Anthropic Microsoft-ის ხელოვნური ინტელექტის ჩიპების გამოყენებაზე მოლაპარაკებებს აწარმოებს ↗
როგორც ამბობენ, Anthropic Microsoft-ის Maia AI ჩიპებით აღჭურვილი სერვერების დაქირავების გარიგებას განიხილავს. იდეა მარტივია: კლოდისთვის მეტი გამოთვლითი შესაძლებლობები, Nvidia-ს მხოლოდ ინფრასტრუქტურაზე ნაკლები დამოკიდებულებით.
ჯერ კიდევ ადრეა და შესაძლოა, უშედეგოდ დასრულდეს. თუმცა, სიგნალი მაინც ხმამაღალია - ხელოვნური ინტელექტის მოწინავე ლაბორატორიები სრულფასოვან ინფრასტრუქტურულ სტრატეგებად იქცევიან. მოდელები ბრწყინვალე ნაწილია, ჩიპები კი - სისტემის კონსტრუქცია, რომლის იგნორირებაც არავის შეუძლია.
D&B-ის 642 მილიონი ბიზნესის მონაცემთა ბაზა ადამიანებისთვის შეიქმნა და არა ხელოვნური ინტელექტის აგენტებისთვის. ამიტომ მათ ის ხელახლა შექმნეს. ↗
Dun & Bradstreet-ი თავის კომერციულ მონაცემთა სისტემებს აღადგენს, რათა ხელოვნური ინტელექტის აგენტებმა მათი სწორად გამოყენება შეძლონ. ადამიან ანალიტიკოსებს შეუძლიათ გაუმჭვირვალობისა და ნელი ძიების ატანა. აგენტებს კი - ნაკლებად: მათ უფრო სუფთა კონტექსტი და უფრო სწრაფი დარწმუნებულობა სჭირდებათ.
ეს ნიშურად ჟღერს, მაგრამ ეს დიდი მინიშნებაა საწარმოსთვის. ბიზნეს მონაცემების დიდი ნაწილი შეიქმნა იმ ადამიანებისთვის, რომლებიც დაფაზე დაწკაპუნებით მოძრაობდნენ და არა პროგრამული უზრუნველყოფის მუშაკებისთვის, რომლებიც გადაწყვეტილებებს მანქანის სიჩქარით იღებდნენ.
თქვენს ხელოვნური ინტელექტის აგენტებს სჭირდებათ ტერმინალი და არა მხოლოდ ვექტორული მონაცემთა ბაზა ↗
მკვლევარები აგენტების მოძიების განსხვავებულ იდეას ავრცელებენ: მიეცით ხელოვნური ინტელექტის აგენტებს საშუალება, პირდაპირ ბრძანების ხაზის ინსტრუმენტებით მოძებნონ ნედლი ფაილები და კორპუსები, იმის ნაცვლად, რომ მხოლოდ ვექტორულ მონაცემთა ბაზებსა და დაყოფილ სნიპეტებზე დაეყრდნონ.
ეს მცირე ტექნიკური ცვლილებაა, რომელსაც საკმაოდ დიდი შედეგები მოჰყვება. შესაძლოა, აგენტებს არა მხოლოდ უკეთესი მეხსიერება სჭირდებათ - შესაძლოა, მათ უკეთესი ხელები სჭირდებათ. ტერმინალი არც მომხიბვლელია, მაგრამ არც საკვანძო და ესეც ასწორებს ყველაფერს.
🔐 მოქმედი სერთიფიკატები, მოპარული ანგარიშები: როგორ გატეხეს თავდამსხმელებმა npm-ის ბოლო ნდობის სიგნალი ↗
როგორც იტყობინებიან, მავნე npm პაკეტების ტალღამ წარმომავლობის შემოწმება წარმატებით გაიარა, რადგან თავდამსხმელებმა გამოიყენეს კომპრომეტირებული შემნახველის სერთიფიკატები. სერტიფიკატები ნამდვილად გამოიყურებოდა, რაც სწორედ პრობლემაა - საკეტი ბზინავდა, მაგრამ გასაღებები მოიპარეს.
უფრო დიდი საზრუნავი სწორედ ხელოვნური ინტელექტის კოდირების სამუშაო პროცესებს უკავშირდება. დეველოპერული მანქანები, კოდირების აგენტები, პაკეტების მენეჯერები, CI მილსადენები - ეს ყველაფერი ერთ ჩახლართულ შეტევის ზედაპირად იქცევა. მოსახერხებელია, დიახ. კომფორტული, ოდნავადაც კი.
წარმოგიდგენთ OpenAI-ს სინგაპურისთვის ↗
OpenAI სინგაპურში ფართოვდება გამოყენებითი ხელოვნური ინტელექტის ახალი მიმართულებით, მათ შორის აშშ-ს ფარგლებს გარეთ პირველი გამოყენებითი ხელოვნური ინტელექტის ლაბორატორიით. ყურადღება გამახვილებულია პრაქტიკულ დანერგვაზე, ადგილობრივ ნიჭიერებასა და საჯარო სექტორისთვის წვდომაზე.
