Hızla gelişen bir sektöre ayak uydurmak yapay zeka uzun bir emirdir. Yani bir yapay zeka bunu sizin için yapana kadar, kendi başımıza ele almadığımız dikkate değer araştırma ve deneylerin yanı sıra, makine öğrenimi dünyasındaki son hikayelerin kullanışlı bir özetini burada bulabilirsiniz.
Bu arada — TechCrunch yakında bir AI bülteni yayınlamayı planlıyor. Bizi izlemeye devam edin.
Bu hafta yapay zeka alanında, aralarında New York Daily News, Chicago Tribune ve Orlando Sentinel'in de bulunduğu yatırım devi Alden Global Capital'in sahip olduğu sekiz önde gelen ABD gazetesi, şirketlerin üretken yapay zeka teknolojisini kullanmasıyla ilgili telif hakkı ihlali nedeniyle OpenAI ve Microsoft'a dava açtı. New York Times gibi onlar da OpenAI'ye karşı devam eden davaOpenAI ve Microsoft'u, aşağıdaki gibi üretken modeller oluşturmak ve ticarileştirmek için izinsiz veya tazminatsız olarak IP'lerini kazımakla suçluyor: GPT-4.
Frank Pine, “Yayınlarımızda bilgi toplamak ve haberleri raporlamak için milyarlarca dolar harcadık ve OpenAI ve Microsoft'un, bizim pahasına kendi işlerini kurmak için çalışmalarımızı çalmak gibi büyük teknoloji taktiklerini genişletmelerine izin veremeyiz” dedi. Alden'in gazetelerini denetleyen genel yayın yönetmeni bir açıklamada şunları söyledi.
OpenAI'nin durumu göz önüne alındığında, davanın bir uzlaşma ve lisans anlaşmasıyla sonuçlanması muhtemel görünüyor mevcut ortaklıklar ile yayıncılar ve iş modelinin tamamını buna dayandırma konusundaki isteksizliği adil kullanım argümanı. Peki ya çalışmaları ücretsiz olarak model eğitimine sürüklenen diğer içerik oluşturucular ne olacak?
Görünüşe göre OpenAI bunu düşünüyor.
Yakın zamanda yayınlanan bir araştırma kağıt bilim adamı Boaz Barak'ın ortak yazarıdır. OpenAI'nin Süper Hizalama ekibi, telif hakkı sahiplerine “yapay zeka tarafından oluşturulan içeriğin oluşturulmasına yaptıkları katkılarla orantılı olarak” tazminat ödenmesi için bir çerçeve önermektedir. Nasıl? Başından sonuna kadar işbirlikçi oyun teorisi.
Çerçeve, bir eğitim veri setindeki içeriğin (örneğin metin, görseller veya diğer bazı veriler) bir modelin ürettiği şeyi ne ölçüde etkilediğini değerlendirir ve oyun teorisi kavramını kullanır. Shapley değeri. Daha sonra bu değerlendirmeye göre içerik sahiplerinin “haklı payını” (yani tazminatı) belirler.
Diyelim ki dört sanatçının sanat eserleri kullanılarak eğitilmiş, görüntü üreten bir modeliniz var: John, Jacob, Jack ve Jebediah. Ondan Jack'in tarzında bir çiçek çizmesini istiyorsun. Çerçeveyle, her sanatçının eserinin, modelin ürettiği sanat üzerindeki etkisini ve dolayısıyla her birinin alması gereken tazminatı belirleyebilirsiniz.
Orada dır-dir Ancak çerçevenin bir dezavantajı var; hesaplama açısından pahalı. Araştırmacıların geçici çözümleri, kesin hesaplamalar yerine tazminat tahminlerine dayanıyor. Bu içerik oluşturucuları tatmin eder mi? Çok emin değilim. Eğer OpenAI bir gün bunu uygulamaya koyarsa bunu kesinlikle öğreneceğiz.
