Пентагон рассматривает Anthropic как "риск для цепочки поставок" и ещё 8 новости

Пентагон рассматривает Anthropic как "риск для цепочки поставок"

Власти США рассматривают возможность внесения компании Anthropic в список "рисков для цепочки поставок" из-за ограничений на использование её ИИ в военных целях. Этот шаг может привести к разрыву связей между Anthropic и американскими оборонными подрядчиками.\r \r В центре конфликта, вопрос о контроле над развёртыванием передовых ИИ-моделей: кто должен решать, как они используются в военных операциях, разработчики или правительство? Anthropic готова смягчить некоторые ограничения, но настаивает на невозможности использования её ИИ для слежки за гражданами или создания автономного оружия.\r \r Модель Claude от Anthropic единственная, допущенная к использованию в секретных системах Пентагона, и, по сообщениям, она уже применялась в операциях, например, при попытке захвата Николаса Мадуро. Эксперты предупреждают о рисках неконтролируемого использования ИИ в военных целях, и этот конфликт демонстрирует растущее напряжение между ответственностью разработчиков и потребностями армии.

ИИ помогает малому бизнесу в Кении

В Кении малый бизнес получает новые возможности благодаря инструментам на базе искусственного интеллекта. Владельцы небольших предприятий, от салонов красоты до мастерских, используют ИИ для оптимизации работы и привлечения клиентов.

Особым спросом пользуются решения, помогающие в маркетинге и управлении социальными сетями. ИИ анализирует данные о потребителях, позволяя создавать более эффективные рекламные кампании и персонализированные предложения. Кроме того, инструменты автоматизации рутинных задач освобождают время для развития бизнеса.

Microsoft активно поддерживает развитие ИИ-инструментов для малого бизнеса в Кении, предоставляя доступ к облачным сервисам и обучая предпринимателей использованию новых технологий. Это помогает снизить издержки и повысить конкурентоспособность местных компаний.

7 полезных библиотек Python для индикаторов прогресса

В Python есть несколько библиотек, упрощающих отображение индикаторов прогресса при выполнении длительных задач. Это особенно полезно в задачах обработки данных, машинного обучения и автоматизации, когда необходимо визуально отслеживать процесс.

Один из популярных вариантов — tqdm. Он прост в использовании и позволяет отображать прогресс в консоли. Другие библиотеки предлагают более широкие возможности, например, интеграцию с графическими интерфейсами или поддержку разных стилей отображения.

Библиотеки, такие как alive-progress позволяют создавать анимированные индикаторы, а progressbar2 предоставляет гибкие настройки для отображения информации о ходе выполнения. ppbar предлагает минималистичный подход, а halo фокусируется на простоте и элегантности. Наконец, progress даёт базовые возможности для отслеживания прогресса.

Выбор подходящей библиотеки зависит от конкретных потребностей проекта и желаемого внешнего вида индикатора. Многие из них легко интегрируются в существующий код и позволяют быстро добавить визуальное отображение прогресса.

Открытые модели ИИ: В погоне за лидерами

В последние месяцы регулярно появляются новые открытые модели, которые приближаются по своим возможностям к лучшим закрытым аналогам. Свежий пример — GLM 5 от компании Z.ai, одна из самых продвинутых открытых моделей, разработанных в Китае. Примечательно, что большинство новых открытых моделей сейчас создаются именно в Китае, в то время как ранее лидировали разработки Meta.

Несмотря на оптимизм, эксперты отмечают, что открытые модели пока не могут сравниться с лидерами в абсолютной производительности. Разрыв в ~6 месяцев сохраняется. В то же время, открытые модели демонстрируют неожиданно высокую скорость развития, опережая ожидания многих специалистов, учитывая значительно большие ресурсы, доступные американским лабораториям.

Индекс ArtificialAnalysis Intelligence Index показывает динамику развития открытых и закрытых моделей. Важно понимать, что подобные оценки не отражают всю сложность прогресса в ИИ, но позволяют оценить общие тенденции.

Фактически, открытые модели диктуют направление развития науки и распространения технологий, в то время как закрытые модели определяют передовые рубежи. В конечном счете, баланс между доступностью и высокой производительностью продолжает формировать ландшафт индустрии.

Три вопроса к поставщику облачных услуг для реселлеров

Прежде чем переходить на облачную платформу, важно тщательно оценить все возможные риски и нюансы. Эксперты рекомендуют задать поставщику три ключевых вопроса, чтобы обезопасить свой бизнес в будущем.

