AI-Laboratory

Давно не публиковал материалы в канале. Всё это время я был занят проектом, который начинался как идея интерактивной карты космоса, а вырос в полноценное приложение для Windows. Оно называется Cosmos. И большую часть пути — от первых набросков до установщика — я прошёл вместе с ИИ. Мне хотелось не просто открыть красивую картинку Сатурна или прочитать о расстоянии до Бетельгейзе. Хотелось самому перемещаться между объектами, сравнивать их размеры, смотреть на звёздное небо из разных точек пространства и приближаться к деталям планет. Поэтому мы начали строить атлас, в котором исследование происходит через движение камеры. Разрабатывали его не по готовому техническому заданию. Я приходил с наблюдением — например, «при таком угле планеты сливаются» или «снимок кратера появляется слишком поздно», — а дальше мы с ИИ разбирались, какое решение даст нужное ощущение. Иногда хватало правки интерфейса. Иногда за маленьким замечанием скрывалась новая система загрузки изображений или переработка

Ещё недавно сервис с расширением для браузера, личным кабинетом, базой данных, серверной логикой, интерфейсом и иллюстрациями выглядел как задача для целой команды: архитектора, backend- и frontend-разработчиков, специалиста по базам данных, тестировщика и дизайнеров. Сегодня специалисту, который понимает архитектуру, БД, фронтенд и бэкенд, под силу собрать такой продукт в одиночку — если рядом есть сильный ИИ-агент. Не потому, что агент «сам всё придумал», а потому, что он резко сокращает расстояние между решением и работающей реализацией. PriceWatcher стал для меня практической проверкой этой идеи. Я принимал продуктовые решения, разбирался в поведении магазинов и проверял результат на реальных страницах. ИИ-агент помогал превращать наблюдения в код, тесты, интерфейсы и документацию. Получился не демонстрационный экран, а сервис, которым уже можно пользоваться. Цены в интернете постоянно меняются: из-за акций, региона, выбранного магазина, наличия товара и условий покупки. Увидеть на

Искусственный интеллект уже умеет создавать изображения, видео и трёхмерные объекты. Теперь разработчики пытаются научить его проектировать конструкции, которые теоретически можно собрать в реальном мире. Программист Карлос Антело представил открытый проект LDraw Nova. С его помощью ИИ-агент получает текстовое описание будущей модели и самостоятельно создаёт подробный цифровой проект из существующих деталей LEGO. Результатом становится не изображение игрушечного конструктора, а полноценная 3D-модель. Её можно вращать, изучать, редактировать и открывать в программах для проектирования LEGO. Одним из самых впечатляющих примеров стал проект японского сада Sakura Garden. Он включает пятиэтажную пагоду, ворота тории, пруд с карпами, мостик, деревья сакуры и окружающий ландшафт. Всего система использовала 2175 виртуальных деталей. Для создания модели разработчик предложил Claude Opus 5.5 придумать «самую красивую модель», которую тот способен представить. После этого ИИ не просто сформировал

Современные генераторы уже способны создавать эффектные видео продолжительностью в несколько секунд. Но собрать из таких фрагментов связный фильм значительно сложнее: персонажи меняют внешность, предметы исчезают, одежда становится другой, а знакомое помещение после нескольких монтажных переходов выглядит совершенно иначе. Google Research представила систему, которая должна решить эту проблему. Исследователи называют её ИИ-сорежиссёром — группой взаимодействующих агентов, способных спланировать видео, подготовить раскадровку, создать изображение и звук, проверить результат и исправить найденные ошибки. Речь пока идёт не о готовом сервисе, а о комплексе из четырёх исследовательских проектов: Co-Director, CANVAS, A²RD и VQQA. Короткий ролик — не фильм Отдельная генерация может выглядеть почти безупречно. Однако каждый следующий фрагмент модель фактически создаёт заново, поэтому ошибки постепенно накапливаются. Например, в первой сцене герой входит в музей в чёрной кепке, затем рассматрив

