«Мы не рождены, чтобы работать», - Билл Гейтс о будущем рынке труда и общества.

Гейтс дал свежее интервью в Индии, где он высказал основную мысль, что традиционная концепция работы как средства выживания в условиях ограниченных ресурсов — устаревает благодаря технологическому прогрессу.

Гейтс говорит, что с развитием ИИ, робототехники человечество приближается к состоянию, когда производство основных благ может быть полностью автоматизировано и человечеству не нужно работать.

Одновременно с этим он отмечает тренд, что чем богаче страна, тем меньше у нее население, чем образованнее человек, тем меньше у него детей.

За последний час OpenAI добавили 1 млн пользователей.

Сэм Альтман говорит, когда запускался ChatGPT, они добавили 1 млн пользователей за 5 дней. А теперь за 1 час! И все это вирусная история с созданием картинок.

Сегодня были ещё цифры, что #DeepSeek превосходит ChatGPT по ежемесячному трафику.

Согласно данным аналитической платформы aitools. xyz.,
#DeepSeek достиг 525 млн посещений в феврале, превзойдя 500 миллионов ChatGPT.

Сейчас DeepSeek занимает 6,58% доли рынка - это 3-е место после ChatGPT (43,16%) и Canva (8,27%).

Это не шутки: OpenAI выпустят open weights модель, а еще привлекли $40млрд при оценке в $300 млрд

OpenAI объявила о намерении выпустить свою 1-ю модель с открытыми весами со времён GPT-2. Это будет не полностью открытая модель, а модель с открытыми весами.

Разработчики получат доступ к обученным параметрам модели (весам), которые можно будет использовать для анализа и тонкой настройки под конкретные задачи. Однако исходный код, данные для обучения и методологии останутся закрытыми. Это отличается от полностью открытой модели, где всё, включая код и данные, доступно публично.

Цель - OpenAI хочет собрать обратную связь от разработчиков и исследователей, чтобы улучшить модель.

Они пошли на этот шаг из-за давления со стороны конкурентов - DeepSeek. Однако это вряд ли будет их самая передовая модель (например, GPT-4.5 или будущий GPT-5), так как OpenAI, скорее всего, сохранит свои флагманские технологии за закрытыми дверями из коммерческих соображений.

Также OpenAI объявила о завершении крупнейшего в истории раунда инвестиций частной технологической компании, привлекла $40 млрд.

После раунда OpenAI оценивается в $300 млрд, включая новые инвестиции. Это почти вдвое больше, чем предыдущая оценка в $157 млрд, установленная в октябре 2024 года, когда компания привлекла $6.6 млрд.

Раунд возглавил SoftBank, который инвестировал $30 млрд. Оставшиеся $10 млрд поступили от синдиката инвесторов, включая Microsoft, Coatue Management, Altimeter Capital, Thrive Capital, Magnetar Capital и Founders Fund.

Структура инвестиций

Первоначально OpenAI получила $10 млрд: $7.5 млрд от SoftBank и $2.5 млрд от синдиката инвесторов. Оставшиеся $30 млрд ($22.5 млрд от SoftBank и $7.5 млрд от синдиката) должны поступить к концу 2025 года, но с важным условием: OpenAI должна завершить переход в полностью коммерческую структуру к этому времени. Если этого не произойдёт, SoftBank может сократить свои инвестиции до $20 млрд.

Лаба AGI Amazon представила систему ИИ-агентов для браузеров

Amazon AGI Lab разработали ИИ-модель Nova Act и сопутствующий SDK, которые вместе позволяют создавать надежные ИИ-агенты для браузеров. https://news.1rj.ru/str/alwebbci/3154

Amazon не выпустили готовую систему агентов для конечных пользователей, а предоставили разработчикам инструмент для создания таких агентов.

Amazon используют эту технологию внутри своих продуктов, например, в Alexa+.

Китайский SMIC начнет производство 5-нм чипов в 2026г., несмотря на отсутствие EUV-оборудования, с ожидаемым выходом годных чипов около 30% и ценой на 50% выше, чем у TSMC.

Это скорее символическое достижение, чем конкурентоспособное решение.

Но оно позволит Китаю укрепить внутреннее производство, особенно для Huawei, но не угрожает лидерству TSMC или Samsung в ближайшем будущем.

