🧩 برادکام قرارداد بلندمدتی برای توسعه تراشههای هوش مصنوعی سفارشی گوگل امضا کرد ↗
برادکام قراردادی بلندمدت با گوگل برای ساخت نسلهای آینده تراشههای هوش مصنوعی سفارشی و اجزای رک مرتبط امضا کرد. همچنین قرارداد جداگانهای امضا کرد که به شرکت آنتروپیک اجازه دسترسی به حدود ۳.۵ گیگاوات محاسبات هوش مصنوعی ساخته شده بر روی پردازندههای گوگل را میدهد - که نکتهی حاشیهای کوچکی نیست.
نکته مهمتر این است که سیلیکونهای سفارشی همچنان در حال پیشرفت هستند، زیرا شرکتها به دنبال چیزی ارزانتر یا حداقل کمتر وابسته به انویدیا هستند. TPUهای گوگل در حال تبدیل شدن به بخش مرکزی فضای ابری این شرکت هستند، در حالی که آنتروپیک اعلام کرد که نرخ درآمد کلود با افزایش تقاضا به شدت افزایش یافته است. ( رویترز )
⚙️ خرید SchedMD توسط انویدیا، نگرانی متخصصان هوش مصنوعی را در مورد دسترسی به نرمافزار برانگیخته است ↗
اقدام انویدیا برای تصاحب SchedMD، افرادی را که به Slurm، مدیر بار کاری متنباز که به اجرای مشاغل آموزشی هوش مصنوعی و ابررایانههای بزرگ کمک میکند، متکی هستند، نگران کرده است. شاید این موضوع تخصصی به نظر برسد، اما Slurm یکی از آن لولههای بیصدا در دیوار است - به محض اینکه کسی لولهکشی را خریداری میکند، متوجه آن میشوید.
محققان و متخصصان زیرساخت نگرانند که اعطای کنترل چنین زمانبندی مهمی به یک شرکت تراشه هوش مصنوعی غالب، میتواند عرصه را به ضرر رقبا و اپراتورهای مستقل مراکز داده تغییر دهد. Slurm بسیار فراتر از چتباتها، از جمله در محیطهای ابررایانهای دولتی نیز استفاده میشود، که باعث میشود سوال در مورد انصاف، بزرگتر از یک معامله نرمافزاری معمول به نظر برسد. ( رویترز )
💧 سرمایهگذاران، آمازون، مایکروسافت و گوگل را در مورد مصرف آب و برق در مراکز داده ایالات متحده تحت فشار قرار میدهند ↗
پس از آنکه گزارش شد چندین پروژه بزرگ با مخالفت جامعه روبرو شدهاند، بیش از دوازده سرمایهگذار، شرکتهای بزرگ فناوری را برای افشای شفافتر نحوه استفاده از آب و برق در مراکز داده خود تحت فشار قرار دادهاند. این فشار از زبان کلی پایداری به سمت سوالات محلی جهتدار - چه مقدار آب، کجا و چه کسی این فشار را تحمل میکند - در حال حرکت است.
رویترز خاطرنشان میکند که مراکز داده آمریکای شمالی نزدیک به ۱ تریلیون لیتر آب مصرف کردهاند، در حالی که سرمایهگذاران معتقدند گزارشهای فعلی ناقص و اغلب مربوط به مکان خاصی نیستند. آلفابت با فشار سهامداران بر سر اهداف اقلیمی روبرو است، آمازون میگوید دادههای محلی بیشتری را افشا میکند و مایکروسافت میگوید پایداری همچنان یک ارزش اصلی است - اما شکایت اصلی این است که گسترش هوش مصنوعی سریعتر از شفافیت پیش میرود. ( رویترز )
🏛️ چشمانداز OpenAI برای اقتصاد هوش مصنوعی: صندوقهای ثروت عمومی، مالیات بر رباتها و هفته کاری چهار روزه ↗
OpenAI چشماندازی سیاسی ارائه داده است که ترکیبی از صندوقهای ثروت عمومی، شبکههای ایمنی قویتر، مالیات بر رباتها و حتی هفته کاری کوتاهتر است. این چشمانداز هم بلندپروازانه و هم با دقت عملگرایانه به نظر میرسد - مانیفست یک شرکت بزرگ که سعی میکند شبیه به چنین مانیفستی نباشد.
