Илон Маск подарил Grok «зрение»: Нейросеть теперь видит мир через камеру iPhone

Компания xAI Илона Маска сделала новый шаг в развитии искусственного интеллекта: чат-бот Grok обзавёлся функцией компьютерного зрения. Обновление, названное Grok Voice with Vision, позволяет нейросети анализировать изображения и видео через камеру iPhone, открывая пользователям новые способы взаимодействия с ИИ. Об этом сообщил разработчик xAI Эбби Амир в социальной сети X. Рассказываем, как работает новинка, что она умеет и почему это может изменить правила игры в мире ИИ.

Что такое Grok Voice with Vision?

Grok — чат-бот от xAI, запущенный в 2023 году, известен своим остроумием, интеграцией с платформой X и способностью отвечать на вопросы без цензуры. Новое обновление, представленное в апреле 2025 года, добавляет функцию компьютерного зрения, которая позволяет Grok «видеть» мир через камеру iPhone. Функция встроена в голосовой режим и называется Grok Voice with Vision. Она доступна в приложении Grok для iOS и работает даже без подписки, хотя премиум-тарифы (X Premium+ или SuperGrok) открывают дополнительные возможности, такие как «нецензурный» режим общения.

Как это работает:

• Пользователь наводит камеру iPhone на объект, сцену или изображение.
• Grok анализирует визуальный ввод в реальном времени, распознавая предметы, людей (без идентификации лиц), текст или контекст.
• ИИ озвучивает описание увиденного или отвечает на вопросы, связанные с изображением, голосом на одном из поддерживаемых языков.
• Например, направив камеру на яблоко, вы можете спросить: «Как приготовить десерт из этого?» Grok предложит рецепт или найдёт похожие товары онлайн.

Функция пока находится в стадии бета-тестирования, но уже впечатляет. Илон Маск назвал её «потрясающей», а пользователи на X сравнивают с «умным гидом в кармане».

Какие возможности открывает Grok Vision?

Обновление расширяет функциональность Grok, делая его конкурентом таких ИИ, как ChatGPT с GPT-4o или Google Gemini. Вот ключевые сценарии использования:

• Распознавание объектов: Grok может идентифицировать продукты, инструменты или растения, предлагая инструкции по их использованию. Например, показать молоток — и ИИ объяснит, как забить гвоздь.
• Контекстный анализ: наведя камеру на уличную вывеску, Grok переведёт текст или расскажет о месте. Это полезно в путешествиях.
• Поиск товаров: сфотографируйте одежду или гаджет, и Grok найдёт похожие в интернете, интегрируясь с данными из X.
• Образование: студенты могут показывать учебники или задачи, получая объяснения или решения. Grok уже показал успехи в математике и программировании.
• Творчество: ИИ может описать сцену для вдохновения или предложить идеи для фото на основе окружения.

Кроме зрения, обновление включает поиск в реальном времени (DeepSearch) и многоязычную голосовую поддержку, позволяя общаться с Grok на русском, испанском, китайском и других языках. Это делает его универсальным для глобальной аудитории.

Как это связано с iPhone 18?

iPhone 18, по прогнозам, получит 2-нм чип A20, обеспечивающий мощность для ИИ-задач, таких как обработка видео в реальном времени или AR. Камера с переменной диафрагмой (f/1.4–f/4.0) в iPhone 18 Pro улучшит качество снимков, что усилит работу Grok Vision, требующего чётких изображений для анализа. Интеграция с iOS 20, ожидающей акцент на ИИ, может сделать Grok частью экосистемы Apple, как Siri, но с большей свободой и доступом к данным X.

Представьте: вы наводите iPhone 18 Pro на звёздное небо, а Grok, используя камеру и данные X, называет созвездия и рассказывает о недавних астрономических открытиях, вроде столкновения в скоплении Персея. Это уровень взаимодействия, который xAI, похоже, хочет достичь.

Почему это важно?

Grok Voice with Vision — часть стратегии xAI по созданию мультимодального ИИ, конкурирующего с OpenAI, Google и DeepSeek. В 2025 году рынок ИИ оценивается в $200 млрд (Statista), и зрение становится ключевым направлением:

• Конкуренция: ChatGPT с GPT-4o уже анализирует изображения, но Grok выигрывает за счёт интеграции с X, дающей доступ к актуальным трендам и новостям.
• Приватность: в отличие от облачных решений, Grok частично обрабатывает данные локально, что перекликается с алгоритмом Kirigami для защиты аудио.
• Доступность: функция бесплатна на iOS, хотя лимиты (10 вопросов в 2 часа для бесплатных пользователей) побуждают оформить подписку SuperGrok ($10/мес).

Пользователи на X в восторге: «Навёл камеру на пиццу, а Grok предложил три рецепта и ближайшую пиццерию!». Но есть и критика: «Зрение пока глючит с мелкими деталями, вроде текста на упаковке». xAI обещает доработки в ближайшие месяцы.

Илон Маск и xAI

Маск основал xAI в 2023 году, чтобы ускорить научные открытия через ИИ. Grok, запущенный в ноябре 2023-го, стал ответом на «предвзятый» ChatGPT, как считает Маск. В 2024 году xAI открыла код Grok-1, представила генератор изображений Aurora и запустила суперкомпьютер Colossus с 100 000 GPU Nvidia для тренировки моделей. Grok 3, выпущенный в феврале 2025 года, назван Маском «самым умным ИИ на Земле» благодаря успехам в бенчмарках по математике, праву и финансам.

Однако Grok не без скандалов. В феврале 2025 года ИИ предложил «казнить» Дональда Трампа в ответ на провокационный вопрос, что вызвало расследование xAI. Проблему устранили, но она показала, как сложно балансировать между свободой ИИ и этикой.

Дальнейшие планы

xAI планирует расширить Grok Vision на Android и веб-версию Grok.com к лету 2025 года. Следующие шаги:

• Улучшение распознавания мелких деталей и текста.
• Интеграция с Telegram (@GrokAI), где бот уже доступен для Premium-пользователей.
• Поддержка AR/VR, особенно для Vision Pro, где камеры могут стать «глазами» Grok.

В 2026 году, с выходом iPhone 18, Grok может стать частью экосистемы Apple, если xAI договорится с Купертино. Это усилит конкуренцию с Siri, которая, по слухам, получит ИИ-апгрейд только в iOS 20. Маск также планирует кластер из 300 000 GPU Blackwell B200 к концу 2025 года, что сделает Grok ещё мощнее.