Если Китай разработает собственные EUV-машины, ситуация может измениться, но пока это остается в области слухов и предположений.

Ученый ИИ-агент сделал 19 потенциальных открытий, 6 из них подтверждены экспертами-людьми

Ai2 представили CodeScientist — опен сорс ИИ-агент, который генерирует научные гипотезы, проводит эксперименты и анализирует результаты.

В ходе тестирования CodeScientist проанализировал ~ 50 научных статей в ИИ и виртуальных сред.

19 экспериментов система самостоятельно отметила как потенциальные открытия. После проверки человеком-экспертом 6 из них были признаны обоснованными научными находками.

Ранее был представлен ИИ-агент The AI Scientist-v2, который успешно опубликовал научную статью, прошедшую рецензирование на воркшопе ICLR 2025. Смотрите отличие 2-х агентов на картинке.

Несмотря на успехи CodeScientist, система сталкивается с рядом вызовов:

1. Более половины экспериментов заканчиваются неудачей из-за проблем с отладкой

2. Языковые модели по-прежнему "как младшие научные сотрудники", требующие наставничества

3. Открытия носят инкрементальный характер, а не революционный.

Конкуренция накаляется - DeepMind ввела 6-ти месячное эмбарго на публикации стратегических работ о генИИ

Компания решила не раскрывать инновационные работы, которые могли бы быть использованы конкурентами.

Напомним, что работа Google по трансформерам от 2017 года сыграла центральную роль в создании современного бума генеративного ИИ.

Это большие изменения для DeepMind, которая ранее гордилась своей репутацией в публикации новаторских исследований.

Такая ситуация ярко показывает конкуренцию в ИИ и смещение от более открытого обмена исследованиями к более защищенному подходу для сохранения коммерческих преимуществ.

❗️DeepMind разработали метод, который меняет взаимодействие ИИ и человека

Авторы, среди которых Дэмис Хассабис, разработали специальный метод, чтобы "заглянуть в голову" шахматному ИИ AlphaZero и найти там новые идеи игры, которые он сам открыл.

Это одна из первых работ, демонстрирующих систематический подход к извлечению знаний, которые ИИ развил самостоятельно и которые отсутствуют у людей.

Исследование предоставляет доказательства существования знаний, которыми владеет ИИ, но не люди, через анализ ранга представлений.

Эти уникальные для ИИ знания могут быть успешно переданы даже экспертам высочайшего уровня (чемпионам мира по шахматам).

Предложенный метод может служить основой для извлечения знаний из ИИ в других областях помимо шахмат.

Эта работа имеет последствия для будущего взаимодействия людей и ИИ, предполагая новую парадигму, где ИИ не просто помогает людям решать задачи, но и расширяет границы человеческих знаний и способностей через обучение людей новым концепциям, которые были открыты ИИ самостоятельно.

Глава крупнейшего инвестфонда в мире: будущее финансов за токенизацией активов. Это полная реорганизация глобальной финсистемы.

Ларри Финк, CEO BlackRock, в своем ежегодном письме представил видение финансового будущего через токенизацию активов.

Финк продвигает токенизацию как область, где BlackRock планирует доминировать.
Токенизация — масштабная реорганизация глобальной финансовой системы, где BlackRock стремится занять ключевую позицию.

Компания готовится стать инфраструктурным гигантом в этой сфере через стратегические приобретения - особенно Preqin для данных и аналитики, что критично для токенизации активов.

Токенизация превращает реальные активы в цифровые токены на блокчейне, обещая мгновенные транзакции и дробную собственность.

Скрытая стратегия BlackRock -
централизованный контроль. Хотя Финк говорит о децентрализации и демократизации, фактически он предлагает централизованную модель токенизации под контролем крупных институтов, где BlackRock будет ключевым игроком. Это не полностью децентрализованная модель, как в криптовалютах.

Стратегическое доминирование - покупка GIP, Preqin и HPS позиционируют BlackRock как инфраструктурного гиганта в сфере токенизации.

