ИИ - дайджест недели
Компания протестировала 500 ИИ-инструментов для разработки игр
Крупная аутсорсинговая студия Keywords Studios, известная сотрудничеством с ведущими игровыми издателями, провела масштабное тестирование ИИ-инструментов для геймдева. Специалисты компании проанализировали более 500 решений - от генераторов кода и ассетов до систем автоматизации тестирования. Однако результаты оказались далеки от ожиданий: действительно полезными признали лишь около шести инструментов. Большинство сервисов либо дублировали уже существующие функции, либо выдавали нестабильный результат, требующий серьёзной ручной доработки.
Представители Keywords Studios отметили, что многие разработчики ИИ-продуктов создают решения без чёткого понимания реальных задач индустрии. В итоге на рынке появляется множество инструментов, эффектно выглядящих в демонстрациях, но малопригодных для реальной разработки. Тем не менее эксперты сохраняют оптимизм: потенциал технологии остаётся высоким. Наиболее перспективными направлениями называют автоматизацию тестирования и помощь программистам при создании прототипов.
Треть американцев боится остаться без работы из-за искусственного интеллекта
Исследовательская компания Morning Consult опросила жителей США и выяснила, что каждый пятый респондент (21%) утверждает, что искусственный интеллект уже забрал часть его должностных обязанностей. Около трети опрошенных (32%) заявили, что боятся потерять работу из-за повсеместного внедрения ИИ.
Особенно тревожная ситуация сложилась среди женщин: 37% участниц опроса выразили опасения по поводу своего трудового будущего, тогда как среди мужчин аналогичный показатель составил 28%. Молодежь в возрасте от 18 до 29 лет наименее склонна переживать по поводу конкуренции с ИИ: лишь четверть молодых респондентов видит в этом повод для беспокойства.
Nvidia ускорила проектирование чипов с помощью ИИ
Компания Nvidia раскрыла подробности использования искусственного интеллекта при разработке микросхем. Как сообщили инженеры, нейросетевые инструменты способны существенно ускорить отдельные этапы проектирования. Например, раньше адаптация библиотек стандартных элементов чипа под новый технологический процесс требовала около десяти месяцев работы целой команды специалистов. Теперь же система на основе обучения с подкреплением позволяет запустить процесс вечером и уже к утру получить готовый результат: алгоритм самостоятельно анализирует параметры схемы и подбирает оптимальное расположение элементов.
Инженеры Nvidia подчёркивают, что ИИ порой находит неочевидные для человека решения. В ряде случаев такие варианты не только работают, но и заметно улучшают характеристики будущих микросхем по сравнению с традиционными подходами. Это открывает дополнительные возможности для повышения производительности и энергоэффективности чипов, которые компания продолжает разрабатывать.
Рабочие индийских фабрик носят камеры для обучения роботов
В робототехнике стремительно растёт потребность в данных, позволяющих машинам осваивать реальные физические действия. Одним из неожиданных источников такой информации стали видеозаписи от первого лица. Так, на некоторых фабриках в Индии рабочие надевают на голову специальные камеры и фиксируют свою повседневную деятельность: сборку деталей, сортировку компонентов и другие производственные операции. Полученные материалы затем передаются технологическим компаниям и исследовательским лабораториям, где нейросети анализируют движения рук, последовательность действий и взаимодействие с объектами, чтобы обучить роботов выполнять аналогичные задачи.
Эксперты признают, что подобные наборы данных представляют собой огромную ценность для развития робототехники. Однако сам метод вызывает острые дискуссии. Критики указывают на этическую проблему: рабочие, сами того не желая, помогают обучать системы, которые в перспективе могут заменить их на производстве. Таким образом, источник данных для прогресса одновременно становится и потенциальной жертвой автоматизации - парадокс, характерный для многих современных технологических сдвигов.
Ветеран Windows запустил ИИ на компьютере 1970-х
Инженер и ветеран разработки Microsoft Windows Дэйв Пламмер (Dave Plummer) провёл наглядный эксперимент, демонстрирующий базовые принципы работы нейросетей. Он запустил простую модель на старом компьютере PDP-11, выпущенном 47 лет назад. Устройство оснащено процессором с частотой около 6 МГц и всего 64 килобайтами оперативной памяти. Несмотря на столь скромные характеристики, инженеру удалось реализовать небольшую трансформерную модель, написанную на ассемблере.
Нейросеть обучалась простейшей задаче -cli переворачиванию последовательностей цифр. Система успешно справилась с обучением и достигла стопроцентной точности всего за несколько минут. По словам Пламмера, этот эксперимент наглядно показывает, что фундаментальные принципы работы нейросетей довольно просты. Современные прорывы в области искусственного интеллекта связаны в первую очередь не с революционными алгоритмами, а с огромными вычислительными ресурсами и колоссальными объёмами данных для обучения.