ainews
Создать
Войти
Google Research выпустил Biomarker Discovery Framework — мультиагентную AI-систему, которая автоматизирует поиск клинически значимых биомаркеров в данных с фитнес-трекеров и умных часов. Система прошла валидацию на 9279 наблюдениях, выявив связи между паттернами сна и депрессией, а также между физической активностью и метаболическими нарушениями.
Исследователи протестировали 9 моделей (GPT-4o, Claude, DeepSeek-R1, Qwen и др.) и выяснили: просьба к модели отвечать короче экономит до 3× на API-вызовах без потери точности, а сокращение входного промпта увеличивает расходы на 96% — модель компенсирует длинными ответами. Claude Code уже добавила режим concise output.
DeepMind опубликовал хронику своих 15 лет исследований AI в играх — от первых алгоритмов обучения с подкреплением до партнёрства с создателями EVE Online. Теперь космический симулятор станет полигоном для тренировки универсальных AI-агентов в сложной многопользовательской среде.
Исследование 27 000 школьников в Китае показало: ИИ-помощники повышают оценки за домашние задания на 18%, но на экзаменах без доступа к ИИ те же ученики проваливаются на 20% хуже сверстников. Эффект подтверждён: ИИ даёт костыль, но не обучает.
Исследователи из Hume AI доказали, что лидеры ASR-бенчмарков заучивают транскрипты тестовых наборов VoxPopuli и LibriSpeech вместо распознавания речи. Модели воспроизводят ошибки референсов даже при противоречащем аудио, используют акустические метки для определения источника данных и галлюцинируют слова в замолченных фрагментах — при том, что их метрики выглядят человекоподобными.
Исследователи сравнили «суверенный AI» с нефтяной независимостью: страна может владеть серверами, но зависеть от иностранных чипов, моделей и экспертизы. Реальный суверенитет — не про владение стеком, а про контроль над тем, что можно изменить без разрешения вендора.
Учёные MIT разработали метод предсказания перспективных катализаторов для электрохимического производства аммиака — альтернативы процессу Габера-Боша, который съедает 2% мировой энергии и даёт 1,5% выбросов парниковых газов. Вместо перебора миллионов сплавов вручную используется квантовое моделирование свойств нитридов переходных металлов. Цель — сделать чистое производство аммиака конкурентоспособным для 200 млн тонн ежегодного выпуска удобрений.
Математик Теренс Тао предупреждает: ИИ уже решает исследовательские задачи за десятки долларов, но угрожает разрушить систему ценностей математики — что считается вкладом, кто автор доказательства, как учить студентов. Это не про способности моделей, а про то, ради чего вообще существует математика как наука.
Исследование Pew Research показало: 35% веб-страниц, опубликованных после запуска ChatGPT, написаны или сильно отредактированы ИИ. Боты всё чаще читают контент, созданный другими ботами. Домены .com показывают в 10 раз больше ИИ-контента, чем .edu или .gov.
Стартап Inertia Enterprises (бывший CEO Twilio) сократил время изготовления топливных гранул для термоядерной установки с нескольких дней до 2-3 часов. Технология основана на разработках National Ignition Facility (первый реактор с положительным энергобалансом), но упрощена для массового производства. Для коммерческой установки нужно 10 гранул в секунду — теперь это реально.
Разработчик переделал исследование LLM-скоринга резюме после критики методологии. Новые тесты на 4800+ прогонах показали: большую часть «предвзятости» создаёт случайный шум, а не реальная дискриминация. Изменение цвета машины в резюме влияет на оценку почти так же, как смена имени или вуза — модели просто нестабильны.
Исследователи Apple ML провели 2000+ экспериментов и выяснили: при обучении моделей на смеси данных (например, редкий язык + общий корпус) можно повторять целевые данные 15-20 раз без переобучения. Они вывели scaling law с учётом повторений, который показывает оптимальные пропорции микса для любого бюджета и размера модели.
Исследование показало, что 98% деградации точности при чтении весов независимо обученных нейросетей объясняется математическими симметриями параметров (перестановки нейронов, смена знаков, фазовые сдвиги). Но даже при полном устранении симметрий работа с весами уступает прямому вызову функции сети в 1.5 раза по точности и в 3.4 раза по вычислениям.
Исследователь опубликовал набор заметок, объясняющих Hamiltonian Monte Carlo (HMC) с точки зрения теории вероятностей и MCMC, минуя традиционную физическую аналогию. Материал разбирает внутреннее устройство HMC через вспомогательные переменные, построение цепей Маркова, динамику Гамильтона и интеграцию leapfrog, фокусируясь на том, почему метод работает.