Конкуренция с криптовалютами - Финк говорит о рисках биткоина для $, но одновременно BlackRock запустил Bitcoin ETF, который привлек $50 млрд. Это говорит о двойной стратегии: конкурировать с "неконтролируемыми" криптовалютами путем создания "регулируемой токенизации", которая будет под контролем традиционных финансовых институтов.

Захват частных рынков - под видом "демократизации" BlackRock получает контроль над огромными потоками капитала в частные рынки - 81% американских компаний с доходом более $100 млн — частные.

Пенсионная стратегия - Финк делает акцент на пенсионном кризисе, обосновывает привлечение масс к токенизированным инвестициям.

Контроль инфраструктуры. Токенизация — инструмент, позволяющий BlackRock стать посредником между массовыми инвесторами и $68трлн инфраструктурой будущего, получая беспрецедентное влияние на дата-центры для ИИ и энергетические ресурсы.

Альтернатива SWIFT - Финк фактически предлагает замену устаревшей системе SWIFT, что имеет геополитические последствия.

Рынок нейроинтерфейсов оценен в $400 млрд, и его лидер не Neuralink

Рынок интерфейсов мозг-компьютер (BCI) переживает взрывной рост и переходит из исследовательской стадии в коммерческую реальность, говорится в свежем отчете.

Несмотря на PR от Маска не Neuralink, а компания Synchron показывает высокие результаты:

1. 1-я получила разрешение FDA на клинические испытания своей системы. Разработала минимально инвазивную эндоваскулярную технологию Stentrode.

2. Обладает обширным патентным портфелем, включающим 16 групп связанных технологий (всего 118 патентных документов)

3. Заключила стратегическое партнерство с Nvidia в 2025 году.

А у Neuralink есть :
- Имплант N1 с 1024 электродами и роботизированная система имплантации
- Капитализация в $7.8 млрд - высшая оценка среди частных BCI-компаний
- Начало клинических испытаний PRIME с первой имплантацией человеку в январе 2024
- 87 патентных документов в 31 группе связанных технологий.

Победителями в этой гонке станут компании, которые:

1. Интегрируют интеллектуальную собственность в свою бизнес-стратегию, а не просто накапливают патенты

2. Выстраивают защитимые рыночные позиции на ранних этапах

3. Согласовывают технологию с правильным регуляторным путем и моделью возмещения затрат.

Meta* выпускает AR-очки с браслетом, реагирующим на электрические импульсы мышц

К концу 2025 года нас ждут новые умные очки Hypernova от Meta*, в отличие от Ray-Ban серии они получат монохромный дисплей в правой линзе и будут работать на собственной ОС Android.

Представьте, уведомления, навигационные подсказки, фотографии — всё это прямо перед глазами, в очках.

Камера будет на уровне iPhone 13, что значительно лучше, чем у предыдущего поколения умных очков.

Но самая интересная часть — это браслет-контроллер Ceres с технологией электромиографии (ЭМГ). Он считывает электрические импульсы мышц.
То есть, когда человек делает едва заметный жест пальцами,
браслет улавливает сокращения мышц запястья, и очки мгновенно выполняют команду. Без прикосновений к очкам или голосовых команд.

Ожидаемая цена — от $1000 до $1400.

*запрещенная организация в России.,

Aetherflux привлек $50млн на коммерциализацию солнечной энергии из космоса

Стартап Aetherflux основан Байджу Бхаттом, одним из сооснователей цифровой финансовой платформы Robinhood.

В команде экс-сотрудники NASA/JPL, SpaceX, Lockheed Martin, Anduril и ВМС США.

Сейчас стартап привлек $50 млн в серии A в том числе от Влада Тенева, Robinhood, Index Ventures, Interlagos, Breakthrough Energy Ventures, Andreessen Horowitz, NEA и других.

Компания уже провела успешную передачу энергии в лаборатории и теперь работает над испытаниями основных технологий в уменьшенном масштабе.

Aetherflux планирует провести демонстрацию передачи энергии с низкой околоземной орбиты в 2026 году.

⚡️Google считает, что AGI будет создан до 2030 и нет ограничений на превосходство ИИ над человеком

Google DeepMind выпустили исследование о безопасности AGI, совмещая теоретический анализ с конкретными техническими решениями.

Исследователи говорят, что:

1. AGI может появиться к 2030 году.

Сегодняшние модели ИИ ещё не достигли опасного уровня возможностей.

