Искусственный интеллект в образовании 🎓🤖

Кто про что, а я опять про Стивенсона и его букварь. Нынешнее состояние системы образования представляется удручающим, поэтому хочется понять, как приближение сингулярности изменит ситуацию. К счастью, появляются первые оценки применения LLM в преподавании.

Учащиеся, которые были случайным образом отобраны для участия в программе, значительно превзошли своих сверстников, не участвовавших в ней, по всем направлениям, включая английский язык, что являлось главной целью программы. Эти результаты убедительно доказывают, что генеративный ИИ при продуманном внедрении и поддержке учителей может эффективно выполнять роль виртуального репетитора.

From chalkboards to chatbots: Transforming learning in Nigeria, one prompt at a time.

Стивенсон предполагал, что каждый получит доступ к продвинутому виртуальному репетитору с высокой степенью персонализации, который сделает обучение более легким и продуктивным. Возможно, мы на правильном пути. Исследователи утверждают, что их ученики достигли результатов, эквивалентных двум годам обучения, всего за шесть недель.

Пока не появится больше данных, отношусь к результатам с долей скепсиса, но отмечу: речь идет о совместной работе ученика и учителя с LLM, а не о полной замене педагогов. Это подтверждает общее наблюдение – нынешний ИИ эффективнее всего работает в связке с человеческим интеллектом. Тут невольно вспоминается уже "Культура" Иэна Бэнкса.

#образование #AI #LLM #будущее

🌆 Дополненная городская реальность

Сразу признаюсь – документ на 140 страниц, и пока я его лишь бегло просмотрел. Но, это серьёзное академическое исследование из Корнельского университета, которое поднимает важные вопросы:

- Как внедрять AR/смешанную реальность в городскую среду;
- Плюсы и минусы этих технологий для общественных пространств;
- Как регулировать их использование.

Наконец-то появилось что-то стоящее вместо бесконечной болтовни про "умные города", о которых последние 10 лет вещают с высоких трибун разнообразные чиновники.
Навскидку могу назвать десяток компаний, которым стоит как минимум задуматься над этими вопросами.
#урбанистика #AR #технологии #города #исследования

🕵️‍♂️ От шпионских стрекоз до агротеха

В закромах ЦРУ можно найти удивительные штуки. Например, в 1970-х они собрали миниатюрную механическую стрекозу с бензиновым двигателем — этакий микробеспилотник для шпионажа. Если верить агентству, она могла пролететь до 200 метров за 60 секунд. Для управления и передачи данных использовали лазер — вероятно, звук считывали с приемника через модуляции отраженного луча. Правда, при малейшем ветре стрекоза сбивалась с курса, и проект пришлось свернуть. Но идея механических насекомых не умерла.

Полвека спустя Инженеры MIT создали нового робота-насекомое. И этот малыш уже совсем другого уровня — держится в воздухе целых 17 минут и выполняет сложные акробатические трюки.

🌾 Зачем это сейчас? Главная цель уже не шпионаж, а спасение сельского хозяйства. В вертикальных фермах будущего критически нужны опылители, а живых пчел уже не хватает — в Калифорнию их свозят фурами во время цветения миндаля. Роботы-опылители могут стать решением этой проблемы.

#технологии #роботы #будущее #агротех

Альтман объявил что неизбежно нужно будет менять социальный контракт

ИИ-модели, что сверх-ярко показывает R1, внезапно стали доступными всем, везде, дешевыми и легко масштабируемыми. А волна Операторов сделает из них не помощников, а акторов. Любая старая схема, где "экспертиза — это дорогой дефицит", летит в корзину.

Комбинация этих двух явлений — бесконечно дешевого интеллекта и автоматизации без участия человека — перекраивает все. Горизонтальные структуры бизнеса, привычные workflow-процессы, даже сама идея "труда" больше не выглядят незыблемыми. Правда, как я писал, это займет годы: не из-за технологии, а инертности экономики.

