Европейское агентство ESA утвердило контракт на создание четырёх спутников для лунной навигационной группировки

Европейская программа Moonlight, направленная на создание лунной навигационной системы, перешла на новый этап. Компании Thales Alenia Space и Telespazio заключили соглашение с Европейским космическим агентством (ESA) о разработке орбитального сегмента для инициативы Lunar Communications and Navigation Services (LCNS).

Проект, возглавляемый ESA при координации Telespazio, предусматривает развёртывание спутниковой группировки на орбите Луны. Эта группировка обеспечит высокоскоростную связь, точную навигацию и поддержку долгосрочного присутствия человека на спутнике Земли.

В рамках консорциума, включающего итальянские и международные компании, а также университеты, Thales Alenia Space возьмёт на себя проектирование, производство и запуск четырёх навигационных спутников. Эти спутники будут выведены на эллиптическую окололунную орбиту. Кроме того, компания разработает наземные компоненты миссии и проведёт комплексное тестирование системы — первой в истории спутниковой навигационной инфраструктуры Луны.

Новая инфраструктура позволит выполнять автономные посадки, управлять передвижением роверов на поверхности Луны и обеспечит передачу данных между Землёй и лунными миссиями с минимальной задержкой. Это снизит стоимость исследований и повысит их эффективность.

Программа Moonlight, помимо технологического прорыва, станет основой для будущих миссий, включая создание обитаемых баз. Развёртывание группировки запланировано на вторую половину 2020-х годов, что синхронизировано с планами NASA по возвращению человека на Луну. Успех Moonlight заложит фундамент для следующего шага — исследований Марса, где аналогичные технологии связи и навигации будут критически важны.

Thales Alenia Space является совместным предприятием Thales (67%) и Leonardo (33%), а Telespazio контролируется Leonardo (67%) и Thales (33%). Эти компании имеют богатый опыт в космических проектах и технологиях, что делает их идеальными партнёрами для реализации столь амбициозной инициативы.

Проект Moonlight не только откроет новые горизонты для исследования Луны, но и станет важным шагом в подготовке к более дальним космическим миссиям. Европейское космическое агентство продолжает играть ключевую роль в развитии космических технологий и исследованиях, способствуя прогрессу всего человечества.

Nvidia приобрела разработчика синтетических данных Gretel для усиления своих AI-сервисов

Компания Nvidia продолжает укреплять свои позиции в сфере генеративного искусственного интеллекта, завершив сделку по поглощению стартапа Gretel, базирующегося в Сан-Диего. Как сообщает издание Wired, сумма соглашения составила «девятизначную цифру», что превышает последнюю оценку Gretel в $320 млн. Точные финансовые условия не раскрываются, но источник подчеркивает, что цена оказалась выше рыночных ожиданий.

Основанная в 2019 году, Gretel специализируется на создании платформы для генерации синтетических данных, используемых для тренировки AI-моделей. Технология стартапа позволяет дорабатывать существующие алгоритмы, настраивать их с помощью проприетарных решений и предлагать разработчикам в виде готовых пакетов. Команда Gretel, включая около 80 сотрудников, войдёт в состав Nvidia, а её наработки станут частью сервисов для AI-разработчиков.

Источник: Michaela Vatcheva / Bloomberg

За время существования Gretel привлекла более $67 млн венчурных инвестиций от фондов. Сделка с Nvidia выглядит логичным шагом на фоне растущего спроса на синтетические данные: такие гиганты, как Microsoft, Meta*, OpenAI и Anthropic, уже активно используют их для обучения своих моделей из-за истощения запасов реальных данных.

Приобретение Gretel позволит Nvidia укрепить инфраструктуру для разработчиков в условиях, когда качество и объемы тренировочных данных становятся критическим фактором для создания конкурентных AI-продуктов. Интеграция технологий стартапа, вероятно, ускорит развитие инструментов Nvidia в области генеративного ИИ, включая платформы NeMo и Picasso, расширив их функционал для корпоративных клиентов.

