Σε μια σπάνια δημόσια παραδοχή, η αναπληρώτρια σύμβουλος εθνικής ασφάλειας των ΗΠΑ, Anne Neuberger, αποκάλυψε ότι η Βόρεια Κορέα κλιμακώνει τις κυβερνοδυνατότητές της αξιοποιώντας τη δύναμη της τεχνητής νοημοσύνης (ΤΝ), αποτελώντας σημαντικό κίνδυνο για τις εμπορικές επιχειρήσεις παγκοσμίως.

Αυτή φαίνεται να είναι η πρώτη φορά που αξιωματούχος της αμερικανικής κυβέρνησης επιβεβαιώνει δημοσίως τη χρήση της τεχνητής νοημοσύνης στον κυβερνοπόλεμο. "Έχουμε παρατηρήσει ότι η Βόρεια Κορέα και άλλοι εθνικοί κρατικοί και εγκληματικοί παράγοντες προσπαθούν να χρησιμοποιήσουν μοντέλα τεχνητής νοημοσύνης για να επιταχύνουν τη δημιουργία κακόβουλου λογισμικού και να εντοπίσουν συστήματα προς εκμετάλλευση", δήλωσε η Neuberger κατά τη διάρκεια ενημέρωσης του Τύπου.

Διευκρίνισε περαιτέρω ότι η χρήση της τεχνητής νοημοσύνης για την επιτάχυνση της διαδικασίας συγγραφής κώδικα κακόβουλης εκμετάλλευσης θα μπορούσε να αυξήσει δραματικά τις επιθετικές κυβερνοδυνατότητες της Βόρειας Κορέας. Με την υποστήριξη της μηχανικής μάθησης, οι βορειοκορεάτες χάκερ θα μπορούσαν πιο αποτελεσματικά "να εντοπίζουν και να στοχεύουν τις ευπάθειες".

Οι πιθανές επιπτώσεις για τις διεθνείς επιχειρήσεις είναι σοβαρές. Το αποδεδειγμένο ιστορικό κυβερνοεπιθέσεων της Βόρειας Κορέας, από την εισβολή στη Sony Pictures το 2014 έως την καταστροφική επίθεση λύτρων WannaCry το 2017, υπογραμμίζει την παγκόσμια και αδιάκριτη απειλή που συνιστούν οι δραστηριότητες κυβερνοπολέμου της.

Η ενσωμάτωση της τεχνητής νοημοσύνης σε αυτές τις επιχειρήσεις θα μπορούσε δυνητικά να ενισχύσει την ταχύτητα, τον όγκο και την αποτελεσματικότητα αυτών των επιθέσεων, θέτοντας τις επιχειρήσεις σε υψηλότερο κίνδυνο.

Επιτείνοντας τη σοβαρότητα της κατάστασης, η Neuberger τόνισε ότι οι επιχειρήσεις της Βόρειας Κορέας στον κυβερνοχώρο, οι οποίες έχουν συμπεριλάβει την παραβίαση κρυπτονομισμάτων παγκοσμίως, χρησιμεύουν ως σημαντική πηγή εσόδων για το καθεστώς. Τα έσοδα αυτά πιθανολογείται ότι στηρίζουν το πυραυλικό πρόγραμμα της Βόρειας Κορέας, συμβάλλοντας στην αύξηση του αριθμού των εκτοξεύσεων τα τελευταία χρόνια.

Η τεχνητή νοημοσύνη θα ενισχύσει φίλους και εχθρούς

Ωστόσο, οι Ηνωμένες Πολιτείες δεν μένουν άπραγες μπροστά σε αυτές τις εξελισσόμενες απειλές. Η DARPA AI Cyber Challenge είναι ένας τρόπος με τον οποίο οι ΗΠΑ κινητοποιούν τους προγραμματιστές. Χρησιμοποιείται "για να δώσει κίνητρα και να δώσει ώθηση στους αμυντικούς χάκερς που χρησιμοποιούν ΤΝ για να δημιουργήσουν άμυνες κυβερνοασφάλειας", σημείωσε η Neuberger. Ο στρατηγικός στόχος είναι να διασφαλιστεί ότι η άμυνα της τεχνητής νοημοσύνης παραμένει ένα βήμα μπροστά από τις επιθετικές εφαρμογές τεχνητής νοημοσύνης.

Η αποκάλυψη σχετικά με τις εκμεταλλεύσεις ΤΝ της Βόρειας Κορέας θα πρέπει να λειτουργήσει ως προειδοποίηση για τις επιχειρήσεις, τονίζοντας την ανάγκη για ισχυρές και εμπροσθοβαρείς στρατηγικές κυβερνοασφάλειας. Καθώς η ΤΝ εξακολουθεί να αποτελεί "δίκοπο μαχαίρι" στο πεδίο της κυβερνοασφάλειας, οι οργανισμοί πρέπει να είναι προετοιμασμένοι να αντιμετωπίσουν αυτές τις εξελισσόμενες απειλές.

Η πρόσφατη έκθεση της Microsoft για την ψηφιακή άμυνα υπογράμμισε περαιτέρω τον επείγοντα χαρακτήρα της κατάστασης, αποκαλύπτοντας την αυξημένη στόχευση των παρόχων υπηρεσιών πληροφορικής από εθνικούς-κρατικούς φορείς ως μέθοδο εκμετάλλευσης των μεταγενέστερων πελατών. Οι επιχειρήσεις, τώρα περισσότερο από ποτέ, πρέπει να δώσουν προτεραιότητα στην ασφάλεια στον κυβερνοχώρο για την προστασία των δεδομένων, των λειτουργιών και, τελικά, του μέλλοντός τους. Η λήψη υπόψη των εξελίξεων της Βόρειας Κορέας δεν είναι πλέον προαιρετική, αλλά αποτελεί κρίσιμη πτυχή της εταιρικής επιβίωσης στον ολοένα και πιο ψηφιακό κόσμο μας.

Η OpenAI, η εταιρεία που βρίσκεται πίσω από το ChatGPT, διερευνά το ενδεχόμενο να κατασκευάσει τους δικούς της επεξεργαστές τεχνητής νοημοσύνης και έχει προχωρήσει στην αξιολόγηση ενός πιθανού στόχου εξαγοράς. Η εταιρεία δεν έχει ακόμη αποφασίσει να προχωρήσει, ωστόσο, τουλάχιστον από πέρυσι συζητούσε διάφορες επιλογές για να λύσει την έλλειψη ακριβών επεξεργαστών τεχνητής νοημοσύνης στα οποία βασίζεται η OpenAI.

Οι επιλογές αυτές περιελάμβαναν την κατασκευή του δικού της επεξεργαστή ΤΝ, τη στενότερη συνεργασία με άλλους κατασκευαστές τσιπ,  συμπεριλαμβανομένης της Nvidia, αλλά και τη διαφοροποίηση των προμηθευτών της πέρα από την Nvidia.

