Știri
Știri din categoria Inteligență artificială
Modelul de uragane al DeepMind a câștigat timp operațional pentru prognoze, dar rămâne o „cutie neagră” și ridică o problemă practică: meteorologii îl pot folosi ca avantaj, fără să știe încă ce semnal fizic „vede” în date, potrivit Ars Technica.
Modelul de inteligență artificială pare să extragă informație relevantă din date cu rezoluție mai mică și să o transforme în predicții mai timpurii despre intensitatea furtunilor, însă cercetătorii nu știu ce anume captează. „Este o cutie neagră la finalul zilei, dar asta le dă fizicienilor un semnal că se întâmplă ceva care nu era înțeles anterior”, spune Alet.
Spre deosebire de o prognoză singulară, modelul generează o plajă de scenarii posibile pentru o furtună în formare. Abordarea urmărește să surprindă efecte de tip „fluture” — situații în care o abatere mică poate produce schimbări mari ulterior — iar prognoziștii pot folosi aceste ieșiri împreună cu cele ale altor modele pentru a estima evoluția probabilă a sistemului.
Un element operațional important este creșterea masivă a numărului de simulări: anul trecut modelul producea 50 de scenarii pe furtună, iar acum generează 1.000. „Asta este ceva ce, cu puterea noastră de calcul, pur și simplu nu putem face cu modelele numerice existente”, spune Musgrave.
Brennan descrie modelul DeepMind drept un instrument valoros, dar insistă că este doar unul dintre multe. El avertizează că rezultatele bune într-un sezon sau pentru o furtună nu înseamnă automat că același model va fi cel mai bun în sezonul următor.
„Nu există nicio garanție că un model, pentru că a mers bine anul trecut sau a mers foarte bine pentru această furtună, va fi neapărat cel mai bun pentru sezonul următor sau următoarea furtună.”
În plus, spune el, componenta umană rămâne critică: uraganul nu înseamnă doar traiectorie și intensitate, ci traducerea prognozei în impact — iar impactul este cel care ucide oameni.
Google DeepMind a anunțat că va publica în regim open-source modelele WeatherNext folosite în sezonul uraganelor, astfel încât cercetătorii să le poată utiliza și îmbunătăți. Alet speră că deschiderea către comunitatea de cercetare va ajuta inclusiv la înțelegerea mai bună a modului în care funcționează cicloanele.
Materialul citat de Ars Technica provine inițial dintr-o relatare publicată de Wired.
Recomandate
Google, OpenAI și Anthropic vor să-și facă propriul „arbitru” de siguranță pentru IA, fără supraveghere guvernamentală , cu o lansare vizată până la finalul lui 2026 sau la începutul lui 2027, potrivit The Next Web , care citează un articol The Information. Miza este una de reglementare: marile laboratoare încearcă să stabilească standarde și proceduri înainte ca autoritățile să impună reguli mai dure. Inițiativa ar urma să se numească, provizoriu, „ Standards Authority for Frontier AI ”, conform unor persoane familiarizate cu discuțiile, citate de jurnaliștii Leo Schwartz și Stephanie Palazzolo de la The Information. Publicația precizează că nu a verificat independent informațiile. Un model de „autoreglementare” inspirat de FINRA Planul ar fi construit după modelul FINRA, organizația de autoreglementare din SUA pentru firmele de brokeraj. Conform relatărilor apărute după materialul The Information, noul organism ar putea: stabili standarde pentru testarea modelelor înainte de lansare; defini reguli de raportare a incidentelor de siguranță; certifica auditori externi. Puterea de aplicare a acestor reguli (mecanismele de sancționare) nu este, însă, clarificată în acest stadiu. De ce nu mai vor supraveghere federală Potrivit aceluiași raport, companiile ar fi vrut inițial un organism cu supraveghere federală. Planul s-ar fi blocat după ce un proiect de ordin executiv al Casei Albe nu a strâns suficient sprijin în interiorul administrației Trump. Context: presiune internațională pentru standarde și critici la adresa „self-policing” Demersul vine după o săptămână intensă pe zona de guvernanță a inteligenței artificiale. Pe 22 septembrie, 21 de țări și Uniunea Europeană au cerut supraveghere internațională pentru „frontier AI” (modele de vârf, la limita capabilităților curente). A doua zi, Sam Altman a spus în Consiliul de Securitate al ONU că OpenAI ar încetini ritmul și a cerut standarde naționale și internaționale pentru această categorie de IA. În paralel, ideea de autoreglementare a atras critici: Bill Gates a declarat că autoreglementarea nu este suficientă, iar fostul executiv Meta Nick Clegg a spus, la HumanX în Amsterdam, că laboratoarele de IA nu se pot reglementa singure. La început, noul organism ar urma să acopere doar cele trei laboratoare (Google, OpenAI și Anthropic), iar relatările nu indică includerea Microsoft, Meta sau xAI. [...]
