Искусственный интеллект, роботы - применение

[samsony1]

Зонды "Вояджер" прошли через стену плазмы на краю Солнечной системы

Космические аппараты НАСА "Вояджер-1" и "Вояджер-2", исследуя пределы Солнечной системы, встретили "стену" плазмы с температурой 30-50 тысяч градусов по Кельвину. Как они сумели ее преодолеть?

По словам ученых, "стена" - это скорее метафора: речь идет об очень разреженной плазме, состоящей из электрически заряженных частиц. В районе гелиопаузы их настолько мало, что, несмотря на их высокую энергию, они почти не передают тепло зондам. Поэтому "Вояджеры" беспрепятственно пролетели сквозь смертельный барьер.

Вообще, как поясняют астрономы, у Солнечной системы нет точно определенной границы. Большинство определяют концом Солнечной системы гелиосферу. Если совсем просто, то это огромный пузырь в пространстве, заполненный солнечным ветром - потоком заряженных частиц, постоянно выбрасываемых Солнцем во все стороны с огромной скоростью. На определенном расстоянии скорость солнечного ветра резко падает и перестает быть сверхзвуковой. Область, в которой это происходит, называется границей ударной волны.

Напомним: в состав миссии "Вояджер" входят два зонда - "Вояджер-1" и "Вояджер-2". Оба были запущены NASA в 1977 году с разницей в несколько месяцев. Это высокоавтономные роботы. Они оснащены научными приборами для исследования внешних планет, а также собственными энергетическими установками, ракетными двигателями, компьютерами, системами радиосвязи и управления. Общая масса каждого аппарата - около 721 кг.

Как ранее сообщалось, "Вояджер-1" приближается к очередному ошеломляющему рубежу. Примерно 13 ноября 2026 года аппарат окажется на расстоянии ровно в один световой день от Земли. Это означает, что радиосигналу, который движется со скоростью света, потребуется ровно 24 часа, чтобы преодолеть разделяющее его и нашу планету расстояние.

В тот момент неутомимый космический корабль будет находиться почти в 25,9 миллиарда километров от Земли. Это ошеломляющее расстояние, подчеркивают эксперты. Но еще более поразительно осознавать, что за чуть меньше 50 лет своего путешествия, чтобы туда добраться, "Вояджер-1" преодолеет лишь 0,0027 процента расстояния до ближайшей к Солнцу звезды - Проксимы Центавра.

источник - здесь

[samsony1]

Российские инженеры визуализировали работу искусственного интеллекта беспилотного грузовика

Российский разработчик автономного транспорта «ЭвоКарго» представил систему, которая наглядно демонстрирует восприятие автопилотом дорожной ситуации и его прогноз развития событий вокруг электрогрузовика.

Система совмещает изображение с камер с аналитическими данными автопилота, визуализируя, какие объекты распознала система, как она классифицирует их и как прогнозирует их дальнейшее движение. Такой формат представления информации используется специалистами при анализе работы автономного транспорта.

Основой разработки стали данные, собранные в ходе коммерческой эксплуатации автономных грузовиков Evocargo N1 на промышленных предприятиях, распределительных центрах и аэропортах. Благодаря этому нейросети на борту электрогрузовиков обучены распознавать и прогнозировать движение объектов, редко встречающихся в общедоступных наборах данных: многотоннажные грузовики, погрузочная техника и даже самолеты на перроне. Это обеспечивает корректный прогноз траекторий движения объектов и максимальную безопасность при принятии решений автопилотом.

В развитии автономного транспорта важно разрабатывать искусственный интеллект не только автономным, но и наблюдаемым. Поэтому инструменты, которые делают работу автопилота понятной в реальном времени, становятся важной частью инфраструктуры наравне с алгоритмами и нейросетями. Это ускоряет развитие технологий и делает автономные системы более прозрачными для промышленной эксплуатации.

Кроме того, по мере расширения коммерческой эксплуатации автономного транспорта все большее значение приобретает скорость анализа накопленных данных. Визуализация работы автопилота позволяет быстрее разбирать сложные дорожные сценарии, выявлять особенности поведения алгоритмов и ускорять развитие всей системы.