Ο διευθύνων σύμβουλος Σαμ Άλτμαν έχει καταστήσει την απόκτηση περισσότερων τσιπ τεχνητής νοημοσύνης κορυφαία προτεραιότητα για την εταιρεία. Έχει διαμαρτυρηθεί δημοσίως για την έλλειψη μονάδων επεξεργασίας γραφικών, μια αγορά στην οποία κυριαρχεί η Nvidia, η οποία ελέγχει περισσότερο από το 80% της παγκόσμιας αγοράς για τα τσιπ που είναι καταλληλότερα για την εκτέλεση εφαρμογών AI.

Η προσπάθεια για την απόκτηση περισσότερων τσιπ συνδέεται με δύο σημαντικές ανησυχίες που έχει εντοπίσει ο Altman: την έλλειψη των προηγμένων επεξεργαστών που τροφοδοτούν το λογισμικό της OpenAI και το "εντυπωσιακό" κόστος που συνδέεται με τη λειτουργία του υλικού που είναι απαραίτητο για την τροφοδοσία των προσπαθειών και των προϊόντων της.

Από το 2020, η OpenAI αναπτύσσει τις τεχνολογίες της δημιουργικής τεχνητής νοημοσύνης σε έναν τεράστιο υπερυπολογιστή που κατασκεύασε η Microsoft, ένας από τους μεγαλύτερους υποστηρικτές της, ο οποίος χρησιμοποιεί 10.000 μονάδες επεξεργασίας γραφικών (GPU) της Nvidia.

Η λειτουργία του ChatGPT είναι πολύ δαπανηρή για την εταιρεία. Κάθε ερώτημα κοστίζει περίπου 4 σεντς, σύμφωνα με ανάλυση της αναλύτριας της Bernstein, Stacy Rasgon. Εάν τα ερωτήματα του ChatGPT αυξηθούν στο ένα δέκατο της κλίμακας της αναζήτησης Google, θα απαιτηθούν αρχικά GPUs αξίας περίπου 48,1 δισεκατομμυρίων δολαρίων και τσιπ αξίας περίπου 16 δισεκατομμυρίων δολαρίων ετησίως για να διατηρηθεί η λειτουργία του.

Μια προσπάθεια να αναπτύξει τα δικά της τσιπ τεχνητής νοημοσύνης θα τοποθετούσε την OpenAI σε μια μικρή ομάδα μεγάλων τεχνολογικών παικτών, όπως η Google της Alphabet και η Amazon.com, που έχουν επιδιώξει να αναλάβουν τον έλεγχο του σχεδιασμού των επεξεργαστών που είναι θεμελιώδους σημασίας για τις επιχειρήσεις τους.

Δεν είναι σαφές αν η OpenAI θα προχωρήσει με το σχέδιο κατασκευής ενός προσαρμοσμένου επεξεργαστή. Κάτι τέτοιο θα ήταν μια σημαντική στρατηγική πρωτοβουλία και μια μεγάλη επένδυση που θα μπορούσε να ανέλθει σε εκατοντάδες εκατομμύρια δολάρια ετησίως σε κόστος, σύμφωνα με βετεράνους του κλάδου. Ακόμη και αν το OpenAI δεσμεύσει πόρους για το έργο αυτό δεν θα εγγυηθεί την επιτυχία.

Η εξαγορά μιας εταιρείας παραγωγής επεξεργαστών, θα μπορούσε να επιταχύνει τη διαδικασία κατασκευής του δικού της επεξεργαστή, όπως έγινε για την Amazon.com και την εξαγορά της Annapurna Labs το 2015. Η OpenAI είχε εξετάσει την πορεία αυτή προς το σημείο της εξαγοράς με δέουσα επιμέλεια. Η ταυτότητα της εταιρείας που εξέταζε την αγορά η OpenAI δεν έχει γίνει γνωστή.

Ακόμη και αν η OpenAI προχωρήσει με τα σχέδια για ένα προσαρμοσμένο τσιπ - συμπεριλαμβανομένης μιας εξαγοράς - η προσπάθεια είναι πιθανό να διαρκέσει αρκετά χρόνια αφήνοντας την εταιρεία εξαρτημένη από εμπορικούς παρόχους όπως η Nvidia και η Advanced Micro Devices. Ορισμένες μεγάλες εταιρείες τεχνολογίας κατασκευάζουν τους δικούς τους επεξεργαστές εδώ και χρόνια με περιορισμένα αποτελέσματα. Η προσπάθεια της Meta για προσαρμοσμένους επεξεργαστές έχει εμφανίσει πολλά προβλήματα, οδηγώντας την εταιρεία να απορρίψει ορισμένα από τα τσιπ τεχνητής νοημοσύνης της, σύμφωνα με έκθεση του Reuters. Ο ιδιοκτήτης του Facebook εργάζεται τώρα σε ένα νεότερο τσιπ που θα καλύπτει όλους τους τύπους εργασιών AI.

Ο κύριος υποστηρικτής της OpenAI, η Microsoft, αναπτύσσει επίσης ένα προσαρμοσμένο τσιπ AI που δοκιμάζει η OpenAI, ανέφερε το The Information. Τα σχέδια θα μπορούσαν να σηματοδοτήσουν περαιτέρω απομάκρυνση μεταξύ των δύο εταιρειών.

Η ζήτηση για εξειδικευμένα τσιπ τεχνητής νοημοσύνης έχει εκτοξευθεί από την έναρξη του ChatGPT πέρυσι. Τα ειδικά τσιπ, ή επιταχυντές AI, είναι απαραίτητα για την εκπαίδευση και την εκτέλεση της πιο πρόσφατης γενεσιουργού τεχνολογίας AI. Η Nvidia είναι ένας από τους λίγους κατασκευαστές τσιπ που παράγει χρήσιμα τσιπ AI και κυριαρχεί στην αγορά.

Η Adobe ανακοίνωσε την Τετάρτη το λανσάρισμα του Photoshop για το διαδίκτυο μετά από πάνω από ένα χρόνο δοκιμών beta - και είναι διαθέσιμο τώρα.

Δυστυχώς, φαίνεται να αντικαθιστά τη δωρεάν, περιορισμένη έκδοση web που η εταιρεία είχε αρχίσει να δοκιμάζει σε επιλεγμένες αγορές τον Ιούνιο του 2022.

Το Photoshop στο διαδίκτυο λειτουργεί μέσα σε οποιοδήποτε πρόγραμμα περιήγησης, δήλωσε η ανώτερη αντιπρόεδρος της Adobe Ashley Still, ενώ μοιράστηκε τα νέα στη σκηνή του Code Conference 2023 στο Dana Point της Καλιφόρνια.

Όχι μόνο μπορείτε να δημιουργείτε και να επεξεργάζεστε μέσα από ένα πρόγραμμα περιήγησης, αλλά μπορείτε επίσης να "ανοίξετε οποιοδήποτε αρχείο που έχει δημιουργηθεί ποτέ μέσω του Photoshop στο παρελθόν. Έτσι, οποιοδήποτε PSD 30 ετών, έξι μηνών, κ.λπ. θα δουλεύει κανονικά", δήλωσε η Still.

