Яндекс представил новое мобильное приложение "Алиса", которое позволяет пользователям общаться с виртуальным ассистентом и генерировать изображения с помощью нейросети YandexART 2.0. В ближайшем будущем "Алиса" сможет распознавать и анализировать объекты через камеру смартфона, а также получит долгосрочную память и возможность перебивать в диалоге.

GigaChat Pro от Сбера научился распознавать изображения. Обновленная функциональность позволяет загружать иллюстрации для анализа, идентифицируя количество людей на изображении, оценивая одежду и распознавая текст. Поддержка мультимодальности открывает новые горизонты, позволяя обрабатывать как изображения, так и текстовые запросы. Более того, бизнес-клиенты теперь могут автоматизировать процессы с помощью API сервиса.

Лауреатами Нобелевской премии по физике за 2024 год стали ученые Джон Хопфилд и Джеффри Хинтон за "основополагающие открытия и изобретения, которые сделали возможным машинное обучение с использованием искусственных нейросетей". Подробнее об исследованиях ученых можно узнать в официальном пресс-релизе.

Международная инициатива по созданию карты человеческого мозга, BICAN, выпустила первые данные. Они включают молекулярные профили клеток мозга людей, мышей и других млекопитающих. Проект нацелен на выявление типов клеток мозга для лучшего понимания его структуры и функционирования. Ожидается, что эти данные помогут в изучении как здорового мозга, так и различных заболеваний.

А учёные из Института астрофизики имени Лейбница и Барселонского университета разработали модель машинного обучения SHBoost, которая значительно ускоряет обработку данных о 217 миллионах звёзд Млечного Пути, собранных миссией Gaia. Новая модель оценивает важные параметры звёзд, такие как температура и химический состав, всего за несколько часов, тогда как раньше это занимало две недели. Этот метод оптимизирует анализ больших объёмов данных и даёт более точные карты структуры галактики.

Компания ЕВРАЗ внедрила инструмент документирования данных RT.DataGovernance от TData

Внедрение RT.DataGovernance позволило унифицировать показатели в разных дивизионах ЕВРАЗ, что упростило взаимодействие между владельцами данных, бизнес-пользователями и ИТ-специалистами. Теперь все требования пользователей зафиксированы, алгоритмы расчета показателей четко определены, а источники данных стали прозрачными.

Подробнее о проекте с ЕВРАЗ читайте по ссылке и смотрите видео