Илон Маск, основатель SpaceX и Tesla, оказался втянут в судебную тяжбу с некоммерческой организацией OpenAI, которую он помог основать девять лет назад. Предприниматель утверждает, что OpenAI не может законно преобразоваться в корпорацию, не нарушив свою основную цель — принести пользу человечеству в целом путём разработки первого в мире общего искусственного интеллекта (AGI).

Маск требует от OpenAI выплатить ему компенсацию в тройном размере за пожертвования в размере $44,6 млн, которые он вложил за пять лет, а также обязать открыть исходный код всех результатов исследований, лежащих в основе нейронной сети GPT-4. Последнее также служит интересам его собственной исследовательской лаборатории xAI, прямого конкурента OpenAI.

Однако американское законодательство не благосклонно к частным истцам, добивающимся возмещения ущерба от благотворительных некоммерческих организаций, которым они сделали вычитаемые из налогов пожертвования. Предпринимаемые после факта попытки потребовать возврата денег или настоять на том, чтобы средства использовались иначе, обычно обречены.

«Все такие дела терпят неудачу. Для подобных претензий очень мало правовых оснований. Как только деньги переданы, всё кончено», — говорит Брайан Куинн, профессор корпоративного права в юридической школе Бостонского колледжа.

У некоммерческих организаций нет акционеров, чьи экономические интересы могут быть ущемлены. С юридической точки зрения ответственность за ведение судебных разбирательств от имени общественности лежит на органах власти — как правило, на генеральном прокуроре штата.

«Если вы жертвуете на благотворительность, у вас не так много возможностей обратиться в суд позже. Законодательство США не очень благосклонно к жертвователям в этом отношении», — добавил Луис Кальдерон Гомес, специалист по налоговому праву и доцент юридического факультета Кардозо при Университете Йешива.

Шансы Маска могут улучшиться после того, как его команда изменила юридическую стратегию, увеличив количество предполагаемых правонарушений с 4 до 14. Обвинять OpenAI во всем: от мошенничества и вымогательства до ложной рекламы и неправомерного обогащения, может показаться тактикой с надеждой, что одно из обвинений каким-то образом окажется в фокусе. Однако Кальдерон Гомес считает, что дело не совсем беспочвенно, учитывая, что суды могут не одобрить отказ OpenAI от своей некоммерческой деятельности.

Маск заявил о существовании «Учредительного соглашения», согласованного с генеральным директором OpenAI Сэмом Альтманом, которое прямо запрещает такую возможность. Однако он не смог его предоставить, утверждая, что вместо этого оно было отражено в свидетельстве о регистрации некоммерческой организации от декабря 2015 года в достаточной степени, чтобы быть доказательством.

Турбулентность — это сложное явление, которое влияет на повседневную жизнь, начиная от воды, которая течёт из крана, до химических реакций в реактивных двигателях, которые приводят в движение самолёты. Однако, несмотря на повсеместное присутствие, турбулентность остаётся плохо изученной областью физики.

Но благодаря мощностям самого быстрого компьютера в мире, Frontier, исследователи из Georgia Tech сделали значительный шаг вперёд в понимании турбулентности. Используя возможности компьютера, который может выполнять квинтиллион операций в секунду, исследователи смогли создать модели в чрезвычайно высоком разрешении, которые позволяют им лучше понять природу турбулентности.

«Турбулентность — очень сложное явление. Теории неполны, а лабораторные измерения трудны. Ожидается, что разрешение Frontier, превышающее 5 триллионов точек сетки, приведёт к новым открытиям, которые, в свою очередь, могут способствовать прогрессу в моделировании, где как предположения, так и прогнозы можно будет проверять численно», — сказал профессор П. К. Йенг, руководитель исследовательской группы.

Исследователи использовали мощные графические процессоры Frontier для вычисления и создания моделей в чрезвычайно высоком разрешении. Их работа прожемонстрировала принципы расширенного программирования GPU, которые могут быть полезны в других областях, особенно тех, где важны псевдоспектральные методы.

