Корпоративная алхимия: как Маск превратил SpaceX в кислородный баллон для xAI
Новость о том, что SpaceX поглощает xAI для создания, на бумаге, самой дорогой непубличной компании
Исследование: AI-автопилоты на базе LVLM можно обмануть с помощью промпт-инъекций
Исследователи из Калифорнийского университета в Санта-Крузе показали, что большие визуально языковые модели (LVLM) в системах автопилота уязвимы перед промпт-инъекциями. Для «взлома» системы достаточно показать табличку с текстом нужной команды.
Google не читает ваши сообщения – федеративное обучение читает. И вот как
Как 750 миллионов человек тренируют ИИ каждый день, не подозревая об этом
Microsoft и EA отменили французскую локализацию в некоторых играх из-за отказа актёров озвучки от условий обучения ИИ
Microsoft и Electronic Arts перестали добавлять локализации на французском языке в свои игры, поскольку актёры озвучки отказались принимать условия видеоигровых издателей на использование голосов для обучения моделей искусственного интеллекта, пишет французский портал JeuxOnLine.
Как я делаю своего голосового AI-ассистента: роботы пишут код и работают, когда я отдыхаю
В этой статье я открою капот своей системы, которая по голосовухе в телеграме сразу делает новые фичи на живых проектах. С появлением LLM я безоговорочно верил в то, что голос станет следующим важным интерфейсом — и вот наконец технологии всех частей достаточно созрели, чтобы собрать своего персонального AI-ассистента, который и код из бара напишет и в пробке за рулем кофеек на маркетплейсе закажет.
Claude Opus 4.6 обнаружила 500 уязвимостей в библиотеках с открытым исходным кодом
Новейшая модель искусственного интеллекта Anthropic Claude Opus 4.6 обнаружила более 500 ранее неизвестных серьёзных уязвимостей в библиотеках с открытым исходным кодом практически без каких-либо подсказок.
Убытки OpenAI достигли $15 млрд. То, что будет дальше, пугает
Это выходит за рамки безрассудства…В предыдущей статье "Безумная проблема масштабирования OpenAI
Машинное обучение в бизнесе: подборка бесплатных курсов и материалов
Подборка посвящена A/B-тестированию, бутстрапу, кросс-валидации и ансамблевым методам — эти четыре темы образуют ядро практического Data Science. Они позволяют формулировать и проверять бизнес‑гипотезы, количественно оценивать неопределённость результатов, гарантировать обобщающую способность моделей машинного обучения и существенно повышать их точность и стабильность. Всем привет! Это Данила Ляпин, наставник курса «Специалист по Data Science»