Сделка также отражает тренд на консолидацию рынка AI-решений: крупные игроки активно скупают нишевые стартапы, чтобы заполнить пробелы в своих технологических стеках. Для Nvidia это уже не первый подобный шаг — ранее компания приобрела разработчика оптических симуляторов OmniML и платформу для 3D-аватаров Omniverse. Однако поглощение Gretel выделяется стратегической важностью, учитывая растущую зависимость ИИ-индустрии от синтетических данных.

Финальный этап сделки совпал с публикацией отчетов о резком росте спроса на GPU Nvidia, которые стали основой для обучения крупных языковых моделей. Встраивание решений Gretel в экосистему компании может создать дополнительный импульс для клиентов, стремящихся преодолеть ограничения, связанные с доступом к реальным данным. По мере ужесточения регулирования и этических норм вокруг сбора информации роль синтетических аналогов будет только возрастать, делая подобные технологии ключевыми для следующего этапа эволюции ИИ.

* Компания Meta (Facebook и Instagram) признана в России экстремистской и запрещена

Внутри Google: Двухлетняя гонка за OpenAI

Google, гигант в мире поисковых систем, должен был быть первым в революции чат-ботов. Однако этого не произошло. В результате компания была вынуждена мобилизовать все свои ресурсы, чтобы догнать конкурентов. В статье рассказывается о том, как Google справляется с этой задачей, прибегая к ночным сменам, сокращениям staff и снижению некоторых ограничений.

Проблемы и вызовы

Google, известный своей инновационностью и лидерством в области технологий, оказался в непривычной ситуации. Компания, которая всегда была на шаг впереди, на этот раз оказалась позади. Революция чат-ботов, возглавляемая OpenAI, застала Google врасплох. В результате, компания была вынуждена пересмотреть свои стратегии и приложить максимум усилий, чтобы вернуться в игру.

Мобилизация ресурсов

Для того чтобы догнать OpenAI, Google пришлось мобилизовать все свои ресурсы. Сотрудники компании работали в ночные смены, чтобы разработать конкурентоспособные решения. Кроме того, были проведены сокращения staff, что позволило оптимизировать процессы и сосредоточиться на ключевых задачах.

Снижение ограничений

Одним из шагов, предпринятых Google, стало снижение некоторых ограничений. Это позволило ускорить разработку и внедрение новых технологий. Компания пошла на риск, чтобы не отставать от конкурентов и предложить пользователям инновационные решения.

Будущее Google

Несмотря на все трудности, Google продолжает оставаться одним из лидеров в мире технологий. Компания активно работает над новыми проектами и стремится вернуть себе лидерство в области чат-ботов. В ближайшее время можно ожидать появления новых инновационных решений, которые порадуют пользователей и вернут Google на заслуженное место.

Таким образом, Google демонстрирует, что даже гиганты могут оказаться в сложной ситуации. Однако, благодаря мобилизации ресурсов, оптимизации процессов и готовности идти на риск, компания продолжает двигаться вперед и стремится к новым вершинам.

Apple ответит в суде за промедления с запуском ИИ-функций Apple Intelligence

Компания Apple столкнулась с серьезными юридическими проблемами из-за обвинений в ложной рекламе. Пользователи утверждают, что технологический гигант не сдержал обещание по выпуску ряда функций платформы искусственного интеллекта Apple Intelligence в указанные сроки. Это привело к подаче иска в окружной суд США в Сан-Хосе.

Юридическая фирма Clarkson Law Firm, представляющая интересы истцов, утверждает, что Apple ввела потребителей в заблуждение. Многие покупатели приобретали iPhone 16 и другие устройства Apple, ожидая, что рекламируемые функции уже доступны. В иске говорится, что реклама Apple создавала у потребителей «чёткие и обоснованные ожидания» относительно доступности этих «преобразующих функций» сразу после выпуска новых моделей iPhone.

Истцы требуют предоставить иску статус коллективного, что позволит другим пострадавшим пользователям присоединиться к делу. Это может значительно увеличить масштабы судебного разбирательства и потенциальные выплаты, если суд признает претензии обоснованными.

