О технологическом барьере сложности
Народная инженерная мудрость утверждает: то, что сделал один умный человек, может повторить другой умный человек. История технологий от атомного проекта до космоса и ИИ многократно это подтверждала.
Но возникает вопрос: а существует ли такой уровень технологической сложности, который невозможно преодолеть ни деньгами, ни мобилизацией, ни политической волей — просто потому, что его нельзя ускорить?
Чтобы создать по-настоящему гиперсложную технологию, необходимо совпадение трёх факторов.
Во-первых, это люди. Не просто умные, а те, кто десятилетиями живёт внутри одной задачи, ошибается, переписывает решения и накапливает неявное знание, которое невозможно импортировать или купить.
Во-вторых, это деньги. Но не «большие бюджеты», а терпеливый капитал, готовый годами финансировать отсутствие результата, срывы сроков и повторяющиеся ошибки, не требуя быстрых побед и демонстраций.
В-третьих, это экосистема партнёров — компаний, инженеров и поставщиков, которые готовы инвестировать десятилетия своей жизни в создание компонентов и решений, даже не зная, пригодятся ли они вообще.
По отдельности эти факторы кажутся банальными. Но технологический барьер сложности преодолевается только при их одновременной максимизации. Убери хотя бы один — и система не сходится.
Показательный пример ASML.
За последние 30 лет на рынке литографических машин не появилось «номера два». Японские игроки, обладая и деньгами, и инженерной школой, фактически ушли с этого рынка, ограничившись нишевыми направлениями. И это при том, что спрос на EUV-литографию колоссален, а геополитическая мотивация догнать максимальна.
Почему же нет второго ASML? Потому что барьер здесь не рыночный и не финансовый, а барьер технологической сложности. Его невозможно перепрыгнуть быстрыми инвестициями, доливанием ресурсам игрокам или политическим давлением. Нужны десятилетия выращивания кадров, терпение клиентов, готовых принимать ошибки новичка, и инвесторы, способные выдержать годы неопределённости. В условиях жёсткой рыночно-геополитической гонки такое терпение сейчас редкость.
Важно различать типы технологий. Для business-critical направлений ИИ-сервисов, цифровых платформ, даже части робототехники — подход «быстро сделать, быстро проверить» работает. Ошибки допустимы, цена сбоя ограничена.
Но для life-critical технологий, таких как автономного транспорта, атомной энергетики, сложной промышленной инфраструктуры, и той же литографии торопливость разрушительна. Здесь работает правило из старого кино: «не, торопиться не надо». История автономных автомобилей это подтверждает: от первых прототипов до ограниченного внедрения прошли два десятилетия.
Кейс ASML это важный урок для стейкхолдеров и полисимейкеров. Если хочется создать что-то действительно невероятно сложное, придётся научиться терпеть ошибки, срывы сроков и годы без очевидного прогресса, но и при этом продолжать доверять умным.
Третий закон Кларка гласит: любая достаточно развитая технология неотличима от магии. Вопрос лишь в том, готовы ли мы инвестировать достаточно времени и терпения, чтобы эта магия действительно сработала — а не превратилась в очередную попытку «сделать хотел грозу, а получил козу».
Народная инженерная мудрость утверждает: то, что сделал один умный человек, может повторить другой умный человек. История технологий от атомного проекта до космоса и ИИ многократно это подтверждала.
Но возникает вопрос: а существует ли такой уровень технологической сложности, который невозможно преодолеть ни деньгами, ни мобилизацией, ни политической волей — просто потому, что его нельзя ускорить?
Чтобы создать по-настоящему гиперсложную технологию, необходимо совпадение трёх факторов.
Во-первых, это люди. Не просто умные, а те, кто десятилетиями живёт внутри одной задачи, ошибается, переписывает решения и накапливает неявное знание, которое невозможно импортировать или купить.
Во-вторых, это деньги. Но не «большие бюджеты», а терпеливый капитал, готовый годами финансировать отсутствие результата, срывы сроков и повторяющиеся ошибки, не требуя быстрых побед и демонстраций.
В-третьих, это экосистема партнёров — компаний, инженеров и поставщиков, которые готовы инвестировать десятилетия своей жизни в создание компонентов и решений, даже не зная, пригодятся ли они вообще.
По отдельности эти факторы кажутся банальными. Но технологический барьер сложности преодолевается только при их одновременной максимизации. Убери хотя бы один — и система не сходится.
Показательный пример ASML.
За последние 30 лет на рынке литографических машин не появилось «номера два». Японские игроки, обладая и деньгами, и инженерной школой, фактически ушли с этого рынка, ограничившись нишевыми направлениями. И это при том, что спрос на EUV-литографию колоссален, а геополитическая мотивация догнать максимальна.
Почему же нет второго ASML? Потому что барьер здесь не рыночный и не финансовый, а барьер технологической сложности. Его невозможно перепрыгнуть быстрыми инвестициями, доливанием ресурсам игрокам или политическим давлением. Нужны десятилетия выращивания кадров, терпение клиентов, готовых принимать ошибки новичка, и инвесторы, способные выдержать годы неопределённости. В условиях жёсткой рыночно-геополитической гонки такое терпение сейчас редкость.
Важно различать типы технологий. Для business-critical направлений ИИ-сервисов, цифровых платформ, даже части робототехники — подход «быстро сделать, быстро проверить» работает. Ошибки допустимы, цена сбоя ограничена.
Но для life-critical технологий, таких как автономного транспорта, атомной энергетики, сложной промышленной инфраструктуры, и той же литографии торопливость разрушительна. Здесь работает правило из старого кино: «не, торопиться не надо». История автономных автомобилей это подтверждает: от первых прототипов до ограниченного внедрения прошли два десятилетия.
Кейс ASML это важный урок для стейкхолдеров и полисимейкеров. Если хочется создать что-то действительно невероятно сложное, придётся научиться терпеть ошибки, срывы сроков и годы без очевидного прогресса, но и при этом продолжать доверять умным.
Третий закон Кларка гласит: любая достаточно развитая технология неотличима от магии. Вопрос лишь в том, готовы ли мы инвестировать достаточно времени и терпения, чтобы эта магия действительно сработала — а не превратилась в очередную попытку «сделать хотел грозу, а получил козу».
Ft
Why neither Asia nor the US has produced a rival to ASML
Dutch chipmaking equipment supplier dominates in a way that markets cannot correct
❤6👍6👏4
Лекун_интервью.pdf
2.1 MB
Ян ЛеКун против LLM. Снова. И на этот раз всерьёз.
В MIT Technology Review вышло большое интервью с Yann LeCun — человеком, который последние годы методично портил праздник вокруг больших языковых моделей. Теперь он делает следующий ход: запускает собственную компанию AMI Labs в Париже и прямо говорит ставка индустрии на LLM как путь к «разуму» ошибочна.
Ключевая мысль ЛеКуна проста и неудобна: LLM это отличный интерфейс для языка, но не модель мира. Они не понимают физическую реальность, не умеют планировать действия и предсказывать последствия. Отсюда и парадокс: чат-боты пишут эссе, а домашнего робота уровня кошки мы всё ещё не можем сделать. Его альтернатива это world models и архитектура JEPA: обучение на видео, сенсорных данных и взаимодействии с реальным миром, а не на тексте как суррогате реальности.
Отдельно интересно политико-технологическое измерение. ЛеКун жёстко критикует закрытые «фронтир-лабы» и считает, что закрытие моделей является стратегической ошибкой Запада. Если ИИ станет медиатором нашего знания о мире, выбор между проприетарным американским ИИ и открытым, но ценностно ангажированным китайским так себе будущее. Его ставка на открытые, настраиваемые, разнообразные модели, как инфраструктура, а не как чёрный ящик.
Это интервью не про стартап. Это про коррекцию AI-гипотезы 2023–2024 годов. Про сдвиг от «ещё больше параметров» к пониманию мира, действиям, агентам и физическому ИИ. И, честно говоря, это звучит куда более реалистично, чем очередной токен-контекст-лимит.
Кажется, это один из самых важных текстов про «что дальше после LLM».
В MIT Technology Review вышло большое интервью с Yann LeCun — человеком, который последние годы методично портил праздник вокруг больших языковых моделей. Теперь он делает следующий ход: запускает собственную компанию AMI Labs в Париже и прямо говорит ставка индустрии на LLM как путь к «разуму» ошибочна.
