Az Neumann Társaság blogja a legfejlettebb infokom technológiákról

Jelenből a Jövőbe

Jelenből a Jövőbe


Egyetlen dekóder cselekvéssé alakítja mesterséges intelligenciák kimeneteit

2026. november 06. - ferenck

A robotokat egyre gyakrabban működtető, látáson, nyelven és cselekvésen alapuló architektúrák nagy nyelvmodellekre (LLM) támaszkodnak: ezek a modellek egyesítik a vizuális megfigyeléseket a szöveges utasításokkal, majd cselekvés-dekódoló egység belőlük állítja elő a mozgatóparancsokat. A…

Tovább

Világmodellezés Atlasszal

A világmodellező mesterséges intelligenciák bármilyen lehetséges világot képesek létrehozni, rekonstruálni, szimulálni. Értik ezeknek a közegeknek a megjelenését, viselkedését és fejlődését, lehetővé téve, hogy kreatív felhasználóknak vizualizáljanak képzeletbeli közeget, nagy hűséggel szimuláljanak…

Tovább

A kép- és videógenerálást robotikai képességekkel erősíti egy MI-modell

A Black Forest Labs (BFL) által kiadott FLUX 3 multimodális alapmodell különlegessége, hogy egyetlen architektúrán belül dolgozza fel a képeket, videókat, hanganyagokat és a robotok cselekvés-előrejelzését. Ez az első FLUX-modell, amely egyetlen súlyhalmaz segítségével kezeli mindezeket a…

Tovább

Rövid tréning után ötből kettő helyett négy szintetikusan generált arcot ismerünk fel

A mesterséges intelligencia annyira hatékonnyá vált meggyőző emberi arcok létrehozásában, hogy a szokásos hibák, mint a torz ékszerek, az elmosódott hátterek gyorsan a múlt ködébe vesznek.  Az Aberdeen Egyetem kutatói az Ausztrál Nemzeti Egyetemmel együttműködve megállapították, hogy nagyjából…

Tovább

Generatív képalkotás, másként

A képgenerátorok outputjai ugyan gyakran tetszetősek, csakhogy nem adják vissza a promptban leírtakat. Hogyan változtassunk ezen? A használatban lévő szöveg-kép modellek jellemzően egyszerre hozzák létre, bár lépésenként finomítják a teljes képet. Amerikai kutatók (Meta, San Diegoi Kaliforniai…

Tovább

Az OpenAI leállította csúcs videógeneráló mesterségesintelligencia-platformját

Az OpenAI március végén bejelentette, hogy április 26-tól megszűnik a Sora videógenerátor webes platform és alkalmazás, míg az alkalmazásfejlesztési felület (API) szeptember 24-től lesz elérhetetlen. Az MI-modell promptok alapján készít rövid, fotorealisztikus videókat. A felhasználók leírásai…

Tovább

Megjelent és megvásárolható a kortárs hazai számítógépes művészet egyik fontos műhelyét bemutató Pixel-fény Architektúrák kötet

2025. októberben rendezték meg a Neumann János Számítástudományi Társaság székházának kiállítótermében a Számítógépes Művészeti Szakosztály Pixel-fény Architektúrák kiállítását. A kiállítás „fókuszában az a kérdés állt, hogyan építik át valóságérzékelésünket a pixelekből szerveződő képek, a…

Tovább

Ezek a mesterségesintelligencia-megoldások határozták meg 2025-öt

2025-ben sem lassult le a mesterségesintelligencia-fejlesztések tempója, egyik modellváltozat jött ki a másik után, elterjedtek az ágensek, mainstream lett a multimodalitás, jól teljesítettek az érvelő-következtető MI-technológiák, fokozódott az amerikai-kínai versenyfutás. Andrew Ng The Batch…

Tovább

Szövetségre lépett a Disney és az OpenAI

A Walt Disney Company és az OpenAI megállapodást kötött, amelynek értelmében a Disney lesz az első nagy tartalomlicenc-partner az OpenAI rövidformátumú generatív MI-alapú videóplatformján, a Során. Az együttműködéssel a kreatív történetmesélés új lehetőségeit igyekeznek feltárni. A három évre szóló…

Tovább

Világokat modellez a mesterséges intelligencia

Hozzászoktunk, hogy a mesterséges intelligencia szöveget, képet, videót és kódot generál. Elkezdődött a következő fázis is: teljes világok létrehozása, szimulálása. A felhasználó által alakítható immerzív 3D környezetekké, lakókkal, működő fizikai rendszerekkel – kicsit úgy, mint a virtuális…

Tovább
süti beállítások módosítása