admin 
Sveiki, žmonės, sveiki atvykę į įprastą „TechCrunch“ AI informacinį biuletenį.
Šią savaitę „Gartner“ paskelbė AI ataskaitą, kurioje teigiama, kad maždaug trečdalis generuojamųjų AI projektų įmonėje bus atmesti po koncepcijos patikrinimo etapo iki 2025 m. pabaigos. Priežasčių yra daug – prasta duomenų kokybė, netinkama rizikos kontrolė. , didėjančios infrastruktūros išlaidos ir pan.
Tačiau viena didžiausių kliūčių kuriant dirbtinį intelektą yra neaiški verslo vertė, teigiama pranešime.
„Gartner“ apskaičiavo, kad generatyvaus AI organizavimas visoje organizacijoje reikalauja didelių išlaidų – nuo 5 mln. USD iki milžiniškų 20 mln. Ataskaitoje rašoma, kad paprastas kodavimo asistentas kainuoja nuo 100 000 iki 200 000 USD, o pasikartojančios išlaidos yra daugiau nei 550 USD vienam vartotojui per metus, o dirbtiniu intelektu varomas dokumentų paieškos įrankis gali kainuoti iš anksto 1 mln. USD ir 1,3–11 mln. USD vienam vartotojui. .
Korporacijoms sunku praryti šias stačias kainų etiketes, kai naudą sunku įvertinti kiekybiškai ir gali prireikti metų, kol jos pasireikš. kada nors materializuotis.
Šį mėnesį „Upwork“ atlikta apklausa atskleidė, kad dirbtinis intelektas, o ne produktyvumo didinimas, iš tikrųjų pasirodė esąs našta daugeliui juo besinaudojančių darbuotojų. Remiantis apklausa, kurioje buvo apklausta 2500 C-suite vadovų, visą darbo dieną dirbančių darbuotojų ir laisvai samdomų vertėjų, beveik pusė (47 %) AI naudojančių darbuotojų teigia, kad jie neįsivaizduoja, kaip pasiekti produktyvumo padidėjimo, kurio tikisi jų darbdaviai, o daugiau nei trys ketvirtadaliai. (77 proc.) mano, kad dirbtinio intelekto įrankiai turi sumažėjo našumą ir bent vienu būdu padidino jų darbo krūvį.
Panašu, kad AI medaus mėnesio fazė gali baigtis, nepaisant aktyvios VC veiklos. Ir tai nešokiruoja. Anekdotas po anekdoto atskleidžia, kaip generatyvus AI, turintis neišspręstų esminių techninių problemų, dažnai sukelia daugiau problemų, nei verta.
Tik antradienį „Bloomberg“ paskelbė straipsnį apie „Google“ valdomą įrankį, kuris naudoja dirbtinį intelektą pacientų medicininiams įrašams analizuoti. Šiuo metu jis bandomas Floridos HCA ligoninėse. Įrankio vartotojai, su kuriais kalbėjo „Bloomberg“, teigė, kad jis negali nuosekliai pateikti patikimos informacijos apie sveikatą; Vienu atveju nepavyko pastebėti, ar pacientas buvo alergiškas vaistams.
Įmonės pradeda tikėtis daugiau iš AI. Išskyrus mokslinių tyrimų laimėjimus, pašalinančius blogiausius jo apribojimus, pardavėjai turi valdyti lūkesčius.
Pažiūrėsime, ar jiems užteks nuolankumo.
žinios
Paieška GPT: „OpenAI“ praėjusį ketvirtadienį paskelbė „SearchGPT“ – paieškos funkciją, skirtą „laiku pateikti atsakymus“ į klausimus, gautus iš žiniatinklio šaltinių.
Bing gauna daugiau AI: Kad nebūtų pralenktas, „Microsoft“ praėjusią savaitę peržiūrėjo savo AI pagrįstą paieškos patirtį, pavadintą „Bing generatyvine paieška“. Šiuo metu „Bing“ generatyvioji paieška, kurią gali naudoti tik „nedidelis procentas“ vartotojų, apibendrina informaciją iš viso žiniatinklio ir generuoja santrauką pagal paieškos užklausas.
X pasirenka naudotojus: X, anksčiau buvęs „Twitter“, tyliai išstūmė pakeitimą, kuris, atrodo, numatytuosius naudotojų duomenis į savo „X“ pokalbių roboto „Grok“ mokymo fondą, o tai platformos naudotojai pastebėjo penktadienį. ES reguliavimo institucijos ir kiti greitai pasipiktino. (Svarbu, kaip atsisakyti? Štai vadovas.)
ES ragina padėti dirbtinio intelekto srityje: Europos Sąjunga pradėjo konsultacijas dėl taisyklių, kurios bus taikomos bendrosios paskirties AI modelių tiekėjams pagal bloko AI įstatymą – jos rizika pagrįstą DI taikymo reguliavimo sistemą.
„Nepaprasta“ informacija apie leidėjo licenciją: Dirbtinio intelekto paieškos variklis Perplexity netrukus pradės dalytis pajamomis iš reklamos su naujienų leidėjais, kai pokalbių robotas pateiks jų turinį atsakydamas į užklausą. Panašu, kad šis žingsnis yra skirtas nuraminti kritikus, apkaltinusius Perplexity plagiatu ir neetišku interneto išgraibymu.
„Meta“ išleidžia „AI Studio“: „Meta“ pirmadienį pranešė, kad visiems JAV kūrėjams pristato savo „AI Studio“ įrankį, kad jie galėtų kurti suasmenintus AI varomus pokalbių robotus. Bendrovė pirmą kartą pristatė AI studiją praėjusiais metais, o birželį pradėjo ją išbandyti su pasirinktais kūrėjais.
