← CLUEFISHING AI-nyheter - ukentlig utgave

5. oktober 2026

Et Stratego-brett midt i et parti på et trebord, med røde og blå brikker i formasjon, en spillers hender på den ene siden og en åpen bærbar pc på den andre.

En AI ledet av MIT slo verdens beste Stratego-spiller 15-1-4, trent for under $8 000

Stratego skjuler så mange mulige plasseringer av motstanderens brikker (over 10^66 av dem) at spillet har stått imot de overmenneskelige AI-resultatene sjakk og Go fikk for lenge siden. Ataraxos, bygget av MIT-forskere og samarbeidspartnere, kombinerer selvspill-forsterkningslæring med en modell som anslår hvor motstanderens skjulte brikker befinner seg. I en fagfellevurdert studie publisert i Nature 30. september slo den verdens høyest rangerte spiller 15 kamper mot 1, med 4 remiser, etter trening i omtrent en uke på 16 GPU-er: rundt en femhundredel av regnekraften et tidligere DeepMind-system trengte for et lignende resultat.

Kilde: news.mit.edu →
En laboratoriebenk med en skjerm som viser et foldet proteinbånd, en fysisk proteinmodell, prøveglass og hansker som holder en pipette.

Google DeepMind har laget et vannmerke for AI-designede proteiner som ikke endrer hvordan de virker

AI-verktøy for proteindesign kan nå lage sekvenser som ikke ligner noe som finnes i naturen fra før, noe som gjør det vanskeligere for sikkerhetsscreening å sammenligne et nytt design med kjente trusler. SynthID Bio, beskrevet i en fagfellevurdert Nature-artikkel publisert 30. september, legger et usynlig, verifiserbart signatur rett inn i proteinets aminosyresekvens eller forutsagte 3D-struktur. I laboratorietester på tre ulike proteinmål matchet de vannmerkede designene bindingsstyrken, treffraten og den naturlige variasjonen til designene uten vannmerke, slik at screeningverktøy får et opprinnelsesspor å sjekke.

Kilde: blog.google →
En bordmodell av en 3D-printer ved siden av en skjerm som viser et trådnett med ett uthevet område, og en ferdig printet fløyte på benken.

Et nytt MIT-verktøy lar hvem som helst fikse delene av en AI-generert 3D-modell som faktisk ikke virker

Generativ AI kan skissere hvordan en gjenstand skal se ut, uten å forstå hvordan den skal fungere, noe som ofte gir et design som er for skjørt, eller rett og slett ødelagt, til å 3D-printes. InstructMesh, bygget av forskere ved MIT CSAIL, Google og Northeastern og lansert 1. oktober, lar brukeren markere den problematiske delen av en AI-generert modell, beskrive feilen med vanlig språk, og få en lokal, printbar løsning, uten behov for erfaring med 3D-modellering. Teamet brukte det til å printe fungerende husholdningsgjenstander, blant annet en kneskinne og en fløyte som faktisk lager lyd.

Kilde: news.mit.edu →