Подпиской на опции в современных автомобилях уже никого не удивить, но BMW в этой практике, кажется, дошла до абсурда: компания предложила подписку на адаптивную M-подвеску. При этом такая подвеска входит в стандартное оснащение многих моделей или приобретается в рамках пакета опций, а подписка нужна, чтобы… подвеска реально заработала.

Оказалось, что в США адаптивная M-подвеска входит в стандартное оснащение большинства M-моделей. Но, например, в случае базовой BMW 3 серии за M-подвеску надо доплатить 1050 долларов. В случае базовых BMW 4 серии и BMW Z4 стоимость пакета с М-подвеской составляет 1500 и 2450 долларов соответственно. Пакеты M Sport, включающие M-подвеску, для BMW X1, BMW X2 и BMW X5 стоят 2000, 2500 и 2750 долларов. Казалось бы, если эта опция включена в цену, ею можно пользоваться по умолчанию. Но нет, BMW берет за это плату — или ежемесячно, или разово (500 долларов). Но оценить работу адаптивной подвески можно бесплатно — в течение месяца.

Инсайдер Ice Universe опубликовал картинку, позволяющую сравнить флагманы Samsung 2020 и 2021 года, Galaxy S20 Ultra и Galaxy S21 Ultra соответственно, с будущей новинкой — Galaxy S25 Ultra.

Ice Universe первым точно рассказал о новом тренде на смартфоны с экранами-водопадами, о чёлке в iPhone X, о новом дизайне iPhone 14 и о 200-мегапиксельном датчике изображения Samsung. Эксклюзивные сведения о новинках ему сливают источники в отделе исследований и разработок южнокорейского гиганта.

Вчера Haval

Перед выводом новинки на отечественный рынок Haval проделал большую работу по адаптации машины к российским условиям. Так, появился полный набор теплых опций (он есть уже в базовой версии Elite), увеличился бачок для стеклоомывающей жидкости, на заднем стекле появился стеклоочиститель, улучшилась антикоррозийная защита, в салоне появились физические кнопки для ряда функций. В медиасистеме прописались различные функции Яндекса, а голосовой помощник, управляющий 656 функциями, научился понимать русский язык.

Рамный внедорожник Tank 300 уже почти 1,5 года официально продается в России, и он пользуется популярностью. Однако за это время машина успела прилично подорожать.

В официальном прайс-листе по-прежнему присутствуют машины 2023 года (они на 100 тыс. рублей дешевле), но ни в одном из опрошенных Autonews дилерских центров в наличии таких внедорожников не оказалось.

Похоже, складной смартфон Huawei с двумя шарнирами будет весьма тонким, несмотря на свою конструкцию. 

Новое исследование: большие языковые модели не представляют экзистенциальной угрозы человечеству

Согласно новому исследованию Университета Бата и Технического университета Дармштадта в Германии, большие языковые модели (LLM), такие как ChatGPT, не способны обучаться самостоятельно или приобретать новые навыки, что означает, что они не представляют экзистенциальной угрозы человечеству.

Исследование, опубликованное в рамках материалов 62-го ежегодного собрания Ассоциации компьютерной лингвистики (ACL 2024), показывает, что языковые модели обладают поверхностной способностью следовать инструкциям и преуспевать во владении языком, однако у них нет потенциала для освоения новых навыков без явных инструкций. Это означает, что они остаются по своей сути контролируемыми, предсказуемыми и безопасными.

Исследовательская группа под руководством профессора Ирины Гуревич из Технического университета Дармштадта в Германии провела эксперименты, чтобы проверить способность моделей выполнять задачи, с которыми модели никогда ранее не сталкивались. Результаты показали, что сочетание способности LLM следовать инструкциям и лингвистических навыков может объяснить как возможности, так и ограничения, демонстрируемые LLM.

«Распространённое мнение о том, что этот тип ИИ представляет угрозу человечеству, препятствует широкому внедрению и развитию этих технологий, а также отвлекает внимание от реальных проблем, требующих внимания», — сказал доктор Хариш Тайяр Мадабуши, специалист по информатике из Университета Бата и соавтор нового исследования.

Доктор Тайяр Мадабуши добавил, что опасения по поводу экзистенциальной угрозы, которую представляют LLM, высказывают не только неспециалисты, но и некоторые ведущие исследователи искусственного интеллекта по всему миру. Однако тесты явно продемонстрировали отсутствие у LLM способностей к сложному мышлению.

