Видеоролик с новым поколением робота Atlas моментально разлетелся по техноканалам — в отсутствии информации их авторы в основном писали про жутковатый дизайн этой машины, но появление Atlas заслуживает серьезного внимания.
Журналисты ieee spectrum взяли интервью у генерального директора Boston Dynamics - Роберта Плейтера (Robert Playter). Вот отдельные тезисы:
"Мы разработали для электрического Atlas новый набор действительно компактных приводов… Этот робот будет сильнее, чем человек в большинстве суставов, даже сильнее, чем профессиональный спортсмен, и будет иметь диапазон движений, который превосходит все, что доступно человеку. Мы также сравнили мощность нашего нового электрического Atlas с гидравлическим Atlas, и электрический Atlas сильнее".
"…относительно формы головы… мы приняли осознанное решение… не делать ее похожей на человеческую. Мы пытаемся спроектировать некое приятное место, на которое можно посмотреть, чтобы получить представление о намерениях робота. Дизайн заимствован из некоторых приятных форм, которые мы видели раньше. Например, есть старая лампа Pixar, в которую все полюбили несколько десятилетий назад, она легла в основу нашего дизайна".
"Мы сосредоточились на балансе, мобильности, возможности поднять что-то и сохранить при этом подвижность - это были темы исследований прошлого, с которыми мы справились... Нам предстоит проделать большую работу над универсальностью, чтобы роботы-гуманоиды могли брать в руки любую из тысячи различных деталей и разумно обращаться с ними. Такой уровень универсальности еще не реализован, но мы считаем, что это перспективное направление, и что ИИ станет одним из инструментов, который поможет решить эту проблему".
Я еще 12 лет назад писал о том, что для создания полноценного "машинного сознания" потребуется тело, наконец-то это происходит. У LLM есть то, чего не хватает роботам: доступ к знаниям практически обо всем, что когда-либо писали люди, от квантовой физики до K-pop и разморозки филе лосося. В свою очередь, у роботов есть то, чего не хватает LLM: физические тела, которые могут взаимодействовать с окружающей средой, исследовать мир. Мы можем их соединить.
Прямо сейчас разные компании разрабатывают несколько десятков разных гуманоидных роботов. Boston Dynamics показала четвероногого робота Spot, соединенного с ChatGPT, а инженеры Microsoft доказали, что языковая модель может генерировать корректные программы для роботов. Не в реальном времени, но это делала нейронка, которую, вообще-то, учили только предсказывать следующее слово в предложении. Что смогут специализированные модели?
Скоро у нас будет ответ.
#роботы #LLM #chat_gpt #новости #технологии #ии
Журналисты ieee spectrum взяли интервью у генерального директора Boston Dynamics - Роберта Плейтера (Robert Playter). Вот отдельные тезисы:
"Мы разработали для электрического Atlas новый набор действительно компактных приводов… Этот робот будет сильнее, чем человек в большинстве суставов, даже сильнее, чем профессиональный спортсмен, и будет иметь диапазон движений, который превосходит все, что доступно человеку. Мы также сравнили мощность нашего нового электрического Atlas с гидравлическим Atlas, и электрический Atlas сильнее".
"…относительно формы головы… мы приняли осознанное решение… не делать ее похожей на человеческую. Мы пытаемся спроектировать некое приятное место, на которое можно посмотреть, чтобы получить представление о намерениях робота. Дизайн заимствован из некоторых приятных форм, которые мы видели раньше. Например, есть старая лампа Pixar, в которую все полюбили несколько десятилетий назад, она легла в основу нашего дизайна".
"Мы сосредоточились на балансе, мобильности, возможности поднять что-то и сохранить при этом подвижность - это были темы исследований прошлого, с которыми мы справились... Нам предстоит проделать большую работу над универсальностью, чтобы роботы-гуманоиды могли брать в руки любую из тысячи различных деталей и разумно обращаться с ними. Такой уровень универсальности еще не реализован, но мы считаем, что это перспективное направление, и что ИИ станет одним из инструментов, который поможет решить эту проблему".
Я еще 12 лет назад писал о том, что для создания полноценного "машинного сознания" потребуется тело, наконец-то это происходит. У LLM есть то, чего не хватает роботам: доступ к знаниям практически обо всем, что когда-либо писали люди, от квантовой физики до K-pop и разморозки филе лосося. В свою очередь, у роботов есть то, чего не хватает LLM: физические тела, которые могут взаимодействовать с окружающей средой, исследовать мир. Мы можем их соединить.