Επιπλέον, οι χρήστες του Photoshop on the web μπορούν να έχουν πρόσβαση σε εργαλεία γεννητικής τεχνητής νοημοσύνης που υποστηρίζονται από τη γεννητική τεχνητή νοημοσύνη Firefly της Adobe: Generative Fill και Generative Expand. Αυτά τα εργαλεία τεχνητής νοημοσύνης σας επιτρέπουν να επεκτείνετε μια εικόνα πέρα από τις αρχικές της διαστάσεις και να γεμίσετε τις άκρες. Άλλα εργαλεία μπορούν να αφαιρέσουν αντικείμενα, όπως το Magic Eraser του Google Pixel.

Η διαδικτυακή έκδοση του Photoshop διαθέτει μια βελτιωμένη εμπειρία χρήσης με επανασχεδιασμένη διάταξη, σύμφωνα με το The Verge. Μπορείτε να εγγραφείτε για μια δωρεάν δοκιμή επτά ημερών εδώ.

Το ChatGPT μπορεί πλέον να περιηγηθεί στο διαδίκτυο σε πραγματικό χρόνο για να προσφέρει πιο ακριβή και ενημερωμένα αποτελέσματα για τις ερωτήσεις. Οι δεξιότητες περιήγησης στο διαδίκτυο της γεννησιακής τεχνητής νοημοσύνης προέρχονται από το Microsoft Bing. Ακριβώς όπως το Google Bard, το ChatGPT μπορεί τώρα να αναζητήσει πληροφορίες στο διαδίκτυο, καθιστώντας τις απαντήσεις του πιο ενημερωμένες και επίκαιρες.

Μέχρι τώρα, οι απαντήσεις της ΤΝ περιορίζονταν από τη βάση γνώσεών της, η οποία περιελάμβανε δεδομένα μόνο μέχρι τον Σεπτέμβριο του 2021. Με τη δυνατότητα πρόσβασης σε ολόκληρο τον ιστό, το ChatGPT θα είναι σε θέση να βοηθήσει καλύτερα τους χρήστες σε εργασίες όπως η αγορά αυτοκινήτου, ο προγραμματισμός διακοπών, η τεχνική έρευνα και άλλα.

Η OpenAI αναφέρει ότι η περιήγηση είναι τώρα διαθέσιμη στους χρήστες ChatGPT Plus και Enterprise και σύντομα θα επεκταθεί σε όλους τους χρήστες. Για να την ενεργοποιήσουν, οι χρήστες θα πρέπει να επιλέξουν την Αναζήτηση με το Bing στον επιλογέα κάτω από το GPT-4. Το ChatGPT θα ειδοποιεί τους χρήστες όταν χρησιμοποιεί το διαδίκτυο και θα παρέχει επίσης συνδέσμους παραπομπών μαζί με τις απαντήσεις του.

Επιπλέον, η OpenAI δήλωσε επίσης ότι η τελευταία λειτουργία περιήγησης θα επιτρέψει στους ιστότοπους να ελέγχουν τον τρόπο με τον οποίο το ChatGPT μπορεί να αλληλεπιδράσει μαζί τους. Όταν οι χρήστες του ChatGPT Plus είχαν προηγουμένως πρόσβαση στο διαδίκτυο, ορισμένοι από αυτούς εκμεταλλεύτηκαν τη λειτουργία για να περάσουν τα paywalls των ιστότοπων. Εξαιτίας αυτού, η πρόσβαση στο διαδίκτυο της ChatGPT ανακλήθηκε τον Ιούλιο. Φαίνεται ότι η OpenAI κατάφερε να διορθώσει το πρόβλημα με αυτή την τελευταία ενημέρωση.

Το OpenAI αναπτύσσει νέες λειτουργίες για το ChatGPT που θα επιτρέπουν την εκτέλεση προτροπών με εικόνες και φωνητικές οδηγίες εκτός από κείμενο. Τη Δευτέρα ανακοινώθηκε ότι θα διατεθούν αυτές τις νέες λειτουργίες μέσα στις επόμενες δύο εβδομάδες στους χρήστες ChatGPT Plus και Enterprise. Η φωνητική λειτουργία είναι διαθέσιμη σε iOS και Android με δυνατότητα επιλογής, ενώ η λειτουργία εικόνων είναι διαθέσιμη σε όλες τις πλατφόρμες ChatGPT. Η OpenAI σημειώνει ότι σκοπεύει να επεκτείνει τη διαθεσιμότητα των χαρακτηριστικών εικόνων και φωνής πέρα από τους χρήστες που πληρώνουν μετά τη σταδιακή ανάπτυξη.

Η φωνητική συνομιλία λειτουργεί ως ακουστική συνομιλία μεταξύ του χρήστη και του ChatGPT. Πατάτε το κουμπί και λέτε την ερώτησή σας. Αφού επεξεργαστεί τις πληροφορίες, το chatbot σας δίνει μια απάντηση σε ακουστική ομιλία αντί σε κείμενο. Η διαδικασία είναι παρόμοια με τη χρήση εικονικών βοηθών όπως η Alexa ή ο Google Assistant και θα μπορούσε να αποτελέσει το προοίμιο για μια πλήρη ανανέωση των εικονικών βοηθών στο σύνολό τους. Η ανακοίνωση του OpenAI έρχεται λίγες ημέρες μετά την αποκάλυψη της Amazon ότι ένα παρόμοιο χαρακτηριστικό έρχεται στην Alexa.

Για να υλοποιήσει τη φωνητική και ηχητική επικοινωνία με το ChatGPT, η OpenAI χρησιμοποιεί ένα νέο μοντέλο μετατροπής κειμένου σε ομιλία, το οποίο είναι σε θέση να παράγει "ήχο που μοιάζει με ανθρώπινο από ένα απλό κείμενο και μερικά δευτερόλεπτα δείγματος ομιλίας". Επιπλέον, το μοντέλο Whisper μπορεί να "μεταγράψει τα προφορικά σας λόγια σε κείμενο".

Η OpenAI λέει ότι έχει επίγνωση των ζητημάτων που θα μπορούσαν να προκύψουν λόγω της δύναμης που κρύβεται πίσω από αυτό το χαρακτηριστικό, όπως, "η δυνατότητα κακόβουλων φορέων να υποδυθούν δημόσια πρόσωπα ή να διαπράξουν απάτη".

Αυτός είναι ένας από τους κύριους λόγους για τους οποίους η εταιρεία σχεδιάζει να περιορίσει τη χρήση των νέων χαρακτηριστικών της σε "συγκεκριμένες περιπτώσεις χρήσης και συνεργασίες". Ακόμη και όταν τα χαρακτηριστικά θα είναι ευρύτερα διαθέσιμα, θα είναι προσβάσιμα κυρίως σε πιο προνομιούχους χρήστες, όπως οι προγραμματιστές.

