🧬 Первый в мире «жидкий ИИ».
Похож на #ChatGPT, но прозрачен, энергоэффективен и почти в 500 раз дешевле.
Вчера самый популярный ИИ- стартап Бостона Liquid AI провел большое публичное мероприятие в MIT, чтобы продемонстрировать свои последние разработки, материализовавшие их «уникальный и революционный подход к ИИ» (видео рассказ о мероприятии).

«Мы создаем самые эффективные и самые мощные системы ИИ, которые вы еще не видели» и «Liquid AI делает возможным то, что до сих пор было невозможным» - объявил соучредитель Liquid AI Рамин Хасини, открывший мероприятие вместе с губернатором Маурой Хили.

Бостон Глоб дала своему репортажу об этом событии название «Маленькие черви, большие мечты: как мозг беспозвоночного вдохновил Бостон на самую большую добавку к ИИ» с подзаголовками «Liquid AI стремится стать ключевым событием, «подобным приезду Beatles в Америку» и «Модель ИИ LiquidAI отличается от модели LLM #OpenAI».

Последнее – чистая правда. Ибо 3 новых модели LiquidAI – это модели генеративного ИИ принципиально нового класса LFM (Liquid Foundation Models - Жидкие Базовые Модели), демонстрирующие топовую производительность при любом масштабе, и при занимающие ощутимо меньший объем памяти, обеспечивая более эффективные вывод.

Кроме того, LFM:
• снижает зависимость от облачных сервисов (что снижает затраты и потребление энергии), в результате чего модель может работать на смартфоне без Интернета;
• обеспечивает большую объяснимость и прозрачность, чем архитектуры на основе трансформаторов, потому что поведение моделей LFM можно перемотать назад, чтобы увидеть, как они произвели результат;
• разработка 3х моделей потребовала всего лишь $38 млн интвестиций (сравните с $17.9 млрд у OpenAI)

«Вдохновленная структурой мозга червя C. elegans, архитектура класса LFM не похожа ни на что из того, что предлагают OpenAI, 🧭oogle и их конкуренты, однако, она может предложить те же самые революционные приложения, используя при этом много меньше электричества» - сказал Рамин Хасини.

Кардинальное отличие вот в чем:
• Внутри обычной нейронной сети свойства каждого моделируемого нейрона определяются статическим значением («весом»), который влияет на порог его возбуждения.
• В жидкостной нейронной сети поведение каждого нейрона управляется уравнением, которое предсказывает его поведение с течением времени. Сама же сеть, в ходе своего функционирования, решает каскад связанных уравнений. Конструкция делает сеть более эффективной и гибкой, позволяя ей обучаться даже после обучения, в отличие от обычной нейронной сети.

Все это звучит, как сказка. Но попробуйте сами поиграть с «жидким ИИ-чатботом». Мне очень понравилось.

🧩 #КаталогНейросетей

🧬 Российские телеканалы требуют от Google 2 ундециллиона рублей из-за блокировки их аккаунтов на YouTube 🎬

Вот, как это число выглядит:

2 000 000 000 000 000 000 000 000 000 000 000 000 000

Причем число удваивается каждую неделю из-за неустойки и без ограничения общего штрафа.

В мире не существует такой суммы денег, но с решением суда не поспоришь — видимо американцам придется напечатать.😂

🧩 #AINews

🧬 🧭oogle встроит «Джарвис» в Chrome

В компании кто-то словил сильную ностальгию по первой фазе киновселенной Marvel и решил назвать будущего ассистента для 🧭oogle Chrome «Джарвис». Новинка будет построена на пока не анонсированной версии Gemini. Главная цель — это автоматизация ваших привычных задач при работе в браузере.

«Джарвис» будет способен на уже привычные всем сбор информации и её резюмирование, автоматизацию покупок в интернете и, как пример, бронирование билетов.

Aссистента анонсируют в декабре, однако эти планы могут измениться. Google также может предоставить доступ к новинке только тестерам, чтобы избавиться от багов.

🧩 #AINews #Gemini

🧬 Мне такое надо.

🧩 ##ИИскусство 🍏

🧬 Boston Dynamics наконец нормально показали нового Атласа.

На видео он перемещает крышки двигателя между контейнерами поставщика и специальной тележкой для сборки. Роботу дают список, откуда и куда нужно переместить детали.

Атлас использует Computer Vision, чтобы распознавать объекты вокруг и находить нужные контейнеры [0:36]. Он применяет специальный способ захвата и постоянно следит за положением предметов, чтобы аккуратно выполнять задачу.

Круто, что движения робота не задаются заранее и не управляются оператором; все действия он выполняет сам в режиме реального времени. Атлас может замечать и реагировать на изменения в окружающей среде (например, если что-то рядом двигается) и на ошибки (например, если крышка не вставилась, робот споткнулся или столкнулся с чем-то [1:24]). Для этого он использует зрение, датчики силы и внутренние сенсоры.

Еще он забавно крутит головой и телом на 1:00 - получаются неестественные развороты. 😂

🧩 #РоботыВокругНас

🧬 ИИ-система AlphaFold от 🧭oogle DeepMind, недавно принесшая своим разработчикам Нобелевскую премию по химии, предсказывает трехмерную структуру того, как молекула связывается с целевым белком. Это очень круто, но совершенно недостаточно для ощутимого сокращения времени (10-15 лет) и денег ($1-2.6 млрд на препарат), необходимых для вывода новых лекарств на рынок.
Стартап Iambic продвинулся дальше DeepMind, использовав ИИ-модель, с высокой точностью предсказывающую, насколько хорошо человеческий организм будет усваивать конкретный препарат-кандидат, на основании результатов, сверенных с реальными данными.

Успех препарата-кандидата определяется его фармакокинетическими, эффективными и токсичными свойствами. Эти свойства и прогнозирует разработанная Iambic модель обнаружения лекарств на основе ИИ под названием «Enchant». Точность прогнозирования составляет 0,74 (предыдущие модели достигли только 0,58).

Использование Enchant может вдвое сократить инвестиции, необходимые для разработки фармацевтических препаратов, поскольку их разработчики могут увидеть, насколько успешным может быть лекарство, на самой ранней стадии разработки.

Чтобы оценить, насколько трудно было стартапу Iambic совершить этот прорыв, взгляните на огромную толпу компаний (8600+), рвущихся сорвать банк в индустрии «ИИ в биомедицине» (на рис. сверху). Да и в сегменте «Аналитические ИИ-платформы для разработки лекарств» (на рис. внизу) довольно тесно - 950 компаний. (3 года назад было вчетверо меньше).🤷‍♂

🧩 #МедИцИна