🎙️ ElevenLabs-ը գնահատվում է 11 միլիարդ դոլար՝ նոր 500 միլիոն դոլարի ներդրումային փուլից հետո։ ↗
ElevenLabs-ը հենց նոր անցավ «սա լուրջ է դառնում» մակարդակ՝ ներգրավելով 500 միլիոն դոլար, գնահատվելով 11 միլիարդ դոլար։ Սա կտրուկ ցատկ է հրապարակայնորեն քննարկված վերջին թվի համեմատ, և այն ընդգծում է, թե որքանով են ներդրողները դեռևս արհեստական բանականության ձայնը համարում հարթակ, այլ ոչ թե սրահային հնարք։.
Առաջարկ՝ ավելի իրատեսական խոսք, ավելի շատ լեզուներ, ավելի «էմոցիոնալ» խոսակցական ոճ և ավելի շատ կրկնօրինակում՝ հիմնականում նպատակ ունենալով տեղավորել մեդիայի և գործակալի աշխատանքային հոսքերի մի ամբողջ տոննա… լավ թե վատ։.
🧠 Cerebras-ը արհեստական ինտելեկտի չիպերի մրցավազքում ստանում է ևս 1 միլիարդ դոլար և գնահատվում է 23.1 միլիարդ դոլար ↗
Cerebras-ը ուշ փուլի ֆինանսավորումից ներգրավեց 1 միլիարդ դոլար, և գնահատականը բավականին բարձր է՝ 23.1 միլիարդ դոլար: Եթե ամիսներ շարունակ լսել եք, որ «Nvidia-ն միակ լուծումը չէ», ահա թե ինչ է դա հնչում չեկերի տեսքով:.
Նրանք խաղադրույք են կատարում, որ վաֆլիի մասշտաբի սարքավորումները՝ հսկայական չիպերը ուսուցման և եզրակացությունների համար, կարող են շարունակել ապահովել կայուն պահանջարկ, քանի որ բոլորը պայքարում են հաշվարկների համար: Սա մասամբ դիվերսիֆիկացիա է, մասամբ՝ հուսահատություն, մասամբ՝ «խնդրում եմ, թույլ մի տվեք, որ GPU-ի մատակարարումը թելադրի իմ ամբողջ ճանապարհային քարտեզը»՝ բոլորը միանգամից:.
💸 Alphabet-ի արհեստական ինտելեկտի կապիտալ ծախսերը աչքի են ընկնում, և խնդիրը միայն փողը չէ։ ↗
Alphabet-ը ներկայացրեց ենթակառուցվածքային ծախսերի ծրագրեր, որոնք… մի փոքր աբսուրդային չափի են։ Տրամադրությունն այսպիսին է՝ շարունակեք բետոն լցնել, շարունակեք չիպեր գնել, շարունակեք ընդլայնել տվյալների կենտրոնները, քանի որ արհեստական բանականությունը չի աշխատում թրթռոցներով, այն աշխատում է էներգիայով և սիլիցիումով։.
Կա մի փոքր հանգստացնող, բայց նաև մտահոգիչ բան. նույնիսկ նման բյուջեով մատակարարման սահմանափակումները դեռևս նշանակություն ունեն: Փողը, անշուշտ, օգնում է, բայց դուք չեք կարող անմիջապես հորինել տրանսֆորմատորներ, ցանցի հզորություն կամ հազարավոր նոր տվյալների կենտրոններ՝ օդից:.
🎓 Սառա Հուքերի Adaption Labs-ը 50 միլիոն դոլարի ներդրում է ստանում «արագ սովորելու» մոդելներ կառուցելու համար ↗
Adaption Labs-ը մեկնարկեց 50 միլիոն դոլարի նախնական ներդրումային փուլով՝ առաջնորդվելով այն մտքով, որ փոքր, ավելի խելացի մոդելները, որոնք արագ հարմարվում են, կարող են գերազանցել իրական աշխարհի շատ պայմաններում իրական մասշտաբները։.
