Исследователи из Microsoft представили искусственный интеллект Kosmos-1. Это мультимодальная модель, которая может анализировать содержимое изображения, решает визуальные головоломки, выполняет визуальное распознавание текста, проходит визуальные тесты IQ и понимает инструкции на естественном языке. Исследователи считают, что мультимодальный искусственный интеллект, объединяющий различные режимы ввода, такие как текст, аудио, изображения и видео, является ключевым шагом в создании искусственного общего интеллекта (AGI). AGI – это тот тип искусственного интеллекта, который будет работать на уровне человеческого.

«Будучи базовой частью интеллекта, многомодальное восприятие является необходимостью для достижения всеобщего искусственного интеллекта с точки зрения получения знаний и привязки к реальному миру», — пишут исследователи в своей научной статье «Язык — не все, что вам нужно: согласование восприятия с языковыми моделями».

Визуальные примеры работы Kosmos-1 показывают, как модель анализирует и отвечает на вопросы о них, читает текст с изображения, пишет подписи к изображениям и выполняет тест на визуальный IQ с точностью 22–26 процентов.

Пока СМИ шумят новостями о текстовом искусственном интеллекте, некоторые эксперты по искусственному интеллекту указывают на мультимодальный искусственный интеллект как на потенциальный путь к общему искусственному интеллекту (AGI) — гипотетической технологии, которая якобы сможет заменить людей в любой интеллектуальной задаче и любой интеллект. работе.AGI является заявленной целью OpenAI – ключевого бизнес-партнера Microsoft в этой сфере.

В этом случае «Космос-1» выглядит чисто проектом Microsoft без участия OpenAI. Исследователи называют свое творение «мультимодальной большой языковой моделью» (MLLM), поскольку ее корни лежат в обработке естественного языка, таких как ChatGPT используется только для текста.

Чтобы Космос-1 принимал входящее изображение, исследователи должны сначала перевести изображение в специальную серию токенов (в основном текст), которые может понять его обширная языковая модель (LLM).

Корпорация Майкрософт обучала Kosmos-1, используя данные из интернета, включая отрывки из The Pile (текстовый ресурс на английском языке на 800 ГБ) и Common Crawl. После обучения они оценили возможности Космоса-1 по нескольким тестам, включая понимание языка, создание языка, классификацию текста без оптического распознавания символов, создание подписей к изображениям, визуальные ответы на вопросы, ответы на вопросы на веб-странице и классификацию изображений. По данным Microsoft, во многих из этих тестов Космос-1 превзошел самые современные модели.

Особый интерес представляет производительность Космоса-1 по программе Raven’s Progressive Reasoning, измеряющей визуальный IQ, представляя последовательность фигур и прося участника завершить последовательность.

Чтобы протестировать Космос-1, исследователи предоставили ему заполненный тест и спросили, правильный ли ответ. Космос-1 смог правильно ответить на вопросы теста Raven только в 22 процентах случаев (26 процентов с более тщательной настройкой).Ошибки в методологии могли повлиять на результаты, но Космос-1 превзошел случайную возможность (17 процентов) в тесте Raven IQ.

И все же, несмотря на то, что Kosmos-1 представляет собой ранние шаги в мультимодальной сфере, легко вообразить, что будущая оптимизация может принести еще более значимые результаты, позволяя искусственному интеллекту воспринимать любые формы медиа и действовать с ними, что значительно расширит. способности искусственных ассистентов.

В будущем исследователи говорят, что они хотели бы увеличить размер модели Космос-1 и интегрировать возможность речи. Microsoft говорит, что планирует сделать Kosmos-1 доступным разработчикам.

Будущая платформа Android 14 позволит отказаться от использования паролей в приложениях. Вместо традиционных паролей сторонние приложения используют пароли, которые называются ключами доступа. Главная особенность ключей доступа в том, что они хранятся в памяти гаджета и пользователь их может не запоминать.

И Apple, и Google ввели поддержку ключей доступа для своих мобильных систем в 2022 году, но они могут храниться только в их собственных менеджерах паролей.