Ситуация подчеркивает важность честности и прозрачности в маркетинговых стратегиях, особенно когда речь идет о таких значимых и ожидаемых функциях, как те, что обещаны в рамках платформы Apple Intelligence. Потребители все больше обращают внимание на то, чтобы их ожидания соответствовали реальности, и готовы бороться за свои права в суде, если этого не происходит.

Дело против Apple может стать прецедентом для других технологических компаний, которые также рекламируют свои продукты с акцентом на будущие функции и возможности. В условиях растущей конкуренции и стремления к инновациям, компании должны быть особенно внимательны к своим обещаниям и срокам их выполнения.

В настоящее время Apple не предоставила официальных комментариев по поводу подачи иска. Однако, учитывая масштабы компании и её репутацию на рынке, можно ожидать, что она активно защитит свои позиции в суде.

Следите за обновлениями на нашем сайте, чтобы быть в курсе всех новостей по этому делу.

Глава Nvidia извинился за то, что обвалил акции производителей квантовых компьютеров в начале года

В мире высоких технологий нередко случаются события, которые могут существенно повлиять на рынок и настроения инвесторов. Одним из таких событий стало недавнее заявление главы Nvidia, который извинился перед представителями отрасли квантовых компьютеров за излишний пессимизм, транслировавшийся в январе этого года.

Nvidia, известная своими инновациями в области графических процессоров и искусственного интеллекта, решила открыть исследовательский центр, специализирующийся на проблемах создания квантовых компьютеров. Это решение подчеркивает важность и потенциал квантовых технологий, которые могут революционизировать множество отраслей, от криптографии до моделирования сложных систем.

Однако, в январе этого года, глава Nvidia выразил скептицизм по поводу текущего состояния и перспектив квантовых компьютеров. Это заявление вызвало панику среди инвесторов и привело к обвалу акций компаний, занимающихся разработкой квантовых технологий. В результате, многие проекты столкнулись с финансовыми трудностями и были вынуждены пересмотреть свои стратегии.

На специальном мероприятии, созванном руководством Nvidia, глава компании официально извинился перед представителями отрасли за свои предыдущие заявления. Он подчеркнул, что Nvidia видит огромный потенциал в квантовых технологиях и планирует активно инвестировать в их развитие. Открытие исследовательского центра станет важным шагом в этом направлении.

Этот шаг Nvidia может стать поворотным моментом для всей отрасли квантовых компьютеров. Поддержка такого гиганта, как Nvidia, может привлечь новых инвесторов и партнеров, что, в свою очередь, ускорит развитие технологий и приведет к новым научным открытиям.

В заключение, извинения главы Nvidia и открытие исследовательского центра демонстрируют, что компания серьезно настроена на развитие квантовых технологий. Это событие может стать началом новой эры в мире высоких технологий, где квантовые компьютеры станут неотъемлемой частью нашей повседневной жизни.

SpaceX установила новый рекорд по повторному использованию ракет — между пусками прошло всего 9 дней

Вчера, 10 сентября, в 09:49 по московскому времени, с площадки Космических сил США «Ванденберг» в Калифорнии успешно стартовала ракета Falcon 9 компании SpaceX. Этот запуск ознаменовался несколькими важными достижениями, одним из которых стал новый рекорд по повторному использованию ракет.

Миссия, выполненная в интересах военных, была засекречена, и подробности о её целях и задачах не разглашаются. Однако, несмотря на секретность, известно, что для первой ступени ракеты-носителя Falcon 9 это был уже четвёртый полёт. Более того, интервал между последним и предыдущим запуском этой ступени составил всего 9 дней, что является новым рекордом для SpaceX.

Ранее компания установила рекорд в 14 дней между повторными запусками одной и той же ступени. Таким образом, текущий запуск не только подтверждает надёжность и эффективность технологий повторного использования ракет SpaceX, но и демонстрирует значительный прогресс в сокращении времени подготовки ступеней к новым полётам.

