы данных, извлеченные из научной литературы, инструменты на базе ИИ, включая методы обработки естественного языка (NLP), позволяют ускорить исследования в области материалов.

Совершенствование NLP-подходов и появление больших языковых моделей (LLMs) способствуют более эффективному извлечению и использованию информации. В настоящем обзоре рассматриваются возможности применения инструментов NLP в науке о материалах, с особым вниманием к автоматическому извлечению данных, поиску новых материалов и автономным исследованиям. Также обсуждаются вызовы и перспективы, связанные с использованием LLMs, и очерчиваются будущие достижения, способные вывести отрасль на новый уровень.

Дисклеймер: это вольный перевод научной статьи из журнала Nature

Нам необходимы более точные данные, чтобы понять, помогает ли искусственный интеллект экономить время или, напротив, создает дополнительную нагрузку.

«Время — деньги» — избитая фраза в корпоративной среде. Подобно многим другим клише, она часто используется, но редко воспринимается всерьёз. Однако в контексте искусственного интеллекта и его влияния на экономическую производительность время — а точнее, экономия времени — становится одним из ключевых показателей того, оправдают ли себя колоссальные инвестиции в эти технологии.

Насколько сильно внедрение ИИ влияет на производительность труда рассуждает Диана Койл в колонке для издания Bloomberg.

Во вторник OpenAI кардинально изменил ландшафт корпоративного ИИ, представив свою комплексную платформу для создания агентов — пакет, включающий обновлённый Responses API, мощные встроенные инструменты и открытый исходный код Agents SDK.

Хотя эта новость могла затеряться среди других громких новостей в сфере ИИ — таких как презентация Google открытой модели Gemma 3 или появление китайского стартапа Manus с его автономной платформой агентов, поразившей наблюдателей, — оно несомненно является важным событием для бизнеса. OpenAI объединяет ранее разрозненную и сложную экосистему API в единый, готовый к промышленному использованию каркас.

От финансов до розничной торговли — компании всё чаще ищут специалистов с навыками работы в сфере искусственного интеллекта при найме сотрудников в области технологий.

Компании всё чаще задают потенциальным сотрудникам вопрос: «Вы умеете работать с ИИ?»

Судя по статистическим данным о рынке труда, почти каждая четвёртая позиция в сфере технологий, опубликованная в США в этом году, требует от соискателей навыков в области искусственного интеллекта. Практически во всех секторах экономики компании адаптируют свои стратегии найма, стремясь интегрировать ИИ в свою деятельность.

Приходилось ли вам когда-нибудь упрекать чат-бот с LLM — к примеру, ChatGPT или Claude — в устаревшей или неточной информации?

Дело в том, что, формируя ответ, крупные языковые модели (LLM) опираются на наборы данных, на которых они были обучены. Однако, поскольку их основная задача — предсказывать текст, а не извлекать факты, на их точность нельзя полагаться во всех случаях. Кроме того, обучающие датасеты обычно ограничены общедоступными данными и в некоторых областях быстро теряют актуальность.

Тереза Хайтсенретер, руководящая внедрением ИИ в крупнейшем банке Америки, о том, что это означает для тысяч сотрудников и миллионов клиентов Chase Bank.

Американские банки уже много лет используют искусственный интеллект для выявления мошенничества. Однако JPMorgan Chase, крупнейший банк страны, делает еще более серьезную ставку на ИИ, ставя его в центр работы своих 300 000 сотрудников.

Компания, занимающаяся аналитикой данных, использует искусственный интеллект для прогнозирования финансирования стартапов, их поглощений и выхода на биржу. Однако её самая сложная задача — предсказать собственное будущее.

Crunchbase, известная своими данными о венчурном финансировании, внедряет искусственный интеллект, чтобы предсказывать, когда стартапы привлекут инвестиции, будут приобретены или выйдут на публичный рынок.

Но в эпоху, когда чат-боты вытесняют традиционные поисковые системы и базы данных, перед Crunchbase стоит вызов: сумеет ли она сохранить свою актуальность?

Глобальная гонка за всё более мощными моделями искусственного интеллекта дарит крупнейшим IT-гигантам небывалые возможности, но одновременно толкает их на колоссальные траты. Microsoft, Google и Meta уже инвестируют миллиарды в создание и обслуживание масштабных систем, расширяя облачные мощности и строя новые дата-центры. Однако за первыми успехами скрываются астрономические затраты на инфраструктуру, чипы и кадры, заставляя рынок гадать, куда приведёт стремительный рост ИИ-технологий и готов ли бизнес платить столь высокую цену за будущее.

