Удивительное единодушие, но эту статью со словами поддержки ретвитнули все 3 будущих самых влиятельных человека не планете главных конкурента: Маск, Альтман, Кларк (ну, не Дарио, но его кофаундер). Для контекста: все эти люди были в первом составе OpenAI, работали вместе под лозунгом «не дадим Хассабису стать диктатором». Часто вижу удивление у людей, мол почему и как так что весь ИИ случился в одном городе на планете. И да, действительно, всему причина Гугл и это было их целью с начала 2000-х, но что поняли Дарио, Сэм, Илон, Илья, Мира и остальные еще в 2017-2018 — это то, что это очень быстро станет самой важной технологией на планете, ставки высоки и любая неделя промедления будет стоить миллиарды, как долларов, так и потенциально жизней.

Google бахнула свой MetaHuman. Ну почти Google выложила GNM Head — open-source 3D-модель человеческой головы. Если совсем грубо: это как если бы Google сказала “а давайте сделаем свой фундамент для цифровых лиц”, только не в виде красивого редактора с ползунками, а в виде исследовательского Python-пакета для тех, кто не боится слов mesh, identity vector и expression parameters. GNM — это Generative aNthropometric Model. Произносится как “genome”, потому что амбиция примерно такая же скромная: собрать параметрическую модель человека. Первый релиз - голова. Но не просто шар с глазами, а (какбэ) детальная 3D-геометрия лица, кожи, глаз, зубов и языка. GNM работает с настоящей 3D-геометрией. Можно отдельно менять “кто это” - форму лица и головы, отдельно выражение, отдельно поворот головы, глаз и положение в пространстве. Это не готовый конкурент MetaHuman , где можно за пять минут собрать персонажа и кинуть его в Unreal. GNM Head пока больше похож на open-source модуль для тех, кто строит свои аватары, face tracking, синтетические датасеты, 3D-реконструкцию или AI-пайплайны. Хочешь в Blender - экспортируй mesh. Хочешь в Unreal - готовь morph targets, материалы, риг и весь остальной production-обвес. identity обычно фиксируем, expression крутим по кадрам, pose отвечает за голову и глаза. Можно собрать blend shapes, можно выгнать Alembic/cache-анимацию, можно пытаться маппить face capture. Зато лицензия Apache 2.0, поддержка NumPy, JAX, PyTorch и TensorFlow, данные модели в репозитории, плюс semantic sampling: можно сэмплировать выражения вроде happy или surprise и идентичности по атрибутам. Это не гугловый MetaHuman, а исследовательский фреймворк без интерфейса. Сорс: GNM GitHub, GNM Head README. @cgevent

📌Google воссоздала утерянный гол Пеле 1959 года Для музея Пеле в Сантусе специалисты DeepMind сняли мини-документалку о знаменитом голе, который ни разу не попал на плёнку. Видеозаписей матча просто не существует, поэтому историки собрали точную раскадровку по архивам - в дело пошли 2000 документов и 3600 фотографий.

Сантус для этой истории место не случайное. Пеле пришёл в местный клуб в 15 лет и играл за него с 1956 по 1974 год - там забил большинство своих голов, включая тот самый, незаснятый. Для этого города он легенда, поэтому музей открыли именно здесь.

Полностью доверить сцену ИИ не получилось - генеративные модели до сих пор путаются в сложной спортивной биомеханике. Поэтому команда сначала сняла живого дублёра на футбольном поле, а затем функция Performance Control в видеогенераторе Veo 3 взяла с этой записи 3D-геометрию и траектории движения актёра - так получился жёсткий физический каркас, за пределы которого генерация выйти не могла. Поверх каркаса модели Gemini Omni и Nano Banana Pro дорисовали исторический облик стадиона, погоду, толпу на трибунах и лицо самого Пеле, заменив им дублёра. Финал делали по-киношному. Мяч добавили классическими визуальными эффектами, а готовый цифровой файл прогнали через аппаратный фильм-рекордер - устройство, которое переносит цифровое видео на настоящую плёнку. Отсюда зерно и цветопередача кино пятидесятых - их не имитировали фильтром, а получили честным аналоговым способом. @ai_machinelearning_big_data #news #ai #ml

✔️ ChatGPT получил полноценный внутренний поиск Долгожданная функция поиска по истории чатов, проектам и загруженным документам доступна в боковой панели веб-интерфейса и в мобильных приложениях для iOS и Android. Поиск поддерживает фильтры по типам контента, а клик по результату в выдаче перенаправляет пользователя на конкретное сообщение в диалоге. Обновление разворачивается глобально. Новая возможность доступна всем пользователям ChatGPT, включая бесплатную версию. openai.com ✔️ Anthropic открыла учителям в США бесплатный доступ к своим продуктам Компания анонсировала бесплатную платформу Claude for Teachers для преподавателей школ США. В неё вошли модели, среда Claude Code и Cowork, где ИИ сам выполняет цепочки задач. Например, учитель один раз настраивает агента, и тот каждое утро проверяет тесты или собирает сводку по успеваемости класса. Платформа поддерживает интеграцию с сервисами Canva Education и MagicSchool, позволяя встраивать Claude в уже готовые рабочие процессы. Anthropic обещает, что данные учителей и учеников не пойдут на обучение будущих моделей. Заодно на GitHub выложили набор навыков для агентов и запустили курс по ИИ, не привязанный к продуктам какой-то одной компании. Программа продолжает вузовскую Claude for Education. Регистрация открыта до июня 2027 года. anthropic.com ✔️ Google добавила генерацию изображений в AI Overview К 25-летию сервиса Google Images компания добавила генерацию картинок по текстовому запросу в поисковые сводки. За функцию отвечает генератор на базе Nano Banana. Домашняя страница поиска по картинкам получила редизайн с механикой в стиле Pinterest. Интерфейс переведен на динамическую галерею с адаптивной алгоритмической лентой и возможностью сохранять изображения в тематические коллекции. Развертывание генеративных функций в AI Overviews займет несколько недель. На старте опция доступна только на английском языке в регионах, где уже поддерживается создание изображений. blog.google ✔️ Nvidia вдвое сократила список покупателей ИИ-чипов в Азии Чипмэйкер ужесточил процесс одобрения для азиатских контрагентов из списка авторизованных покупателей, чтобы перекрыть серый экспорт оборудования в Китай. После аудита число одобренных компаний в Сингапуре, Малайзии и Японии уменьшилось более чем на 50%. В новый "белый список" не попали многие новые облачные провайдеры-арендодатели GPU. Компания перешла от проверки документов к физическим инспекциям дата-центров. Теперь Nvidia анализирует контракты и запрашивает информацию напрямую у конечных пользователей ускорителей. ft.com ✔️ Учёные предупреждают о приближении второй промышленной революции Стэнфордская лаборатория цифровой экономики опубликовала открытое письмо "We Must Act Now" о макроэкономических последствиях внедрения ИИ. Документ подписали более 200 ученых, 16 нобелевских лауреатов и представители Google, Anthropic и OpenAI. Авторы прогнозируют, что в ближайшие 10 лет развитие ИИ спровоцирует трансформацию экономики, сопоставимую с исторической индустриализацией. Письмо призывает формировать новые институты для компенсации потери рабочих мест. Лидеры ИИ-компаний указывают на нехватку метрик для измерения влияния ИИ на экономику - из-за этого конкретный план действий отсутствует. Демис Хассабис, не подписавший письмо, прогнозирует появление AGI в перспективе 5 лет и сравнивает эффект с "десятикратной индустриализацией на десятикратной скорости". stanford.edu @ai_machinelearning_big_data #news #ai #ml