🤟 DeepMind SL2T: мультиязычная модель перевода жестового языка в текст 📌 TL;DR DeepMind представила SL2T — модель перевода жестового языка в текст, которая работает на потребительских устройствах (Pixel 11, Gboard, Live Transcribe). Ключевые особенности: приватность через pose-ландмарки (не сырое видео), обучение на 100K+ часов данных по 50+ жестовым языкам, и прямой перевод landmarks → text без промежуточных глоссов. На бенчмарке FLEURS-ASL модель достигает 70 BLEURT (zero-shot), значительно обгоняя предыдущие SOTA (около 50). 🧠 Зачем? Большинство систем распознавания жестового языка до сих пор в стадии RnD-исследований: либо они требуют разметку глоссов (искусственных текстовых представлений жестов), либо работали только с одним языком и обрабатывали сырое видео, что по мнению авторов создает риск безопасности (спорный поинт). Можно ли создать единую модель, которая (1) масштабируется на десятки жестовых языков, (2) работает в реальном времени на устройстве, (3) защищает приватность пользователей и (4) не требует промежуточных аннотаций? Ответ — да. 🗂️ Как устроена SL2T Пайплайн обработки:

[Камера] → MediaPipe Holistic (on-device) → Pose landmarks (x, y coords) → [Server] → SL2T Model → Text

Ключевые выводы: 1) Мультиязычность улучшает качество на 50+ языках, помогает модели выявлять общие структуры, что улучшает метрики даже на редких языках; 2) Отказ от глоссов: прямой перевод позволяет модели учиться на нелинейных аспектах жестового языка (мимика, пространственные отношения), которые глоссы не передают; 3) Качество растёт с объёмом данных — нет искусственного потолка из-за ограниченного словаря глоссов. 🧪 Ограничения и открытые вопросы — Покрытие языков: пока только американский ЖЯ в продуктах; остальные 50+ языков — в исследовательской фазе — Бенчмарки обычно собраны на чистых данных; реальная вариативность (освещение, ракурсы, скорость жестов) могут сильно влиять на качество — Не-мануальные компоненты: хотя модель теоретически способна их учитывать, но тема не изучена достаточно хорошо — Культурная адаптация: жестовые языки тесно связаны с культурным контекстом. А как модель адаптируется к региональным вариациям внутри одного языка? Проблема диалектов остается открытой. 🔗Ссылка: Google DeepMind Blog, 2026 #signlanguage