Ключевая мысль ЛеКуна проста и неудобна: LLM это отличный интерфейс для языка, но не модель мира. Они не понимают физическую реальность, не умеют планировать действия и предсказывать последствия. Отсюда и парадокс: чат-боты пишут эссе, а домашнего робота уровня кошки мы всё ещё не можем сделать. Его альтернатива это world models и архитектура JEPA: обучение на видео, сенсорных данных и взаимодействии с реальным миром, а не на тексте как суррогате реальности.
Отдельно интересно политико-технологическое измерение. ЛеКун жёстко критикует закрытые «фронтир-лабы» и считает, что закрытие моделей является стратегической ошибкой Запада. Если ИИ станет медиатором нашего знания о мире, выбор между проприетарным американским ИИ и открытым, но ценностно ангажированным китайским так себе будущее. Его ставка на открытые, настраиваемые, разнообразные модели, как инфраструктура, а не как чёрный ящик.
Это интервью не про стартап. Это про коррекцию AI-гипотезы 2023–2024 годов. Про сдвиг от «ещё больше параметров» к пониманию мира, действиям, агентам и физическому ИИ. И, честно говоря, это звучит куда более реалистично, чем очередной токен-контекст-лимит.
Кажется, это один из самых важных текстов про «что дальше после LLM».
🤡8👍7❤1😁1💩1👌1
OpenAI создаёт секретную лабораторию для обучения роботов домашним делам
Компания создала лабораторию в Сан-Франциско, где около 100 операторов-аутсорсеров тренируют роботизированные руки выполнять домашние задачи, например, помещение хлеба в тостер или складывание одежды. Для управления используются 3D-печатные контроллеры GELLO и роботы Franka. Ключевая задача — сбор данных о движении устройств; работа идёт в три смены. OpenAI делает фокус на отборе необходимой информации через удалённое управление. Этот способ считается более дешёвым и легко масштабируемым, чем методы Tesla и Figure — когда данные списываются с человека в костюме с датчиками, предназначенными для управления полноразмерным роботом.
Лаборатория расширилась в четыре раза с февраля 2025 года, и компания планирует открыть вторую в Ричмонде, Калифорния. Ранее OpenAI инвестировала в робототехнические стартапы и сотрудничала с Figure в 2024 г., работа была прекращена в 2025 году. Компания также ищет партнёров в США для разработки потребительских устройств и робототехники, но детали финансирования и сроки не раскрываются. Эксперты, включая Джонатана Эйткена из Университета Шеффилда и Алана Фейна из Университета штата Орегон, отмечают, что эта технология находится на ранней стадии. Ключевой вызов — получение качественных данных для обучения AI, аналогично тому, как это делалось для языковых моделей вроде ChatGPT.
Будущее проекта неясно: неизвестно, как быстро данные от роботизированных рук будут преобразованы в полноценных человекоподобных роботов. Однако подход OpenAI предлагает гибкую и экономичную альтернативу в конкурентной сфере антропоморфной робототехники.
#news #роботы #AI
https://www.ithome.com/0/915/580.htm
Компания создала лабораторию в Сан-Франциско, где около 100 операторов-аутсорсеров тренируют роботизированные руки выполнять домашние задачи, например, помещение хлеба в тостер или складывание одежды. Для управления используются 3D-печатные контроллеры GELLO и роботы Franka. Ключевая задача — сбор данных о движении устройств; работа идёт в три смены. OpenAI делает фокус на отборе необходимой информации через удалённое управление. Этот способ считается более дешёвым и легко масштабируемым, чем методы Tesla и Figure — когда данные списываются с человека в костюме с датчиками, предназначенными для управления полноразмерным роботом.
Лаборатория расширилась в четыре раза с февраля 2025 года, и компания планирует открыть вторую в Ричмонде, Калифорния. Ранее OpenAI инвестировала в робототехнические стартапы и сотрудничала с Figure в 2024 г., работа была прекращена в 2025 году. Компания также ищет партнёров в США для разработки потребительских устройств и робототехники, но детали финансирования и сроки не раскрываются. Эксперты, включая Джонатана Эйткена из Университета Шеффилда и Алана Фейна из Университета штата Орегон, отмечают, что эта технология находится на ранней стадии. Ключевой вызов — получение качественных данных для обучения AI, аналогично тому, как это делалось для языковых моделей вроде ChatGPT.
Будущее проекта неясно: неизвестно, как быстро данные от роботизированных рук будут преобразованы в полноценных человекоподобных роботов. Однако подход OpenAI предлагает гибкую и экономичную альтернативу в конкурентной сфере антропоморфной робототехники.
#news #роботы #AI
https://www.ithome.com/0/915/580.htm
Ithome
消息称 OpenAI 低调布局人形机器人：旧金山实验室百人团队训练机械臂做家务 - IT之家
据《Business Insider》报道，OpenAI已在旧金山秘密建立人形机器人实验室，配备约100名数据采集员，正通过GELLO控制器训练机械臂完成放面包、叠衣服等家务。与特斯拉等公司不同，OpenAI采用低成本、可规模化的数据采集路径，但其技术仍处早期阶段。 #OpenAI机器人# #人工智能#
❤3
OpenAI готовится к выпуску наушников с искусственным интеллектом
Ожидается, что в первый год выпуска объём поставок может достичь 40–50 млн единиц. Это указывает на амбициозные планы компании по выходу на рынок потребительской электроники. Директор по связям с общественностью OpenAI Крис Лехейн подтвердил, что компания стремится представить своё первое устройство во второй половине этого года. Дополнительные детали он не сообщил.
Ранее было известно, что OpenAI активно разрабатывает аудиомодели AI и работает над «безэкранным» устройством, способным воспринимать окружающую среду пользователя. Это согласуется с концепцией наушников, которые могут интегрировать передовые технологии для обработки звука и взаимодействия с человеком. Проект реализуется в сотрудничестве с бывшим главным дизайнером Apple Джони Айвом, что подчёркивает стремление OpenAI к созданию эстетически привлекательного и функционального продукта и фокус компании на инновационных потребительских устройствах.
#news #электроника #OpenAI
https://www.ithome.com/0/915/028.htm
Ожидается, что в первый год выпуска объём поставок может достичь 40–50 млн единиц. Это указывает на амбициозные планы компании по выходу на рынок потребительской электроники. Директор по связям с общественностью OpenAI Крис Лехейн подтвердил, что компания стремится представить своё первое устройство во второй половине этого года. Дополнительные детали он не сообщил.
Ранее было известно, что OpenAI активно разрабатывает аудиомодели AI и работает над «безэкранным» устройством, способным воспринимать окружающую среду пользователя. Это согласуется с концепцией наушников, которые могут интегрировать передовые технологии для обработки звука и взаимодействия с человеком. Проект реализуется в сотрудничестве с бывшим главным дизайнером Apple Джони Айвом, что подчёркивает стремление OpenAI к созданию эстетически привлекательного и функционального продукта и фокус компании на инновационных потребительских устройствах.
#news #электроника #OpenAI
https://www.ithome.com/0/915/028.htm
Ithome
OpenAI 首款硬件设备被曝为 AI 耳机，首年有望出货 4000~5000 万台 - IT之家
OpenAI 首席全球事务官 Chris Lehane 本周一在达沃斯出席外媒 Axios 举办的活动时表示，该企业正朝今年下半年公布首款（硬件）设备的目标迈进。
🤡1
Китайская UBTech поставит антропоморфных роботов на заводы Airbus
UBTech подписала соглашение с Airbus о поставке роботов для использования в авиационном производстве. Airbus уже приобрел промышленного робота-гуманоида Walker S2 от UBTech, и стороны планируют совместно расширять применение таких роботов в аэрокосмическом производстве. Пока встраивание роботов в процессы Airbus находится на ранней стадии тестирования концепции. Человекоподобные роботы становятся всё более важными для Китая в контексте торговых трений с США, сокращения населения и замедления экономического роста. UBTech также ранее сотрудничала с Texas Instruments, а в 2025 году стоимость заказов на её роботов-гуманоидов превысила $200 млн.
