OpenAI gatavojas ChatGPT “superlietotnes” pagrieziena punktam ↗
Tiek ziņots, ka OpenAI pārveido ChatGPT no jautājumu un atbilžu tērzēšanas robota par plašāku “superlietotni” — kodēšanas rīki, aģenti, attēlu ģenerēšana un partneru lietotnes, kas visas ir apkopotas vienuviet. Gandrīz atbruņojoši vienkārša ideja, taču milzīga produkta maiņa. (Fortune)
Lielāka iespēja ir tāda, ka lietotāji ne tikai prasīs atbildes no mākslīgā intelekta. Viņi tam uzdos sarežģītus uzdevumus – rezervācijas, kalendārus, kodu, darbplūsmas – un sagaidīs, ka tas visu paveiks pareizi. Tā tagad ir grāvja medības.
Apjukums ļauj mākslīgā intelekta modeļiem rakstīt savas meklēšanas plūsmas ↗
Perplexity risinājums “Meklēšana kā kods” pārvērš meklēšanu no fiksētiem API izsaukumiem modelī rakstītās Python darbplūsmās. Tā vietā, lai bakstītu melnu lodziņu ar vienu vaicājumu pēc otra, modelis izveido savu niecīgu meklēšanas mašīnu. (Dekodētājs)
Uzņēmums apgalvo, ka kiberdrošības etalona testā izmantoja daudz mazāk tokenu un lielākajā daļā testu bija vadībā. Protams, uztveriet etalona lielīšanos ar zināmu piesardzību, taču ideja ir asa.
Nvidia noslēdz jaunus mākslīgā intelekta infrastruktūras līgumus ar Dienvidkoreju ↗
Nvidia paziņoja par virkni partnerību ar Dienvidkoreju, kas aptver atmiņas mikroshēmas, mākslīgā intelekta mākoņpakalpojumus, datu centrus, robotiku un ražošanu. SK Hynix, SK Telecom, Naver, Doosan, LG Group un Hyundai visi ir iekļauti mašīnbūves nozarē. (Reuters)
Svarīgi ir tas, ka Nvidia vēlas ierobežot uzlaboto atmiņas padevi, vienlaikus virzot "mākslīgā intelekta rūpnīcas" dziļāk industriālajā kaudzē. Glamūrīgi? Ne īpaši. Svarīgi? Ļoti svarīgi.
Mākslīgā intelekta bizness saskaras ar 4 skarbajām realitātēm ↗
Mākslīgā intelekta tirgus stāsts ieguva vēsāku interpretāciju: augstas izmaksas, lēnāka atmaksāšanās, liels, bet ne maģiski bezgalīgs pieprasījums pēc infrastruktūras un finansējums, kas var saglabāties dārgs. Tā ir slapjais kartons zem apzeltītās raķetes. (Axios)
Galvenā spriedze ir vienkārša: mākslīgais intelekts kā tehnoloģija var būt ārkārtīgi daudzsološa, savukārt mākslīgais intelekts kā bizness joprojām var šķist dārgs, nerentabls un nepietiekami monetizēts. Abas lietas var būt patiesas – kaitinošas, bet patiesas.
Bankas liek pamatus masveida darbaspēka samazināšanai, mākslīgajam intelektam ieviešoties arvien plašākā mērogā ↗
Tiek ziņots, ka bankas samazina jaunāko analītiķu klašu skaitu, dažos gadījumos pat dramatiski, vienlaikus joprojām paļaujoties uz jaunākajiem analītiķiem, lai iegūtu nākamos mākslīgā intelekta talantus. Tas ir savdabīgs mazs ouroboros, kas grauž savu absolventu shēmu. (Fortune)
Tuvākajā nākotnē mākslīgā intelekta lietošanas gadījumi ir mērķtiecīgāki nekā zinātniskā fantastika: klientu apkalpošana, darījumu uzraudzība, tirdzniecības uzraudzība. Mazāk “robotbankas”, vairāk “daudzu mazu izgriezumu un automatizāciju”
Amazon noslogotākajā Eiropas noliktavā, kur roboti, lāzeri un cilvēki nodrošina nākotni ↗
Amazon LCY3 noliktava Dartfordā darbojas ar mobilajiem robotiem, mākslīgā intelekta programmatūru, skeneriem un konveijeru sistēmām, kas nedēļā pārvieto miljoniem vienību. Izskatās, ka tas ir pa pusei izpildes centrs, pa pusei rūpniecisks flipera galds. (euronews)
Mākslīgā intelekta daļa ir praktiska: robotu koordinācija, maršruta optimizācija, paku mērīšana, etiķešu lasīšana un joslu šķirošana. Nevis uzkrītošas tērzēšanas robotprogrammatūras lietas – drīzāk kā mazumtirdzniecības neredzamais skelets, kas kļūst arvien ātrāks.