Рано или поздно это станет новой нормой, то прежняя логика "человек — главный фактор производства" рухнет. Грядут не просто волны перемен, а катастрофический прилив, после которого социальный контракт в привычном виде уже не собрать. И возникает вопрос: а зачем он вообще нужен?

Трудно понять, где в заявлениях руководителей технологических компаний заканчивается правда и начинается маркетинг. Однако нельзя игнорировать слова менеджера, которому пообещали выделить 500 миллиардов долларов на создание крупнейшей AI-инфраструктуры в США, и, возможно, в мире. Первые 100 миллиардов в рамках проекта Stargate компания OpenAI получит немедленно, остальные средства - в течение четырех лет. В telegram уже сравнили эти инвестиции с программой Apollo и Манхэттенским проектом, но, чтобы осознать масштаб, стоит рассмотреть их в ином контексте.

Российское правительство выделило на Федеральный проект «Искусственный интеллект», начатый в 2021 году, 24,1 млрд рублей. При курсе доллара 100 рублей это составляет 0,241 миллиарда долларов.

По некоторым оценкам, объем рынка больших языковых моделей в России достигает 35 млрд рублей (0,35 миллиарда долларов). Объем всего рынка полупроводников в стране составляет 289 млрд рублей (2,89 миллиарда долларов).

Достоверных актуальных оценок объема индустрии ИИ в России я пока не нашел. Чиновники называли цифру в 650 млрд рублей на 2023 год — 6,5 миллиарда долларов. Впрочем, направление развития ИИ в РФ хорошо иллюстрирует казус со словом "родное".

В федеральном бюджете России на 2025 год на образование выделено 1,6 триллиона рублей (около 16 миллиардов долларов), на национальную оборону — 13,1 триллиона рублей (примерно 131 миллиард долларов).

Общие прогнозируемые доходы России на 2025 год составляют 40,3 триллиона рублей — 403 миллиарда долларов США.

Итак, на проект Stargate планируется направить сумму, превышающую годовой доход Российского государства при удачном раскладе. Особенно впечатляет, что эти средства поступят от частных инвесторов и предназначены для одной компании. Натуральный киберпанк, где корпорации располагают ресурсами, превосходящими возможности целых государств.

Если прогнозы Альтмана реализуются хотя бы частично, Россия окажется в ситуации, когда Штаты получат достаточно мощный рычаг, чтобы опрокинуть шахматную доску "геополитики" и придумать новые правила игры. Ресурсы, которые так отчаянно вкладываются в порох и железо, пропадут впустую, прежние стратегии потеряют всякий смысл.

Даже при таком развитии событий, и несмотря на катастрофическое отставание в микроэлектронике, у России остается возможность интегрироваться в дивный новый мир благодаря наработкам в ядерной энергетике. Но боюсь, что в высоких кабинетах настолько увлеклись борьбой за суверенное право игнорировать прогресс, что мы потеряем и этот, возможно, последний шанс на такое желанное глобальное лидерство.

Автономная наука 🔬🤖

Помните, как выглядят исследования в стратегических компьютерных играх? Выбираете направление, тратите ресурсы, ждете и получаете гарантированный результат. Последнего обещать не могу, но автоматизация лабораторий приближает нас к похожему сценарию.

Суть автономной науки проста: компьютеры генерируют и анализируют гипотезы, а роботы проводят эксперименты. Майкл Бронштейн (Michael Bronstein) из DeepMind описывает эволюцию научного процесса от нулевого поколения (люди с пробирками), до четвертого поколения, в котором искусственный интеллект полностью управляет циклом научных открытий. Это стало возможным благодаря трем важным прорывам:

Во-первых, машинное обучение. Во-вторых, цены на роботизированные манипуляторы снизились с 30 тысяч до 500 долларов. В-третьих, появились технологии создания лабораторий на чипах.

