💻 OpenAI-ը թողարկում է Codex հավելվածը՝ արհեստական ինտելեկտի կոդավորման մրցավազքում առաջընթաց գրանցելու համար ↗
OpenAI-ը թողարկեց Codex համակարգչային հավելված, որը կարդացվում է որպես հրամանատարական կենտրոն՝ միաժամանակ մի քանի կոդավորող գործակալներ կառավարելու համար, այլ ոչ թե պարզապես մեկ զրույցի թեմա, որը հինգ րոպե անց կորցնում եք ձեր մտքի դարակում։.
Տիեզերքը «վերահսկել փոքր խմբի» տպավորությունն է՝ զուգահեռ աշխատանքային հոսքերով և ավելի երկարատև առաջադրանքներով, ինչը հնչում է արդյունավետ… և նաև այնպես, կարծես ձեզ առաջ են քաշել՝ դառնալով փոքրիկ, անխոնջ պրակտիկանտների կառավարման մասնագետ։.
Սա բավականին ուղիղ հարված է մրցակիցներին, որոնք վերջերս կուլ են տալիս կոդավորման գործիքները։ Ոչ թե նոկաուտային հարված, այլ ավելի բարձր հրում, քան սովորաբար։.
⚙️ Բացառիկ. OpenAI-ը դժգոհ է Nvidia-ի որոշ չիպերից և փնտրում է այլընտրանքներ, ասում են աղբյուրները ↗
Բողոքը «մեծ մոդելներ մարզելու անկարողության» մեջ չէ, այլ եզրակացությունների արագության մեջ է, այն պահի, երբ մոդելը ստիպված է արագ պատասխաններ տալ, կրկին ու կրկին, մասշտաբային առումով։ Nvidia-ն մնում է կենտրոնական, բայց ճնշման կետերը փոխվում են։.
Այսպիսով, ընկերությունը փնտրում է այլընտրանքներ, այդ թվում՝ AMD-ն և մասնագիտացված նվագարկիչներ, ինչպիսիք են Cerebras-ը և Groq-ը՝ այնպիսի սարքավորումներ, որոնք ապրում են լատենտության և չիպի վրա տեղադրված հիշողության համար։.
Հրապարակավ բոլորը դեռ քաղաքավարի են (գրեթե անհանգստացնող կերպով քաղաքավարի), բայց ենթատեքստը պարզ է. եթե կոդավորող գործակալները նոր թրենդային բան են, արագությունը դադարում է լինել «հաճելի բան» և դառնում է ամբողջ խաղի գլխավոր նպատակը։.
🏗️ Oracle-ի բաժնետոմսերը աճել են, քանի որ 50 միլիարդ դոլարի ներդրումը մեղմացրել է տվյալների կենտրոնների ֆինանսավորման մտավախությունները ↗
Oracle-ը մշակեց մի ծրագիր՝ պարտքի և բաժնետոմսերի միջոցով հսկայական գումար ներգրավելու համար, որի նպատակն էր ֆինանսավորել տվյալների կենտրոնի կառուցումը, որը սերտորեն կապված էր իր ամենամեծ արհեստական բանականության պարտավորությունների հետ։.
Վերլուծաբանները դա ձևակերպեցին որպես «լավ, դուք հավանաբար կարող եք վճարել դրա համար», ինչը զվարճալի տեսակի հանգստացում է, ինչպես օրինակ՝ երբ ձեզ ասում են, որ ձեր ինքնաթիռը, հավանաբար, բավարար վառելիք ունի։.
Նույնիսկ ֆինանսավորման պլանով հանդերձ, նյարդային միտքը շարունակվում է՝ արդյոք արհեստական ինտելեկտի ենթակառուցվածքների վրա այս ամբողջ ծախսերը կվերածվեն կայուն շահույթի, թե՞ պարզապես շատ թանկ թարթող լույսերի։.
🌿 Carbon Robotics-ը ստեղծել է արհեստական ինտելեկտի մոդել, որը հայտնաբերում և նույնականացնում է բույսերը ↗
Carbon Robotics-ը ներկայացրեց «Մեծ բույսի մոդել»՝ իր լազերային հիմքով մոլախոտ հեռացնող ռոբոտները սնուցելու համար, որը, այո, դեռևս հնչում է որպես մուլտֆիլմային չարագործի սարք, բայց, ըստ երևույթին, այն իրական է և գործնական։.
Գործնական հաղթանակը մեծ է. համակարգը կարող է ճանաչել նոր մոլախոտերը առանց «պիտակավորել, վերապատրաստել, սպասել» դանդաղ ցիկլի: Ֆերմերները կարող են ցույց տալ, թե ինչը սպանել և ինչը պահել, և ռոբոտը հարմարվում է առանց լրիվ վերագործարկման:.
Սա այն արհեստական ինտելեկտի պատմություններից մեկն է, որն աննկատելիորեն ավելի կարևոր է թվում, քան աչքի ընկնող դեմոները՝ ավելի քիչ պոեզիա, ավելի շատ սնունդ։.