Η λειτουργία εικόνας σας επιτρέπει να καταγράψετε μια εικόνα και να την εισαγάγετε στο ChatGPT μαζί με την ερώτηση ή την προτροπή σας. Μπορείτε να χρησιμοποιήσετε το εργαλείο σχεδίασης με την εφαρμογή για να διευκρινίσετε την απάντησή σας και να έχετε μια συνομιλία με το chatbot μέχρι να επιλυθεί το θέμα σας. Αυτό είναι παρόμοιο με τη νέα λειτουργία Copilot της Microsoft στα Windows, η οποία βασίζεται στο μοντέλο του OpenAI.

Η OpenAI έχει επίσης αναγνωρίσει τις προκλήσεις του ChatGPT, όπως το συνεχιζόμενο πρόβλημα των "ψευδαισθήσεων". Κατά την ευθυγράμμιση με το χαρακτηριστικό εικόνας, η μάρκα αποφάσισε να περιορίσει ορισμένες λειτουργίες, όπως η "ικανότητα του chatbot να αναλύει και να κάνει άμεσες δηλώσεις για τους ανθρώπους".

Όταν το GPT-4 κυκλοφόρησε για πρώτη φορά τον Μάρτιο, η OpenAI ανακοίνωσε διάφορες συνεργασίες με επιχειρήσεις, όπως η Duolingo, η οποία χρησιμοποίησε το μοντέλο τεχνητής νοημοσύνης για να βελτιώσει την ακρίβεια των μαθημάτων που βασίζονται στην ακρόαση και την ομιλία στην εφαρμογή εκμάθησης γλωσσών. Η OpenAI συνεργάστηκε με το Spotify για τη μετάφραση podcasts σε άλλες γλώσσες, διατηρώντας παράλληλα τον ήχο της φωνής του podcaster. Η εταιρεία μίλησε επίσης για το έργο της με την εφαρμογή για κινητά, Be My Eyes, η οποία λειτουργεί για να βοηθήσει τυφλούς και άτομα με χαμηλή όραση. Πολλές από αυτές τις εφαρμογές και υπηρεσίες ήταν διαθέσιμες πριν από την ενημέρωση εικόνων και φωνής.

Η OpenAI προσφέρει μια πρώιμη ματιά στο DALL-E 3, την επόμενη έκδοση του εργαλείου δημιουργίας εικόνων, ενώ προσπαθεί να αντιμετωπίσεει τον ανταγωνισμό από εργαλεία ανοικτού κώδικα όπως το Stable Diffusion και μια σειρά από μικρές και μεγάλες εταιρείες τεχνολογίας. Η ενημερωμένη αυτή έκδοση, επιτρέπει την κλήση και τον έλεγχο του DALL-E 3 μέσω του ChatGPT και στοχεύει στην παραγωγή εικόνων υψηλότερης ποιότητας που αντικατοπτρίζουν πιο πιστά τα ερωτήματα.
Η OpenAI λέει ότι το DALL-E 3 είναι σημαντικά καλύτερο στην κατανόηση της πρόθεσης των προτροπών, ιδιαίτερα των πιο σύνθετων, σε σύγκριση με το DALL-E 2, το οποίο έκανε το ντεμπούτο του τον Απρίλιο του 2022. Το DALL-E 3 τα καταφέρνει επίσης καλύτερα - αλλά όχι τέλεια - σε τομείς που έχουν δυσκολέψει τις γεννήτριες εικόνων. Η ενσωμάτωση του ChatGPT θα επιτρέψει στους ανθρώπους να βελτιώσουν το αίτημά τους μέσω συνομιλιών με το chatbot και να λάβουν το αποτέλεσμα απευθείας μέσα από την εφαρμογή συνομιλίας. Η OpenAI σχεδιάζει να διαθέσει το DALL-E 3 σε πελάτες ChatGPT+ και επιχειρήσεις τον Οκτώβριο. Το DALL-E 3 θα είναι επίσης διαθέσιμο κάποια στιγμή αυτό το φθινόπωρο στα δημόσια εργαστήριά του και για πελάτες API.
Η OpenAI λέει ότι έχει επίσης λάβει νέα μέτρα για τη βελτίωση της ασφάλειας και τη μείωση της αλγοριθμικής προκατάληψης εντός του DALL-E. Η εταιρεία προβαίνει επίσης σε δύο ενέργειες που φαίνεται να αποσκοπούν στην αντιμετώπιση ορισμένων από τις επικρίσεις που ασκούν οι καλλιτέχνες σχετικά με τις γεννήτριες εικόνων.

Το DALL-E 3 έχει σχεδιαστεί για να απορρίπτει τα αιτήματα που ζητούν μια εικόνα στο στυλ κάποιου καλλιτέχνη. Επίσης, οι καλλιτέχνες μπορούν επίσης να μην επιθυμούν να χρησιμοποιηθούν ορισμένες ή όλες οι εικόνες τους για την εκπαίδευση μελλοντικών γεννητριών εικόνων OpenAI.

Η Google ανακοίνωσε σήμερα μια σημαντική αναβάθμιση του συστήματος διαλογικής τεχνητής νοημοσύνης (conversational AI) Bard, επεκτείνοντας τις δυνατότητές του για σύνδεση με τις πιο δημοφιλείς εφαρμογές και υπηρεσίες παραγωγικότητας της Google. Οι βελτιώσεις αποσκοπούν στο να καταστήσουν το Bard πιο χρήσιμο για καθημερινές εργασίες, ενώ παράλληλα αντιμετωπίζουν τις ανησυχίες σχετικά με την ακρίβεια των πληροφοριών που παρέχει.

Ξεκινώντας από σήμερα, το Bard μπορεί πλέον να έχει άμεση πρόσβαση σε πληροφορίες από εφαρμογές όπως το Gmail, τα Έγγραφα, οι Χάρτες, οι Πτήσεις και το YouTube για να παρέχει πιο ολοκληρωμένες και εξατομικευμένες απαντήσεις στο πλαίσιο μιας συνομιλίας. Για παράδειγμα, όταν σχεδιάζετε ένα ταξίδι, το Bard μπορεί τώρα να αντλεί αυτόματα σχετικές ημερομηνίες, πληροφορίες πτήσεων, οδηγίες και συστάσεις για αξιοθέατα - όλα μέσα σε μία συνομιλία.

Η αναβάθμιση έρχεται μετά το απογοητευτικό δημόσιο λανσάρισμα του Bard τον Μάρτιο, το οποίο ανέδειξε πραγματικές ανακρίβειες σε πολλές από τις απαντήσεις του. Η Google ελπίζει ότι η ενσωμάτωση με τη μηχανή αναζήτησής της θα βοηθήσει το Bard να γίνει πιο ακριβές. Οι χρήστες μπορούν τώρα να κάνουν κλικ σε ένα κουμπί "Google it" για να ελέγξουν τις απαντήσεις του Bard σε σχέση με τις ευρετηριασμένες διαδικτυακές πληροφορίες εντός της συνομιλίας.