#news #роботы
https://www.reuters.com/world/asia-pacific/ubtech-agrees-airbus-deal-expand-robot-use-aviation-manufacturing-2026-01-21/
UBTech подписала соглашение с Airbus о поставке роботов для использования в авиационном производстве. Airbus уже приобрел промышленного робота-гуманоида Walker S2 от UBTech, и стороны планируют совместно расширять применение таких роботов в аэрокосмическом производстве. Пока встраивание роботов в процессы Airbus находится на ранней стадии тестирования концепции. Человекоподобные роботы становятся всё более важными для Китая в контексте торговых трений с США, сокращения населения и замедления экономического роста. UBTech также ранее сотрудничала с Texas Instruments, а в 2025 году стоимость заказов на её роботов-гуманоидов превысила $200 млн.
#news #роботы
https://www.reuters.com/world/asia-pacific/ubtech-agrees-airbus-deal-expand-robot-use-aviation-manufacturing-2026-01-21/
👍1👀1
Маск ускоряет IPO SpaceX для финансирования космических дата-центров искусственного интеллекта
Илон Маск возобновляет планы по выводу SpaceX на биржу, чтобы привлечь капитал на строительство ЦОДов для AI в космосе. Эта инициатива направлена на опережение конкурентов — в первую очередь Google, — которые также изучают возможность размещения центров данных на орбите. Успешное IPO может обеспечить ресурсную поддержку для xAI и создать долгосрочный цикл финансирования. Другие компании, включая Blue Origin и OpenAI, также рассматривают космические дата-центры как одно из решений растущих энергетических и экологических проблем наземной инфраструктуры.
#news #космос
https://www.ithome.com/0/915/291.htm
Илон Маск возобновляет планы по выводу SpaceX на биржу, чтобы привлечь капитал на строительство ЦОДов для AI в космосе. Эта инициатива направлена на опережение конкурентов — в первую очередь Google, — которые также изучают возможность размещения центров данных на орбите. Успешное IPO может обеспечить ресурсную поддержку для xAI и создать долгосрочный цикл финансирования. Другие компании, включая Blue Origin и OpenAI, также рассматривают космические дата-центры как одно из решений растущих энергетических и экологических проблем наземной инфраструктуры.
#news #космос
https://www.ithome.com/0/915/291.htm
Ithome
一切为了太空 AI 数据中心？消息称马斯克正推动 SpaceX 上市 - IT之家
报道称，马斯克希望抢先一步实现这一构想，但太空数据中心所需的资金规模巨大，SpaceX 只有通过 IPO 才能获得足够的资本支持。
👍1
🚀 AI и космос: как ML нашёл то, что люди не успели заметить
Вселенная настолько огромна, что попытка описать всё, что в ней скрыто, сравнима с подсчётом песчинок в Сахаре. Но теперь у астрономов появился новый инструмент — искусственный интеллект. Очень многие из тех, кто работают с большими астрофизическими данными, используют машинное обучение. Однако всегда интересны конкретные примеры.
С помощью машинного обучения исследователи нашли в архивных данных космического старожила-телескопа Hubble более 800 ранее неизвестных космических аномалий, десятилетиями остававшихся незамеченными.
Исследователи из Европейского космического агентства создали AI-модель, которая проанализировала почти 100 миллионов фрагментов изображений из Hubble Legacy Archive — данных, накопленных за 35 лет. То, на что у команды учёных ушли бы годы, ИИ сделал всего за 2,5 дня.
Результат впечатляет: более 1300 аномальных объектов, включая сливающиеся галактики, «медузные» галактики с газовыми щупальцами, кандидаты в гравитационные линзы и десятки объектов, которые пока не поддаются однозначной интерпретации. Примерно 800 из них никогда ранее не описывались в научной литературе.
Работа опубликована в журнале Astronomy & Astrophysics. Собственно, такое и ждем от AI в науке. Этот кейс интересен именно тем, что может стать универсальной моделью для изучения других гигантских научных архивов. AI не «заменяет» учёных — он расширяет границы видимого. Это реально «микроскоп 21 века». Микробы (данные) уже и так перед нами, но теперь мы можем их увидеть!
Вселенная настолько огромна, что попытка описать всё, что в ней скрыто, сравнима с подсчётом песчинок в Сахаре. Но теперь у астрономов появился новый инструмент — искусственный интеллект. Очень многие из тех, кто работают с большими астрофизическими данными, используют машинное обучение. Однако всегда интересны конкретные примеры.
С помощью машинного обучения исследователи нашли в архивных данных космического старожила-телескопа Hubble более 800 ранее неизвестных космических аномалий, десятилетиями остававшихся незамеченными.
Исследователи из Европейского космического агентства создали AI-модель, которая проанализировала почти 100 миллионов фрагментов изображений из Hubble Legacy Archive — данных, накопленных за 35 лет. То, на что у команды учёных ушли бы годы, ИИ сделал всего за 2,5 дня.
Результат впечатляет: более 1300 аномальных объектов, включая сливающиеся галактики, «медузные» галактики с газовыми щупальцами, кандидаты в гравитационные линзы и десятки объектов, которые пока не поддаются однозначной интерпретации. Примерно 800 из них никогда ранее не описывались в научной литературе.
Работа опубликована в журнале Astronomy & Astrophysics. Собственно, такое и ждем от AI в науке. Этот кейс интересен именно тем, что может стать универсальной моделью для изучения других гигантских научных архивов. AI не «заменяет» учёных — он расширяет границы видимого. Это реально «микроскоп 21 века». Микробы (данные) уже и так перед нами, но теперь мы можем их увидеть!
❤10👍5🔥1
Microsoft представила модель Rho-alpha для управления роботами с помощью естественного языка
Microsoft представила новую модель искусственного интеллекта Rho-alpha, предназначенную для робототехники. Модель позволяет роботам преобразовывать голосовые команды в управляющие сигналы для выполнения сложных операций, например, манипуляции двумя руками, без заранее заданных сценариев. Rho-alpha включает возможности тактильного восприятия для корректировки действий на основе обратной связи и адаптивности в реальном времени. Модель обучается на комбинации реальных демонстраций, симуляций и данных визуальных вопросов-ответов, используя инфраструктуру Azure. Microsoft планирует предоставить доступ к Rho-alpha через исследовательскую программу раннего доступа, что является частью её стратегии по расширению ИИ в физический мир.
#news #AI #роботы
https://www.ithome.com/0/915/459.htm
Microsoft представила новую модель искусственного интеллекта Rho-alpha, предназначенную для робототехники. Модель позволяет роботам преобразовывать голосовые команды в управляющие сигналы для выполнения сложных операций, например, манипуляции двумя руками, без заранее заданных сценариев. Rho-alpha включает возможности тактильного восприятия для корректировки действий на основе обратной связи и адаптивности в реальном времени. Модель обучается на комбинации реальных демонстраций, симуляций и данных визуальных вопросов-ответов, используя инфраструктуру Azure. Microsoft планирует предоставить доступ к Rho-alpha через исследовательскую программу раннего доступа, что является частью её стратегии по расширению ИИ в физический мир.
#news #AI #роботы
https://www.ithome.com/0/915/459.htm
Ithome
微软发布 Rho-alpha 模型，让 AI 机器人听懂语言指令并完成复杂操作 - IT之家
微软发布机器人AI模型Rho-alpha，可将自然语言指令直接转化为机器人控制信号，完成复杂的双手协同操作任务。模型引入触觉感知能力，可实时调整动作，并支持人类干预和持续学习。目标是推动机器人在非结构化环境中自主运行。#机器人AI# #微软RhoAlpha#
Blue Origin представила проект мегагруппировки спутников связи
Компания, основанная Джеффом Безосом, объявила о разработке группировки TeraWave из 5408 оптически связанных спутников, которая будет обеспечивать скорость передачи данных до 6 Тбит/с по всему миру. В отличие от Starlink, TeraWave ориентирована на корпоративных, государственных пользователей и центры обработки данных, а не на потребительский рынок. Развертывание планируется начать в 4-м квартале 2027 года, что создаст дополнительные вызовы для компании, уже занятой множеством проектов, включая ракету New Glenn и лунные посадочные модули.
#news #космос
https://arstechnica.com/space/2026/01/blue-origin-we-want-to-have-a-megaconstellation-too/
Компания, основанная Джеффом Безосом, объявила о разработке группировки TeraWave из 5408 оптически связанных спутников, которая будет обеспечивать скорость передачи данных до 6 Тбит/с по всему миру. В отличие от Starlink, TeraWave ориентирована на корпоративных, государственных пользователей и центры обработки данных, а не на потребительский рынок. Развертывание планируется начать в 4-м квартале 2027 года, что создаст дополнительные вызовы для компании, уже занятой множеством проектов, включая ракету New Glenn и лунные посадочные модули.