✔️ США освободили китайские открытые модели от обязательного тестирования Белый дом вывел китайские модели с открытыми весами из-под действия нового регламента ИИ-безопасности. Администрация США отказалась от их обязательного тестирования, о чем сообщила представителям OpenAI, Anthropic и Google на закрытом брифинге. Регулятор ужесточил контроль после апрельского предупреждения от Anthropic перед релизом Mythos. Дополнительным поводом послужили недавние инциденты, когда системы OpenAI и Anthropic выходили за пределы тестовых сред в инфраструктуру сторонних организаций. Исключение для китайских решений противоречит позиции CEO Anthropic Дарио Амодеи, который требовал внедрить обязательные проверки для всех разрабатываемых моделей. zaobao.com.sg ✔️ В Google DeepMind произошли кадровые перестановки Демис Хассабис перешел с поста главы DeepMind на позицию Chief Scientist материнской компании Alphabet. Он сфокусируется на стратегии AGI и развитии медицинского ИИ в Isomorphic Labs. Повседневное управление DeepMind и разработка семейства Gemini перешли к Кораю Кавукчуоглу, бывшему техническому директору подразделения. Одновременно Google покинул Джефф Дин, проработавший в корпорации 27 лет. Вместе с Санджаем Гемаватом, Ориолом Виньялсом и Куоком Ле он основал стартап Discovery Loop, который планирует заниматься автоматизацией ML-экспериментов. Проект привлек инвестиции от крупных фондов и самой Alphabet. blog.google ✔️ Black Forest Labs открыла доступ к FLUX 3 Video Модель доступна через собственный API немецкого стартапа и платформы партнеров. Она генерирует ролики до 20 секунд в HD и Full HD со звуковой дорожкой, фоновыми шумами, спецэффектами и речью. Модель поддерживает text-to-video, image-to-video и video-to-video и работает с ключевыми кадрами, а также может менять сцену и ракурс внутри одного видео, продолжать видеоряд и рендерить текст в кадре. Для речи заявлен липсинк на 14 языках. По внутренним бенчмаркам Elo FLUX 3 обходит Gemini Omni Flash, Minimax H3 и Seedance 2.0. Тарификация в API посекундная, генерация звука включена в стоимость. В HD-режиме T2V и I2V обойдутся в $0,06/сек, а обработка видео - в $0,12/сек. В Full HD цены составляют $0,29 и $0,53 за секунду соответственно. bfl.ai ✔️ ByteDance представила полнодуплексную аудиовизуальную модель с проактивным взаимодействием Китайский техногигант выпустил мультимодальную модель SeedRealtime для взаимодействия в реальном времени, которая параллельно обрабатывает аудио, видео и текст. Технической фишкой стал отказ от систем обнаружения голосовой активности. Очередность реплик контролируется через совместное непрерывное моделирование звука, визуальных данных и временных параметров. Модель самостоятельно определяет, когда вступить в диалог, сделать паузу или отфильтровать фоновый шум. SeedRealtime не ждёт команд, она фоном анализирует визуальный контекст, отслеживает нескольких спикеров и способна инициировать общение, реагируя на события или объекты в кадре. ByteDance заявляет, что система уже развернута на практике, но сведения о доступности в пресс-релизе не приводятся. bytedance.com ✔️ Mixture-of-Kittens: инструмент для ускорения обучения MoE-моделей на NVIDIA Blackwell Cursor выложила инструмент Mixture-of-Kittens (MoK) для ускорения обучения MoE-моделей на архитектуре NVIDIA Blackwell. MoK решает проблему задержек при обмене данными между GPU - в MoE-сетях этот процесс может занимать более половины времени обучения. Инструмент объединяет маршрутизацию токенов и вычисления в единый низкоуровневый массив для их параллельного выполнения и минимизации простоя оборудования. В тестах на кластере из 512 GB300 общая пропускная способность выросла на 41%, а обработка MoE-слоев ускорилась в 2,37 раза по сравнению с аналогами. По словам Cursor, компания применяет MoK для обучения модели Composer. Инструмент работает исключительно с архитектурой NVIDIA Blackwell и открыт под лицензией Apache 2.0. cursor.com @ai_machinelearning_big_data #news #ai #ml

Николай Сторонский хочет больше акций Revolut, Wildberries и его мессенджер, основателю «Спутника» сократили срок, 10 млн рублей в юридического AI-ассистента, Демис Хассабис уходит с поста гендира Deepmind 🦄 Доброе утро, наши маленькие любители единорогов! 💲 Основатель Revolut Николай Сторонский ведет переговоры о новом компенсационном пакете для себя, пишет Financial Times. Сейчас у него 29%. По нынешнему соглашению, у Сторонского будет около 40%, если компания достигнет оценки в $200 млрд. А теперь речь идет про оценку в $500 млрд и дополнительный пакет акций в случае ее достижения. Сейчас оценка Revolut $115 млрд. 📨 Сегодня вроде без сгоревших складов Wildberries — вот только в Тверской области обломок дрона повредил фасад. Но Wildberries, похоже, готовится к запуску собственного мессенджера. Как пишет РБК, компания зарегистрировала более 170 доменов, связанных с мессенджером. Ранее Татьяна Ким говорила, что они сделали мессенджер для внутреннего использования, а потом решили сделать его открытым для всех. 🧑‍⚖️ Основателю агрегатора экскурсий Александру Киму сократили срок на полгода — до пяти лет. Такое решение принял Второй кассационный суд общей юрисдикции, рассказал представитель Кима. Если забыли, то его осудили из-за трагедии на подземной реке Неглинки — на сайте «Спутника» некоторые участники покупали билеты. Вот подробности. Киму сидеть еще около года. 💲 Стартап LawCopilot, который разрабатывает юридического AI-ассистента, привлек 10 млн рублей от фонда Brainbox_I, сообщили представители последнего. Оценка и размер доли не раскрывают. В юрлице, которое указано в пресс-релизе и которое было зарегистрировано месяц назад, доля фонда пока не отобразилась — там 100% у основателя Александра Литвиненко. 🚪 Основатель Google DeepMind Демис Хассабис уходит с поста гендиректора, пишет Axios. Но он останется председателем совета директоров. Издание Semafor со ссылкой на источники добавляет, что уход готовился минимум год — Хассабис постепенно передавал дела. Вроде как ему было трудно получать удовлетворение от роли руководителя технологической компании, а не ученого-визионера. @TheEdinorogBlog — тот самый канал про стартапы🦄