İşte son birkaç güne ait diğer AI hikayeleri:
- Microsoft yüz tanıma yasağını yeniden doğruladı: Microsoft'un OpenAI teknolojisine yönelik tam olarak yönetilen paketi olan Azure OpenAI Hizmeti için hizmet şartlarına eklenen dil, entegrasyonların ABD'de yüz tanıma için “polis departmanları tarafından veya polis departmanları için” kullanılmasını daha açık bir şekilde yasaklıyor
- Yapay zekaya özgü girişimlerin doğası: Yapay zeka girişimleri, tipik hizmet olarak yazılım şirketinizden farklı zorluklarla karşı karşıyadır. Geçen hafta Boston'daki TechCrunch Early Stage etkinliğinde Glasswing Ventures'ın kurucusu ve yönetici ortağı Rudina Seseri'nin mesajı buydu; Ron'un tüm hikayesi var.
- Anthropic bir iş planı başlattı: Yapay zeka girişimi Anthropic, yeni bir iOS uygulamasının yanı sıra işletmelere yönelik yeni bir ücretli plan başlatıyor. Ekip (kurumsal plan) müşterilere Anthropic'in hizmetlerine daha yüksek öncelikli erişim sağlar Claude 3 üretken yapay zeka modelleri ailesinin yanı sıra ek yönetici ve kullanıcı yönetimi kontrolleri.
- CodeWhisperer artık yok: Amazon CodeWhisperer artık Q GeliştiriciAmazon'un iş odaklı üretken yapay zeka sohbet robotlarından oluşan Q ailesinin bir parçası. AWS aracılığıyla sunulan Q Developer, tıpkı CodeWhisperer'ın yaptığı gibi, geliştiricilerin günlük çalışmaları sırasında gerçekleştirdiği hata ayıklama ve uygulamalara yükseltme gibi bazı görevlerde yardımcı olur.
- Sam's Club'tan çıkıp gitmeniz yeterli: Walmart'ın sahibi olduğu Sam's Club, “çıkış teknolojisini” hızlandırmak için yapay zekaya yöneldiğini söylüyor. Mağaza personelinden, mağazadan ayrılırken üyelerin satın aldıkları ürünleri faturalarıyla karşılaştırarak kontrol etmelerini istemek yerine, kasada veya Scan & Go mobil uygulaması aracılığıyla ödeme yapan Sam's Club müşterileri, artık satın aldıkları ürünleri tekrar kontrol etmeden belirli mağaza konumlarından çıkabiliyor. .
- Balık hasadı, otomatik: Balık hasadı doğası gereği karmaşık bir iştir. Shinkei Devin, balıkları daha insani ve güvenilir bir şekilde sevk eden otomatik bir sistemle bunu geliştirmeye çalıştığını ve bunun tamamen farklı bir deniz ürünleri ekonomisi yaratabileceğini bildirdi.
- Yelp'in yapay zeka asistanı: Yelp, bu hafta tüketicilere yönelik, OpenAI modelleri tarafından desteklenen, görevleri için (aydınlatma armatürleri kurmak, dış mekan alanlarını iyileştirmek vb.) ilgili işletmelerle bağlantı kurmalarına yardımcı olan yeni bir yapay zeka destekli sohbet robotu duyurdu. Şirket, yapay zeka asistanını iOS uygulamasında “Projeler” sekmesi altında kullanıma sunuyor ve bu yılın sonuna doğru Android'e de genişlemeyi planlıyor.
Daha fazla makine öğrenimi
Resim Kredisi: ABD Enerji Bakanlığı
Sanki varmış gibi geliyor Argonne Ulusal Laboratuvarı'nda muhteşem bir parti Bu kış, hızla gelişen teknolojinin ülkenin altyapısına ve bu alandaki Ar-Ge'ye nasıl yardımcı olabileceği hakkında konuşmak için yüz yapay zeka ve enerji sektörü uzmanını bir araya getirdiler. Ortaya çıkan rapor Bu kalabalıktan az çok beklediğiniz şey bu: havada çok fazla pasta var ama yine de bilgilendirici.
Nükleer enerjiye, şebekeye, karbon yönetimine, enerji depolamaya ve materyallere bakıldığında, bu buluşmadan ortaya çıkan temalar öncelikle araştırmacıların yüksek güçlü bilgi işlem araçlarına ve kaynaklarına erişime ihtiyaç duyması; ikincisi, simülasyonların ve tahminlerin (ilk şeyin mümkün kıldıkları dahil) zayıf noktalarını tespit etmeyi öğrenmek; üçüncüsü, birden fazla kaynaktan ve birçok formattaki verileri entegre edebilen ve erişilebilir hale getirebilen yapay zeka araçlarına duyulan ihtiyaç. Sektörde tüm bu olayların çeşitli şekillerde gerçekleştiğini gördük, bu yüzden büyük bir sürpriz değil, ancak federal düzeyde hiçbir şey birkaç bilim adamı bir makale yayınlamadan yapılmıyor, bu yüzden bunların kayıtlara geçmesi iyi.