Հիմնական խաղադրույքը կտրուկ է. պարզապես ընդմիշտ ավելի մեծ նախնական մարզման փոխարեն, կենտրոնացեք այն համակարգերի վրա, որոնք շարունակում են արդյունավետորեն սովորել: Դա կամ հաջորդ խելամիտ փուլն է… կամ էլ GPU-ի սպառազինությունների մրցավազքը շրջանցելու համարձակ փորձ՝ կախված ձեր տրամադրությունից:.
🧾 Microsoft-ի OpenAI հաշվողական գործարքը վերածվում է ռիսկային պատմության ներդրողների համար ↗
Bloomberg-ի կարծիքը. ներդրողները սկսում են Microsoft-ի և OpenAI-ի հարաբերությունները դիտարկել ոչ թե որպես երաշխավորված ջեքփոթ, այլ ավելի շատ որպես ռիսկի մակերես՝ ծախսեր, պարտավորություններ, կառավարում, ամբողջ խճճված փաթեթը։.
Սա ճիշտ «գործընկերությունը վատ է» չէ. ավելի շուտ այն է, որ երբ հաշիվները բավականաչափ մեծանում են, նույնիսկ ռազմավարական առավելությունը կարող է սկսել ընկալվել որպես պարտավորություն: Մի փոքր նման է մրցարշավային ձի ունենալուն, որը անընդհատ հաղթում է… միաժամանակ կուլ տալով ձեր տունը:.
📜 ԵՄ արհեստական բանականության մասին ակտի իմպուլս՝ արհեստական բանականության կողմից ստեղծված բովանդակության համար թափանցիկության կոդեքսի նախագիծ ↗
Արհեստական բանականության կողմից ստեղծված կամ մանիպուլացված բովանդակության թափանցիկության վերաբերյալ գործելակերպի կանոնագրքի նախագիծ է շրջանառվում, որը կապված է այն բանի հետ, թե ինչպես պետք է արհեստական բանականության արդյունքը պիտակավորվի և մշակվի։ Սա ամենագլամուրային վերնագիրը չէ, բայց դա այնպիսի «թղթային շերտ» է, որը վերջիվերջո արագորեն ձևավորում է ապրանքի վերաբերյալ որոշումները։.
Եթե դուք կառուցում կամ տեղակայում եք գեներատիվ նյութեր, սա ձեզ մղում է դեպի ավելի շատ ջրանիշերի/պիտակավորման կարգապահություն, և, հավանաբար, ավելի շատ աուդիտի և փաստաթղթավորման, քան որևէ մեկը կցանկանար ուրբաթ օրը: (Բայց… այո, դա տեղի է ունենում):
Հաճախակի տրվող հարցեր
Ի՞նչ է ասում ElevenLabs-ի 11 միլիարդ դոլարի գնահատականը այն մասին, թե ուր է գնում արհեստական բանականության ձայնը։
Այն ենթադրում է, որ ներդրողները արհեստական բանականության ձայնը դիտարկում են որպես մեդիա և գործակալական ոճի արտադրանքի հիմնական ենթակառուցվածք, այլ ոչ թե որպես նորարարական հատկանիշ: Շեշտը դրվում է իրատեսական, բազմալեզու, հուզականորեն արտահայտիչ խոսքի վրա, որը հստակորեն ինտեգրվում է կրկնօրինակման և խոսակցական աշխատանքային հոսքերի մեջ: Շատ խողովակաշարերում դա ձայնը դարձնում է բազմակի օգտագործման շերտ՝ տարբեր հավելվածներում, այլ ոչ թե միանգամյա ցուցադրական հնարավորություն:.
