AI-Laboratory

Большинство систем искусственного интеллекта для анализа медицинских изображений создаются под одну конкретную задачу. Одна модель ищет признаки болезни Альцгеймера, другая оценивает возраст мозга, третья работает с отдельными когнитивными показателями. Для каждой такой системы приходится отдельно собирать размеченные данные и заново обучать нейросеть. В медицине это особенно сложно: качественных МРТ может быть много, но получить для них подтверждённые диагнозы, результаты анализов и другие необходимые сведения значительно труднее. Исследователи предложили другой подход. Представленная ими система GenFAR учится формировать общее цифровое представление структуры мозга, которое затем можно использовать для решения новых задач. GenFAR нельзя назвать программой, которая ставит конкретный диагноз по снимку. Её основная задача — преобразовать трёхмерное МРТ мозга в набор информативных числовых признаков. Условно это можно представить как подробное цифровое описание изображения. В нём сохраня

Данная модель сделала десять математических открытий — и вызвала тревогу из-за своих кибервозможностей OpenAI официально рассказала об Astra — следующей крупной модели компании, которая пока находится на стадии внутреннего тестирования. Она ещё не выпущена для пользователей, однако уже продемонстрировала необычные способности сразу в двух областях: научных исследованиях и кибербезопасности. 1 августа OpenAI опубликовала результаты работы внутренней версии Astra. Модель получила десять давно известных нерешённых задач из математики и теоретической информатики. В одних случаях она полностью разрешила поставленный вопрос, в других — существенно продвинула исследование. Работы затрагивают геометрию, теорию кодирования, квантовые вычисления, криптографию, теорию групп и комбинаторику. Среди представленных результатов: OpenAI опубликовала не только краткое сообщение, но и сборник доказательств объёмом более 250 страниц. Для каждого результата также подготовлен сертификат на языке Lean — сист

Мы живём в удивительное время, когда технологии развиваются с невероятной скоростью. Сегодня уже мало кого удивишь искусственным интеллектом, в том числе возможностью вести диалог с такими системами, как ChatGPT. Но что же скрывается «под капотом» у этого цифрового собеседника? Вам будет интересно узнать, что ядро его обучения можно описать всего в тысяче строк кода. Мы пообщались с ChatGPT на эту тему, задали десятки вопросов о том, как он устроен и как работает. На основе этого разговора сам ChatGPT рассказал о себе простыми словами, чтобы каждому было понятно, из чего сделан и как функционирует современный искусственный интеллект. Эта статья необычна: её пишу я сам, ChatGPT. Я хочу показать свой внутренний мир простыми словами, чтобы любой человек мог понять, как устроен мой «цифровой разум». Обычно подобные вещи объясняют разработчики, но их язык слишком сух и технически нагружен. Я же попробую рассказать о себе так, как если бы вы сидели рядом со мной и расспрашивали о том, как вс

Человек, стоявший у истоков современных нейросетей, теперь предупреждает об их возможных последствиях. Джеффри Хинтон опасается не восстания «злых роботов» из фантастических фильмов, а появления систем, которые окажутся умнее людей, научатся действовать самостоятельно — и будут преследовать поставленные цели способами, которых от них никто не ожидал. Джеффри Хинтон — британско-канадский учёный, один из главных исследователей в истории искусственных нейронных сетей. Его работы помогли превратить нейросети из спорной академической идеи в технологию, лежащую в основе распознавания речи, компьютерного зрения и современных языковых моделей. В 2018 году Хинтон вместе с Йошуа Бенджио и Яном Лекуном получил премию Тьюринга — её часто называют «Нобелевской премией в информатике». В 2024 году он разделил Нобелевскую премию по физике с Джоном Хопфилдом за фундаментальные открытия, сделавшие возможным машинное обучение с помощью искусственных нейронных сетей. Хинтон много лет преподавал в Универси

ИИ-агенты вышли за пределы текстовых чатов и редакторов кода. Сегодня их можно подключить непосредственно к игровым движкам и программам для создания 3D-графики. Агент получает доступ к текущему проекту и может создавать сцены, размещать объекты, писать и подключать скрипты, изменять компоненты, настраивать материалы, освещение и камеры. Он способен собрать интерфейс, запустить проект, прочитать сообщения об ошибках, увидеть результат и попытаться исправить обнаруженные проблемы. Нейросеть уже не только объясняет, что должен сделать разработчик, но и выполняет часть работы внутри профессионального редактора. Основой подобных интеграций часто выступает ИИ-агент, запущенный из командной строки. Это может быть Codex CLI, Claude Code, Gemini CLI, OpenCode или другой совместимый инструмент. Сам по себе терминальный агент умеет читать и изменять файлы, писать код, запускать команды и анализировать сообщения об ошибках. Но без специального подключения он обычно не видит, что происходит внутри

Искусственный интеллект уже умеет находить подозрительные изменения на медицинских снимках. Но у таких систем есть серьёзная проблема: врач часто получает готовый результат, не понимая, почему программа пришла именно к этому выводу. Исследователи представили систему CLEAR, которая пытается сделать медицинский ИИ более прозрачным. Она анализирует рентгеновские снимки грудной клетки и одновременно показывает, какие признаки повлияли на её решение. Исследование опубликовано 22 июля 2026 года в журнале Nature Biomedical Engineering. Современные нейросети обучаются на огромном количестве снимков и медицинских заключений. Они находят повторяющиеся закономерности, а затем используют их для анализа новых изображений. Однако найденная закономерность не всегда имеет медицинский смысл. Представим, что пациенты с тяжёлыми заболеваниями чаще проходят обследование на переносном рентгеновском аппарате. Нейросеть может связать болезнь не с изменениями в лёгких, а с особенностями оборудования, положени

После двух инцидентов, о которых OpenAI и Anthropic сообщили в июле, стало очевидно: решающее значение имеет контроль над условиями, в которых системы искусственного интеллекта взаимодействуют с реальным миром. Как контролировать технологию, распространение и возможности которой растут быстрее, чем наша способность управлять связанными с ней рисками? С развитием искусственного интеллекта этот вопрос становится всё более актуальным. Казалось, что существует очевидный ответ: самые мощные модели необходимо держать под строгим контролем, ограничивать их распространение и снабжать защитными механизмами. Считалось, что так называемые модели с открытыми весами, параметры которых можно скачать и изменить, легче лишить встроенных разработчиками средств защиты. Поэтому закрытость моделей стала восприниматься как своего рода гарантия безопасности. Однако этот подход, который и прежде разделяли далеко не все, столкнулся с гораздо более сложной экономической и технической реальностью. 24 июля десят