Nvidia выпустила ИИ, который думает как человек за рулём

Post Thumbnail

Знаете, что всегда было главной проблемой беспилотников? Они тупо следуют алгоритмам. Видят ситуацию, обрабатывают данные, выдают команду. Но когда возникает что-то нестандартное — например, сломанный светофор на оживлённом перекрёстке — всё, приехали. Система не знает, что делать, потому что такого сценария в её базе нет. И вот Nvidia кажется решила эту проблему.

На выставке CES компания представила Alpamayo. Это семейство открытых моделей, инструментов симуляции и датасетов для обучения автономных машин. В центре всего этого — модель Alpamayo 1 с 10 миллиардами параметров. Это так называемая vision language action модель с цепочкой рассуждений. Звучит сложно? На деле всё просто: машина не просто реагирует, а размышляет пошагово, как это делал бы водитель.

Алгоритм разбивает проблему на этапы, прорабатывает все возможные варианты и выбирает самый безопасный путь. Глава Nvidia Дженсен Хуанг объяснил, что система не только получает данные с сенсоров и управляет рулём, тормозами и газом. Она ещё и обосновывает свои действия. Говорит, что собирается сделать, почему именно так, и показывает траекторию.

Хуанг называет это моментом ChatGPT для физического искусственного интеллекта. Когда машины начинают понимать, рассуждать и действовать в реальном мире.

Может быть, что Nvidia показывает, как ИИ может перейти от разговоров в чате к реальным действиям на дорогах.

Почитать из последнего
ИИ-ассистент научили разбирать документы и алерты
Главный вопрос корпоративного ИИ прост: что будет с данными после запроса? РТК-ЦОД предлагает не рисковать ими. На форуме «Цифровые решения» компания с блоком ИТ «Ростелекома» представила ассистента для организаций с жёсткими требованиями к защите.
К 2027 году чипов хватит на миллиарды ИИ-агентов
Похоже, у ИИ скоро вылезет проблема, которую не залатать покупкой ещё одного чипа. По расчётам Epoch AI, вычислительной мощности, выпущенной с 2025 по 2027 год, хватит для одновременной работы от 33 до 171 млн агентов уровня передовых моделей.
Kandinsky научился лепить видео со звуком
ИИ-видео всё меньше смахивает на немой клип. «Сбер» показал Kandinsky 6.0 Video - модель, которая разом генерит картинку и звук: речь персонажей, музыку и шумы окружения.
Три профессии, которые ИИ уже плодит прямо сейчас
ИИ перетряхивает рынок труда не только тем, что съедает привычные задачи. Вместе с автоматизацией вылезают специалисты, которых ещё несколько лет назад никто бы не вообразил, и часть таких профессий формируется на глазах.
Google научила эмбеддинги переваривать сразу пять типов данных
Google порешила, что эмбеддингам хватит возиться с одним текстом. Компания выкатила вторую версию EmbeddingGemma: теперь система сваливает в общее векторное пространство текст, код, изображения, видео и аудио. Так что на вход можно подавать сразу несколько типов данных.