⚖️ Anthropic-ը մտնում է իրավաբանական տեխնոլոգիաների ոլորտ ↗
Anthropic-ը առաջարկում է այնպիսի պլագիններ, որոնք իրենց մոդելը ներառում են իրական աշխատանքային հոսքերի մեջ, այդ թվում՝ իրավական պլագին, որը նախատեսված է փաստաթղթերի վերանայման և պայմանագրերի վերլուծության համար: Սա այն տեսակի աշխատանքն է, որը մարդիկ երդվում են որպես «նյուանսավորված»… մինչև որ անընդմեջ չեն կատարել 200 գրեթե նույնական դրույթներ:.
Այնուամենայնիվ, սա իրավաբանական թիմերի մեկ սեղմումով փոխարինող չէ։ Այս ամենի տեղակայումը դեռևս պահանջում է տեխնոլոգիական հմտություններ, և բոլորը կկենտրոնանան տվյալների անվտանգության վրա՝ ինչպես և պետք է։.
Մի փոքր կծու ենթատեքստը. նեղ ավտոմատացման վրա կառուցված օրինական ծրագրային ապահովման մատակարարները հանկարծ կարող են շատ ավելի քիչ յուրահատուկ թվալ։.
🧬 ConcertAI-ը մեկնարկում է արագացված կլինիկական փորձարկումներ՝ օգտագործելով գործակալային արհեստական բանականությունը՝ փորձարկումների ժամկետները արմատապես կրճատելու համար ↗
ConcertAI-ը գործարկեց «արագացված կլինիկական փորձարկումների» հարթակ, որը կառուցված է գործակալական արհեստական ինտելեկտի շուրջ և նպատակ ունի արագացնել բարդ մասերը՝ արձանագրության նախագծում, իրագործելիության ստուգումներ, վայրի ընտրություն, հավաքագրում և ամբողջ խճճված շղթան։.
Նրանք պնդում են ժամանակացույցերի և փոփոխությունների մեծ կրճատման մասին՝ օգտագործելով գործակալներ, որոնք օգտագործում են իրական աշխարհի և սեփականատիրական տվյալներ, գումարած միացումներ ընդհանուր հետազոտական աղբյուրների հետ։ Հնչում է հավակնոտ, և կլինիկական գործողություններին կարող է անհրաժեշտ լինել մի փոքր շփումը վերացնելու կախարդանք։.
Եթե այն նույնիսկ կիսով չափ աշխատի, դա ավելի քիչ «արհեստական բանականությունը բուժում է ամեն ինչ» և ավելի շատ «արհեստական բանականությունը ստիպում է մեքենային դադարեցնել կանգ առնելը», ինչը, թերևս, ավելի հավաստի առաջընթացի տեսակ է։.
Հաճախակի տրվող հարցեր
Ի՞նչ է OpenAI Codex հավելվածը և ի՞նչ է այն անում։
OpenAI Codex հավելվածը նկարագրվում է որպես աշխատասեղանի «հրամանատարական կենտրոն»՝ միաժամանակ մի քանի կոդավորող գործակալների համակարգման համար: Միևնույն զրույցի թեմայի ներսում գտնվելու փոխարեն, այն աջակցում է զուգահեռ աշխատանքային հոսքերի և երկարաժամկետ առաջադրանքների, որոնք կարող եք վերահսկել: Նպատակն է կառավարել գործակալների մի փոքր «խումբ», մինչդեռ դուք վերանայում, ուղղորդում և ինտեգրում եք նրանց ստեղծածը:.
Ինչո՞վ է OpenAI Codex հավելվածը տարբերվում սովորական կոդավորող չաթբոտից։
Սովորական կոդավորող չաթբոտը մնում է խարսխված մեկ զրույցի թեմայի վրա, մինչդեռ OpenAI Codex հավելվածը կառուցված է մի քանի գործակալների զուգահեռ կազմակերպման շուրջ: Սա աշխատանքային հոսքը տեղափոխում է «հարցնել, սպասել, կրկին հարցնել»-ից դեպի «բազմաթիվ առաջադրանքներ պատվիրակել և հետևել առաջընթացին»: Գործնականում դա կարող է ավելի շատ թվալ նախագծի վերահսկում, քան մաքուր զրույց, հատկապես, երբ առաջադրանքները տարածվում են արագ արձագանքման ցիկլից այն կողմ:.
