🧱 انویدیا ۲ میلیارد دلار در CoreWeave سرمایهگذاری میکند تا ساخت مراکز داده در ایالات متحده را سرعت بخشد ↗
انویدیا ۲ میلیارد دلار در CoreWeave سرمایهگذاری کرد و همکاری زیرساختی نزدیک خود را محکمتر کرد - و بله، بازار همان پیشبینی «اوه، ظرفیت هوش مصنوعی بیشتر» را انجام داد.
CoreWeave آن را به عنوان سوختی برای گسترش مراکز داده (زمین، برق، ساخت و ساز) مطرح کرد، نه صرفاً یک حرکت مخفیانه برای جابجایی تراشههای بیشتر. با این حال، وقتی بزرگترین فروشنده بیل، سریعترین کاربر بیل را تحت حمایت مالی قرار میدهد، معنای ضمنی آن خود به خود آشکار میشود.
🧠 مایکروسافت از تراشه جدید استنتاج هوش مصنوعی Maia 200 رونمایی کرد ↗
مایکروسافت Maia 200 را به عنوان شتابدهنده هوش مصنوعی بعدی خود معرفی کرد که حول محور حجم کار استنتاج - بخش «اجرای مدل در مقیاس بزرگ» که هزینه واقعی دارد و بیسروصدا محدودیتهایی را برای هر چیز دیگری تعیین میکند - قرار دارد.
آنها آن را به عنوان محصولی اختصاصی برای استقرار Azure و مدل مدرن سرویسدهی، با ادعاهای آشنا در مورد توان عملیاتی و کارایی، معرفی میکنند. این نشان میدهد که مایکروسافت بیشتر به این سمت متمایل شده است که «ما برای همیشه به سیلیکون دیگران متکی نخواهیم بود»... یا حداقل در این مسیر حرکت میکند.
🎭 ارزش سینتسیا پس از یک دور تأمین مالی تقریباً دو برابر شده و به ۴ میلیارد دلار رسیده است ↗
سینتزیا (Synthesia) با جذب سرمایه هنگفتی، ارزش خود را به ۴ میلیارد دلار رساند که اگر هنوز فکر میکنید آواتارهای هوش مصنوعی فقط یک ترفند تبلیغاتی هستند، باورنکردنی است. اما مشخص شد که بودجههای آموزشی شرکتها اساساً بینهایت است.
آنها این حرکت را به عنوان تقاضای سازمانی برای محتوای ویدیویی سریعتر و ارزانتر - به علاوه آموزشهای تعاملیتر به سبک «نقشآفرینی» - ترسیم میکنند. همه از حس و حال همکاران مصنوعی خوششان نمیآید، اما پذیرش آنها همچنان رو به افزایش است.
🚨 اتحادیه اروپا پس از واکنشهای شدید، تحقیقات در مورد X در مورد تصاویر جنسی Grok را آغاز کرد ↗
نهادهای نظارتی اتحادیه اروپا تحقیقاتی را در مورد X آغاز کردند که به نگرانیهای مربوط به Grok و تصاویر جنسی منتشر شده در این پلتفرم مربوط میشد. تنش اساسی به طرز وحشیانهای ساده است: نهادهای نظارتی میخواهند بدانند که آیا X آسیبهای قابل پیشبینی را ارزیابی و کاهش داده است، یا ابتدا ارسال کرده و بعداً عواقب آن را مدیریت کرده است.
زاویه دید قانون خدمات دیجیتال مهم است زیرا فقط مربوط به پستهای فردی نیست - بلکه مربوط به مدیریت ریسک سیستمی است. X به محدودیتها و تغییرات اشاره کرده است، اما به نظر میرسد تنظیمکنندگان بر این موضوع تمرکز دارند که آیا اقدامات حفاظتی در عمل کافی بودهاند یا خیر.
🏛️ دولت بریتانیا، ابررایانه کمبریج را برای منبع تحقیقات هوش مصنوعی تقویت میکند ↗
دولت بریتانیا بودجه بیشتری را برای گسترش ظرفیت محاسباتی منابع تحقیقاتی هوش مصنوعی در کمبریج اعلام کرد. هدف از این کار «دسترسی بیشتر به محاسبات جدی برای تحقیقات» است، که - رک و پوستکنده بگویم - سالهاست که یک تنگنا بوده است.
همچنین این طرح در مجموعه وسیعتری از ابتکارات بریتانیا در زمینه استفاده از دادهها و خدمات عمومی قرار میگیرد. میتوانید آن را به عنوان یک سرمایهگذاری عملی یا به عنوان تلاش بریتانیا برای حفظ جایگاه خود در رقابت هوش مصنوعی در حالی که همه در حال استفاده از پردازندههای گرافیکی هستند، تفسیر کنید.
📝 وزارت حمل و نقل آمریکا قصد دارد از گوگل جمینی برای تدوین مقررات حمل و نقل استفاده کند ↗
پروپابلیکا گزارش داد که وزارت حمل و نقل ایالات متحده در حال بررسی استفاده از جمینی گوگل برای تدوین مقررات است و انسانها خروجی آن را بررسی میکنند. این روش روی کاغذ کارآمد به نظر میرسد، تا زمانی که یک توهم به پاورقی راه پیدا کند و نتیجه واقعی را رقم بزند.