По оценке компании, повышение наблюдаемости и интерпретируемости работы автопилота сокращает время технической оценки на 25%–35% и способствует росту доверия к автономным технологиям, ускоряя их внедрение в коммерческую эксплуатацию.

Решение уже внедрено более чем на 300 автономных грузовиках компании и используется на всех объектах эксплуатации. Развитие платформы предусматривает добавление в систему данных лидаров: это дополнит изображение с камер пространственной информацией и сделает представление дорожной сцены наиболее полным.

источник - здесь

[samsony1]

ГК Softline выстраивает собственный сквозной стек ИИ-разработки и масштабирует его на всю группу компаний

ГК Softline (ПАО «Софтлайн», MOEX:SOFL), инвестиционно-технологический холдинг с фокусом на инновации, системно внедряет искусственный интеллект в разработку программного обеспечения - от собственной защищенной GPU-инфраструктуры до корпоративной модельной платформы с управлением стоимостью моделей. Единый подход, который охватывает десятки компаний холдинга и более 10 тыс. сотрудников, впервые был представлен на внутренней конференции «Искусственный интеллект в разработке ПО».

Ключевой фокус холдинга - не отдельные эксперименты с генеративными моделями, а промышленный контур, в котором искусственный интеллект встроен в инфраструктуру, процессы создания ПО и управление знаниями. Такой сквозной стек позволяет группе разрабатывать быстрее и дешевле, удерживая данные внутри защищенного периметра в соответствии с требованиями 152-ФЗ, и превращает ИИ из набора пилотов в устойчивое конкурентное преимущество.

ИИ перестает быть областью исследований, постепенно становясь полноценным рабочим инструментом, позволяющим решать как рутинные требующие низкой квалификации задачи, так и более творческие. Софтлайн, за свою историю, многократно являлся первопроходцем при внедрении и адаптации новых ИТ-технологий. ИИ не является исключением, благодаря компетенциям экспертов компании мы повышаем эффективность внутри и помогаем нашим клиентам. Что по сути является нашей стратегической целью – быть полезными нашим клиентам.

Преимущество получают не те, кто подключает отдельные модели, а те, кто встраивает искусственный интеллект в инфраструктуру, процессы разработки и систему управления знаниями всей компании. Именно такой сквозной подход выстраивается в масштабах группы.

Основание стека - собственная вычислительная инфраструктура. Мощности с GPU размещены в защищенных центрах обработки данных и уже доступны командам ГК Softline, что снимает риск утечки данных при работе с внешними сервисами.

На практике такая ИИ-платформа только за пару недель работы обрабатывает около 5 млрд токенов (единиц информации). И здесь одним из принципиальных вопросов становится управление стоимостью использования моделей.

источник - здесь

[samsony1]

"МТС Линк" научился распознавать голоса спикеров в переговорных комнатах

Во время гибридных совещаний несколько сотрудников нередко подключаются к онлайн-встрече из одной переговорной комнаты. Ранее их реплики в расшифровке отображались от имени одного участника — переговорной комнаты, поэтому было сложно определить, кто именно высказал ту или иную мысль или взял на себя задачу.

Новая функция основана на диаризации речи — технологии, которая разделяет голоса разных спикеров в аудиопотоке. Система анализирует акустические особенности голосов и определяет, какие реплики принадлежат одному и тому же человеку. Затем она группирует их и присваивает в расшифровке каждому голосу отдельное название — например, "Спикер 1" или "Спикер 2". После обработки записи организатор встречи может назначить каждому распознанному голосу имя конкретного сотрудника — выбрать пользователя из организации или указать имя вручную. Имя автоматически заменится во всех репликах спикера.

Если участники подключились к встрече из переговорной комнаты с помощью устройства "МТС Линк" Rooms или SIP-оборудования, система разделит голоса автоматически. В остальных случаях пользователь может запустить распознавание вручную после окончания встречи, отредактировав ее запись.

источник - здесь

[samsony1]

«Группа Астра» представила доверенную ИИ-среду для бизнеса

Российский рынок искусственного интеллекта по итогам 2025 года вырос на 31% и достиг 316,1 млрд рублей, опережая по динамике ИТ-рынок в целом. Сегмент генеративного ИИ оценивается в 58 млрд рублей и вырос почти в пять раз за год.