Первый вопрос касается "закрытости" платформы – насколько сложно будет перейти к другому поставщику, если возникнет такая необходимость. Второй – о скрытых расходах, которые могут существенно увеличить общую стоимость владения. Наконец, третий вопрос посвящён интеграции инструментов: насколько хорошо выбранное решение взаимодействует с уже используемыми системами.

Внимательное изучение этих аспектов поможет избежать неприятных сюрпризов и гарантировать плавный переход в облако, а также обеспечит гибкость и контроль над IT-инфраструктурой.

Cloudflare SDK 0.5.0: Агенты с улучшенной производительностью ИИ

Cloudflare выпустила SDK для создания "агентов" с улучшенной производительностью. Cloudflare представила версию 0.5.0 SDK для разработки "агентов" – программ, способных сохранять состояние на длительное время и эффективно выполнять задачи на основе ИИ прямо на сети Cloudflare. Это решает проблему потери контекста и задержек, возникающих при использовании традиционных серверless-функций.

Новая версия SDK включает в себя два ключевых компонента: Durable Objects для сохранения состояния и Infire – собственный движок для инференса, написанный на Rust. Durable Objects обеспечивают постоянную идентификацию и память для каждого агента, используя встроенную SQLite базу данных объемом до 1 ГБ.

Infire оптимизирует работу с GPU, снижая нагрузку на процессор и увеличивая скорость инференса. В тестах он показал прирост производительности в 7% по сравнению с vLLM 0.10.0 и снижение использования CPU до 25%. Кроме того, в SDK реализован "Режим кода", который позволяет агентам генерировать TypeScript-код для выполнения сложных задач, что существенно снижает потребление токенов.

В релизе 0.5.0 также добавлены инструменты для стабильной работы агентов, такие как автоматические повторы запросов и подавление протокола для взаимодействия с устройствами IoT.

Anthropic Claude 4.6 Sonnet: миллион токенов и адаптивное мышление

Компания Anthropic представила Claude 4.6 Sonnet – новую модель, разработанную для решения сложных задач в области программирования и обработки данных. Ключевой особенностью является механизм "Адаптивного мышления", позволяющий модели анализировать логику перед генерацией ответа.

Новый движок "Адаптивное мышление" позволяет модели "приостанавливаться" и рассуждать, прежде чем предоставить окончательный ответ. Внутренние "монологи" помогают выявлять корень проблем в коде и уменьшают количество "галлюцинаций" при работе с данными.

По результатам тестов, Claude 4.6 Sonnet почти догнал флагманскую модель Opus по производительности, особенно в задачах, связанных с кодом и автоматизацией работы с приложениями. Модель показала значительные улучшения в навигации по веб-страницам, работе с таблицами и поисковых запросах.

Встроенный динамический фильтр использует Python для обработки результатов поиска, отсеивая устаревшую информацию и отдавая приоритет авторитетным источникам, таким как GitHub и Stack Overflow. Стоимость использования составляет 3 доллара за миллион входных токенов и 15 долларов за миллион выходных. Модель доступна через API Anthropic, Amazon Bedrock и Google Cloud Vertex AI.

NVIDIA Nemotron 2 Nano 9B: AI для японского языка

Компания NVIDIA выпустила Nemotron 2 Nano 9B — небольшую, но мощную языковую модель, разработанную специально для работы с японским языком. Она призвана обеспечить суверенитет Японии в области искусственного интеллекта, предоставляя локальное решение для обработки естественного языка.

Модель обладает 9 миллиардами параметров и может использоваться для различных задач, включая генерацию текста, машинный перевод и ответы на вопросы. Nemotron 2 Nano 9B разработана на основе архитектуры Transformer и обучена на большом объеме японских текстов.

Разработчики утверждают, что новая модель демонстрирует высокую производительность в обработке японского языка и может стать основой для создания различных приложений, работающих с японским текстом. Модель распространяется с открытым исходным кодом и доступна для использования в исследовательских и коммерческих целях.

ИИ научился ориентироваться по карте

Учёные разработали систему, позволяющую нейросети "читать" карты и понимать пространственные отношения между объектами. Это достигается за счёт обучения ИИ на большом количестве изображений карт и сопоставления их с реальными географическими данными.

В отличие от обычного распознавания изображений, новая система не просто определяет, что изображено на карте (например, дорога или река), а понимает, как эти объекты связаны друг с другом – где одна дорога переходит в другую, где находится город относительно гор и т.д. Это делает возможным использование ИИ для задач навигации, планирования маршрутов и анализа географических данных.

Разработчики отмечают, что созданная ими система способна обрабатывать карты разных типов и масштабов, а также справляться с неполной или неточной информацией. В будущем технология может быть использована в беспилотных транспортных средствах, робототехнике и геоинформационных системах.