Forwarded from Дорого и долго
Трамп запустил срочносбор мемкоин на Solana чтобы купить Гренландию.
😁13👎8👍5
Forwarded from Редакция.Наука
Клоп Пикассо, вид клопов рода Sphaerocoris семейства Щитники-черепашки, известен своими яркими симметричными узорами.
Они служат защитным механизмом, предупреждая хищников о его потенциальной токсичности.
Этот клоп, обитающий в странах Африки к югу от Сахары, имеет твердый панцирь для защиты и питается в основном соком растений. Эти фотографии были сделаны в Танзании.
Они служат защитным механизмом, предупреждая хищников о его потенциальной токсичности.
Этот клоп, обитающий в странах Африки к югу от Сахары, имеет твердый панцирь для защиты и питается в основном соком растений. Эти фотографии были сделаны в Танзании.
👍48😁3
Forwarded from Кот Шрёдингера (Андрей Константинов)
финалисты конкурса British Photography Awards 2024, номинация "Макро"
⚡36👍18🕊5
Forwarded from Редакция.Наука
This media is not supported in your browser
VIEW IN TELEGRAM
Китайская робособака пробежала стометровку менее чем за 10 секунд.
Машина Black Panther 2.0 весом 38 килограммов и высотой 0,63 метра способна перебирать ногами до 5 раз в секунду, что делает ее одним из самых быстрых четвероногих роботов в мире.
Робота создали ученые из Института гуманоидных инноваций при Чжэцзянском университете и стартапа Mirror Me из Ханчжоу. Чтобы улучшить скорость движения робота с точки зрения силы, гибкости, мощности, точности и плавности, за основу взяли суставы и лапы таких животных, как черные пантеры и тушканчики.
Команда приспособила пружины к коленным суставам Black Panther 2.0, которые служат амортизаторами. Чтобы решить проблему поломки голеней робота, они разработали их из углеродного волокна, которые, по словам ученых, были вдохновлены конечностями тушканчика. Это увеличило жесткость на 135% при увеличении веса всего на 16%.
Робот-собака также оснащен «кроссовками», смоделированными по образцу когтей гепарда, что увеличивает их сцепление с поверхностью на 200%.
Black Panther 2.0 теперь обгоняет в спринте большинство людей, но все еще отстает, например, от гепардов, страусов и антилоп гну.
Машина Black Panther 2.0 весом 38 килограммов и высотой 0,63 метра способна перебирать ногами до 5 раз в секунду, что делает ее одним из самых быстрых четвероногих роботов в мире.
Робота создали ученые из Института гуманоидных инноваций при Чжэцзянском университете и стартапа Mirror Me из Ханчжоу. Чтобы улучшить скорость движения робота с точки зрения силы, гибкости, мощности, точности и плавности, за основу взяли суставы и лапы таких животных, как черные пантеры и тушканчики.
Команда приспособила пружины к коленным суставам Black Panther 2.0, которые служат амортизаторами. Чтобы решить проблему поломки голеней робота, они разработали их из углеродного волокна, которые, по словам ученых, были вдохновлены конечностями тушканчика. Это увеличило жесткость на 135% при увеличении веса всего на 16%.
Робот-собака также оснащен «кроссовками», смоделированными по образцу когтей гепарда, что увеличивает их сцепление с поверхностью на 200%.
Black Panther 2.0 теперь обгоняет в спринте большинство людей, но все еще отстает, например, от гепардов, страусов и антилоп гну.
👍26⚡6👀3
Forwarded from Хайтек+
Новые роботы-опылители летают в 100 раз дольше
Если естественное опыление по какой-то причине невозможно, а выращивать растения хочется, остается искусственное. Для того чтобы упростить процесс переноса пыльцы, специалисты-агротехники прибегают к различным уловкам, в том числе — к роботам. Для них инженеры из США разработали крошечные автоматические устройства, выполняющие роль пчел. В отличие от предыдущих версий, они получились более проворными и выносливыми — теперь они могут находиться в воздухе почти 17 минут.
