01. July 2026
Google har avduket TabFM, en ny type AI-modell (såkalt "foundation model") designet spesifikt for tabulære data – altså den typen data som bor i Excel-ark, SQL-databaser og CRM-systemer. I motsetning til tradisjonelle maskinlæringsmodeller som krever ukesvis med skreddersydd trening på dine spesifikke tall, kan TabFM analysere og gjøre spådommer direkte på tabellene dine ("zero-shot") uten forhåndstrening.
Det er ingen hemmelighet at de aller fleste bedrifter i dag drukner i strukturerte data, men å bygge prediktive modeller – for eksempel for å forutsi kundefrafall eller optimalisere varelager – har hittil vært forbeholdt selskaper med store budsjetter og egne data scientists. Google prøver nå å gjøre med tabeller det de store språkmodellene gjorde med tekst: Å skape én kraftfull modell som kan løse hundrevis av ulike oppgaver rett ut av esken.
For selskaper med store datamengder, men begrensede ressurser til å ansette egne AI-ingeniører, demokratiserer dette avansert analyse. Analyseavdelinger og controllere kan nå raskere avdekke avvik i regnskapet, mens markedsførere kan segmentere kundebaser basert på kjøpshistorikk på få sekunder, helt uten å måtte vente på at IT-avdelingen skal bygge og teste en skreddersydd statistisk modell.
Les mer hos Google Research Blog.
Meta har presentert forskningsprosjektet Brain2Qwerty, som bruker kunstig intelligens til å oversette menneskelige hjernebølger direkte til tekst på en skjerm. Det store og oppsiktsvekkende gjennombruddet her er at systemet fungerer uten at brukeren må operere implantater inn i hjernen; det baserer seg på ikke-invasive målemetoder som fanger opp signaler fra utsiden av hodeskallen.
Grensesnittet mellom menneske og maskin har stått nesten stille siden musen og tastaturet ble oppfunnet på forrige århundre. Mens selskaper som Elon Musks Neuralink krever risikabel hjernekirurgi for å oppnå lignende resultater, viser Meta at avanserte AI-algoritmer kan trene seg opp til å tolke de støyete signalene som slipper gjennom hodeskallen, og oversette dem til presise ord i sanntid.
For helseforetak og omsorgssektoren åpner dette døren for en helt ny hverdag for pasienter som har mistet taleevnen etter slag eller sykdom. På lengre sikt baner teknologien vei for nye måter å samhandle med maskiner på i støyende eller sensitive arbeidsmiljøer. Tenk deg serviceingeniører på støyende plattformer eller kirurger under operasjoner som kan skrive rapporter eller styre komplisert utstyr bare ved å tenke, uten å måtte fjerne blikket fra oppgaven eller ta av seg hanskene.
Les mer hos Meta AI.
Google har lansert en ny og ekstremt lettbeint bilde-modell i sitt AI Studio under navnet "Gemini 3.1 Flash Lite Image" (også omtalt under kodenavnet "Nano Banana 2 Lite"). Dette er selskapets raskeste og mest kostnadseffektive modell for bildeforståelse til nå, spesifikt utviklet for oppgaver som krever enorm hastighet og lav responstid.
Tidligere har avansert bildeanalyse – som å gjenkjenne objekter, lese tekst på skilt eller flagge upassende innhold i sanntid – vært både tregt og kostbart å kjøre i stor skala. Ved å barbere bort overflødig kompleksitet har Google laget en "snarvei-modell" som gjør unna tunge visuelle analyseoppgaver på brøkdelen av et sekund, til en brøkdel av prisen for de tyngre modellene.
For e-handelsplattformer som håndterer titusenvis av brukergenererte produktbilder daglig, betyr dette lynrask, automatisk kategorisering og kvalitetssikring uten at serverkostnadene skyter i været. Logistikk- og transportbedrifter kan på sin side implementere sanntidsmåling av pakkeskader eller sortering via enkle kameraer direkte på samlebåndet, uten at det oppstår flaskehalser i systemet.
Les mer hos Simon Willison.