2. Нет фундаментальных ограничений на превосходство ИИ над человеком.

3. Возможен сценарий ускоренного развития - это, когда ИИ автоматизирует исследования → создаются лучшие ИИ → еще больше автоматизации.

Авторы отмечают, что это создает свои проблемы, поскольку нам нужно быть уверенными, что системы ИИ, работающие над безопасностью, сами безопасны и согласованы с нашими целями.

Центральным моментом работы является обоснование перехода от традиционной модели "наблюдать и смягчать" к превентивному подходу.

Авторы также указывают, что внутренние алгоритмы "обмана" и "честного поведения" должны различаться, и интерпретируемость может помочь распознать эти различия. Это потенциально критический инструмент для проверки согласованности.

Глава ЦБ предложила повысить ответственность за использование криптовалют в расчетах внутри России

"Наша позиция неизменна - нельзя позволять крипте проникать во внутреннее денежное обращение, расчеты внутри страны.

Здесь мы предлагаем усилить ответственность за использование крипты в расчетах внутри страны", - сказала она.

При этом она напомнила, что ЦБ предлагает разрешить инвестировать в российской инфраструктуре в криптовалюты особо квалифицированным инвесторам.

Параллельно с непринятием ЦБ крипты, Deloitte выпустили о стейблкоинах отчет, они назвали 2025 годом платежных стейблкоинов

Наблюдается переход от использования стейблкоинов только в крипто-среде к платежам и переводам в традиционной финансовой системе. Этому способствует глобальное принятие стейблкоинов.

Капитализация стейблкоинов выросла до более $200 млрд.

Deloitte прогнозирует, что стейблкоины начнут конкурировать с традиционной платежной инфраструктурой, а это приведет к дезинтермедиации существующих финансовых систем.

Прогнозируется также формирование взаимосвязанной экосистемы с различными участниками (эмитенты, банки-хранители, транзакционные банки, поставщики услуг), что создаст новые возможности для бизнеса.

Российского инженера арестовали за кражу и передачу данных от ASML,TSMC, NXP, и GlobalFoundries в Россию

Целью, предположительно, было помочь России создать производство микрочипов с использованием технологии 28 нм.

Он передал сотни конфиденциальных документов: 105 внутренних документов ASML и 88 файлов, связанных с TSMC, и материалы от GlobalFoundries и NXP, включая руководства по производству полупроводников и информацию о различных машинах для производства чипов.

Он якобы заработал на этом около €40,000. За свои действия он теперь может получить от 18 до 32 месяцев тюрьмы в Нидерландах.

CAMEL-AI запустили систему,где ИИ сам создает данные для обучения в физике, математике и других сложных областях

Project Loong автоматически создает, верифицирует и использует синтетические данные для обучения LLM в узкоспециализированных доменах (физика, математика, биология).

Система использует комбинацию кода и цепочек рассуждений для проверки корректности и обучает модели через RL на верифицированных примерах.

Ключевые преимущества:

1. Нулевая зависимость от размеченных данных

2. Автоматическая верификация ответов

3. Специализация в 8 сложных доменах

Полностью открытый исходный код

Как это работает?
Небольшой seed-датасет →
Генерация синтетических примеров →
Двойная верификация через код и рассуждения →
RL-обучение на проверенных данных →
Улучшение генерации

HuggingFace
GitHub

⚡️Google DeepMind сделали прорыв в обучении ИИ: алгоритм обучается как человек через "воображение" последствий своих действий. И это опен сорс

В то время как большинство алгоритмов требуют тщательной настройки под каждую задачу, Dreamer V3 превосходит специализированные методы в более чем 150 разнообразных задачах с одними и теми же настройками.

Dreamer буквально "мечтает" о возможных действиях и их последствиях, используя нейронную сеть, которая строит внутреннюю модель мира.

Алгоритм учится в своем воображении, а не только на реальных взаимодействиях.

Dreamer стал 1-м алгоритмом, который смог добыть алмазы в Minecraft с нуля без обучения на человеческих данных, без учебных сценариев, без подсказок. Это задача, требующая планирования на десятки шагов вперёд в открытом мире с минимальными подсказками.

