Midjourney научилась генерировать видео, Meta* инвестирует в Scale AI, Mistral сделала рассуждающую LLM
Рассказываем, что нового в мире ИИ произошло за последнее время.
Генерация видео в Midjourney
Midjourney, один из первых успешных сервисов по генерации изображений, объявил о запуске функции создания видео.
В отличие от моделей OpenAI Sora и Google Veo 3, которые фокусируются на создании видео по текстовым описаниям, решение от Midjourney специализируется на анимации уже существующих изображений.
Пользователь может сгенерировать изображение на сайте компании, а затем анимировать его одним из двух способов: воспользоваться функцией автоматического анимирования или текстом описать желаемое движение объектов и камеры. Те же действия можно выполнить и с загруженными пользователем изображениями.
Для анимации доступны два режима: high motion и low motion. Первый режим подходит для сцен, где камера практически неподвижна, а объекты малоподвижны. Второй режим оптимален для создания динамичных видео. После генерации пользователь может продлить видео на четыре секунды, причем эту операцию можно применить к одному ролику максимум четыре раза.
Стоимость генерации 5-секундного видео на данный момент в восемь раз превышает цену за создание одного изображения. Впрочем, компания планирует корректировать расценки в будущем в зависимости от спроса.
По заявлению Midjourney, новая модель является важным шагом к реализации глобальной цели — разработке искусственного интеллекта, способного в реальном времени формировать интерактивный 3D-мир, где пользователи смогут свободно перемещаться и взаимодействовать с объектами и персонажами.
Meta инвестирует в Scale AI
Корпорация Meta проинвестировала 14 млрд долларов в Scale AI — стартап, специализирующийся на разметке данных для обучения моделей искусственного интеллекта.
В результате этой сделки Meta приобрела 49% акций Scale AI, тем самым оценив стартап в 29 млрд долларов. Кроме того, основатель Scale AI, 28-летний Александр Ван, присоединится к команде Meta по разработке ИИ.
Услугами Scale AI пользуется множество крупных компаний, включая основных конкурентов Meta в ИИ-гонке — OpenAI и Google. По сообщениям СМИ, после объявления об инвестициях конкуренты Meta начали постепенно сворачивать сотрудничество со Scale AI.
Mistral выпустила первую рассуждающую модель
Французская компания Mistral представила Magistral — свою первую рассуждающую (reasoning) языковую модель (LLM). Рассуждающие модели генерируют развернутую цепочку логических рассуждений перед формированием финального ответа, что значительно повышает его качество и обоснованность. Примеры таких моделей — GPT o1 и o3 от OpenAI, Claude Sonnet в режиме extended thinking, Gemini 2.0 Flash Thinking и Gemini 2.5 от Google и R1 от DeepSeek.
По сравнению с предыдущим флагманом французской компании, Mistral Medium, новая модель сильно улучшила результаты в основных тестах. Однако в сравнении с конкурирующей DeepSeek-R1 она показывает сопоставимые или несколько более низкие результаты.
Magistral выпущена в двух версиях — Medium и Small. Более мощная версия Medium доступна только через API, тогда как Small, уступающая по качеству, распространяется в открытом доступе.
Mistral долгое время оставалась одной из немногих крупных ИИ-компаний, не выпускавших рассуждающие модели. После выхода Magistral среди лидеров отрасли только Meta не предлагает подобного функционала — ее модель Llama 4 по-прежнему не поддерживает режим рассуждений.
*Российские власти считают Meta террористической организацией
🤖 «Системный Блокъ» @sysblok
Рассказываем, что нового в мире ИИ произошло за последнее время.
Генерация видео в Midjourney
Midjourney, один из первых успешных сервисов по генерации изображений, объявил о запуске функции создания видео.
В отличие от моделей OpenAI Sora и Google Veo 3, которые фокусируются на создании видео по текстовым описаниям, решение от Midjourney специализируется на анимации уже существующих изображений.
Пользователь может сгенерировать изображение на сайте компании, а затем анимировать его одним из двух способов: воспользоваться функцией автоматического анимирования или текстом описать желаемое движение объектов и камеры. Те же действия можно выполнить и с загруженными пользователем изображениями.