Прямо сейчас разные компании разрабатывают несколько десятков разных гуманоидных роботов. Boston Dynamics показала четвероногого робота Spot, соединенного с ChatGPT, а инженеры Microsoft доказали, что языковая модель может генерировать корректные программы для роботов. Не в реальном времени, но это делала нейронка, которую, вообще-то, учили только предсказывать следующее слово в предложении. Что смогут специализированные модели?
Скоро у нас будет ответ.
#роботы #LLM #chat_gpt #новости #технологии #ии
Камень-навигатор, кулон-диктофон и другие AI-гаджеты
Хотелось бы завести робота-помощника на базе языковой модели как можно скорее, но инженеры пока что скептичны. По их словам, "люди просто не понимают, насколько сложно развертывать роботов этого типа". Даже робототехники-оптимисты считают, что это потребует много денег и времени. Да что там роботы… Похожая на тамагочи говорилка Rabbit R1 с искусственным интеллектом оказалась Android-приложением в красивом корпусе. AI Pin критикуют все кому не лень.
Можно подумать, что первое поколение гаджетов с LLM провалилось, но это не так. В заголовки новостей в основном попадают громкие MVP. Это проекты стартапов, которые в первую очередь хотят продать себя подороже. В то же время в DIY-сегменте тысячи энтузиастов также работают над применением языковых моделей, только эти усилия пока незаметны.
Вот, скажем, OpenGlass — дешевые самодельные умные очки, к которым подключаются Groq, Chat GPT или Ollama. Другой пример - Friend - миниатюрный носимый диктофон-суммаризатор, который анализирует все записанное. Или TERRA - похожий на камень AI-компас с занятной философией. Он самостоятельно составляет закольцованный маршрут для прогулки и подсказывает, куда идти. В результате пользователь не залипает в навигатор, а смотрит по сторонам и исследует окружающий мир.
Итак, новые перспективные форм-факторы AI-гаджетов могут родиться на GitHub. И хотя у таких проектов нет серьезного финансирования, на их стороне подход Open Source. Например, я трижды подумаю, прежде чем покупать носимый диктофон с подключением к серверам техногиганта, но с интересом испытаю гаджет, работающий на базе локальной языковой модели. Проекты, которые вызывают опасения по части конфиденциальности в Open Source-исполнении выглядят уже не так страшно.
А вы как думаете?
#AI #LLM #ИИ #гаджеты #DIY #OpenSource #будущее #технологии
Хотелось бы завести робота-помощника на базе языковой модели как можно скорее, но инженеры пока что скептичны. По их словам, "люди просто не понимают, насколько сложно развертывать роботов этого типа". Даже робототехники-оптимисты считают, что это потребует много денег и времени. Да что там роботы… Похожая на тамагочи говорилка Rabbit R1 с искусственным интеллектом оказалась Android-приложением в красивом корпусе. AI Pin критикуют все кому не лень.
Можно подумать, что первое поколение гаджетов с LLM провалилось, но это не так. В заголовки новостей в основном попадают громкие MVP. Это проекты стартапов, которые в первую очередь хотят продать себя подороже. В то же время в DIY-сегменте тысячи энтузиастов также работают над применением языковых моделей, только эти усилия пока незаметны.
Вот, скажем, OpenGlass — дешевые самодельные умные очки, к которым подключаются Groq, Chat GPT или Ollama. Другой пример - Friend - миниатюрный носимый диктофон-суммаризатор, который анализирует все записанное. Или TERRA - похожий на камень AI-компас с занятной философией. Он самостоятельно составляет закольцованный маршрут для прогулки и подсказывает, куда идти. В результате пользователь не залипает в навигатор, а смотрит по сторонам и исследует окружающий мир.
Итак, новые перспективные форм-факторы AI-гаджетов могут родиться на GitHub. И хотя у таких проектов нет серьезного финансирования, на их стороне подход Open Source. Например, я трижды подумаю, прежде чем покупать носимый диктофон с подключением к серверам техногиганта, но с интересом испытаю гаджет, работающий на базе локальной языковой модели. Проекты, которые вызывают опасения по части конфиденциальности в Open Source-исполнении выглядят уже не так страшно.
А вы как думаете?
#AI #LLM #ИИ #гаджеты #DIY #OpenSource #будущее #технологии
ИИволюция в биотехе случилась шесть лет назад
В 2018 году DeepMind показала AlphaFold — алгоритм машинного обучения, берущий последовательность аминокислот и реконструирующий белок, который из них получится. К 2022 году эта компания смоделировала 200 миллионов всевозможных белков для открытой базы. Некоторые из них я даже использовал в опытах с молекулярной визуализацией.
