🥳 Роботы тоже празднуют и наряжают елочки — например, робот Пикер Яндекса

Вот такой у нас тематический, новогодний сегодня формат)

Строим роботов-гуманоидов по росту

Каждый робот — классный, поэтому мы выстроили их по росту. Все они созданы для помощи на производстве, в быту или в сервисе.

⚫️171 см — Figure 02, робот-гуманоид второго поколения от одноименной компании на заводах BMW устанавливает до тысячи деталей в день.

⚫️170 см — PUDU D9 от Pudu Robotics отличается роботизированными ладонями, которые имитируют человеческие. Благодаря этому у робота развита мелкая моторика для кропотливых операций.

⚫️156 см — Promobot V.4 от «Промобот», российская модель от компании-лидера по производству гуманоидных роботов. Сервисный робот для отелей, магазинов, офисов продаж.

⚫️138 см — модель PM01 от EngineAI с открытым исходным кодом, что позволяет обучать его под свои задачи.

⚫️130 см — G1 от Unitree умеет говорить и выполнять команды, а также имеет 43 степени свободы конечностей.

«Лаборатория Касперского» создала руководство по безопасной разработке ИИ

Внутри — рекомендации для разработчиков, сисадминов, DevOps-команды о том, как предотвращать и устранять технические недостатки и операционные риски, связанные с ИИ.

Как повысить безопасность системы на основе ИИ:
⚫️сообщать руководству о киберугрозах;
⚫️обучать сотрудников тому, какие методы используют злоумышленники для атак на системы ИИ;
⚫️моделировать угрозы и оценивать риски;
⚫️следить за безопасностью облаков;
⚫️защищать цепочки поставок и данных — а именно: включать требования к ИИ поставщиков в договоры;
⚫️тестировать и проверять ИИ-модели;
⚫️регулярно обновлять ИИ-библиотеки и фреймворки;
⚫️проверять системы на соответствие международным стандартам и законодательству.

«Растущее использование инструментов на основе искусственного интеллекта делает обеспечение безопасности уже не просто желательным, а обязательным условием. Мы принимаем участие в многостороннем диалоге в этой сфере, чтобы выработать стандарты, которые помогут безопасно внедрять инновации и защититься от новых киберугроз», — комментирует Юлия Шлычкова, вице-президент по связям с государственными органами «Лаборатории Касперского».

Полное руководство прикрепили выше👆

😆 Руководство: как обучить нейросети методом подкрепления Reinforcement Learning

Его написал Кевин Мерфи, разработчик исследовательской лаборатории в области ИИ DeepMind.

Reinforcement Learning (RL) — это обучения машин на основе метода проб и ошибок и кнута и пряника. За правильные или неправильные действия ИИ получает сигналы подкрепления — награды или штрафы. Цель — получить максимальную награду за определённый период времени.

Метод применяется при обучении рекомендательных систем, роботов, машин с автопилотом.

Полный документ прикрепили выше — перешлите своим ML-щикам.

Мини-кран Jekko легко может выполнять работы внутри помещения

⚫️За счет высоты кран имеет хорошую проходимость.
⚫️Стрелы вращаются на 360 градусов.
⚫️Стрелы крана поднимаются на высоту от 7,2 до 23,5 метров.
⚫️Управлять можно удаленно через приложение или пульт.
⚫️Интеллектуально выполняет загруженное задание.

ТОП языковых моделей за 2024 год

Конкуренция между языковыми моделями велика, а еще пару лет назад на рынке была только одна значимая модель с невероятным отрывом по мощности от остальных — GPT 3.5. Сейчас же, и мы уже писали об этом ранее, другие догоняют, подгоняют OpenAI и даже есть вероятность, что все вместе замедляются в развитии, потому что не хватает мощностей для обучения. Все стараются по-разному для поддержания нейросеток — Маск, например, создает суперкомпьютер Colossus.

