🎧 Perch 2.0 — AI, который слушает природу и спасает вымирающие виды.
DeepMind выпустили Perch 2.0 — компактную supervised-модель для биоакустики.
Без миллиардов параметров, без сложного self-supervised обучения — просто аккуратная модель, которая побила все бенчмарки и уже работает в полевых исследованиях.
🌱 Почему это важно
Звуки природы — это источник данных о биоразнообразии.
По аудиозаписям можно понять:
- какие животные живут в лесу,
- сколько их,
- размножаются ли они,
- не вытесняются ли они человеком.
Но расшифровка аудио — адский труд: в одном часе записи из тропиков десятки накладывающихся голосов.
🐦Что умеет Perch 2.0
Perch 2.0 — универсальный эмбеддер для звуков животных.
Берёт 5 секунд аудио → выдаёт вектор, с которым можно:
- находить похожие записи,
- кластеризовать звуки,
- обучать простой классификатор для новых видов (few-shot).
⚡ Работает без GPU и без дообучения.
🛠 Архитектура
- Основa: EfficientNet-B3 (12M параметров).
- Три головы:
1. Классификация ~15k видов.
2. Прототипная — создаёт семантические логиты для distillation.
3. Source prediction — угадывает источник записи.
- Обучение в два шага:
1. Прототипная голова учится сама.
2. Её логиты становятся soft-label’ами для основной (**self-distillation**).
📊 Результаты
- SOTA на BirdSet и BEANS (ROC-AUC, mAP).
- Отличная переносимость на морских данных (киты, дельфины), которых почти не было в тренировке.
- Всё это — без fine-tuning, только фиксированные эмбеддинги.
Главный вывод
Perch 2.0 показывает, что:
🟢 качественная разметка,
🟢 простая архитектура,
🟢 чёткая постановка задачи
могут быть важнее, чем «бесконечные параметры» и сложные LLM.
🌍 Что это меняет
- Биологам — быстрый анализ джунглей Бразилии или рифов без написания своих моделей.
- ML-инженерам — наглядный пример, как обучать компактные сети без потери качества.
- Исследователям — напоминание: не всегда нужен GPT-4, чтобы сделать полезный инструмент.
🟠Github: https://github.com/google-research/perch-hoplite
🟠Подробнее: https://deepmind.google/discover/blog/how-ai-is-helping-advance-the-science-of-bioacoustics-to-save-endangered-species/
🟠Статья: http://arxiv.org/abs/2508.04665
@ai_machinelearning_big_data
#DeepMind#AI#Bioacoustics#MachineLearning#Perch#Ecology
🎮 DOOM запустили на ChatGPT
Люблю наблюдать за тем, как эту легенду запускают на разных устройствах — видел даже запуск на огромном битном «компьютере» с «экраном» в майнкрафте не так давно.
Тут тоже интересно: после предварительной подготовки прямо в диалоге с ChatGPT открывается 🧙
Нет, ChatGPT не пишет с нуля код всей игры, разочарую вас🐸
Делал тот же чувак, который ранее предложил вариант captcha (бесячего теста, что ты не робот) с проверкой твоих навыков стрельбы в DOOM 😁
Душные пояснения для тех, кому интересно, как так получилось:
Разработчик взял шаблон ChatGPT App на Next.js, добавил инструмент play_doom и задеплоил всё на Vercel.
Chatgpt не просто описывает игру, а реально запускает рабочий Doom прямо в чат: серверный и клиентский рендеринг работают одновременно.
- Пояснения, как работает эта связка ChatGPT+Vercel
- Оригинальный пост
⚠️ Видео и пост из X (бывший Twitter), который сейчас запрещен в РФ.
#ИИ#ChatGPT#DOOM#AI#NextJS#Vercel#GameDev
Новая версия Google Gemini 3 ожидается к декабрю.
Чего же ждать от Gemini 3.0?
1. Истинная мультимодальность с рождения. Ожидается, что в отличие от многих моделей, которые «доучивают» работе с разными типами данных, Gemini 3 будет изначально спроектирована как "truly multimodal". Это сулит более глубокое и бесшовное понимание связей между текстом, изображением, видео и звуком.
