5/8/2025 AI Express | Novos avanços em IA e robótica: do teste de Turing físico à recuperação multimodal

Depois de uma hackathon de fim de semana, a sua casa está uma confusão. No entanto, quando chega a casa na segunda-feira à noite, encontra uma sala de estar impecável e um jantar à luz das velas na mesa da sala de jantar.É impossível dizer se é humano ou máquina.. Isto pode parecer simples, mas é extremamente difícil.

É uma história sobreTeste de Turing físicoA visão da computação digital é vista como a próxima grande novidade da IA. Este sonho inspirou os investigadores a trabalhar durante a noite nos seus laboratórios, trabalhando em novas plataformas de computação que podem automatizar o processamento da matéria em vez de o limitar à informação.

Corporação SergeyRecentemente, organizei um evento chamado AI Ascent, onde partilhei a forma de abordar os princípios fundamentais da robótica de uso geral através de estratégias de dados e da lei da escala. Esta palestra ajudá-lo-á a mergulhar mais profundamente neste campo e tenho a certeza de que valerá bem a pena os 17 minutos.

Os robôs do futuro não só serão capazes de executar tarefas complexas no ambiente doméstico, como também poderão desempenhar um papel importante numa variedade de domínios, incluindo a indústria e a medicina. Para concretizar esta visão, será necessária uma colaboração interdisciplinar, incluindo tecnologias de ponta em domínios como a visão por computador, o processamento de linguagem natural, a engenharia mecânica e outros.

Lembra-se do Reinforcement Fine-Tuning (RFT)? Temos estado a trabalhar arduamente nesta tecnologia desde dezembro passado e lançámos hoje oficialmente a versão OpenAI o4-mini.O RFT utiliza raciocínio de pensamento encadeado e mecanismos de pontuação específicos da tarefa para melhorar o desempenho do modeloespecialmente para domínios complexos. Por exemplo, a @AccordanceAI utilizou o RFT para afinar os seus modelos fiscais e contabilísticos para o ótimo atual (SOTA).

Além disso, em termos de afinação supervisionada, agora é possível afinar o GPT-4.1 nano. Ao treinar para casos de utilização específicos, pode obter ainda mais valor do nosso modelo mais rápido e económico.

Hoje, apresentamos o Enhanced Fine-Tuning, uma nova abordagem à personalização de modelos que permite às organizações criar modelos especializados para tarefas complexas específicas, como a codificação, a investigação científica ou as finanças.

Tenho o prazer de anunciar que o Fundo AI concluiu com êxito uma ronda de subscrição excessiva, angariando 190 milhões de dólares para o nosso novo fundo. Estamos ansiosos por trabalhar com mais empresários para criar novas empresas que beneficiem a humanidade.

O Fundo AI distingue-se das empresas de capital de risco tradicionais na medida em que não se limita a fornecer apoio financeiro, mas também participa diretamente na criação e funcionamento das empresas. A nossa equipa está ativamente envolvida na escrita de código, na recolha de feedback dos clientes, na iteração da conceção do produto, na análise de mercado, etc., e está empenhada em impulsionar o rápido desenvolvimento de vários produtos de IA. Continuamos a desenvolver as melhores práticas para as empresas emergentes de IA através da prática.

Entre os muitos factores que contribuem para o sucesso de uma startup, a velocidade é crucial. Aqui estão algumas estratégias importantes para acelerar o crescimento de startups de IA:

1. concentrar-se numa única ideia específicaUma pequena equipa concentrada numa ideia específica pode fazer avançar rapidamente um projeto. Ser capaz de redirecionar rapidamente se os pressupostos iniciais se revelarem problemáticos, em vez de fazer várias tentativas ao mesmo tempo.

2) Confiar na intuição dos peritos na matériaEmbora os dados e a investigação dos utilizadores sejam importantes, em alguns casos a intuição de um perito no domínio pode ajudar a tomar decisões rápidas que podem ser implementadas e validadas rapidamente.

3. utilização da codificação assistida por IAA codificação assistida por IA acelera drasticamente a prototipagem, especialmente em projectos de prototipagem autónomos que não requerem elevada fiabilidade e segurança. Isto permite-nos criar protótipos e fazer testes a um ritmo extremamente rápido.

