Мэдээнүүд

Google DeepMind дэлхийн хуурай газрыг 10 метрийн хэсгүүдээр ангилж, ойн төрлүүдийг ялган харуулсан зураг танилцууллаа. Зөвхөн «энд мод байна» гэдгээс цаашилж, ямар ой байгааг харах нь байгаль хамгаалал, газрын ашиглалтад илүү хэрэгтэй мэдээлэл өгнө.

IEEE Spectrum-ийн нийтлэл хиймэл оюунаар хурдан бүтээсэн үзүүлэн программын цаадах төвөгтэй ажлыг далдалж байгааг онцолжээ. Ажиллаж харагдах загвар гаргах, найдвартай бүтээгдэхүүн бүтээж удаан хугацаанд ажиллуулах хоёр өөр даалгавар юм.

Google DeepMind дэлхийн хуурай газрыг 10 метрийн хэсгүүдэд хуваан, ойн төрлөөр нь ангилсан газрын зураг танилцууллаа. Зүгээр л «модтой юу?» гэж асуухын оронд «ямар ой вэ?» гэдгийг ялгах нь байгаль хамгаалал, газрын ашиглалтын судалгаанд илүү хэрэгтэй мэдээлэл өгнө.

Ажилладаг загвар бүтээх, найдвартай бүтээгдэхүүн ажиллуулах хоёр өөр ажил. IEEE Spectrum-ийн нийтлэл AI-аар хурдан хийсэн үзүүлэн удирдлагад программ хөгжүүлэлт бодитоосоо хялбар мэт сэтгэгдэл төрүүлж, инженерүүдийн ажлыг дутуу үнэлэхэд хүргэдгийг тайлбарлажээ.

Google DeepMind дэлхийн хуурай газрын 10 метрийн хэсэг бүрийг ойн төрлөөр ангилсан дэлхийн хэмжээний зураглал танилцууллаа. Зөвхөн модтой талбайг хэмжихээс гадна ямар төрлийн ой байгааг ялгах нь хамгаалалт, нөхөн сэргээлтийн төлөвлөлтөд илүү хэрэгтэй мэдээлэл өгнө.

MIT болон Boston Children’s Hospital-ийн судлаачдын загвар ургийн хөдөлгөөнийг дагаж, дүрс авах явцыг шууд тохируулдаг. Тэгш хэмийн ойлголт ашигласан энэ арга дүрсний чанарыг сайжруулж, дахин шинжилгээ хийлгэхээр эмнэлэгт очих хэрэгцээг бууруулах боломжтой.

IEEE Spectrum-ийн нийтлэл AI-аар хурдан хийсэн үзүүлэн загварыг инженерийн багийн бүрэн ажлын оронд тооцох эрсдэлийг хөнджээ. Ажиллаж байгаа мэт харагдах апп нь цаадах төвөгтэй асуудлуудыг далдалж, удирдлагад хөгжүүлэлтийн хугацаа, хүний оролцооны талаар буруу хүлээлт төрүүлж болно.

MIT болон Boston Children’s Hospital-ийн судлаачдын загвар ургийн хөдөлгөөнийг даган дүрс авах үйл явцыг шууд тохируулдаг. Симметрийн ойлголт ашигласан энэ арга оношилгооны найдвартай байдлыг нэмэгдүүлж, давтан шинжилгээнд ирэх хэрэгцээг багасгах боломжтой.

Samsung Өмнөд Солонгосын Пёнтэкт хагас дамжуулагчийн томоохон цогцолбороо өргөжүүлж байна. MIT Technology Review-ийн сурвалжилгаар гурван үйлдвэр тасралтгүй ажиллаж, дөрөв дэх нь ашиглалтад орж байгаа нь AI тооцоололд хэрэгтэй санах ойн эрэлттэй холбоотой.

MIT-ийн шинэ судалгаа AI загваруудад талст материалын 3D бүтцийг ойлгож, шинж чанарыг нь дүгнэхэд туслах арга боловсруулжээ. Материалын бүтцийг зөв дүрслэх нь шинэ нэгдэл хайх тооцооллын суурь асуудал юм.