В отличие от уже устоявшихся фирм, эти стартапы рассматривают искусственный интеллект как отправную точку. Большинство компаний вынуждены внедрять генеративный ИИ как дополнительное решение, но немало молодых предприятий изначально ставят ИИ во главу угла.

Подобно цифровым новичкам, которые когда-то произвели фурор, эти ИИ-ориентированные компании не нуждаются в переосмыслении продуктов, инфраструктуры или рабочих процессов, а тем более — в переобучении либо сокращении персонала из-за новой технологии. Они уже раздвигают границы возможного в сфере финансов, разработки программного обеспечения, рекламы и маркетинга. Более того, в некоторых случаях они в корне меняют представления о том, каким может быть быстрый рост.

Мы представляем карту российских компаний, которые занимаются созданием решений на основе генеративного ИИ, а также сопутствующих инструментов. Полная версия карты доступна по ссылке.

Акции Nvidia просели в цене, а регуляторы ограничивают её продажи чипов, но американский гигант ИИ смотрит в будущее и ведёт долгую игру в Китае. Авторы издания The Wall Street Journal объясняют, почему релиз DeepSeek не сможет пошатнуть доминацию Nvidia на рынке чипов для искусственного интеллекта.

DeepSeek-R1 — самая громкая новика в мире больших языковых моделей, сочетающий открытые веса, дистиллированные варианты и уникальную методику обучения рассуждению. Эта статья рассказывает, как создатели модели сумели добиться таких результатов, объединив широкомасштабное обучение с подкреплением, промежуточные модели и большой массив примеров с развёрнутыми цепочками мыслей, чтобы в итоге получить универсальную, эффективную и более удобочитаемую модель.

Автор оригинала: Jay Alammar

Сейчас китайскую модель DeepSeek обсуждают везде: от Кремниевой долины до локальных чатов в Telegram. Еще бы, из-за успешного релиза модели R1, акции компании Nvidia просели, так как часть инвесторов считает, что теперь в разработке ИИ-моделей главное не количество вычислительных ресурсов, а качество и креативный подход.

Подробнее о том, кто стоит за Deepseek и что в нем революционного написал колумнист The Wall Street Journal Рафаэль Хуанг, а мы подготовили перевод его колонки.

Беспилотные автомобили и гуманоидные роботы, способные ходить, разговаривать и работать бок о бок с людьми, — это лишь два примера того, как искусственный интеллект может изменить мир в ближайшем будущем.

Однако для того, чтобы эти физические ИИ-инструменты и приложения могли работать безопасно и эффективно, им необходимо научиться понимать окружающий мир.

Опасения по поводу отключений электричества заставили ирландского оператора энергосистемы приостановить строительство новых дата-центров вблизи Дублина до 2028 года. Десятки огромных дата-центров на окраинах Дублина потребляют больше электричества, чем все городские дома в Ирландии.

Теперь страна, сделавшая себя вычислительной фабрикой для Amazon, Google, Meta, Microsoft и TikTok, задается вопросом, стоило ли это того, поскольку технологические гиганты ищут по всему миру места для постройки еще больше дата-центров, чтобы поддержать следующую волну искусственного интеллекта.

Илья Суцкевер, соучредитель и бывший главный ученый OpenAI, утверждает, что данные — это ископаемое топливо ИИ, и мы его исчерпали. Правда ли это?

Это заявление сделано в контексте объяснения того, что ограничение для ИИ (особенно для LLM) заключается в качестве данных, необходимых для имитации интеллекта, — ограничение, часто называемое «энтропийным разрывом».

Новый проект OpenAI в области искусственного интеллекта, получивший кодовое название Orion, столкнулся с множеством проблем. Он отстает от графика и требует огромных затрат. Неясно, когда и будет ли он работать. Возможно, в мире недостаточно данных, чтобы сделать его достаточно умным.

Венчурный инвестор и контрибьютор журнала Forbes Роб Тейвз каждый год публикует свой прогноз событий, которые будут ждать сферу искусственного интеллекта в новом году. Ранее мы публиковали текст о том, как сбылись прогнозы на 2024, а теперь Роб подготовил новые предсказания. Вот они.

OpenAI утверждает, что ее корпоративная структура должна развиваться, чтобы продвигать основную цель — гарантировать, что искусственный общий интеллект (AGI), способный выполнять большинство задач, под силу человеку, будет приносить пользу всему человечеству.

В настоящее время OpenAI действует как коммерческая организация, контролируемая некоммерческим фондом, с системой «ограниченной прибыли» для инвесторов и сотрудников. Однако в блоге, опубликованном в пятницу, компания объявила, что планирует начать преобразование своей коммерческой части в зарегистрированную в Делавэре Public Benefit Corporation (PBC) с обычными акциями и миссией OpenAI в качестве общественно значимого интереса.