SpaceX, основанная Илоном Маском, уже давно делает ставку на многоразовые ракеты как на ключевой элемент снижения стоимости космических полётов. Каждая успешная миссия с повторным использованием ступеней подтверждает правильность этого подхода и приближает компанию к её цели — сделать космические полёты более доступными и экономически выгодными.

С каждым новым запуском SpaceX продолжает устанавливать новые стандарты в космической индустрии, демонстрируя, что инновации и технологические прорывы могут кардинально изменить подход к освоению космоса. Будем следить за дальнейшими достижениями компании и её вкладом в развитие космических технологий

Китайские врачи впервые имплантировали в мозг женщины беспроводной интерфейс, чтобы вернуть речь, которую она потеряла из-за склероза

В Китае совершено знаменательное событие в области медицины и нейротехнологий: команда врачей и ученых успешно провела первую в мире операцию по имплантации беспроводного мозгового интерфейса, который помог пациентке вернуть способность общаться. Операция прошла 5 марта в больнице Сюаньу при Столичном медицинском университете в Пекине.

Пациентка, 67-летняя женщина, страдает боковым амиотрофическим склерозом (БАС), также известным как болезнь Лу Герига. Это нейродегенеративное заболевание постепенно разрушает нервные клетки, контролирующие мышцы, что приводит к параличу и потере речи. В данном случае пациентка полностью утратила способность говорить из-за прогрессирования болезни.

Новая система, названная «BeiNao-1» («Северный мозг-1»), открыла для нее возможность снова выражать свои мысли. Система состоит из двух основных компонентов: гибкого электрода с 128 каналами, который был размещен под оболочкой мозга, и небольшого устройства, спрятанного под кожей головы. Это устройство отвечает за управление, передачу сигналов из мозга и беспроводную подзарядку.

Операция прошла успешно, и уже через три часа после начала тренировок пациентка смогла использовать интерфейс. Сначала она распознавала 62 часто используемых слова с точностью 34%, а затем точность выросла до 52%. Теперь женщина может составлять простые фразы, такие как «Я хочу пить» или «Я хочу есть».

Ученые не останавливаются на достигнутом. Они продолжают совершенствовать систему, чтобы увеличить количество слов, которые интерфейс сможет распознавать, до десятков тысяч иероглифов. Их цель — сделать общение через интерфейс более плавным и естественным, чтобы люди с такими заболеваниями, как БАС, могли свободно общаться с окружающими.

Этот прорыв в области нейротехнологий открывает новые горизонты для пациентов с нейродегенеративными заболеваниями. Впервые в истории медицины стало возможным вернуть человеку способность общаться, несмотря на серьезные повреждения нервной системы. Успешная имплантация «BeiNao-1» дает надежду миллионам людей по всему миру, страдающим от подобных заболеваний.

Разработка и внедрение таких инновационных технологий требует тесного сотрудничества между медиками, инженерами и учеными. В будущем подобные системы могут стать стандартом лечения для пациентов с БАС и другими нейродегенеративными заболеваниями, значительно улучшая их качество жизни.

История этой пациентки — яркий пример того, как современные технологии могут изменить жизнь людей к лучшему. Впереди еще много работы, но первый шаг уже сделан, и он внушает оптимизм.

# Кастомные Loss-Функции в TensorFlow/Keras и PyTorch

Привет, Хабр!

В мире машинного обучения стандартные loss-функции, такие как Mean Squared Error (MSE) или CrossEntropy, являются основными инструментами для оценки эффективности моделей. Однако, несмотря на их популярность и широкое применение, они не всегда способны справиться с более сложными задачами. В таких случаях на помощь приходят кастомные loss-функции, которые позволяют внести гибкость и специфические требования в процесс обучения моделей.

## Почему Стандартные Loss-Функции Не Всегда Достаточны?

Стандартные loss-функции, такие как MSE или CrossEntropy, хорошо подходят для большинства задач машинного обучения. Однако, в реальных проектах часто возникают ситуации, когда эти функции оказываются недостаточно гибкими. Например:

1. **Дисбаланс классов**: В задачах классификации, где один класс значительно преобладает над другими, стандартные loss-функции могут привести к модели, которая игнорирует меньшинственные классы.
2. **Специфическая регуляризация**: Иногда требуется внедрить специфические методы регуляризации прямо в функцию потерь, чтобы улучшить обобщающую способность модели.
3. **Сложные задачи**: В некоторых сложных задачах, таких как генерация изображений или работа с временными рядами, стандартные loss-функции могут не давать удовлетворительных результатов.