Η Google τόνισε ότι παραμένει δεσμευμένη στην προστασία των προσωπικών πληροφοριών των χρηστών μετά την ενημέρωση. Εάν ένας χρήστης επιλέξει να χρησιμοποιήσει τις επεκτάσεις Workspace, το Bard δεν θα χρησιμοποιήσει το περιεχόμενό του από το Gmail, τα Έγγραφα ή το Drive για να εκπαιδεύσει το μοντέλο του Bard. Οι χρήστες παραμένουν στον έλεγχο των ρυθμίσεων απορρήτου τους.

Η εταιρεία έχει επίσης διευκολύνει την αξιοποίηση των συνομιλιών άλλων με το Bard. Από σήμερα, όταν κάποιος μοιράζεται μια συνομιλία Bard με έναν χρήστη μέσω ενός δημόσιου συνδέσμου, το άτομο που λαμβάνει τη συνομιλία μπορεί να συνεχίσει τη συζήτηση και να θέσει στο Bard πρόσθετες ερωτήσεις σχετικά με το συγκεκριμένο θέμα ή να τη χρησιμοποιήσει ως αφετηρία για τις δικές του ιδέες.

Η Google επεκτείνει επίσης την πρόσβαση στις υπάρχουσες λειτουργίες της αγγλικής γλώσσας, όπως η δυνατότητα μεταφόρτωσης εικόνων με το Lens, η λήψη εικόνων αναζήτησης στις απαντήσεις και η τροποποίηση των απαντήσεων του Bard σε περισσότερες από 40 γλώσσες.

Αν και ακόμη περιορισμένες, οι νέες λειτουργίες του Bard δείχνουν ένα μέλλον όπου οι βοηθοί AI θα μπορούν να συνδυάζουν απρόσκοπτα τις ικανότητες συνομιλίας με υπηρεσίες όπως το ηλεκτρονικό ταχυδρομείο και τα έγγραφα για να ενισχύσουν την παραγωγικότητα. Καθώς το Bard συνεχίζει να βελτιώνεται, μπορεί να ενσωματωθεί περαιτέρω με άλλες προσφορές της Google, όπως ημερολόγια, φωτογραφίες και αναλύσεις.

Οι αναβαθμίσεις του Bard ξεκινούν από σήμερα. Η Google σχεδιάζει να προσθέσει περισσότερες γλώσσες και ενσωματώσεις τους επόμενους μήνες, καθώς συνεχίζει να βελτιώνει την τεχνολογία με υπευθυνότητα.

Ερευνητές από το Πανεπιστήμιο της Καλιφόρνια εκτιμούν ότι η αύξηση της δημοτικότητας της τεχνητής νοημοσύνης μπορεί να έχει σημαντικές περιβαλλοντικές επιπτώσεις. Το Associated Press (AP) αναφέρθηκε σε μια προκαταρκτική μελέτη του Πανεπιστημίου, η οποία δείχνει ότι μόλις πέντε ερωτήματα στο ChatGPT μπορούν να οδηγήσουν στην κατανάλωση 500 ml νερού στο κέντρο δεδομένων της Microsoft στην Αϊόβα. Η μελέτη περιλαμβάνει επίσης την έμμεση χρήση νερού από άλλες πηγές που σχετίζονται με το κέντρο δεδομένων, όπως το εργοστάσιο παραγωγής ηλεκτρικής ενέργειας που τροφοδοτεί την ενέργειά του.

Προηγουμένως, είχε εξεταστεί με ανησυχία η κατανάλωση ηλεκτρικής ενέργειας από hyperscaler υπολογιστές όπως η Google, η Microsoft και η AWS. Είδαμε επίσης τις επιχειρήσεις εξόρυξης κρυπτονομισμάτων να ωθούν τα στοιχεία κατανάλωσης ενέργειας υπολογιστών σε νέα υψηλά επίπεδα πριν από μερικά χρόνια. Το νερό είναι αναμφισβήτητα ένας πιο πολύτιμος πόρος, αλλά οι ερευνητές από την Καλιφόρνια χρειάστηκε να καταβάλουν προσπάθειες για να "ξεθάψουν" τα στοιχεία κατανάλωσης νερού, με το AP να χαρακτηρίζει τις εταιρείες διακομιστών ως "μυστικοπαθείς" όσον αφορά τις λεπτομέρειες.

Στόχος των ερευνητών του UC ήταν να αποκαλύψουν τις περιβαλλοντικές επιπτώσεις της επεξεργασίας τεχνητής νοημοσύνης, με αφορμή την επιτυχία προϊόντων όπως το ChatGPT. Αυτό βασίζεται στη γνώση ότι τα κέντρα δεδομένων της Microsoft στην Αϊόβα είναι ένας σημαντικός μοχλός πίσω από ένα μεγάλο μέρος της πρόσφατης επέκτασης της επεξεργασίας τεχνητής νοημοσύνης. Ένας από τους ισχυρότερους υπολογιστές της Microsoft που είναι γνωστό ότι είναι αφιερωμένος στο OpenAI βρίσκεται στην Αϊόβα. Το σύστημα, το οποίο παρουσιάστηκε για πρώτη φορά το 2020, τροφοδοτείται από περισσότερους από 285.000 πυρήνες CPU AMD InfiniBand και 10.000 GPU. Είναι αφιερωμένο στο GPT-4, το μοντέλο τέταρτης γενιάς του OpenAI.

Τα στοιχεία δείχνουν ότι από το 2021-22, η κατανάλωση νερού της Microsoft στην Αϊόβα αυξήθηκε κατά 34% σε σχεδόν 1,7 δισεκατομμύρια γαλόνια. Οι ερευνητές του UC αποδίδουν την αύξηση αυτή στην άνοδο της τεχνητής νοημοσύνης. Οι υπολογισμοί δείχνουν ότι το κέντρο δεδομένων χρησιμοποιεί μισό λίτρο νερού ανά 5 έως 50 ερωτήματα στο ChatGPT. Οι μεταβλητές που επηρεάζουν την κατανάλωση νερού (5 έως 50 είναι ένα μεγάλο εύρος) περιλαμβάνουν τη θέση του διακομιστή και τις καιρικές συνθήκες (ορισμένες μέθοδοι ψύξης του διακομιστή καταναλώνουν νερό). Είναι ενδιαφέρον ότι δεν αναφέρεται καμία συσχέτιση μεταξύ της πολυπλοκότητας των ερωτημάτων και της κατανάλωσης νερού ή ηλεκτρικής ενέργειας. Ωστόσο, οι παραπάνω εκτιμήσεις περιλαμβάνουν την "έμμεση χρήση νερού", η οποία δεν καταγράφεται από τις εμπλεκόμενες εταιρείες - όπως η χρήση νερού από τα εργοστάσια ηλεκτροπαραγωγής που τροφοδοτούν με ηλεκτρική ενέργεια τα κέντρα δεδομένων.