Мой прогноз про горизонт событий к 2030 держится на одном допущении: что ИИ научится задавать вопросы, которые никому и никогда не приходили в голову. Но пока – не умеет. Ибо для этого нужен прыжок, который когда-то сделал Эйнштейн Об этом же – почти одновременно и независимо друг от друга – написали исследователь Google DeepMind и трое известных учёных с абсолютно разных научных полюсов. Автор 1й работы Том Захави – соруководитель исследовательской группы Google DeepMind по созданию креативных агентов и один из ключевых создателей AlphaProof. А трое авторов 2й работы – Андреа Роли, Сауро Суччи и Стюарт Кауффман – ученые абсолютно иных научных профилей и компетенций. Диагноз, впрочем, в обеих работах один и тот же.   Захави отталкивается от письма Эйнштейна другу Морису Соловину: настоящее открытие – это не вывод из данных, а скачок. Свой скачок к теории относительности Эйнштейн сделал, вообразив себя наблюдателем в падающем лифте – и «почувствовав», что гравитация исчезает. Захави называет это манипулятивной абдукцией: гипотеза рождается из мысленного действия, а не из перебора символов, – и именно этого, по его мнению, современным LLM недостаёт. Кауффман с соавторами формулируют тот же предел иначе: ИИ может быть непредсказуемым – но непредсказуемость ещё не значит непредзадаваемость. По лабиринту можно блуждать совершенно непредсказуемо – но стены лабиринта построены заранее. Настоящая новизна – как плавательный пузырь, однажды ставший лёгким, – это не движение по пространству возможностей, а появление нового измерения в нём самом. Ту же границу автор канала обрисовал в 2021-м, в заочном диалоге с теми же Роли - Кауффманом и примкнувшим к ним Йоханнесом Йегер (а также в очном диалоге с Саркисом Григоряном 😊) – за пять лет до того, как обе статьи 2026 года подтвердили её независимо друг от друга.   У Захави здесь есть своя логика: если скачок – не мистика, а физически заземлённая абдукция, то дайте ИИ тело и симуляцию мира – и он сам, экспериментируя, «перережет трос лифта», как когда-то мысленно сделал Эйнштейн. Красиво, и даже хочется согласиться. Но лифт, трос и даже сама физика падения в такой симуляции всё равно заданы заранее – тем, кто её построил. ИИ не выйдет за пределы декораций, даже перерезая в них трос. Занять место падающего наблюдателя – не то же самое, что придумать, что такое падение.  

И поэтому я не думаю, что настоящий «горизонт событий» будет достигнут, даже если машина докажет последнюю из недоказанных (и придуманных) людьми теорем. Но вот если машины обретут способность ставить вопросы, не приходившие ранее в головы людей, – тогда другое дело. А если к тому же машины ещё и научатся формулировать новые аксиомы, в которых эти никогда не задававшиеся вопросы обретут смысл, – это и будет настоящий «горизонт событий».

