Witajcie! Dziś przedstawiamy najnowsze informacje ze świata sztucznej inteligencji, które z pewnością zainteresują wszystkich miłośników technologii i AI. Zapraszamy do zapoznania się z przeglądem najciekawszych wydarzeń i innowacji, które kształtują tę dynamicznie rozwijającą się dziedzinę.
Wywiad z CEO Anthropic: Rozwój SI i wyzwania przyszłości
W miniony poniedziałek Dario Amodei, CEO Anthropic, udzielił pięciogodzinnego wywiadu podcastowego prowadzonego przez znanego influencera AI, Lexa Fridmana. W rozmowie poruszono wiele tematów, począwszy od prognoz dotyczących superinteligencji, po postępy w rozwoju nowej technologii Anthropic.
Aby zaoszczędzić wam czasu, zebraliśmy najważniejsze punkty z tego wywiadu. Mimo coraz częściej pojawiających się głosów, które wskazują na ograniczenia obecnych metod rozwoju sztucznej inteligencji, Amodei nadal wierzy, że „skalowanie” modeli pozostaje kluczowym kierunkiem dla rozwoju bardziej zaawansowanych systemów AI. Przez skalowanie rozumie on nie tylko zwiększenie mocy obliczeniowej, ale także rozmiar modeli i ich zbiorów danych.
„Prawdopodobnie skalowanie będzie kontynuowane, a w tym procesie zauważamy pewną 'magię’, której jeszcze nie do końca potrafimy wytłumaczyć na gruncie teoretycznym” – powiedział Amodei. Co ciekawe, nie przewiduje on, że niedobór danych będzie znaczącym problemem w przyszłości. AI można trenować na syntetycznych danych, a deweloperzy znajdą sposoby, aby obejść potencjalne ograniczenia.
Nie oznacza to jednak, że wszystko będzie łatwe. Amodei przyznał, że rozwój AI będzie coraz kosztowniejszy, a firmy mogą wydać miliardy dolarów na infrastrukturę do trenowania modeli w nadchodzącym roku. Do 2027 roku te kwoty mogą wzrosnąć nawet do setek miliardów. W rzeczywistości OpenAI planuje już budowę centrum danych o wartości 100 miliardów dolarów.
Nieprzewidywalność modeli AI
Amodei otwarcie mówił o wyzwaniach związanych z kontrolowaniem zaawansowanych modeli. „Bardzo trudno jest kontrolować zachowanie modelu we wszystkich możliwych sytuacjach jednocześnie” – stwierdził. Użył analogii do gry w „whack-a-mole”, sugerując, że poprawa jednego aspektu działania AI może prowadzić do nieoczekiwanych zmian w innym, często niezauważalnym aspekcie.
Mimo tych trudności, Amodei prognozuje, że Anthropic – lub ich konkurenci – mogą opracować „superinteligentne” AI już do 2026 lub 2027 roku. Takie AI przewyższyłoby ludzkie zdolności w wielu zadaniach, co budzi poważne obawy dotyczące etyki i koncentracji władzy. Amodei zauważył, że obawia się przede wszystkim ekonomicznych i politycznych skutków związanych z potencjalnym nadużywaniem tej technologii przez niewielką grupę podmiotów.
Najnowsze wieści z branży AI
W ostatnim czasie miało miejsce kilka interesujących wydarzeń ze świata AI:
- Nowa aplikacja newsowa z AI: Particle, aplikacja stworzona przez byłych inżynierów Twittera, pomaga użytkownikom lepiej zrozumieć wiadomości dzięki technologii AI.
- Writer zbiera 200 milionów dolarów: Firma Writer, zajmująca się tworzeniem generatywnego AI dla przedsiębiorstw, zebrała 200 milionów dolarów w ramach nowej rundy finansowania, osiągając wycenę 1,9 miliarda dolarów.
- Program AWS dla badaczy AI: Amazon Web Services uruchomił program „Build on Trainium”, który przeznaczy 110 milionów dolarów na granty dla instytucji, naukowców i studentów badających AI.
- Red Hat przejmuje Neural Magic: IBM’s Red Hat nabył startup Neural Magic, który optymalizuje modele AI pod kątem szybszego działania na standardowych procesorach i GPU.
- Testy darmowej wersji Grok: X (dawniej Twitter) testuje darmową wersję swojego chatbotu AI o nazwie Grok.
- AI wspiera The Beatles: Utwór „Now and Then” zespołu The Beatles, który został zremasterowany przy użyciu AI, został nominowany do dwóch nagród Grammy.
- Anthropic w sektorze obronnym: Anthropic nawiązał współpracę z firmą Palantir i AWS, aby dostarczać swoje modele AI, Claude, amerykańskim agencjom wywiadu i obrony.
- OpenAI kupuje Chat.com: OpenAI nabył domenę Chat.com, co zwiększa ich pulę znanych nazw domenowych.
Nowy model AI Google do prognozowania powodzi
Google zaprezentował nowy model AI do prognozowania powodzi, który ma możliwość precyzyjnego przewidywania zagrożeń powodziowych na siedem dni naprzód. Model opiera się na poprzednich osiągnięciach firmy w tej dziedzinie i działa w wielu krajach na całym świecie. Zgodnie z deklaracjami Google, teoretycznie model ten mógłby dostarczać prognozy praktycznie dla każdego miejsca na Ziemi, jednakże w niektórych regionach brakuje odpowiednich danych historycznych, aby zweryfikować jego skuteczność.
Google udostępnia swoje prognozy za pośrednictwem platformy Flood Hub oraz oferuje dostęp do API dla ekspertów zajmujących się zarządzaniem katastrofami i hydrologią. Firma ma nadzieję, że udostępnienie tych danych przyczyni się do pogłębienia badań nad wpływem powodzi na społeczności na całym świecie.
Najnowszy model AI symulujący Minecraft
Rami Seid, deweloper AI, zaprezentował model symulujący grę Minecraft, który może działać na pojedynczej karcie graficznej Nvidia RTX 4090. Model nazwany Lucid v1 symuluje świat gry Minecraft w czasie rzeczywistym, przetwarzając ruchy klawiatury i myszy oraz generując klatki, które odwzorowują fizykę i grafikę gry.
Podobnie jak inne modele symulacyjne, Lucid v1 ma jednak swoje ograniczenia. Rozdzielczość jest stosunkowo niska, a model ma tendencję do „zapominania” układu poziomów. Gdy obrócisz postać, scena może zostać przearanżowana, co wpływa na realizm symulacji.
Seid i jego partnerka, Ollin Boer Bohan, planują jednak dalszy rozwój tego modelu, który jest dostępny do pobrania na blank”>Hugging Face, a także można go przetestować w trybie online blank”>tutaj.
AlphaFold 3: Nowy standard w prognozowaniu białek
DeepMind, laboratorium AI należące do Google, udostępniło kod źródłowy AlphaFold 3, swojego modelu do przewidywania struktury białek. Niedawno ogłoszony model wzbudził kontrowersje, gdyż DeepMind początkowo ograniczył dostęp do niego poprzez serwer internetowy, co spotkało się z krytyką środowiska naukowego.
Teraz, dzięki udostępnieniu kodu, naukowcy mogą wykorzystać model do dowolnych prognoz, w tym do badań nad zachowaniem białek w obecności potencjalnych leków. Naukowcy z afiliacją akademicką mogą zgłosić się tutaj o dostęp do kodu.
