Informatică
Un limbaj care nu îți schimbă felul în care gândești despre programare nu merită cunoscut.
— (1982)
Dezvoltatorii experimentați s-au simțit mai rapizi cu IA în timp ce lucrau măsurabil mai lent — rezultatul real, și verdictul despre coding cu IA care nu este
Un trial randomizat controlat de METR a pus șaisprezece dezvoltatori open-source experimentați să facă 246 de task-uri reale pe codebase-uri pe care le cunoșteau bine, cu instrumente IA de la începutul lui 2025 (Cursor Pro plus Claude 3.5/3.7 Sonnet) permise pe o jumătate aleatorie. Ei se așteptau ca IA să reducă timpul pe task cu aproximativ 24%; în schimb, l-a crescut cu 19% — iar după aceea încă au crezut că îi accelerase cu aproximativ 20%. Acel decalaj de percepție este nucleul ascuțit și robust al studiului. Dar sunt șaisprezece dezvoltatori, un setting îngust și o fotografie fixă de la începutul lui 2025: autorii sunt expliciți că nu arată că IA nu îi ajută pe majoritatea dezvoltatorilor, iar follow-up-ul lor din 2026 înclină deja spre o accelerare, cu propriile caveat-uri.
O demonstrație criptografică își poate ascunde secretul făcând simulatorul lipsă greu de dovedit
Demonstrațiile zero-knowledge permit cuiva să dovedească un enunț fără să dezvăluie martorul. Teoria clasică spune că nu poți avea asta, în sensul deplin, cu un singur mesaj, fără setup de încredere și cu soliditate perfectă. Paperul lui Rahul Ilango nu face imposibilitatea să dispară. Schimbă ținta: în loc să ceară ca un simulator să existe cu adevărat, cere ca niciun sistem de demonstrație ales să nu poată dovedi eficient că simulatorul nu există. Sub ipoteze majore din complexitatea demonstrațiilor și criptografie, asta ajunge pentru a recupera consecințele falsificabile, bazate pe jocuri, ale proprietății zero-knowledge, proprietate cu proprietate. Ideea nu este o primitivă internet plug-in. Este o cale proof-theoretic de a transforma nedemonstrabilitatea matematică în acoperire criptografică.
O AI medicală poate fi privată în medie și totuși să expună anumiți pacienți — mai ales pe cei subreprezentați
Un model de AI medicală numit "privacy-preserving" se sprijină de obicei pe un singur număr mediu. Acest studiu susține că acel număr este testul greșit. Studiind atacuri de membership inference — care arată dacă dosarul unei persoane anume a fost în datele de antrenament ale unui model și astfel poate trăda că persoana a avut o anumită boală — autorii au măsurat riscul per pacient, nu agregat, pe șapte dataseturi medicale (imagistică, ECG, dosare electronice) și multe modele pentru fiecare. Tiparul: modele care par sigure în medie pot totuși lăsa un atacator să identifice aproape perfect indivizi specifici (attack AUC ≥ 0,95); cei expuși sunt sistematic cei din grupuri subreprezentate (etnii minoritare, boli rare, imagistică neobișnuită); iar problema se agravează pe măsură ce modelele cresc. Autorii nu spun să abandonăm AI medicală — spun să măsurăm confidențialitatea per pacient, să controlăm accesul la modele și să folosim differential privacy. Miezul incomod: "privat în medie" nu este o garanție de confidențialitate și îi ratează pe pacienții deja cel mai puțin protejați.
Să înveți o AI care desenează să se uite la pagină
Modelele lingvistice care generează grafică vectorială o fac pe nevăzute: scriu comenzile desenului fără să vadă rezultatul. O metodă nouă lasă modelul să-și urmărească propria pânză cum se umple, trasă după trasă, iar întorsătura onestă este că simplul fapt de a-i da ochi înrăutățește lucrurile: trebuie reantrenat ca să-i folosească. Rezultatul este un model care egalează sau depășește ușor rivali antrenați cu până la de douăzeci de ori mai multe date — un rezultat real și atent pe un singur benchmark, nu o revoluție.
Un agent AI a lucrat singur cazuri întregi de pacienți — într-un simulator, pe dosare vechi
MIRA este un nou tip de AI medicală: în loc să răspundă la o singură întrebare, lucrează un caz întreg într-un dosar medical simulat — ia anamneza, comandă și citește teste, ajunge la un diagnostic, scrie ordinele. Pe 574 de cazuri retrospective dintr-o bază de date publică, în opt diagnostice preselectate, autorii raportează că a depășit medicii la acuratețea diagnostică și a luat decizii în mare parte conforme cu ghidurile și sigure medicamentos. Fiecare calificare din acea frază contează: a rulat într-o sandbox pe dosare trecute, doar în text; mare parte din avantaj a venit în afecțiunile cu rezultate de test clare; a cerut cam de două ori mai multe analize de sânge; iar mai multe rezultate au fost evaluate față de ce consemnase fișa originală. Avansul real este un agent care acționează de-a lungul întregului workflow — nu dovada că o mașină diagnostichează acum mai bine decât un medic. Autorii spun asta: generalizarea, siguranța și guvernanța au încă nevoie de studii prospective în lumea reală.
Funcționează într-adevăr mai bine marile „foundation models” pentru roboți? Un răspuns atent — modest, da, iar multe studii nici nu pot spune asta
Toyota Research Institute a antrenat „large behavior models” — politici robotice preantrenate pe aproximativ 1.700 de ore de date diverse de manipulare — și le-a comparat cu politici single-task antrenate de la zero, folosind un protocol neobișnuit de riguros: teste oarbe, randomizate, cu multe eșantioane (circa 1.800 de probe reale și peste 47.000 în simulare) și statistici reale. După finetuning pe fiecare sarcină, modelele mari au performat mai bine în medie, au avut nevoie de aproximativ 3–5× mai puține date specifice sarcinii și au fost mai robuste când condițiile s-au schimbat; performanța a crescut treptat cu mai multe date de preantrenare. Dar folosite fără finetuning nu au depășit consecvent modelele single-task, mai multe efecte au fost suficient de mici încât au cerut eșantioane mari ca să fie văzute, iar o alegere banală de normalizare a datelor a contat mai mult decât arhitectura. Este sprijin măsurat pentru direcția robot foundation models — nu un robot general-purpose, nu un generalist zero-shot, nu un „salt emergent” — plus un avertisment clar că multă robotică ar putea măsura zgomot.
De ce halucinează modelele lingvistice și de ce felul în care le evaluăm menține problema
Falsurile rostite cu siguranță, pe care le numim "halucinații", nu sunt o eroare misterioasă: unele sunt un produs secundar statistic al antrenării și persistă pentru că benchmarkurile dominante recompensează o presupunere sigură pe sine mai mult decât un onest "nu știu". Un studiu de caz pe patru modele frontier arată că precizarea regulilor de scor în prompt ("rubrici deschise") inversează acest stimulent.