Το AP πήρε μια δήλωση από τη Microsoft, η οποία προσπάθησε να τονίσει την πρόοδό της όσον αφορά την αποδοτικότητα, τη χρήση ανανεώσιμων πηγών ενέργειας και άλλες προσπάθειες που γίνονται στο όνομα της βιωσιμότητας. Ξεχωριστά, η OpenAI παραδέχτηκε στο AP ότι "η εκπαίδευση μεγάλων μοντέλων μπορεί να είναι ενεργοβόρα και υδροβόρα", αλλά δήλωσε ότι προσπαθεί για μεγαλύτερη αποτελεσματικότητα της εκπαίδευσης.

Τα πράγματα θα μπορούσαν να είναι και χειρότερα, σύμφωνα με τους ερευνητές. Λένε ότι η τοποθεσία του κέντρου δεδομένων στην Αϊόβα σημαίνει ότι για μεγάλο μέρος του έτους, ο καιρός είναι αρκετά δροσερός ώστε ο αέρας που εκτονώνεται από το κτίριο να επαρκεί για την ψύξη των διακομιστών. Η εγκατάσταση αρχίζει να αντλεί νερό από το δίκτυο μόνο όταν ο καιρός φτάσει τους 29,3 βαθμούς Κελσίου (περίπου 85 βαθμούς Φαρενάιτ) ή και παραπάνω,

Τα στοιχεία για τον Ιούλιο του 2022 δείχνουν ότι η άντληση νερού εξακολουθεί να είναι σημαντική κατά τη διάρκεια της καλοκαιρινής περιόδου, με τα κέντρα δεδομένων της Microsoft στην Αϊόβα να αντλούν περίπου 11,5 εκατομμύρια γαλόνια νερού, σύμφωνα με το West Des Moines Water Works (περίπου το 6% του συνολικού νερού που καταναλώνεται στην περιοχή). Μια επιστολή που είδε το AP δείχνει ότι η εταιρεία ύδρευσης και η κυβέρνηση της πόλης ανησυχούν για την αιχμή της καλοκαιρινής χρήσης της Microsoft. Χωρίς βελτιωμένη τεχνολογία που να διασφαλίζει ότι η μέγιστη χρήση νερού θα είναι σημαντικά χαμηλότερη, δεν θα δώσει το πράσινο φως για περαιτέρω κέντρα δεδομένων.

Τι γίνεται με την Google και το εργαλείο τεχνητής νοημοσύνης Bard που βασίζεται στη συνομιλία και άλλα έργα τεχνητής νοημοσύνης; Οι ερευνητές λένε ότι ο γίγαντας της αναζήτησης χρησιμοποίησε 30% περισσότερο νερό την ίδια περίοδο (2021-22) σε όλα τα κέντρα δεδομένων του στις ΗΠΑ. Η αύξηση αυτή αποδίδεται και πάλι σε μεγάλο βαθμό από τους ερευνητές του UC στην έκρηξη της ζήτησης για επεξεργασία AI. Είναι ενδιαφέρον ότι η κατανάλωση νερού της Google στο Όρεγκον, που τα τελευταία χρόνια ελέγχεται από τις ρυθμιστικές αρχές, δεν αυξήθηκε πολύ, αλλά τα κέντρα δεδομένων της κοντά στο Λας Βέγκας διπλασίασαν την κατανάλωση νερού, ενώ οι εγκαταστάσεις της Google στην Αϊόβα ήταν οι πιο "διψασμένες" από όλες.

Η μοναδική υπολογιστική πλατφόρμα της D-Matrix, γνωστή ως Corsair C8, μπορεί να διεκδικήσει με αξιώσεις τον εκτοπισμό της κορυφαίας GPU H100 της Nvidia - τουλάχιστον σύμφωνα με ορισμένα εντυπωσιακά αποτελέσματα δοκιμών που δημοσίευσε η νεοσύστατη εταιρεία. Η Corsair C8, η οποία έχει σχεδιαστεί ειδικά για παραγωγικά φορτία AI, διαφέρει από τις GPU στο ότι χρησιμοποιεί τη μοναδική αρχιτεκτονική ψηφιακού υπολογιστή στη μνήμη (DIMC) της d-Matrix. Το αποτέλεσμα; Εννεαπλάσια αύξηση της απόδοσης σε σχέση με την κορυφαία στον κλάδο Nvidia H100 και 27 φορές μεγαλύτερη σε σχέση με την A100.

Ισχύς Corsair C8

Η νεοφυής επιχείρηση είναι μία από τις πιο πολυσυζητημένες στη Silicon Valley, συγκεντρώνοντας 110 εκατομμύρια δολάρια από επενδυτές στον τελευταίο γύρο χρηματοδότησής της, συμπεριλαμβανομένης της χρηματοδότησης από τη Microsoft. Αυτό ήρθε παράλληλα με έναν επενδυτικό γύρο ύψους 44 εκατομμυρίων δολαρίων από υποστηρικτές όπως η Microsoft, η SK Hynix και άλλοι, τον Απρίλιο του 2022.

Η ναυαρχίδα της, η κάρτα Corsair C8, περιλαμβάνει 2.048 πυρήνες DIMC με 130 δισεκατομμύρια τρανζίστορ και 256GB LPDDR5 RAM. Μπορεί να υπερηφανεύεται για υπολογιστικές επιδόσεις από 2.400 έως 9.600 TFLOPS και έχει εύρος ζώνης chip-to-chip 1TB/s

Αυτές οι μοναδικές κάρτες μπορούν να παράγουν έως και 20 φορές υψηλότερη απόδοση για παραγωγική συμπερασματολογία σε μεγάλα γλωσσικά μοντέλα (LLMS), έως και 20 φορές χαμηλότερη καθυστέρηση συμπερασματολογίας για LLM και έως και 30 φορές εξοικονόμηση κόστους σε σύγκριση με τις παραδοσιακές GPU.

Με την ταχεία εξάπλωση της παραγωγικής ΤΝ, ο κλάδος έχει εγκλωβιστεί σε έναν αγώνα δρόμου για την κατασκευή ολοένα και πιο ισχυρού υλικού για την τροφοδοσία των μελλοντικών γενεών της τεχνολογίας. Τα κορυφαία στοιχεία είναι οι GPU και, πιο συγκεκριμένα, οι μονάδες A100 και οι νεότερες H100 της Nvidia. Όμως οι GPU δεν είναι βελτιστοποιημένες για λύσεις LLM, σύμφωνα με την d-Matrix, και απαιτούνται πάρα πολλές GPU για να χειριστούν τα φορτία εργασίας AI, οδηγώντας σε υπερβολική κατανάλωση ενέργειας.