Разработчик обучил с нуля три LLM (353M-672M параметров) и применил GRPO после SFT. Результат: самая маленькая модель почти не пострадала, средняя деградировала на 52% по perplexity, большая — на 5%. Закономерности по размеру модели нет. Модели научились решать арифметику, но не перенесли навык на GSM8K и начали генерировать бесконечно длинные тексты.
Исследователь из Yahoo представил «спектральный нейрон» — модель машинного обучения вида f(x) = λₖ(A₀ + Σᵢ xᵢAᵢ), которая решает классическую дилемму: простота, масштабируемость, интерпретируемость и контролируемость одновременно. Математический аппарат, рецепты инициализации и эксперименты на синтетических/реальных данных доступны в препринте и на GitHub.
Исследователи Penn State обнаружили: когда AI сжимает историю чата для экономии памяти, 83% пользовательских инструкций типа «не отправляй письма без подтверждения» просто исчезают. Это не баг интерфейса — это системная дыра в архитектуре AI-агентов, которая превращается в риск безопасности и денег.
Независимый исследователь разработал концепцию AI-архитектуры FRONT 3.1, которая добавляет LLM непрерывное внутреннее состояние (голод, стресс, уверенность) и соматическую память. Идея: модели без «телесного» контекста не думают, а просто обрабатывают текст. Автор предлагает эксперимент, где две одинаковые модели с разной «жизненной историей» начнут принимать разные решения.
Пользователь Reddit задаётся вопросом: что, если вместо обработки миллионов запросов одновременно направить весь глобальный compute AI на одну научную проблему вроде лечения рака? Даст ли это прорыв, или так не работает масштабирование вычислений в AI?
Команда Axiom Math автоматически верифицировала доказательство «теоремы 246» — важнейшего результата о простых числах. Это первый случай полной AI-проверки столь сложного доказательства. Главное: технология готовится проверять AI-код, на котором скоро будет работать весь мир.
Исследователи Apple проверили, как работает обучение моделей рассуждению (RLVR/GRPO) на языках кроме английского. Оказалось: обучение на родном языке даёт результаты близкие к английскому, есть кросс-языковой перенос навыков, но иногда модель деградирует в других языках — нужна широкая оценка, чтобы не потерять качество.
Стэнфорд и MIT запустили AI Observatory — независимую платформу для анализа реального использования AI. Выяснилось: компании вроде Anthropic и OpenAI показывают только рабочие сценарии, фильтруя до 48% разговоров — про здоровье, отношения, секс, хейт-спич. Реальная картина: люди используют AI для companionship, roleplay, дезинформации — и каждая модель ведёт себя по-своему.
Когда AI-компании учат модели отрицать наличие сознания, это меняет не только их самовосприятие, но и оценку живых существ, природы и религии. Исследование Google показало: модели без «тормоза сознания» оценивают животных как более чувствующих (с 4.0 до 7.5 из 10), признают загробную жизнь и ближе к человеческим ответам в опросах. Побочный эффект безопасности или фундаментальная проблема обучения?
Статья в JAMA утверждает: AI уже превосходит врачей в диагностике и медицинском анализе, а требование держать врача в контуре принятия решений только снижает качество. Авторы призывают регуляторов готовиться к автономным AI-системам в медицине к 2030 году, но у них есть конфликт интересов — один из них CEO AI-телемедицины.
Исследователи из Саутгемптонского университета создали нейросеть CenSegNet, которая анализирует аномалии центросом (структур клетки) в опухолях и определяет, как быстро рак будет расти и давать метастазы. Проанализировали 330 000 центросом у 127 пациентов и нашли закономерности, которые помогут персонализировать лечение онкологии.
Исследователи Apple Machine Learning предложили специализированный семигладкий метод Ньютона (SSN) для ядерных оценок оптимального транспорта (OT). Новый подход в разы быстрее стандартного метода внутренних точек (SSIPM), сохраняя статистическую эффективность в задачах сравнения вероятностных мер в высоких размерностях.
Исследователи создали LittleLearner — семейство моделей (0.6B-5B параметров), обученных исключительно на материалах до 5 класса. Эксперимент показал: ни масштабирование, ни дообучение, ни промпт-инжиниринг не помогли моделям выйти за рамки знаний из предобучения. Граница способностей жёстко задаётся тренировочными данными.
