🧠 Nvidia iegulda 4 miljardus dolāru fotonikā, lai paātrinātu mākslīgā intelekta datu centru mikroshēmas ↗
Nvidia paziņoja, ka ieguldīs 2 miljardus dolāru katrā uzņēmumā Lumentum un Coherent — abos fotonikas uzņēmumos —, cenšoties saglabāt savu datu centru aparatūru soli priekšā “ātrākas secinājumu veikšanas, lielākas joslas platuma” līknei.
Ideja ir vienkārša: ja datus var pārvietot ar gaismas (fotonikas) palīdzību, nevis tikai ar elektrisko signālu palīdzību, no visa mākslīgā intelekta komplekta var izspiest lielāku veiktspēju. Ne jau glauni, bet tieši santehnika nosaka, kurš uzvar.
🛡️ OpenAI nosaka “sarkanās līnijas” savas mākslīgā intelekta izvietošanai Pentagonā ↗
OpenAI militārajam darbam noteica skaidri noteiktas “aizlieguma” zonas — nekāda masveida iekšzemes novērošana, autonomo ieroču vadīšana un nekādi automatizēti lēmumi ar augstām likmēm, piemēram, “sociālā kredīta” tipa sistēmas.
Viņi arī apgalvo, ka izvietošana notiek tikai mākonī (nevis perifērijā), saglabā OpenAI drošības steku un ietver pārbaudītu OpenAI personālu šajā procesā. Tas skan apmēram šādi: "uzticieties mums, un lūk, līguma teksts" - kas, atklāti sakot, ir labāk nekā tikai uzticēšanās garantijas.
🏛️ Vašingtonas likumdevēji virza mākslīgā intelekta aizsargbarjeras tērzēšanas robotiem un satura noteikšanai ↗
Vašingtonas štata likumdevēji virza likumprojektus, kas vērsti uz diviem spiediena punktiem: tērzēšanas robotiem (īpaši nepilngadīgajiem) un mākslīgā intelekta ģenerētiem medijiem, kurus kļūst arvien grūtāk pamanīt.
Viens no priekšlikumiem paredzētu, ka tērzēšanas robotiem regulāri jāatgādina lietotājiem, ka viņi sarunājas ar mākslīgo intelektu, kā arī jāpievieno pašnāvniecisku domu noteikšanas un citi drošības pasākumi. Cits priekšlikums paredzētu tādu informācijas atklāšanu kā iegultas ūdenszīmes mākslīgā intelekta ģenerētos vai pārveidotos attēlos, audio un video — teorētiski vienkārši, praksē sarežģīti.
⚡ Apvienotā Karaliste izsludina aicinājumu sniegt pierādījumus par enerģijas datu kopām mākslīgajam intelektam ↗
Apvienotās Karalistes valdība izsludināja uzaicinājumu iesniegt pierādījumus par ar enerģiju saistītiem datu kopumiem, kuros labāka piekļuve varētu palīdzēt mākslīgā intelekta izstrādātājiem uzlabot dekarbonizāciju, enerģētisko drošību vai pieejamību.
Tas ir nepārprotami formulēts kā pierādījumu vākšanas solis (nevis solīta politikas maiņa), un tas atsaucas uz realitāti: dažus datus nevar koplietot, tāpēc sintētiskie dati vai uz atļaujām balstītas pieejas varētu būt risinājums. Acīmredzot, piekļuve datiem ir jaunā cīņa par to, kam pieder karte.
🤝 TechCrunch: Mākslīgā intelekta uzņēmumiem un valdībām joprojām nav izmantojamas rīcības rokasgrāmatas ↗
TechCrunch iedziļinājās neveiklajā plaisā starp "mākslīgā intelekta laboratorijas kļūst par valsts infrastruktūru" un "neviens pirmais nevienojās par noteikumiem". Rakstā uzsvērts, kā sabiedrības reakcija uz nostāju parasti koncentrējas uz novērošanu un automatizētu nogalināšanu – diviem murgiem, kas nekad īsti nepazūd.
Galvenā jēga ir šāda: laboratorijas turpina mēģināt uzspiest politikas izstrādi ievēlētajiem līderiem… taču tieši viņas arī piegādā instrumentus, tāpēc šī izvairīšanās darbojas tikai tik ilgi. Tas ir līdzīgi kā uzstāt, ka neesi atbildīgs par ugunskuru, vienlaikus aktīvi pārdodot sērkociņus — vai vismaz tā šķiet.
Bieži uzdotie jautājumi
Kāpēc Nvidia iegulda miljardus dolāru fotonikā mākslīgā intelekta datu centru mikroshēmām?
