Badacze z chińskich uniwersytetów prezentują ReVisual-R1, otwarty model językowy zdolny do złożonego rozumowania multimodalnego, który przewyższa dotychczasowe rozwiązania dzięki innowacyjnemu podejściu treningowemu i nowej metodzie Przetwarzania Wzmocnienia Priorytetowego (PAD).
Read More
Najnowszy model AI autorstwa Mety, zdolny do rozumienia złożonych zależności w grach takich jak Minecraft, jednocześnie ukazuje fundamentalne wyzwania współczesnej sztucznej inteligencji: niedostateczne zdolności w zakresie długoterminowego planowania i rozumowania przyczynowo-skutkowego. Te ograniczenia budzą pytania o możliwość osiągnięcia prawdziwej inteligencji.
Read More
Instytucje zajmujące się sztuczną inteligencją często rozwijają wyspecjalizowane, heterogeniczne modele AI, by sprostać konkretnym zadaniom. Niestety, proces ten nierzadko napotyka na problem niedoboru danych treningowych. Tradycyjne podejścia do uczenia rozproszonego (Federated Learning – FL) pozwalają wyłącznie na współpracę modeli o identycznych architekturach, co w praktyce ogranicza ich zastosowanie. Problem ten częściowo rozwiązuje heterogeniczne uczenie rozproszone (Heterogeneous Federated Learning – HtFL), jednak dotychczas brakowało ujednoliconych narzędzi do jego kompleksowej oceny w różnorodnych zastosowaniach. Nowa biblioteka HtFLlib ma ambicję to zmienić.
Read More
Naukowcy z Chińskiej Akademii Nauk przedstawili Stream-Omni, model językowy integrujący tekst, obraz i mowę. To przełom w zakresie płynnego łączenia różnych modalności danych, co dotychczas stanowiło wyzwanie dla systemów AI.
Read More
Apple, gigant technologiczny znany z dbałości o własne ekosystemy, rozważa odejście od dotychczasowej strategii rozwoju sztucznej inteligencji. Najnowsze doniesienia sugerują, że firma bada możliwość wykorzystania modeli językowych od OpenAI i Anthropic do zasilania nowej generacji Siri, co może świadczyć o poważnych wyzwaniach w wewnętrznym rozwoju AI.
Read More
Modele językowe obsługujące wiele modalności, takie jak tekst i obraz, otwierają nowe możliwości dla sztucznej inteligencji. Niestety, ich zdolność do przetwarzania samego tekstu często cierpi, gdy zaczynają „widzieć”. Naukowcy z Alibaba Group i Nanjing University przedstawili WINGS – architekturę, która ma temu zapobiec, zapewniając bardziej zrównoważoną i wszechstronną AI.
Read More
Mistral AI wprowadza na rynek Mistral Small 3.2, nową wersję swojego modelu językowego, która koncentruje się na zwiększeniu precyzji w wykonywaniu instrukcji, redukcji powtórzeń oraz poprawie stabilności działania funkcji, co ma kluczowe znaczenie dla wymagających zastosowań AI.
Read More
Synthesia, czołowa firma w dziedzinie generowania wideo z AI, ogłosiła postępy w tworzeniu awatarów, które mają naśladować ludzkie mikrowyrażenia. Victor Riparbelli, współzałożyciel i CEO Synthesii, wskazuje na detale takie jak intonacja głosu i mowa ciała, które są kluczowe w przekraczaniu granicy „doliny niesamowitości”, stanowiącej wyzwanie dla cyfrowej imitacji człowieka. Firma, wspierana przez ponad 330 milionów dolarów finansowania, stawia sobie za cel osiągnięcie niemal idealnego realizmu w wirtualnych postaciach, co ma rewolucjonizować m.in. materiały szkoleniowe i marketingowe.
Read More
Startup z Doliny Krzemowej, Songscription, przedstawia nowatorskie narzędzie wykorzystujące sztuczną inteligencję do automatycznej transkrypcji muzyki. System, reklamowany jako „Shazam dla nut”, ma za zadanie zrewolucjonizować sposób, w jaki muzycy – zarówno profesjonaliści, jak i amatorzy – tworzą i wykorzystują nuty.
Read More
Najnowsze badania rzucają światło na niebezpieczeństwa związane z ujawnianiem danych poufnych poprzez tzw. ślady rozumowania (reasoning traces) w dużych modelach rozumowania (LRM). Okazuje się, że modele te, choć użyteczne, nie są bezpieczniejsze pod kątem prywatności niż ich poprzednicy, a wręcz tworzą nowe, ukryte powierzchnie ataku.
Read More