Принесли вам список самых сильных и упоминаемых моделей за 2024 год
⚫️ChatGPT o1, OpenAI, 128 тыс токенов.
⚫️Google Gemini 2 flash, 2 млн токенов.
⚫️Claude 3.5 Sonnet, Anthropic, 200 тыс токенов.
⚫️Amazon Nova Pro, Amazon, 300 тыс токенов.
⚫️Llama 3.3 70B, Meta Platforms, 128 тыс токенов.
⚫️xAI Grok, xAI, 8 тыс токенов.
⚫️Phi-3 Medium, Microsoft, 128 тыс токенов.
⚫️Reka Flash, Reka AI, 128 тыс токенов.
⚫️Command R+, Cohere, 128 тыс токенов.
⚫️Mistral Large 2, Mistral AI, 128 тыс токенов.
⚫️Qwen 2.5, Alibaba, 131 тыс токенов.
⚫️DeepSeek V3, DeepSeek, 128 тыс токенов.
⚫️Jamba 1.5 Large, AI21 Labs, 256 тыс токенов.
⚫️YandexGPT 4, Яндекс, 32 тыс токенов.
⚫️GigaChat, Сбербанк, 32 тыс токенов.
⚫️T-Pro, Т-банк, 8 тыс токенов.

Какими из них пользовались? Рассказывайте преимущества в комментариях.

Capgemini: искусственный интеллект — главный тренд на 2025 год

... и еще на ближайшие 5 лет точно

Аналитики исследовательского института Capgemini опросили ученых, 1500 руководителей компаний с годовым доходом от $1 млрд, а также 500 специалистов по инвестициям и банковскому делу и составили список главных технологических трендов на 2025 год.

🔴77% респондентов из сферы бигтеха назвали генеративный ИИ главным трендом.

🔴ИИ станет и защитой, и главной проблемой кибербезопасности. 97% респондентов уже столкнулись с кибератаками с помощью ИИ и также выразили мнение, что бороться с такими угрозами придется с помощью ИИ. Клин клином, как говорится.

🔴24% руководителей высшего звена считают ИИ в робототехнике одним из главных трендов. ИИ поможет обучать гуманоидных роботов. Роботы будут становиться более автономными и забирать на себя больше задач. Для удешевления производства будут развивать и коллаборативных роботов — тех, которые работают совместно с человеком.

🔴Продолжение бума на ЦОДы и новые источники энергии для них — например, будут строить малые модульные атомные реакторы.

🔴37% респондентов отметили в качестве тренда оптимизацию цепочек международных поставок с помощью ИИ. В условиях геополитической мировой неопределенности это может кардинально изменить отрасль.

Полное исследование прикрепили выше👆

Проблема 70/30, или почему ИИ не улучшает продукт джуниор-разработчиков

Наткнулись на интересную статью инженера Google Эдди Османи, где он ищет ответ, почему нейросети не помогают всем программистам писать код одинаково хорошо. Все дело в разнице подходов сеньор и джуниор-специалистов к использованию ИИ. Эдди назвал такие команды «загрузчиками» и «итераторами».

🚀 Загрузчики используют эффектные инструменты для создания кода — например, среду разработки на базе ИИ Bolt, которая за пару минут из макета Фигмы выдает готовое приложение. Оно, правда, еще не работает, как надо, но нет предела совершенству.

💻 Итераторы не перекладывают на нейросети всю работу и не ждут MVP за пару минут. Они используют ИИ для автоматизации ежедневной рутины — создания тестов и документации, рефакторинга кода.

Вот в последнем пункте и кроется разница: сеньоры не просто принимают на веру код от ИИ, они его перерабатывают, разбивают на более мелкие модули и вообще критически оценивают предложения нейросетей, в особенности архитектуру кода. То есть сеньоры используют ИИ как помощника, который знает меньше них. Сеньоры уже набили руку за годы работы и используют опыт, которого у джуниоров просто нет. Поэтому вторые, по словам Энди, часто создают на ИИ карточный домик — красивый, но крайне неустойчивый в использовании продукт.

Вот так и возникает парадокс знания
Сеньоры используют ИИ для ускорения того, что они уже умеют делать. Джуниоры — чтобы научиться тому, что нужно делать. Но главное волшебство ИИ — делать 70% работы быстро — препятствует обучению джуниоров. Потому что без этих 70% остальные 30% оказываются порой нерешаемой проблемой — нельзя написать работающий код, не понимая его основополагающих принципов построения архитектуры и не развивая навыки рефакторинга.

Именно поэтому нейросети не демократизируют разработку, пока не изменятся подходы в образовании. Энди также отмечает тренд на ИИ-агентов — системы, которые будут автономно выполнять отдельные ИТ-задачи: писать документацию, проводить тесты и т.п.

➡️ Главный совет статьи для программистов и бизнеса: не стоит пренебрегать изучением базы — математики, алгоритмов, знать шаблоны и архитектуру.