https://hightech.plus/2025/01/19/novie-roboti-opiliteli-letayut-v-100-raz-dolshe
Если естественное опыление по какой-то причине невозможно, а выращивать растения хочется, остается искусственное. Для того чтобы упростить процесс переноса пыльцы, специалисты-агротехники прибегают к различным уловкам, в том числе — к роботам. Для них инженеры из США разработали крошечные автоматические устройства, выполняющие роль пчел. В отличие от предыдущих версий, они получились более проворными и выносливыми — теперь они могут находиться в воздухе почти 17 минут.
https://hightech.plus/2025/01/19/novie-roboti-opiliteli-letayut-v-100-raz-dolshe
⚡12👀7👍5
Forwarded from Малоизвестное интересное
C какой стороны мы от сингулярности?
Всплеск оптимизма от приближения к AGI может быть неспроста.
4го января Сэм Альтман (как ни относись к нему, но он сейчас самый влиятельный человек в мире ИИ) так описал свой текущий статус: «около сингулярности; непонятно, с какой стороны».
А через 2 дня он уточнил в интервью, что AGI будет создан уже при Трампе (т.е. до 2029), и в тот же день пояснил это в своих «размышлениях»:
«Теперь мы уверены, что знаем, как создать AGI в традиционном понимании. Мы считаем, что в 2025 году мы можем увидеть, как первые ИИ-агенты «станут частью трудовых ресурсов» и существенно изменят результаты деятельности компаний. […] Мы начинаем нацеливаться […] на сверхинтеллект в истинном смысле этого слова».
Если данный прогноз Альтмана оправдается, это будет иметь для человечества колоссальное значение. Ибо в сравнении с этим, любые события, кажущиеся нам сейчас сверхважными (типа завтрашней инаугурации Трампа), превращаются в проходящие малозначимые эпизоды на фоне погружения мира в черную дыру сингулярности.
Так что же такого произошло, в результате чего мир оказался вблизи сингулярности, т.к. прогнозы появления AGI стремительным домкратом обрушились на графиках вниз (см картинку поста с графиком от Exponentialview)?
Точно это знает лишь сам Сэм. Мне же видится, что наиболее простую и в то же время убедительную версию описал Гверн Бранвен в комментарии к посту Райана Кидда о последствиях новой парадигмы масштабирования вывода:
«Я думаю, что здесь не хватает важной части парадигмы масштабирования самостоятельной игры: большая часть смысла модели, такой как o1, заключается не в ее развертывании , а в генерации обучающих данных для следующей модели. Каждая проблема, которую решает o1, теперь является точкой обучающих данных для o3 (например, любой сеанс o1, который в конце концов натыкается на правильный ответ, может быть улучшен, чтобы устранить тупики и произвести чистую расшифровку для обучения более утонченной интуиции).»
Насколько это так, каждый читатель может сам проверить экспериментально, следуя простой инструкции из 4 пунктов.
1. Возьмите текст своей переписки с ChatGPT по задаче, которую последний не смог для вас удовлетворительно решить.
2. Отправьте этот текст на вход Клоду с просьбой решить-таки эту задачу.
3. Получите ответ Клода, который, с большой вероятностью, если даже не будет 100%но удовлетворяющим вас решением задачи, то, как минимум, окажется существенно лучше, чем ответ ChatGPT.
4. А теперь последний и самый интересный шаг. Поменяйте местами ChatGPT и Клод в пп 1-3 для какой-либо иной задачи. И с большой вероятностью вышеописанное повторится. Т.е. неважно, какой ИИ будет решать задачу первым. Главное, - что второй, воспользуется данными о решении задачи первым, и за счет этого решит ее лучше (говоря словами Гверна, «каждая проблема, которую решает o1, теперь является точкой обучающих данных для o3»).
Или еще пример из истории развития новых версий AlphaGo: AlphaGo Fan, AlphaGo Lee, AlphaGo Master и последняя из версий AlphaGo Zero, обучившаяся уже исключительно на играх с самой собой, без использования человеческих данных.
За 2 года условный рейтинг Эло новых версий вырос с 3300 (что было выше, чем у большинства профессионалов уровня чемпиона мира) до немыслимого для людей уровня 5185. После 2018 года компания DeepMind прекратила разработку и участие AlphaGo в официальных матчах, т.к. это стало неинтересно и бессмысленно – люди так и близко играть не могут.
