5 новых ИИ-инструментов в 2025 году: обзор

Если несколько лет назад ChatGPT казался нам чем-то невозможным, то сейчас появляются еще более совершенные технологии, которые удивляют не меньше. Многие модели позволяют сгенерировать практически все — от простого текста до голоса и кода.

Недавно крупные компании и небольшие проекты представили свои инструменты. Мы собрали пять решений, которые уже меняют представление об искусственном интеллекте.

Google Titans

В 2017 году Google представила архитектуру Transformer, на базе которой сейчас строятся все ИИ-инструменты, в том числе ChatGPT от OpenAI. А в этом году компания предложила еще более прорывное решение — Titans, или эволюционировавший Трансформер, способное мыслить как человек.

Главная проблема архитектуры Transformer в том, что у нее нет долговременной памяти, поэтому она не может хранить и использовать информацию в течение долгого времени, что и отличало ее от нашей памяти. В Titans этот вопрос закрыт: в ней есть три типа памяти — долгосрочная, краткосрочная и постоянная. Модель умеет запоминать все, но при этом осознанно оставлять только важную информацию.

Основа Трансформеров — механизм внимания (attention). Он работает так, что сравнивает один токен с другим и выбирает наиболее релевантный. Благодаря этому подходу нейронки выявляют связи между словами и на их основе предсказывают следующий токен, выдавая на выходе осмысленный ответ.

При этом механизм внимания — в том числе и слабость старой модели: чем больше данных, тем сложнее искусственному интеллекту сравнивать токены, поэтому он начинает забывать ответы и галлюцинировать.

В Titans эта проблема решается за счет долгосрочной памяти. То есть подобно ChatGPT модель может также обрабатывать ограниченное количество информации, но с долгосрочной памятью она может погрузиться в огромный чертог «разума» и выудить оттуда то, что нужно. Можно сравнить с профессором, который готовится к лекции: у него есть определенный набор знаний в голове, но чтобы освежить их, он смотрит в свои конспекты условно двадцатилетней давности.

Здесь хорошо показана стабильность модели относительно других

С таким подходом, который сочетает использование одновременно краткосрочной и долгосрочной памяти, Титан обходит одни из главных ограничений современных моделей: короткое контекстное окно и фиксированный набор информации, который модель может обработать за раз. В общем, если сейчас ChatGPT вмещает примерно 4 тысячи токенов, то в Titans речь идет о 2 миллионах, считайте, как за один присест прочитать всю «Войну и мир» четыре раза.

Другая плюшка долгосрочной памяти — адаптивное обучение. Она подстраивается под новые данные и самостоятельно обрабатывает их. Следовательно, скорость обучения в разы быстрее.

В общем, Google сделал очередной прорыв. Становится даже страшно — если все так, как заявляет компания, то модель действительно может мыслить как человек. А с ее возможностями анализа огромного количества данных можно будет предсказывать курсы валют или другие события.

Transformer Squared от Sakana AI

В январе Sakana AI представила новую модель Трансформера — Transformer Squared, которая умеет самостоятельно адаптироваться под запросы пользователя и обновлять свои значения исходя из запроса. Сам проект можно посмотреть на GitHub.

Как это работает на двух уровнях:

• Первый этап: здесь модель анализирует запрос пользователя и определяет тип запроса, например, задачка по математике, код для бэкенда или написание эссе. В общем, своего рода диспетчер, который внимательно вас выслушает и перенаправит вас на другого ответственного сотрудника.
• Второй этап: теперь модель выборочно обновляет свои данные, используя специальные векторы — уже обученные модули — под конкретные задачи и, следовательно, адаптируясь под ваш запрос.

Главная фишка этого похода в точном обучении модели по сингулярным значениям (SVF, Singular Value Finetuning), а помогает ему в этом RL (Reinforcement Learning), которое настраивает «усилители» и «подавители» весовых матриц. Каждую задачу описывает уникальный z-вектор, который регулирует вклад отдельных компонент в работу модели. Например, для задачи по языковому анализу: z-вектор [0.1, 0.3, 1, 0.7, 0.5] подчеркивает важность компонента C. Так, SVF позволяет модели адаптироваться к новым задачам с минимальными изменениями параметров, добавляя лишь компактные z-векторы.