Пока этого не произошло. Но и абсолютной уверенности, что это в принципе невозможно, тоже нет.   Подробнее и в деталях: • что за «скачок Эйнштейна» не умеют делать LLM, • почему абдукции (и даже обретения моделью тела) может быть недостаточно, • что означает «непредсказуемое – ещё не непредзадаваемое», • о четырёх ступенях производства нового и о пятой, самой заветной ступени, – заинтересованные читатели могут прочесть или прослушать в полном тексте эссе [1, 2, 3, 4]   #ТОИ

Истинная причина, почему Google «выбыл» из ИИ-гонки названа, «и это меняет всё» Сегодня это самая обсуждаемая новость по версии AI Bulletin … о которой я подробно пишу ужу 1.5 года Первые отклики на новое эссе Альберто Ромеро (его название и ссылка в заголовке) впечатляют: «Это лучшая статья о том, как технологии, лежащие в основе ИИ, влияют на бизнес в сфере ИИ, которую я когда-либо читал» [.] «… эта статья – наиболее ясное изложение темы на данный момент» [.] «DeepMind решает проблемы с помощью физических, математических или биологических правил. Одержимость OpenAI и Anthropic агентами кодирования имеет одно слабое место: коллапс данных и языковое эхо. Хассабис знает, что деньги Google позволяют ему делать ставки на более длительный срок» [.] «Причина, по которой Google, по-видимому, отстает в последних версиях своих продуктов, интерпретируется не просто как технологическое поражение или организационный провал, а как “преднамеренный стратегический сдвиг”» [.]   Но для подписчиков «Малоизвестного интересного» это далеко не новость. Вот уже полтора года я подробно и в деталях пишу ровно об этом в триптихе эссе «Проект “Pi” – 5й туз в рукаве Google» [1, 2, 3], открытом для привилегированных патронов канала информарии проекта Pi и серии постов с тэгом #ParadigmsofIntelligence.  

Суть этой темы формулируется так: Google не «проигрывает» традиционную гонку LLM, а ведет совершенно другую, многовекторную игру, отказываясь от монолитного масштабирования в пользу гибридной стратегии и диверсификации ставок.

В отличие от OpenAI и Anthropic, чья основная гипотеза долгое время строилась вокруг Scaling Law (прямое наращивание параметров, датасетов и вычислительных мощностей трансформеров для достижения рекурсивного самосовершенствования ИИ), Google осознает риски «перегрева» этого направления (дефицит данных, высокая стоимость чипов, плато эффективности). Поэтому стратегия Google разделена на два эшелона: Текущий фронт (Gemini): сохранение паритета в классических LLM/мультимодальных моделях для защиты поиска, Workspace и облачного бизнеса. Альтернативный фронт (Фундаментальные исследования): поиск парадигм, которые придут на смену трансформерам, если масштабирование упрется в тупик   Идея понятна и поддерживается многими экспертами. И весь вопрос лишь в том, в чем именно заключается «альтернативный путь» Google. Ответ на этот вопрос таков. Google обладает уникальным ресурсом – лабораториями, которые могут позволить себе не бороться за бенчмарки следующих месяцев, а исследовать фундаментально иные концепции: 1. От текстовых моделей к World Models и Embodiment Проекты вроде Genie (генерация интерактивных миров) и линейка RT-2 / Gemini Robotics смещают фокус с пассивного предсказания токенов на создание агентов, понимающих физику, причинно-следственные связи и динамику среды. 2. Альтернативные архитектуры и активный инференс (Проект Pi) Исследования Блеза Агуэро Аркаса и его группы Paradigms of Intelligence с акцентом на коллективный интеллект, самоорганизацию и алгоритмическую жизнь, как страховка Google на случай, если идея «одного огромного монолитного мозга в дата-центре» окажется тупиковой. 3. Научный ИИ (DeepMind) Пока стартапы фокусируются на чат-ботах и генерации кода, Google удерживает абсолютное лидерство в применении ИИ для естественных наук (AlphaFold 3, AlphaProteo и открытие новых материалов).   Резюмирую так. Google перестал слепо бежать в навязанной OpenAI гонке «кто быстрее обучит модель на триллионах параметров» и переключился на подготовку к следующему фазовому переходу ИИ-технологий. Если OpenAI и Anthropic ставят всё на то, что существующая парадигма LLM приведет к СуперИИ, то Google строит экосистему, которая выживет и победит, даже если гипотеза масштабирования провалится.   #ПроектPi  #ParadigmsofIntelligence