2. Архитектура «смеси экспертов» (Mixture-of-Experts, MoE). Это главная фишка! Вместо одной гигантской модели Google, вероятно, будет использовать набор более мелких «экспертных» сетей. Каждая из них специализируется на своей задаче. Для пользователя это означает:
➡️Скорость: Модель будет работать быстрее, так как для каждого запроса задействуется не вся сеть, а только нужные «эксперты».
➡️Эффективность: Снизятся затраты на вычисления, а значит, сервис может стать доступнее.
➡️Качество: Ответы станут более точными и специализированными.
3. Прямая интеграция в экосистему Google. Логично предположить, что Gemini 3 станет мозгом для всех продуктов Google: Поиска, Gmail, Документов, YouTube и, конечно, Android. Представьте себе ассистента, который не просто отвечает на вопросы, а контекстно помогает вам во всех приложениях.
4. Фокус на рассуждениях и планировании (Reasoning & Planning). Следующий рубеж для ИИ — не просто генерация текста, а способность к сложным многошаговым рассуждениям. Gemini 3, возможно, сделает серьезный шаг в этом направлении, что откроет двери для более сложных задач: от научных исследований до полноценного автономного планирования проектов.
Чем она будет интересна нам всем?
➡️Более умный и быстрый помощник в телефоне и браузере.
➡️Качественно новые взаимодействия: например, возможность показать холодильник по видео и получить рецепты из доступных продуктов, или загрузить черновик отчета и получить не только правки стиля, но и проверку логики и выводов.
➡️Снижение стоимости доступа к продвинутому ИИ (благодаря архитектуре MoE).
Итог: Если слухи верны, Gemini 3.0 — это не «еще одна большая языковая модель», а попытка Google переопределить архитектуру больших моделей, сделав их более эффективными, мощными и глубоко интегрированными в нашу цифровую жизнь.
Ждем официального анонса...
А что вы ждете от новой модели от Google? Поделитесь в комментариях!
#Gemini3#GoogleAI#ИскусственныйИнтеллект#AI#MoE#Нейросети#Google#Инсайды
https://t.me/semasci
Немного новогоднего застолья, и почему-то - пиццы с икрой :D
By Voodoont
Dreams Gallery
#voodoont
#ai#арт#art#newyear#christmas#festive#pizza#caviar#holiday
Historic Settlement: EEOC Resolves AI-Driven Age Discrimination Case
The Equal Employment Opportunity Commission (EEOC) has reached a groundbreaking settlement with iTutorGroup for $365,000 over allegations of AI-driven age discrimination. This marks the first-ever settlement against AI-powered recruitment tools in the US.
The EEOC filed the lawsuit in May 2022, accusing iTutorGroup of using an algorithm that automatically rejected older job applicants based on their age. Women over 55 and men over 60 were disproportionately affected by this automated process, which violated the Age Discrimination Act's protections for individuals aged 40 and above.
With litigation initiated in the U.S. District Court for the Eastern District of New York, the EEOC's efforts to conciliate prior to legal action were unsuccessful. As a result, the case was set for a settlement conference in October 2023. However, the EEOC has now settled the case for $365,000, underlining the significance of this legal victory.
As part of the consent decree, iTutorGroup is barred from automatically rejecting candidates based on age or gender. The company is required to adhere to non-discrimination laws and collaborate with the EEOC to establish policies that prevent unlawful discrimination in the future.
This lawsuit is likely to set a precedent for future cases involving HR Tech tools. The ongoing regulatory focus on automated employment decisions calls for responsible and compliant AI use to avoid legal consequences and uphold fairness.
#AI#Law#LegalTech#EqualOpportunity#Discrimination#AIEthics
#rust#agent#ai#amazon_q#cli#linux#llm#macos#mcp#open_source#productivity#rust#shell#terminal#typescript
Amazon Q CLI is a powerful tool that lets you interact with AWS and your development environment using natural language right from your terminal. It helps you write code, run commands, and manage AWS resources faster by understanding your context and providing smart suggestions, autocompletion, and even translating plain English into shell commands. It supports multi-turn conversations, so you can ask follow-up questions and get real-time help without leaving the command line. This boosts your productivity by simplifying complex tasks, reducing errors, and speeding up development workflows, making it easier to manage projects and infrastructure efficiently[1][2][3].
https://github.com/aws/amazon-q-developer-cli