Georgia Tech ve Meta bunun bir kısmı üzerinde çalışıyor OpenDAC adı verilen büyük ve yeni bir veritabanıyla, karbon yakalama süreçlerini tasarlayan bilim adamlarının bunu daha kolay yapmasına yardımcı olmayı amaçlayan bir dizi reaksiyon, malzeme ve hesaplama. Karbon yakalama için umut verici ve popüler bir malzeme türü olan, ancak binlerce varyasyonu olan ve kapsamlı bir şekilde test edilmemiş olan metal-organik çerçevelere odaklanıyor.
Georgia Tech ekibi, Oak Ridge Ulusal Laboratuvarı ve Meta'nın FAIR'i ile bir araya gelerek bu materyaller üzerindeki kuantum kimyası etkileşimlerini simüle etmek için yaklaşık 400 milyon hesaplama saati kullandı; bu, bir üniversitenin kolayca toplayabildiğinden çok daha fazla bir rakam. Umarım bu alanda çalışan iklim araştırmacılarına faydalı olur. Hepsi burada belgelendi.
Tıp alanındaki yapay zeka uygulamaları hakkında çok şey duyuyoruz, ancak bunların çoğu danışmanlık diyebileceğiniz bir rolde, uzmanların başka türlü göremeyecekleri şeyleri fark etmelerine yardımcı oluyor veya bir teknolojinin bulması saatler sürecek kalıpları tespit ediyor. Bunun nedeni kısmen bu makine öğrenimi modellerinin, neyin neye sebep olduğunu veya neye yol açtığını anlamadan istatistikler arasındaki bağlantıları bulmasıdır. Cambridge ve Ludwig-Maximilians-Universität München araştırmacıları Bunun üzerinde çalışıyoruz, çünkü temel bağıntılı ilişkilerin ötesine geçmek tedavi planları oluşturmada son derece yararlı olabilir.
LMU'dan Profesör Stefan Feuerriegel liderliğindeki çalışma, sadece korelasyonları değil, nedensel mekanizmaları da tanımlayabilen modeller yapmayı amaçlıyor: “Makineye, nedensel yapıyı tanıması ve sorunu doğru şekilde biçimlendirmesi için kurallar veriyoruz. Daha sonra makinenin müdahalelerin etkilerini tanımayı öğrenmesi ve tabiri caizse gerçek hayattaki sonuçların bilgisayarlara beslenen verilere nasıl yansıdığını anlaması gerekiyor” dedi. Onlar için henüz erken ve bunun farkındalar ancak çalışmalarının on yıllık önemli bir gelişme döneminin parçası olduğuna inanıyorlar.
Pennsylvania Üniversitesi'nde yüksek lisans öğrencisi Ro Encarnación “algoritmik adalet” alanında yeni bir bakış açısı üzerinde çalışıyor Son 7-8 yılda öncü olduklarını (öncelikle kadınların ve farklı etnik kökenden insanların) gördük. Çalışmaları platformlardan çok kullanıcılara odaklanıyor ve “acil denetim” olarak adlandırdığı şeyi belgeliyor.
Tiktok veya Instagram biraz ırkçı bir filtre veya göz kamaştırıcı bir şey yapan bir görüntü oluşturucu yayınladığında kullanıcılar ne yapar? Elbette şikayet ediyorlar ama aynı zamanda onu kullanmaya devam ediyorlar ve içinde kodlanmış sorunları nasıl atlatacaklarını, hatta daha da kötüleştireceklerini öğreniyorlar. Bu bizim düşündüğümüz anlamda bir “çözüm” olmayabilir, ancak denklemin kullanıcı tarafının çeşitliliğini ve esnekliğini gösteriyor; düşündüğünüz kadar kırılgan veya pasif değiller.
Kaynak bağlantısı