Судлаач Мориц Хардт AI-ийн стандарт сорилууд суурь доголдолтой ч засах боломжтой гэж Quanta Magazine-д тайлбарлажээ. Түүний байр суурь загвар сонгохдоо нийтэд зарласан ганц оноонд найдахгүй байхыг сануулж байна.

Судлаач Мориц Хардт хиймэл оюуны чадварыг хэмждэг жишиг сорилууд суурь асуудалтай ч засах боломжтой гэж үзэж байна. Quanta-гийн ярилцлага шинэ загварын өндөр оноог бодит амьдралын найдвартай ажиллагаатай яагаад шууд адилтгаж болохгүйг сөхжээ.

MIT-ийн танилцуулсан тооцооллын шинэ арга эсүүд дохио солилцож, эд болон зохион байгуулагдах үйл явцыг тайлбарлахад тусалж байна. Энэ нь үүдэл эсийн инженерчлэл, өвчний загварчлал, эмчилгээний судалгааг дэмжих боломжтой ч шууд хэрэглэх эмчилгээ хараахан биш.

Google DeepMind, Сингапурын GovTech байгууллага хувийн чат дахь залилангийн шинжийг төхөөрөмж дээр нь илрүүлэхээр хамтарч байна. Хөнгөн Gemma загварт суурилсан энэ арга чатын өгөгдлийг үүлэн серверт гаргахгүйгээр шинжлэхээр бүтээгдэж буйг DeepMind тайлбарлав.

Google DeepMind Gemini 3.8 Live-ийн Live Avatar боломжийг танилцууллаа. Ярианы AI туслах дэлгэцэн дээр илүү дүртэй, харилцан ярианы мэдрэмжтэй болох чиглэл рүү орж байна.

MIT-ийн шинэ ном харааны AI-г хотын амьдралыг судлахад ашиглах боломж, мөн хяналт ба өрөөсгөл дүгнэлтийн эрсдэлийг хамтад нь авч үзжээ.

АНУ-ын Батлан хамгаалах яам Polygraph+ буюу Polygraph Next хөтөлбөрт таван жилд $30.3 сая хүсжээ. Төсөл нь AI, машин сургалтын үнэлгээний алгоритм болон хүнээс зайтай мэдрэх аргыг хослуулсан худал илрүүлэгч хөгжүүлэх зорилготой.

Google DeepMind хувийн AI тооцооллын системдээ сервер талд хадгалагдах хамгаалалттай санах ой нэвтрүүлж байгаагаа зарлалаа. Зорилго нь AI туслахыг хэрэглэгчийн өмнөх мэдээллийг илүү тогтвортой ашиглах чадвартай болгох юм.

MIT-ийн судлаачид чөлөөт бичвэрийн хэл найруулгаас амиа хорлох хамгийн өндөр эрсдэлтэй хүмүүсийг ялган танихад туслах хэл боловсруулалтын хэрэгсэл боловсруулжээ.

Google DeepMind хувийн AI тооцооллын системдээ сервер талд ажиллах хамгаалалттай санах ой нэмэхээ зарлалаа. Ингэснээр AI өмнөх харилцан үйлчлэлээс хэрэгтэй контекст хадгалах боломжтой болно.

MIT-ийн Senseable City Lab-ийн судлаачид дүрсийн AI-г хотын амьдрал, хөдөлгөөн, орчныг судлахад ашиглах боломжийг тайлбарлахын зэрэгцээ хяналт ба ташаа дүгнэлтийн эрсдэлийг сануулжээ.

Google DeepMind Private AI Compute системдээ сервер талын санах ой нэмэхээ зарлалаа. Зорилго нь хувийн AI илүү урт хугацааны контекст ашиглахдаа хэрэглэгчийн мэдээллийн хамгаалалтыг хадгалах юм.

MIT-ийн судлаачид камер, дүрсийн өгөгдөлд суурилсан AI хотын амьдралыг судлах шинэ боломж нээж буй ч нууцлал, хяналт болон өгөгдлийн гажуудлын эрсдэл дагуулж байгааг онцоллоо.