Для анимации доступны два режима: high motion и low motion. Первый режим подходит для сцен, где камера практически неподвижна, а объекты малоподвижны. Второй режим оптимален для создания динамичных видео. После генерации пользователь может продлить видео на четыре секунды, причем эту операцию можно применить к одному ролику максимум четыре раза.
Стоимость генерации 5-секундного видео на данный момент в восемь раз превышает цену за создание одного изображения. Впрочем, компания планирует корректировать расценки в будущем в зависимости от спроса.
По заявлению Midjourney, новая модель является важным шагом к реализации глобальной цели — разработке искусственного интеллекта, способного в реальном времени формировать интерактивный 3D-мир, где пользователи смогут свободно перемещаться и взаимодействовать с объектами и персонажами.
Meta инвестирует в Scale AI
Корпорация Meta проинвестировала 14 млрд долларов в Scale AI — стартап, специализирующийся на разметке данных для обучения моделей искусственного интеллекта.
В результате этой сделки Meta приобрела 49% акций Scale AI, тем самым оценив стартап в 29 млрд долларов. Кроме того, основатель Scale AI, 28-летний Александр Ван, присоединится к команде Meta по разработке ИИ.
Услугами Scale AI пользуется множество крупных компаний, включая основных конкурентов Meta в ИИ-гонке — OpenAI и Google. По сообщениям СМИ, после объявления об инвестициях конкуренты Meta начали постепенно сворачивать сотрудничество со Scale AI.
Mistral выпустила первую рассуждающую модель
Французская компания Mistral представила Magistral — свою первую рассуждающую (reasoning) языковую модель (LLM). Рассуждающие модели генерируют развернутую цепочку логических рассуждений перед формированием финального ответа, что значительно повышает его качество и обоснованность. Примеры таких моделей — GPT o1 и o3 от OpenAI, Claude Sonnet в режиме extended thinking, Gemini 2.0 Flash Thinking и Gemini 2.5 от Google и R1 от DeepSeek.
По сравнению с предыдущим флагманом французской компании, Mistral Medium, новая модель сильно улучшила результаты в основных тестах. Однако в сравнении с конкурирующей DeepSeek-R1 она показывает сопоставимые или несколько более низкие результаты.
Magistral выпущена в двух версиях — Medium и Small. Более мощная версия Medium доступна только через API, тогда как Small, уступающая по качеству, распространяется в открытом доступе.
Mistral долгое время оставалась одной из немногих крупных ИИ-компаний, не выпускавших рассуждающие модели. После выхода Magistral среди лидеров отрасли только Meta не предлагает подобного функционала — ее модель Llama 4 по-прежнему не поддерживает режим рассуждений.
*Российские власти считают Meta террористической организацией
Please open Telegram to view this post
VIEW IN TELEGRAM
🔥17👍12❤5🤬1
ИИ видит черепок, археолог – историю: почему нейросети и ученые ссорятся о сходстве
Чем руководствуется человек, сопоставляя два объекта? А как их видит компьютер и может ли сравнить настолько же эффективно? А если речь идет не об обычных предметах, а о находках археологов? С тем, как устроены представления человека и компьютера о сходстве предметов, в новом тексте разбирается наш блогер Олег Лашманов.
Как мы обнаруживаем сходства
Эволюция устроила нас так, что мы воспринимаем вещь не только визуально. Мы связываем её с целым набором ощущений: тяжестью, фактурой, мягкостью, запахом, звуками окружающей среды. Всё это — часть образа, и всё это влияет на то, насколько один предмет кажется нам «похожим» на другой.
Археологи идут еще дальше: у них есть не только физические признаки находки — форма, материал и текстура, — но и опосредованные признаки: контекст и интерпретация. И поскольку аттрибуция артефактов — неочевидная и каждый раз уникальная задача, в ней могла бы пригодиться помощь цифровых технологий. Правда, проблема в том, что компьютер, в отличие от человека, располагает лишь изображением объекта (или несколькими) и, возможно, текстовым описанием. На этом всё.
Как обучить нейросеть, чтобы она помогла археологу
Первый подход — использовать предобученные сверточные нейросети, например ResNet. Эти сети хорошо улавливают геометрические особенности: углы, точки, общие очертания. Однако, как видно из требований археологии, этого часто недостаточно — форма предмета далеко не всегда определяет его культурную принадлежность.
