🏛️ ხელოვნური ინტელექტის შესახებ კანონპროექტი, რომლის მიღებაც თეთრ სახლს სურს ↗
ვაშინგტონი ხელოვნური ინტელექტის შესახებ პირველი დიდი ფედერალური კანონის მიღებას ცდილობს, ოფიციალური პირები კი ამტკიცებენ, რომ აშშ-ს სჭირდება ერთიანი ეროვნული ჩარჩო და არა შტატების მიხედვით ფრაგმენტული ნაქსოვი სისტემა. ეს იდეა წლების განმავლობაში ვრცელდებოდა, მაგრამ ახლა მას უფრო მწვავე აქტუალობა ახასიათებს.
ზეწოლა ერთდროულად ყველა მხრიდან მოდის - მომხმარებელთა დაცვა, ეროვნული უსაფრთხოება, მონაცემთა წესები და გლობალური კონკურენცია. აღსანიშნავია, რომ თითქმის ყველა თანხმდება, რომ ხელოვნურ ინტელექტს წესები სჭირდება, თუმცა ის ფორმა, რომელიც ამ წესებს უნდა მიეცეს, ჯერ კიდევ ნაწილობრივ არის დახატული, თითქოს ვიღაცამ მონახაზი შექმნა და ცენტრი დაუმთავრებელი დატოვა.
🧠 ხელოვნური ინტელექტის ბუმი აჩქარებს ჩინეთის ჩიპების ინდუსტრიის ზრდას, რადგან მოთხოვნა მიწოდების ჯაჭვს ამძიმებს ↗
ჩინეთის ჩიპების ინდუსტრია ხელოვნური ინტელექტის მოთხოვნიდან მნიშვნელოვან ბიძგს იღებს, ხოლო აღმასრულებლები აცხადებენ, რომ ზრდა მოლოდინს აჭარბებს, რადგან მოდელების ტრენინგი და ინფერენცია სულ უფრო და უფრო მოწინავე აპარატურას შთანთქავს. ამაში არაფერია შეუმჩნეველი - ხელოვნურ ინტელექტს ჩიპები სჭირდება, შემდეგ მეტი ჩიპი, შემდეგ რატომღაც ისევ მეტი.
საქმე იმაშია, რომ მიწოდების ჯაჭვი დაძაბულობის ქვეშაა. რადგან ჩიპები უფრო რთული და მომთხოვნი ხდება მუშაობის მხრივ, მთელი ეკოსისტემა - დიზაინი, შეფუთვა, წარმოება - წითელ ხაზთან ცოტათი ზედმეტად ახლოს მიყვანილ ძრავას ემსგავსება.
🌐 Openreach იყენებს Google-ის ხელოვნურ ინტელექტს ოპტიკურ-ბოჭკოვანი ქსელის დანერგვის დასაჩქარებლად და ემისიების შესამცირებლად ↗
Openreach იყენებს Google-ის ხელოვნურ ინტელექტს ოპტიკურ-ბოჭკოვანი ქსელის უფრო ეფექტურად განსათავსებლად, რაც მიზნად ისახავს განლაგების დაჩქარებას და ამავდროულად ემისიების შემცირებას. ეს არის ძალიან პრაქტიკული ხელოვნური ინტელექტის ისტორია, რომელიც სასიამოვნოდ ჟღერს - ნაკლები რობოტული ლირიზმი, მეტი კაბელი მიწაში.
წინაპირობა ის არის, რომ მარშრუტის უკეთესმა დაგეგმვამ და უფრო ჭკვიანურმა ოპერაციულმა გადაწყვეტილებებმა შეიძლება შეამციროს მგზავრობის ნარჩენები და გააუმჯობესოს მშენებლობის ეფექტურობა. ერთი შეხედვით, შესაძლოა, ეს მოსაწყენი იყოს, მაგრამ ეს ისეთი რამაა, რაც უმნიშვნელოდ ითვლება - ხელოვნური ინტელექტი, როგორც გასაღები და არა ჯადოსნური ჯოხი.
💸 ხელოვნური ინტელექტის სფეროში რბოლის გამწვავების ფონზე, Meta-მ მაღალი თანამდებობის პირების ხელფასები აქციების ოფციონებით გაზარდა ↗
ხელოვნური ინტელექტის ნიჭიერებისთვის ბრძოლის გამწვავების პარალელურად, „მეტა“ ტოპ-მენეჯერებს აქციების უფრო დიდ ჯილდოებს ანიჭებს. ეს თავისთავად ბევრ რამეზე მეტყველებს - როდესაც რბოლა მწვავდება, ჩეკების წიგნაკები უფრო ხმამაღლა საუბრობენ.
ეს ნაბიჯი, როგორც ჩანს, შენარჩუნებისკენ მიმართული ნაბიჯია, რადგან კონკურენტები ფულს, პრესტიჟსა და უზარმაზარ გამოთვლით ბიუჯეტებს ხარჯავენ. ეს განსაკუთრებით გასაკვირი არ არის, თუმცა ხაზს უსვამს, თუ როგორ გადადის ხელოვნურ ინტელექტზე დახარჯული თანხები ჩიპებისა და მონაცემთა ცენტრების მიღმა და პირდაპირ შიდა ძალაუფლების პოლიტიკაზე გადადის.
