💻 OpenAI ხელოვნური ინტელექტის კოდირების რბოლაში პოზიციების დასაკავებლად Codex აპლიკაციას უშვებს ↗
OpenAI-მ გამოუშვა Codex-ის დესკტოპის აპლიკაცია, რომელიც ერთდროულად რამდენიმე კოდირების აგენტის მართვის საკონტროლო ცენტრს ჰგავს და არა მხოლოდ ერთ ჩატის თემას, რომელსაც ხუთი წუთის შემდეგ გონებაში უგულებელყოფთ.
განწყობა ასეთია: „პატარა ჯგუფის ზედამხედველობა“, პარალელური სამუშაო ნაკადებითა და უფრო ხანგრძლივი დავალებებით, რაც პროდუქტიულად ჟღერს... და ასევე თითქოს პატარა, დაუღალავი სტაჟიორების მართვაში დაგაწინაურეს.
ეს საკმაოდ პირდაპირი დარტყმაა მეტოქეებისთვის, რომლებიც ბოლო დროს კოდირების ინსტრუმენტებს იყენებენ. არა დამაჯერებელი დარტყმა, არამედ ჩვეულებრივზე უფრო ხმამაღალი ბიძგი.
⚙️ ექსკლუზიური: წყაროების ცნობით, OpenAI უკმაყოფილოა Nvidia-ს ზოგიერთი ჩიპით და ალტერნატივებს ეძებს ↗
პრეტენზია არ არის „დიდი მოდელების წვრთნის შეუძლებლობა“ - ეს არის ინფერენციის სიჩქარე, მომენტი, როდესაც მოდელს უწევს პასუხების სწრაფად, ისევ და ისევ, მასშტაბურად გაცემა. Nvidia კვლავ ცენტრალურ ადგილს იკავებს, მაგრამ ზეწოლის წერტილები იცვლება.
ამიტომ კომპანია ალტერნატივებს ეძებს, მათ შორის AMD-ს და სპეციალიზებულ პლეერებს, როგორიცაა Cerebras და Groq - ისეთი აპარატურა, რომელიც შეყოვნებისა და ჩიპში ჩაშენებული მეხსიერების ხარჯზე მუშაობს.
საჯაროდ ყველა კვლავ თავაზიანი (თითქმის შემაშფოთებლად თავაზიანი) არის, მაგრამ ქვეტექსტი ნათელია: თუ კოდირების აგენტები ახალი პოპულარული რამ არიან, სიჩქარე აღარ იქნება „კარგი საქციელი“ და მთელ თამაშში მთავარ როლს თამაშობს.
🏗️ Oracle-ის აქციები გაიზარდა, რადგან 50 მილიარდი დოლარის ზრდამ მონაცემთა ცენტრის დაფინანსების შიშები შეამსუბუქა ↗
Oracle-მა შეიმუშავა გეგმა, რომლის მიხედვითაც, ვალებისა და აქციების მეშვეობით უზარმაზარი თანხები უნდა მოეზიდა, რაც მიზნად ისახავდა მონაცემთა ცენტრის მშენებლობის დაფინანსებას, რომელიც მჭიდრო კავშირში იქნებოდა მის ყველაზე დიდ ხელოვნური ინტელექტის ვალდებულებებთან.
ანალიტიკოსებმა ეს ასე ჩამოაყალიბეს: „კარგი, ალბათ შეგიძლია გადაიხადო“, რაც სასაცილო ერთგვარი ნუგეშია - თითქოს გეუბნებიან, რომ შენს თვითმფრინავს, სავარაუდოდ, საკმარისი საწვავი აქვს.
დაფინანსების გეგმის მიუხედავად, ნერვიული ფიქრი მაინც მიპყრობს ყურადღებას: ხელოვნური ინტელექტის ინფრასტრუქტურაზე დახარჯული ეს ყველაფერი ხანგრძლივ მოგებად იქცევა თუ უბრალოდ ძალიან ძვირადღირებულ მოციმციმე შუქებად.