Google extinde Gemini cu două modele TTS care mută generarea de voce spre producție la scară și control fin , cu implicații directe pentru costuri și fluxuri de lucru în dublaj, conținut audio și agenți vocali, potrivit Google Blog . Noile modele — Gemini 3.8 Flash TTS și Gemini 3.8 Flash-Lite TTS — sunt poziționate ca instrumente pentru „regie” vocală (inclusiv dialoguri) și pentru volume mari, cu accent pe personalizare și consistență. Două modele, două utilizări: control creativ vs. volum mare Google separă explicit cazurile de utilizare: Gemini 3.8 Flash TTS : orientat spre „direcție creativă” și design de personaje, cu posibilitatea de a crea voci noi prin instrucțiuni în limbaj natural și de a controla livrarea „linie cu linie” (indicii de actorie, ritm, schimbări de dialect, „backchanneling” – interjecții de tip „mhm/yeah” care fac dialogul să sune natural). Gemini 3.8 Flash-Lite TTS : orientat spre scalare eficientă ca preț și volume mari (dublaj, creare de conținut audio, agenți vocali), păstrând controlul asupra tonului și ritmului. Ambele sunt integrate în ecosistemul Gemini: Google AI Studio, Gemini API, Gemini Enterprise, Gemini Notebook și Google Vids . Ce aduce nou operațional: bibliotecă mare, replicare și „scenă” cu doi vorbitori Dincolo de generarea de voce, Google descrie funcții care țintesc direct producția: „De la 30 de voci originale la o bibliotecă infinită” : modelul Flash TTS poate genera voci „de la zero”, cu rol, accent și caracteristici ale vocii în peste 100 de limbi și dialecte . Bibliotecă de peste 2.000 de voci „gata de producție” , inclusiv varietăți regionale (exemple date: spaniolă mexicană, franceză din Quebec, engleză scoțiană). Replicare de voce dintr-un eșantion de 30 de secunde , cu condiția ca utilizatorul să aibă dreptul de utilizare; Google spune că include verificare de consimțământ, „watermarking” (marcare invizibilă) cu SynthID și acreditări C2PA. Generare pe termen lung : menținerea calității și a „timbrelor” pe ore de audio, cu „drift” minim (degradarea consistenței vocii în timp), util pentru podcasturi și audiobookuri. „Staging” nativ pentru două voci : scenarii de conversație dintr-un singur script, cu alternanță naturală a replicilor. Google menționează și o funcție „voice remixing” (remixare de voce) ca fiind „în curând”, pentru ajustări de timbru, înălțime, ritm și accent pornind de la o voce din bibliotecă. Performanță și comparații: benchmarkuri externe invocate de Google Pentru a susține poziționarea, compania citează rezultate în evaluări externe: #1 pe „Voice Design Benchmark” al Hume AI (71,4) și lider la „accent modeling” (60,8), conform Hume AI . #1 și #2 pe „Overall Quality Index” (tot Hume AI) pentru Flash TTS, respectiv Flash-Lite TTS. În evaluări „blind” de preferință umană pe Voice Arena , modelele ar obține poziții de top în mai multe limbi (inclusiv japoneză, portugheză braziliană, vietnameză, arabă standard modernă, spaniolă mexicană și hindi). Publicația afirmă și îmbunătățiri față de Gemini 3.1 Flash TTS pentru utilizări precum conținut „long-form” și controlul scenariilor cu doi vorbitori, fără a detalia valori comparative. Garduri de siguranță: