Pregled
Današnji AI pejzaž prepun je kontrasta – kreativnost se sudara sa radnim sporovima, a istraživački proboji isporučuju se uz infrastrukturne dorade. Google DeepMind našao se na naslovnicama na dva fronta: u partnerstvu sa nezavisnom filmskom silom A24, koje privlači pažnju, i na neglatkom startu sindikalnih pregovora koji je ostavio zaposlene frustriranim. U međuvremenu, open-source i akademski kutci veštačke inteligencije doneli su zapažene napretke u robotici i kompjuterskom vidu koji bi mogli preoblikovati način na koji autonomni sistemi uče i prate ljude u stvarnom svetu.
Dogovor sa A24 signalizira rastuću glad AI laboratorija za saradnjom sa kreativnim industrijama – oblast u kojoj alati poput generativnog videa i analize scenarija počinju da nadilaze puku pompu. No, sindikalna trenja u DeepMindu podsećaju nas da, dok se AI širi, ljudi koji ga grade traže mesto za stolom. Na istraživačkom planu, novi jedinstveni okvir za obuku vision-language-action modela (VLAFlow) obećava da će preseći buku različitih robotskih postavki, dok metod za višeosobno 3D mrežno praćenje (Multi-THuMBS) rešava večiti izazov praćenja ljudi kroz rezove kamere i prepreke. Za one koji prate alate iza ovih napredaka, platforme poput GetAI Business pomažu da se na površinu izvuku novi modeli i tehnike koje oblikuju polje.
Današnje velike vesti
Google DeepMind u partnerstvu sa A24 za prvu AI istraživačku saradnju te vrste
Dogovor između DeepMinda i A24 – studija koji stoji iza filmova Everything Everywhere All at Once i Moonlight – predstavlja jedan od najprofilnijih prelaza između AI istraživanja i nezavisne kinematografije. Iako konkretni detalji projekta ostaju pod velom tajne, očekuje se da će partnerstvo istražiti kako generativni modeli mogu pomoći u pripovedanju, vizuelnim efektima i procesima predprodukcije. Ovaj potez odražava širi trend: AI laboratorije sve više traže stvarne kreativne upotrebe izvan generisanja teksta i slika.
DeepMindovi sindikalni pregovori naišli na rane prepreke
Prema izveštaju WIRED-a, sastanak za pregovaračkim stolom između rukovodstva DeepMinda i zaposlenih koji se zalažu za sindikalizaciju otkrio je produbljujući jaz poverenja. Radnici su izrazili frustraciju što se činilo da rukovodioci nisu voljni da suštinski uđu u njihove zahteve za većom transparentnošću plata, sigurnošću posla i uticajem na to kako se AI modeli primenjuju. Ovaj težak start naglašava rastuću tenziju u tehnološkoj industriji: kako se AI sposobnosti ubrzavaju, ljudska snaga koja stoji iza njih organizuje se radi većeg uticaja.
VLAFlow: Jedinstveni okvir za obuku vision-language-action modela
Novi rad na arXiv-u (2607.01586) uvodi VLAFlow, okvir za ko-obuku dizajniran da harmonizuje podatke i arhitekture u različitim paradigmama učenja robota. Poravnavanjem budućih latentnih reprezentacija i kombinovanjem više skupova za pretreniravanje, VLAFlow postiže jaču generalizaciju na zadacima manipulacije od modela treniranih na jednom izvoru podataka. Ovo bi mogao biti ključan korak ka skalabilnijim i prenosivijim robotskim veštinama, posebno za servisne i industrijske robote koji moraju da se prilagođavaju različitim okruženjima.
Multi-THuMBS: Praćenje 3D ljudskih mreža kroz više video kadrova
Višeosobno 3D praćenje ljudske mreže dugo je bilo ometano preprekama i promenama scena, ali metod Multi-THuMBS (arXiv:2607.01626) predlaže novi pristup koji funkcioniše preko granica kadrova. On koristi vremensku koherentnost i višepogledno rasuđivanje kako bi održao kontinuitet identiteta i poza čak i kada ljudi napuste kadar i ponovo se pojave. Ovaj napredak ima praktične implikacije za sportsku analitiku, nadzor i virtuelnu produkciju – bilo koju oblast koja zahteva dosledno 3D praćenje ljudi u nesputanim snimcima.