Внимание: найден рабочий способ поднятия самооценки без мам пап и коучей

Илон Маск и xAI подали антимонопольный иск против Apple и OpenAI

Компании, аффилированные с Маском, подали иск в Федеральный суд Техаса. Суть обвинений: Apple и OpenAI заключили антиконкурентное соглашение, которое закрепляет монополию ChatGPT внутри iOS.

Что именно пишет команда Маска:

1. Apple проиграла гонку за ИИ и вместо собственной системы сделала ставку на OpenAI.
2. В результате пользователи iPhone получают ChatGPT «по умолчанию» в операционке — альтернативы встроенного ИИ у них нет.
3. Это даёт OpenAI огромное преимущество: миллионы взаимодействий пользователей Apple становятся данными для дальнейшего обучения.
4. Параллельно в App Store продвигается именно ChatGPT, а X и Grok, по словам Маска, в подборки не попадают — даже несмотря на топовые позиции в рейтингах.
5. Если суд не вмешается, Apple и OpenAI продолжат подавлять конкуренцию, а проекты Маска будут «страдать от антиконкурентных последствий».

Логика иска проста: Apple выступает «гейткипером» и пустила внутрь своей экосистемы только одного игрока. Для остальных барьеры выше, а значит конкуренция нарушается.

Нейросети помогут врачам анализировать МРТ и выявлять риски развития ДЦП у младенцев за минуты вместо дней

Яндекс в сотрудничестве со специалистами СПбГПМУ и студентами ШАДа разработал решение на базе ИИ, которое анализирует МРТ мозга младенцев, радикально ускоряя постановку таких диагнозов, как риск ДЦП. Нейросеть автоматически сегментирует серое и белое вещество, вычисляет их объемы и помогает врачам принимать более точные решения.

Обычно такой анализ — это ювелирная работа, занимающая до 72 часов. Новая модель выполняет инференс за ~3 секунды на CPU. Для понимания, предыдущие существующие решения вытягивали максимум ~2.5 минуты. Это ускорение в 50 раз. В будущем, после тестирования, код разработки появится в опенсорсе, чтобы его могли использовать ученые и клиники со всего мира и для других задач в сфере медицины.

Кратко про само решение:

— Работает как веб-сервис и не требует от клиник GPU. Сырые МРТ-снимки в формате DICOM загружаются в PACS-систему, развернутую на Yandex Cloud.

— Естественно, в процессе разработчики столкнулись с проблемой нехватки размеченных данных. Использовали BIBSNet для предразметки всего архива. Процесс был распараллелен в Docker-контейнерах на 20 ВМ, что позволило быстро получить основу, которую врачи уже дорабатывали, а не создавали с нуля.

— Под капотом U-Net с бэкбоном ResNeXt-50 и функцией потерь DiceLoss. Эта архитектура показала себя лучшей после серии R&D-экспериментов.

Итог: быстрый инференс и высокая точность. Метрика IoU (Intersection over Union) достигла 0.703, что позволяет врачам использовать сегментацию как надежный вспомогательный инструмент.

Подробности — на Хабре.

Исследователи изучили нейросеть Evo-2 и нашли в ее активациях целое дерево жизни

Сейчас расскажем подробнее. Сама модель Evo-2 вышла еще осенью. Она может генерировать новые генетические последовательности и выявлять мутации в генах.

Обучена она была на 9 триллионах нуклеотидов из более чем 128 000 геномов. При этом датасет собирали такой, чтобы он охватывал все формы жизни, от простейших до растений и животных.

То есть эта модель знает очень-очень много о мире с точки зрения генетики. И вот сейчас, спустя почти год после выхода Evo-2, ученые из лабы Goodfire решили залезть внутрь нее и проверить, как это все выглядит изнутри.

И внезапно там обнаружилась очень интересная структура.

Оказалось, что модель кодирует эволюционную схожесть (филогению) как геометрические расстояния на специальном изогнутом многообразии в признаковом пространстве. То есть кратчайший путь по этому многообразию между двумя видами соответствует их эволюционной дистанции: чем ближе виды по филогенетическому дереву, тем ближе их представления внутри модели.

Что это значит:

1. Хотя в модель напрямую не закладывали эволюционные отношения и таксономию, она научилась улавливать статистические закономерности, отражающие эволюционные связи между видами.

2. И она не просто их понимает, а построила внутри себя целое математическое дерево видов, представив его, так скажем, по своему: в виде сложных геометрически интерпретируемых многообразий.

Это похоже на языковые модели: по факту Evo училась предсказывать последовательности геномов, а оказалось, что она может действовать как универсальный биологический переводчик.

То есть нам, возможно, не обязательно обучать под разные медицинские и био- задачки разные модели. Может быть одна, универсальная, которая сможет работать с любыми приложениями, обучаясь просто на молекулах.

Кажется, что это значимый результат.

www.goodfire.ai/papers/phylogeny-manifold

Мы как-то пропустили, но оказывается у Google недавно вышла очень интересная модель Perch 2.0 для биоакустики

Она предназначена для классификации и энкодинга всевозможных звуков природы. Работает так:

1. На вход модельке приходит аудио, которое она преобразует в спектрограмму. Это нужно для того, чтобы дальше данные в виде изображения могла съесть сверточная нейросеть.