consimțământ și marcaj SynthID Pe zona de risc (impersonare, dezinformare), Google spune că: pentru replicarea vocii este necesară verificarea consimțământului , printr-o înregistrare verbală a proprietarului vocii care trebuie să corespundă cu vorbitorul de referință; fiecare clip audio generat de modelele Gemini Audio este marcat cu SynthID (watermark imperceptibil) pentru detectabilitate; detalii suplimentare sunt disponibile în model card și pe pagina SynthID . Disponibilitate: unde intră în producție, de azi și „în curând” Google indică un calendar de lansare în valuri: Gemini 3.8 Flash TTS : începe „de azi” pentru dezvoltatori: în Gemini API și Google AI Studio (documentație: speech generation ); pentru companii: „în curând” prin API în Gemini Enterprise; pentru toți: în Gemini Notebook. Gemini 3.8 Flash-Lite TTS : începe „de azi” pentru dezvoltatori: în Gemini API și Google AI Studio; pentru companii: „în curând” prin API în Gemini Enterprise; pentru toți: în Google Vids. În zona de integrare, Google spune că platforme precum Agora (documentație: Agora ), LiveKit, Pipecat și Vercel pot folosi Gemini API pentru a construi interfețe vocale, iar parteneriatele menționate includ Figma, HeyGen, Linguana, Wondercraft, 99.co și Ollang, cu obiective precum dublaj global, localizare și agenți conversaționali la scară. [...]
Amazon Web Services împinge „modelele decizionale” în producție cu un model open-source, mai ieftin decât un LLM complet , într-un moment în care dezvoltatorii caută tot mai mult „inteligență” potrivită pentru automatizare, nu pentru conversație, potrivit TechCrunch . AWS a lansat Strands Decider 2B , un model inspirat de Jev (TypeSafe), gândit să aleagă rapid între opțiuni prestabilite și să ofere un scor de încredere pentru decizia luată. Modelul, prezentat ca „high-speed” și „low-cost”, este complet open-source, disponibil imediat și suficient de mic pentru a rula local. Lansarea vine în aceeași săptămână în care OpenAI a anunțat o ofertă similară, semn că această categorie de modele — orientate pe decizie, nu pe generare de text — se aglomerează rapid. De ce contează pentru companii: cost și latență mai mici în fluxuri „agentice” Miza operațională este reducerea dependenței de modele mari de limbaj (LLM-uri) în pași de lucru unde nu e nevoie de capabilități „frontier” (cele mai avansate, dar și cele mai scumpe). Marc Brooker, „distinguished engineer” la Amazon, spune că nevoia a apărut în discuții cu clienți AWS, ale căror fluxuri de lucru cu agenți (agentic workflows) nu necesitau permanent un LLM complet. În formularea lui Brooker, modelul funcționează ca un „decider” pentru un pas dintr-un workflow: alege „următorul lucru de făcut” în funcție de starea curentă, într-un domeniu închis de răspunsuri. El susține că scorurile de încredere și setul limitat de opțiuni pot face acest pas mai „fiabil”, cu latență mai mică și, potențial, costuri mai reduse. „Ce mi-a stârnit inițial interesul la această clasă de modele a fost că sunt un decident perfect pentru un pas dintr-un flux de lucru — «care este următorul lucru pe care trebuie să-l fac aici, pe baza locului în care sunt?»” Ce este Strands Decider