Второй подход — использовать мультимодальные модели, такие как CLIP, которые обучаются на парах «изображение — текст». Такой метод позволяет выучить семантическое представление об объекте, что гораздо ближе к задачам археолога. Тем не менее, даже этот подход не способен заменить человека, который может взять предмет в руки, оценить его вес, фактуру, запах — или, как шутят археологи, даже попробовать на вкус.
Пути решения
Сейчас к изображениям фрагментов добавляют метаданные — такие, как место находки или материал — и дообучают модели на текстовых описаниях вроде «колесничный комплекс», уточняя и дополняя формулировки. Но даже этого недостаточно.
Такие меры не передают глубокие семантические связи, которые выстраивает археолог: технологии производства, миграции ремесленников, ритуальные функции. Без этих связей ИИ остаётся «слепым картографом», рисующим карты без понимания легенды.
Так что пока никакой магии — только археологи способны справляться с задачей атрибуции артефактов. Но мы стараемся создать инструменты, которые облегчат этот процесс.
Если вам интересно поучаствовать в решении настоящих археологических задач — присоединяйтесь к проекту на SIMILIS.IO. А если хочется узнать больше о цифровых помощниках в археологии, переходите к полной версии текста.
🤖 «Системный Блокъ» @sysblok
Чем руководствуется человек, сопоставляя два объекта? А как их видит компьютер и может ли сравнить настолько же эффективно? А если речь идет не об обычных предметах, а о находках археологов? С тем, как устроены представления человека и компьютера о сходстве предметов, в новом тексте разбирается наш блогер Олег Лашманов.
Как мы обнаруживаем сходства
Эволюция устроила нас так, что мы воспринимаем вещь не только визуально. Мы связываем её с целым набором ощущений: тяжестью, фактурой, мягкостью, запахом, звуками окружающей среды. Всё это — часть образа, и всё это влияет на то, насколько один предмет кажется нам «похожим» на другой.
Археологи идут еще дальше: у них есть не только физические признаки находки — форма, материал и текстура, — но и опосредованные признаки: контекст и интерпретация. И поскольку аттрибуция артефактов — неочевидная и каждый раз уникальная задача, в ней могла бы пригодиться помощь цифровых технологий. Правда, проблема в том, что компьютер, в отличие от человека, располагает лишь изображением объекта (или несколькими) и, возможно, текстовым описанием. На этом всё.
Как обучить нейросеть, чтобы она помогла археологу
Первый подход — использовать предобученные сверточные нейросети, например ResNet. Эти сети хорошо улавливают геометрические особенности: углы, точки, общие очертания. Однако, как видно из требований археологии, этого часто недостаточно — форма предмета далеко не всегда определяет его культурную принадлежность.
Второй подход — использовать мультимодальные модели, такие как CLIP, которые обучаются на парах «изображение — текст». Такой метод позволяет выучить семантическое представление об объекте, что гораздо ближе к задачам археолога. Тем не менее, даже этот подход не способен заменить человека, который может взять предмет в руки, оценить его вес, фактуру, запах — или, как шутят археологи, даже попробовать на вкус.
Пути решения
Сейчас к изображениям фрагментов добавляют метаданные — такие, как место находки или материал — и дообучают модели на текстовых описаниях вроде «колесничный комплекс», уточняя и дополняя формулировки. Но даже этого недостаточно.
Такие меры не передают глубокие семантические связи, которые выстраивает археолог: технологии производства, миграции ремесленников, ритуальные функции. Без этих связей ИИ остаётся «слепым картографом», рисующим карты без понимания легенды.
Так что пока никакой магии — только археологи способны справляться с задачей атрибуции артефактов. Но мы стараемся создать инструменты, которые облегчат этот процесс.
Если вам интересно поучаствовать в решении настоящих археологических задач — присоединяйтесь к проекту на SIMILIS.IO. А если хочется узнать больше о цифровых помощниках в археологии, переходите к полной версии текста.