Bieži uzdotie jautājumi
Ko nozīmē OpenAI ziņotā ChatGPT superlietotnes pagrieziena vērtība?
Tiek ziņots, ka OpenAI attīsta ChatGPT no vienkārša jautājumu un atbilžu tērzēšanas robota uz plašāku, lietotnei līdzīgu centru. Ideja ir apvienot kodēšanas rīkus, mākslīgā intelekta aģentus, attēlu ģenerēšanu un partneru lietotnes vienuviet. Tā vietā, lai atbildētu tikai uz jautājumiem, ChatGPT palīdzētu veikt lielākus uzdevumus, piemēram, rezervācijas, kalendārus, kodu un darbplūsmas.
Kāpēc mākslīgā intelekta aģenti kļūst par tik lielu uzmanības centrā mākslīgā intelekta ziņās?
Mākslīgā intelekta aģenti ir svarīgi, jo tie produkta mērķi pārceļ no atbilžu sniegšanas uz rīcības veikšanu. Šajā rakstā centrālā tēma ir lietotāji, kas veic sarežģītus uzdevumus ar mākslīgā intelekta palīdzību un sagaida, ka tas tos pareizi izpildīs. Tas padara uzticamību, darbplūsmas apstrādi un vērtīgas integrācijas svarīgākas par vienkārši noslīpētas atbildes sniegšanu.
Kas ir Perplexity pieeja “Meklēt kā kodu”?
Perplexity funkcija “Meklēšana kā kods” ļauj mākslīgā intelekta modeļiem rakstīt Python darbplūsmas meklēšanai, nevis tikai izsaukt fiksētas meklēšanas API. Tas nozīmē, ka modelis var izveidot nelielu pielāgotu meklēšanas procesu šim uzdevumam. Rakstā teikts, ka Perplexity apgalvo, ka kiberdrošības etalonā tika izmantots mazāk žetonu, lai gan etalona apgalvojumi jāvērtē piesardzīgi.
Kāpēc Nvidia Dienvidkorejas mākslīgā intelekta infrastruktūras līgumi ir svarīgi?
Nvidia Dienvidkorejas darījumi ir svarīgi, jo tie savieno mākslīgā intelekta infrastruktūru ar atmiņas mikroshēmām, mākoņpakalpojumiem, datu centriem, robotiku un ražošanu. Starp minētajiem uzņēmumiem ir SK Hynix, SK Telecom, Naver, Doosan, LG Group un Hyundai. Praktiskais mērķis ir nodrošināt progresīvu atmiņas piegādi, vienlaikus virzot “mākslīgā intelekta rūpnīcas” dziļāk rūpnieciskajā darbībā.
Kādas ir skarbas biznesa realitātes, ar kurām saskaras mākslīgā intelekta uzņēmumi?
Rakstā ir izcelti četri galvenie ar mākslīgā intelekta biznesu saistītie trūkumi: augstas izmaksas, lēnāka atmaksāšanās, ierobežots pieprasījums pēc infrastruktūras un dārgs finansējums. Ne jau tas ir svarīgi, ka mākslīgais intelekts kā tehnoloģija piedzīvo neveiksmi. Taču tas, ka rentablu mākslīgā intelekta uzņēmumu veidošana joprojām var būt dārga, nevienmērīga un grūtāk monetizējama, nekā liecina pārspīlētas cerības.
Kā mākslīgais intelekts ietekmē darbavietas bankās un finanšu nozarē?
Tiek ziņots, ka bankas samazina jaunāko analītiķu klašu skaitu, vienlaikus joprojām paļaujoties uz jaunajiem darbiniekiem kā nākotnes mākslīgā intelekta talantu kopumu. Aprakstītie īstermiņa pielietojumi ir praktiski un mērķtiecīgi, tostarp klientu apkalpošana, darījumu uzraudzība un tirdzniecības uzraudzība. Tā vietā, lai aizstātu veselas bankas, mākslīgais intelekts, šķiet, rada daudzas mazākas automatizācijas esošajās darbplūsmās.