Реализация ИИ

В последний год любой, кто следит за развитием моделей с открытыми весами знает - Китай недостижим.

Qwen и DeepSeek фактически задали стандарт того, как должна выглядеть современная архитектура MoE. В США же большинство компаний занимались лишь доработкой чужих чекпоинтов.

В прошлой статье я описывал свой эксперимент по возможностям маленьких LLM. Эта статья идет как продолжение, в которой я расскажу о проделанной работе по изменению и улучшению функционала голосового агента. И поверьте, мне есть что рассказать.

Когда я задумывал своего агента, меня дико раздражали три вещи в существующих решениях:

Озон и Вайлдберриз стали массово заполнять фейковые отзывы с ИИ-фотками. Некоторые из них настолько реалистичны, что отличить подделку от настоящего человека почти невозможно. На таких изображениях одежда выглядит безупречно — хотя в реальности может оказаться совсем другой.

Прогресс который мы заслужили

Вместо того чтобы строить очередного гиганта вроде ChatGPT, она сделала Tinker — инструмент, который позволяет компаниям собирать своих ИИ в пару строк кода. Облако всё ещё нужно, но оно спрятано за API: без серверов, GPU и бесконечных пайплайнов.

Это не просто игровая прогрессия, это продуманный трэк, на который ты можешь въехать на любой стадии развития.

Смесь развлечения и обучения имеет англоязычный термин, упоминать всуе не будем. В мире не существует подобного решения, кроме «Промт Разведки», хотя и она существует только в прототипе.

Обсудили историю возникновения идеи ИИ, топовые приложения, мифы, баги, ошибки, опасности и новые возможности, которые всегда приходят в моменты настоящих технологических прорывов. Кстати, поделитесь в комментариях, какой у вас главный страх, связанный с ИИ.

Также в этом выпуске:

Вы когда?нибудь задумывались, как это — иметь мощь языковой модели прямо на вашем компьютере? Экспериментировать с LLM (большими языковыми моделями) локально — словно открыть тайную дверь в мир ИИ... Вам открыт широкий горизонт для исследований, творчества и практического применения.

В новом семействе GLM, Z.AI объединили (https://z.ai/blog/glm-4.5) в одной модели возможности для рассуждений, кодинга и агентных сценариев. Семейство построено на архитектуре MoE и может работать в двух режимах: `thinking mode` для сложных задач с использованием инструментов и `non-thinking mode` для быстрых ответов.

Статья посвящена исследованию современных подходов к генерации процедурных уровней в компьютерных играх с использованием технологии искусственного интеллекта и анализа уникального опыта игрока.

Глубокие исследовательские агенты — не просто чат-боты, а полноценные ИИ-ассистенты, способные искать информацию, взаимодействовать с инструментами, планировать и писать отчёты. Ниже — 10 мощных open?source проектов, которые уже можно протестировать:

Недавно решил покопаться в локальных языковых моделях и наткнулся на новинку от Google DeepMind — Gemma 3 12B. Модель мощная, с открытой лицензией и, что особенно порадовало, спокойно запускается прямо на ноутбуке. Без серверов, клаудов и трат на аренду GPU.

Современные голосовые помощники это мощные приложения, сочетающие обработку речи, машинное обучение и интеграцию с внешними API. В этой статье создадим базовый проект персонального ассистента на Python, используя библиотеки whisper, webrtcvad, gTTS и другие. Наш ассистент будет:

Слушать микрофон

Проект объединяет несколько компонентов:

Проект находится в активной разработке и уже умеет автоматизировать весь цикл: от планирования проекта до генерации кода. Всё построено на надёжных multi-agent workflow'ах с использованием LangGraph.

Что делает агент:

Понимает задачу и строит план

AI-архитектор анализирует требования и создаёт пошаговый план разработки.

Открытая модель, которая понимает аудио и отвечает на вопросы по аудио.

Лидирует на бенчмарках аудиорассуждений.

Построена на базе Qwen 3B.

