Apple активно расширяет присутствие в Китае, открыв десятки вакансий в сферах ИИ, машинного обучения, инфраструктуры данных и соблюдения нормативных требований.
Google DeepMind и Google Research представили новую модель искусственного интеллекта для прогнозирования погоды — WeatherNext 3. Она точнее распознаёт изменения атмосферы и чаще выдаёт прогнозы, чем предыдущие версии.
Обучение одних ИИ-моделей другими становится всё более популярной целью для нейролабораторий. Исследователь из программы Anthropic Fellows впервые показал, как это может работать на практике.
Physical AI остаётся одним из самых горячих направлений венчурных инвестиций — компании привлекают миллиарды, пытаясь перенести инструменты больших языковых моделей в робототехнику.
Заставить ИИ-агентов эффективно работать оказалось сложнее, чем ожидали многие компании. Но на помощь приходит новое поколение стартапов, которые ищут способы тестировать и обучать агентов перед их внедрением — особенно в условиях сложной корпоративной среды.
ONNX Runtime — это кроссплатформенный ускоритель для инференса и обучения моделей машинного обучения. Он поддерживает модели из PyTorch, TensorFlow/Keras, а также классических библиотек (scikit-learn, LightGBM, XGBoost). Благодаря оптимизации графов и использованию аппаратных ускорителей, решение обеспечивает высокую производительность на различном оборудовании и операционных системах.
Китайские метеорологи продемонстрировали, что миллионы обычных смартфонов можно превратить в сверхплотную сеть датчиков для прогнозирования гроз и града. Эти опасные природные явления до сих пор плохо поддаются точному предсказанию и угрожают людям и сельскому хозяйству.
Бренд-директор по машинному обучению в «Яндексе» Пётр Ермаков рассказал РБК, как компания обучает ИИ-модели давать корректные ответы. По его словам, процесс состоит из нескольких этапов и требует привлечения профильных специалистов.
Компания Pathway заявила, что высокая стоимость работы с системами ИИ чаще всего связана не с реальными возможностями моделей, а с их архитектурой. Чтобы доказать это, лаборатория представила альтернативный подход, который, по её словам, открывает новое соотношение интеллекта и затрат.
FaceSwap — инструмент на основе глубокого обучения, который распознаёт и заменяет лица на фотографиях и в видео. В примерах проекта показаны замены Эммы Стоун и Скарлетт Йоханссон на модели Phaze-A, а также Дженнифер Лоуренс и Стива Бушеми на модели Villain.
Работа строится из нескольких этапов: извлечение лиц, обучение модели, конвертация результата. Доступен графический интерфейс. Перед стартом разработчики советуют изучить файл INSTALL.md, а за помощью обращаться в Discord-сервер или на форум проекта.