Please open Telegram to view this post
VIEW IN TELEGRAM
Системный Блокъ
ИИ видит черепок, археолог – историю: почему нейросети и ученые ссорятся о сходстве - Системный Блокъ
Когда археологи пытаются понять, на что похож найденный фрагмент, они опираются не только на форму, но и на контекст — культурный, исторический, материальный. Алгоритмы же чаще всего видят просто изображение и работают с ним как с набором чисел. Почему понятие…
👍21👏9🆒9❤3🍾3
Все книги мира на одной полке: как визуализировать книжную вселенную с помощью ISBN
ISBN (Международный стандартный книжный номер) — это уникальный 13-значный код, который присваивается практически каждой опубликованной книге. Причем эти цифры неслучайные: по ним можно определить, на каком языке написана книга и какое издательство ее опубликовало, а также получить более подробную метаинформацию по каждому конкретному изданию. Рассказываем, как с помощью этого номера визуализировать (почти) бесконечную книжную полку.
Кратко: как это возможно?
Идею о такой книжной полке реализовал проект Visualizing all books of the world in ISBN-Space. Чтобы «расставить» книги в виртуальном пространстве, номер ISBN превратили в координаты на плоскости, тем самым сгруппировав тексты по информации о разных метаданных.
В итоге на такой визуализации можно найти конкретную книгу и увидеть ее корешок с названием, автором и штрих-кодом ISBN. А если уменьшить масштаб, получится увидеть, как книги автоматически группируются сначала по издательству, а потом по стране и языку.
Этот проект позволяет увидеть глобальное книгоиздание под новым углом: проследить языковые и издательские потоки, исследовать временные срезы и находить неожиданные связи между книгами. Такая визуализация делает огромные массивы библиографических данных доступными для визуального анализа только специалистам, но и широкой аудитории.
Узнать, что означает каждая цифра номера ISBN и как из этого набора чисел сделали координаты, а ещё посмотреть, как на сайте с визуализациями выглядит книга нашего постоянного автора Бориса Орехова, можно благодаря полной версии материала.
🤖 «Системный Блокъ» @sysblok
ISBN (Международный стандартный книжный номер) — это уникальный 13-значный код, который присваивается практически каждой опубликованной книге. Причем эти цифры неслучайные: по ним можно определить, на каком языке написана книга и какое издательство ее опубликовало, а также получить более подробную метаинформацию по каждому конкретному изданию. Рассказываем, как с помощью этого номера визуализировать (почти) бесконечную книжную полку.
Кратко: как это возможно?
Идею о такой книжной полке реализовал проект Visualizing all books of the world in ISBN-Space. Чтобы «расставить» книги в виртуальном пространстве, номер ISBN превратили в координаты на плоскости, тем самым сгруппировав тексты по информации о разных метаданных.
В итоге на такой визуализации можно найти конкретную книгу и увидеть ее корешок с названием, автором и штрих-кодом ISBN. А если уменьшить масштаб, получится увидеть, как книги автоматически группируются сначала по издательству, а потом по стране и языку.
Этот проект позволяет увидеть глобальное книгоиздание под новым углом: проследить языковые и издательские потоки, исследовать временные срезы и находить неожиданные связи между книгами. Такая визуализация делает огромные массивы библиографических данных доступными для визуального анализа только специалистам, но и широкой аудитории.
Узнать, что означает каждая цифра номера ISBN и как из этого набора чисел сделали координаты, а ещё посмотреть, как на сайте с визуализациями выглядит книга нашего постоянного автора Бориса Орехова, можно благодаря полной версии материала.
Please open Telegram to view this post
VIEW IN TELEGRAM
Системный Блокъ
ISBN книги: что он значит и как визуализировать все книги мира
ISBN книги — это просто 13 цифр… или все-таки нет? Узнайте, как превратить их в координаты и визуализировать карту всех книг мира. Интерактивная полка, по которой можно гулять!
❤🔥29👍9🔥7❤3👏1
Университеты и искусственный интеллект: от утопии до парадокса
Искусственный интеллект уже меняет нашу жизнь и наше обучение. Автоматизируются рутинные задачи, учебные планы строятся с ИИ-персонализацией, отдельные нейросети разрабатываются специально для университетов. В новом материале рассуждаем сразу о пяти сценариях развития событий, связанных с ИИ, в университетской среде.
1️⃣ Идеалистический: «Платоновский наставник»
В персективе студенты смогут получать уникальную образовательную траекторию, в которой темп, формат подачи материала и глубина погружения в тему динамически выстраиваются с помощью ИИ. В Гонконге, например, уже появились ИИ-лекторы, которые отвечают на вопросы студентов.