MIT Technology Review сүүлийн саруудын AI аюулгүй байдал, кибер чадварын томоохон мэдэгдлүүдийг эргэн харж, сүртэй зарлал ба бодит нотолгоог ялгах шаардлагыг онцолжээ.

MIT-ийн судлаачид өвчтөн бүрийн онцлогт тааруулан рентген зургийг мэс заслын навигацид ашиглах xvr аргыг боловсруулжээ. Энэ нь ортопед болон мэдрэлийн мэс заслын үед бага зүслэгтэй ажиллах нарийвчлалыг нэмэх боломжтой.

Google DeepMind Gemini 3.8 Live болон Extended Thinking хувилбараа танилцууллаа. Шууд харилцдаг туслахыг илүү төвөгтэй даалгаварт бодож, алхамчилж хариулахад чиглүүлж байна.

MIT-ийн xvr нэртэй өвчтөнд тохируулсан AI арга нь бага зүслэгтэй мэс засалд X-ray зургийг навигацид ашиглахыг илүү аюулгүй, нарийвчлалтай болгохоор зорьж байна.

MIT-ийн xvr нэртэй арга нь рентген зургийг ашиглан ортопед, мэдрэлийн мэс заслын навигацыг өвчтөн тус бүрт илүү тохируулах зорилготой. Зорилго нь бага зүслэгтэй хагалгааг илүү аюулгүй, нарийн болгох юм.

MIT-ийн боловсруулсан HardFlow алгоритм нь генератив AI-ийн хариуг “ойролцоо” бус, урьдчилан тогтоосон хатуу нөхцөлд нийцүүлэх зорилготой. Энэ нь алдаа зөвшөөрөх боломж багатай хэрэглээнд AI ашиглахад чухал алхам болж байна.

MIT-ийн Lincoln Laboratory болон Massachusetts General Hospital-ийн бүтээсэн AI-GUIDE нэртэй гар төхөөрөмж нь катетерийн ажилбарын чиглүүлгийг сайжруулж, гэмтсэн хүмүүсийн тусламжийг илүү хүртээмжтэй болгох зорилготой.

Виржиниагийн Ashburn дахь дамжуулах шугамын гэмтэл хэдхэн секундэд 3 ГВт-аас их дата төвийн ачааллыг сүлжээнээс салгасан нь AI-ийн эрчим хүчний эрсдэлийг ил болголоо. Шийдэл нь илүү олон цахилгаан станц барихаас гадна дата төв, сүлжээ, нөөц системийг хамтад нь төлөвлөхөд байна.

Google DeepMind-ийн AlphaGenome Atlas нь хүний геном дахь нэг үсгийн 9 тэрбум боломжит өөрчлөлт молекулын түвшинд ямар нөлөө үзүүлэхийг таамагласан зураглал гаргалаа. Энэ нь өвчинтэй холбоотой хувилбаруудыг шигших судалгааг хурдасгах боломжтой.

Google DeepMind-ийн AlphaGenome Atlas нь хүний геном дахь нэг үсгийн 9 тэрбум боломжит хувилбар молекулын түвшинд ямар нөлөө үзүүлж болохыг урьдчилан таамагласан зураглал бүтээжээ. Энэ нь өвчинтэй холбоотой хувилбаруудыг эрэмбэлэх судалгаанд туслах зорилготой.

Google DeepMind WeatherNext 3-ыг дэлхийн цаг агаарын хамгийн дэвшилтэт, нарийвчлалтай AI модель гэж танилцууллаа. Цаг агаарын таамгийг хурдан гаргах AI өрсөлдөөн эрчимжиж байна.

Google DeepMind WeatherNext 3 нэртэй, дэлхийн хэмжээний цаг агаарын урьдчилсан таамагт зориулсан хамгийн дэвшилтэт, хамгийн нарийвчлалтай моделээ танилцууллаа. Илүү хурдан тооцоо, илүү сайн прогноз нь гамшгийн сэрэмжлүүлэг болон өдөр тутмын төлөвлөлтөд хэрэг болох зорилготой.