مخالفت در گزارشدهی مربوط به پاسخگویی و ریسک است - قانونگذاری یک پست وبلاگی نیست. در تئوری، هوش مصنوعی میتواند به ساختاردهی پیشنویسها و آشکارسازی تناقضات کمک کند، اما تنها در صورتی که نظارت شدید و روند کار شفاف باشد - و این بخشی است که معمولاً با بیدقتی همراه میشود.
سوالات متداول
سرمایهگذاری ۲ میلیارد دلاری انویدیا در CoreWeave چه تاثیری بر زیرساخت هوش مصنوعی در ایالات متحده دارد؟
این نشان دهنده رابطه نزدیکتر بین یک تامینکننده بزرگ تراشه و یک ارائهدهنده خدمات ابری GPU با مقیاسپذیری سریع است. CoreWeave این پول را به عنوان بودجهای برای گسترش مراکز داده، از جمله زمین، برق و ساخت و ساز توصیف میکند. در عمل، این میتواند به ظرفیت کوتاهمدت بیشتر برای آموزش و اجرای مدلها تبدیل شود. همچنین سوالاتی را در مورد اینکه عرضه و تقاضای زیرساخت هوش مصنوعی تا چه حد به صورت عمودی همسو میشوند، مطرح میکند.
Maia 200 مایکروسافت چیست و چرا در حوزه استنتاج قرار دارد؟
Maia 200 شتابدهنده هوش مصنوعی بعدی مایکروسافت است که با هدف استنتاج - اجرای مدلها در مقیاس تولید - توسعه داده شده است. استنتاج جایی است که هزینهها میتوانند به سرعت انباشته شوند زیرا به ترافیک کاربر واقعی و سرویسهای همیشه آنلاین وابسته است. مایکروسافت آن را به عنوان محصولی هدفمند برای استقرار Azure و سرویسدهی مدل مدرن معرفی میکند. پیام گستردهتر، کاهش وابستگی بلندمدت به سیلیکون خارجی با ایجاد گزینههای داخلی بیشتر است.
چرا شرکتهای هوش مصنوعی فعال در حوزه آواتار مانند Synthesia ارزشگذاری بالایی دارند؟
طرح موضوع ساده است: شرکتها خواهان ساخت ویدیوهای سریعتر و ارزانتر برای آموزش و ارتباطات داخلی هستند. سینتزیا به تقاضا برای محتوای شرکتی و قالبهای آموزشی تعاملیتر به سبک «نقشآفرینی» متکی است. این مورد استفاده تجاری میتواند جذاب باشد زیرا در بودجههای آموزشی دورهای قرار میگیرد. در عین حال، برخی سازمانها در مورد حس «همکار مصنوعی» و چگونگی پذیرش فرهنگی آن محتاط هستند.
اتحادیه اروپا تحت قانون خدمات دیجیتال، چه تحقیقاتی در مورد تصاویر جنسی X و Grok انجام میدهد؟
تمرکز نه تنها بر روی پستهای فردی، بلکه بر روی این است که آیا X ریسکهای سیستماتیک قابل پیشبینی را ارزیابی و کاهش داده است یا خیر. به نظر میرسد که قانونگذاران میپرسند که آیا اقدامات حفاظتی به گونهای طراحی و اجرا شدهاند که از پیامدهای مضر در مقیاس بزرگ جلوگیری کنند. X به محدودیتها و تغییرات اشاره کرده است، اما این تحقیق بر کفایت مدیریت ریسک در عمل متمرکز است. این آزمایشی است برای چگونگی اعمال DSA بر ویژگیهای مولد سریع.
منبع تحقیقات هوش مصنوعی بریتانیا در کمبریج چیست و چرا محاسبات بیشتر اهمیت دارد؟
منبع تحقیقات هوش مصنوعی به عنوان راهی برای گسترش دسترسی به محاسبات جدی برای تحقیقات، که مدتهاست یک تنگنا بوده است، قرار گرفته است. ظرفیت بیشتر میتواند به دانشگاهها و محققان کمک کند تا آزمایشهای بزرگتری را انجام دهند و سریعتر تکرار کنند. این اعلامیه همچنین در تلاشهای گستردهتر بریتانیا در زمینه استفاده از دادهها و خدمات عمومی جای میگیرد. در واقع، این تلاشی برای حفظ رقابتپذیری تحقیقات داخلی با افزایش تقاضای جهانی برای پردازندههای گرافیکی است.
آیا وزارت حمل و نقل ایالات متحده میتواند با خیال راحت از گوگل جمینی برای کمک به تدوین مقررات استفاده کند؟
این میتواند به ساختاردهی پیشنویسها، خلاصهسازی ورودیها و تشخیص تناقضات کمک کند، اما تنها با نظارت شدید انسانی. خطر اصلی این است که متن توهمزا یا گمراهکننده میتواند به تدوین قانون منجر شود، جایی که جزئیات عواقب واقعی دارند. یک رویکرد رایج این است که خروجی هوش مصنوعی را به عنوان یک پیشنویس اولیه در نظر بگیریم، سپس تأیید دقیق، پاسخگویی روشن و مستندات شفاف را الزامی کنیم. بدون این، «کارایی» میتواند به یک مسئولیت حاکمیتی تبدیل شود.