🌿 Carbon Robotics-მა შექმნა ხელოვნური ინტელექტის მოდელი, რომელიც მცენარეებს ამოიცნობს და ამოიცნობს ↗
Carbon Robotics-მა წარმოადგინა „დიდი მცენარის მოდელი“, რომელიც ლაზერზე დაფუძნებული სარეველების საწმენდი რობოტების ენერგიას უზრუნველყოფს - რაც, დიახ, მაინც მულტფილმის ბოროტმოქმედის მოწყობილობას ჰგავს, მაგრამ როგორც ჩანს, ის რეალური და პრაქტიკულია.
პრაქტიკული გამარჯვება დიდია: სისტემას შეუძლია ახალი სარეველების ამოცნობა ნელი „ეტიკეტირება, გადამზადება, ლოდინი“ ციკლის გარეშე. ფერმერებს შეუძლიათ მიუთითონ, რა მოკლან და რა დაზოგონ, რობოტი კი ადაპტირდება სრული გადატვირთვის გარეშე.
ეს ერთ-ერთი იმ ხელოვნური ინტელექტის ისტორიათაგანია, რომელიც ოდნავ უფრო მნიშვნელოვნად გვეჩვენება, ვიდრე თვალისმომჭრელი დემოები - ნაკლები პოეზია, მეტი საკვების მარაგი.
⚖️ Anthropic იურიდიულ ტექნოლოგიებში გადადის ↗
Anthropic ნერგავს დანამატებს, რომლებიც მის მოდელს რეალურ სამუშაო პროცესებში რთავს, მათ შორის იურიდიულ დანამატს, რომელიც დოკუმენტების განხილვასა და კონტრაქტების ანალიზზეა ორიენტირებული. ეს ისეთი სამუშაოა, რომელსაც ხალხი „ნიუანსირებულად“ მიიჩნევს... მანამ, სანამ ზედიზედ 200 თითქმის იდენტურ პუნქტს არ შეასრულებს.
თუმცა, ეს იურიდიული გუნდების ერთი დაწკაპუნებით ჩანაცვლება არ არის. ამ ყველაფრის დანერგვას მაინც სჭირდება ტექნიკური უნარები და ყველა, როგორც უნდა იყოს, მონაცემთა უსაფრთხოებაზე იქნება ორიენტირებული.
ოდნავ პიკანტური დასკვნა: ვიწრო ავტომატიზაციაზე აგებული ლეგალური პროგრამული უზრუნველყოფის მომწოდებლები შეიძლება მოულოდნელად გაცილებით ნაკლებად განსაკუთრებულად გამოიყურებოდნენ.
🧬 ConcertAI იწყებს დაჩქარებულ კლინიკურ კვლევებს, რომლებიც აგენტის ხელოვნური ინტელექტის გამოყენებით რადიკალურად ამცირებს კვლევების ვადებს ↗
ConcertAI-მ წარმოადგინა „დაჩქარებული კლინიკური კვლევების“ პლატფორმა, რომელიც აგებულია აგენტურ ხელოვნურ ინტელექტზე და მიზნად ისახავს რთული ნაწილების - პროტოკოლის დიზაინის, მიზანშეწონილობის შემოწმების, ადგილმდებარეობის შერჩევის, დაკომპლექტების და მთელი ჩახლართული ჯაჭვის - დაჩქარებას.
ისინი აცხადებენ, რომ ვადებისა და შესწორებების დიდ შემცირებას ცდილობენ რეალური სამყაროსა და საკუთრების მონაცემების გამოყენებით, პლუს საერთო კვლევით წყაროებთან დამაკავშირებელი აგენტების გამოყენებით. ამბიციურად ჟღერს - და კლინიკურ ოპერაციებს შეიძლება დასჭირდეთ ხახუნის მოხსნის მაგია.
