🧱 „Nvidia“ investavo 2 milijardus dolerių į „CoreWeave“, kad paspartintų JAV duomenų centro statybą ↗
„Nvidia“ investavo 2 mlrd. dolerių į „CoreWeave“, taip sustiprindama ir taip glaudų infrastruktūros partnerystę – ir taip, rinka padarė nuspėjamą „oho, daugiau dirbtinio intelekto pajėgumų“ dalyką.
„CoreWeave“ tai įvardijo kaip duomenų centro plėtros (žemės, elektros energijos, plėtros) paskatą, o ne kaip slaptą žingsnį, skirtą perkelti daugiau lustų. Vis dėlto, kai didžiausias kastuvų pardavėjas finansuoja greičiausiai kastuvų naudotoją, potekstė rašosi pati.
🧠 „Microsoft“ pristato „Maia 200“ – naują dirbtinio intelekto išvadų lustą ↗
„Microsoft“ pristatė „Maia 200“ kaip kitą dirbtinio intelekto greitintuvą, orientuotą į išvadų darbo krūvius – „modelio paleidimas dideliu mastu“ dalį, kuri kainuoja realius pinigus ir tyliai nustato apribojimus viskam kitam.
Jie jį pristato kaip specialiai sukurtą „Azure“ diegimui ir šiuolaikinių modelių aptarnavimui, su pažįstamais teiginiais apie pralaidumą ir efektyvumą. Tai skamba taip, lyg „Microsoft“ griežčiau laikytųsi pozicijos „nesireikės amžinai pasikliauti visų kitų silicio procesoriais“... arba bent jau žengtų ta linkme.
🎭 „Synthesia“ vertė po finansavimo etapo beveik padvigubėjo iki 4 mlrd. dolerių ↗
„Synthesia“ pritraukė nemažą investicijų fondą ir pakėlė savo vertę iki 4 mlrd. dolerių – tai neįtikėtina suma, jei vis dar manote, kad dirbtinio intelekto avatarai tėra triukas. Pasirodo, įmonių mokymų biudžetai iš esmės yra begalinis biudžetas.
Jie teigia, kad šis pagreitis atsiranda dėl įmonių poreikio greitesniam, pigesniam vaizdo įrašų turiniui ir interaktyvesniems „vaidmenų žaidimo“ stiliaus mokymams. Ne visiems patinka dirbtinių kolegų atmosfera, tačiau vis tiek ši tendencija sparčiai auga.
🚨 ES pradeda tyrimą dėl X dėl seksualizuotų Groko vaizdų po neigiamos reakcijos ↗
ES reguliavimo institucijos pradėjo tyrimą dėl X, susijusį su susirūpinimu dėl „Grok“ ir platformoje platinamų seksualizuotų vaizdų. Pagrindinė įtampa yra labai paprasta: reguliavimo institucijos nori žinoti, ar X įvertino ir sumažino nuspėjamą žalą, ar pirmiausia išsiuntė prekes, o vėliau sprendė pasekmes.
Skaitmeninių paslaugų įstatymo aspektas svarbus, nes jis susijęs ne tik su individualiais įrašais – tai su sisteminės rizikos valdymu. X atkreipė dėmesį į apribojimus ir pokyčius, tačiau reguliavimo institucijos, regis, daugiausia dėmesio skiria tam, ar apsaugos priemonės praktiškai buvo pakankamos.
🏛️ JK vyriausybė didina Kembridžo superkompiuterių skaičių dirbtinio intelekto tyrimų ištekliams ↗
JK vyriausybė paskelbė apie papildomą finansavimą Kembridžo universiteto Dirbtinio intelekto tyrimų išteklių skaičiavimo pajėgumams išplėsti. Pagrindinė idėja – „daugiau prieigos prie rimtų skaičiavimo priemonių moksliniams tyrimams“, kurios, tiesą sakant, jau seniai yra kliūtis.
Tai taip pat atitinka platesnį JK iniciatyvų, susijusių su duomenų naudojimu ir viešosiomis paslaugomis, rinkinį. Tai galima suprasti kaip praktinę investiciją arba kaip JK bandymą išlikti dirbtinio intelekto lenktynėse, kol visi kiti kaupia grafikos procesorius.
📝 Transporto departamentas planuoja naudoti „Google Gemini“, kad padėtų rengti transporto taisykles ↗
„ProPublica“ pranešė, kad JAV Transporto departamentas svarsto galimybę naudoti „Google Gemini“ reglamentų rengimui, o rezultatus peržiūrėtų žmonės. Popieriuje tai skamba efektyviai, kol haliucinacija neįstringa išnašoje ir negarantuoja realaus rezultato.