Практические применения:от робототехники до автоматизации сложных процессов в промышленности

От игр к реальному миру -
сегодня Dreamer добывает алмазы в Minecraft. Завтра подобные алгоритмы могут решать реальные задачи — от оптимизации движения транспорта до управления промышленными процессами.

Мы приближаемся к созданию ИИ-систем, способных обучаться и адаптироваться более естественным, "человеческим" способом — не просто методом проб и ошибок, а через понимание причинно-следственных связей и мысленное моделирование будущего.

GitHub

Экс-сотрудник Tesla создал ИИ-агент для сверхбыстрого управления компьютером

Стартап General Agents, основанный экс-сотрудником Tesla, представил Ace — специализированный агент для сверхбыстрого выполнения компьютерных задач.

Ace напрямую управляет вашим компьютером через мышь и клавиатуру — видит и взаимодействует с интерфейсами так же, как человек, но намного быстрее.

Использует frontier reasoning models для сложных задач и новую парадигму поведенческого обучения.

В то время как Microsoft, Google и другие компании развивают ассистентов, интегрированных через API, Ace делает ставку на универсальный подход — через компьютерное зрение он видит экран и напрямую управляет мышью и клавиатурой, подобно человеку, но с невероятной скоростью. Это позволяет ему работать с любым ПО без дополнительной разработки интеграций.

Может работать с любыми интерфейсами без специальной интеграции — от поиска авиабилетов до выбора и отправки фотографий.

Проект пока находится в стадии research preview.

Anthropic опубликовали отчет о том, как люди используют ИИ: паттерны сотрудничества и автоматизации

Это 2-й индекс экономики об использовании Claude 3.7 Sonnet.

В условиях растущего внедрения ИИ в рабочие процессы данные Anthropic показывают разительные различия между отраслями:

Социальные службы и здравоохранение предпочитают обучение и совместную работу с ИИ — до 55% взаимодействий приходится на образовательные цели

Искусство, медиа и защитные службы лидируют в автоматизации — более 47% задач делегируются ИИ напрямую

Технические специалисты активнее всех используют обратную связь (24%) и "расширенное мышление" (40%)

Пищевая индустрия показывает наивысший уровень итеративной работы (40%) — постоянное улучшение результатов с помощью ИИ

Чем более творческая или эмоциональная работа, тем меньше в ней прямого делегирования ИИ.

Данные выявляют тренд - вместо полного замещения, большинство профессионалов используют ИИ как дополнение и обучающий инструмент, формируя гибридную модель работы, адаптированную под специфику отрасли.

При этом наблюдается рост взаимодействий в образовательной сфере с 23% до 28%.

Это говорит о том, что ИИ находит свое место в обучении и передаче знаний.

Первый индекс экономики Anthropic здесь.

#DeepSeek представили технологию, превращающую 27млрд-модель в конкурента GPT-4o

DeepSeek развивает новый тренд в ИИ - масштабирование моделей через оптимизацию вывода (inference) вместо увеличения размера моделей.

Этот тренд уже начали показывать Databricks и Camel-AI.

SPCT (Self-Principled Critique Tuning) – это новый метод, который позволяет значительно улучшить эффективность моделей вознаграждения без увеличения размера модели.

SPCT работает через генерацию принципов оценки на лету и параллельную выборку нескольких наборов оценок, которые затем агрегируются для получения более точного результата.

Этот подход не требует специально размеченных данных для оценки качества ответов в каждом домене – модель сама определяет релевантные критерии и применяет их к оценке.

Эмпирические исследования показывают, что DeepSeek-GRM-27млрд с использованием 32 параллельных выборок превосходит Claude 3.5 Sonnet, GPT-4o и Nemotron-4-340млрд-Reward на стандартных бенчмарках оценки LLM, что эквивалентно производительности моделей с 671млрд параметров — в ~25 раз больше параметров.

SPCT подходит для:

1. Создания специализированных LLM с помощью RLHF с использованием меньшего количества вычислительных ресурсов

2. Повышения качества существующих моделей через более точные оценки их ответов

3. Гибкого управления балансом качества и стоимости в зависимости от конкретных задач

4. Разработки систем с улучшающимся циклом использования – чем больше запросов обрабатывает система, тем лучше она становится.