თუ ის ნახევრად მაინც იმუშავებს, ეს ნაკლებად ნიშნავს „ხელოვნური ინტელექტი ყველაფერს კურნავს“ და მეტს ნიშნავს „ხელოვნური ინტელექტი მანქანას ჩიხში შეჰყავს“, რაც, შესაძლოა, პროგრესის უფრო დამაჯერებელი სახეობაა.
ხშირად დასმული კითხვები
რა არის OpenAI Codex აპლიკაცია და რას აკეთებს ის?
OpenAI Codex აპლიკაცია აღწერილია, როგორც დესკტოპის „სამეთაურო ცენტრი“, რომელიც ერთდროულად რამდენიმე კოდირების აგენტის კოორდინაციას უზრუნველყოფს. ერთ ჩატის თემაში ყოფნის ნაცვლად, ის მხარს უჭერს პარალელურ სამუშაო ნაკადებს და უფრო ხანგრძლივ დავალებებს, რომელთა ზედამხედველობაც შეგიძლიათ. მიზანია აგენტების მცირე „ჯგუფის“ მართვა, სანამ თქვენ განიხილავთ, მართავთ და აერთიანებთ მათ მიერ შექმნილ პროდუქტებს.
რით განსხვავდება OpenAI Codex აპლიკაცია ჩვეულებრივი კოდირების ჩატბოტისგან?
ტიპიური კოდირების ჩატბოტი ერთ სასაუბრო თემაზე რჩება მიბმული, ხოლო OpenAI Codex აპლიკაცია რამდენიმე აგენტის პარალელურად მართვაზეა აგებული. ეს სამუშაო პროცესს „კითხვა, ლოდინი, ხელახლა კითხვა“-დან „მრავალი დავალების დელეგირებასა და პროგრესის თვალყურის დევნებაზე“ გადააქვს. პრაქტიკაში, ეს შეიძლება უფრო პროექტის ზედამხედველობასთან უფრო ახლოს მოგეჩვენოთ, ვიდრე სუფთა ჩატთან, განსაკუთრებით მაშინ, როდესაც დავალებები სწრაფი რეაგირების ციკლს სცილდება.
რა სახის სამუშაოა ყველაზე შესაფერისი მრავალი კოდირების აგენტის ზედამხედველობისთვის?
ბევრ პროცესორში, მრავალაგენტიანი კონფიგურაციები წარმატებულია, როდესაც სამუშაოს დაყოფა შესაძლებელია პარალელურ ხაზებად, რომლებიც მაინც საჭიროებენ ადამიანის ზედამხედველობას. გავრცელებული ტენდენციაა ცალკეული აგენტების დანიშვნა გამართვის, ტესტების წერის, დოკუმენტების განახლებისა და ალტერნატიული იმპლემენტაციების შესასწავლად, მაშინ როდესაც თქვენ ინარჩუნებთ საერთო არქიტექტურის თანმიმდევრულობას. ყველაზე მეტად ეს ხელს უწყობს, როდესაც დავალებები მკაფიოდ არის განსაზღვრული, განსხვავებები დეტალურად არის განხილული და ცვლილებები კოორდინირებულია ისე, რომ აგენტები არ შეეჯახონ ერთმანეთს კოდის ბაზის ერთსა და იმავე ადგილებში.
რატომ აქვს ინფერენციის სიჩქარეს ასეთი დიდი მნიშვნელობა კოდირების აგენტებისთვის?
კოდირების აგენტებს შეუძლიათ მცირე, ხშირი მოთხოვნების სტაბილური ნაკადის გენერირება, განსაკუთრებით პარალელურად მუშაობისას და ინსტრუმენტებთან ურთიერთქმედებისას. შეყოვნება და გამტარუნარიანობა უფრო „მომხმარებელზე ორიენტირებული“ ხდება, ვიდრე ერთჯერადი მოდელის დემო ვერსიებში. როდესაც მასშტაბური რეაგირება შეფერხების ადგილად იქცევა, დასკვნის გამოტანის სიჩქარე პროდუქტის ძირითად შეზღუდვად იქცევა და არა ინფრასტრუქტურის მეორად დეტალად.