При таком сценарии обучение становится не только более индивидуализированным, но и более честным: студенты начинают воспринимать ИИ не как способ высокотехнологичного читинга, а как партнера в понимании материала. А преподаватели сосредотачиваются на развитии креативного мышления, этики, межличностного взаимодействия — того, что невозможно автоматизировать.
2️⃣ Антиутопичный: «Образовательная симуляция»
В недавнем исследовании профессий, потенциально уязвимых перед ИИ, список возглавили преподаватели, в особенности (но не исключительно) гуманитарных дисциплин, а ещё ChatGPT успешно прошел сложный медицинский экзамен, продемонстрировав понимание профессиональных терминов, клинического мышления и логических выводов.
Оба этих факта вынуждают думать о перспективе образовательного неравенства: пока элитные университеты смогут позволить себе сохранить живое человеческое общение, массовые вузы рискуют пойти по пути полной автоматизации, превращая образование в потоковое потребление информации.
3️⃣ Расширение когнитивных возможностей: «Сверхученый»
Исследование 2023 года, опубликованное в PLOS Digital Health, демонстрирует, что уже сейчас ИИ способен давать профессиональные научные комментарии даже без специальных промптов или надстроек — это потенциально может открывать путь к новым форматам взаимодействия с академическим знанием.
Такой подход сможет трансформировать и университетскую деятельность вообще. Проектно-исследовательская работа ускорится: путь от зарождения идеи до первичных данных или прототипов может занимать всего несколько часов. Это поменяет структуру преподаваемых курсов, методы преподавания и даже карьерные треки.
4️⃣ Парадоксальный: «Обратный маятник»
Есть вероятность, что после волны энтузиазма и массового внедрения ИИ-инструментов в образовательный процесс в университетах начнется обратное движение — рост интереса к «до-цифровым», медленным форматам обучения.
При таком сценарии произойдет откат к бумажным носителям, устным формам экзаменов и ручному письму — как символам вдумчивого и «человеческого» подхода к знаниям. Появятся программы slow learning (по аналогии с slow life — осознанным проживанием), где использование ИИ полностью запрещено. Престиж приобретет обучение с живым преподавателем, без алгоритмов и дистанционного обучения.
5️⃣ Гибридный: «ИИ как зеркало академической культуры»
Это сценарий, в котором ИИ усилит уже существующие тренды человеческого поведения, культуры и привычек в университетах — как позитивные, так и негативные. В учреждениях, где ценятся диалог, открытость и развитие критического мышления, ИИ станет мощным инструментом для углубления образовательного процесса. Он поможет задавать сложные вопросы, создавать альтернативные точки зрения и расширять пространство для интеллектуального роста.
Узнать больше об этих сценариях и исследованиях, которые позволяют предполагать такие варианты развития событий, сможете из полной версии статьи.
Время чтения: 11,5 минут
🤖 «Системный Блокъ» @sysblo
Искусственный интеллект уже меняет нашу жизнь и наше обучение. Автоматизируются рутинные задачи, учебные планы строятся с ИИ-персонализацией, отдельные нейросети разрабатываются специально для университетов. В новом материале рассуждаем сразу о пяти сценариях развития событий, связанных с ИИ, в университетской среде.
В персективе студенты смогут получать уникальную образовательную траекторию, в которой темп, формат подачи материала и глубина погружения в тему динамически выстраиваются с помощью ИИ. В Гонконге, например, уже появились ИИ-лекторы, которые отвечают на вопросы студентов.
При таком сценарии обучение становится не только более индивидуализированным, но и более честным: студенты начинают воспринимать ИИ не как способ высокотехнологичного читинга, а как партнера в понимании материала. А преподаватели сосредотачиваются на развитии креативного мышления, этики, межличностного взаимодействия — того, что невозможно автоматизировать.
В недавнем исследовании профессий, потенциально уязвимых перед ИИ, список возглавили преподаватели, в особенности (но не исключительно) гуманитарных дисциплин, а ещё ChatGPT успешно прошел сложный медицинский экзамен, продемонстрировав понимание профессиональных терминов, клинического мышления и логических выводов.