🇮🇳 ინდოეთიდან ექსპერტების ცნობით, Mercor-ის კონკურენტმა Deccan AI-მ 25 მილიონი დოლარი მოიზიდა ↗
Deccan AI-მ 25 მილიონი დოლარი მოიზიდა ტრენინგის შემდგომ მონაცემებსა და შეფასებაზე მუშაობის გასაფართოებლად, ინდოეთში დაფუძნებულ ექსპერტთა სამუშაო ძალაზე დაყრდნობით. ეს იმის შეხსენებაა, რომ მოწინავე ხელოვნური ინტელექტი მხოლოდ დახვეწილ ლაბორატორიებში არ იქმნება - არსებითი რეგულირების დიდი ნაწილი ნაკლებად მომხიბვლელ ფენებში ხდება.
სტარტაპი ხელს უწყობს ისეთი სფეროების გაუმჯობესებას, როგორიცაა კოდირების მუშაობა, აგენტის ქცევა და ინსტრუმენტების გამოყენება, რომლებიც სწორედ ის ნაწილებია, რომლებზეც კომპანიები ზრუნავენ საბაზისო მოდელის დანერგვის შემდეგ. ასე რომ, დიახ, ხელოვნური ინტელექტის ბუმი კვლავ გიგანტურ მოდელებს ეხება, მაგრამ ასევე მათ გარშემო შემოხვეულ ადამიანურ ჩარჩოებსაც.
🗜️ Google-მა წარმოადგინა TurboQuant, ხელოვნური ინტელექტის მეხსიერების შეკუმშვის ახალი ალგორითმი - და დიახ, ინტერნეტი მას „Pied Piper“-ს უწოდებს ↗
Google-ის მკვლევრებმა აღმოაჩინეს TurboQuant, მეხსიერების შეკუმშვის მეთოდი, რომელიც შექმნილია ხელოვნური ინტელექტის სამუშაო მეხსიერების შესამცირებლად, შესრულების შემცირების გარეშე. ძალიან ტექნიკური, Google-ის მსგავსი - და მაინც ინტერნეტმა ის თითქმის მაშინვე სიტკომის ხუმრობად აქცია, რადგან, რა თქმა უნდა, ასეც მოხდა.
მნიშვნელოვანია ეფექტურობის კუთხე. თუ მოდელები შეძლებენ უფრო შინაარსიანი კონტექსტის შენარჩუნებას ნაკლები მეხსიერების გამოყენებით, ამან შეიძლება შეამსუბუქოს ხელოვნური ინტელექტის სისტემებში არსებული რეალური შეფერხება. ეს ნიშურად ჟღერს, სანამ არ გავიხსენებთ, რომ უკეთესი შეკუმშვა შეიძლება უფრო იაფ, სწრაფ და უფრო ეფექტურ პროდუქტებად იქცეს.
👷 ხელოვნური ინტელექტის კომპანია აცხადებს, რომ ხელოვნური ინტელექტის უნარების დეფიციტი აქ არის და ძლიერი მომხმარებლები წინ მიიწევენ ↗
Anthropic-ის შრომის ბაზრის შესახებ უახლესი კვლევის თანახმად, ხელოვნურმა ინტელექტმა ჯერ არ გამოიწვია სამუშაო ადგილების ფართომასშტაბიანი შემცირება, მაგრამ ის ქმნის უფსკრულს იმ ადამიანებს შორის, რომლებმაც კარგად იციან, როგორ გამოიყენონ ეს ინსტრუმენტები და ყველა დანარჩენს. როგორც ჩანს, ამ ეტაპზე მთავარი ამბავი სწორედ ეს არის - არა მასობრივი ჩანაცვლება, ჯერ არა, არამედ არათანაბარი აჩქარება.
გამოცდილი მომხმარებლები უფრო სწრაფები და ეფექტურები ხდებიან, მაშინ როცა ახალგაზრდა ან ახალი თანამშრომლები შეიძლება პირველებმა იგრძნონ ცვლილება. ეს ჰგავს ოფისის ნახევარს რეაქტიული პაკეტების მიცემას და დანარჩენებს სწრაფი სიარულისკენ სწრაფვისკენ სწრაფვისკენ სწრაფვას.
ხშირად დასმული კითხვები
რატომ ცდილობს თეთრი სახლი ხელოვნური ინტელექტის შესახებ ფედერალური კანონის მიღებას ახლა?