При этом массовый интерес к технологии редко конвертируется в промышленный результат: ИИ так или иначе внедряют 97% компаний, но до промышленной эксплуатации дошли лишь 10–15%, а более 90% не получили системного экономического эффекта. Для предприятий КИИ ключевой барьер здесь — доверие и регуляторные ограничения: 79% таких предприятий КИИ запрещают использование публичных генеративных сервисов. Остальные же сталкиваются с такими проблемами, как отсутствие подготовленных бизнес-процессов, в основе которых лежит ИИ, а также непонимание того, как поместить ИИ в основу работы своей компании. Результатом становится «теневой ИИ» — оплата сторонних ИИ-сервисов мимо бюджета, риски информационной безопасности, нецелевое использование ресурсов, юрисдикционные и регуляторные риски и, в конечном счёте, потеря корпоративной ИИ-экспертизы.

Ответ «Группы Астра» — новые принципы работы с ИИ: фокус на доверенных безопасных on-prem-решениях, многоуровневая архитектура моделей (фронтир-модели, проверенный open source и российские суверенные модели с выбором по критичности задачи), системная работа над сертификацией решений во ФСТЭК России, глубокая интеграция со стеком безопасности «Астры» и принцип «открытость + суверенитет».

Создание направления «Астра ИИ» в компании — это не расширение продуктовой линейки, а формирование отдельного технологического контура внутри экосистемы — от инфраструктуры и защищённого облака до прикладных решений для автоматизации бизнес-процессов, работы с корпоративными знаниями, документами и данными.

ИИ, которому можно доверять, — локальный, безопасный, встроенный в суверенную инфраструктуру, — это и есть следующий этап цифровизации российских компаний и экономики в целом.

Отсюда основной тезис: разработчику КИИ нужен не чат-бот, а полный доверенный контур из четырёх звеньев — рабочее место, ИИ-разработка, доставка и исполнение ИИ. Каждое звено закрыто своими продуктами: доверенная основа Astra Linux, ALD Pro и «Астра Мониторинг», агентная система Астра ИИ [КОД] на разработке и инференс-платформа Астра ИИ [ХАБ] на исполнении.

источник - здесь

[samsony1]

Кто на самом деле придумал слово "робот"

В 1920 году молодым пражским драматургам казалось, что будущее принадлежит искусственным рабочим из лаборатории, но для них банально не хватало удобного названия. Слово «лаборы», образованное от латинского корня, звучало слишком сухо и отдавало аптекарской склянкой. Писатель ходил по комнате, браковал черновики и не мог сдвинуться дальше первой сцены, пока не заглянул в мастерскую к старшему брату-художнику. Тот стоял у мольберта с зажатой в зубах второй кистью, грунтовал холст и слушал жалобы с абсолютным внешним равнодушием. Никто из них двоих в тот момент не догадывался, что брошенная мимоходом реплика навсегда изменит мировой лексикон.

Человек, подаривший миру главный термин века, даже не отвлёкся от полотна. Задумка автора при этом удивляла ещё больше: созданные им существа не имели внутри ни шестерёнок, ни микросхем, ни капли металла. Если показать современному любителю фантастики оригинальный текст пьесы, он с удивлением обнаружит там не железных истуканов, а нечто совсем иное. И здесь начинается самый неожиданный разворот этой истории.

Когда мы слышим слово «робот», в голове мгновенно возникает образ сверкающего андроида с проводами или железного истукана. Однако в легендарной пьесе R.U.R. («Россумские универсальные роботы»), написанной Карелом Чапеком, механизмов не было вообще. По сюжету старый биолог Россум открыл химический состав, полностью повторяющий живую органическую протоплазму, и научился выращивать из неё искусственные ткани. Его прагматичный племянник быстро понял, на чём сделать состояние, и запустил конвейер: из огромных баков выходили существа из кожи, костей и мышц, продававшиеся всего по 120 долларов за единицу.