MIT-ийн судлаачид автоном жолоодлогын AI ямар нөхцөлд алдаа гаргаж болзошгүйг хүн ойлгохоор тайлбарлах CW-Net аргыг боловсруулжээ. Зорчигч, оператор хоёр “машин яагаад ингэж шийдэв?” гэхээс гадна “хэзээ эргэлзэх хэрэгтэй вэ?” гэдгийг харж чадна гэсэн санаа.

Google DeepMind WeatherNext 3 нэртэй, дэлхийн хэмжээний цаг агаарын хамгийн дэвшилтэт бөгөөд нарийвчлалтай AI моделээ танилцууллаа. Ийм системүүд богино хугацааны таамаг, эрс тэс үзэгдлийн сэрэмжлүүлэг болон эрчим хүч, хөдөө аж ахуйн төлөвлөлтөд улам чухал болж байна.

MIT-ийн судлаачид автоном жолоодлогын AI хэзээ алдаа гаргаж болзошгүйг хүмүүст урьдчилан ойлгуулах CW-Net аргыг бүтээжээ. Систем нь машины дотоод дүгнэлтийг хүний ойлгохуйц ойлголт болгон хөрвүүлэх зорилготой.

Google DeepMind WeatherNext 3 нэртэй дэлхийн цаг агаарын шинэ AI моделийг танилцууллаа. Илүү нарийвчлалтай таамаг нь гамшгийн сэрэмжлүүлэг, эрчим хүч, хөдөө аж ахуйн шийдвэрт чухал болж байна.

Google DeepMind Gemini-д видео контентыг агент маягаар ойлгож, задлан шинжлэх боломж танилцууллаа. Энэ нь урт бичлэгээс хэрэгтэй хэсгийг олох, үйл явдлыг дагаж тайлбарлах зэрэг ажлыг автоматжуулах чиглэл юм.

MIT-ийн CW-Net арга нь автоном жолоодлогын AI ямар үед алдаа гаргах эрсдэлтэйг хүмүүст ойлгомжтой ойлголтоор тайлбарлахыг зорьж байна. Зөвхөн таамаглах бус, операторт юуг анхаарахыг ойлгуулах нь гол ялгаа юм.

Google DeepMind Gemini-д “agentic video understanding” буюу видеог даалгаварт чиглэн задлан ойлгох шинэ боломж танилцууллаа. Энэ нь урт видеоноос хэрэгтэй мөч, үйл явдал, мэдээллийг илүү зорилготой хайх чиглэлийн алхам юм.

Google DeepMind Gemini Omni 1.1 Flash-ийг танилцуулж, AI-аар бүтээх ажлын урсгалд илүү их хяналт өгөх чиглэлээ онцоллоо. Модель сонгохдоо зөвхөн хурд биш, гарцын тогтвортой байдал ба удирдах боломжийг хамт үнэлэх шаардлага улам чухал болж байна.

MIT-ийн судлаачид тооцооллын уургийн дизайн амжилттай болох магадлалыг өсгөх машин сургалтын framework боловсруулжээ. Энэ нь байгальд байдаг дарааллыг хуулбарлахаас илүү шинэ боломжит уураг руу чиглэж байна.

MIT-ээс эхэлсэн Julia программчлалын хэл одоо олон сая хэрэглэгчтэй болж, эмийн дизайн, тийрэлтэт хөдөлгүүр, дулааны насос зэрэг тооцоолол ихтэй ажлуудад ашиглагдаж байна. Шинжлэх ухаан, инженерчлэлд хурдан туршилт хийхэд нээлттэй эхийн экосистем ямар үнэ цэнтэйг энэ түүх харуулна.

Google DeepMind Gemini 3.5 Transcribe-ийг танилцуулж, яриаг текст болгох үйлдэлд илүү ухаалаг боловсруулалт нэмэхээ мэдэгдлээ.

Google DeepMind AI системийн үнэлгээнд судлаач, үнэлэгчийн урьдчилсан хүлээлт нөлөөлөхөөс сэргийлэх давхар сохор аргыг туршиж байна. Энэ нь моделийн чадварын үнэлгээг илүү найдвартай болгох зорилготой.