«Во многих научных областях люди считали, что вычисления такого масштаба невозможны, но теперь мы достигли этого, и даже раньше, чем предполагалось. Наша работа по моделированию турбулентности также демонстрирует несколько принципов расширенного программирования GPU, представляющих интерес в других областях. Ожидается, что научное влияние наших экстремальных масштабных симуляций будет ещё больше усилено за счёт публичного обмена данными в партнёрстве с поддерживаемым Национальным научным фондом проектом базы данных турбулентности Университета Джонса Хопкинса», — сказал профессор Йенг.

Прорыв в понимании турбулентности может иметь значительные последствия для различных областей: от аэрокосмической техники до химической промышленности. Благодаря мощностям компьютера Frontier, исследователи могут лучше понять и моделировать турбулентность, что может привести к новым технологическим инновациям.

Учёные из японской лаборатории RIKEN разработали новый тип солнечного элемента, который можно растягивать, не теряя при этом способности преобразовывать свет в электричество. Это открытие может стать прорывом в создании носимой электроники следующего поколения.

Современные носимые устройства, такие как смарт-часы и медицинские мониторы, требуют периодической зарядки, что может быть неудобно для пользователей. Разработка гибких и растягиваемых солнечных элементов может решить эту проблему, позволяя устройствам заряжаться от солнечного света в течение дня.

Однако создание таких элементов является сложной задачей, поскольку они должны быть достаточно гибкими, чтобы растягиваться при движении тела, но при этом сохранять свою эффективность. Команда исследователей под руководством Кендзиро Фукуды из Центра исследований новых веществ RIKEN разработала решение этой проблемы.

«Мы сосредоточены на создании тонких, гибких устройств, но такие устройства не обладают растяжимостью. Скорее, они похожи на пластиковую плёнку, используемую для упаковки продуктов питания — их можно растянуть на 1% или 2%, но на 10% невозможно, поскольку они легко рвутся», — объясняет Фукуда.

Фукуда и его команда разработали новый подход, используя растягивающиеся материалы для каждого функционального слоя в устройстве. Однако это оказалось сложной задачей, поскольку необходимо было найти баланс между растяжимостью каждого слоя и его производительностью.

Наконец, исследователи создали высокопроизводительный гибкий солнечный элемент, который демонстрирует исключительную растяжимость. Эффективность преобразования энергии ячейки падает всего на 20%, когда солнечная ячейка растягивается на 50% (т.е. растягивается в 1,5 раза от своей первоначальной, нерастянутой длины). Более того, она сохраняет 95% своей первоначальной эффективности преобразования энергии после растяжения в 100 раз на 10%.

Ключ к реализации такой растяжимости устройства лежал во включении органического соединения под названием ION E в электродный слой солнечной ячейки. Это соединение не только повышает растяжимость электрода, но и усиливает адгезию между электродом и слоями выше и ниже него.

Благодаря этим двум эффектам электрод может принять на себя часть деформации активного слоя, расположенного над ним (который преобразует свет в электроны), что улучшает растяжимость всего устройства.

Долгосрочная цель исследователей в том, чтобы создать растягиваемый органический солнечный элемент большой площади. Однако для этого необходимо решить проблему низкой проводимости полимера, используемого для передачи вырабатываемого электричества.

Разработка растягиваемых солнечных элементов может иметь значительные последствия для создания носимой электроники следующего поколения. Это открытие может привести к созданию устройств, которые могут заряжаться от солнечного света в течение дня, что сделает их более удобными и независимыми от источников питания.

Ученые Аргоннской национальной лаборатории разработали технологию, которая позволяет создавать конкурентоспособное по цене устойчивое авиационное топливо (SAF), способное сократить выбросы парниковых газов в авиационной промышленности до 70%. Эта технология анаэробного сбраживания с остановкой метана (MAAD) преобразует высококонцентрированные органические сточные воды в летучие жирные кислоты, которые можно преобразовать в SAF.

