Αυτή την εβδομάδα στο AI: Η Microsoft κολλάει μια διαφήμιση τεχνητής νοημοσύνης στα πληκτρολόγια

Το να συμβαδίζεις με έναν κλάδο τόσο γρήγορο όσο η τεχνητή νοημοσύνη είναι μια μεγάλη παραγγελία. Έτσι, έως ότου μια τεχνητή νοημοσύνη μπορεί να το κάνει για εσάς, ακολουθεί μια χρήσιμη συλλογή από πρόσφατες ιστορίες στον κόσμο της μηχανικής μάθησης, μαζί με αξιοσημείωτες έρευνες και πειράματα που δεν καλύψαμε από μόνα τους.

Αυτή την εβδομάδα στο AI, η Microsoft παρουσίασε μια νέα τυπική διάταξη πληκτρολογίου υπολογιστή με πλήκτρο “Copilot”. Σωστά ακούσατε — στο εξής, οι μηχανές με Windows θα έχουν ένα αποκλειστικό κλειδί για την εκκίνηση του βοηθού Copilot της Microsoft με τεχνητή νοημοσύνη, αντικαθιστώντας το σωστό κλειδί ελέγχου.

Η κίνηση έχει σκοπό, φαντάζεται κανείς, να σηματοδοτήσει τη σοβαρότητα της επένδυσης της Microsoft στον αγώνα για την κυριαρχία της τεχνητής νοημοσύνης από τους καταναλωτές (και τις επιχειρήσεις για αυτό το θέμα). Είναι η πρώτη φορά που η Microsoft άλλαξε τη διάταξη πληκτρολογίου των Windows εδώ και ~30 χρόνια. Οι φορητοί υπολογιστές και τα πληκτρολόγια με το κλειδί Copilot έχουν προγραμματιστεί να αποσταλούν στα τέλη Φεβρουαρίου.

Είναι όμως όλο τρελό; Οι χρήστες των Windows πραγματικά

θέλω

μια συντόμευση AI — ή η γεύση της περιόδου AI της Microsoft;

Η Microsoft βεβαίως έκανε μια επίδειξη για την ένεση σχεδόν όλων των προϊόντων της παλαιών και νέων με τη λειτουργία “Copilot”. Σε εντυπωσιακές βασικές ομιλίες, κομψές επιδείξεις και, τώρα, ένα κλειδί τεχνητής νοημοσύνης, η εταιρεία κάνει εξέχουσα την τεχνολογία AI της — και στοιχηματίζει σε αυτό για να αυξήσει τη ζήτηση.

Η ζήτηση δεν είναι σίγουρο. Αλλά για να είμαστε δίκαιοι. μερικοί πωλητές κατάφεραν να μετατρέψουν τις επιτυχίες ιού AI σε επιτυχίες. Κοιτάξτε το OpenAI, τον κατασκευαστή του

ChatGPT

, το οποίο

σύμφωνα με πληροφορίες

ξεπέρασε τα 1,6 δισεκατομμύρια δολάρια σε ετήσια έσοδα προς το τέλος του 2023. Η πλατφόρμα παραγωγής

τέχνη

ς Midjourney είναι επίσης φαινομενικά κερδοφόρα — και δεν έχει πάρει ακόμη ούτε μια δεκάρα από εξωτερικό κεφάλαιο.

Εμφαση στο

λίγα,

αν και. Οι περισσότεροι πωλητές, που βαρύνονται από το κόστος εκπαίδευσης και λειτουργίας μοντέλων τεχνητής νοημοσύνης αιχμής, έπρεπε να αναζητήσουν όλο και μεγαλύτερες δόσεις κεφαλαίου για να παραμείνουν στη ζωή. Για παράδειγμα, λέγεται ότι είναι το Anthropic

ανύψωση

750 εκατομμύρια δολάρια σε έναν γύρο που θα ανέβαζε το σύνολο του σε περισσότερα από 8 δισεκατομμύρια δολάρια.