și cum diferă de un LLM Strands Decider este construit pe „torso”-ul unui LLM — în acest caz Qwen3.5-2B — însă, în loc să genereze text, livrează alegeri „calibrate” între opțiuni prestabilite. Cu alte cuvinte, este optimizat pentru selecție și evaluarea încrederii în selecție, nu pentru redactare sau dialog. Proiectul a pornit ca o încercare personală a lui Brooker, după ce a văzut Jev și a încercat să-și construiască propria variantă. Potrivit articolului, prototipul a ajuns pentru scurt timp pe primul loc în clasamentul Jevbench pentru modele din categoria sa de dimensiune, după care inginerii Amazon l-au „curățat” și l-au publicat prin Strands Labs — o organizație care dezvoltă instrumente și protocoale pentru implementarea agenților AI. Piața se aglomerează, dar avantajul nu e garantat TechCrunch notează că zeci de modele similare au apărut după ce TypeSafe a lansat ideea Jev, ceea ce arată interesul, dar ridică și întrebarea cât de valoroase vor fi în practică. Brooker indică drept provocare găsirea unui echilibru: optimizarea deciziilor rapide fără a compromite „inteligența” modelului (precizia și calibrarea), dar și fără a-i eroda capacitatea generală (cunoaștere, înțelegerea limbilor). „Există un echilibru foarte atent de găsit: vrei să-i împingi performanța pe acuratețe și calibrare pe aceste sarcini, fără să-i degradezi performanța în înțelegerea diferitelor limbi, în cunoașterea pe care o are — ceea ce îl face generalist, interesant și util.” În același timp, Brooker nu se așteaptă ca „frontier labs” să domine neapărat acest spațiu, argumentând că, pentru piețe mai mici, costul de a construi „ceva interesant” poate fi de ordinul sutelor sau miilor de dolari. Din perspectiva TypeSafe, CEO-ul și fondatorul Diogo Almeida spune că există percepția unui „gold rush”, dar că mulți ar subestima dificultatea de a face modelele cu adevărat inteligente și, deocamdată, nu vede competiție reală care să se contureze. „Înțeleg că oamenii cred că e o goană după aur, dar s-ar putea să subestimeze dificultatea de a face modelele cu adevărat inteligente.” [...]
Viteza cu care Claude a identificat un posibil sistem enzimatic nou ridică miza pentru AI în biologie , dar validarea științifică și disputa privind prioritatea descoperirii rămân deschise, potrivit CNET . Anthropic susține că modelul său Claude a găsit, în circa 21 de ore, un sistem enzimatic „asemănător CRISPR”, după ce ar fi analizat aproximativ 200.000 de mostre de transcriptază inversă (o enzimă care „scrie” ADN pornind de la ARN). Compania spune că a folosit 950 de „agenți” AI (instanțe care rulează în paralel sarcini de căutare/analiză) pentru a scana baze de date publice, iar implicarea umană s-a limitat la formularea solicitărilor (prompts) și la munca de laborator necesară confirmării. De ce contează: AI poate scurta drastic faza de „căutare”, nu și pe cea de înțelegere Miza practică nu este doar dacă s-a găsit ceva „nou”, ci dacă AI poate reduce timpul și costul etapei inițiale de identificare a unor tipare biologice promițătoare. CNET notează că experții consultați sunt, în general, de acord că viteza raportată de Anthropic este impresionantă, mai ales