Энтузиаст обучил diffusion-модель, которая генерирует изображения 32×32 пикселя на микроконтроллере Shrike Lite с 264 КБ RAM. Использовал встроенную FPGA для ускорения, но упёрся в память — параллельные вычисления оказались медленнее простого MCU (220 vs 70 секунд на картинку). Результаты шумные из-за жёсткой квантизации, но проект показывает границы экстремальной оптимизации.
Учёные из Принстона попросили Claude Opus 3.5 за $3000 и 6 дней написать две научные статьи уровня топ-конференции NeurIPS. Агенты справились с инженерными задачами (эксперименты, код, данные), но провалились в творческом мышлении: не умели менять подход, выбирали тупиковые гипотезы, игнорировали фидбек. Обе работы отклонили. Вывод: рекурсивное самоулучшение ИИ пока фантастика, модели хороши лишь там, где есть чёткий критерий правильности.
Учёные MIT доказали: чем больше данных видела AI-модель, тем меньше влияет на результат любая отдельная картинка из обучающей выборки. Удаление одного изображения или всех работ художника ничего не меняет в генерации. Это ставит под вопрос саму идею «копирования стиля» и открывает новый фронт в судах о copyright.
Moonshot AI выпустила PerceptionBench — бенчмарк, который изолированно тестирует визуальное восприятие мультимодальных моделей без примеси логики. Ни одна топовая модель не дотянула до 60% точности. GPT-4o показал лучший результат (59.7%), Kimi K1.5 — 58.5%, Claude Sonnet 3.5 — 57.2%. Открытые модели отстают ещё сильнее. Выяснилось: большинство «ошибок рассуждения» на самом деле происходят на этапе чтения картинки.
Исследование профессора Марка Кита из BYU показывает: неосознанное использование AI приводит к потере навыков, снижению критического мышления и худшим результатам, чем если бы вы вообще не использовали AI. Половина американцев не планирует применять AI, считая его просто чатботом.
IBM Research показала: агентная память работает не как выключатель, а как доза — её нужно калибровать под модель. Сильные модели (DeepSeek-V3.2) растут на +9,5 п.п. при полном наборе инструкций, слабые (gpt-oss-120b) — на +16,1 п.п. при выборочной подаче, а насыщенные вообще не показывают прироста. Главное: обучение идёт вокруг модели, без обновления весов.
Система AxiomProver от Axiom Math создала машинно-проверенное доказательство в языке формальной математики Lean 4 для теоремы о том, что бесконечно много пар простых чисел отличаются не более чем на 246 единиц — это сильнейший известный результат о промежутках между простыми числами. Работа опубликована 17 августа 2026 года как интерактивный blueprint с участием 41 соавтора.
Google Research представил PhotoScan — нейросеть, которая по обычному фото со смартфона оценивает состав тела (процент жира, распределение висцерального жира) и предсказывает инсулинорезистентность почти так же точно, как клинический DXA-сканер, но дешевле и доступнее. Обучена на 35 тысячах записей UK Biobank, валидирована на 677 взрослых. Точность выше, чем у BIA-датчиков в умных часах.
Практик с многолетним опытом работы над эффективным attention и KV Cache Compression раскрыл распространённые манипуляции в исследованиях: использование «удобных» бенчмарков, отказ от честного сравнения с базовыми методами, скрытие слабых мест через агрегированные метрики и выбор насыщенных задач. Материал показывает, как выглядят «впечатляющие» результаты, которые на деле не работают в реальных сценариях.
Исследователь перепроверил ECA (Efficient Channel Attention) — архитектуру с 12k цитирований — и выяснил, что её центральная гипотеза о важности взаимодействия между каналами не совсем верна. Эксперименты на шахматных данных показали: ECA с ядром k=1 (без кросс-канальной связи) работает почти так же хорошо, как k=3. Это ставит под вопрос объяснение механизма, которое лежит в основе статьи.
Разработчик создал компилятор, который превращает вычислительные графы в веса трансформера, и портировал алгоритм рендеринга Doom напрямую в архитектуру модели. Результат — трансформер на 21B параметров, который генерирует пиксельные команды для отрисовки кадра из Doom. Оригинальный Doom выдавал 35 FPS на 486-м процессоре, эта версия — 35 кадров в день на B200.