#news #космос
https://arstechnica.com/space/2026/01/blue-origin-we-want-to-have-a-megaconstellation-too/
🔥2
Роботизированный рой имитирует цветение растений для адаптивной архитектуры
Исследователи Принстонского университета создали рой из 40 модульных мини-роботов, которые «расцветают» в ответ на изменения уровня освещения в офисе. Система под названием Swarm Garden использует алгоритмы роевого интеллекта, вдохновленные поведением муравьев, птиц и растений, для создания динамических фасадов зданий. Роботы оснащены датчиками света и приближения, а также актуаторами, управляющими пластиковыми листами. В демонстрациях система использовалась для адаптивного затенения окон и интерактивного дизайна интерьеров, реагируя на жесты пользователей. Цель авторов — создать встроенную среду, которая будет вдохновлена живой архитектурой и постоянно адаптироваться к окружающим условиям и жильцам.
#news #роботы #строительство
https://arstechnica.com/science/2026/01/watch-a-robot-swarm-bloom-like-a-garden/
Исследователи Принстонского университета создали рой из 40 модульных мини-роботов, которые «расцветают» в ответ на изменения уровня освещения в офисе. Система под названием Swarm Garden использует алгоритмы роевого интеллекта, вдохновленные поведением муравьев, птиц и растений, для создания динамических фасадов зданий. Роботы оснащены датчиками света и приближения, а также актуаторами, управляющими пластиковыми листами. В демонстрациях система использовалась для адаптивного затенения окон и интерактивного дизайна интерьеров, реагируя на жесты пользователей. Цель авторов — создать встроенную среду, которая будет вдохновлена живой архитектурой и постоянно адаптироваться к окружающим условиям и жильцам.
#news #роботы #строительство
https://arstechnica.com/science/2026/01/watch-a-robot-swarm-bloom-like-a-garden/
❤3🎄1
Forwarded from Первый канал
Media is too big
VIEW IN TELEGRAM
В новом выпуске подкаста «Кот Шредингера» ведущий Григорий Тарасевич побеседует с кандидатом философских наук Альбертом Ефимовым о том, как развитие искусственного интеллекта помогает по-новому взглянуть на человеческую сущность и глубже понять ее. Поговорят о месте человека в мире, где искусственный интеллект все активнее участвует в принятии решений, формируя новую реальность. А также обсудят, как искусственный интеллект помогает понять самого себя, что отличает нас от машин и чего ждать от будущего с учетом стремительно меняющейся реальности.
Смотрите в эфире в 01:00 и всегда на сайте Первого канала.
Первый канал в национальном мессенджере MAX⚪️
Смотрите в эфире в 01:00 и всегда на сайте Первого канала.
Первый канал в национальном мессенджере MAX
Please open Telegram to view this post
VIEW IN TELEGRAM
❤7👍5🔥5
Глава DeepMind предсказывает революцию в физическом искусственном интеллекте для робототехники
Генеральный директор Google DeepMind Демис Хассабис заявил, что робототехника приближается к прорывному моменту в развитии физического искусственного интеллекта. Хассабис подчеркнул, что данная область находится на пороге значительного скачка в создании систем, способных взаимодействовать с физическим миром. Это предполагает развитие AI, который не только обрабатывает информацию, но и эффективно действует в реальной среде. Прорыв в физическом AI может привести к созданию более автономных и адаптивных роботов, способных выполнять сложные задачи в различных отраслях, от производства до здравоохранения. Это направление исследований рассматривается как ключевой следующий этап после успехов в машинном обучении и обработке данных.
#news #роботы #AI
https://www.bloomberg.com/news/videos/2026-01-20/robotics-nearing-physical-ai-breakthrough-deepmind-ceo-video
Генеральный директор Google DeepMind Демис Хассабис заявил, что робототехника приближается к прорывному моменту в развитии физического искусственного интеллекта. Хассабис подчеркнул, что данная область находится на пороге значительного скачка в создании систем, способных взаимодействовать с физическим миром. Это предполагает развитие AI, который не только обрабатывает информацию, но и эффективно действует в реальной среде. Прорыв в физическом AI может привести к созданию более автономных и адаптивных роботов, способных выполнять сложные задачи в различных отраслях, от производства до здравоохранения. Это направление исследований рассматривается как ключевой следующий этап после успехов в машинном обучении и обработке данных.
#news #роботы #AI
https://www.bloomberg.com/news/videos/2026-01-20/robotics-nearing-physical-ai-breakthrough-deepmind-ceo-video
Bloomberg
Watch Robotics Nearing Physical AI Breakthrough, Google DeepMind CEO Says - Bloomberg
Google DeepMind Co-Founder and Chief Executive Officer Demis Hassabis sees robotics as being “on the cusp of a kind of break through moment in physical intelligence.” He speaks with Emily Chang at Bloomberg House in Davos, Switzerland on Tuesday. (Source:…
👌4
Tata Group вкладывает $11 млрд в создание AI-инновационного города рядом с аэропортом Нави Мумбаи
Индийская Tata Group планирует инвестировать 11 миллиардов долларов в создание мирового «Инновационного города» рядом с новым международным аэропортом Нави Мумбаи в штате Махараштра. Проект направлен на поддержку амбиций Индии по лидерству в области искусственного интеллекта и полупроводниковой индустрии. Проект подразумевает в том числе строительство дата-центра — Tata стремится быть в тренде зарубежных бигтехов, в последние годы активно развивающих вычислительную инфраструктуру AI.
#news #ЦОД #Индия
https://www.bloomberg.com/news/articles/2026-01-22/tata-set-to-invest-11-billion-in-maharashtra-ai-innovation-city
Индийская Tata Group планирует инвестировать 11 миллиардов долларов в создание мирового «Инновационного города» рядом с новым международным аэропортом Нави Мумбаи в штате Махараштра. Проект направлен на поддержку амбиций Индии по лидерству в области искусственного интеллекта и полупроводниковой индустрии. Проект подразумевает в том числе строительство дата-центра — Tata стремится быть в тренде зарубежных бигтехов, в последние годы активно развивающих вычислительную инфраструктуру AI.
#news #ЦОД #Индия
https://www.bloomberg.com/news/articles/2026-01-22/tata-set-to-invest-11-billion-in-maharashtra-ai-innovation-city
Bloomberg.com
Tata Set to Invest $11 Billion in Maharashtra AI Innovation City
The Tata Group is set to invest $11 billion to establish a world-class “Innovation City” near the new Navi Mumbai International Airport to capitalize on India’s ambition to lead the world in artificial intelligence and semiconductor services.
👍4
tech-predictions-report-2026.pdf
5.2 MB
Предсказания о технологиях
IEEE выкатил ежегодный отчет о технологических прогнозах. Главная стартовая точка отчета - ИИ везде. Но что дальше?
Методологически отчет делается на базе опроса экспертов уважаемой ассоциации IEEE Computers. С одной стороны, эти эксперты не мировые звезды. Не ищите там Лекуна или даже Шмидхубера. С другой стороны, это вполне крепкие эксперты в различных областях. Список публичный. Лично хорошо знаю по крайней мере одного из них - Моше Варди. Всего экспертов 114 из 33 стран (никого из России).
Каждый эксперт указывает по группам технологий, насколько они влияют на человечество и каков риск неудачи в их реализации. Это классическая матрица high-risk/high-reward.
Далее, авторы отчета выделяют мегатренды (политика, экономика, демография, климат). Эти мегатренды помогают им с оценкой влияния технотрендов на человечество в целом.
Что стоит отметить из этого отчета, так это факт, что среди технотрендов не осталось ни одно, на которого ИИ не оказал бы глубокого влияния. ИИ везде.
Внимательный наблюдатель этой работы IEEE заметил бы, что в отчете появилась новая область - будущее кодирования. В принципе, это важно, но уже и так всем понятно.
Эксперты IEEE также отмечают, что становится важнее роль новых типов процессоров, в том числе основанных на 2D материалах. Обещают тысячекратное увеличение производительности и снижение энергопотребления.