Оба этих факта вынуждают думать о перспективе образовательного неравенства: пока элитные университеты смогут позволить себе сохранить живое человеческое общение, массовые вузы рискуют пойти по пути полной автоматизации, превращая образование в потоковое потребление информации.
Исследование 2023 года, опубликованное в PLOS Digital Health, демонстрирует, что уже сейчас ИИ способен давать профессиональные научные комментарии даже без специальных промптов или надстроек — это потенциально может открывать путь к новым форматам взаимодействия с академическим знанием.
Такой подход сможет трансформировать и университетскую деятельность вообще. Проектно-исследовательская работа ускорится: путь от зарождения идеи до первичных данных или прототипов может занимать всего несколько часов. Это поменяет структуру преподаваемых курсов, методы преподавания и даже карьерные треки.
Есть вероятность, что после волны энтузиазма и массового внедрения ИИ-инструментов в образовательный процесс в университетах начнется обратное движение — рост интереса к «до-цифровым», медленным форматам обучения.
При таком сценарии произойдет откат к бумажным носителям, устным формам экзаменов и ручному письму — как символам вдумчивого и «человеческого» подхода к знаниям. Появятся программы slow learning (по аналогии с slow life — осознанным проживанием), где использование ИИ полностью запрещено. Престиж приобретет обучение с живым преподавателем, без алгоритмов и дистанционного обучения.
Это сценарий, в котором ИИ усилит уже существующие тренды человеческого поведения, культуры и привычек в университетах — как позитивные, так и негативные. В учреждениях, где ценятся диалог, открытость и развитие критического мышления, ИИ станет мощным инструментом для углубления образовательного процесса. Он поможет задавать сложные вопросы, создавать альтернативные точки зрения и расширять пространство для интеллектуального роста.
Узнать больше об этих сценариях и исследованиях, которые позволяют предполагать такие варианты развития событий, сможете из полной версии статьи.
Время чтения: 11,5 минут
Please open Telegram to view this post
VIEW IN TELEGRAM
Системный Блокъ
Будущее университетов в эпоху ИИ
Рассматриваем сценарии того, к чему приведет повсеместное внедрение ИИ в университетах: угроза, антиутопия, парадокс?
🔥15❤12👍8
Дата-журналистика: точка входа
«Системный Блокъ» выпустил новый спецпроект: в нём мы простым языком рассказываем, как журналисты работают с данными, разбираем кейсы и советуем полезные инструменты. Благодаря странице «Дата-журналистика: точка входа» вы узнаете, где искать данные для своих исследований, почему важно правильно их очистить, зачем нужна гипотеза и куда пойти учиться, если вы решили стать дата-журналистом.
Кратко: о чем проект?
Дата-журналистика — это направление журналистики, в котором для создания статей и материалов используются количественные данные. В «Системном Блоке» этому посвящена целая рубрика «Инфографика», из которой можно узнать о том, как бездомность сокращает жизнь, как политические события влияют на книжный рынок и сколько в российских школах учителей-мужчин.
Работу над дата-журналистскими проектами можно разделить на следующие этапы: выбор темы, постановка вопроса и выработка гипотез, поиск и подготовка данных, проверка выдвинутых гипотез, визуализация, подготовка текста. Каждый из них требует работы с разными инструментами от Voyant Tools, которые помогут с анализом текста, до Datawrapper, облегчающего задачу по созданию графиков и карт.
Подробнее обо всех этих этапах и их особенностях, а также об образовательных программах, благодаря которым можно стать дата-журналистом, и каналах, на которые можно подписаться, чтобы узнать больше об этом направлении в журналистике, мы рассказали на странице спецпроекта.
🤖 «Системный Блокъ» @sysblok
«Системный Блокъ» выпустил новый спецпроект: в нём мы простым языком рассказываем, как журналисты работают с данными, разбираем кейсы и советуем полезные инструменты. Благодаря странице «Дата-журналистика: точка входа» вы узнаете, где искать данные для своих исследований, почему важно правильно их очистить, зачем нужна гипотеза и куда пойти учиться, если вы решили стать дата-журналистом.
Кратко: о чем проект?
Дата-журналистика — это направление журналистики, в котором для создания статей и материалов используются количественные данные. В «Системном Блоке» этому посвящена целая рубрика «Инфографика», из которой можно узнать о том, как бездомность сокращает жизнь, как политические события влияют на книжный рынок и сколько в российских школах учителей-мужчин.