источник - здесь

[samsony1]

Нейросеть — Что это такое, советы и примеры

В мире технологий понятие "нейросеть" становится все более популярным. Эти системы, которые имитируют работу человеческого мозга, играют значительную роль в развитии различных областей, от медицины до финансов и маркетинга. Но что на самом деле представляет собой нейросеть, как она функционирует, и каковы ее практические приложения? Давайте разберемся.

Нейросеть — это вычислительная модель, вдохновленная структурой и функционированием человеческого мозга. Она состоит из узлов, или "нейронов", которые обрабатывают информацию и передают ее дальше. Нейросети используются для решения задач, связанных с анализом данных, распознаванием образов и предсказанием, делая их эффективными инструментами в сфере искусственного интеллекта (ИИ).

Основные принципы работы

Нейросети работают на основе алгоритмов, которые позволяют им обучаться на данных. Обычно процесс обучения делится на несколько этапов:
1. Инициализация — начальные веса, связанные с нейронами, устанавливаются случайным образом.
2. Обучение — нейросеть анализирует тренировочные данные, сравнивая свои предсказания с реальными результатами и корректируя веса.
3. Тестирование — после обучения модель проверяется на новых данных для оценки ее эффективности.
4. Использование — обученная нейросеть применяется для решения реальных задач.

источник - здесь

________
что бы ни говорили про ИИ реально они пока еще без человека беспомощны и те кто доверил им принятие решений - пока просчитались целиком и полностью.
помочь нейросети конечно могут и сделают все быстрее, но в принятии решений и ответственности они ущербны.
в этом уже убедились многие (банки, сайты по поиску работы, интернет магазины и пр.).
и в т.ч. я сам …

[samsony1]

«Алиса AI» Яндекса взялась за ЕГЭ: нейросеть теперь учит школьников решать задачи самостоятельно

ИИ может объяснить ученику тему и помочь потренировать решение тестов.

В «Алисе AI» появился образовательный режим «Для учёбы», который помогает школьникам готовиться к ЕГЭ и разбирать задания по математике и английскому языку. Вместо готового ответа нейросеть ведёт диалог с учеником: объясняет материал поэтапно, выявляет пробелы в знаниях и задаёт наводящие вопросы, помогая самостоятельно прийти к решению.

модуле доступен тренажёр для подготовки к ЕГЭ по базовой и профильной математике. Задания составлены с учётом актуальных требований ФИПИ. Результаты отображаются в статистике, по которой можно определить темы, требующие дополнительной подготовки.

Также «Алиса AI» позволяет изучать математику по школьной программе с 5-го по 11-й класс. Задание можно отправить текстом или фотографией. Нейросеть разбирает ход решения на примерах и при необходимости объясняет отдельные понятия.

В разделе английского языка можно практиковаться в заданиях письменной части ЕГЭ, учить слова в контексте и разбирать домашние задания по фотографиям. Пока раздел доступен части пользователей, позже его обещают открыть для всех.

Чтобы воспользоваться режимом, нужно открыть чат с «Алисой AI» и выбрать «Для учёбы» в главном меню. Модуль разработала команда «Яндекс Образования».

источник - здесь

[samsony1]

«Яндекс» разработал с нуля большую языковую модель Alice AI Foundation LLM без использования сторонних иностранных компонентов.

Модель содержит 80 млрд параметров, из которых в работе одновременно активны 3 млрд. Она обучена на 18 трлн токенов. «Яндекс» открыл веса модели и выпустил ее в открытый доступ под лицензией Apache 2.0, которая разрешает коммерческое и исследовательское использование.

Alice AI Foundation LLM является экспериментальной версией будущей единой рассуждающей модели. Она должна стать основой агентных возможностей «Алисы AI», которые позволят пользователям поручать сервису выполнение конкретных действий.

Модель построена на архитектуре Mixture of Experts (MoE). За счет небольшого числа активных параметров она требует меньше вычислительных ресурсов при работе. По данным «Яндекса», модель показывает высокие результаты в задачах на программирование и рассуждение, а также превосходит ряд более крупных открытых моделей в тестах на знание фактов, актуальных для русскоязычных пользователей.

