Статьи
Исследования, эксперименты и новые возможности искусственного интеллекта
Здесь мы разбираем исследования AI-лабораторий, научные статьи и экспериментальные системы, которые показывают, что ИИ уже умеет делать — и чему он учится прямо сейчас.
20 исследований · 68 источников — лаборатории, институты и научные площадки
Главный вопрос раздела. Выберите способность — покажем исследования о ней.
Базовые модели: архитектуры, память, способы обучения.
AlphaGenome Atlas от Google DeepMind — каталог предсказаний для каждой возможной замены одной буквы в геноме человека. Он помогает находить причины редких болезней и уже позволил найти на 22% больше связей генов с признаками в данных UK Biobank.
BDH-CQ от Pathway на 150 миллионов параметров решает задачи на абстрактное мышление ARC-AGI-1, не проговаривая рассуждения словами. Результат — 29,5% при стоимости около $0,0007 за задачу: по соотношению цены и точности это новый рекорд.
Gemini Robotics 2 от Google DeepMind управляет не только руками, но и всем телом человекоподобного робота, а также тонкими движениями многопалых кистей. Версия для работы на самом роботе адаптируется к новой машине за несколько часов.
Команда AIRI и соавторы дообучила языковые модели ДНК размечать гены прямо по последовательности. На хромосоме человека они правильно собрали втрое больше генов, чем Tiberius и AlphaGenome, и сработали на растениях и дрожжах.
DeepSeek показала, что длинные рассуждения, самопроверка и смена стратегии появляются у языковой модели сами, если награждать её только за правильный ответ. Доля решённых олимпиадных задач AIME выросла с 15,6% до 71%.
Открытая модель Molmo от Ai2 не только описывает изображение, но и ставит точку на каждом найденном объекте. Так она считает предметы и показывает, на что опирается её ответ. Данные для обучения собраны без помощи чужих закрытых моделей.
Модель ESM3 от EvolutionaryScale спроектировала флуоресцентный белок esmGFP, который совпадает с ближайшим природным аналогом лишь на 58%. По оценке авторов, природе на такой путь понадобилось бы больше 500 миллионов лет эволюции.
Genie 3 от Google DeepMind по текстовому описанию строит трёхмерный мир и достраивает его на ходу, пока вы по нему двигаетесь. Мир остаётся связным несколько минут и «помнит», что было за спиной.
Команда AIRI, МФТИ и LIMS проверила, как нейросети на самом деле работают с длинными текстами. Большие модели теряют нить задолго до заявленного предела, а небольшой трансформер с рекуррентной памятью после дообучения справился с текстами до 50 миллионов токенов.
Статья выходит, только если на вопрос «что ИИ теперь умеет такого, чего раньше не умел?» есть ответ, подтверждённый экспериментом.
Не берём прирост в пару процентов на бенчмарке, пресс-релизы без исследования, обновления API и маркетинговые заявления. В каждой статье — ограничения и ссылка на оригинальную работу.
Лаборатории, институты и научные площадки, за которыми следим:
И ещё 40 источников, которые проверяем регулярно