Nvidia cer, ka fotonika var pārvietot datus datu centros ātrāk un ar lielāku joslas platumu nekā tikai elektriskās saites. Pieņēmums ir tāds, ka labāka “savienošana” starp mikroshēmām, plauktiem un sistēmām var uzlabot kopējo mākslīgā intelekta veiktspēju, īpaši, palielinoties secinājumu darba slodzēm. Nopietna kapitāla ieguldīšana lielākajos fotonikas tirgos liecina, ka tā kļūst par stratēģisku infrastruktūru, nevis nišas papildinājumu.
Kā fotonika faktiski paātrina mākslīgā intelekta sistēmas, salīdzinot ar elektriskajiem savienojumiem?
Fotonika izmanto gaismu datu pārraidei, kas var mazināt sastrēgumus, kad sistēmām ir jāpārvada milzīgs informācijas apjoms. Daudzos mākslīgā intelekta stekos veiktspēja nav saistīta tikai ar skaitļošanas mikroshēmu, bet arī ar to, cik ātri dati var pārvietoties starp komponentiem. Bieži sastopama shēma ir optiskās saites augstas caurlaidspējas savienojumiem, vienlaikus saglabājot elektriskos signālus tur, kur tie ir vienkāršāki vai lētāki.
Ko praksē nozīmē “ātrāka secināšana un lielāks joslas platums” mākslīgā intelekta datu centriem?
Tas norāda uz pāreju, kur modeļu efektīva apkalpošana ir tikpat svarīga kā to apmācība. Ātrāka secinājumu izdarīšana nozīmē ātru atbilžu saņemšanu lielas slodzes apstākļos, un lielāks joslas platums nozīmē, ka paātrinātājus var darbināt bez gaidīšanas. Daudzos cauruļvados tīkla un starpsavienojumu ierobežojumi kļūst par ierobežojumu, tāpēc datu kustības uzlabošana var sniegt ievērojamus ieguvumus pat tad, ja skaitļošanas silīcijs jau ir spēcīgs.
Kādas ir OpenAI “sarkanās līnijas” Pentagona mākslīgā intelekta izvietošanai?
OpenAI apraksta skaidri noteiktas aizliegtās zonas, piemēram, masveida iekšzemes novērošanu, autonomo ieroču vadīšanu un automatizētus lēmumus ar augstām likmēm, kas līdzinās “sociālās kredīta” sistēmām. Viņi arī paredz ieviešanu tikai mākonī, saglabājot drošības pasākumus un iesaistot personālu ar atļauju. Parasti šie ierobežojumi ir paredzēti, lai sašaurinātu lietošanas gadījumus un samazinātu ļaunprātīgas izmantošanas risku, vienlaikus joprojām nodrošinot ierobežotas valdības lietojumprogrammas.
Kādus mākslīgā intelekta aizsargbarjerus Vašingtonas likumdevēji ierosina tērzēšanas robotiem un mākslīgā intelekta ģenerētiem medijiem?
Aprakstītie priekšlikumi koncentrējas uz divām jomām: tērzēšanas robotu pārredzamību un drošību, kā arī mākslīgā intelekta ģenerēta vai pārveidota satura izpaušanu. Viena koncepcija paredz, ka tērzēšanas robotiem regulāri jāatgādina lietotājiem, ka viņi mijiedarbojas ar mākslīgo intelektu, un jāiekļauj tādas drošības funkcijas kā pašnāvniecisku domu noteikšana. Cita koncepcija paredz izpaušanas mehānismus, piemēram, iegultas ūdenszīmes sintētiskajos medijos, kas teorētiski var būt vienkārši, bet ieviešanā grūtāk.
Kā Apvienotās Karalistes enerģijas datu kopas mākslīgajam intelektam var ietekmēt dekarbonizāciju un enerģētisko drošību?
Apvienotās Karalistes aicinājums sniegt pierādījumus ir formulēts kā solis, lai noteiktu, kur labāka piekļuve ar enerģiju saistītām datu kopām varētu palīdzēt mākslīgajam intelektam uzlabot rezultātus, piemēram, dekarbonizāciju, drošību vai pieejamību. Praksē daudziem noderīgiem datu kopumiem ir koplietošanas ierobežojumi, tāpēc var būt nepieciešamas tādas pieejas kā sintētiskie dati, uz atļaujām balstīta piekļuve vai kontrolēta vide. Inovāciju un pārvaldības kontekstā tas bieži vien kļūst par jautājumu "kas var piekļūt kartei".