Η Microsoft, μαζί με τους εταίρους της σε τσιπ AMD και Intel, ελπίζει ότι η επεξεργασία τεχνητής νοημοσύνης θα μετακινείται όλο και περισσότερο από τα ακριβά κέντρα δεδομένων στο τοπικό πυρίτιο, εμπορευματοποιώντας την τεχνητή νοημοσύνη στη διαδικασία — και μπορεί να είναι σωστό. Η νέα σειρά τσιπ καταναλωτών της Intel συσκευάζει ειδικά σχεδιασμένους πυρήνες για εκτέλεση τεχνητής νοημοσύνης. Επιπλέον, νέα τσιπ datacenter όπως τα δικά της Microsoft θα μπορούσαν να κάνουν την εκπαίδευση μοντέλων μια λιγότερο δαπανηρή προσπάθεια από ό,τι είναι σήμερα.

Αλλά δεν υπάρχει εγγύηση. Η πραγματική δοκιμή θα είναι να δει αν οι χρήστες των Windows και οι πελάτες των επιχειρήσεων, βομβαρδισμένοι με αυτό που ισοδυναμεί με τη διαφήμιση Copilot, δείχνει μια όρεξη για την τεχνολογία – και εξαπλώνεται για αυτό. Εάν δεν το κάνουν, μπορεί να μην αργήσει η Microsoft να ανασχεδιάσει ξανά το πληκτρολόγιο των Windows.

Ακολουθούν μερικές άλλες αξιοσημείωτες ιστορίες AI από τις τελευταίες ημέρες:

• 
  Ο Copilot έρχεται στο κινητό:
  
  Σε περισσότερα νέα του Copilot, η Microsoft έφερε αθόρυβα τους πελάτες Copilot σε Android και iOS, μαζί με το iPadOS.
• 
  Κατάστημα GPT:
  
  Το OpenAI ανακοίνωσε σχέδια για την έναρξη ενός καταστήματος για GPT, προσαρμοσμένες εφαρμογές που βασίζονται στα μοντέλα τεχνητής νοημοσύνης που δημιουργούν κείμενο (π.χ. GPT-4
  
  ), μέσα στην επόμενη εβδομάδα. Το GPT Store ανακοινώθηκε πέρυσι κατά τη διάρκεια του πρώτου ετήσιου συνεδρίου προγραμματιστών του OpenAI, DevDay, αλλά καθυστέρησε τον Δεκέμβριο — σχεδόν σίγουρα λόγω της αλλαγής ηγεσίας που συνέβη τον Νοέμβριο αμέσως μετά την αρχική ανακοίνωση.
  
• 
  Το OpenAI συρρικνώνει τον εγγεγραμμένο κίνδυνο:
  
  Σε άλλες ειδήσεις του OpenAI, η
  
  startup
  
  επιδιώκει να συρρικνώσει τον ρυθμιστικό της κίνδυνο στην ΕΕ διοχετεύοντας μεγάλο μέρος των δραστηριοτήτων της στο εξωτερικό μέσω μιας ιρλανδικής οντότητας. Η Νατάσα γράφει ότι η κίνηση θα μειώσει την ικανότητα ορισμένων φρουρών προστασίας της ιδιωτικής ζωής στο μπλοκ να ενεργούν μονομερώς για ανησυχίες.
• 
  Ρομπότ κατάρτισης:
  
  Η ομάδα DeepMind Robotics της Google διερευνά τρόπους για να δώσει στα ρομπότ καλύτερη κατανόηση του τι ακριβώς θέλουμε εμείς οι άνθρωποι από αυτά, γράφει ο Brian. Το νέο σύστημα της ομάδας μπορεί να διαχειριστεί έναν στόλο ρομπότ που εργάζονται παράλληλα και να προτείνει εργασίες που μπορούν να επιτευχθούν από το υλικό των ρομπότ.
• 
  Η νέα εταιρεία της Intel:
  