Главное для развития ИИ: учиться доверять его результатам и постепенно повышать автономность — аналитики Accenture

Аналитики Accenture сравнили отношения человека и ИИ с детско-родителеьскими отношениями, где автономность ребенка растет по мере того, как растет доверие к ним со стороны взрослых. Именно поэтому 77% респондентов отметили, что преимущества ИИ и волновой эффект от его использования будут максимальными, когда ИИ «повзрослеет». То есть станет точным, предсказуемым, последовательным и отслеживаемым и начнет работать так, как ожидается.

ИИ уже становится более автономным — это видно на примере становящихся все популярнее ИИ-агентов, которым доверяют самим выполнять целые задачи. И развивать эту автономность — значит, повышать доверие клиентов к бизнесу, а от этого напрямую зависит прибыль компаний.

Аналитики предлагают компаниям уже сейчас готовиться к Большому Бинарному взрыву — моменту, когда однажды мы проснемся в мире, которым управляют ИИ-агенты. ИИ — та технология, которая изменит экономику и ежедневную жизнь людей коренным образом. Как электричество, ИИ затронет абсолютно все сферы жизни, поэтому абсолютно все организации должны продумать, как им внедрить в свои процессы ИИ.

Среди основных трендов в отчете выделены:
⚫️Приближение к моменту Большого Бинарного взрыва, когда ИИ кардинально изменит мир.
⚫️Массовое внедрение ИИ-агентов.
⚫️Обретение большими языковыми моделями тела в оболочке робота.
⚫️ИИ — главный в корпоративному обучении и помогает персонализировать материалы для каждого сотрудника.

Полный отчет Technology Vision 2025. AI: A Declaration of Autonomy by Accenture прикрепили выше👆

NVIDIA представили виртуальную среду Cosmos для ускорения разработки физического ИИ и для обучения роботов движению

На серии тестов в симуляции нейросети можно обучить быстрее. Соответственно, для развития навыков у роботов с ИИ-мозгами виртуальная среда разработки — самое то.

⚫️Среда от NVIDIA позволяет генерировать огромные объемы фотореалистичных, основанных на физике синтетических данных для обучения и оценки существующих моделей.

⚫️ Разработчики могут создавать собственные модели путем тонкой настройки.

Подборка движков для обучения роботов, беспилотников и стройтехники по методу Sim2Real

Sim2Real — это метод обучения в виртуальной среде от моделирования к реальности. Например, если нужно обучить беспилотный грузовик ездить по пересеченной местности, то в симуляции его тестируют на огромном датасете всех возможных преград и только потом выпускают на дороги. В каждой симуляции свои физические параметры — перепады высоты, вид покрытия, трение, погода и т.д.

В основе сред обучения физика реального мира — если посадить там Ньютона под яблоню, то яблоко упадет ему на макушку, и он снова откроет закон всемирного тяготения — поэтому такие движки называются физическими. Движки разрабатывают производители машин и ИИ и вполне себе логично — производители игр. Потому что они уже натренированы, и есть инфраструктура. Игровые движки, как правило, отличаются очень реалистичной картинкой. Картинка неигровых порой выглядит как первый Симс, но зато там прокачена физика.

Из движков выделяют:
⚫️Игровой от Unity, интегрированный с инструментом для прототипирования роботов ROS (Robotic Operation System).

⚫️Игровой от Unreal Engine с реалистичной картинкой — его используют для обучения беспилотных машин.

⚫️PyBullet — open-source со слабой картинкой, но хорошо проработанной физикой мира.

⚫️Mujoco — проект с открытым кодом, настолько хороший, что его купил Google для своего DeepMind, а также используют OpenAI, Nvidia, Boston Dynamics, Dyson.

⚫️NVIDIA Flex, где можно тестировать деформирующиеся объекты и жидкости.

⚫️Симуляторы CarCraft, Simulation City и Waymax от Waymo. По ним машины концерна проехали 5 млрд миль — так обкатываются все релизы перед выпуском в свет.

⚫️Infinity Simulator и Ghost Gym от Wavve. Первый сразу создали на игровом движке, для второго собирали реальный датасет — фото, видео реальных улиц, размечали, создали цифровой двойник.

Как происходит обучение
Создают нейросеть под определенную задачу. Например, как controller на видео. Потом ее обучили в симуляторе Isaac по методу подкрепления и выпустили робота в свет — ходить по улицам, как вот этот из видео.