2. Эта нейросеть выдает эмбеддинги – векторы размерности 1536, описывающие звуки.

3. Дальше эмбеддинги подаются на вход трем головам, каждая из которых отвечает за свою задачу: линейную классификацию, прототипную классификацию (это логиты для интерпретируемости) и определение источника.

Только представьте: с помощью такой модели можно отслеживать популяции и количество особей, искать новые виды и многое другое.

Кстати, все работает без GPU + в модели всего 12 миллионов параметров. Метрики при этом отличные: система точно распознает звуки 15 тысяч видов. Работает даже под водой.

Короче: Google дали каждому биологу в мире универсальный супер-слух. И это уже дало свои результаты.

Например, в Австралии Perch помог обнаружить новые популяции птиц там, где, как раньше считалось, их почти нет. А на Гавайях система в 50 раз ускорила обнаружение редких медоедов: благодаря этому ученые теперь смогут оперативно защищать их от угроз.

Всегда очень радуют такие разработки. А тут, плюсом ко всему, модель и датасеты даже выложили в опенсорс.

arxiv.org/abs/2508.04665

Полгода назад нам обещали, что к сегодняшнему дню ИИ будет писать 90% кода

Не знаем как у вас, у нас пока только 90% багов

12 сентября Т-Банк, Яндекс, Сбер, Lamoda и X5, устроят в своих офисах настоящую ночь технологий — Big tech night. В штаб-квартире Т-Банка, например, гостям покажут внутренние разработки и разные фичи.

В программе — квартирники, на которых можно обсудить командную жизнь айтишников, разбор личных кейсов с тимлидами и СТО и
доклады про путь ИИ от проектирования до использования. Гости также получат доступ к внутренним платформам Т-Банка и смогут пообщаться с разрабами.

Чтобы попасть на ивент, нужно заранее зарегистрироваться и выбрать программу.

Prime Intellect анонсировали Environments Hub – открытую платформу для создания и использования RL-сред

Сейчас расскажем, почему это большая новость, и зачем это нужно.

RL-среда – это окружение, в котором обучаются агенты. Грубо говоря, отдельный мир, в котором определены свои правила и система вознаграждений.

Создавать такие «миры» довольно дорого. Например, хотите вы обучить агента-программиста. Для этого вам нужны: целая виртуальная IDE с компилятором, отладкой, тестами и кучей edge-кейсов; ревард-функция; инструменты трекинга; пайплайн обучения; данные.

Большие лабы, в общем, тратят на качественные RL-среды миллионы. А в опенсорсе сопоставимых решений просто нет. Prime Intellect предлагают изменить положение и дают нам для этого готовую инфраструктуру.

Короче, Environments Hub – это первый и единственный в своем роде стор готовых RL-сред под всевозможные задачи. Сейчас там уже достаточно много решений под агентов-программистов / математиков / разные игры и прочее прочее.

Большое дело ребята делают. Очень емко, кстати, релиз и его полезность прокомментировал Андрей Карпаты, можно почитать его мысли.

Ссылка на сам Хаб: app.primeintellect.ai/dashboard/environments

Такс-такс, Anthropic начнет обучать свои модели на пользовательских данных

Сюда относятся транскрипты чатов и кодинг-сессии (видимо, из Claude Code). Все пользователи должны до 28 сентября принять решение, делиться данными или нет.

По умолчанию, вроде бы, ваши данные использовать не будут: нужно обязательно тыкнуть "Accept", и только после этого новые или возобновленные чаты начнут попадать в датасет. То есть старых чатов и сессий разрешение касаться не будет.

Пока, правда, не очень понятно, можно ли будет изменить решение. Но есть еще одна важная деталь: если вы нажмете "Accept", ваши данные теперь будут так или иначе храниться 5 лет.

Новая политика касается всех, кроме коммера (то есть полностью API + Claude Gov, Claude for Work, Claude for Education).

В целом, друзья, это было вопросом времени. Надо отдать должное: Anthropic хотя бы заявили о своих намерениях открыто и дали юзерам выбор.

Ссылка на оригинальную новость | Текст без пэйвола

Искали кино на выходные, а нашли золото: на YouTube вышла полуторачасовая документалка про Python

Фильм снят студией CultRepo и это большая история развития языка. В нем снялся сам создатель – Гвидо ван Россум. История, кстати, действительно достойна фильма:

– Проект начинался как стороннее хобби где-то в Амстердаме в 1990-х годах
– Сначала язык никто не понял, и в какой-то момент от чуть не изчез
– ... а сейчас на нем написана четверть всего публичного кода: это рекордная доля для любого языка за всё время существования программирования

А еще сейчас питон на первом месте по популярности в мире. Он несколько лет тусовался где-то на 3-5 местах, но в 2025 популярность ИИ и ML наконец вывела его в лидеры. Так что – смотрим

P.S. Русской озвучки, конечно, нет, но не забываем, что в Яндекс Браузере есть отличный нейросетевой перевод. Открываем видео, наводим на него курсор – там сразу появится кнопка с предложением озвучить на русском. Тыкаем и получаем очень ествественный перевод теми же голосами, что и в оригинале.

Учимся мотивировать своих детей правильно