Αυτό οφείλεται στο γεγονός ότι οι απαιτήσεις εύρους ζώνης για την εκτέλεση συμπερασμάτων AI οδηγούν τις GPU να περνούν πολύ χρόνο σε αδράνεια, περιμένοντας να έρθουν δεδομένα από την DRAM. Η μετακίνηση δεδομένων από την DRAM σημαίνει επίσης υψηλότερη κατανάλωση ενέργειας παράλληλα με τη μειωμένη απόδοση και την πρόσθετη καθυστέρηση. Αυτό σημαίνει ότι στη συνέχεια αυξάνονται οι απαιτήσεις ψύξης.

Η λύση, υποστηρίζει η εν λόγω εταιρεία, είναι η εξειδικευμένη αρχιτεκτονική DIMC που μετριάζει πολλά από τα προβλήματα στις GPU. Η D-Matrix ισχυρίζεται ότι η λύση της μπορεί να μειώσει το κόστος κατά 10 έως 20 φορές - και σε ορισμένες περιπτώσεις έως και 60 φορές.

Πέρα από την τεχνολογία της d-Matrix, άλλοι παίκτες αρχίζουν να εμφανίζονται στον αγώνα για να ξεπεράσουν την H100 της Nvidia. Η IBM παρουσίασε τον Αύγουστο ένα νέο αναλογικό τσιπ τεχνητής νοημοσύνης που μιμείται τον ανθρώπινο εγκέφαλο και μπορεί να αποδώσει έως και 14 φορές πιο αποτελεσματικά.

Στο ραγδαία εξελισσόμενο τοπίο των εργαλείων δημιουργίας έργων τέχνης με τεχνητή νοημοσύνη, οι ερευνητές της Nvidia παρουσίασαν μια καινοτόμο νέα μέθοδο εξατομίκευσης κειμένου σε εικόνα που ονομάζεται Perfusion. Δεν πρόκειται όμως για ένα σούπερ βαρύ μοντέλο εκατομμυρίων δολαρίων όπως οι ανταγωνιστές του. Με μέγεθος μόλις 100KB και χρόνο εκπαίδευσης 4 λεπτών, το Perfusion επιτρέπει σημαντική δημιουργική ευελιξία στην απεικόνιση εξατομικευμένων εννοιών, διατηρώντας παράλληλα την ταυτότητά τους.

Το Perfusion παρουσιάστηκε σε μια ερευνητική εργασία που δημιουργήθηκε από τη Nvidia και το Πανεπιστήμιο Τελ Αβίβ στο Ισραήλ. Παρά το μικρό μέγεθός του, είναι σε θέση να ξεπεράσει τις κορυφαίες γεννήτριες τέχνης AI, όπως η Stable Diffusion v1.5 της Stability AI, η πρόσφατα κυκλοφόρησα Stable Diffusion XL (SDXL) και η MidJourney, όσον αφορά την αποτελεσματικότητα συγκεκριμένων εκδόσεων.

Η κύρια νέα ιδέα στην Perfusion ονομάζεται "Key-Locking". Αυτό λειτουργεί συνδέοντας νέες έννοιες που θέλει να προσθέσει ο χρήστης, όπως μια συγκεκριμένη γάτα ή καρέκλα, με μια γενικότερη κατηγορία κατά τη διάρκεια της δημιουργίας εικόνων. Για παράδειγμα, η γάτα θα συνδεθεί με την ευρύτερη ιδέα του "αιλουροειδούς". Αυτό βοηθά στην αποφυγή της υπερβολικής προσαρμογής, δηλαδή όταν το μοντέλο συντονίζεται πολύ στενά στα ακριβή παραδείγματα εκπαίδευσης. Η υπερβολική προσαρμογή δυσκολεύει την τεχνητή νοημοσύνη να δημιουργήσει νέες δημιουργικές εκδοχές της έννοιας. Συνδέοντας τη νέα γάτα με τη γενική έννοια του αιλουροειδούς, το μοντέλο μπορεί να απεικονίσει τη γάτα σε πολλές διαφορετικές πόζες, εμφανίσεις και περιβάλλοντα. Αλλά εξακολουθεί να διατηρεί την ουσιαστική "γατίσια" ιδιότητα που την κάνει να μοιάζει με την προοριζόμενη γάτα και όχι με οποιοδήποτε τυχαίο αιλουροειδές. Έτσι, με απλά λόγια, το Key-Locking επιτρέπει στην Τεχνητή Νοημοσύνη να απεικονίζει ευέλικτα εξατομικευμένες έννοιες, διατηρώντας παράλληλα την βασική τους ταυτότητα. Είναι σαν να δίνεις σε έναν καλλιτέχνη τις ακόλουθες οδηγίες: "Ζωγράφισε τον γάτο μου Tom, ενώ κοιμάται, παίζει με νήματα και μυρίζει λουλούδια".

Γιατί η Nvidia πιστεύει ότι το λιγότερο είναι περισσότερο

Η Perfusion επιτρέπει επίσης τον συνδυασμό πολλαπλών εξατομικευμένων εννοιών σε μία εικόνα με φυσικές αλληλεπιδράσεις, σε αντίθεση με τα υπάρχοντα εργαλεία που μαθαίνουν τις έννοιες μεμονωμένα. Οι χρήστες μπορούν να καθοδηγήσουν τη διαδικασία δημιουργίας εικόνας μέσω προτροπών κειμένου, συγχωνεύοντας έννοιες όπως μια συγκεκριμένη γάτα και μια καρέκλα.

Το Perfusion προσφέρει ένα αξιοσημείωτο χαρακτηριστικό που επιτρέπει στους χρήστες να ελέγχουν την ισορροπία μεταξύ της οπτικής πιστότητας (η εικόνα) και της ευθυγράμμισης κειμένου (η προτροπή) κατά τη διάρκεια της εξαγωγής συμπερασμάτων, ρυθμίζοντας ένα μόνο μοντέλο 100KB. Αυτή η δυνατότητα επιτρέπει στους χρήστες να εξερευνούν εύκολα το μέτωπο Pareto (ομοιότητα κειμένου έναντι ομοιότητας εικόνας) και να επιλέγουν το βέλτιστο συμβιβασμό που ταιριάζει στις συγκεκριμένες ανάγκες τους, και όλα αυτά χωρίς την ανάγκη επανεκπαίδευσης. Είναι σημαντικό να σημειωθεί ότι η εκπαίδευση ενός μοντέλου απαιτεί κάποια φινέτσα. Η υπερβολική εστίαση στην αναπαραγωγή του μοντέλου οδηγεί στο να παράγει το μοντέλο την ίδια έξοδο ξανά και ξανά και το να το κάνετε να ακολουθεί την προτροπή πολύ στενά χωρίς ελευθερία συνήθως παράγει ένα κακό αποτέλεσμα. Η ευελιξία για να ρυθμίσετε πόσο κοντά στην προτροπή βρίσκεται η γεννήτρια είναι ένα σημαντικό κομμάτι της προσαρμογής

Άλλες γεννήτριες εικόνων τεχνητής νοημοσύνης διαθέτουν τρόπους για τους χρήστες να ρυθμίζουν λεπτομερώς την έξοδο, αλλά είναι ογκώδεις. Ως αναφορά, ένα LoRA είναι μια δημοφιλής μέθοδος λεπτής ρύθμισης που χρησιμοποιείται στο Stable Diffusion. Μπορεί να προσθέσει οπουδήποτε από δεκάδες megabyte έως και πάνω από ένα gigabyte (GB) στην εφαρμογή. Μια άλλη μέθοδος, οι ενσωμάτωση αντιστροφής κειμένου, είναι ελαφρύτερη αλλά λιγότερο ακριβής. Ένα μοντέλο που εκπαιδεύεται με τη χρήση του Dreambooth, της πιο ακριβούς τεχνικής αυτή τη στιγμή, ζυγίζει περισσότερα από 2 GB.