Так вот. Если Гверн Бранвен прав, включился мощный эффект маховика данных, когда каждая новая модель порождает данные для обучения следующей, еще лучшей модели.
Но тогда прав будет и Сэм Альтман. А завтрашняя инаугурация Трампа из важнейшего мирового события четырехлетия превратится в малозначащий эпизод наступления на Земле эпохи сингулярности.
#AGI #Вызовы21века
Всплеск оптимизма от приближения к AGI может быть неспроста.
4го января Сэм Альтман (как ни относись к нему, но он сейчас самый влиятельный человек в мире ИИ) так описал свой текущий статус: «около сингулярности; непонятно, с какой стороны».
А через 2 дня он уточнил в интервью, что AGI будет создан уже при Трампе (т.е. до 2029), и в тот же день пояснил это в своих «размышлениях»:
«Теперь мы уверены, что знаем, как создать AGI в традиционном понимании. Мы считаем, что в 2025 году мы можем увидеть, как первые ИИ-агенты «станут частью трудовых ресурсов» и существенно изменят результаты деятельности компаний. […] Мы начинаем нацеливаться […] на сверхинтеллект в истинном смысле этого слова».
Если данный прогноз Альтмана оправдается, это будет иметь для человечества колоссальное значение. Ибо в сравнении с этим, любые события, кажущиеся нам сейчас сверхважными (типа завтрашней инаугурации Трампа), превращаются в проходящие малозначимые эпизоды на фоне погружения мира в черную дыру сингулярности.
Так что же такого произошло, в результате чего мир оказался вблизи сингулярности, т.к. прогнозы появления AGI стремительным домкратом обрушились на графиках вниз (см картинку поста с графиком от Exponentialview)?
Точно это знает лишь сам Сэм. Мне же видится, что наиболее простую и в то же время убедительную версию описал Гверн Бранвен в комментарии к посту Райана Кидда о последствиях новой парадигмы масштабирования вывода:
«Я думаю, что здесь не хватает важной части парадигмы масштабирования самостоятельной игры: большая часть смысла модели, такой как o1, заключается не в ее развертывании , а в генерации обучающих данных для следующей модели. Каждая проблема, которую решает o1, теперь является точкой обучающих данных для o3 (например, любой сеанс o1, который в конце концов натыкается на правильный ответ, может быть улучшен, чтобы устранить тупики и произвести чистую расшифровку для обучения более утонченной интуиции).»
Насколько это так, каждый читатель может сам проверить экспериментально, следуя простой инструкции из 4 пунктов.
1. Возьмите текст своей переписки с ChatGPT по задаче, которую последний не смог для вас удовлетворительно решить.
2. Отправьте этот текст на вход Клоду с просьбой решить-таки эту задачу.
3. Получите ответ Клода, который, с большой вероятностью, если даже не будет 100%но удовлетворяющим вас решением задачи, то, как минимум, окажется существенно лучше, чем ответ ChatGPT.
4. А теперь последний и самый интересный шаг. Поменяйте местами ChatGPT и Клод в пп 1-3 для какой-либо иной задачи. И с большой вероятностью вышеописанное повторится. Т.е. неважно, какой ИИ будет решать задачу первым. Главное, - что второй, воспользуется данными о решении задачи первым, и за счет этого решит ее лучше (говоря словами Гверна, «каждая проблема, которую решает o1, теперь является точкой обучающих данных для o3»).
Или еще пример из истории развития новых версий AlphaGo: AlphaGo Fan, AlphaGo Lee, AlphaGo Master и последняя из версий AlphaGo Zero, обучившаяся уже исключительно на играх с самой собой, без использования человеческих данных.
За 2 года условный рейтинг Эло новых версий вырос с 3300 (что было выше, чем у большинства профессионалов уровня чемпиона мира) до немыслимого для людей уровня 5185. После 2018 года компания DeepMind прекратила разработку и участие AlphaGo в официальных матчах, т.к. это стало неинтересно и бессмысленно – люди так и близко играть не могут.