4. acelerar o acesso ao feedback dos utilizadoresA velocidade da criação de protótipos aumenta e a obtenção de feedback dos utilizadores torna-se um novo obstáculo. As equipas que têm a capacidade de encontrar rapidamente potenciais clientes e obter feedback num curto período de tempo terão uma vantagem.

Para além da rapidez, o conhecimento técnico profundo é fundamental para o sucesso. A tecnologia de IA em rápida evolução exige que as equipas tenham um conhecimento técnico profundo para tomarem melhores decisões e evitarem desvios.

Graças a todos os nossos investidores, membros da equipa e parceiros de arranque pelo seu apoio, ainda temos muito trabalho a fazer.

A OpenAI anunciou recentemente que o ChatGPT suporta agora a ligação de repositórios GitHub a capacidades de investigação profunda.Os utilizadores podem fazer perguntas sobre bases de código específicasO agente de pesquisa aprofundada lê e pesquisa o código-fonte e os Pull Requests (PRs) do repositório, gerando um relatório detalhado com citações.

Esta nova funcionalidade é particularmente adequada para as equipas de desenvolvimento de software e para os responsáveis pela manutenção de projectos de código aberto, ajudando-os a compreender e a trabalhar com códigos complexos de forma mais eficiente. Desta forma, os programadores podem não só aceder rapidamente a informações relacionadas com o código, mas também identificar potenciais problemas e pontos de melhoria. Além disso, para os investigadores, esta funcionalidade também ajuda a analisar profundamente a estrutura interna e a evolução histórica dos projectos de fonte aberta.

Para utilizar esta funcionalidade, selecione a opção "Investigação aprofundada" no ChatGPT e clique no botão "GitHub" para começar.

A NVIDIA acaba de anunciar que abriu três tamanhos diferentes de modelos de inferência de código - versões com 32 mil milhões de parâmetros, 14 mil milhões de parâmetros e 7 mil milhões de parâmetros - e todos estes modelos estão ao abrigo da licença Apache 2.0.

De acordo com os resultados dos testes oficiais, estes modelos superam outros modelos comparáveis, como o O3 mini e o O1 (baixo), nos testes de referência LiveCodeBench. Além disso, com base no suporte do conjunto de dados OCR, estes modelos superam outros modelos de inferência equivalentes em cerca de 30% em termos de eficiência de token.

As principais caraterísticas incluem:

• São suportadas várias estruturas, como llama.cpp, vLLM, transformadores e TGI.
• Adequado para uma variedade de cenários de aplicação, como a geração de código, a depuração e a otimização.
• Adequado para investigação académica e desenvolvimento comercial.

Os programadores podem começar a utilizar estes modelos imediatamente para explorar o potencial da sua aplicação em projectos reais.

A fonte aberta não só fornece ferramentas poderosas para os investigadores, como também abre novas possibilidades para os programadores em geral, prometendo fazer avançar o domínio da geração e automatização de código.

O SDV é uma biblioteca Python de código aberto que pode gerar dados sintéticos em grande escala, aprendendo e replicando padrões de dados reais utilizando algoritmos de aprendizagem automática. Isto é útil para cenários que requerem grandes quantidades de dados para treino ou teste.

O processo de geração de dados sintéticos utilizando o SDV divide-se em três etapas:

1. comboioAponte o SDV para a sua tabela de dados reais e este captará a distribuição de dados e as relações subjacentes.
2. geradorExecutar o modelo SDV treinado para gerar o número necessário de linhas de dados semelhantes sem expor quaisquer dados reais.
3. validar (uma teoria)Utilize o relatório de qualidade do SDV para verificar a correspondência entre os dados gerados e os dados reais; se necessário, ajuste os parâmetros para obter resultados mais exactos.

As principais caraterísticas do SDV incluem:

• Múltiplas opções de modelos, desde a conjugação gaussiana até ao CTGAN.
• Suporta tabelas simples, múltiplas e sequenciais.
• Anonimização e restrições lógicas incorporadas.
• Tudo pode ser feito com apenas um comando:sdv.sample().

Além disso, o SDV pode resolver eficazmente o desequilíbrio entre categorias e melhorar a qualidade dos dados.

O SDV é aplicável a vários domínios, como as finanças, os cuidados de saúde e os estudos de mercado, e pode ajudar os utilizadores a testar e treinar modelos sem revelar informações sensíveis.