📌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

По tech-СМИ гуляет история, как Google платит своим сотрудникам по 500К баксов в год, чтобы они тупо ничего не делали. Формально это правда. Понятно, что Гугл не поехал кукухой и не раскидывает бабло направо и налево. Нет, они идут на такой шаг только с самыми-самыми ценными ИИ-кадрами. Им выгоднее, чтобы те год получали зарплату ни за что, чем пошли улучшать модели в Anthropic или OpenAI. Но самое интересное тут даже не это. Дело в том, что ИИ-гонка идёт капец как быстро, и в ней всё меняется на космических скоростях. Подходы и знания, которые актуальны сегодня, через год уже устареют чуть менее чем полностью. Именно поэтому в сфере ИИ Гуглу выгодно такое делать (в других сферах - нет, а в ИИ - да). Они консервируют самых ценных и ликвидных ребят на год, чтобы их bleeding edge экспертиза успела "протухнуть". А дальше пусть идут к конкурентам на здоровье, статус-кво в индустрии это уже не изменит. В общем, чтобы вам платили пол ляма в год за сидение дома - ваши знания должны быть не просто нереально ценными и уникальными. Они должны давать дизрапт в моменте, а потом быстро устаревать. Иначе компания бабла не напасётся на такой "garden leave", и вся схема потеряет смысл. И ещё любопытный нюанс. В США так делать нельзя, запрещено трудовыми законами. Но в других странах - например, в Великобритании - можно. Так что, самых ценных ИИ-бриллиантов Google запихивает в британский DeepMind, и там уже может их морозить по желанию (жаль, конечно, этих добряков, но не от всего сердца 😈). Дизраптор

Любопытная работа от Университета Мэриленда и Google DeepMind (pdf), где сравнили человеческие и AI-сгенерированные истории по структуре сюжета, и смогли отличать AI-тексты почти в 93% случаев. Наверное многие это интуитивно чувствовали, особенно в лонгридах, что проблема AI не только и не столько в AI формулировках. Главные наблюдения: 1️⃣ AI объясняет детально, а человек нередко использует не утверждения в лоб, а отсылки, недосказывания, междустрочный смысл и т.д. Еще AI придерживается линейного сюжета/развития мысли, а человек использует флэшбеки, тупиковые линии сюжета, перепрыгивания таймлайна. И человек чаще просто говорит про эмоции, и читателю все сразу ясно. А AI приводит аналогии и метафоры, чтобы объяснить. Человек чаще вплетает внешний мир (упоминает актуальные книги, фильмы, бренды, места). И люди чаще ломают четвертую стены, обращаясь к читателям. 2️⃣ При этом все модели больше похоже друг на друга, чем на человека (см. картинку). То есть все далеки от умения человека рассказать историю. Клод чуууть-чуть ближе к человеку, и при этом самый отличающийся от других LLM. А "голос" GPT многие наверное уже быстро отличают, потому что несколько лет это самые популярные модели нейрослопа. 3️⃣ В работе тексты датасета переписали, убрав стилистические признаки нейрослопа. Но все равно по сюжетам и структуре слоп легко определялся. Кажется не так-то просто будет заменить хороших текстовых авторов. И наверняка будут более важными другие аспекты "человечности" текстов, например личность самого автора, его бэкграунд и уровень эмпатии и симпатии, который испытывает читатель. 4️⃣ По другим работам мы знаем, что уже пару лет уровень генерации текстов почти не приближается к человеческому. И кажется, что в этом мире нейрослопа хорошие тексты и эссе будут цениться еще больше. А как это повлияет на нас, написал Пол Грэм, почти три года назад в эссе Writes and Write-Nots. tldr: AI может резко разделить людей на тех, кто умеет писать, и тех, кто почти совсем разучится, а средний уровень уйдет. А мы помним, что writing is thinking, и навык письма (в т.ч. хороших имейлов) тренирует ясное мышление. AI уберает принуждение, которое раньше заставляло людей учиться ясно думать. Поэтому умение писать станет чем-то вроде интеллектуального фитнеса: им будут обладать только те, кто специально занимается. @kyrillic