تککرانچ این را به عنوان OpenAI مطرح میکند که توضیح میدهد چگونه فکر میکند ثروت و کار میتوانند در یک اقتصاد مبتنی بر هوش مصنوعی، در بحبوحه افزایش اضطراب در مورد جابجایی مشاغل، تمرکز قدرت و ساخت مراکز داده غولپیکر، سازماندهی مجدد شوند. بنابراین بله، این بحث سیاستگذاری است - اما همچنین مدیریت اعتبار یا چیزی نزدیک به آن. ( تککرانچ )
🎙️ گوگل یک اپلیکیشن رایگان و آفلاین برای دیکته کردن متن با هوش مصنوعی منتشر کرده است که به طور خودکار گفتار شما را اصلاح میکند. ↗
گوگل بیسروصدا AI Edge Eloquent را راهاندازی کرد، یک اپلیکیشن دیکته که به صورت آفلاین کار میکند، هیچ هزینهای ندارد و محدودیت استفاده ندارد. این اپلیکیشن گفتار زنده را رونویسی میکند، سپس با حذف کلمات پرکننده و تصحیح خودکار، آن را اصلاح میکند - که بسته به حال و هوای شما، میتواند مفید یا کمی نگرانکننده باشد.
در حال حاضر این برنامه برای iOS در دسترس است و اندروید و macOS نیز بعداً در برنامه قرار دارند. بخش جالب ماجرا فقط خود برنامه نیست، بلکه سیگنال آن است: گوگل ویژگیهای هوش مصنوعی بیشتری را مستقیماً به دستگاهها وارد میکند، جایی که حریم خصوصی، تأخیر و هزینه، همه اهمیت بیشتری پیدا میکنند. ( The Verge )
🛰️ شرکت اسپانیایی Xoople در سری B، مبلغ ۱۳۰ میلیون دلار برای نقشهبرداری از زمین برای هوش مصنوعی جمعآوری کرد ↗
زوپل ۱۳۰ میلیون دلار برای ساخت دادههای رصد زمین با کیفیت بالاتر برای سیستمهای هوش مصنوعی جمعآوری کرد و خود را به عنوان منبعی برای «حقیقت زمینی» برای استفاده سازمانی معرفی کرد. این شرکت در حال ساخت یک منظومه ماهوارهای است و میگوید حسگرهای آن باید دادهها را بسیار بهتر از سیستمهای نظارتی موجود ارائه دهند - ادعای جسورانهای است، اما این مسیر درست است.
این استارتاپ همچنین از همکاری با L3Harris برای ساخت حسگرهایی برای فضاپیمای خود خبر داد و گفت که میخواهد دادههای خود را مستقیماً در پلتفرمهای سازمانی جاسازی کند. ایده گستردهتر این است که به چیزی شبیه به یک سیستم ثبت زمین برای مدلهای هوش مصنوعی مورد استفاده در لجستیک، کشاورزی، زیرساختها و نظارت بر بلایا تبدیل شود. شاید کمی بزرگ باشد - اما کوچک نیست. ( TechCrunch )
سوالات متداول
چرا قرارداد بلندمدت برادکام با گوگل برای تراشههای هوش مصنوعی سفارشی، اهمیت زیادی دارد؟
این موضوع مهم است زیرا نشان میدهد که شرکتهای بزرگ فناوری چقدر جدی در حال سرمایهگذاری در سختافزار هوش مصنوعی خود هستند. گوگل صرفاً در حال خرید ظرفیت عمومی نیست؛ بلکه در حال توسعه نسلهای آینده تراشهها و سیستمهای رک مرتبط با Broadcom است. این امر میتواند کنترل هزینهها را دقیقتر کند، برنامهریزی تأمین را بهبود بخشد و عملکرد را به دقت تنظیم کند. همچنین، این امر، استدلال گوگل را برای استفاده از پردازندههای خود به عنوان بخش اصلی استراتژی هوش مصنوعی ابری خود تقویت میکند.
آیا تراشههای هوش مصنوعی سفارشی به جایگزینی واقعی برای انویدیا تبدیل میشوند؟
آنها به ویژه برای شرکتهایی که به دنبال هزینههای پایینتر یا وابستگی کمتر به یک تأمینکننده واحد هستند، اهمیت بیشتری پیدا میکنند. در این بررسی، TPU های گوگل به طور فزایندهای در زیرساخت هوش مصنوعی و موقعیت ابری آن نقش محوری دارند. این موضوع انویدیا را بیاهمیت نمیکند. این نشان میدهد که بازار در حال گسترش است و سیلیکونهای سفارشی در جایی که شرکتها خواهان کنترل دقیقتر بر عملکرد و اقتصاد هستند، مورد توجه قرار میگیرند.