Работу над дата-журналистскими проектами можно разделить на следующие этапы: выбор темы, постановка вопроса и выработка гипотез, поиск и подготовка данных, проверка выдвинутых гипотез, визуализация, подготовка текста. Каждый из них требует работы с разными инструментами от Voyant Tools, которые помогут с анализом текста, до Datawrapper, облегчающего задачу по созданию графиков и карт.
Подробнее обо всех этих этапах и их особенностях, а также об образовательных программах, благодаря которым можно стать дата-журналистом, и каналах, на которые можно подписаться, чтобы узнать больше об этом направлении в журналистике, мы рассказали на странице спецпроекта.
Please open Telegram to view this post
VIEW IN TELEGRAM
Системный Блокъ
Дата-журналистика: точка входа - Системный Блокъ
Рассказываем простыми словами, что такое дата-журналистика и какие этапы нужно пройти для создания дата материала. В нашем спецпроекте вы найдете советы, разбор кейсов, описание инструментов, нужных дата-журналисту.
👏16❤8🔥5👍2
Meta* переманивает сотрудников OpenAI, Anthropic победила правообладателей книг, Apple отдает Siri на аутсорс
Рассказываем, что произошло в мире ИИ за последнее время.
Meta создала команду из сотрудников OpenAI
Корпорация Meta переманила по меньшей мере семь ведущих исследователей из OpenAI. По неподтвержденным данным, Марк Цукерберг, основатель и генеральный директор Meta, лично связывался с некоторыми кандидатами и предлагал бонус при подписании контракта размером в 100 млн долларов и суммарную компенсацию в 300 млн долларов в течение четырех лет. Сама Meta отрицает эти заявления.
Новые сотрудники вместе с рядом других бывших сотрудников Google DeepMind и Anthropic вошли в состав новой лаборатории Meta, цель которой — создать сверхинтеллект, то есть ИИ, значительно превосходящий лучших экспертов в решении любых задач. Возглавят ИИ-направление в корпорации Александр Ван, бывший генеральный директор Scale AI, о котором мы писали ранее, а также бывший генеральный директор GitHub — одного из главных хранилищ программного кода в мире.
Глава OpenAI Сэм Альтман и глава отдела исследований раскритиковали стратегию Meta во внутреннем письме сотрудникам. В частности, по мнению Альтмана, такое поведение приводит к серьезным культурным проблемам в индустрии. В письме также отмечалось, что компания слишком сфокусировалась на частых продуктовых релизах и отвлеклась от глобальной миссии — разработки общего искусственного интеллекта. «Миссионеры победят наемников», — так заканчивает письмо Сэм Альтман.
Anthropic победила в суде с правообладателями книг
В деле Anthropic против правообладателей американский судья признал, что использование книг, защищенных авторским правом, для обучения языковых моделей Anthropic подпадает под критерии fair use — доктрины, позволяющей использовать материалы, защищенные авторскими правами, без разрешения правообладателя в определенных случаях, например, для исследований, образования, критики и комментирования.
Судья сравнил использование книг моделью Anthropic с «читателем, мечтающим стать писателем», который обращается к чужим работам не затем, чтобы «скопировать их и воспроизвести или вытеснить», а чтобы «резко свернуть и создать нечто иное».
Однако это решение не снимает с Anthropic ответственности за копирование и хранение пиратских копий 7 млн книг, несмотря на то, что компания позднее заплатила за миллионы из них. Размер компенсации будет определен на следующих слушаниях. С полным текстом решения суда можно ознакомиться здесь.
Для обучения больших языковых моделей компании скачивают в автоматическом режиме огромные массивы текстов из интернета, что приводит к неизбежному попаданию авторского контента в обучающие корпусы. Использование подобных данных для создания ИИ-моделей до сих пор не регулируется существующим законодательством. Это первый прецедент, когда американский суд определил такое использование как fair use.
Apple хочет привлечь к разработке новой Siri OpenAI и Anthropic
По данным Bloomberg, корпорация Apple приняла решение привлечь компании OpenAI и Anthropic к разработке новой версии голосового ассистента Siri.