По словам Хаорана Ву, научного сотрудника из Аргоннского университета, летучие жирные кислоты, являясь ключевыми прекурсорами для производства SAF, могут играть решающую роль в декарбонизации авиационной промышленности и сделать производство биотоплива более рентабельным и устойчивым.

Исследование способствует достижению целей, изложенных в программе Министерства энергетики США Sustainable Aviation Fuel Grand Challenge, которая направлена на увеличение производства SAF до трёх миллиардов галлонов к 2030 году. Цель состоит в том, чтобы производить достаточно топлива для покрытия 100% спроса на коммерческое авиатопливо к 2050 году.

В рамках ещё одной инновационной разработки учёные разработали метод электрохимического разделения для усовершенствования технологии MAAD с использованием мембраны.

Мы разработали процесс извлечения продукта на месте, чтобы увеличить время удерживания в мембранных реакторах, что позволило создать устойчивые микробные сообщества с производителями масляной кислоты и повысить продуктивность и концентрацию кислоты, тем самым снизив стоимость производства кислоты и её токсичность

Ургун Демиртас, главный исследователь исследования

Используя экспериментальные данные, учёные использовали инструменты моделирования Аргоннского университета для разработки трёх возможных путей превращения отходов в SAF и сравнили их с обычным реактивным топливом, полученным из ископаемого топлива.

Учёные утверждают, что путь переработки отходов в авиационное топливо значительно сокращает выбросы углерода по сравнению с обычным реактивным топливом. Исследование также расширяет использование менее используемых отходов в то время, когда спрос на типичное биосырье для SAF приводит к дефициту.

В конечном итоге учёные надеются коммерциализировать запатентованный процесс и масштабировать технологию для широкого использования. Устойчивое авиационное топливо имеет большой потенциал для декарбонизации авиационной отрасли. Но его широкое внедрение ещё не началось. Устойчивое авиационное топливо (SAF) составляет менее 1% топлива, используемого в авиационной промышленности, в то время как авиационное топливо вносит около 3% в глобальные выбросы парниковых газов (ПГ). Производство SAF, которое является более энергоэффективным, дешёвым и конкурентоспособным по стоимости с ископаемым реактивным топливом, имеет большое значение для широкого коммерческого использования.

Учёные из Калифорнийского университета в Риверсайде разработали недорогой метод снижения загрязнения воздуха от двигателей внутреннего сгорания, работающих на водороде. Двигатели внутреннего сгорания, работающие на водороде, являются перспективным решением в борьбе с изменением климата, поскольку они мощные и не выделяют углерода. Однако они выделяют оксиды азота, которые реагируют с другими соединениями в атмосфере, образуя вредный озон и мелкие частицы.

Исследователи обнаружили, что введение платины в каталитические нейтрализаторы с высокопористым материалом, называемым Y-цеолитами, значительно усиливает реакции между оксидами азота и водородом, превращая их в безвредный газообразный азот и водяной пар.

Цеолиты — это недорогие материалы с определённой кристаллической структурой, состоящей в основном из атомов кремния, алюминия и кислорода. Их большая площадь поверхности и решётчатая структура из однородных пор и каналов позволяют более эффективно разлагать загрязняющие вещества.

Исследователи смешали платину с цеолитом Y и создали систему, которая эффективно захватывает воду, образующуюся в процессе сгорания водорода. Эта богатая водой среда способствует активации водорода, что является ключом к повышению эффективности восстановления азота.

Шаохуа Се (Shaohua Xie), ведущий автор исследования, объяснил, что сам цеолит не является катализатором. Вместо этого он повышает эффективность платинового катализатора, создавая богатую водой среду. Соавторы аспирант Липин Лю (Liu), и Хунлян Синь (Hongliang Xin), доцент Virginia Tech, дополнительно подтвердили эту концепцию посредством теоретического моделирования новой каталитической системы.