Несмотря на громкие заголовки, in silico и in vivo не одно и то же. Предсказания AlphaFold приходится тщательно проверять, но тогда машинное обучение начало серьезно менять биологию. Теперь оно, вероятно, спасет человечество как минимум от одного экзистенциального риска — бактерий, устойчивых к антибиотикам.
От таких бактерий умирает больше миллиона человек в год, к 2050 году эта цифра может достигнуть 10 миллионов. В то время как на открытие одного нового антибиотика уходит около десяти лет. Точнее, уходило.
В начале месяца биофизики рассказали, как при помощи машинного обучения проанализировали десятки тысяч микробных геномов из еще одной открытой базы данных. В результате алгоритм нашел более 800 тысяч фрагментов ДНК, которые кодируют потенциальные антимикробные соединения. Более 90% из них не были описаны прежде. Три из 100 соединений, синтезированных исследователями, действительно вылечили лабораторных мышей. Осталось проверить еще 799 900 — работы хватит на всю жизнь.
Машинное обучение позволило буквально перетряхнуть все известное микробное разнообразие в поисках нужных соединений, но самое удивительное, что мы не ограничены живущими сейчас организмами. Похожим образом антибиотики ищут, например, в иммунной системе неандертальцев.
Синтезом найденных соединений пока что занимаются люди, но Science уже пишет о создании шести автоматизированных лабораторий. Такие системы будут оперативно проверять результаты работы нейросетей. Этот подход уже используют для создания светоизлучающих материалов. Биотех и фармацевтика на очереди.
К тому же, согласно первым исследованиям, препараты, открытые ИИ, показывают 80-90% успешности на первой фазе испытаний, по сравнению с обычными 40-60%. Вероятно, по крайней мере в среднесрочной перспективе, будет открыто больше успешных терапевтических препаратов, чем во всей истории биотехнологий.
На фото: метициллинрезистентный золотистый стафилококк, от которого точно стоит избавиться.
#футурология #биотех #машинное_обучение #будущее #ИИ #технологии #антибиотики
В 2018 году DeepMind показала AlphaFold — алгоритм машинного обучения, берущий последовательность аминокислот и реконструирующий белок, который из них получится. К 2022 году эта компания смоделировала 200 миллионов всевозможных белков для открытой базы. Некоторые из них я даже использовал в опытах с молекулярной визуализацией.
Несмотря на громкие заголовки, in silico и in vivo не одно и то же. Предсказания AlphaFold приходится тщательно проверять, но тогда машинное обучение начало серьезно менять биологию. Теперь оно, вероятно, спасет человечество как минимум от одного экзистенциального риска — бактерий, устойчивых к антибиотикам.
От таких бактерий умирает больше миллиона человек в год, к 2050 году эта цифра может достигнуть 10 миллионов. В то время как на открытие одного нового антибиотика уходит около десяти лет. Точнее, уходило.
В начале месяца биофизики рассказали, как при помощи машинного обучения проанализировали десятки тысяч микробных геномов из еще одной открытой базы данных. В результате алгоритм нашел более 800 тысяч фрагментов ДНК, которые кодируют потенциальные антимикробные соединения. Более 90% из них не были описаны прежде. Три из 100 соединений, синтезированных исследователями, действительно вылечили лабораторных мышей. Осталось проверить еще 799 900 — работы хватит на всю жизнь.
Машинное обучение позволило буквально перетряхнуть все известное микробное разнообразие в поисках нужных соединений, но самое удивительное, что мы не ограничены живущими сейчас организмами. Похожим образом антибиотики ищут, например, в иммунной системе неандертальцев.
Синтезом найденных соединений пока что занимаются люди, но Science уже пишет о создании шести автоматизированных лабораторий. Такие системы будут оперативно проверять результаты работы нейросетей. Этот подход уже используют для создания светоизлучающих материалов. Биотех и фармацевтика на очереди.
К тому же, согласно первым исследованиям, препараты, открытые ИИ, показывают 80-90% успешности на первой фазе испытаний, по сравнению с обычными 40-60%. Вероятно, по крайней мере в среднесрочной перспективе, будет открыто больше успешных терапевтических препаратов, чем во всей истории биотехнологий.
На фото: метициллинрезистентный золотистый стафилококк, от которого точно стоит избавиться.
#футурология #биотех #машинное_обучение #будущее #ИИ #технологии #антибиотики