источник - здесь

[samsony1]

Беспилотного робота для уборки городских улиц создадут в Петербурге

Машина сможет подметать и пылесосить территории

В пресс-службе Санкт-Петербургского государственного электротехнического университета ЛЭТИ сообщили, что ученые вуза приступили к созданию беспилотного робота для уборки городских улиц. Проект предполагает разработку системы автопилота для серийной подметальной машины.

По словам руководителя «Лаборатории дигитализации производственных систем» Передовой инженерной школы ЛЭТИ Екатерины Масленниковой, на первом этапе планируется достичь полной автономии уборочного процесса на предприятиях с большими территориями: зарядка, уборка, очистка бака и снова зарядка. В дальнейшем технологию хотят применять и на городских улицах. Разработка займет около года.

источник - здесь

[samsony1]

Лидар, сонар и компьютерное зрение: Новая российская разработка придет на помощь слабовидящим и незрячим

Новая российская разработка — прибор «ЛИСА» — использует три сенсорных канала и алгоритмы искусственного интеллекта для пространственной ориентации людей с серьезными нарушениями зрения. Компактный носимый гаджет не занимает рук и предупреждает о препятствиях с помощью тактильных и голосовых сигналов.

Ульяновское конструкторское бюро приборостроения (УКБП концерна КРЭТ) ведет разработку носимой ассистивной системы «ЛИСА», предназначенной для пространственной ориентации людей с полной потерей или серьезным нарушением зрения. Устройство сочетает в себе три независимых канала сбора информации об окружающей обстановке: лидарное сканирование, сонарное зондирование и видеосъемку.

Лидар обеспечивает построение трехмерной карты пространства с помощью световых импульсов, сонар определяет наличие препятствий на основе звуковых волн, а видеокамера фиксирует визуальную информацию. Данные с трех сенсорных систем объединяются и обрабатываются алгоритмами системы с элементами искусственного интеллекта, что позволяет детектировать даже мелкие и тонкие препятствия — ветки, провода, тросы — и заранее предупреждать пользователя о их присутствии. Встроенная камера в сочетании с алгоритмами компьютерного зрения обеспечивает распознавание текстов, дорожных и навигационных знаков, а также лиц. Информация о препятствиях и объектах на пути передается пользователю через тактильную вибрацию, звуковые сигналы и голосовые подсказки. Устройство выполнено в формате компактного носимого гаджета, не занимающего руки.

источник - здесь

[samsony1]

В 2025 году в мире продали около 7 тыс. гуманоидных роботов

Гуманоидом считается робот с человекоподобным внешним видом, способный автономно работать в среде, предназначенной для людей. Наличие ног не является обязательным условием.

Продажи гуманоидных роботов пока значительно уступают объемам рынка традиционной робототехники. В 2024 году в мире установили около 542 тыс. промышленных роботов, а продажи сервисных роботов для транспорта, гостиничного бизнеса и уборки составили около 199 тыс. единиц.

Многие гуманоидные роботы, проданные в 2025 году, не использовались непосредственно для производства. Исследовательские институты и компании приобретали их для сбора данных и совершенствования моделей искусственного интеллекта.

источник - здесь

[samsony1]

Как ИИ меняет спрос на IT‑специалистов и их зарплаты

Компании все чаще готовы взять менее опытного кандидата, если он умеет работать с ИИ: 71% руководителей подтверждают этот тренд.

Российский бизнес только начинает массово внедрять генеративный ИИ в процессы. Значительная часть компаний находится на стадии пилотных проектов или первых интеграций. Из-за этого массовой замены сотрудников пока не происходит.

Но это не означает, что рынок остается прежним. По данным исследования hh.ru, 55% российских работодателей считают, что к 2028 году AI-грамотность станет обязательным навыком для большинства профессий, а каждый десятый уже рассматривает опыт работы с генеративным ИИ как важное требование при найме.
Это означает, что конкуренция постепенно смещается из области «кто больше знает» в область «кто быстрее и эффективнее решает задачи с помощью ИИ».