Исследователи смешали порошки платины и цеолита Y и предоставили их сотрудничающему учёному Юэцзину Ли (Yuejin Li) из BASF Environmental Catalyst and Metal Solutions (ECMS) в Айселине (штат Нью-Джерси). Порошок был превращён в густую жидкую суспензию со связующими соединениями и нанесён на сотовые структуры внутри прототипов каталитических преобразователей.

Команда инженеров компании BitEnergy AI, занимающейся технологиями вывода ИИ, сообщила о методе снижения энергопотребления приложений на базе искусственного интеллекта на 95%. Группа опубликовала статью, описывающую их технологию, на сервере препринтов arXiv.

Поскольку ИИ-приложения стали мейнстримом, их использование резко возросло, что привело к заметному росту потребностей в энергии и затрат. Большие лингвистические модели, такие как ChatGPT, требуют большой вычислительной мощности, что, в свою очередь, означает, что для их работы требуется много электроэнергии. Например, ChatGPT теперь требует около 564 МВтч ежедневно, что достаточно для питания 18 000 американских домов. Поскольку наука продолжает развиваться, а такие приложения становятся всё более популярными, критики предположили, что эти приложения могут потреблять около 100 ТВтч ежегодно всего через несколько лет, наравне с операциями по добыче биткоинов.

Команда BitEnergy AI утверждает, что в рамках новой разработки им удалось найти способ значительно сократить объём вычислений, необходимых для приложений ИИ, не приводя при этом к снижению производительности.

Новая техника является достаточно изящной — вместо использования сложного умножения с плавающей точкой (FPM) метод использует целочисленное сложение. Приложения используют FPM для обработки чрезвычайно больших или малых чисел, что позволяет приложениям выполнять вычисления с их использованием с большой точностью. Это также самая энергоёмкая часть обработки чисел ИИ.

Исследователи называют свой новый метод Linear-Complexity Multiplication — он работает путём аппроксимации FPM с использованием целочисленного сложения. Они утверждают, что тестирование на данный момент показало, что новый подход снижает потребление электроэнергии на 95%.

Единственный недостаток заключается в том, что он требует другого оборудования, чем то, что используется в настоящее время. Но исследовательская группа также отмечает, что новый тип оборудования уже был спроектирован, создан и протестирован. Однако пока что неясно, как такое оборудование будет лицензироваться — в настоящее время на рынке оборудования для искусственного интеллекта доминирует производитель графических процессоров Nvidia. То, как они отреагируют на эту новую технологию, может оказать существенное влияние на темпы внедрения — если заявления компании подтвердятся.

Команда инженеров компании BitEnergy AI, занимающейся технологиями вывода ИИ, сообщила о методе снижения энергопотребления приложений на базе искусственного интеллекта на 95%. Группа опубликовала статью, описывающую их технологию, на сервере препринтов arXiv.

Поскольку ИИ-приложения стали мейнстримом, их использование резко возросло, что привело к заметному росту потребностей в энергии и затрат. Большие лингвистические модели, такие как ChatGPT, требуют большой вычислительной мощности, что, в свою очередь, означает, что для их работы требуется много электроэнергии. Например, ChatGPT теперь требует около 564 МВтч ежедневно, что достаточно для питания 18 000 американских домов. Поскольку наука продолжает развиваться, а такие приложения становятся всё более популярными, критики предположили, что эти приложения могут потреблять около 100 ТВтч ежегодно всего через несколько лет, наравне с операциями по добыче биткоинов.

Команда BitEnergy AI утверждает, что в рамках новой разработки им удалось найти способ значительно сократить объём вычислений, необходимых для приложений ИИ, не приводя при этом к снижению производительности.