Так вот. Если Гверн Бранвен прав, включился мощный эффект маховика данных, когда каждая новая модель порождает данные для обучения следующей, еще лучшей модели.
Но тогда прав будет и Сэм Альтман. А завтрашняя инаугурация Трампа из важнейшего мирового события четырехлетия превратится в малозначащий эпизод наступления на Земле эпохи сингулярности.
#AGI #Вызовы21века
👍15👀10😁3
Forwarded from Технозаметки Малышева
И ещё в копилку полезного:
Роботы-Сварщики на ИИ стероидах.
Машинное зрение позволяет двигать руку сварщика по любой сложной траектории всего за пару кликов.
Что-то вроде этого:
https://crprobot.en.made-in-china.com/product/NZDTGexcqAtn/China-China-Welding-Crobotp-Export-Package-Collaborative-Underwater-Rov-TIG-Welder-Robot-Arm-in.html
#robots #Китай
------
@tsingular
Роботы-Сварщики на ИИ стероидах.
Машинное зрение позволяет двигать руку сварщика по любой сложной траектории всего за пару кликов.
Что-то вроде этого:
https://crprobot.en.made-in-china.com/product/NZDTGexcqAtn/China-China-Welding-Crobotp-Export-Package-Collaborative-Underwater-Rov-TIG-Welder-Robot-Arm-in.html
#robots #Китай
------
@tsingular
👍8
Forwarded from Технозаметки Малышева
🤖 DIY Фьюжн: Как построить ядерный реактор на кухне (с помощью AI)
Чел собрал нейтронный фьюжн-реактор прямо у себя на кухне, используя AI как консультанта. 🔬
Технические детали:
- 30кВ/10мА электростатический преципитатор
- Вакуум 3 мТорр (это в 253,333 раз глубже атмосферного!)
- Bubble-детектор для подсчета нейтронов
- Самодельный дейтерий из тяжелой воды через электролиз
Самое крутое — весь процесс получения дейтерия обошелся всего в $112 ($32 за hydrocar PEM + $80 за 50г D2O). Из этого получилось целых 56 литров D2 газа! 🧪
Автор активно использовал Claude для:
- Отладки процессов
- Проверки безопасности
- Следования сложным инструкциям
Конечно, это не промышленный реактор, но как демонстрация возможностей AI-ассистированного DIY — просто 🔥
Сборка шла на стриме 36 часов подряд.
До этого он же пару месяцев назад собрал плазменный реактор.
Самое интересное, что он особо во всем этом не разбирался настолько детально, просто задавал вопросы Клоду.
Самостоятельное изучение предмета заняло бы тысячи, если не десятки тысяч часов.
Страшно, конечно, что любой энтузиаст может подобное с биологией провернуть и мы будем с ностальгией вспоминать летучих мышей ещё.
#AIinScience #DIY #реактор #NuclearFusion
———
@tsingular
Чел собрал нейтронный фьюжн-реактор прямо у себя на кухне, используя AI как консультанта. 🔬
Технические детали:
- 30кВ/10мА электростатический преципитатор
- Вакуум 3 мТорр (это в 253,333 раз глубже атмосферного!)
- Bubble-детектор для подсчета нейтронов
- Самодельный дейтерий из тяжелой воды через электролиз
Самое крутое — весь процесс получения дейтерия обошелся всего в $112 ($32 за hydrocar PEM + $80 за 50г D2O). Из этого получилось целых 56 литров D2 газа! 🧪
Автор активно использовал Claude для:
- Отладки процессов
- Проверки безопасности
- Следования сложным инструкциям
Конечно, это не промышленный реактор, но как демонстрация возможностей AI-ассистированного DIY — просто 🔥
Сборка шла на стриме 36 часов подряд.
До этого он же пару месяцев назад собрал плазменный реактор.
Самое интересное, что он особо во всем этом не разбирался настолько детально, просто задавал вопросы Клоду.
Самостоятельное изучение предмета заняло бы тысячи, если не десятки тысяч часов.
Страшно, конечно, что любой энтузиаст может подобное с биологией провернуть и мы будем с ностальгией вспоминать летучих мышей ещё.
#AIinScience #DIY #реактор #NuclearFusion
———
@tsingular
1👍17⚡6