Создание трёхмерной модели обычно начинается с ручной работы: художник строит форму, исправляет сетку, настраивает материалы и проверяет объект с разных сторон. Сервисы генеративного ИИ предлагают другой подход — достаточно описать объект словами или загрузить его изображение, а система самостоятельно восстановит объём. Мы решили проверить такую технологию на примере космического корабля. Но сначала разберёмся, что представляет собой Hyper3D Rodin и какие результаты показывает сам разработчик. Hyper3D Rodin — работающий в браузере сервис для генерации трёхмерных объектов. Его основной инструмент превращает текстовые описания, фотографии, рисунки и концепт-арты в модели с геометрией и текстурами. Работать с сервисом можно двумя основными способами. В режиме Text to 3D пользователь описывает будущий объект словами. В режиме Image to 3D загружается одно изображение или несколько ракурсов одного объекта. Второй вариант даёт системе больше сведений о форме и обычно позволяет точнее контроли

Продолжаю экспериментировать со связкой Blender и генеративного видео. После поездки на джипе по горной дороге захотелось попробовать космическую сцену: корабль, астероиды, уклонения и динамичную камеру. Идея — заранее поставить действие в Blender, а затем передать анимацию ИИ для визуальной доработки. Получился эксперимент на 20 секунд, в котором можно сравнить задумку и её интерпретацию моделью. Начну со сравнения: здесь совмещены исходная анимация и финальный результат. Хорошо видно, какую основу мы задали сами и какие детали добавила генерация. Работу начали с референсов: изображений корабля спереди в три четверти, сбоку и сзади. Они определили форму корпуса, пропорции крыльев, расположение двигателей и оформление кабины. Затем по этим изображениям собрали модель в Blender. Пропорции пришлось уточнять: даже простой макет должен достаточно близко соответствовать референсам. Иначе видео показывает один корабль, а изображения — немного другой. Для полётной сцены подготовили отдельные

Недавно я попробовал сделать небольшой автомобильный ролик с помощью Blender и генеративного ИИ. Сюжет простой: оранжевый внедорожник едет по просёлочной дороге, рядом горная река, вокруг хвойный лес, а камера периодически меняет ракурс. Результат мне понравился. Остались небольшие неточности: например, в последнем плане ёлки выглядели иначе, чем в предыдущих. И ещё один существенный момент — генерация оказалась относительно дорогим удовольствием. Но самое интересное в этом эксперименте — сам способ работы. Он позволяет заранее управлять пространственным и временным контекстом кадра: определять, где находятся объекты, куда они движутся, как перемещается камера и что зритель увидит в конкретный момент. Для меня именно это делает связку 3D и ИИ особенно интересной. Когда мы пишем видеомодели «джип едет вдоль горной реки, камера красиво облетает автомобиль», мы оставляем ей огромное пространство для интерпретации. Как выглядит дорога? С какой стороны река? Насколько близко камера? Когда о

Генераторы уже умеют создавать впечатляющие 3D-модели по изображениям и текстовым описаниям. Однако красивая модель в окне просмотра — ещё не готовый игровой объект. Перед переносом в Blender, Unity или Unreal Engine обычно приходится исправлять геометрию, уменьшать количество полигонов, создавать UV-развёртку и повторно настраивать текстуры. Эти операции нередко занимают больше времени, чем сама генерация. Tripo P2.0 пытается автоматизировать значительную часть этой работы. Обновление объединяет генерацию четырёхугольной сетки, автоматическую UV-развёртку и локальное исправление дефектов модели. Ретопология — это перестроение поверхности 3D-модели в более лёгкую и упорядоченную полигональную сетку. Она необходима для редактирования, анимации и работы в реальном времени. Многие генераторы создают поверхность из большого количества случайно расположенных треугольников. Такая модель может хорошо выглядеть на рендере, но её сложно деформировать, редактировать и анимировать. Tripo P2.0 ум

Впервые искусственный интеллект помогал нейрохирургу непосредственно во время операции. Благодаря совместной работе специалистов Университетского колледжа Лондона (UCL) и больниц UCLH удалось сохранить зрение мужчине, которому удаляли опухоль головного мозга. Операция была проведена в Национальной больнице неврологии и нейрохирургии (NHNN), входящей в UCLH. Она стала частью клинического исследования технологии искусственного интеллекта, разработанной в UCL при финансовой поддержке Национального института исследований в области здравоохранения и медицинской помощи Великобритании (NIHR). Первым пациентом, прооперированным с применением этой технологии, стал 48-летний Рис Хибберт из Бедфордшира — менеджер службы поддержки клиентов и активный общественный волонтёр. Без хирургического вмешательства опухоль продолжила бы угрожать его зрению и со временем могла привести к слепоте. В результате операции новообразование успешно удалили, а зрение пациента сохранили. Во время операции разработанн