🏛️ Neįmanomas dirbtinio intelekto įstatymo projektas, kurį nori priimti Baltieji rūmai ↗
Vašingtonas siekia priimti tai, kas galėtų tapti pirmuoju dideliu federaliniu dirbtinio intelekto įstatymu, o pareigūnai teigia, kad JAV reikia vieningos nacionalinės sistemos, o ne suskaidyto, atskirų valstijų kratinio. Ši idėja sklando jau daugelį metų, tačiau dabar ji tapo dar skubesnė.
Spaudimas jaučiamas iš visų pusių vienu metu – vartotojų apsaugos, nacionalinio saugumo, duomenų taisyklių ir pasaulinės konkurencijos. Svarbu tai, kad beveik visi sutinka, jog dirbtiniam intelektui reikia taisyklių, tačiau tų taisyklių forma vis dar atrodo nubrėžta tik iš dalies, tarsi kažkas būtų nubrėžęs esmę, o esmė būtų palikta nebaigta.
🧠 Dirbtinio intelekto bumas spartina Kinijos lustų pramonės augimą, nes paklausa įtempia tiekimo grandinę ↗
Kinijos lustų pramonė patiria didelį spaudimą dėl dirbtinio intelekto paklausos, o vadovai teigia, kad augimas lenkia lūkesčius, nes modelių mokymas ir išvados sunaudoja vis pažangesnę aparatinę įrangą. Čia nėra nieko subtilaus – dirbtiniam intelektui reikia lustų, tada dar daugiau lustų, o tada kažkaip vėl daugiau.
Problema ta, kad tiekimo grandinė patiria įtampą. Lustams tampant vis sudėtingesniems ir reikalaujantiems vis daugiau našumo, visa ekosistema – projektavimas, pakavimas, gamyba – pradeda panašėti į variklį, kuris šiek tiek per daug priartinamas prie raudonos linijos.
🌐 „Openreach“ pasitelkia „Google“ dirbtinį intelektą, kad paspartintų šviesolaidinio interneto diegimą ir sumažintų išmetamųjų teršalų kiekį ↗
„Openreach“ naudoja „Google“ dirbtinį intelektą, kad efektyviau planuotų šviesolaidinio ryšio diegimą, siekdama paspartinti diegimą ir kartu sumažinti išmetamųjų teršalų kiekį. Tai labai praktiška dirbtinio intelekto istorija, kuri džiugina – mažiau robotų lyrizmo, daugiau žemėje esančių kabelių.
Prielaida yra ta, kad geresnis maršrutų planavimas ir sumanesni veiklos sprendimai galėtų sumažinti nereikalingas keliones ir pagerinti statybų efektyvumą. Iš pirmo žvilgsnio galbūt nuobodu, tačiau būtent tai yra dalykas, kuris svarbus tyliai – dirbtinis intelektas kaip veržliaraktis, o ne stebuklinga lazdelė.
💸 „Meta“ didina aukščiausių vadovų atlyginimus siūlydama akcijų pasirinkimo sandorius, įkaistant dirbtinio intelekto lenktynėms ↗
„Meta“ skiria aukščiausiems vadovams didesnius akcijų apdovanojimus, nes kova dėl dirbtinio intelekto talentų įkaista. Tai jau savaime daug ką pasako – kai lenktynės įkaista, rezultatai kalba garsiau.
Šis žingsnis atrodo kaip būdas išlaikyti darbuotojus, nes konkurentai ir toliau mėtosi pinigais, prestižu ir didžiuliais skaičiavimo biudžetais. Tai nėra itin stebinanti, nors pabrėžia, kaip dirbtinio intelekto išlaidos dabar peržengia lustų ir duomenų centrų ribas ir tiesiogiai paveikia vidinę galios politiką.
🇮🇳 „Merco“ konkurentė „Deccan AI“ pritraukia 25 mln. dolerių, teigia Indijos ekspertai ↗
„Deccan AI“ surinko 25 mln. dolerių, kad išplėstų savo darbą, susijusį su duomenimis ir vertinimu po mokymų, pasitelkdama Indijoje dirbančią ekspertų darbo jėgą. Tai primena, kad dirbtinis intelektas tarp pažangių technologijų nėra kuriamas vien tik išbaigtose laboratorijose – didelė dalis esminio derinimo atliekama mažiau prabangiuose sluoksniuose.
Startuolis padeda tobulinti tokias sritis kaip kodavimo našumas, agentų elgsena ir įrankių naudojimas – būtent tai, kas įmonėms rūpi, kai bazinis modelis jau sukurtas. Taigi, taip, dirbtinio intelekto bumas vis dar susijęs su milžiniškais modeliais, bet taip pat ir su juos supančia žmogiškąja grandimi.
🗜️ „Google“ pristato „TurboQuant“ – naują dirbtinio intelekto atminties glaudinimo algoritmą – ir taip, internetas jį vadina „Pied Piper“ ↗
„Google“ tyrėjai pristatė „TurboQuant“ – atminties glaudinimo metodą, skirtą dirbtinio intelekto darbinei atminčiai sumažinti nesumažinant našumo. Labai techniškas, labai „Google“ stiliaus metodas, tačiau internetas beveik iš karto pavertė jį situacijų komedijos pokštu, nes, žinoma, taip ir buvo.