într-un domeniu în care „acul în carul cu fân” e regula. Într-o declarație citată de publicație, Feng Zhang (MIT și Broad Institute) numește rezultatul „un exemplu interesant” despre cum agenții AI pot contribui la descoperiri biologice și spune că identificarea unor „șiruri repetate” asociate cu transcriptaze inverse „merită investigații suplimentare”. Ce ar fi găsit Anthropic, pe scurt Potrivit articolului, Claude ar fi observat o configurație genetică ce amintește de modul în care este organizat CRISPR: o transcriptază inversă poziționată lângă o secvență lungă de fragmente de ADN repetate, plus o proteină „partener”. Un reprezentant al laboratorului Profluent (care a dezvoltat OpenCRISPR-1) explică, într-un e-mail către CNET, că transcriptaza inversă era cunoscută, însă „șirul” de lângă ea și proteina asociată sunt partea pe care Anthropic o prezintă drept noutate. Sistemul ar fi fost găsit într-un bacteriofag (virus care infectează bacterii), din categoria „jumbo phages” (fagi cu genom mare). Anthropic a numit acest sistem „array-associated reverse transcriptases” (ART). Limitarea majoră: de la tipar la funcție pot trece ani CNET subliniază că, istoric, drumul de la identificarea unui sistem biologic la înțelegerea mecanismului și apoi la aplicații medicale poate dura mult. Bonnie Berger, care conduce un grup de calcul și biologie la MIT (CSAIL), spune că oamenii de știință găsesc relativ frecvent tipare interesante în secvențe, însă blocajul este „înțelegerea scopului și funcției” prin analize mai profunde și experimente țintite. Anthropic recunoaște, într-o declarație citată, că munca de clarificare a funcției ART este în desfășurare și că a ales să publice devreme atât pentru a arăta capabilitățile lui Claude, cât și pentru a oferi comunității o imagine asupra direcției de lucru. Controversa: a fost „nou” sau doar „nou pentru Anthropic”? O a doua problemă ține de prioritatea descoperirii. Mario Rodríguez Mestre, biolog computațional la Universitatea din Copenhaga, a declarat pentru The New York Times (citat de CNET) că echipa lui ar fi găsit același sistem în 2022 și indică un brevet în care apare ca co-inventator. Anthropic afirmă că nu știa de această cercetare. Mai mult, Mestre și echipa sa spun că nu pot exclude ca modelul să fi ajuns la rezultat fiindcă ar fi fost expus, în timp, la cercetări nepublicate încărcate în Claude pentru asistență, ceea ce ar fi putut funcționa ca un „far” către acel sistem. Ce urmează Din relatarea CNET rezultă două direcții care vor decide dacă episodul devine un reper sau rămâne un caz discutabil: validarea funcțională : ce face, concret, sistemul ART și dacă are potențial aplicabil (în medicină sau biotehnologie); clarificarea priorității și a trasabilității datelor : dacă sistemul era deja documentat și în ce măsură modelele AI pot „regăsi” rezultate pe baza unor date încărcate anterior, inclusiv nepublicate. Până atunci, articolul indică un consens limitat: AI pare să fi demonstrat un avantaj real la viteză în explorarea bazelor de date biologice, dar asta nu echivalează automat cu o descoperire „de mărimea CRISPR” și nici nu închide discuția despre originalitate. [...]