Еще из нового - инжиниринговая терапия. Новые методы лечения, которые будут более эффективными и менее затратными, улучшат качество жизни больных и уменьшат финансовое бремя для общества. Сюда входят лечение рака CAR T-клетками, лечение инфекций моноклональными антителами и целенаправленная доставка лекарств с помощью биоматериаловили гидрогелей.
На этот отчет стоит обращать внимание прежде всего потому, что он показывает пример как сообщество (IEEE) может создавать полезные прогнозы, какая методология (очень продуманная) стоит за этим и как это можно улучшить.
IEEE выкатил ежегодный отчет о технологических прогнозах. Главная стартовая точка отчета - ИИ везде. Но что дальше?
Методологически отчет делается на базе опроса экспертов уважаемой ассоциации IEEE Computers. С одной стороны, эти эксперты не мировые звезды. Не ищите там Лекуна или даже Шмидхубера. С другой стороны, это вполне крепкие эксперты в различных областях. Список публичный. Лично хорошо знаю по крайней мере одного из них - Моше Варди. Всего экспертов 114 из 33 стран (никого из России).
Каждый эксперт указывает по группам технологий, насколько они влияют на человечество и каков риск неудачи в их реализации. Это классическая матрица high-risk/high-reward.
Далее, авторы отчета выделяют мегатренды (политика, экономика, демография, климат). Эти мегатренды помогают им с оценкой влияния технотрендов на человечество в целом.
Что стоит отметить из этого отчета, так это факт, что среди технотрендов не осталось ни одно, на которого ИИ не оказал бы глубокого влияния. ИИ везде.
Внимательный наблюдатель этой работы IEEE заметил бы, что в отчете появилась новая область - будущее кодирования. В принципе, это важно, но уже и так всем понятно.
Эксперты IEEE также отмечают, что становится важнее роль новых типов процессоров, в том числе основанных на 2D материалах. Обещают тысячекратное увеличение производительности и снижение энергопотребления.
Еще из нового - инжиниринговая терапия. Новые методы лечения, которые будут более эффективными и менее затратными, улучшат качество жизни больных и уменьшат финансовое бремя для общества. Сюда входят лечение рака CAR T-клетками, лечение инфекций моноклональными антителами и целенаправленная доставка лекарств с помощью биоматериаловили гидрогелей.
На этот отчет стоит обращать внимание прежде всего потому, что он показывает пример как сообщество (IEEE) может создавать полезные прогнозы, какая методология (очень продуманная) стоит за этим и как это можно улучшить.
👍5❤2
Шквал халтуры на А*- конференциях по ИИ
В последние месяцы конференции по ИИ поспешили ограничить использование больших языковых моделей для написания и рецензирования статей после того, как их завалило волной некачественного контента, созданного с помощью ИИ.
Всплеск низкокачественного материала, сгенерированного ИИ, рискует подорвать доверие и целостность исследований в отрасли, вводя ложные утверждения и вымышленный контент.
В августе исследование Стэнфордского университета показало, что до 22 процентов статей по информатике содержали использование больших языковых моделей.
Анализ, проведенный стартапом Pangram, показал, что 21% рецензий на престижной Международной конференции по изучению представлений (ICLR) в 2025 году были полностью сгенерированы ИИ, и более половины из них включали в себя использование ИИ в некоторых случаях, например, редактирование. Компания обнаружила, что в 9% представленных работ более половины контента было сгенерировано ИИ.
В ноябре рецензенты на ICLR отметили статью, которая, как предполагалось, была сгенерирована ИИ, но попала в число 17% лучших работ по оценкам рецензентов.
В январе стартап GPTZero, специализирующийся на обнаружении ошибок, вызванных ИИ, опубликовал исследование, в котором было обнаружено более 100 ошибок, сгенерированных ИИ, в 50 статьях прошлого года на конференции Neural Information Processing Systems (NeurIPS), которая считается самым престижным местом для публикации передовых исследований в области ИИ.
Растущая обеспокоенность по поводу того, как исследовательское сообщество использует эту технологию, побудила ICLR обновить свои рекомендации по использованию ИИ перед конференцией. Прежде всего предупреждают о том? что статьи, не раскрывающие «широкое» использование LLM, будут отклонены.
Исследователи, использующие LLM для создания низкокачественных обзоров статей, также будут подвергаться санкциям, которые могут включать в себя отказ в публикации их собственных исследовательских работ.
По словам экспертов, рост числа статей, созданных исследователями в области ИИ, был особенно заметен в прошлом году. Конференция NeurIPS сообщила, что в 2025 году получила 21 575 заявок, по сравнению с 17 491 в 2024 году и 9 467 в 2020 году. Один автор написал более 100 статей на NeurIPS, что значительно больше, чем обычно делает среднестатистический исследователь.
Эксперты утверждают, что существует множество законных способов использования инструментов ИИ в исследованиях, например, в качестве помощников для мозгового штурма и корректоров.
Однако вопрос о том, как использовать эту технологию, становится все более важным. Все бигтехи уже создали собственные команды, которые разрабатывают инструменты научных исследований и co-pilots для ученых.
https://www.ft.com/content/54e274c5-de86-4b3e-96a9-95a46b5e48a0?shareType=nongift Artificial intelligence researchers hit by flood of ‘slop’
В последние месяцы конференции по ИИ поспешили ограничить использование больших языковых моделей для написания и рецензирования статей после того, как их завалило волной некачественного контента, созданного с помощью ИИ.
Всплеск низкокачественного материала, сгенерированного ИИ, рискует подорвать доверие и целостность исследований в отрасли, вводя ложные утверждения и вымышленный контент.
В августе исследование Стэнфордского университета показало, что до 22 процентов статей по информатике содержали использование больших языковых моделей.
Анализ, проведенный стартапом Pangram, показал, что 21% рецензий на престижной Международной конференции по изучению представлений (ICLR) в 2025 году были полностью сгенерированы ИИ, и более половины из них включали в себя использование ИИ в некоторых случаях, например, редактирование. Компания обнаружила, что в 9% представленных работ более половины контента было сгенерировано ИИ.
В ноябре рецензенты на ICLR отметили статью, которая, как предполагалось, была сгенерирована ИИ, но попала в число 17% лучших работ по оценкам рецензентов.
В январе стартап GPTZero, специализирующийся на обнаружении ошибок, вызванных ИИ, опубликовал исследование, в котором было обнаружено более 100 ошибок, сгенерированных ИИ, в 50 статьях прошлого года на конференции Neural Information Processing Systems (NeurIPS), которая считается самым престижным местом для публикации передовых исследований в области ИИ.
Растущая обеспокоенность по поводу того, как исследовательское сообщество использует эту технологию, побудила ICLR обновить свои рекомендации по использованию ИИ перед конференцией. Прежде всего предупреждают о том? что статьи, не раскрывающие «широкое» использование LLM, будут отклонены.
Исследователи, использующие LLM для создания низкокачественных обзоров статей, также будут подвергаться санкциям, которые могут включать в себя отказ в публикации их собственных исследовательских работ.
По словам экспертов, рост числа статей, созданных исследователями в области ИИ, был особенно заметен в прошлом году. Конференция NeurIPS сообщила, что в 2025 году получила 21 575 заявок, по сравнению с 17 491 в 2024 году и 9 467 в 2020 году. Один автор написал более 100 статей на NeurIPS, что значительно больше, чем обычно делает среднестатистический исследователь.
Эксперты утверждают, что существует множество законных способов использования инструментов ИИ в исследованиях, например, в качестве помощников для мозгового штурма и корректоров.
Однако вопрос о том, как использовать эту технологию, становится все более важным. Все бигтехи уже создали собственные команды, которые разрабатывают инструменты научных исследований и co-pilots для ученых.
https://www.ft.com/content/54e274c5-de86-4b3e-96a9-95a46b5e48a0?shareType=nongift Artificial intelligence researchers hit by flood of ‘slop’
Ft
Artificial intelligence researchers hit by flood of ‘slop’
Conferences restrict use of LLMs after surge of low-quality AI-generated papers and reviews
Forwarded from Улица Шкловского - Астрономия и Космонавтика
This media is not supported in your browser
VIEW IN TELEGRAM
Марсоход NASA Perseverance совершил первый в истории заезд по маршруту, полностью спланированному искусственным интеллектом. Демонстрационные поездки провела команда Лаборатории реактивного движения NASA (JPL) 8 и 10 декабря.
