Гарвардская бизнес-школа расширяет охват, внедряя ИИ-аватары для индивидуальной обратной связи. Технологию создал стартап HeyGen, и она используется в восьминедельном bootcamp Foundry для предпринимателей (стоимость — $699).
Спрос на уникальные данные для обучения ИИ от крупных лабораторий и корпораций вызвал бум у стартапов по разметке данных. Один из них — Micro1, четырехлетний стартап, увеличивший валовой годовой доход с $100 млн до $500 млн за восемь месяцев. Удерживая 60–70% этой суммы, чистый годовой доход компании составляет $150–200 млн.
Amazon скупает редкие книги, разрезает их и сканирует для обучения своих ИИ-моделей. Журналисты 404 Media отследили книгу с трекером до склада Amazon в Лас-Вегасе, известного как VGT3.
Разработчики ИИ скупают миллионы подержанных книг через посредников, чтобы получить качественные данные для обучения моделей. Это позволяет избежать критики за использование некачественного интернет-контента.
ИИ развивается быстрее, чем пользователи успевают за ним. Молодым специалистам нужно активно обновлять знания. ИИ эффективен как средство обучения, имитируя сложные проблемы.
DeepTutor — открытая платформа для персонализированного обучения на протяжении всей жизни. Она предоставляет интеллектуальных агентов-партнеров с собственными знаниями и навыками. Поддерживает движки поиска LightRAG, FAISS и GraphRAG, а также различные парсеры документов.
Курс по AI для начинающих охватывает 12 недель и 24 урока. В него входят практические задания, викторины и лабораторные работы. Вы изучите TensorFlow, PyTorch и основы этики искусственного интеллекта.
Курс знакомит с разными подходами: символьный AI, нейронные сети, глубокое обучение, генетические алгоритмы и мультиагентные системы. Не рассматриваются бизнес-кейсы, классическое машинное обучение и облачные фреймворки.
Журналист Atlantic Алекс Рейснер обнаружил четыре набора музыкальных данных для обучения ИИ. Два из них огромны — 12 и 9 миллионов треков. Остальные содержат более 100 000 песен каждый.
Nvidia представила группу роботов с ИИ-агентами, которые самостоятельно обучаются высокоточным задачам. Машины ищут визуальные подсказки, экспериментируют и повторяют попытки. В проекте ENPIRE использованы агенты OpenAI Codex, Claude Code и Kimi Code. Восемь роботов параллельно исследуют среду — это значительно ускоряет обучение. На демонстрации роботы устанавливают видеокарту в материнскую плату, сортируют металлические штифты и обрезают пластиковые хомуты. Для сборки ПК одна манипуляторная рука передает видеокарту другой, которая аккуратно вставляет её в слот PCIe.
Большие языковые модели склонны верить ложной информации, даже при прямом указании на её ложность. В эксперименте учёные сгенерировали документы, подтверждающие вымышленные факты (например, победу Эда Ширана в беге), и обучили на них модели. Уровень доверия вырос с 2,5% до 92,4%.