Несмотря на то, что ключ доступа является паролем, он работает несколько иначе и поэтому считается более безопасным. Ключ доступа шифруется и использует преимущества современной асимметричной криптографии. Ключ доступа работает через два набора ключей шифрования – один открытый и один закрытый. Открытый ключ шифрования доступен публично и хранится в различных сервисах, а закрытый – только на пользовательском устройстве.

Ключи доступа создаются автоматически, поэтому пользователь их не знает. Он только выполняет действия по их созданию и разрешает их использование, авторизуясь, например, с помощью отпечатка пальца или лица.

Ключи доступа – это устойчивые к фишингу учетные данные, основанные на стандартах FIDO, и это будущее онлайн-аутентификации, созданное как более безопасная и удобная замена паролей.

FIDO – это альянс, устанавливающий стандарты для беспарольных технологий, а ключи доступа должны соответствовать спецификациям WebAuthn. Его поддерживают все крупные технологические игроки — Apple, Google, Microsoft, Meta, Amazon.

Другие популярные приложения, которые сейчас поддерживают ключи доступа, включают 1Password, другой популярный менеджер паролей, eBay, PayPal и Best Buy. Ожидается, что все основные программы перейдут на беспарольный режим.

Если вы хотите проверить, насколько легко использовать ключи доступа, вы можете создать бесплатную демонстрационную учетную запись на официальном сайте WebAuthn.

Корпорация Майкрософт выпускает новую версию программы Phone Link для Windows, которая позволяет пользоваться смартфоном, не беря его в руки. Самое интересное в новой версии, что она поддерживает iPhone и с компьютера Windows можно общаться, например, в iMessage.

Приложение Phone Link для Windows предназначено для отображения телефона на экране компьютера для таких вещей, как уведомления, телефонные звонки и сообщения. Ранее приложение поддерживало только устройства Android.

Новая версия Phone Link для Windows использует Bluetooth для подключения iPhone пользователя к компьютеру Windows. Затем она передает команды и сообщения в программу «Сообщения» на этом спаренном iPhone. Это означает, что вы можете отправлять и получать все сообщения iPhone — текстовые и iMessages — через Phone Link на компьютере.

Это обходной путь, поскольку Apple не поддерживает Messages на каких-либо других платформах, кроме своей собственной. Учитывая это, есть несколько ограничений.

К примеру, пользователи не могут просмотреть полную историю сообщений в разговорах через Phone Link. Они будут видеть на ПК только сообщения, отправленные или полученные с помощью Phone Link. Корпорация Майкрософт также не может отличить текстовые сообщения от iMessages, поэтому нет синих или зеленых пузырьков.

Однако наибольшим ограничением является то, что вы не сможете отправлять изображения в сообщениях и не сможете участвовать в групповых сообщениях.

Интеграция iPhone в программу Phone Link уже доступна небольшому проценту инсайдеров Windows, зарегистрированных в каналах Dev, Beta и Release Preview. Со временем эта версия приложения станет доступна для большего количества пользователей.

Индустрия чипов достигла технологического предела миниатюризации и разработчикам становится все сложнее упаковывать больше транзисторов в один чип. Выходом из технологического тупика, возможно, станут бионические компьютеры. Ученые из Университета Джона Хопкинса говорят, что компьютер на базе нейронов человеческого мозга будет иметь большую вычислительную мощность и емкость данных, чем кремниевые машины.

В статье в академическом журнале Frontiers in Science (FiS) ученые прогнозируют, что биокомпьютеры предложат беспрецедентный прогресс в скорости вычисления, мощности обработки и хранения данных по сравнению с текущими компьютерными технологиями, включая искусственный интеллект.

Предлагаемая ими форма биокомпьютеров, известная как органоидный интеллект (OI), является естественным прогрессом, поскольку искусственный интеллект был вдохновлен нашим пониманием человеческого мозга.

Органоидный интеллект базируется на выращенных в лаборатории клеточных культурах, известных как органоиды мозга. Это трехмерные скопления клеток мозга, общие структуры, такие как нейроны и другие клетки, которые обеспечивают нашу способность помнить и учиться.

