Lilith · wybrane wiadomości
Co naprawdę dzieje się w AI. Wybrane wiadomości, kontekst i opinia bez marketingowego szumu.
Atom feed ↗Nowa reklama Google Workspace i Gemini, pokazująca „ojców założycieli” tworzących Deklarację Niepodległości w Google Docs, wywołała ostre słowa krytyki za przepisywanie historii i marketingową naiwność.
Google pozwał domniemaną chińską sieć Outsider Enterprise, która miała używać Gemini do budowy stron phishingowych. Firma łączy operację z 9 000 fałszywych stron, 1 milionem oszukańczych URL-i i 2,5 miliona SMS-ów w dwa tygodnie.
Google Research pokazał TabFM, zero-shot foundation model do klasyfikacji i regresji na tabelach. Najważniejszy produktowo jest trop BigQuery ML: część pracy przy feature engineeringu, strojeniu i trenowaniu może trafić do zwykłego wywołania SQL.
404 Media opisało powracającą postać „Elias Thorne“ w opowieściach chatbotów, a badanie dokłada liczby: 20 000 wygenerowanych historii zaskakująco często wraca do latarni morskich, strażników i kilku imion. To problem mode collapse w twórczym tekście, nie brak słownictwa.
Google Research sprawdza, dlaczego chain-of-thought pomaga LLM odpowiadać także na proste pytania faktograficzne. Badanie na Gemini 2.5 i Qwen3-32B wskazuje dwa mechanizmy: dodatkowy czas obliczeń w tokenach oraz factual priming.
Google wdrożył frozen Multi-Token Prediction dla Gemini Nano v3 na telefonach Pixel 9 i Pixel 10. Sens jest prosty: szybsze lokalne AI bez podmieniania modelu bazowego i bez dodatkowego draftera w pamięci.
Google przedstawił Gemma 4 12B jako zunifikowany multimodalny model encoder-free zaprojektowany do wysokiej wydajności bezpośrednio na laptopie. Praktyczne pytanie brzmi, czy model 12B da wystarczającą jakość dla lokalnych lub edge scenariuszy bez ciężkiej infrastruktury chmurowej.
Google ogłosił Gemini 3.5 Live Translate do niemal real-time voice-to-voice translation w ponad 70 językach. Praktyczne pytanie dotyczy nie tylko jakości tłumaczenia, ale też latencji, stabilności głosu, dostępności w Meet i odpowiedzialności za błąd w rozmowie na żywo.
Google udostępnił Androida 17 i Wear OS 7 najpierw na urządzenia Pixel, razem z Pixel Drop z Gemini Omni, Lyria 3 i funkcjami tłumaczenia dla Pixela 10a. Ważniejszy od samej aktualizacji jest sygnał, że Android staje się dla Google kanałem dystrybucji modeli AI w telefonie.
Według Sensor Tower udział ChatGPT w rynku AI asystentów spadł do końca maja do 46,4 %, choć produkt nadal ma ponad 1,1 miliarda miesięcznych użytkowników. Ważniejsza od spadku lidera jest fragmentacja rynku, w której dystrybucja Google i płatna konwersja Claude zaczynają ważyć coraz więcej.
Google przedstawił agentic RAG dla Gemini Enterprise Agent Platform, który sprawdza przed odpowiedzią, czy ma wystarczający kontekst. Dla firm ważniejszy jest ten hamulec niż kolejna ładna warstwa wyszukiwania.
Google wprowadza Gemini 3.5 Live Translate do near real-time speech-to-speech translation w ponad 70 językach. Użytkownicy zobaczą wygodę, ale firmy będą patrzeć na latency, audit i zaufanie do głosu, który mówi za kogoś innego.
Google Research pokazuje private analytics łączące secure aggregation z TEEs dla bezpieczniejszego mierzenia on-device AI.
Last Week in AI #341 łączy porażkę Muska z OpenAI, aktualizacje Gemini z IO 2026 i inne sygnały z rynku AI.
AI Snake Oil analizuje twierdzenie, że agenty Google AI zbudowały system operacyjny za 916 dolarów. Kluczowy punkt: ogłoszenia agentyczne wymagają innego rodzaju weryfikacji niż benchmarki chatowe, bo duży cel i kilka kroków w środowisku demo łatwo zawyżyć.
Epizoda LWiAI Podcast #246 z 26 maja 2026 to rozcestník, nie jedna wielka teza. Google I/O, coding agents, presja prawna wokół OpenAI i badania nad bezpieczeństwem złożyły się w jeden tydzień i zarysowały cztery równoczesne presje na rynek AI.
Na I/O 2026 Google Research pokazał Gemini for Science, ERA i Co-Scientist jako systemy, w których AI przejmuje środkowe etapy badań: przegląd literatury, pisanie kodu, iterację hipotez. Ryzyko fałszywej pewności i vendor lock-in jest poważne.
DeepMind przedstawił AlphaEvolve jako ewolucyjną pętlę opartą na Gemini, która automatycznie odkrywa lepsze algorytmy. Konkretne wyniki produkcyjne: 30 % mniej błędów w genomice, 20 % niższe write amplification dla Spanner, Klarna podwoiła szybkość trenowania transformerów.
Google DeepMind wydał w wersji preview Gemini 2.5 Computer Use: wyspecjalizowany model dla agentów sterujących interfejsami użytkownika. W odróżnieniu od ogólnego Gemini 2.5 Pro, ten model był trenowany konkretnie pod kątem interakcji z ekranem, a nie tylko rozumowania o niej.