Sakana AI тщательно протестировали модель на задачах по математике (GSM8K, MATH), программированию (MBPP-Pro, HumanEval), логике (ARC-Easy, ARC-Challenge) и визуальному вопрос-ответу (TextVQA, OKVQA). Вот основные результаты:

• SVF vs. LoRA. SVF превосходит LoRA на текстовых задачах, особенно на GSM8K.
• Широкий спектр задач. SVF показал высокую точность на текстовых и визуальных задачах (например, pass@1 для MBPP-Pro).
• Новые задачи. На задачах MATH, HumanEval и ARC-Challenge показывает высокую производительность даже при усложнении методов адаптации.  Few-shot адаптация комбинирует z-векторы разных типов, что делает результаты точнее.
• Передача знаний. z-векторы, обученные на Llama, улучшили производительность Mistral. Это подтверждает, что передача навыков между моделями со схожей архитектурой вполне возможна.
  

Таблица с результатами

Transformer Squared — действительно большой прорыв в области ИИ, поскольку такое поведение модели при запросах пользователя в скором времени может стать стандартом.

Hailuo AI от MiniMax

Модель T2A-01-HD в Hailuo AI от китайской компании MiniMax научилась (конечно, ее научили) генерить любой голос всего за 10 секунд. Это огромное достижение в области синтеза голоса, поскольку она умеет не только быстро клонировать голоса, но и менять их параметры практически как угодно. Так, вы можете настроить тембр, акцент, пол, возраст спикера, громкость и даже добавить эхо на фон — сейчас в библиотеке доступны более 300 голосов. И все это на 17 языках — в том числе и на русском. В общем, убийца ElevenLabs — еще одного генератора аудио.

Другая главная фича — распознавание эмоциональной окраски. Модель обладает эмоциональным интеллектом и может воспроизводить эмоции в голосе. Пользователи могут как поставить автоматическое определение по отрывку, по которому нужно сгенерить голос, или задать параметры самостоятельно. Кажется, мы скоро будем смотреть стендап от нейросети.

Интерфейс Hailuo AI

Протестировать модель можно на сайте — пока бесплатно и без ограничений. И без цензуры.

Cisco AI Defense

В январе Cisco представила AI Defense — инструмент, который должен спасти человечество (по крайней мере, компании) от «поглощения» искусственным интеллектом. Разработчики Cisco уверены, что чем сильнее организации внедряют ИИ, тем больше угроз безопасности появляется, а новый тулз как раз поможет им разрабатывать, развертывать и защищать приложения на базе ИИ.

Вот что под капотом у AI Defense:

• Прозрачность. Компании получают полную информацию о всех приложениях и агентах ИИ, в том числе о том, санкционированы они или нет. Инструмент умеет отслеживать взаимодействие с пользователями и категоризировать приложения по API и шлюзам.
• Детальная проверка. Она возможна благодаря методам red teaming (когда программа пытается намеренно взломать вас) и дереву атак с прунингом (обрезка нейросети без потери производительности). В общем, AI Defense проверяет, что ИИ-инструменты работают как надо и без рисков, например, утечки данных.

Безопасность в реальном времени. В инструменте постоянно работают системные блоки, которые не дают ИИ выйти за пределы политики безопасности компании, причем во всех средах — и в облаках, и в Интернете вещей. Если что-то пойдет не так, AI Defense узнает об этом первым и скажет вам.

В отличие от встроенных систем безопасности для отдельных моделей, AI Defense предлагает единый подход для работы с разными ИИ. Для этого тулз использует технологии машинного обучения Cisco и данные о киберугрозах от Cisco Talos, чтобы выявлять новые угрозы. AI Defense легко интегрируется с текущими потоками данных и защищает системы на уровне сети.

Генератор кода OpenHands

Сейчас этот тулз просто взрывает GitHub — у проекта уже 44 000 звезд. По словам разработчиков генератора, OpenHands умеет делать все то же самое, что и человек:

• Создавать с нуля целые программы по одному запросу 
• Фиксить код и запускать команды 
• Просматривать веб-страницы
• Вызывать API
• И даже копировать сниппеты кода со StackOverflow

Быстрее и проще всего тулзу развернуть в Docker: здесь можно найти системные требования и руководства по запуску. Ее также можно подключить к своей локальной файловой системе, запускать в автономном режиме, плюс можно взаимодействовать с программой через командную строку.

У OpenHands очень простой и дружелюбный интерфейс, а главное — она полностью бесплатная.

Искусственный интеллект действительно не стоит на месте, а новые решения от крупных компаний и опенсорс-проекты не перестают удивлять. Из этих инструментов уже можно попробовать нейронку с синтезом голоса и генератор кода. Делитесь в комментариях, что у вас получилось.