Ինչպե՞ս պետք է գործնականում մտածեմ ElevenLabs-ի և Cerebras-ի նման արհեստական բանականության ֆինանսավորման կտրուկ աճի մասին։
Մեծ փուլերը հակված են ազդարարել, որ շուկան ակնկալում է մեծ, կայուն ծախսեր հաշվարկային, տվյալների և բաշխման վրա՝ հաղթանակի համար: Կառուցողների համար դա հաճախ նշանակում է ավելի արագ արտադրանքի իտերացիա լավ ֆինանսավորվող մատակարարների կողմից, զուգորդված գնի և արտադրողականության ավելի սուր մրցակցության հետ: Դա կարող է նաև ցույց տալ, որ «հարթակային» կատեգորիաները՝ ձայնային, չիպեր, ենթակառուցվածքներ, այն են, որտեղ կառուցվում են պաշտպանելի դիրքեր:.
Ո՞րն է Cerebras-ի վաֆլի-մասշտաբի մոտեցումը, և ինչո՞ւ են մարդիկ հիմա խաղադրույք կատարում դրա վրա:
Cerebras-ը դիրքավորում է հսկա, վաֆլիի մասշտաբի չիպերը ուսուցման և եզրակացության համար՝ որպես հաշվողական պահանջարկը բավարարելու այլընտրանքային ուղի: Վստահ ենք, որ մասնագիտացված սարքավորումները կարող են ստեղծել կայուն խորշեր, մինչդեռ թիմերը փնտրում են տարբերակներ՝ մեկ գերիշխող GPU մատակարարման շղթայից այն կողմ: Գործնականում դա մասամբ դիվերսիֆիկացման ռազմավարություն է, մասամբ՝ հուսալի հզորություն ապահովելու հրատապություն:.
Ինչո՞ւ է Alphabet-ը կարող մեծ գումարներ ծախսել արհեստական բանականության ենթակառուցվածքների վրա և դեռևս բախվել մատակարարման սահմանափակումների։
Քանի որ արհեստական բանականության մասշտաբավորումը սահմանափակվում է ֆիզիկական խոչընդոտներով, այլ ոչ թե միայն բյուջեով։ Էլեկտրաէներգիայի մատչելիությունը, տվյալների կենտրոնների կառուցումը, ինչպես նաև չիպերի և բաղադրիչների հասանելիությունը կարող են ժամանակ պահանջել ընդլայնվելու համար։ Նույնիսկ կապիտալ ծախսերի զգալի ծավալով դուք չեք կարող անմիջապես ավելացնել ցանցի հզորությունը կամ միաժամանակ արագացնել սարքավորումների և շինարարության յուրաքանչյուր մասը։.
Ի՞նչ են «արագ սովորելու» մոդելները, և երբ դրանք կարող են գերազանցել ավելի մեծ, նախապես պատրաստված մոդելներին։
Դրանք համակարգեր են, որոնք նախագծված են տեղակայումից հետո արդյունավետորեն հարմարվելու համար, այլ ոչ թե միայն ավելի մեծ նախնական ուսուցման վրա հույսը դնելու համար: Շատ արտադրական պայմաններում ավելի արագ հարմարվողականությունը կարող է ավելի կարևոր լինել, քան հում մասշտաբը, հատկապես, երբ տվյալները փոխվում են կամ աշխատանքային հոսքերը փոխվում են: Ընդհանուր մոտեցում է մոդելները փոքր պահելը և ուսուցումը կամ թարմացումը արտադրության մեջ ավելի արդյունավետ դարձնելը:.
Ինչպե՞ս են ԵՄ արհեստական բանականության մասին օրենքի թափանցիկության ջանքերը ազդում գեներատիվ բովանդակություն մատակարարող թիմերի վրա։
Նրանք արտադրանքը մղում են դեպի արհեստական բանականության կողմից ստեղծված կամ մանիպուլացված արդյունքների ավելի հստակ պիտակավորում և մշակում: Շատ կազմակերպություններում դա նշանակում է ավելի շատ ջրանիշեր կամ բացահայտման կարգապահություն, գումարած ավելի ուժեղ փաստաթղթավորման և աուդիտի պրակտիկա: Եթե դուք կիրառում եք գեներատիվ մեդիա, խելամիտ է վաղուց պլանավորել ծագման հետևումը և թեթև համապատասխանության աշխատանքային հոսքերի ստեղծումը:.