Celebramos o aniversário de um ano do lançamento do AlphaFold 3. No último ano, o AlphaFold 3 foi amplamente utilizado para prever milhões de interações moleculares, acelerando drasticamente o processo de investigação científica.

Os cientistas utilizaram estas previsões para fazer descobertas numa série de áreas, incluindo a imunidade das culturas e a resistência bacteriana.AlphaFold 3para fazer previsões exactas, fornecendo aos investigadores ferramentas sem precedentes para obterem uma compreensão mais profunda da estrutura e função das proteínas.

Laboratórios Isomorphictambém está a utilizar o AlphaFold 3 em conjunto com o seu avançado motor de conceção de medicamentos para trabalhar na transformação da forma como são desenvolvidos novos medicamentos. Com esta abordagem inovadora, esperam desenvolver novos tratamentos de forma mais rápida e eficaz.

O AlphaFold 3 não só desempenha um papel importante na investigação académica, como também demonstra um grande potencial na indústria farmacêutica, prometendo revolucionar o panorama da descoberta e desenvolvimento de medicamentos nos próximos anos.

Um tutorial de @LangChainAI que mostra como construir um sistema de Geração Aumentada de Recuperação (RAG) multimodal utilizando Gemma 3 e LangChain para processar documentos PDF de conteúdo misto com texto e imagens. O sistema combina as poderosas capacidades de processamento de linguagem natural do modelo Gemma 3 da Google com a flexibilidade da LangChain para analisar e compreender documentos complexos de forma eficiente.

Toda a implementação também integra ferramentas como Streamlit e Ollama para fornecer uma interface amigável e um poderoso suporte computacional. Através deste tutorial, os programadores podem aprender a construir um sistema RAG que pode processar texto e imagens, fornecendo assim um forte apoio a cenários de aplicação prática, como a análise de documentos e a extração de conhecimentos.

Para os profissionais que trabalham em ciência de dados, inteligência artificial ou domínios relacionados, o domínio desta tecnologia não só melhora a produtividade, como também abre novas vias para a resolução de problemas empresariais mais complexos.

A Meta introduziu recentemente um modelo avançado denominado Meta Locate 3D, que permite uma localização altamente precisa de objectos em ambientes 3D. Espera-se que este avanço tecnológico melhore significativamente a capacidade dos robots para navegarem em cenários complexos e interagirem naturalmente com os seres humanos.

Com o Meta Locate 3D, os robôs podem compreender com maior precisão o ambiente que os rodeia, incluindo o reconhecimento e a localização de vários objectos. A tecnologia tem uma vasta gama de aplicações, não só para automação industrial e logística e distribuição, mas também para robôs de serviço doméstico, permitindo-lhes compreender melhor e responder aos comandos do utilizador.

• **Descarregar modelos e conjuntos de dados**
• **Leitura de documentos de investigação
• **Tentativa de apresentação em linha

Para informações mais pormenorizadas, consultarhttps://t.co/GgJEPXTH8W.

Aprender a utilizarVoyageAIA incorporação multimodal eMongoDBdo índice multimodal para uma recuperação multimodal eficiente.

Neste tutorial, irá dominar o seguinte:

1. Como utilizarVoyageAIA técnica de incorporação multimodal. Esta técnica é capaz de converter vários tipos de dados, como texto e imagens, numa representação vetorial unificada para processamento subsequente.
2. Como configurarAtlas MongoDBcomo um repositório de vectores para a incorporação de imagens. Ao armazenar dados de imagem no MongoDB, é possível efetuar uma gestão e consulta eficientes dos dados.
3. Criar um índice multimodal que suporte tipos de dados de imagem e de texto. Isto permite que o sistema processe diferentes tipos de entrada simultaneamente e forneça resultados de recuperação exactos.
4. Consulta de imagens através de mensagens de texto (recuperação de texto para imagem). Esta técnica permite aos utilizadores procurar imagens relevantes através de descrições em linguagem natural, melhorando consideravelmente a experiência do utilizador.

Estas técnicas são utilizadas numa vasta gama de cenários de aplicação, incluindo a recomendação de produtos no comércio eletrónico, a gestão de conteúdos nas redes sociais e a análise de imagens médicas, entre outras áreas. Com este tutorial, pode obter informações sobre as aplicações práticas e os detalhes técnicos da recuperação multimodal.