  Η Intel γυρίζει
  
  μια νέα εταιρεία πλατφόρμας, το Articul8 AI, με την υποστήριξη της Boca Raton, με έδρα τη Φλόριντα, διαχειριστή περιουσιακών στοιχείων και επενδυτή DigitalBridge. Όπως εξηγεί εκπρόσωπος της Intel, η πλατφόρμα του Articul8 «παρέχει δυνατότητες τεχνητής νοημοσύνης που διατηρούν τα δεδομένα των πελατών, την εκπαίδευση και τα συμπεράσματα εντός της περιμέτρου ασφάλειας της επιχείρησης» — μια ελκυστική προοπτική για πελάτες σε κλάδους με υψηλή ρύθμιση, όπως η υγειονομική περίθαλψη και οι χρηματοοικονομικές υπηρεσίες.
  
• 
  Βιομηχανία σκοτεινής αλιείας, εκτεθειμένη:
  
  Οι δορυφορικές εικόνες και η μηχανική μάθηση προσφέρουν μια νέα, πολύ πιο λεπτομερή ματιά στη ναυτιλιακή βιομηχανία, συγκεκριμένα τον αριθμό και τις δραστηριότητες των πλοίων αλιείας και μεταφοράς στη θάλασσα. Αποδεικνύεται ότι υπάρχουν
  
  τρόπος
  
  
  Περισσότερα από αυτά από ό, τι τα διαθέσιμα στο κοινό δεδομένα υποδηλώνουν – γεγονός που αποκαλύφθηκε από τη νέα έρευνα που δημοσιεύθηκε στη φύση από μια ομάδα στο Global Fishing Watch και σε πολλαπλά πανεπιστήμια συνεργασίας.
  
• 
  Αναζήτηση με λειτουργία AI:
  
  Το Perplexity AI, μια πλατφόρμα που εφαρμόζει την τεχνητή νοημοσύνη στην αναζήτηση στον ιστό, συγκέντρωσε 73,6 εκατομμύρια δολάρια σε έναν γύρο χρηματοδότησης αποτιμώντας την εταιρεία στα 520 εκατομμύρια δολάρια. Σε αντίθεση με τις παραδοσιακές μηχανές αναζήτησης, η αμηχανία προσφέρει μια διεπαφή που μοιάζει με chatbot που επιτρέπει στους χρήστες να κάνουν ερωτήσεις στη φυσική γλώσσα (π.χ. “καίγουμε θερμίδες ενώ κοιμούνται;” “Ποια είναι η ελάχιστη επισκέπτη χώρα;” και ούτω καθεξής).
• 
  Κλινικές σημειώσεις, γραμμένες αυτόματα:
  
  Σε περισσότερες ειδήσεις χρηματοδότησης, η startup Nabla με έδρα το Παρίσι
  
  συγκέντρωσε 24 εκατομμύρια δολάρια. Η εταιρεία, η οποία έχει ένα
  
  συνεργασία με την Permanente Medical Group
  
  ένα τμήμα του αμερικανικού γίγαντα υγειονομικής περίθαλψης Kaiser Permanente, εργάζεται σε ένα “AI copilot” για τους γιατρούς και άλλο κλινικό προσωπικό που λαμβάνει αυτόματα σημειώσεις και γράφει ιατρικές εκθέσεις.
  

Περισσότερα μαθήματα μηχανών

Μπορεί να θυμάστε διάφορα παραδείγματα ενδιαφέρουσας εργασίας κατά το τελευταίο έτος που περιλαμβάνουν μικρές αλλαγές σε εικόνες που προκαλούν τα μοντέλα μηχανικής μάθησης για να σφάλλουν, για παράδειγμα, μια εικόνα ενός σκύλου για μια εικόνα ενός αυτοκινήτου. Αυτό το κάνουν προσθέτοντας «διαταραχές», μικρές αλλαγές στα pixel της εικόνας, σε ένα μοτίβο που μόνο το μοντέλο μπορεί να αντιληφθεί. Ή τουλάχιστον αυτοί

σκέψη

μόνο το μοντέλο μπορούσε να το αντιληφθεί.