До сих пор прокладка маршрутов для марсоходов оставалась задачей исключительно для людей. Однако огромное расстояние между Марсом и Землёй создаёт значительные задержки связи. Иногда они достигают десятков минут, что делает управление марсоходом в реальном времени невозможным. Поэтому каждый маршрут приходится тщательно готовить заранее. Специалисты анализируют снимки поверхности, рельеф и состояние аппарата, вручную размечая последовательность контрольных точек - вейпоинтов, по которым марсоход может безопасно двигаться.
В этот раз всё было иначе. Для планирования пути использовали генеративный искусственный интеллект, основанный на так называемых vision-language моделях. Он анализировал те же данные, что и люди: орбитальные снимки с камеры HiRISE аппарата Mars Reconnaissance Orbiter, цифровые модели рельефа и информацию о свойствах поверхности. Алгоритм самостоятельно распознавал опасные и безопасные зоны - торчащие скалы, валуны, песчаные участки - и строил непрерывный маршрут с контрольными точками.
Проект реализовали совместно с компанией Anthropic, адаптировав для космических задач модели Claude. Перед отправкой команд на Марс маршрут прогнали через "цифрового двойника" Perseverance - виртуальную копию марсохода. На ней проверили более полумиллиона телеметрических параметров, чтобы убедиться в полной совместимости с бортовым программным обеспечением.
Результат оказался вполне практичным. 8 декабря Perseverance проехал 210 метров, а двумя днями позже - ещё 246 метров, полностью следуя маршрутам, предложенным ИИ.
В NASA подчёркивают, что подобные технологии могут серьёзно повысить эффективность будущих миссий. По мере роста расстояния от Земли автономность становится критически важной. ИИ способен быстрее реагировать на сложный рельеф, снижать нагрузку на операторов и даже помогать учёным, автоматически выделяя интересные объекты на поверхности планет.
В перспективе такие интеллектуальные системы планируют применять не только в марсоходах, но и в лунных и марсианских базах, вертолётах и других элементах будущей внеземной инфраструктуры.
Credit: NASA/JPL-Caltech
До сих пор прокладка маршрутов для марсоходов оставалась задачей исключительно для людей. Однако огромное расстояние между Марсом и Землёй создаёт значительные задержки связи. Иногда они достигают десятков минут, что делает управление марсоходом в реальном времени невозможным. Поэтому каждый маршрут приходится тщательно готовить заранее. Специалисты анализируют снимки поверхности, рельеф и состояние аппарата, вручную размечая последовательность контрольных точек - вейпоинтов, по которым марсоход может безопасно двигаться.
В этот раз всё было иначе. Для планирования пути использовали генеративный искусственный интеллект, основанный на так называемых vision-language моделях. Он анализировал те же данные, что и люди: орбитальные снимки с камеры HiRISE аппарата Mars Reconnaissance Orbiter, цифровые модели рельефа и информацию о свойствах поверхности. Алгоритм самостоятельно распознавал опасные и безопасные зоны - торчащие скалы, валуны, песчаные участки - и строил непрерывный маршрут с контрольными точками.
Проект реализовали совместно с компанией Anthropic, адаптировав для космических задач модели Claude. Перед отправкой команд на Марс маршрут прогнали через "цифрового двойника" Perseverance - виртуальную копию марсохода. На ней проверили более полумиллиона телеметрических параметров, чтобы убедиться в полной совместимости с бортовым программным обеспечением.
Результат оказался вполне практичным. 8 декабря Perseverance проехал 210 метров, а двумя днями позже - ещё 246 метров, полностью следуя маршрутам, предложенным ИИ.
В NASA подчёркивают, что подобные технологии могут серьёзно повысить эффективность будущих миссий. По мере роста расстояния от Земли автономность становится критически важной. ИИ способен быстрее реагировать на сложный рельеф, снижать нагрузку на операторов и даже помогать учёным, автоматически выделяя интересные объекты на поверхности планет.
В перспективе такие интеллектуальные системы планируют применять не только в марсоходах, но и в лунных и марсианских базах, вертолётах и других элементах будущей внеземной инфраструктуры.
Credit: NASA/JPL-Caltech
❤2
Будущее AI-native робототехники: архитектуры "в сенсоре"
Январская статья в Nature раскрывает потенциал перехода от классического компьютерного зрения к AI-native системам. Основной фокус - решение проблемы вычислительной избыточности при передаче огромных массивов визуальных данных от сенсора к процессору. Авторы - корейские ученые из Сеульского национальный университет и Корейского института науки и технологий (KIST) - обосновывают переход на архитектуры, где вычисления происходят прямо внутри сенсора (In-sensor computing, ISC). Вместо того чтобы просто захватывать «сырые» пиксели, сенсор имитирует работу биологической сетчатки и синапсов, сразу выделяя важные признаки. Это радикально снижает задержки и энергопотребление.
Почему это важно:
In-sensor computing - это одно из направлений смещения парадигмы: конкурентное преимущество теперь лежит не только в алгоритмах LLM/VLM, но и в устройствах, которые эти алгоритмы интегрируют. Основа для создания ISC-устройств - низкоразмерные материалы : 2D-материалы, пленки и оксиды металлов и органические полупроводники.
Технология ISC критически важна для перехода роботов из структурированных сред в непредсказуемый реальный мир:
- Беспилотные системы (Edge AI): Работа в условиях "неструктурированной среды", где необходимо мгновенно принимать решения при ограниченных вычислительных ресурсах (дроны, поисково-спасательные роботы).
- Индустрия 5.0 (Context-aware robots): Робот не просто видит деталь, а адаптирует план действий на лету в динамической среде.
- Домашняя и сервисная робототехника: Робопомощники способны распознавать намерения пользователя. Благодаря низкому энергопотреблению они смогут постоянно находиться в режиме "активного наблюдения".
- Медицинская робототехника: Обработка робохирургами визуального потока с высочайшей точностью в реальном времени.
Области применения: от автоматизации к автономности
Классический подход к компьютерному зрению исторически ориентирован на:
- получение высокоточного изображения,
- последующую многоступенчатую обработку,
- использование универсальных форматов данных, не оптимизированных под AI.
Такой подход плохо согласуется с требованиями:
- принятия решений в режиме реального времени,
- энергоэффективности,
- автономности.
При этом современные AI-алгоритмы вынуждены работать с избыточной визуальной информацией, большая часть которой не несёт полезной семантики для задачи управления роботом.
Концепция "AI-native robotic vision" - ответ на эти вызовы
Под этим термином понимаются системы, в которых:
- визуальные данные изначально формируются в форме, пригодной для AI-вычислений,
- исключаются лишние промежуточные этапы обработки,
- структура данных оптимизируется под последующее машинное обучение и принятие решений.
ISC - ключевой элемент AI-native vision, роль которого заключается как в восприятии, так и в обработке, кодировании и структурировании данных. Перенос вычислений в сенсор позволяет сократить объём передаваемых данных, снизить нагрузку на внешние вычислительные блоки, уменьшить задержку между восприятием и действием.
Январская статья в Nature раскрывает потенциал перехода от классического компьютерного зрения к AI-native системам. Основной фокус - решение проблемы вычислительной избыточности при передаче огромных массивов визуальных данных от сенсора к процессору. Авторы - корейские ученые из Сеульского национальный университет и Корейского института науки и технологий (KIST) - обосновывают переход на архитектуры, где вычисления происходят прямо внутри сенсора (In-sensor computing, ISC). Вместо того чтобы просто захватывать «сырые» пиксели, сенсор имитирует работу биологической сетчатки и синапсов, сразу выделяя важные признаки. Это радикально снижает задержки и энергопотребление.
Почему это важно:
Технология ISC критически важна для перехода роботов из структурированных сред в непредсказуемый реальный мир:
- Беспилотные системы (Edge AI): Работа в условиях "неструктурированной среды", где необходимо мгновенно принимать решения при ограниченных вычислительных ресурсах (дроны, поисково-спасательные роботы).
- Индустрия 5.0 (Context-aware robots): Робот не просто видит деталь, а адаптирует план действий на лету в динамической среде.
- Домашняя и сервисная робототехника: Робопомощники способны распознавать намерения пользователя. Благодаря низкому энергопотреблению они смогут постоянно находиться в режиме "активного наблюдения".
- Медицинская робототехника: Обработка робохирургами визуального потока с высочайшей точностью в реальном времени.