Передовые лаборатории внедряют полуавтономные системы для медицинских исследований и синтеза новых материалов, но самые интересные сценарии вероятно реализуются там, где человеческих возможностей не хватает.

Представьте будущее где алгоритмы непрерывно берут пробы, анализируют патогены, отслеживают их эволюцию и синтезируют вакцины. Автономные подземные и космические лаборатории проводят эксперименты с альтернативной эволюцией. Роботы создают персональные лекарства, проверяя эффективность на клеточных культурах конкретного пациента.

Однажды исследования в этих замкнутых системах создадут петлю обратной связи: искусственный интеллект генерирует данные, эти данные улучшают его работу, а усовершенствованные модели находят неочевидные связи для новых прорывов.

Но что, если однажды эта петля затянется слишком сильно? Что скажете, готовы ли вы доверить науку машинам?

#AI #наука #будущее #биотех #автоматизация

​​Мой новостной поток в последнее время:

Ученые добыли из винограда плазму и применили его квантовых датчиках — круто, пару лет назад развлекался, зажигая их в микроволновке.

Кожуру помело можно использовать для создания сенсорных устройств — хм, iPhone с цитрусовым сенсором. Занятно, но как бы не остаться без фруктов.

Биогибридный дрон использует антенки бабочки шелкопряда для навигации по запаху — сперва они делали тараканов на радиоуправлении, а теперь вот.

Свиной желатин используется в роботизированной руке для выполнения деликатных задач — а может лучше не надо?

Будущие биогибридные роботы, будут питаться живой тканью — надеюсь, они не придут за моей мышечной массой.

Этот робот изготовлен из клеток человека и контролируется машиной, — ооох…

Сестра, у него острый Баадер — Майнхоф. Три кубика офлайна внутривенно!

🤖 "Упал, отжался!" Роботы-гуманоиды научились вставать после падения

Помните, как старичок Atlas от Boston Dynamics перепрыгивал препятствия и крутил сальто? За кадром осталось, то, как инженеры поднимали его после падений. Долгое время это была непреодолимая сложность для роботов.

Во время соревнований DARPA Robotics Challenge 25 из 26 упавших машин превратились в беспомощные груды металла и нуждались в человеческой помощи. 🤷‍♂️

Дело в том, что подъем на ноги как инженерная задача радикально отличается от ходьбы. В отличие от циклических шагов при ходьбе, подъем требует непериодического поведения. Робот сталкивается с множественными точками контакта тела с поверхностью и большим разнообразием ситуаций. Возникает проблема разреженности наградных сигналов — алгоритму сложно понять, какие действия привели к успеху, потому что положительная обратная связь приходит только после целого комплекса действий, когда робот наконец устойчиво стоит на ногах.

👨‍🔬 Инженеры из Университета Иллинойса придумали, как обойти проблему недостатка мотивации. Они разделили одну крайне сложную задачу на две попроще: сначала найти траектории, чтобы "просто как-нибудь подняться", а затем оптимизировать решение — сделать движения плавными, энергоэффективными и подходящими к различным поверхностям. Вместо одного сложного процесса обучения с редкими подкреплениями получается две последовательных задачи, каждая из которых решается эффективнее.

В результате полевые испытания Unitree G1 выглядят как занятия в хореографическом училище — робот демонстрирует почти органическую пластику.

Unitree G1 уверенно поднимается на разных поверхностях: от гладкого бетона до скользкого снега и травянистых склонов с уклоном до 10°. Успешность — 78,3%. Причем алгоритм учитывает особенности конструкции и больше использует мощные ноги (с моторами на 83 Н), чем слабые руки (всего 25 Н).

По словам разработчиков алгоритма, это "первая успешная демонстрация обученных алгоритмов подъема для гуманоидных роботов человеческого размера в реальном мире". Ещё один шаг к автономным машинам, способным работать в сложных человеческих средах.

Интересно, подадут ли они руку, когда мы упадем? 🤔

#роботы #AI #будущее