Prekybos departamentas pritaria „atviriems“ modeliams: JAV prekybos departamentas pirmadienį paskelbė ataskaitą, kurioje remia „atviro svorio“ generatyvinius AI modelius, tokius kaip „Meta's Llama 3.1“, tačiau rekomendavo vyriausybei sukurti „naujus pajėgumus“, kad būtų galima stebėti tokius modelius dėl galimos rizikos.
99 USD Draugas: Harvardo studentas Avi Schiffmannas kuria 99 USD vertės dirbtinio intelekto įrenginį, pavadintą „Friend“. Kaip rodo pavadinimas, ant kaklo nešiojamas pakabukas sukurtas taip, kad būtų traktuojamas kaip tam tikras kompanionas. Tačiau dar neaišku, ar jis veikia taip, kaip reklamuojama.
Savaitės mokslinis darbas
Mokymasis iš žmogaus grįžtamojo ryšio (RLHF) yra dominuojanti technika, užtikrinanti, kad generaciniai AI modeliai laikytųsi instrukcijų ir saugos gairių. Tačiau RLHF reikalauja įdarbinti daug žmonių, kad įvertintų modelio atsakymus ir pateiktų grįžtamąjį ryšį, o tai daug laiko užimantis ir brangus procesas.
Taigi „OpenAI“ naudojasi alternatyvomis.
Naujame dokumente OpenAI mokslininkai aprašo tai, ką jie vadina taisyklėmis pagrįstais atlygiais (RBR), kurie naudoja nuoseklių taisyklių rinkinį, kad įvertintų ir nukreiptų modelio atsakymus į raginimus. RBR suskaido norimą elgesį į konkrečias taisykles, kurios vėliau naudojamos „atlygio modeliui“, kuris nukreipia AI – tam tikra prasme „išmoko“ – apie tai, kaip jis turėtų elgtis ir reaguoti konkrečiose situacijose.
„OpenAI“ teigia, kad RBR apmokyti modeliai pasižymi geresniu saugos veiksmingumu nei tie, kurie buvo mokomi tik naudojant žmonių grįžtamąjį ryšį, tuo pačiu sumažinant didelio kiekio žmonių grįžtamojo ryšio duomenų poreikį. Tiesą sakant, bendrovė teigia, kad RBR naudojo kaip savo saugos paketo dalį nuo GPT-4 paleidimo ir planuoja įdiegti RBR būsimuose modeliuose.
Savaitės modelis
„Google“ „DeepMind“ daro pažangą, siekdama išspręsti sudėtingas matematikos problemas naudojant AI.
Prieš kelias dienas „DeepMind“ paskelbė, kad apmokė dvi AI sistemas, kad išspręstų keturias iš šešių šių metų Tarptautinės matematikos olimpiados (IMO), prestižinio vidurinių mokyklų matematikos konkurso, uždavinių. „DeepMind“ teigia, kad sistemos „AlphaProof“ ir „AlphaGeometry 2“ (sausio mėnesio „AlphaGeometry“ įpėdinis) pademonstravo gebėjimą formuoti ir remtis abstrakcijomis bei sudėtingu hierarchiniu planavimu – visa tai istoriškai buvo sudėtinga dirbtinio intelekto sistemoms.
AlphaProof ir AlphaGeometry 2 dirbo kartu, kad išspręstų dvi algebros ir skaičių teorijos problemas. (Du likę kombinatorikos klausimai liko neišspręsti). Rezultatus patikrino matematikai; tai pirmas kartas, kai dirbtinio intelekto sistemoms pavyko pasiekti sidabro medalio lygio našumą TJO klausimais.
Tačiau yra keletas įspėjimų. Modeliams prireikė kelių dienų, kad išspręstų kai kurias problemas. Ir nors jų samprotavimo galimybės yra įspūdingos, AlphaProof ir AlphaGeometry 2 nebūtinai gali padėti išspręsti atviras problemas, kurios turi daug galimų sprendimų, skirtingai nei tie, kurių atsakymas yra vienas.
Pažiūrėsime, ką atneš kita karta.
Paimk krepšį
AI startuolis „Stability AI“ išleido generatyvų AI modelį, kuris objekto vaizdo įrašą paverčia keliais klipais, kurie atrodo taip, lyg būtų užfiksuoti iš skirtingų kampų.
„Stable Video 4D“ vadinamas modelis gali turėti žaidimų kūrimo ir vaizdo redagavimo programų, teigia „Stability“, taip pat virtualioje realybėje. „Tikimės, kad įmonės pritaikys mūsų modelį, toliau tobulindamos, kad atitiktų savo unikalius reikalavimus“, – rašė bendrovė tinklaraščio įraše.
Norėdami naudoti „Stable Video 4D“, vartotojai įkelia filmuotą medžiagą ir nurodo norimus kameros kampus. Po maždaug 40 sekundžių modelis sukuria aštuonis penkių kadrų vaizdo įrašus (nors „optimizavimas“ gali užtrukti dar 25 minutes).
„Stability“ teigia, kad ji aktyviai tobulina modelį, optimizuodama jį taip, kad būtų galima apdoroti platesnį realaus pasaulio vaizdo įrašų spektrą, o ne dabartinius sintetinius duomenų rinkinius, pagal kuriuos jis buvo apmokytas. „Šios technologijos potencialas kuriant tikroviškus, kelių kampų vaizdo įrašus yra didžiulis, ir mes džiaugiamės galėdami pamatyti, kaip ji vystysis vykstant moksliniams tyrimams ir plėtrai“, – tęsė bendrovė.