Области применения: от автоматизации к автономности
Классический подход к компьютерному зрению исторически ориентирован на:
- получение высокоточного изображения,
- последующую многоступенчатую обработку,
- использование универсальных форматов данных, не оптимизированных под AI.
Такой подход плохо согласуется с требованиями:
- принятия решений в режиме реального времени,
- энергоэффективности,
- автономности.
При этом современные AI-алгоритмы вынуждены работать с избыточной визуальной информацией, большая часть которой не несёт полезной семантики для задачи управления роботом.
Концепция "AI-native robotic vision" - ответ на эти вызовы
Под этим термином понимаются системы, в которых:
- визуальные данные изначально формируются в форме, пригодной для AI-вычислений,
- исключаются лишние промежуточные этапы обработки,
- структура данных оптимизируется под последующее машинное обучение и принятие решений.
ISC - ключевой элемент AI-native vision, роль которого заключается как в восприятии, так и в обработке, кодировании и структурировании данных. Перенос вычислений в сенсор позволяет сократить объём передаваемых данных, снизить нагрузку на внешние вычислительные блоки, уменьшить задержку между восприятием и действием.
👍4❤2
Innovation & Research
Будущее AI-native робототехники: архитектуры "в сенсоре" Январская статья в Nature раскрывает потенциал перехода от классического компьютерного зрения к AI-native системам. Основной фокус - решение проблемы вычислительной избыточности при передаче огромных…
Биологические основы
В отличие от стандартных решений, авторы предлагают имитировать иерархию биологического зрения (синапсы + нейроны + сетчатка) на уровне физических устройств.
1) Synaptic vision systems
Сенсорные элементы имитируют синаптическое поведение - выполняют частичную фильтрацию данных непосредственно в сенсоре, до передачи информации в AI-модуль. Таким образом обеспечивается усиление значимых визуальных признаков и подавление шумов.
2) Neuronal vision systems
Визуальная информация преобразуется в спайковые (spike-based) сигналы, аналогичные нейронным импульсам. Такие системы ориентированы на эффективную обработку временной структуры сигналов и снижение энергопотребления и потока информации через дискретное событийное представление данных и совместимость со спайковыми нейросетями.
3) Hierarchical vision systems
Этот подход основан на иерархической обработке информации, аналогичной многоуровневой структуре биологической сетчатки, со следующими функциями.
- поэтапное извлечение пространственных признаков,
- фильтрацию нерелевантной информации,
- формирование всё более абстрактных представлений данных.
Эти 3 базовых компонента AI-native vision архитектуры на основе ISC позволяет добиться «человекоподобной» автономности - «понимания увиденного» на этапе захвата фотонов.
В отличие от стандартных решений, авторы предлагают имитировать иерархию биологического зрения (синапсы + нейроны + сетчатка) на уровне физических устройств.
1) Synaptic vision systems
Сенсорные элементы имитируют синаптическое поведение - выполняют частичную фильтрацию данных непосредственно в сенсоре, до передачи информации в AI-модуль. Таким образом обеспечивается усиление значимых визуальных признаков и подавление шумов.
2) Neuronal vision systems
Визуальная информация преобразуется в спайковые (spike-based) сигналы, аналогичные нейронным импульсам. Такие системы ориентированы на эффективную обработку временной структуры сигналов и снижение энергопотребления и потока информации через дискретное событийное представление данных и совместимость со спайковыми нейросетями.
3) Hierarchical vision systems
Этот подход основан на иерархической обработке информации, аналогичной многоуровневой структуре биологической сетчатки, со следующими функциями.
- поэтапное извлечение пространственных признаков,
- фильтрацию нерелевантной информации,
- формирование всё более абстрактных представлений данных.
Эти 3 базовых компонента AI-native vision архитектуры на основе ISC позволяет добиться «человекоподобной» автономности - «понимания увиденного» на этапе захвата фотонов.
👍5
SpaceX планирует нарастить группировку до 1 млн спутников
Компания подала в Федеральную комиссию по связи США (FCC) заявку на создание орбитального дата-центра беспрецедентного масштаба — спутниковой группировки численностью до 1 млн аппаратов на низкой околоземной орбите. Спутники планируется разместить на высотах от 500 до 2000 км на орбитах с наклонением 30° и солнечно-синхронных орбитах, что позволит им находиться на солнечном освещении более 99% времени и напрямую использовать солнечную энергию для вычислений.
По замыслу SpaceX, система станет основой для обслуживания AI-приложений и позволит снизить затраты и экологическую нагрузку по сравнению с наземными дата-центрами. Для связи предполагается использовать лазерные межспутниковые каналы с передачей данных на Землю через сеть Starlink, а Ka-диапазон — лишь в резервном режиме для телеметрии и управления. В заявке не указаны сроки развертывания и бюджет, при этом компания запросила освобождение от стандартных требований FCC по этапам ввода группировки.
Проект значительно превосходит ранее заявленные планы других участников: Китай в декабре подал заявки на две спутниковые системы общей численностью около 200 тыс. аппаратов, а предложения о группировках свыше 300 тыс. спутников, поданные Руандой в 2021 году, так и не были реализованы. В SpaceX связывают инициативу с ростом спроса на вычислительные мощности для AI и рассчитывают задействовать опыт Starlink и ракету Starship, которая, по оценке компании, позволит вывести на орбиту объёмы оборудования, при которых совокупная вычислительная нагрузка в космосе сможет соперничать с текущим энергопотреблением всей экономики США.
#news #космос
https://spacenews.com/spacex-files-plans-for-million-satellite-orbital-data-center-constellation/
Компания подала в Федеральную комиссию по связи США (FCC) заявку на создание орбитального дата-центра беспрецедентного масштаба — спутниковой группировки численностью до 1 млн аппаратов на низкой околоземной орбите. Спутники планируется разместить на высотах от 500 до 2000 км на орбитах с наклонением 30° и солнечно-синхронных орбитах, что позволит им находиться на солнечном освещении более 99% времени и напрямую использовать солнечную энергию для вычислений.
По замыслу SpaceX, система станет основой для обслуживания AI-приложений и позволит снизить затраты и экологическую нагрузку по сравнению с наземными дата-центрами. Для связи предполагается использовать лазерные межспутниковые каналы с передачей данных на Землю через сеть Starlink, а Ka-диапазон — лишь в резервном режиме для телеметрии и управления. В заявке не указаны сроки развертывания и бюджет, при этом компания запросила освобождение от стандартных требований FCC по этапам ввода группировки.
Проект значительно превосходит ранее заявленные планы других участников: Китай в декабре подал заявки на две спутниковые системы общей численностью около 200 тыс. аппаратов, а предложения о группировках свыше 300 тыс. спутников, поданные Руандой в 2021 году, так и не были реализованы. В SpaceX связывают инициативу с ростом спроса на вычислительные мощности для AI и рассчитывают задействовать опыт Starlink и ракету Starship, которая, по оценке компании, позволит вывести на орбиту объёмы оборудования, при которых совокупная вычислительная нагрузка в космосе сможет соперничать с текущим энергопотреблением всей экономики США.
#news #космос
https://spacenews.com/spacex-files-plans-for-million-satellite-orbital-data-center-constellation/
SpaceNews
SpaceX files plans for million-satellite orbital data center constellation
SpaceX is seeking FCC approval for a satellite constellation of unprecedented scale intended to function as an orbital data center.
🌚1
This media is not supported in your browser
VIEW IN TELEGRAM
В гонке "Камеры vs Лидары" появился новый игрок
В индустрии беспилотников продолжается соперничество: достаточно ли одних камер (путь Tesla) или нужны дорогие лидары. На выставке CES 2026 Teradar официально заявил: "Вам нужно нечто третье". Бостонский стартап родом из MIT вышел из тени в конце 2025 года с $150 млн инвестиций и амбицией подорвать рынок систем ADAS и беспилотного вождения.
Teradar позиционирует себя как создатель первого в мире коммерческого терагерцового (THz) сенсора для автомобилей.
Терагерцевые волны находятся в спектре между микроволнами (радар) и инфракрасным светом (лидар), это дает THz-датчику преимущества обеих технологий:
- сверхдетализация о лидара: угловое разрешение 0.13° позволяет распознавать объекты на расстоянии до 300 м.
- всепогодное видние радара: возможность видеть сквозь густой туман, ливень и облако пыли.
Цель: снизить стоимость сенсора до нескольких сотен долларов.