Новая техника является достаточно изящной — вместо использования сложного умножения с плавающей точкой (FPM) метод использует целочисленное сложение. Приложения используют FPM для обработки чрезвычайно больших или малых чисел, что позволяет приложениям выполнять вычисления с их использованием с большой точностью. Это также самая энергоёмкая часть обработки чисел ИИ.

Исследователи называют свой новый метод Linear-Complexity Multiplication — он работает путём аппроксимации FPM с использованием целочисленного сложения. Они утверждают, что тестирование на данный момент показало, что новый подход снижает потребление электроэнергии на 95%.

Единственный недостаток заключается в том, что он требует другого оборудования, чем то, что используется в настоящее время. Но исследовательская группа также отмечает, что новый тип оборудования уже был спроектирован, создан и протестирован. Однако пока что неясно, как такое оборудование будет лицензироваться — в настоящее время на рынке оборудования для искусственного интеллекта доминирует производитель графических процессоров Nvidia. То, как они отреагируют на эту новую технологию, может оказать существенное влияние на темпы внедрения — если заявления компании подтвердятся.

Учёные из Калифорнийского университета в Беркли разработали новую вычислительную структуру под названием RoVi-Aug, которая позволяет дополнять роботизированные данные и облегчает передачу навыков между различными роботами. Эта структура использует генеративные модели для дополнения данных изображений и создания синтезированных визуальных демонстраций задач с различными видами камер для разных роботов.

По словам группы разработчиков, которыми руководили исследователи Лоуренс Чен (Lawrence Chen) и Чэньфэн Сю (Chenfeng Xu), целью их работы было преодолеть ограничения существующих алгоритмов, которые не могут надёжно передавать навыки между роботами с разными корпусами и характеристиками. Они отметили, что многие существующие наборы данных для обучения роботов не сбалансированы и содержат неточности, которые могут привести к переобучению определённых типов роботов.

«Успех современных систем машинного обучения, в частности генеративных моделей, демонстрирует впечатляющую обобщаемость и мотивирует исследователей робототехники искать, как достичь аналогичной обобщаемости в робототехнике», — рассказали Чен и Сюй.

RoVi-Aug состоит из двух отдельных компонентов: модуля роботизированного дополнения (Ro-Aug) и модуля дополнения точки обзора (Vi-Aug). Первый компонент синтезирует демонстрационные данные с участием различных роботизированных систем, а второй производит демонстрации с разных углов.

«Ro-Aug имеет две ключевые особенности: тонко настроенную модель SAM для сегментации робота и тонко настроенную ControlNet для замены исходного робота другим. Тем временем Vi-Aug использует ZeroNVS, современную модель синтеза новых видов, для создания новых перспектив сцены, что делает модель адаптируемой к различным точкам обзора камеры», — объяснили Чен и Сюй.

Исследователи использовали свою структуру для создания дополненного набора данных робота и проверили его эффективность для обучения политик и передачи навыков между различными роботами. Их результаты показали, что RoVi-Aug позволяет обновлять политики, которые хорошо обобщаются между различными роботами и настройками камер.

«Ключевое новшество заключается в применении генеративных моделей, таких как генерация изображений и синтез новых представлений, к задаче кросс-воплощенного обучения роботов», — пояснили Чен и Сюй.

Эта работа может способствовать развитию роботов, помочь исследователям легко расширять набор навыков систем. В будущем она может быть использована другими командами для передачи навыков между различными роботами или разработки более эффективных универсальных роботизированных политик.

Например, представьте себе ситуацию, когда исследователь потратил значительные усилия на сбор данных и обучение робота Franka политике выполнения задачи, но у вас есть только робот UR5. RoVi-Aug позволяет вам повторно использовать данные Franka и развёртывать политику на роботе UR5 без дополнительного обучения. Это особенно полезно, поскольку политики робота часто чувствительны к изменениям точки обзора камеры, а настройка идентичных углов камеры для разных роботов является сложной задачей. RoVi-Aug устраняет необходимость в таких точных настройках.