Google DeepMind AI үнэлгээнд оролцогч талуудын хүлээлт, урьдчилсан ойлголтын нөлөөг багасгах зорилготой давхар сохор туршилтын арга туршиж байна.

MIT-ийн судлаачид урьд өмнө тохиолдоогүй онцгой нөхцөлийн хувилбарыг урьдчилан гаргах алгоритм танилцууллаа. Энэ нь дэд бүтэц, нийлүүлэлтийн сүлжээний бэлтгэлийг сайжруулах зорилготой.

MIT-ийн шинэ машин сургалтын хүрээ байгальд аль хэдийн байдаг уургийн дарааллыг хуулбарлахын оронд шинээр зохиосон уураг амжилттай ажиллах магадлалыг нэмэхийг зорьж байна.

MIT-ийн шинэ алгоритм түүхэн өгөгдөл цөөн байдаг урьд өмнө тохиолдоогүй эрс тэс нөхцөлүүдийг урьдчилан загварчлах зорилготой. Энэ нь дэд бүтэц, нийлүүлэлтийн сүлжээний бэлтгэлийг сайжруулж магадгүй.

Google DeepMind Gemini 3.5 Transcribe-ийг танилцуулж, яриаг текст болгон буулгах ажлыг илүү ухаалаг болгохоор зорьж байна. Тэмдэглэл, ярилцлага, уулзалтын боловсруулалт гол хэрэглээ нь болно.

MIT-ийн CrysVCD хэрэгсэл материалын санаануудаас химийн хувьд тогтворгүйг нь эрт шүүн, лабораторийн туршилтад зарцуулах хугацаа ба өртгийг бууруулахыг зорьж байна.

MIT-ийн шинэ алгоритм урьд өмнө тохиолдоогүй эрс тэс нөхцөлийн хувилбаруудыг гарган, дэд бүтэц болон дэлхийн нийлүүлэлтийн сүлжээ юунд бэлэн биш байгааг урьдчилан шалгахад туслахыг зорьж байна.

MIT-ийн шинэ алгоритм түүхэн өгөгдөл хомс байдаг урьд өмнө тохиолдоогүй эрсдэлийн хувилбаруудыг таамаглахад чиглэжээ. Энэ нь дэд бүтэц, нийлүүлэлтийн сүлжээний бэлэн байдлыг шалгах шинэ арга болж магадгүй.

Google DeepMind Atari-аас EVE Online хүртэлх AI судалгааныхаа 15 жилийг эргэн харж, тоглоомын студиудтай хамтран шинэ төрлийн AI тоглолтын туршилтууд хийхээр болжээ.

Google DeepMind Atari-гаас эхэлсэн тоглоомын AI судалгааныхаа 15 жилийг эргэн харж, тоглоомын студиудтай хамтран шинэ тоглолтын туршлага бүтээхээр ажиллаж байна. Тоглоом нь AI-г турших хамгийн хөгжилтэй лабораториудын нэг хэвээр байна.

MIT-ийн судалгаа өгөгдлийн сан томрох тусам AI-ийн бүтээсэн зургийг яг аль сургалтын жишээнээс үүдэлтэйг тогтоох нь бэрхшээлтэй болдгийг харуулжээ. Энэ нь зохиогчийн эрхийн маргааны энгийн хариултгүй талыг тодруулж байна.

MIT-ийн судалгаагаар сургалтын өгөгдөл томрох тусам AI-ийн үүсгэсэн зураг аль эх бүтээлтэй холбоотойг тогтоох нь бэрхшээлтэй болдог байна. Энэ нь зохиогчийн эрх, дата гарал үүслийн маргаанд шинэ хүндрэл үүсгэнэ.

MIT-ийн судлаачид том сургалтын өгөгдөлтэй модель үүсгэсэн зургийг тодорхой нэг сургалтын бүтээлтэй холбох нь ихэнхдээ боломжгүй болдгийг тогтоожээ. Энэ нь зохиогчийн эрх, зөвшөөрөл, контентын гарал үүслийг хянах ажлыг улам төвөгтэй болгоно.