ხელოვნური ინტელექტის დასკვნებისთვის Nvidia-ს გარდა, კიდევ რა ჩიპების ალტერნატივები განიხილება?
ცნობების თანახმად, Nvidia კვლავ ცენტრალურ ადგილს იკავებს, თუმცა იზრდება ინტერესი უფრო სწრაფი ინფერენციებისკენ მიმართული ალტერნატივების მიმართ. ნახსენებ სახელებს შორისაა AMD და სპეციალიზებული მოთამაშეები, როგორიცაა Cerebras და Groq. აქცენტი ნაკლებად კეთდება „შეუძლია თუ არა მას ვარჯიში“-ზე და უფრო მეტად დაბალი შეყოვნების, მაღალი გამტარუნარიანობის სერვისზე, განსაკუთრებით აგენტური სამუშაო პროცესების მასშტაბირების ფონზე.
რატომ აგროვებს Oracle 50 მილიარდ დოლარამდე ინვესტიციას და რისთვის?
Oracle-მა შეიმუშავა გეგმა, რომლის მიხედვითაც, ხელოვნური ინტელექტის ძირითადი ვალდებულებების შესრულებასთან დაკავშირებული მონაცემთა ცენტრის მშენებლობის დასაფინანსებლად, ვალისა და კაპიტალის დიდი ნაზავი უნდა იქნას მოზიდული. ეს ნაბიჯი იმ შეშფოთების შესამსუბუქებლად არის წარმოდგენილი, შეუძლია თუ არა კომპანიას ინფრასტრუქტურის მსხვილი ხარჯების დაფინანსება. ინვესტორებისთვის აქტუალური კითხვაა, გახდება თუ არა ხელოვნური ინტელექტის დიდი კაპიტალური დანახარჯები მდგრადი შემოსავლის წყარო და არა უბრალოდ უფრო დიდი ხარჯები.
როგორ ცვლის Carbon Robotics-ის მცენარის მოდელი ლაზერული სარეველების მოსაშორებელ რობოტებს?
„Carbon Robotics“-მა წარმოადგინა „დიდი მცენარის მოდელი“, რომელიც ლაზერული მეთოდით სარეველების მოსაშორებლად მცენარეების აღმოსაჩენად და იდენტიფიცირებისთვისაა განკუთვნილი. მთავარი დაპირება უფრო სწრაფი ადაპტაციაა: ახალი სარეველების ამოცნობა მარკირების, გადამზადებისა და მოდელის სრული განახლების ლოდინის ნელი ციკლის გარეშე. ფერმერებს შეუძლიათ მიუთითონ, რა ამოიღონ და რა შეინახონ, ხოლო სისტემა შექმნილია ისე, რომ კორექტირება სრული გადატვირთვის გარეშე მოხდეს.
როგორ ვლინდება აგენტური ხელოვნური ინტელექტის ინსტრუმენტები იურიდიულ სამუშაოებსა და კლინიკურ კვლევებში?
Anthropic აღწერილია, როგორც დანამატების გამოშვება, რომლებიც ინტეგრირდება სამუშაო პროცესებში, მათ შორის იურიდიული დოკუმენტების განხილვასა და კონტრაქტების ანალიზში. ცალკე, ConcertAI-მ წამოიწყო „დაჩქარებული კლინიკური კვლევების“ პლატფორმა, რომელიც მიზნად ისახავს პროტოკოლის დიზაინის, მიზანშეწონილობის შემოწმების, ადგილმდებარეობის შერჩევისა და დაკომპლექტების დაჩქარებას. ორივე სფეროში პრაქტიკული დანერგვა, როგორც წესი, დამოკიდებულია უსაფრთხოებაზე, მმართველობასა და ფრთხილად ვალიდაციაზე და არა მხოლოდ მოდელის შესაძლებლობებზე.