## Кастомные Loss-Функции на Практике

### TensorFlow/Keras

В TensorFlow/Keras создание кастомной loss-функции достаточно просто. Предположим, у нас есть задача классификации с дисбалансом классов. Мы можем создать кастомную loss-функцию, которая будет учитывать веса классов:

«`python
import tensorflow as tf

def custom_loss(y_true, y_pred):
class_weights = tf.constant([[0.5, 1.5]])
y_true = tf.cast(y_true, tf.float32)
y_pred = tf.clip_by_value(y_pred, tf.keras.backend.epsilon(), 1 — tf.keras.backend.epsilon())
loss = -tf.reduce_mean(tf.reduce_sum(class_weights * y_true * tf.math.log(y_pred), axis=-1))
return loss
«`

### PyTorch

В PyTorch создание кастомной loss-функции также не представляет сложности. Рассмотрим пример, где мы хотим внедрить L2-регуляризацию прямо в функцию потерь:

«`python
import torch
import torch.nn as nn

class CustomLoss(nn.Module):
def __init__(self, lambda_reg=0.01):
super(CustomLoss, self).__init__()
self.lambda_reg = lambda_reg

def forward(self, y_pred, y_true, model):
mse_loss = nn.MSELoss()(y_pred, y_true)
l2_reg = torch.tensor(0.)
for param in model.parameters():
l2_reg += torch.norm(param)
loss = mse_loss + self.lambda_reg * l2_reg
return loss
«`

## Заключение

Кастомные loss-функции предоставляют необходимую гибкость для решения сложных задач машинного обучения. Будь то дисбаланс классов, специфическая регуляризация или другие особенности задачи, кастомные loss-функции позволяют адаптировать процесс обучения под конкретные требования проекта.

Если вам интересно узнать больше о том, как создавать и использовать кастомные loss-функции в TensorFlow/Keras и PyTorch, рекомендуем ознакомиться с дополнительными материалами и примерами. Спасибо за внимание!

### Зачем бизнесу LLM: стратегический взгляд

В современном мире технологии искусственного интеллекта (ИИ) становятся неотъемлемой частью бизнеса. Одним из наиболее перспективных направлений в этой области являются большие языковые модели (LLM), которые могут существенно улучшить эффективность работы компаний. В этой статье мы рассмотрим, как LLM помогают экономить деньги, ускорять рабочие процессы и обеспечивать конкурентное преимущество. Также мы предложим простые шаги для внедрения этих технологий и рассмотрим реальные кейсы их успешного применения.

#### Экономия денег и ускорение работы

LLM способны автоматизировать множество рутинных задач, что позволяет сократить затраты на персонал и ускорить выполнение рабочих процессов. Например, языковые модели могут обрабатывать большие объемы текстовой информации, генерировать отчеты, отвечать на вопросы клиентов и даже создавать контент. Согласно исследованиям, компании, внедрившие LLM, сокращают затраты на обработку данных до 30% и ускоряют выполнение задач в среднем на 40%.

#### Конкурентное преимущество

Использование LLM позволяет компаниям выделиться на фоне конкурентов за счет повышения качества обслуживания клиентов и улучшения внутренних процессов. Языковые модели могут анализировать отзывы клиентов, предлагать персонализированные рекомендации и даже предсказывать потребности рынка. Это позволяет компаниям быстрее реагировать на изменения и предлагать продукты и услуги, которые лучше соответствуют ожиданиям клиентов.