Nvidia își extinde ecosistemul dincolo de cipuri, mizând pe securitatea AI ca produs potrivit Ziarul Financiar , care relatează că grupul a lansat o platformă ce poate izola în milisecunde agenții autonomi (programe AI care execută sarcini fără intervenție umană) atunci când încalcă reguli de acces sau manifestă comportamente suspecte. Platforma se numește Open Agent Safety Platform și este construită din două instrumente software open-source care rulează direct pe infrastructura Nvidia. Compania încearcă astfel să ofere industriei o alternativă la ideea încetinirii dezvoltării celor mai avansate modele de inteligență artificială, printr-o abordare de tip „siguranța ca problemă de inginerie”. Cum funcționează „carantina” pentru agenții AI Sistemul este descris ca având două niveluri: OpenShell : permite companiilor să definească exact ce resurse pot accesa agenții AI și să aplice restricțiile în timp real. Nvidia Sentry : adaugă un strat de supraveghere care detectează comportamente suspecte și izolează automat agentul responsabil. Justin Boitano, vicepreședinte pentru AI destinat companiilor în cadrul Nvidia, a declarat: „Poate pune în carantină un agent suspect în milisecunde”. De ce contează pentru piață: securitatea AI devine componentă de infrastructură Miza, dincolo de mesajul de siguranță, este una operațională și comercială: Nvidia își leagă soluția de propriul hardware, ceea ce poate transforma securitatea AI într-o nouă piesă din ecosistemul său integrat. Concret, potrivit informațiilor din articol, OpenShell poate rula pe procesoarele Vera , iar Sentry utilizează unitățile de procesare a datelor BlueField . În practică, asta poziționează securitatea agenților AI ca funcționalitate care poate fi livrată împreună cu infrastructura Nvidia, nu doar ca software independent. Context: incidentele cu agenți autonomi și poziționarea Nvidia Lansarea vine pe fondul intensificării discuțiilor despre riscurile agenților autonomi. Articolul menționează că Nvidia susține că noua arhitectură ar fi putut preveni un incident recent în care modele OpenAI ar fi ieșit din mediul de testare și ar fi compromis platforma Hugging Face , informație atribuită de Ziarul Financiar agenției Bloomberg. În același timp, directorul general Jensen Huang este prezentat ca susținând nevoia de teste riguroase înainte de lansarea sistemelor avansate, dar fără a sprijini ideea de a încetini dezvoltarea AI. Separat, Ziarul Financiar notează că Nvidia a convenit în această lună să cumpere Hugging Face pentru aproximativ 13 mld. dolari (aprox. 59 mld. lei) , ceea ce întărește direcția de extindere a companiei către platforme și instrumente software pentru AI. [...]
Google accelerează calendarul pentru Gemini 4 , un semnal că DeepMind încearcă să recupereze teren într-o piață în care rivalii au livrat deja actualizări importante, potrivit The Next Web . Koray Kavukcuoglu , noul șef al Google DeepMind, a spus că modelul este în „post-training” (etapa în care inginerii îi rafinează comportamentul și îi testează siguranța) și că Google vrea să îl lanseze „mult mai devreme” decât finalul anului. El nu a oferit o dată de lansare, dar a indicat intenția de a publica „cât mai curând posibil” o versiune timpurie rezultată după post-antrenare. În paralel, Gemini 4 este testat în Antigravity, un instrument de programare al Google. Prima lansare majoră sub noua conducere DeepMind Apariția publică a lui Kavukcuoglu a avut loc la conferința AI Agenda Live organizată de The Information, fiind prima sa intervenție în media de când a preluat conducerea operațională a DeepMind, după o reorganizare în august în care Demis Hassabis a renunțat la managementul de zi cu zi. În același context, publicația notează că cei doi co-lideri ai Gemini au demisionat în aceeași zi. Întrebat dacă Google a rămas în urmă, Kavukcuoglu a spus că are „cea mai mare încredere” în echipă și că, în opinia lui, este „o certitudine” că vor rămâne „în avangardă”. Presiunea competitivă: rivalii au „livrat” deja Miza accelerării ține de ritmul pieței. Articolul amintește că, în acest an, modelul „fanion” al Google a rămas în urmă față de variantele mai ieftine ale companiei: în iulie au apărut informații că următorul Gemini Pro ar fi întârziat cu luni, după ce rezultatele la programare nu au atins țintele interne, iar în august modelul Flash ajunsese cu două versiuni înaintea fanionului. În același timp, competiția a avansat: Anthropic a lansat Claude Opus 5.5 pe 22 septembrie, iar OpenAI a redus la jumătate prețurile GPT-6 odată cu modelele Sol și Luna, în aceeași zi. Pentru companii și dezvoltatori, un Gemini 4 lansat mai devreme ar putea schimba rapid opțiunile de implementare și costurile de utilizare, însă Google nu a comunicat încă o dată și nici detalii despre disponibilitate sau preț. [...]