Ինչպիսի՞ աշխատանքներն են ամենահարմարը բազմաթիվ կոդավորող գործակալների վերահսկման համար։
Շատ խողովակաշարերում բազմա-գործակալային կարգավորումները գերազանց են, երբ աշխատանքը կարող է բաժանվել զուգահեռ ուղիների, որոնք դեռևս մարդկային հսկողության կարիք ունեն: Ընդհանուր օրինաչափություն է առանձին գործակալներին նշանակել վրիպազերծման, թեստեր գրելու, փաստաթղթեր թարմացնելու կամ այլընտրանքային իրականացումների ուսումնասիրության համար, մինչդեռ դուք պահպանում եք ընդհանուր ճարտարապետության ամբողջականությունը: Առավել օգտակար է, երբ առաջադրանքները հստակորեն սահմանված են, տարբերությունները մանրամասնորեն վերանայվում են, և փոփոխությունները համակարգվում են, որպեսզի գործակալները չբախվեն կոդի բազայի նույն տարածքներում:.
Ինչո՞ւ է եզրակացության արագությունը այդքան կարևոր կոդավորող գործակալների համար։
Կոդավորող գործակալները կարող են ստեղծել փոքր, հաճախակի հարցումների կայուն հոսք, հատկապես, երբ աշխատում են զուգահեռաբար և փոխազդում են գործիքների հետ: Լատենտությունը և թողունակությունը դառնում են ավելի «օգտատիրոջը ուղղված», քան միանվագ մոդելի ցուցադրություններում: Երբ մասշտաբային արձագանքողականությունը դառնում է խոչընդոտ, եզրակացության արագությունը վերածվում է հիմնական արտադրանքի սահմանափակման, այլ ոչ թե երկրորդական ենթակառուցվածքային մանրամասնության:.
Nvidia-ից բացի ի՞նչ չիպերի այլընտրանքներ են ուսումնասիրվում արհեստական ինտելեկտի եզրակացության համար։
Հաղորդվում է, որ Nvidia-ն շարունակում է մնալ կենտրոնական, սակայն աճում է հետաքրքրությունը ավելի արագ եզրակացություններ անող այլընտրանքային համակարգերի նկատմամբ։ Նշված անունների թվում են AMD-ն և մասնագիտացված խաղացողներ, ինչպիսիք են Cerebras-ը և Groq-ը։ Շեշտը դրվում է ավելի քիչ «կարո՞ղ է այն մարզվել» և ավելի շատ՝ ցածր լատենտությամբ, բարձր թողունակությամբ սպասարկման վրա, հատկապես, երբ գործակալական աշխատանքային հոսքերը մասշտաբավորվում են։.
Ինչո՞ւ է Oracle-ը հավաքում մինչև 50 միլիարդ դոլար, և ինչի՞ համար է դա։
Oracle-ը մշակել է մեծ քանակությամբ պարտքեր և կապիտալ ներգրավելու ծրագիր՝ արհեստական ինտելեկտի հետ կապված խոշոր պարտավորությունների հետ կապված տվյալների կենտրոնի կառուցումը ֆինանսավորելու համար: Այս քայլը ներկայացվում է որպես միջոց՝ մեղմելու այն մտահոգությունները, թե արդյոք ընկերությունը կարող է ֆինանսավորել խոշոր ենթակառուցվածքային ծախսերը: Ներդրողներին հետաքրքրող հարցը հետևյալն է. արդյոք արհեստական ինտելեկտի հետ կապված մեծ կապիտալ ծախսերը կդառնան կայուն եկամուտ, այլ ոչ թե պարզապես ավելի մեծ ծախսեր:.
Ինչպե՞ս է Carbon Robotics-ի բույսերի մոդելը փոխում լազերային մոլախոտերի հեռացման ռոբոտները։
Carbon Robotics-ը ներկայացրել է «Մեծ բույսի մոդել»՝ լազերային մոլախոտերի հեռացման համար բույսերը հայտնաբերելու և նույնականացնելու համար: Հիմնական խոստումը ավելի արագ հարմարվողականությունն է՝ նոր մոլախոտերի ճանաչում առանց պիտակավորման, վերավարժեցման և մոդելի լրիվ թարմացմանը սպասելու դանդաղ ցիկլի: Ֆերմերները կարող են նշել, թե ինչը հեռացնել, թե ինչը պահպանել, և համակարգը նախատեսված է կարգավորելու համար՝ առանց լրիվ վերագործարկման:.
Ինչպե՞ս են գործակալական արհեստական բանականության գործիքները դրսևորվում իրավական աշխատանքում և կլինիկական փորձարկումներում։
Anthropic-ը նկարագրվում է որպես աշխատանքային հոսքերի մեջ ինտեգրվող պլագիններ, ներառյալ իրավական փաստաթղթերի վերանայումը և պայմանագրերի վերլուծությունը: Առանձին, ConcertAI-ն գործարկեց «արագացված կլինիկական փորձարկումների» հարթակ, որը նպատակ ունի արագացնել արձանագրությունների նախագծումը, իրագործելիության ստուգումները, տեղանքի ընտրությունը և հավաքագրումը: Երկու ոլորտներում էլ գործնական կիրառումը սովորաբար կախված է անվտանգությունից, կառավարումից և ուշադիր վավերացումից, այլ ոչ թե միայն մոդելի հնարավորություններից:.