TechSparks

На прошлой неделе начала работать — и публиковать завораживающие фотографии космоса — обсерватория Вера Рубин в Чили. Мы привыкли за последние годы, что фантастические космические пейзажи нам поставляют расположенные в космосе телескопы: сначала Hubble, потом JWST. Оба они, однако решают специфические задачи, для которых важно получать изображения в том диапазоне длин волн, который человеческий глаз увидеть не в состоянии: красочные картинки, которыми мы восхищаемся — это не фотография с реальной цветопередачей, а цифровая обработка невидимого изображения в условных цветах. А вот наземный телескоп в чилийских горах не зря называют самой большой цифровой камерой в мире, он работает преимущественно в видимом диапазоне, захватывая ближние ИК и УФ диапазоны. Размеры там и правда огромные: зеркало телескопа имеет диаметр 8,4 метра, а комплект ПЗС-матриц обеспечивает получение кадров в 3,2 гигапикселя. И теперь мы можем любоваться космосом в реальных цветах и колоссальном увеличении. А про научную программу почитайте сами:)https://www.livescience.com/space/astronomy/rubin-observatory-releases-sneak-peek-of-first-images-taken-with-worlds-largest-cameraТехнические подробности — https://rubinobservatory.org/for-scientists/rubin-101/instruments

На заметку любителям новых терминов: только-только всех начали учить промт-инжинирингу, только-только про промтинг заговорили все, от школьных учителей до продавцов инфобиза — и на тебе. Промт-инжиниринг - это, как выясняется, прошлый год (а в ИИ-мире это означает замшелый прошлый век). Теперь, говорят, пора учиться контекст-инжинирингу, если хочешь всерьез работать с современным ИИ. Если шуточки в сторону, то в новом названии (и подходе) есть реальный смысл. CEO Shopify формулирует его так: It describes the core skill better: the art of providing all the context for the task to be plausibly solvable by the LLM.Промт ведь, даже затейливый, — просто инструкция, а в реальных задачах почти всегда очень важен контекст, без него ответы нередко либо поверхностны, либо глуповаты. Вот тут-то и появляется необходимость овладеть delicate art and science of filling the context window with just the right information for the next step. Беда, правда, в том, что для этого надо неплохо владеть предметной областью и уметь думать, а любители промтить всеми силами стараются этого избежать:)https://officechai.com/ai/context-engineering/

Menlo Ventures выпустили свеженький отчет о том, как американцы используют чат-боты. Статистика любопытная.Ежедневно ими пользуются 20% взрослого населения, в три раза больше хотя бы попробовали (пользовались хотя бы раз за последние полгода).При этом среди ежедневной аудитории нет сильной возрастной зависимости: 18-28 лет — 21%; 29-44 года — 24%; 45-60 лет — 19% и только потом начинается заметный спад.Меня впечатлило отсутствие явного лидера с большим отрывом в ответах на вопрос о том, к какому ИИ-ассистенту люди обращаются в первую очередь. Я ожидал, конечно, что люди окажутся мультипользователями, и что ChatGPT будет на первом месте — и он действительно там, вот только нет никакого безоговорочного лидера (как Гугл в поиске, например). Именно эту картинку я и включил в пост; она лучше любых рассуждений показывает, насколько еще не сформирован рынок и какая интереснейшая конкуренция будет нас радовать еще долгое время.В отчете еще много интересной статистики, но тут уж вы сами, дорогие читатели:) https://menlovc.com/perspective/2025-the-state-of-consumer-ai/

Очень полезная напоминалка о том, что современный ИИ — это много больше, чем чатики всех сортов или даже автономные агенты. Модели с теми же архитектурами, которые используются для привычных генераций текстов или картинок, могут обучаться на совершенно иных массивах данных, подчас далеких от языков или изображений. Яркий и авторитетный пример — Alpha Fold от DeepMind, которая на порядки ускорила сложный и многостадийный процесс изучения свойств белков, так что удалось to predict the shape of every protein known to science in just two years, a feat that could have transformative impact on biomedical research. Третья версия модели работает уже не только с белками, но и с другими биомолекулами, включая ДНК. По силе влияния на фармацевтику медицину ИИ просто не с чем сравнить. А про влияние фармацевтики на нашу жизнь мы все знаем.Похожее происходит и в материаловедении, где ИИ научился находить новые материалы, которые будут обладать заданными свойствами. Про метеорологию я на днях тут уже писал. One of AI’s biggest strengths is its ability to model systems far too complex for conventional computational techniques. А таких систем вокруг масса; если внимательно приглядеться — всё вокруг сложное и нелинейное, так что классическое моделирование работает только в грубом приближении. Но теперь есть средство помощней, и именно про это говорят руководители бигтеха: ИИ уже начинает менять мир не видосиками, не разговорами, не постами в ТикТоке — а ускорением прогресса прикладных наук, от которых зависит наше здоровье, окружающая нас среда и материальный мир.https://singularityhub.com/2025/06/26/the-dream-of-an-ai-scientist-is-closer-than-ever/

Если кому-то мало поводов для страхов и беспокойства — вот вам свеженький: в гуманоидного робота встроили реактивные двигатели и собираются научить его летать без внешних приборов. Пока это только отрыв от земли и недолгое зависание, да еще и на привязи, чтоб не повредил себя ненароком.Но цель, конечно, - свободный автономный полет. Так что есть немалая вероятность, что не только дроны будут над нами летать, но и вот такие на нас похожие железные милашкиhttps://www.livescience.com/technology/robotics/intrepid-baby-faced-robot-dons-a-jetpack-for-its-next-adventure-becoming-the-first-humanoid-robot-to-fly