01
Mesh LLM propojuje GPU napříč stroji do jedné AI sítě
Tým za protokolem iroh představil Mesh LLM, open-source framework, který umožňuje sdružovat GPU napříč počítači do jediného OpenAI-kompatibilního API. Cílem je dát vývojářům kontrolu nad tím, kde běží jejich modely a data, aniž by byli závislí na centrálních poskytovatelích.
Mesh LLM distribuuje zátěž mezi uzly v síti a podporuje pluginovou architekturu – každý uzel deklaruje, co nabízí, a runtime se postará o směrování požadavků. Standardní OpenAI klient se připojí k lokálnímu endpointu, který request rozloží mezi dostupné GPU v síti – ať už jde o servery v kanceláři, domácí stanice nebo cloudové instance.
Projekt reaguje na rostoucí poptávku po decentralizovaném AI computingu. Firmy mají GPU ve svých prostorách, ale chybí jim způsob, jak je spojit do jednoho celku. Mesh LLM řeší právě tento problém – bez nutnosti pronájmu drahých cloudových kapacit. Na Hacker News získal přes 170 bodů a vyvolal živou diskusi o budoucnosti AI infrastruktury.
02
Audit odhalil, jaká data Grok Build CLI posílá do xAI
Vývojář pod přezdívkou cereblab zveřejnil podrobný audit nástroje Grok Build CLI od společnosti xAI Elona Muska. Analýza zachycuje, jaká data se při běžném používání CLI odesílají na servery společnosti – včetně metadat o projektech, fragmentů kódu a systémových informací.
Gist na GitHubu, který detailně rozebírá komunikaci nástroje, vyvolal na Hacker News rozsáhlou diskusi s více než 150 body a 80 komentáři. Vývojáři se přou o to, nakolik je taková telemetrie u vývojářských nástrojů přijatelná a zda by CLI neměla být transparentnější ohledně toho, co a kam odesílají. xAI zatím na zjištění oficiálně nereagovala.
03
Vědci učí lidi rozpoznávat AI deepfake tváře
Psychologové z University of Aberdeen a Australian National University vyvinuli tréninkovou metodu, která dokáže zvýšit úspěšnost identifikace AI generovaných obličejů ze 40 na 80 procent.
Výzkumníci používají nástroj StyleGAN3 k vytváření realistických deepfake tváří a učí účastníky vnímat jemné percepční rozdíly. AI má podle jejich zjištění problémy zejména s věrohodným zobrazením očí, vlasů a kůže a hůře zvládá i nebělošské a starší tváře, protože většina trénovacích dat obsahuje mladé bělochy.
BBC článek obsahuje interaktivní test, kde si čtenáři mohou své dovednosti vyzkoušet. Výzkum přichází v době, kdy se deepfake technologie stále častěji zneužívá k podvodům – například při loňském případu, kdy zaměstnanec firmy v Hongkongu převedl 25 milionů liber po videohovoru s deepfake verzí svého šéfa.
04
Čína proměňuje Peking v testovací polygon pro robotaxi
V pekingské čtvrti Yizhuang jsou autonomní vozidla běžným obrazem. Společnosti Baidu, WeRide a Pony.ai tam již provozují komerční robotaxi služby v rámci vyhrazených zón. BBC ve své podrobné reportáži popisuje, jak Čína staví na průmyslovém ekosystému elektromobilů a využívá komplexní dopravní podmínky k tréninku autonomních systémů.
Čínské firmy expandují i do zahraničí – Baidu se chystá spouštět robotaxi ve Velké Británii ve spolupráci s Lyftem. Analytici upozorňují, že zatímco výroba je v Číně díky existujícím dodavatelským řetězcům levná, uživatelský zážitek zatím zůstává lepší u amerického konkurenta Waymo. Geopolitické překážky a obavy o národní bezpečnost kvůli sběru mapových dat však mohou expanzi komplikovat.
05
Terence Tao oživil 27 let staré applety pomocí AI kódovacích agentů
Matematik Terence Tao, držitel Fieldsovy medaile, úspěšně portoval své Java applety z roku 1999 do moderního JavaScriptu pomocí AI kódovacích agentů. Tao nechal agenta převést dvě desítky starých appletů během několika hodin – proces, který by ručně trval týdny. Výsledek? Funkční applety s grafickými vylepšeními a jen jednou drobnou chybou. Agent navíc odhalil dvě chyby v původním kódu, o kterých Tao nevěděl. Tao také využil AI agenty k vytvoření zcela nové vizualizační aplikace pro speciální relativitu (Minkowského prostoročas), kterou plánoval už od roku 1999, ale nikdy ji nedokončil. Kromě toho nechal agenta naprogramovat vizualizaci pro Gilbreathovu hypotézu jako doprovod k svému novému článku. Tao přiznává, že LLM generovaný kód může obsahovat chyby, ale u vzdělávacích vizualizací, které nejsou kritické pro samotný matematický výzkum, považuje riziko za přijatelné.