Svarbus yra efektyvumo aspektas. Jei modeliai gali išlaikyti prasmingesnį kontekstą, naudodami mažiau atminties, tai galėtų sumažinti tikrą dirbtinio intelekto sistemų kliūtį. Tai skamba nišine prasme, kol neprisimename, kad geresnis glaudinimas gali sukelti pigesnius, greitesnius ir galingesnius produktus.
👷 Dirbtinio intelekto bendrovės teigimu, jau yra dirbtinio intelekto įgūdžių spraga, o pagrindiniai vartotojai pirmauja ↗
Naujausia „Anthropic“ darbo rinkos analizė rodo, kad dirbtinis intelektas dar nesukėlė didelio darbo vietų praradimo, tačiau didina atotrūkį tarp žmonių, kurie moka gerai naudotis šiais įrankiais, ir visų kitų. Šiuo metu atrodo, kad tai yra pagrindinė tema – ne masinis pakeitimas, dar ne, o netolygus spartėjimas.
Energingi vartotojai tampa greitesni ir efektyvesni, o jaunesni ar naujesni darbuotojai gali pirmieji pajusti pokytį. Tai šiek tiek panašu į tai, lyg pusei biuro darbuotojų duotumėte reaktyvines kuprines, o kitiems lieptumėte greitai vaikščioti.
DUK
Kodėl Baltieji rūmai dabar siekia federalinio dirbtinio intelekto įstatymo?
Straipsnyje teigiama, kad skubumas sustiprėjo, nes vienu metu susiduria keli spaudimo sritys: vartotojų apsauga, nacionalinis saugumas, duomenų valdymas ir tarptautinė konkurencija. Federalinis dirbtinio intelekto įstatymas pateikiamas kaip būdas išvengti suskaidyto, atskirose valstijose egzistuojančio painiavos. Atviras klausimas nebėra tas, ar reikia taisyklių, o kokia forma jos turėtų būti taikomos praktiškai.
Ką išsprendžia viena nacionalinė dirbtinio intelekto sistema, palyginti su atskiroms valstijoms taikomomis taisyklėmis?
Nacionalinė sistema paprastai supaprastintų atitiktį reikalavimams įmonėms, kurios kuria ar diegia dirbtinį intelektą visoje JAV. Užuot taikius skirtingas prievoles kiekvienoje valstijoje, įmonės galėtų veikti pagal vieną bazinį standartą. Straipsnyje teigiama, kad politikos formuotojai tai laiko svarbiu tiek šalies viduje užtikrinant aiškumą, tiek išlaikant pasaulinį konkurencingumą.
Kodėl dirbtinio intelekto paklausa taip smarkiai apkrauna Kinijos lustų tiekimo grandinę?
Straipsnyje atkreipiamas dėmesys į paprastą dinamiką: modelių mokymas ir išvadų darymas ir toliau naudoja vis modernesnę įrangą. Didėjant paklausai, spaudimas persmelkia visą lustų rinkinį, įskaitant lustų projektavimą, pakavimą ir gamybą. Problema yra ne tik didžiulis kiekis, bet ir didėjantys našumo bei sudėtingumo reikalavimai, dėl kurių tiekimo grandinę sunkiau švariai išplėsti.
Kaip dirbtinis intelektas naudojamas tikruose infrastruktūros projektuose, tokiuose kaip šviesolaidinio interneto diegimas?
Šiuo atveju dirbtinis intelektas naudojamas ne tiek kaip antraštes patraukiantis produktas, kiek kaip operacinė priemonė. „Openreach“ taiko „Google“ dirbtinį intelektą, kad pagerintų planavimą, sumažintų nereikalingas keliones ir efektyviau priimtų sprendimus dėl diegimo. Tai svarbu, nes net ir nedideli maršrutų sudarymo ir planavimo patobulinimai gali paspartinti diegimą ir kartu padėti sumažinti išmetamųjų teršalų kiekį.
Kodėl tokios įmonės kaip „Meta“ didina vadovų akcijų apdovanojimus dirbtinio intelekto lenktynių metu?
Straipsnyje tai apibrėžiama kaip talentų ir darbuotojų išlaikymo klausimas. Didėjant konkurencijai dirbtinio intelekto srityje, įmonės skiria lėšų ne tik lustams ir duomenų centrams, bet ir tam, kad vyresnieji vadovai nebūtų perkeliami kitur. Didesni akcijų apdovanojimai rodo, kad kova dėl pranašumo dabar apima ir vidines paskatas, statusą ir ilgalaikį atlyginimą.
Kaip iš tikrųjų atrodo dirbtinio intelekto įgūdžių trūkumas šiuo metu?
Straipsnyje teigiama, kad dabartinė tendencija yra ne tokia, kad darbo vietų būtų prarasta daug, o labiau – kad darbo vietų augimas būtų nevienodas. Žmonės, kurie jau moka efektyviai naudoti dirbtinio intelekto įrankius, tampa greitesni ir produktyvesni, o kiti rizikuoja atsilikti. Tai didina atotrūkį komandose, ypač ten, kur naujesni darbuotojai turi mažiau patirties, kaip dirbtinį intelektą paversti praktiniu rezultatu.