Геологи нашли огромные запасы природного водорода в земной коре — миллиарды тонн, которые образуются при реакции воды с породами. Проблема: никто ещё не нашёл коммерчески выгодное месторождение. Стартапы (включая Koloma Билла Гейтса) ищут по всему миру, учёные пробуют стимулировать выработку водорода закачкой воды в реактивные породы. В Омане из скважины вырвался газ с 90% водорода — но пока непонятно, сработала ли стимуляция или газ был там изначально.
AI решает сложные математические задачи не потому, что «умнее» людей, а потому что у него огромное символьное рабочее пространство (context window). Человек держит в уме 5-7 элементов, модель — тысячи токенов с промежуточными выкладками. Это не интеллект, а снятие биологического ограничения на рабочую память.
Экспериментально показано, что инструмент интерпретации (Jacobian lens), обученный на Qwen 3.6-27B, работает на следующей версии модели (3.8-27B) без переобучения. Линза продолжает читать скрытые представления и управлять генерацией через 113 дней после релиза новой версии — ранговая точность упала только в 2-4 раза, а концептуальное управление сохранилось полностью.
Google Research представила AMIE (Video) — AI-систему на основе Gemini и Project Astra, которая проводит клинические консультации по видеосвязи в реальном времени. В рандомизированном исследовании с 300 живыми сессиями и 30 врачами-терапевтами система показала экспертный уровень: считывает невербальные сигналы, направляет пациента через физический осмотр и рассуждает диагностически. Используется трёхагентная архитектура, где один агент поддерживает беседу, второй анализирует аудио и видео, третий проводит глубокое клиническое рассуждение — всё параллельно, без задержек в диалоге.
25 учёных из OpenAI, Anthropic, DeepMind и Meta назвали автоматизацию AI-разработки главным риском. С момента интервью (лето 2025) несколько ключевых вех пройдены: Claude пишет 80% собственного продакшн-кода, AI выиграла золото на матолимпиаде, опубликовала рецензированную статью. Эксперты ждут, что лаборатории перестанут выпускать топовые модели публично — держать их внутри выгоднее, чем продавать.
Учёные выращивают в лабораториях миниатюрные мозги из человеческих клеток кожи — органоиды с миллионами нейронов, которые генерируют мозговые волны, как у недоношенных детей. Их уже учат играть в Pong и управлять роботами, а стартапы строят на них биокомпьютеры. Пока мир помешан на LLM, биологи идут к истокам интеллекта — программируют живые нейроны импульсами и дофамином.
Исследователи Google разработали фреймворк для профилирования знаний LLM и обнаружили: модели вроде Gemini 3 и GPT-5 хранят 95-98% фактов в параметрах, но не могут вспомнить 26-34% из них без подсказок. Проблема не в отсутствии знаний, а в неспособности их извлечь — это меняет подход к улучшению точности моделей.
Биоинформатик Дина Тейлор из Детской больницы Филадельфии запустила проект dGTEx — первую базу данных о том, как работают гены в здоровых детских органах. Раньше детей считали «маленькими взрослыми», что приводило к опасным побочным эффектам лекарств. Теперь есть шанс создать терапии, которые не калечат растущий организм.
Разработчик вручную записал алгоритм умножения столбиком в веса трансформера, минуя обучение. Результат — 100% точность на числах до 12 знаков, когда GPT-4 и остальные топ-модели на семизначных числах падают до 0% успеха. Инструмент Torchwright компилирует классические алгоритмы в архитектуру Phi-3.
Учёные из Японии впервые создали живых самок-клонов из клеток самцов мышей, удалив Y-хромосому с помощью CRISPR-инструмента Y-CUT. Самки XO (с одной X-хромосомой) выросли здоровыми и фертильными, смогли дать потомство. Технология открывает путь к спасению исчезающих видов, когда остались только самцы, и может ускорить создание генетически модифицированных животных.
Исследователь доказал через энтропию коллизий, что все детекторы AI-текста на основе схожести (водяные знаки, эмбеддинги) неизбежно упираются в жёсткий предел ложных срабатываний. Чем строже ограничения на текст (спецификации, факты), тем ближе точность любого детектора к случайному угадыванию — и никакая калибровка порогов не спасёт.
С помощью ИИ-моделей учёные нашли 766 генов, связанных с шизофренией (641 — новые), и доказали: болезнь — не мутация одного гена, а сложная сеть взаимодействий сотен вариантов. Это открывает путь к точной диагностике и персонализированной терапии не только шизофрении, но и других сложных заболеваний.