«Хотя важно устранить существующий потенциал для неправомерного использования ИИ, такой как создание фейковых новостей и повышенный риск мошенничества, было бы преждевременно вводить правила, основанные на предполагаемых экзистенциальных угрозах», — сказал доктор Тайяр Мадабуши.

Профессор Гуревич добавила, что результаты исследования не означают, что ИИ вообще не представляет угрозы. «Скорее, мы показываем, что предполагаемое возникновение сложных навыков мышления, связанных с конкретными угрозами, не подтверждается доказательствами и что мы можем хорошо контролировать процесс обучения LLM», — сказала она.

Ещё один удар по Intel, похоже, нанесёт компания SoftBank. Как сообщается, она может отменить свои планы по сотрудничеству с процессорным гигантом. 

В рамках проекта Izanagi японский гигант планировал разработать собственные процессоры для ИИ, которые могли бы конкурировать с графическими процессорами Nvidia. Кроме того, SoftBank планировал разработать собственный программный стек и разместить его в своих собственных центрах обработки данных. Изначально компания SoftBank планировала, чтобы процессоры производила Intel по одному из своих грядущих новых техпроцессов, но Intel не смогла удовлетворить требования японской компании. Подробностей тут, к сожалению, нет. Но сообщается, что альтернативой выбарана компания TSMC. 

Несмотря на эту неудачу, генеральный директор SoftBank не исключает сотрудничества с Intel в будущем. 

Учёные из Федеральной политехнической школы Лозанны (EPFL) разработали новую структуру для оптических вычислений, которая позволяет уменьшить энергопотребление систем искусственного интеллекта. Это открытие имеет потенциал революционизировать отрасль и сделать искусственный интеллект более энергоэффективным.

Современные системы искусственного интеллекта, такие как глубокие нейронные сети, требуют значительного количества энергии для обучения и развёртывания. По некоторым оценкам, если текущий темп роста потребления энергии сохранится, то к 2027 году годовое потребление энергии серверами для моделей ИИ может превзойти потребление небольшой страны.

Исследователи EPFL предложили новый подход к оптическим вычислениям, который использует фотоны для обработки данных. Это позволяет выполнить вычисления гораздо быстрее и эффективнее, чем традиционные электронные системы. Однако до сих пор оптические системы не могли выполнять нелинейные преобразования, необходимые для классификации данных в нейронных сетях.

Учёные EPFL разработали простое решение, которое позволяет выполнять нелинейные преобразования оптически. Они кодируют пиксели изображения пространственно на поверхности маломощного лазерного луча, что позволяет выполнить нелинейное умножение пикселей. Это решение требует на восемь порядков меньше энергии, чем традиционные электронные системы.

«Наш метод масштабируем и в 1000 раз более энергоэффективен, чем самые современные глубокие цифровые сети», — говорит Деметри Псалтис, руководитель лаборатории оптики EPFL.

Исследование, поддержанное грантом Sinergia Швейцарского национального научного фонда, было опубликовано в журнале Nature Photonics. Учёные уже работают над разработкой компилятора для перевода цифровых данных в код, который могут использовать оптические системы.

Этот прорыв имеет потенциал изменить отрасль и сделать искусственный интеллект более энергоэффективным. Однако для достижения масштабирования необходимы дальнейшие инженерные исследования.

Тритон, самый большой спутник Нептуна, является одним из наиболее интересных мест в Солнечной системе. Несмотря на свою труднодоступность, на его поверхности, по-видимому, есть активные вулканы, тонкая атмосфера и даже некоторые органические молекулы, называемые толинами. Однако с момента посещения Тритона космическим аппаратом Voyager 35 лет назад, технологии значительно продвинулись вперёд, и новый рывок к посадочному модулю на Тритоне привлекает внимание.

Одна из таких миссий, известная как Triton Hopper, была разработана Стивом Олесоном и Джеффри Лэндисом из Исследовательского центра Гленна NASA. Эта концептуальная миссия была профинансирована Институтом передовых концепций NASA NIAC ещё в 2018 году и предполагает использование криогенного насоса для извлечения топлива с поверхности Тритона для питания «хоппера», который может перемещаться со скоростью до 5 км в месяц и проводить научные исследования.

Первая проблема любой миссии на Тритон — добраться туда. В рамках отчёта NIAC для Triton Hopper авторы провели предварительное исследование, изучая различные методы движения. Солнечная электрическая тяга и аэродинамическое торможение в более обширной атмосфере Нептуна оказались на первом месте. Hopper должен был бы ехать «автостопом» с более крупным орбитальным космическим аппаратом, ответственным за планирование траектории «прыжков» и связь с Землёй.