სტატიაში ნათქვამია, რომ აქტუალობა კიდევ უფრო გამძაფრდა, რადგან ერთდროულად რამდენიმე ზეწოლა იყრის თავს: მომხმარებელთა დაცვა, ეროვნული უსაფრთხოება, მონაცემთა მმართველობა და საერთაშორისო კონკურენცია. ხელოვნური ინტელექტის შესახებ ფედერალური კანონი წარმოდგენილია, როგორც გზა ფრაგმენტული, შტატების მიხედვით ერთგვარი ნაქსოვი სისტემის თავიდან ასაცილებლად. ღია კითხვა აღარ არის ის, საჭიროა თუ არა წესები, არამედ ის, თუ რა ფორმა უნდა მიიღოს ამ წესებმა პრაქტიკაში.
რას წყვეტს ერთიანი ეროვნული ხელოვნური ინტელექტის ჩარჩო შტატების წესებთან შედარებით?
ეროვნული ჩარჩო ზოგადად გაამარტივებდა შესაბამისობის მოთხოვნას იმ კომპანიებისთვის, რომლებიც ქმნიან ან ნერგავენ ხელოვნურ ინტელექტს მთელ აშშ-ში. ყველა შტატში განსხვავებული ვალდებულებების ნავიგაციის ნაცვლად, ბიზნესებს შეეძლოთ ერთი საბაზისო პრინციპით ემოქმედათ. სტატიაში ნათქვამია, რომ პოლიტიკის შემქმნელებს ეს მნიშვნელოვნად მიაჩნიათ როგორც შიდა სიცხადისთვის, ასევე გლობალური კონკურენტუნარიანობის შესანარჩუნებლად.
რატომ ახდენს ხელოვნური ინტელექტის მოთხოვნა ასეთ დიდ დატვირთვას ჩინეთის ჩიპების მიწოდების ჯაჭვზე?
სტატიაში პირდაპირ დინამიკაზეა მითითებული: მოდელის ტრენინგი და ინფერენცია კვლავ უფრო მოწინავე აპარატურას მოიხმარს. მოთხოვნის ზრდასთან ერთად, ზეწოლა მთელ დასტაზე გადადის, მათ შორის ჩიპების დიზაინზე, შეფუთვასა და წარმოებაზე. პრობლემა არა მხოლოდ მოცულობაა, არამედ მზარდი შესრულებისა და სირთულის მოთხოვნები, რაც მიწოდების ჯაჭვის სუფთა მასშტაბირებას ართულებს.
როგორ გამოიყენება ხელოვნური ინტელექტი რეალურ ინფრასტრუქტურულ პროექტებში, როგორიცაა ბოჭკოვანი ტექნოლოგიის განლაგება?
ამ შემთხვევაში, ხელოვნური ინტელექტი ნაკლებად გამოიყენება, როგორც მთავარი პროდუქტისა და უფრო მეტად, როგორც ოპერაციული ინსტრუმენტის. Openreach იყენებს Google-ის ხელოვნურ ინტელექტს დაგეგმვის გასაუმჯობესებლად, უაზრო მგზავრობების შესამცირებლად და დანერგვის შესახებ გადაწყვეტილებების უფრო ეფექტური გასაკეთებლად. ეს მნიშვნელოვანია, რადგან მარშრუტიზაციისა და დაგეგმვის მხრივ მცირედი ზრდაც კი შეიძლება დააჩქაროს დანერგვა და ამავდროულად ხელი შეუწყოს ემისიების შემცირებას.
რატომ ზრდიან Meta-ს მსგავსი კომპანიები აღმასრულებელი აქციების ჯილდოებს ხელოვნური ინტელექტის რბოლის დროს?
სტატიაში ეს საკითხი ნიჭისა და შენარჩუნების საკითხად არის წარმოდგენილი. ხელოვნური ინტელექტის სფეროში კონკურენციის გამწვავების პარალელურად, კომპანიები ხარჯავენ არა მხოლოდ ჩიპებსა და მონაცემთა ცენტრებზე, არამედ იმაზეც, რომ უფროსი ლიდერები სხვაგან არ მიიზიდონ. აქციების უფრო დიდი ფასდაკლებები იმაზე მიუთითებს, რომ უპირატესობისთვის ბრძოლა ახლა შიდა სტიმულებზე, სტატუსსა და გრძელვადიან ანაზღაურებაზე ვრცელდება.
როგორ გამოიყურება სინამდვილეში ხელოვნური ინტელექტის უნარების დეფიციტი ამჟამად?
სტატიის თანახმად, ამჟამინდელი ტენდენცია ნაკლებად ეხება სამუშაო ადგილების ფართომასშტაბიან შემცირებას და უფრო მეტად არათანაბარ მოგებას. ადამიანები, რომლებმაც უკვე იციან, როგორ გამოიყენონ ხელოვნური ინტელექტის ინსტრუმენტები ეფექტურად, უფრო სწრაფები და პროდუქტიულები ხდებიან, ზოგი კი ჩამორჩენის რისკის ქვეშაა. ეს ქმნის გუნდებში მზარდ უფსკრულს, განსაკუთრებით იქ, სადაც ახალ თანამშრომლებს ნაკლები გამოცდილება აქვთ ხელოვნური ინტელექტის პრაქტიკულ პროდუქტად გადაქცევაში.