ეს არ არის უბრალოდ ოფისის გახსნის კიდევ ერთი მნიშვნელოვანი მომენტი. ის სინგაპურს უფრო ღრმად ათავსებს ხელოვნური ინტელექტის ინფრასტრუქტურის რუკაზე და OpenAI-ს კიდევ ერთ საყრდენს აძლევს აზია-წყნარი ოკეანის რეგიონში. საკმაოდ დიდი, თითქოს მეზობელ ოთახში ხმაურიანი მაცივარი იყოს.
ხშირად დასმული კითხვები
რას ნიშნავს Anthropic-ის მიერ Microsoft-ის ხელოვნური ინტელექტის ჩიპების გამოყენება?
როგორც ამბობენ, Anthropic იკვლევს Microsoft-ის Maia AI ჩიპების გამოყენებას Claude-ისთვის გამოთვლითი სიმძლავრის დასაქირავებლად. მთავარი მიზანია მხოლოდ Nvidia-ს ინფრასტრუქტურაზე დამოკიდებულების შემცირება და ამავდროულად მეტი გამოთვლითი სიმძლავრის უზრუნველყოფა. მაშინაც კი, თუ გარიგება არ განხორციელდება, ეს აჩვენებს, რომ მოწინავე AI ლაბორატორიები უფრო ინფრასტრუქტურული კომპანიების მსგავსად იწყებენ აზროვნებას და არა მხოლოდ მოდელების შემქმნელების მსგავსად.
რატომ ცვლიან ხელოვნური ინტელექტის აგენტები საწარმოს მონაცემთა სისტემების აგების წესს?
ხელოვნური ინტელექტის აგენტებს ინფორმაციაზე უფრო სუფთა, სწრაფი და სტრუქტურირებული წვდომა სჭირდებათ, ვიდრე ამას ბევრი ადამიანზე ორიენტირებული მონაცემთა ბაზა უზრუნველყოფს. Dun & Bradstreet-ის რეკონსტრუქცია ხაზს უსვამს, რომ დაფებისთვის შექმნილი ბიზნეს მონაცემთა სისტემები შესაძლოა არ შეესაბამებოდეს პროგრამული უზრუნველყოფის აგენტებს, რომლებიც გადაწყვეტილებებს იღებენ მანქანების სიჩქარით. ბევრ საწარმოო მილსადენში, გაურკვევლობა, რომლის ატანაც ადამიანებს შეუძლიათ, ავტომატიზაციის პრობლემად იქცევა.
ხელოვნური ინტელექტის აგენტებს ვექტორულ მონაცემთა ბაზაზე მეტი სჭირდებათ?
დიახ, ბევრ სამუშაო პროცესში ხელოვნური ინტელექტის აგენტებს შეიძლება დასჭირდეთ ვექტორული მონაცემთა ბაზების გარდა სხვა ინსტრუმენტებიც. სტატიაში აღნიშნულია მზარდი ინტერესი იმის მიმართ, რომ აგენტებს შეეძლოთ ბრძანების ხაზის ინსტრუმენტებით უშუალოდ ნედლი ფაილებისა და კორპუსების მოძიება. ეს იმაზე მიუთითებს, რომ აგენტებს შეიძლება უფრო პრაქტიკული „ხელები“ ჰქონდეთ და არა მხოლოდ უკეთესი მეხსიერება, განსაკუთრებით მაშინ, როდესაც მათ რთულ სისტემებში ინფორმაციის შემოწმება, მოძიება ან მანიპულირება სჭირდებათ.
როგორ შეიძლება მოპარულმა მომვლელი ანგარიშებმა გავლენა მოახდინოს npm პაკეტის უსაფრთხოებაზე?
მოპარული მომვლელის ავტორიზაციის მონაცემებმა შეიძლება მავნე პაკეტები სანდოდ წარმოაჩინოს, როდესაც თავდამსხმელები იყენებენ მოქმედ ანგარიშებსა და სერტიფიკატებს. npm მაგალითში, როგორც ამბობენ, წარმომავლობის შემოწმება წარმატებით დასრულდა, რადგან პირადობის სიგნალი ლეგიტიმური ჩანდა. რისკი განსაკუთრებით სერიოზულია ხელოვნური ინტელექტის კოდირების სამუშაო პროცესებისთვის, სადაც დეველოპერის მანქანები, პაკეტის მენეჯერები, კოდირების აგენტები და CI სისტემები შეიძლება გახდნენ ერთი დაკავშირებული შეტევის ზედაპირი.
რატომ არის OpenAI-ის სინგაპურის გაფართოება მნიშვნელოვანი ხელოვნური ინტელექტის დანერგვისთვის?
OpenAI-ის სინგაპურში გაფართოება მოიცავს მის პირველ გამოყენებითი ხელოვნური ინტელექტის ლაბორატორიას აშშ-ს გარეთ, რომელიც ფოკუსირებულია პრაქტიკულ დანერგვაზე, ადგილობრივ ნიჭიერებასა და საჯარო სექტორის წვდომაზე. ეს სინგაპურს უფრო დიდ როლს ანიჭებს აზია-წყნარი ოკეანის ხელოვნური ინტელექტის ინფრასტრუქტურის რუკაზე. ეს ასევე აჩვენებს, თუ როგორ გაფართოვდებიან ძირითადი ხელოვნური ინტელექტის კომპანიები მოდელის შემუშავების მიღმა რეგიონულ დანერგვასა და გამოყენებით გამოყენების შემთხვევებზე.