چرا متخصصان هوش مصنوعی نگران خرید SchedMD توسط انویدیا هستند؟
این نگرانی محدود به یک شرکت نرمافزاری نیست. SchedMD با Slurm، یک مدیر بار کاری متنباز که برای برنامهریزی مشاغل آموزشی هوش مصنوعی و ابررایانههای بزرگ استفاده میشود، مرتبط است. از آنجا که انویدیا در حال حاضر قدرت زیادی در تراشههای هوش مصنوعی دارد، برخی محققان نگرانند که داشتن یک لایه نرمافزاری مهم میتواند مزایای ناعادلانهای ایجاد کند. مسئله، در اصل، مربوط به بیطرفی در زیرساختهای مشترک است.
کنترل Slurm چگونه میتواند بر محققان و مراکز داده مستقل تأثیر بگذارد؟
یک زمانبند مانند Slurm جایگاه مهمی را اشغال میکند زیرا به تعیین نحوه مدیریت حجم کار در منابع محاسباتی کمک میکند. اگر یک شرکت تراشهساز مسلط آن لایه را کنترل کند، رقبا و اپراتورهای مستقل ممکن است نگران دسترسی، اولویتها یا سازگاری آینده باشند. این مقاله هیچ سوءاستفاده خاصی را ادعا نمیکند. این نشان میدهد که چرا مردم این موضوع را به عنوان یک نگرانی گستردهتر در مورد انصاف، به ویژه در محیطهای محاسباتی تحقیقاتی و دولتی، میبینند.
چرا سرمایهگذاران برای شفافیت بیشتر در مورد مصرف آب و برق مراکز داده هوش مصنوعی تلاش میکنند؟
به نظر میرسد سرمایهگذاران چیزی بیش از وعدههای کلی پایداری میخواهند. آنها خواستار افشای اطلاعات محلی و مختص به هر مکان هستند، زیرا مخالفت جامعه اغلب به سوالات عملی مانند مصرف آب، تقاضای برق و اینکه چه کسی بار این فشار را متحمل میشود، برمیگردد. این مقاله نشان میدهد که زیرساختهای هوش مصنوعی سریعتر از استانداردهای گزارشدهی در حال گسترش است. این شکاف، قضاوت دقیق در مورد بدهبستانهای زیستمحیطی را برای سهامداران و جوامع دشوارتر میکند.
OpenAI چه پیشنهادی برای اقتصاد هوش مصنوعی دارد؟
چشمانداز سیاستگذاری OpenAI شامل ایدههایی مانند صندوقهای ثروت عمومی، شبکههای ایمنی قویتر، مالیات بر رباتها و حتی هفته کاری چهار روزه است. نکته مشترک این است که اگر اتوماسیون، مشاغل و ثروت را تغییر شکل میدهد، چگونه میتوان دستاوردهای هوش مصنوعی را به طور گستردهتری گسترش داد. این مقاله این موضوع را هم به عنوان تفکر سیاسی و هم به عنوان مدیریت تصویر مطرح میکند. به عبارت دیگر، این مقاله در مورد اقتصاد است، اما همچنین در مورد چگونگی درک OpenAI از آن نیز هست.
اپلیکیشن دیکته آفلاین گوگل درباره مسیر هوش مصنوعی روی دستگاه چه میگوید؟
این نشان میدهد که گوگل به جای مسیریابی همه چیز از طریق فضای ابری، ارزش فزایندهای را در قرار دادن مستقیم هوش مصنوعی روی دستگاهها میبیند. این برنامه به صورت آفلاین کار میکند، محدودیت استفاده ندارد و به طور خودکار متن گفتاری را با حذف کلمات پرکننده و تصحیح خودکار پاک میکند. این ترکیب به تمرکز بر حریم خصوصی، تأخیر کمتر و هزینههای پایینتر خدمات اشاره دارد. همچنین نشان میدهد که چگونه ابزارهای هوش مصنوعی مصرفکننده عمیقتر در جریانهای کاری روزمره بافته میشوند.
چرا بودجهی Xoople برای مدلهای هوش مصنوعی که به دادههای دنیای فیزیکی متکی هستند، اهمیت دارد؟
زوپل شرط میبندد که دادههای بهتر رصد زمین میتواند به یک ورودی کلیدی برای سیستمهای هوش مصنوعی سازمانی تبدیل شود. هدف آن صرفاً ماهوارهها برای تصویربرداری نیست، بلکه «حقیقت زمینی» با کیفیت بالاتر برای کاربردهایی مانند لجستیک، کشاورزی، زیرساختها و نظارت بر بلایا است. این مهم است زیرا بسیاری از سیستمهای هوش مصنوعی تولیدی به دادههای قابل اعتماد از دنیای فیزیکی وابسته هستند. ورودیهای بهتر میتوانند به اندازه مدلهای بهتر مهم باشند.