Ataskaitose prieštaraujama atskaitomybei ir rizikai – taisyklių rengimas nėra tinklaraščio įrašas. Teoriškai dirbtinis intelektas galėtų padėti struktūrizuoti juodraščius ir išryškinti neatitikimus, tačiau tik tuo atveju, jei priežiūra būtų intensyvi, o procesas – skaidrus, – o būtent ši dalis dažnai būna neapgalvota.
DUK
Ką „Nvidia“ 2 mlrd. dolerių investicija į „CoreWeave“ reiškia dirbtinio intelekto infrastruktūrai JAV?
Tai rodo glaudesnį ryšį tarp pagrindinio lustų tiekėjo ir sparčiai plečiamo GPU debesijos teikėjo. „CoreWeave“ šias lėšas apibūdina kaip duomenų centro plėtros finansavimą, įskaitant žemę, elektros energiją ir statybas. Praktiškai tai gali reikšti didesnius trumpalaikius mokymo ir modelių veikimo pajėgumus. Tai taip pat kelia klausimų, kiek vertikaliai suderintos dirbtinio intelekto infrastruktūros pasiūla ir paklausa.
Kas yra „Microsoft Maia 200“ ir kodėl jis orientuotas į išvadų kūrimą?
„Maia 200“ yra kitas „Microsoft“ dirbtinio intelekto greitintuvas, skirtas išvadoms – modelių vykdymui dideliu mastu gamyboje. Išvadų srityje išlaidos gali greitai kauptis, nes jos yra susietos su realiu vartotojų srautu ir nuolat įjungtomis paslaugomis. „Microsoft“ jį apibūdina kaip specialiai sukurtą „Azure“ diegimui ir moderniam modelių teikimui. Platesnė žinutė – ilgalaikės priklausomybės nuo išorinio silicio mažinimas kuriant daugiau vidinių variantų.
Kodėl dirbtinio intelekto avatarų įmonės, tokios kaip „Synthesia“, yra taip vertinamos?
Esmė paprasta: įmonės nori greitesnio ir pigesnio vaizdo įrašų kūrimo mokymams ir vidinei komunikacijai. „Synthesia“ remiasi įmonių turinio ir interaktyvesnių „vaidmenų žaidimo“ stiliaus mokymų formatų paklausa. Šis komercinis atvejis gali būti keblus, nes jis patenka į pasikartojančius mokymų biudžetus. Tuo pačiu metu kai kurios organizacijos atsargiai vertina „sintetinio kolegos“ jausmą ir tai, kaip jis veikia kultūrą.
Ką ES tiria dėl X ir Groko seksualizuotų vaizdų pagal Skaitmeninių paslaugų įstatymą?
Dėmesys sutelkiamas ne tik į atskiras pareigybes, bet ir į tai, ar X įvertino ir sumažino nuspėjamą sisteminę riziką. Reguliavimo institucijos, regis, klausia, ar apsaugos priemonės buvo sukurtos ir taikomos taip, kad būtų išvengta žalingų pasekmių dideliu mastu. X atkreipė dėmesį į apribojimus ir pakeitimus, tačiau tyrimas daugiausia dėmesio skiria rizikos valdymo tinkamumui praktikoje. Tai yra bandymas, kaip DSA taikoma greitai besikeičiančioms generatyvinėms funkcijoms.
Kas yra JK dirbtinio intelekto tyrimų šaltinis Kembridže ir kodėl daugiau skaičiavimo darbų yra svarbu?
Dirbtinio intelekto tyrimų išteklius siūlomas kaip būdas išplėsti prieigą prie rimtų skaičiavimo pajėgumų tyrimams, kurie ilgą laiką buvo kliūtis. Didesni pajėgumai gali padėti universitetams ir tyrėjams atlikti didesnius eksperimentus ir greičiau juos tobulinti. Šis pranešimas taip pat atitinka platesnes JK pastangas duomenų naudojimo ir viešųjų paslaugų srityse. Iš esmės tai yra bandymas išlaikyti vietinių tyrimų konkurencingumą, didėjant pasaulinei GPU paklausai.
Ar JAV Transporto departamentas gali saugiai naudoti „Google Gemini“, kad padėtų rengti reglamentus?
Tai gali padėti struktūrizuoti juodraščius, apibendrinti įvestis ir pastebėti neatitikimus, tačiau tik esant intensyviai žmogaus priežiūrai. Pagrindinė rizika yra ta, kad į taisyklių rengimo procesą, kur detalės turi realių pasekmių, gali patekti klaidingo ar klaidinančio teksto. Įprastas požiūris yra traktuoti dirbtinio intelekto išvestį kaip pradinį juodraštį, o tada reikalauti griežto patikrinimo, aiškios atskaitomybės ir skaidrios dokumentacijos. Be to „efektyvumas“ gali tapti valdymo problema.