Полезная нагрузка прибора, описанная в кратком описании миссии, включала в себя георадар, спектроскопическое оборудование, микроскоп и даже сейсмометр. В целом вся система весила чуть менее 300 кг — относительно мало для межпланетной миссии.

Концепция двигательной системы достаточно проста: поместить в космический аппарат немного топлива, затем нагреть его до точки, в которой оно будет находиться под давлением. Как только будет создано достаточное давление, выпустить его в виде реактивной струи, которая позволит 300-килограммовому космическому аппарату преодолеть относительно слабую гравитацию, которая составляет всего ½ гравитации Луны.

Исследование было сосредоточено на двух основных способах подачи материала в хранилище — лопата и криогенный насос. У каждого есть свои преимущества, хотя насос был более эффективен, по крайней мере, в теоретических симуляциях, запущенных в рамках проекта Фазы I.

Крионасос мог бы использовать тепло от обычных операций, способствующих выработке энергии, чтобы напрямую расплавить лёд и снег, на которые приземлился Hopper, и поглотить его в нагревательной камере, где оно будет дополнительно нагреваться перед использованием в качестве топлива.

Как только будет создано достаточное давление за счёт нагрева топлива, Hopper сможет оторваться от поверхности Тритона и «прыгнуть» на небольшое расстояние, используя свои шесть силовых и четыре рулевых двигателя. Авторы оценивают удельный импульс примерно в 50 секунд в месяц. Хотя это может показаться не таким уж большим, это позволило бы Hopper преодолеть около 150 километров в течение двухлетней миссии.

За эти два года он мог бы найти множество интересных локаций. Однако миссия, которая также конкурирует за ресурсы со множеством других концепций миссий для посадочных модулей на Тритон, похоже, приостановлена. Она пока что не получила одобрения для старта Фазы II, и за последние несколько лет не было никаких обновлений о разработке.

Но, учитывая общую популярность концепции даже на других объектах Солнечной системы и желательность Тритона как объекта исследования, кажется вероятным, что когда-нибудь эта миссия воспарит над ледяной поверхностью крупнейшего спутника Нептуна.

Группа астрономов, работающая на суперкомпьютере Йельского университета, совершила прорывное открытие, установив, что галактики в более плотных средах Вселенной на 25% больше своих аналогов в менее плотных областях. Это открытие стало возможным благодаря разработке мощного инструмента машинного обучения, способного быстро обрабатывать огромные объёмы астрономических данных.

Исследователи под руководством Аритры Гош, бывшей аспирантки Йельского университета, проанализировали каталог форм и размеров 8 миллионов галактик, обнаруженных в рамках обзора Hyper Suprime-Cam Subaru. Используя инструмент Galaxy Morphology Posterior Estimation Network (GaMPEN), они смогли оценить структуру галактик с точностью, на 60% превышающей современные альтернативы.

GaMPEN, разработанный исследовательской группой, способен определить структуру одной галактики менее чем за миллисекунду. Этот инструмент позволил создать огромный каталог форм и размеров галактик, который стал основой для нового исследования.

«Это важный шаг в разрешении десятилетий противоречивых результатов по этой теме.Наш подход к машинному обучению идеально подходит для сегодняшних огромных обзоров, и наша первая работа была уникальной в предоставлении количественных измерений и неопределённостей, не говоря уже об анализе 8 миллионов галактик», — сказала Аритра Гош, ведущий автор нового исследования, опубликованного в Astrophysical Journal.

Новое исследование показало, что галактики в более плотных частях Вселенной на 25% больше галактик с аналогичной массой и формой в менее плотных регионах. Это открытие имеет большое значение, поскольку структура галактик является показателем распределения барионной материи, в то время как плотность окружающей среды галактик зависит от распределения гало тёмной материи.

«Галактики развиваются с течением времени, и их свойства зависят от массы, размера и других переменных. Анализируя очень большие выборки, дезагрегированные по этим переменным, мы смогли обнаружить увеличение размера галактики с плотностью окружающей среды — то, что не было ясно из более мелких по масштабу исследований», — сказал Мег Урри, профессор физики и астрономии Йельского университета и соавтор исследования.

Исследователи также подчеркнули значимость суперкомпьютера «Грейс» Йельского университета, который позволил им выполнить эту работу.

Открытие может стать важным инструментом для анализа больших наборов данных из следующего поколения астрономических обзоров и предоставляет новый взгляд на связь между структурой галактики и средой, в которой она существует.