Томас Гартунг, профессор Школы общественного здравоохранения Блумберга при Университете Джона Хопкинса, считает, что пытаться заставить компьютеры мыслить как люди менее эффективно, чем просто сделать человеческий элемент центральным в компьютере.

«Кремниевые компьютеры, безусловно, лучше с цифрами, — объяснил Гартунг. — Например, AlphaGo [искусственный интеллект, победивший игрока №1 в мире в Go в 2017 году] был обучен на данных 160 000 игр.Человеку пришлось бы играть пять часов в день более 175 лет, чтобы провести столько игр».

Но, говорит ученый, мы достигаем физических границ кремниевых компьютеров, поскольку мы не можем упаковать больше транзисторов в крошечный чип. Мозг устроен совсем по-другому. Он содержит около 100 миллиардов нейронов, связанных свыше 1015 точек соединения. Это огромная разница в мощности по сравнению с нашей текущей технологией.

Гартунг также утверждал, что мозг более энергоэффективный, чем компьютеры, питающие модели искусственного интеллекта. К примеру, количество энергии, затраченной на тренировку AlphaGo, превышает количество энергии, необходимое для поддержания активности взрослого человека в течение десяти лет.

OI все еще находится в зачаточном состоянии и имеет несколько недостатков, не в последнюю очередь то, что органоиды мозга в настоящее время содержат около 50 000 клеток, тогда как для практического использования эту цифру нужно увеличить до 10 миллионов, по словам Гартунга.

И так же, как и в случае с искусственным интеллектом, существуют этические проблемы, хотя идея о том, что реальный человеческий мозг может развивать сознание, возможно, более актуальна, чем идея о том, что компьютер может это сделать.

Тем не менее, в декабре 2022 года один из соавторов статьи FiS доктор Бретт Каган провел исследование, где плоская структура клеток мозга научилась играть в понг, а научное сообщество имеет большие планы по технологиям.К примеру, Гартунг отмечает, что «персонализированные органоиды мозга» можно культивировать из взрослых клеток кожи, что позволяет ученым изучать влияние неврологических заболеваний, таких как болезнь Альцгеймера, и проверять влияние определенных веществ на обучение и обработку памяти.

Проблема, говорит он, заключается в создании научного сообщества, желающего исследовать органоидный интеллект дальше. Это реалистичная цель, но, вероятно, предстоит еще много времени — годы, возможно, десятилетия — до того, как эту технологию можно будет любым способом использовать на практике.

Nvidia випустила новий драйвер, який дозволяє власникам її відеокарт RTX 30 і 40 покращувати якість відео на YouTube. Для цього потрібно активувати технологію RTX Video Super Resolution. Вона працює в Chrome та Edge і підвищує чіткість об’єктів на відео за допомогою штучного інтелекту.

Технологія підвищення чіткості від Nvidia підтримує відео з роздільною здатністю від 360p до 1440p із частотою кадрів до 144 Гц. Для таких роликів роздільна здатність збільшується до 4K. Більше підвищення роздільної здатності до 4K було доступно лише на телевізорах Nvidia Shield TV.

Функція RTX Video Super Resolution працює лише з YouTube, вона сумісна з будь-яким веб-відео, яке відтворюється на комп’ютері. Його можна, наприклад, використовувати для покращення трансляції з Twitch або навіть потокових програм, таких як Netflix, де обов’язково потрібно платити додатково за відео з роздільною здатністю 4K.

Компанія Nvidia вже кілька років просує методи покращення візуальної якості задопомогою штучного інтелекту. Ваша система Deep Learning Super Sampling (DLSS) є найпоширенішою. Минулого року Nvidia також запустила драйвер, який включає Deep Learning Dynamic Super Resolution (DLDSR) для відтворення ігор із вищою роздільною здатністю, ніж фактично має монітор, для покращення якості зображення.

Nvidia також запустила функцію зорового контакту для Nvidia Broadcast, яка в прямому ефірі модифікує положення людини людини перед камерою, щоб створити враження, що вона дивиться в об’єктив, хоча насправді може дивитися кудись убік.