Лоуренс Чен, Чэньфэн Сю

По словам авторов работы, RoVi-Aug может быть экономически эффективной альтернативой для простого составления надёжных наборов данных для обучения. Они также отметили, что их подход может быть расширен для применения к другим наборам данных роботов и что они планируют дальнейшее совершенствование RoVi-Aug, включая генерацию видео вместо генерации изображений.

«Мы также планируем применить RoVi-Aug к существующим наборам данных, таким как набор Open-X Embodiment (OXE), и воодушевлены потенциалом повышения производительности универсальных политик роботов, обученных на этих данных. Расширение возможностей RoVi-Aug может значительно повысить гибкость и надёжность этих политик для более широкого спектра роботов и задач», — заключили исследователи.

Алексей Агапов, президент фонда «Иннотех XXI», рассказал, когда состоится релиз отечественного православного мессенджера «Зосима». Публичная бета-версия появится в ноябре текущего года, но скачать ее смогут все желающие на определенной интернет-страничке. А вот релиз для широкой аудитории состоится весной 2025 года.

«Первая версия мессенджера появится в ноябре, она будет доступна по ссылке на сайте проекта "Спаси и сохрани". Мы ограничим количество скачиваний по техническим причинам, но скачать его сможет любой человек. Мессенджер – сложный продукт, он будет опробован в первую очередь в проекте "Спаси и сохрани", и весной 2025 года мы планируем сделать его доступным для скачивания в Google Play и на других платформах», — рассказал Алексей Агапов. Он также добавил, что мессенджер будет поддерживать чаты, фото, видео и онлайн-трансляции. Можно ли будет записывать «кружочки» — не сообщается.

Алексей Агапов сообщил, что после новости о разработке в России такого мессенджера к нему начали проявлять большой интерес. «Оказалось, что продукт очень востребован. К нам обращались с предложениями, звонили — в том числе священники. Мы собрали рабочую группу, которая будет управлять этим проектом, есть дорожная карта на два года вперед. Мы планируем довести этот крупный проект до конца», — сообщил он.

Учёные из Университета Колорадо в Боулдере обнаружили связь между космической погодой и погодой на Земле. Команда исследователей под руководством студента-бакалавриата Макса Файнланда обнаружила, что грозы на нашей планете могут вытеснять высокоэнергетические электроны из внутреннего радиационного пояса, что может представлять опасность для спутников и астронавтов.

По словам Файнланда, «эти частицы — самые страшные, их некоторые называют "электронами-убийцами". Они могут проникать сквозь металл спутников, поражать платы и могут быть канцерогенными, если попадут на человека в космосе».

Всего Файнланд насчитал 45 всплесков высокоэнергетических электронов во внутреннем поясе с 1996 по 2006 год. Он сравнил эти события с записями ударов молний в Северной Америке: некоторые из всплесков электронов, казалось, происходили менее чем через секунду после удара молнии в землю.

По версии команды, после удара молнии радиоволны с Земли врезаются в электроны во внутреннем поясе, которые затем начинают мгновенно перемещаться между северным и южным полушариями Земли — перемещаясь туда и обратно всего за 0,2 секунды. И каждый раз, когда электроны отскакивают, некоторые из них «выпадают» из пояса и попадают в нашу атмосферу. Пока что у учёных нет понимания, как часто происходят такие события. Они могут происходить в основном в периоды высокой солнечной активности, когда солнце извергает много высокоэнергетических электронов, наполняя внутренний пояс этими частицами.

Учёные планируют продолжить исследования, чтобы лучше понять механизмы, которые приводят к выпадению высокоэнергетических электронов из внутреннего радиационного пояса. Они также надеются, что их работа может привести к новым методам защиты спутников и астронавтов от вредного воздействия космической радиации.

Результаты исследования были опубликованы в журнале Nature Communications.