Ένα πείραμα από ερευνητές του Google DeepMind

έδειξε ότι όταν μια εικόνα των λουλουδιών ήταν διαταραγμένη για να εμφανιστεί πιο γάτα με το AI, οι άνθρωποι ήταν πιο πιθανό να περιγράψουν αυτή την εικόνα ως πιο γάτα, παρά το γεγονός ότι σίγουρα δεν έμοιαζε περισσότερο σαν γάτα. Το ίδιο και για άλλα κοινά αντικείμενα όπως φορτηγά και καρέκλες.

Γιατί; Πως? Οι ερευνητές δεν γνωρίζουν πραγματικά, και οι συμμετέχοντες όλοι αισθάνθηκαν σαν να επιλέξουν τυχαία (πράγματι η επιρροή είναι, ενώ είναι αξιόπιστη, ελάχιστα πάνω από την ευκαιρία). Φαίνεται ότι είμαστε απλώς πιο αντιληπτικοί από ό, τι νομίζουμε – αλλά αυτό έχει επίσης επιπτώσεις στην ασφάλεια και άλλα μέτρα, καθώς υποδηλώνει ότι τα υποσυνείδητα σήματα θα μπορούσαν πράγματι να διαδοθούν μέσω εικόνων χωρίς να παρατηρούν κανείς.

Ένα άλλο ενδιαφέρον πείραμα που αφορούσε την ανθρώπινη αντίληψη βγήκε από το MIT αυτή την εβδομάδα, το οποίο χρησιμοποίησε τη μηχανική μάθηση

βοηθούν στην αποσαφήνιση ενός συγκεκριμένου συστήματος γλωσσικής κατανόησης

. Βασικά, μερικές απλές προτάσεις, όπως “περπάτησα στην παραλία”, μόλις παίρνουν οποιαδήποτε εγκεφαλική δύναμη για να αποκωδικοποιήσουν, ενώ ήταν πολύπλοκα ή σύγχυση όπως “στο αριστοκρατικό σύστημα, επηρεάζει μια θλιβερή επανάσταση” παράγει περισσότερη και ευρύτερη ενεργοποίηση, όπως μετράται από το fMRI.

Η ομάδα συνέκρινε τις αναγνώσεις ενεργοποίησης των ανθρώπων που διαβάζουν μια ποικιλία τέτοιων προτάσεων με τον τρόπο με τον οποίο οι ίδιες προτάσεις ενεργοποίησαν το ισοδύναμο των φλοιωδών περιοχών σε ένα μεγάλο γλωσσικό μοντέλο. Στη συνέχεια έφτιαξαν ένα δεύτερο μοντέλο που έμαθε πώς τα δύο μοτίβα ενεργοποίησης αντιστοιχούσαν το ένα στο άλλο. Αυτό το μοντέλο ήταν σε θέση να προβλέψει για νέες προτάσεις εάν θα φορολογούσαν την ανθρώπινη γνώση ή όχι. Μπορεί να ακούγεται λίγο απόκρυφο, αλλά είναι σίγουρα εξαιρετικά ενδιαφέρον, πιστέψτε με.

Το αν η μηχανική μάθηση μπορεί να μιμηθεί την ανθρώπινη γνώση σε πιο περίπλοκες περιοχές, όπως η αλληλεπίδραση με τις διεπαφές υπολογιστών, εξακολουθεί να είναι μια ανοιχτή ερώτηση. Ωστόσο, υπάρχει πολλή έρευνα και αξίζει πάντα να ρίξετε μια ματιά. Αυτή την εβδομάδα έχουμε

Παραβιάζοντας

ένα σύστημα από ερευνητές της Πολιτείας του Οχάιο που λειτουργεί στηρίζοντας επίπονα τις ερμηνείες ενός LLM για πιθανές ενέργειες σε παραδείγματα του πραγματικού κόσμου.