Сегодня компания уже сотрудничает с 8 крупными автопроизводителями и поставщиками первого уровня в США и Германии.
Начало тендеров на массовое производство запланировано на текущий год, а старт серийного выпуска в автомобилях - на 2028 год.
$150 млн инвестиций, в т.ч. в интересах "оборонки"
К концу 2025 г. Мэтт Кэри (CEO) обеспечил ивестиции в рамках Series B.
Инвесторы: VXI Capital, Lockheed Martin Ventures , The Engine Ventures (фонд MIT), Capricorn Investment Group, IBEX Investors
Со-основатель Грег Чарват (CTO) - известный эксперт по радарным системам из MIT Lincoln Lab.
Подробнее о технологии
Teradar не использует стандартные фотодетекторы в привычном понимании, как матрицы в камерах. Их сенсоры - это массивы микро-антенн (наноструктурированные металлические и диэлектрические слои, нанесенные непосредственно на кристалл) на чипах собственной разработки (Teracore). Они улавливают отраженные волны терагерцового диапазона и превращают их в детальное 3D-облако точек.
Сенсоры под названием "Summit" построены на платформе Modular Terahertz Engine (MTE) с полностью твердотельной ахритектурой - в устройстве нет вращающихся или движущихся частей (в отличие от многих лидаров).
Фосфид индия (InP) как ключевой материал обладает гораздо более высокой подвижностью электронов по сравнению с кремнием. Это свойство и позволяет видеть на сотни метров сквозь непогоду. При этом компания придерживается дешевого и масштабируемого гибридного дизайна: передающий чип выполнен из InP, а приемный и обрабатывающий - из кремния.
В индустрии беспилотников продолжается соперничество: достаточно ли одних камер (путь Tesla) или нужны дорогие лидары. На выставке CES 2026 Teradar официально заявил: "Вам нужно нечто третье". Бостонский стартап родом из MIT вышел из тени в конце 2025 года с $150 млн инвестиций и амбицией подорвать рынок систем ADAS и беспилотного вождения.
Teradar позиционирует себя как создатель первого в мире коммерческого терагерцового (THz) сенсора для автомобилей.
Терагерцевые волны находятся в спектре между микроволнами (радар) и инфракрасным светом (лидар), это дает THz-датчику преимущества обеих технологий:
- сверхдетализация о лидара: угловое разрешение 0.13° позволяет распознавать объекты на расстоянии до 300 м.
- всепогодное видние радара: возможность видеть сквозь густой туман, ливень и облако пыли.
Цель: снизить стоимость сенсора до нескольких сотен долларов.
Сегодня компания уже сотрудничает с 8 крупными автопроизводителями и поставщиками первого уровня в США и Германии.
Начало тендеров на массовое производство запланировано на текущий год, а старт серийного выпуска в автомобилях - на 2028 год.
$150 млн инвестиций, в т.ч. в интересах "оборонки"
К концу 2025 г. Мэтт Кэри (CEO) обеспечил ивестиции в рамках Series B.
Инвесторы: VXI Capital, Lockheed Martin Ventures , The Engine Ventures (фонд MIT), Capricorn Investment Group, IBEX Investors
Со-основатель Грег Чарват (CTO) - известный эксперт по радарным системам из MIT Lincoln Lab.
Подробнее о технологии
Teradar не использует стандартные фотодетекторы в привычном понимании, как матрицы в камерах. Их сенсоры - это массивы микро-антенн (наноструктурированные металлические и диэлектрические слои, нанесенные непосредственно на кристалл) на чипах собственной разработки (Teracore). Они улавливают отраженные волны терагерцового диапазона и превращают их в детальное 3D-облако точек.
Сенсоры под названием "Summit" построены на платформе Modular Terahertz Engine (MTE) с полностью твердотельной ахритектурой - в устройстве нет вращающихся или движущихся частей (в отличие от многих лидаров).
Фосфид индия (InP) как ключевой материал обладает гораздо более высокой подвижностью электронов по сравнению с кремнием. Это свойство и позволяет видеть на сотни метров сквозь непогоду. При этом компания придерживается дешевого и масштабируемого гибридного дизайна: передающий чип выполнен из InP, а приемный и обрабатывающий - из кремния.
❤7👍1
SpaceX + xAI: рождение орбитального AI
Elon Musk объединил свои два крупнейших частных актива: SpaceX приобрела xAI за $250 млрд. Оценка объединённой структуры — $1,25 трлн. Формально - крупнейшая сделка в частном секторе. Содержательно - это заявка на новый технологический уклад.
Ключевая идея Маска сформулирована предельно прямо: будущее AI — вне Земли. По его словам, рост энергопотребления ИИ невозможно масштабировать наземными дата-центрами без серьёзного ущерба для экономики и экологии. Единственный путь — орбитальные дата-центры, питаемые космической инфраструктурой. Для этого SpaceX и готовится к IPO (ожидаемо — рекордному, до $50 млрд), чтобы финансировать вывод на орбиту тяжёлых спутников нового класса.
Важно и то, как это собирается работать. xAI уже интегрирована с платформой X (бывший Twitter), обучая модели на потоках реальных данных, а спутниковая сеть Starlink даёт глобальный канал связи. Теперь к этому добавляется космическая энергетика и запускная экономика SpaceX — полный вертикальный стек «данные → вычисления → орбита».
На фоне этой консолидации логично выглядят и другие движения экосистемы Маска: инвестиции Tesla в xAI, разворот Tesla в сторону AI-чипов и гуманоидных роботов, а также параллельные треки Neuralink и The Boring Company. Всё всё больше похоже не на набор компаний, а на единый проект переопределения масштаба цивилизации.
Самая дальняя точка горизонта — Луна: фабрики, использующие лунные ресурсы для производства спутников прямо вне Земли. Если это звучит как научная фантастика — напоминание: ещё 15 лет назад так же звучал многоразовый космос и глобальный спутниковый интернет.
Мы, похоже, наблюдаем рождение Physical AI в космосе. И это уже не про конкуренцию моделей вроде OpenAI или Meta, а про контроль над энергией, орбитой и масштабом вычислений.
https://www.ft.com/content/8ee76f65-74d9-4679-a2b0-cd8fc3721a8d?shareType=nongift
Elon Musk объединил свои два крупнейших частных актива: SpaceX приобрела xAI за $250 млрд. Оценка объединённой структуры — $1,25 трлн. Формально - крупнейшая сделка в частном секторе. Содержательно - это заявка на новый технологический уклад.
Ключевая идея Маска сформулирована предельно прямо: будущее AI — вне Земли. По его словам, рост энергопотребления ИИ невозможно масштабировать наземными дата-центрами без серьёзного ущерба для экономики и экологии. Единственный путь — орбитальные дата-центры, питаемые космической инфраструктурой. Для этого SpaceX и готовится к IPO (ожидаемо — рекордному, до $50 млрд), чтобы финансировать вывод на орбиту тяжёлых спутников нового класса.
Важно и то, как это собирается работать. xAI уже интегрирована с платформой X (бывший Twitter), обучая модели на потоках реальных данных, а спутниковая сеть Starlink даёт глобальный канал связи. Теперь к этому добавляется космическая энергетика и запускная экономика SpaceX — полный вертикальный стек «данные → вычисления → орбита».
На фоне этой консолидации логично выглядят и другие движения экосистемы Маска: инвестиции Tesla в xAI, разворот Tesla в сторону AI-чипов и гуманоидных роботов, а также параллельные треки Neuralink и The Boring Company. Всё всё больше похоже не на набор компаний, а на единый проект переопределения масштаба цивилизации.
Самая дальняя точка горизонта — Луна: фабрики, использующие лунные ресурсы для производства спутников прямо вне Земли. Если это звучит как научная фантастика — напоминание: ещё 15 лет назад так же звучал многоразовый космос и глобальный спутниковый интернет.
Мы, похоже, наблюдаем рождение Physical AI в космосе. И это уже не про конкуренцию моделей вроде OpenAI или Meta, а про контроль над энергией, орбитой и масштабом вычислений.
https://www.ft.com/content/8ee76f65-74d9-4679-a2b0-cd8fc3721a8d?shareType=nongift
Ft
SpaceX buys xAI to unite crucial parts of Elon Musk’s empire
Rocket company and AI model builder to combine as billionaire envisions data centres in space
❤8🔥5