Уже сейчас в вакансиях востребованы вполне конкретные AI‑навыки, а не абстрактная «грамотность». Среди самых частых: умение формулировать точные промпты под бизнес‑задачу и валидировать ответы ИИ (проверять источники, логику, цифры), базовый опыт работы с API нейросетей, автоматизация типовых задач через связки ИИ + Excel/Notion/Power BI, понимание ограничений моделей (hallucinations, утечки данных) и умение их обходить.

Для IT‑специалистов плюсом будет навык ревью ИИ‑кода и работа с AI‑ассистентами в IDE. Эти компетенции легко добавить в резюме как измеримые результаты: «сократил подготовку отчета с... до... часов за счет автоматизации черновика и валидации выводов».

ИИ не одинаково влияет на все профессии. Наибольший рост стоимости сегодня демонстрируют специалисты, которые помогают бизнесу внедрять и масштабировать искусственный интеллект. Это AI Engineers, AI Architects, MLOps Engineers, Data Engineers, архитекторы корпоративных решений и senior-разработчики, умеющие использовать AI-инструменты в production-среде.

Если несколько лет назад главным дефицитом были специалисты по обучению моделей, то сегодня бизнесу гораздо важнее люди, которые умеют интегрировать ИИ в существующие процессы, обеспечивать качество данных, безопасность и надежность решений.

источник - здесь

[samsony1]

Яндекс расширяет географию рободоставки: до конца лета 2026 года сервис запустится в Воронеже и Тюмени

Таким образом роботы будут привозить заказы жителям уже шести миллионников, и до конца 2026 года Яндекс планирует запуски в других городах. С января компания кратно увеличила географию рободоставки, подключив в регионах суммарно более 100 дарксторов Яндекс Лавки и зон оперирования Яндекс.Еды. До конца лета 2026 года Яндекс рассчитывает утроить общее количество подключённых к рободоставке зон — за счет выхода в новые города и расширения присутствия в уже запущенных.

Рободоставка «Яндекса» действует в Москве, Санкт-Петербурге, Казани и Нижнем Новгороде, а также в части пригородов.

В Воронеже и Тюмени уже работают роботы-картографы. Внешне они похожи на роботов-доставщиков, но задача у них другая: составить сверхподробную трёхмерную карту улиц. Такая карта позволит доставщикам в дальнейшем уверенно ориентироваться в городе в любую погоду и время суток. После запуска воспользоваться рободоставкой жители городов смогут при заказе из приложений Яндекс Лавки и Еды.

Во всех городах будут работать роботы-доставщики четвёртого поколения — их Яндекс впервые выпускает серийно. По итогам первого квартала 2026 года количество роботов достигло 500. До конца 2027 года Яндекс намерен выпустить 20 000 доставщиков. Серийное производство позволяет быстрее охватывать новые города и снижать себестоимость доставки.
Запуск комбинированной доставки

Яндекс 27 мая 2026 года представил комбинированную доставку. Это новый формат доставки до двери: весь путь проделывает робот, а курьер подключается только на финальном этапе. Благодаря комбодоставке бизнес сможет снизить траты на логистику последней мили, а курьеры получат возможность проводить меньше времени в разъездах, не теряя в заработке.

источник - tadviser.ru

[samsony1]

В ТГУ создали метод точного прогноза погоды с помощью нейросетей

Специалисты Томского госуниверситета разработали новый метод реконструкции параметров облаков верхнего яруса, объединив атмосферную оптику и машинное обучение

Созданный метод базируется на комплексном использовании данных наземного лидарного, спутникового, аэрологического зондирования атмосферы и инструментов машинного обучения. Подобные алгоритмы ранее применялись для поиска редких событий при столкновении элементарных частиц на ускорителях. В исследованиях атмосферы они помогают ученым выявлять скрытые физические закономерности.

В процессе работы выяснилось, что обучать нейросети на исходных метеоданных напрямую неэффективно из-за динамичности атмосферы. Для решения этой проблемы сотрудники Лаборатории анализа данных физики высоких энергий ТГУ преобразовали архив глобального климатического реанализа ERA5 за 15 лет (с 2009 по 2023 годы) в компактные цифровые коды. Это позволило искусственному интеллекту точнее учитывать взаимосвязи температуры, влажности, давления и ветра на разных высотах.

источник - здесь