#### Простые шаги внедрения

Внедрение LLM в бизнес не требует сложных технических решений. Вот несколько простых шагов, которые помогут вам начать:

1. **Определите цели**: Решите, какие задачи вы хотите автоматизировать с помощью LLM. Это может быть обработка запросов клиентов, генерация отчетов или анализ данных.
2. **Выберите платформу**: Существует множество готовых решений, таких как Google BERT, Facebook* RoBERTa или Microsoft Turing. Выберите то, которое лучше всего соответствует вашим потребностям.
3. **Обучите модель**: Используйте имеющиеся данные для обучения языковой модели. Это позволит ей лучше понимать контекст и выполнять задачи более эффективно.
4. **Интегрируйте в рабочие процессы**: Внедрите LLM в существующие системы и процессы, чтобы они могли работать автономно и в реальном времени.

#### Реальные кейсы

Многие компании уже успешно используют LLM в своей работе. Например, крупный банк внедрил языковую модель для обработки запросов клиентов, что позволило сократить время ожидания на 50% и повысить удовлетворенность клиентов на 30%. Другой пример — розничная сеть, которая использует LLM для анализа отзывов клиентов и улучшения ассортимента товаров. Это позволило увеличить продажи на 20% за первый год.

#### Заключение

LLM представляют собой мощный инструмент для бизнеса, который может существенно повысить эффективность работы и обеспечить конкурентное преимущество. Внедрение этих технологий не требует больших затрат и может быть выполнено в короткие сроки. Реальные кейсы показывают, что компании, использующие LLM, достигают значительных успехов в различных областях. Поэтому, если вы хотите оставаться на переднем крае технологий и улучшать свой бизнес, стоит рассмотреть возможность внедрения больших языковых моделей.

Компания Meta (Facebook и Instagram) признана в России экстремистской и запрещена

Причем тут пуленепробиваемый арбуз? Xiaomi защитила новые аккумуляторы уникальным покрытием и провела необычную демонстрацию

Когда речь заходит о безопасности аккумуляторов электромобилей, большинство автопроизводителей предпочитают демонстрировать свои технологии через краш-тесты или презентации в PowerPoint, подробно описывая свои инженерные достижения. Однако Xiaomi решила пойти другим путем. В недавно опубликованном видео генеральный директор Xiaomi Лэй Цзюнь продемонстрировал уникальное «пуленепробиваемое покрытие», сбросив арбуз с шестого этажа своего завода.

Казалось бы, арбуз должен был разбиться при ударе о землю, но этого не произошло. Секрет кроется в специальном покрытии, которое выдерживает проколы и разрывы. Это же покрытие использовано в аккумуляторной батарее нового электромобиля Xiaomi SU7 Ultra, что предотвращает ее повреждение при ударе.

Кроме того, Xiaomi внедрила в свою аккумуляторную систему CTB (Cell-to-Body) меры структурной, термической и электрической безопасности. Среди них 14-слойное защитное армирование со сверхпрочными стальными балками, большая система активного охлаждения площадью 7,8 м², аэрогелевая изоляция, система управления аккумулятором (BMS) на основе искусственного интеллекта и облачный мониторинг.

Xiaomi SU7 Ultra предлагается за 73 110 долларов в Китае. Этот электромобиль оснащен силовой установкой, состоящей из двух двигателей HyperEngine V8 и одного HyperEngine V6, что обеспечивает мощность 1526 л.с. и крутящий момент 1770 Н·м. Энергию для трех двигателей поставляет аккумулятор NMC ёмкостью 93,7 кВт·ч, разработанный компанией CATL. Благодаря технологии быстрой зарядки 5,2C батарея заряжается с 10% до 80% всего за 11 минут. Запас хода по стандарту CLTC составляет 620 км.

Разгон от 0 до 100 км/ч занимает всего 1,98 секунды, а максимальная скорость превышает 359 км/ч. Xiaomi позиционирует SU7 Ultra как один из самых мощных и быстрых электромобилей на рынке.

Таким образом, Xiaomi не только представила передовые технологии в области безопасности аккумуляторов, но и продемонстрировала их в необычной и запоминающейся форме. Пуленепробиваемый арбуз стал символом надежности и инноваций, которые компания внедряет в свои электромобили.