Συντελεστές εικόνας:

Κρατικό Πανεπιστήμιο του Οχάιο

Βασικά μπορείτε να ζητήσετε από ένα σύστημα όπως το GPT-4V για να δημιουργήσετε μια κράτηση σε έναν ιστότοπο και θα πάρει ό, τι είναι το καθήκον του και ότι χρειάζεται να κάνει κλικ στο κουμπί “Κάντε κράτηση”, αλλά δεν ξέρει πραγματικά πώς να το κάνει αυτό . Με τη βελτίωση του τρόπου με τον οποίο αντιλαμβάνεται διασυνδέσεις με ρητές ετικέτες και παγκόσμιες γνώσεις, μπορεί να κάνει πολλά καλύτερα, ακόμα κι αν εξακολουθεί να επιτυγχάνει μόνο ένα κλάσμα της εποχής. Αυτά τα μοντέλα πρακτόρων έχουν πολύ δρόμο να διανύσουν, αλλά ούτως ή άλλως περιμένετε πολλές μεγάλες αξιώσεις φέτος! Μόλις άκουσα μερικά σήμερα.

Στη συνέχεια, ρίξτε μια ματιά σε αυτήν την ενδιαφέρουσα λύση σε ένα πρόβλημα που δεν είχα ιδέα ότι υπήρχε αλλά είναι απολύτως λογικό. Τα αυτόνομα πλοία είναι ένας πολλά υποσχόμενος τομέας αυτοματισμού, αλλά όταν η θάλασσα είναι θυμωμένη, είναι δύσκολο να βεβαιωθείτε ότι είναι σε καλό δρόμο. Το GPS και το γυροσκόπιο δεν το κόβουν και η ορατότητα μπορεί να είναι επίσης κακή — αλλά το πιο σημαντικό, τα συστήματα που τα διέπουν δεν είναι πολύ εξελιγμένα. Έτσι, μπορούν να ξεφύγουν από το στόχο τους ή να σπαταλούν καύσιμα σε μεγάλες παρακάμψεις, εάν δεν γνωρίζουν κάτι καλύτερο, ένα μεγάλο πρόβλημα εάν χρησιμοποιείτε μπαταρία. Δεν το σκέφτηκα ποτέ αυτό!

Ναυτικό και Ωκεανό Πανεπιστήμιο της Κορέας

(Ένα άλλο πράγμα που έμαθα σήμερα) προτείνει ένα πιο ισχυρό μοντέλο διαδρομής που βασίζεται στην προσομοίωση των κινήσεων των πλοίων σε ένα υπολογιστικό μοντέλο δυναμικής υγρού. Προτείνουν ότι αυτή η καλύτερη κατανόηση της δράσης των κυμάτων και η επίδρασή της στα κύτη και την πρόωση θα μπορούσε να βελτιώσει σοβαρά την αποτελεσματικότητα και την ασφάλεια των αυτόνομων θαλάσσιων μεταφορών. Μπορεί ακόμη και να έχει νόημα η χρήση σε σκάφη που καθοδηγούνται από ανθρώπους, των οποίων οι καπετάνιοι δεν είναι σίγουροι ποια είναι η καλύτερη γωνία επίθεσης για μια δεδομένη μορφή καταιγισμού ή κυματισμού!

Τέλος, εάν θέλετε μια καλή ανακεφαλαίωση των μεγάλων προόδων της περσινής επιστήμης των υπολογιστών, η οποία το 2023 αλληλεπικαλύπτονταν μαζικά με την έρευνα για την ML,

δείτε την εξαιρετική κριτική του Quanta

.