Apple планирует протестировать версии ассистента, созданные ведущими компаниями в сфере искусственного интеллекта. Самое успешное решение впоследствии будет развернуто на серверах Apple. Хотя компания не собирается прекращать собственные разработки в области ИИ, многие сотрудники были демотивированы принятым решением. Из-за этого руководству пришлось искать способы удержания персонала и пересматривать контракты.Apple отстает от конкурентов во внедрении ИИ в свои продукты. В частности, многие функции, анонсированные еще в прошлом году, так и не были реализованы. Подробнее о проблемах Apple с ИИ мы писали ранее.
*Российские власти считают Meta террористической организацией
🤖 «Системный Блокъ» @sysblok
Рассказываем, что произошло в мире ИИ за последнее время.
Meta создала команду из сотрудников OpenAI
Корпорация Meta переманила по меньшей мере семь ведущих исследователей из OpenAI. По неподтвержденным данным, Марк Цукерберг, основатель и генеральный директор Meta, лично связывался с некоторыми кандидатами и предлагал бонус при подписании контракта размером в 100 млн долларов и суммарную компенсацию в 300 млн долларов в течение четырех лет. Сама Meta отрицает эти заявления.
Новые сотрудники вместе с рядом других бывших сотрудников Google DeepMind и Anthropic вошли в состав новой лаборатории Meta, цель которой — создать сверхинтеллект, то есть ИИ, значительно превосходящий лучших экспертов в решении любых задач. Возглавят ИИ-направление в корпорации Александр Ван, бывший генеральный директор Scale AI, о котором мы писали ранее, а также бывший генеральный директор GitHub — одного из главных хранилищ программного кода в мире.
Глава OpenAI Сэм Альтман и глава отдела исследований раскритиковали стратегию Meta во внутреннем письме сотрудникам. В частности, по мнению Альтмана, такое поведение приводит к серьезным культурным проблемам в индустрии. В письме также отмечалось, что компания слишком сфокусировалась на частых продуктовых релизах и отвлеклась от глобальной миссии — разработки общего искусственного интеллекта. «Миссионеры победят наемников», — так заканчивает письмо Сэм Альтман.
Anthropic победила в суде с правообладателями книг
В деле Anthropic против правообладателей американский судья признал, что использование книг, защищенных авторским правом, для обучения языковых моделей Anthropic подпадает под критерии fair use — доктрины, позволяющей использовать материалы, защищенные авторскими правами, без разрешения правообладателя в определенных случаях, например, для исследований, образования, критики и комментирования.
Судья сравнил использование книг моделью Anthropic с «читателем, мечтающим стать писателем», который обращается к чужим работам не затем, чтобы «скопировать их и воспроизвести или вытеснить», а чтобы «резко свернуть и создать нечто иное».
Однако это решение не снимает с Anthropic ответственности за копирование и хранение пиратских копий 7 млн книг, несмотря на то, что компания позднее заплатила за миллионы из них. Размер компенсации будет определен на следующих слушаниях. С полным текстом решения суда можно ознакомиться здесь.
Для обучения больших языковых моделей компании скачивают в автоматическом режиме огромные массивы текстов из интернета, что приводит к неизбежному попаданию авторского контента в обучающие корпусы. Использование подобных данных для создания ИИ-моделей до сих пор не регулируется существующим законодательством. Это первый прецедент, когда американский суд определил такое использование как fair use.
Apple хочет привлечь к разработке новой Siri OpenAI и Anthropic
По данным Bloomberg, корпорация Apple приняла решение привлечь компании OpenAI и Anthropic к разработке новой версии голосового ассистента Siri.
Apple планирует протестировать версии ассистента, созданные ведущими компаниями в сфере искусственного интеллекта. Самое успешное решение впоследствии будет развернуто на серверах Apple. Хотя компания не собирается прекращать собственные разработки в области ИИ, многие сотрудники были демотивированы принятым решением. Из-за этого руководству пришлось искать способы удержания персонала и пересматривать контракты.Apple отстает от конкурентов во внедрении ИИ в свои продукты. В частности, многие функции, анонсированные еще в прошлом году, так и не были реализованы. Подробнее о проблемах Apple с ИИ мы писали ранее.
*Российские власти считают Meta террористической организацией
Please open Telegram to view this post
VIEW IN TELEGRAM
❤16🔥12👍4