Omni-R1

Модель для видеоанализа, которая "смотрит" на видео и рассуждает на уровне каждого пикселя.

Уже конкурирует с лучшими проприетарными решениями.

MCP (Model Context Protocol) меняет то, как ИИ-модели и агенты взаимодействуют с инструментами.

1. Agentset MCP

https://github.com/agentset-ai/mcp-server

Быстрое создание интеллектуальных приложений на основе документов (RAG) с open-source платформой Agentset.

2. GitHub MCP Server

Недавно мне пришла идея воссоздать механику Reddit внутри Telegram.

Телега — отличная и популярная платформа для общения и ведения блогов, но, на мой взгляд, это ужасное место для создания настоящих сообществ.

Агенты — это системы, которые используют LLM (Large Language Models) как движок рассуждений: они принимают решения, выбирают действия и обрабатывают их результаты, чтобы достичь цели. Сегодня вы можете собрать собственную мультиагентную систему всего за несколько минут, благодаря Python-фреймворкам нового поколения.

Основная цель инструмента - обеспечить "temporal-grounded video understanding", то есть способность отвечать на вопросы о видео, точно указывая на конкретные моменты (визуальные доказательства) в видеоряде, что является сложной задачей для стандартных больших языковых моделей.

Как работает:

Суть проекта

Это эксперимент по обучению с подкреплением (Reinforcement Learning, RL), где агент учится играть в крестики-нолики (Tic-Tac-Toe) без использования нейронных сетей. Основная цель — продемонстрировать, как классические методы RL справляются с простыми играми.

Чем интересен?

Минимализм и простота

Хозяйка сняла на видео, как ее пернатый друг болтает с искусственным интеллектом, а бот, кажется, осознает, что говорит с птицей.

Пару недель назад я написал для себя бота, через который могу общаться с ChatGPT голосом и текстом.

Это очень удобно, так как не нужен VPN и говорить намного проще, чем писать.

В итоге проект мне понравился, и потому я решил в ролике показать реализацию такого бота на NodeJS пошагово с нуля.

Энтузиаст добавил GPT-4 в Blender, с помощью которого можно создавать 3D-сцены и модели.

Просто вводим промт в текстовом поле, после чего он сгенерирует результат через Python.

Ссылка на гитхаб с инструкцией по установке. https://github.com/gd3kr/BlenderGPT

Ученики одинцовского лицея создали чат-бот, который распознаёт речь и знает математику. Разработку уже оценили преподаватели онлайн-школы «Сириус.Курсы», на чьей платформе ребята проходили дистанционное обучение по теме «Знакомство с искусственным интеллектом».

О своём проекте ещё в начале сентября рассказал финский программист Анри Рантанен. В декабре он опубликовал подробный ролик о внутренностях и принципах работы своего голосового помощника, внешний вид которого вдохновлён GLaDOS — искусственным интеллектом и антагонистом дилогии Portal от Valve.

У робота Mini Pupper открытые исходники, а работает он благодаря высокоточным сервоприводам, LIDAR, небольшой камере и библиотеке OpenCV. А ещё спереди у него имеется дисплей, который показывает эмоции и делает его невероятно милым.

Группа учёных из канадского научно-исследовательского института MILA недавно выложила в открытый доступ библиотеку TorchDrug. По задумке авторов, целевая аудитория этого инструмента - специалисты в области машинного обучения, которые хотят быстро накидать модельку-другую с прицелом на разработку новых лекарственных молекул.

Система глубокого обучения AlphaFold решает одну из главных задач биологии и медицины, над которой учёные бились более полувека.

Энтузиаст создал устройство NeuralPi, копирующее любые существующие педали для электрогитар с помощью нейросетей.

Обучение модели занимает всего 40 минут. А устройство себестоимостью всего 120 долларов состоит из четырёх компонентов:

— Raspberry Pi 4b,

— аналогово-цифровых плат HiFi Berry ADC + DAC,

Артефактов и «галлюцинаций», которыми «страдают» похожие технологии, удаётся избежать.