Роботам больше не нужны камеры на головах. Им нужен YouTube. 🤖 Пока индустрия тратит миллиарды на сборку robot-data: камеры на головах операторов, ручные демонстрации и тонны разметки, Rhoda AI показала куда более наглую идею: можно взять обычные видео из интернета и научить робота работать руками. Без действий робота. Без специальной разметки. Без съёмок на производстве. Сначала модель учится на обычном web-video предсказывать, что произойдёт в следующую секунду. Потом получает немного демонстраций конкретной задачи и выходит на результат:

4% → 65% → 75% → 85% успешных выполнений.

Робот открывает коробки, достаёт подшипники и сортирует упаковку. Большая модель не просто реже ошибается. Она увереннее двигается, меньше повторяет попытки и быстрее заканчивает работу. Главный вывод: для физического интеллекта, возможно, не нужно снимать миллионы часов действий роботов. Достаточно сначала научить модель понимать, как устроен визуальный мир. А этот датасет уже собран. Он называется интернет. @almazrobots — меня зовут Алмаз, я создаю роботов.

Эндрю Гарфилд, сыгравший роль Сэма Альтмана в фильме Artificial, заявил, что после роли перестал использовать ChatGPT Когда актер готовился к роли, то провел собственное большое расследование личности Альтмана: смотрел интервью, изучал статьи, судебные стенограммы и биографию. Свое мнение по поводу предпринимателя он не афиширует, но в одном из интервью сказал, что "любой, кто берет на себя такую ответственность за компанию или технологию, которая точно нанесет немалый вред душе человечества, должен обладать определенной способностью к диссоциации". И в интервью Jimmy Kimmel он заявил, что после съемок вообще перестал использовать ChatGPT.

Это то же самое, что случилось со мной, когда я снимался в 'Социальной сети' – я тогда сразу отказался от Facebook. Я даже не знаю, как это объяснить, но чем больше ты знаешь, тем больше понимаешь, что мы несемся в какую-то совершенно неизвестную территорию.

OpenAI побили еще сотню стартапов "AI аналитики" Выпустила Data agent в ChatGPT Work – плагин, который подключается к корпоративным данным, сам пишет SQL, ищет, что изменилось, и собирает интерактивные дашборды, которыми можно поделиться. Вопрос задаёшь словами, код не нужен. Что внутри: – источники: Snowflake, BigQuery, Databricks, Redshift, ClickHouse, MongoDB, Datadog, плюс Google Drive и SharePoint – BI: Tableau, Power BI, Sigma, ThoughtSpot, Omni, Oracle BI – семантический слой: агент берёт термины, метрики и формулы из dbt, Databricks Genie, Snowflake Horizon, GitHub и самих дашбордов – чтобы «выручка» считалась так, как у вас принято, а не как модели показалось – права: запросы идут под учёткой пользователя со всеми ограничениями по таблицам, строкам и колонкам – после анализа – рекомендации, кому из коллег это показать, и выгрузка в Slack или почту Внутри OpenAI это уже стандарт: почти вся продуктовая команда и две трети GTM сидят в этом агенте. Года 2 назад, еще до размышляющих моделей, как раз строили подобную штуку... Теперь это из коробки доступно. Text-to-SQL без него все пробовали, и все получали красивые уверенные цифры, которым нельзя верить. Много приходилось писать прям функций руками, которые может вызывать ИИ, чтобы результат был одинаковый. Теперь думаю с такой клиентской базой и такими провайдерами это вопрос решенный https://openai.com/index/put-data-to-work/