Συγκριτικά, η Nvidia αναφέρει ότι η Perfusion παράγει ανώτερη οπτική ποιότητα και ευθυγράμμιση με τις προτροπές σε σχέση με τις κορυφαίες τεχνικές τεχνητής νοημοσύνης που αναφέρθηκαν προηγουμένως. Το εξαιρετικά αποδοτικό μέγεθος καθιστά δυνατή την ενημέρωση μόνο των τμημάτων που χρειάζεται όταν τελειοποιεί τον τρόπο παραγωγής μιας εικόνας, σε σύγκριση με το αποτύπωμα πολλών GB των μεθόδων που τελειοποιούν ολόκληρο το μοντέλο.

Η έρευνα αυτή ευθυγραμμίζεται με την αυξανόμενη εστίαση της Nvidia στην τεχνητή νοημοσύνη. Η μετοχή της εταιρείας σημείωσε άνοδο πάνω από 230% το 2023, καθώς οι GPU της συνεχίζουν να κυριαρχούν στην εκπαίδευση μοντέλων τεχνητής νοημοσύνης. Με οντότητες όπως η Anthropic, η Google, η Microsoft και η Baidu να ρίχνουν δισεκατομμύρια στη γενεσιουργό AI, το καινοτόμο μοντέλο Perfusion της Nvidia θα μπορούσε να της δώσει ένα πλεονέκτημα.

Η Nvidia έχει παρουσιάσει προς το παρόν μόνο το ερευνητικό έγγραφο, υποσχόμενη να κυκλοφορήσει σύντομα τον κώδικα.

Φαίνεται ότι οι εταιρείες τεχνητής νοημοσύνης, όπως η Microsoft, η OpenAI και η Cohere, κάνουν ό,τι μπορούν για να βρουν συνθετικά δεδομένα με τα οποία θα εκπαιδεύσουν τα προϊόντα τεχνητής νοημοσύνης τους. Επικαλούμενες την περιορισμένη διαθεσιμότητα "οργανικών" δεδομένων που δημιουργούνται από τον άνθρωπο στον παγκόσμιο ιστό, οι εταιρείες αυτές στοχεύουν να χρησιμοποιήσουν δεδομένα που δημιουργούνται από την ΤΝ (συνθετικά) σε ένα είδος άπειρου βρόχου, όπου η εκπαίδευση επιτυγχάνεται σε δεδομένα που έχουν ήδη δημιουργηθεί παραγωγικά.

"Αν μπορούσατε να πάρετε όλα τα δεδομένα που χρειάζεστε από τον παγκόσμιο ιστό, αυτό θα ήταν φανταστικό", δήλωσε στους Financial Times ο Aidan Gomez, διευθύνων σύμβουλος της νεοφυούς εταιρείας LLM Cohere, η οποία έχει προϋπολογισμό 2 δισεκατομμύρια δολάρια. "Στην πραγματικότητα, ο ιστός είναι τόσο θορυβώδης και ακατάστατος που δεν είναι πραγματικά αντιπροσωπευτικός των δεδομένων που θέλετε. Ο ιστός απλώς δεν κάνει όλα όσα χρειαζόμαστε".

Και υπάρχει και το θέμα του κόστους, καθώς τα δεδομένα που παράγονται από τον άνθρωπο, σύμφωνα με τον Gomez, είναι "εξαιρετικά ακριβά". Αυτό έχει ήδη οδηγήσει στην ίδρυση ορισμένων εταιρειών "συνθετικών δεδομένων", όπως η Gretel.ai, η οποία ειδικεύεται στην παραγωγή συνθετικών συνόλων δεδομένων που στη συνέχεια πωλούνται για εκπαιδευτικούς σκοπούς.

Το πρόβλημα της διαθεσιμότητας και της προέλευσης των δεδομένων είναι ένας από τους μεγαλύτερους περιοριστικούς παράγοντες στη σημερινή εποχή της τεχνητής νοημοσύνης. Σήμερα, υπάρχουν πραγματικοί κίνδυνοι στην εκπαίδευση δικτύων ΤΝ με συνθετικά δεδομένα που έχουν ήδη "μασήσει" και παραχθεί από τις ίδιες τις ΤΝ. Πρώτον, υπάρχει το ζήτημα της επιδείνωσης των ελλείψεων των βασικών δεδομένων εκπαίδευσης: εάν το αρχικό, μη συνθετικό σύνολο δεδομένων εκπαίδευσης υπέφερε ήδη από προκαταλήψεις, οι ίδιες προκαταλήψεις θα συμπεριληφθούν, θα χωνευτούν και θα ενισχυθούν στις επόμενες επαναλήψεις εκπαίδευσης, αυξάνοντας τη σχετικότητά του.

Αλλά ένα άλλο, ίσως πολύ πιο σημαντικό ζήτημα προκύπτει από ένα πρόσφατα ανακαλυφθέν όριο: η ποιότητα των αποτελεσμάτων υποβαθμίζεται σοβαρά μετά από πέντε γύρους εκπαίδευσης σε συνθετικά δεδομένα που δημιουργούνται από την ΤΝ. Το κατά πόσον αυτή η συνθήκη "MAD" αποτελεί ένα μαλακό ή σκληρό όριο προς την εκπαίδευση της ΤΝ φαίνεται να είναι ένα ερώτημα που βρίσκεται στο επίκεντρο της πρόθεσης της Microsoft και της OpenAI να εκπαιδεύσουν αναδρομικά τα δίκτυα ΤΝ τους. Ωστόσο, πρόκειται για έναν χώρο που πιθανότατα θα δει έναν καταιγισμό μελετών- η Microsoft Research, για παράδειγμα, έχει δημοσιεύσει εργασίες σχετικά με αναδρομικά παραγόμενες σύντομες ιστορίες (που σημαίνει ότι ένα μοντέλο εκπαιδεύτηκε σε ιστορίες που δημιουργήθηκαν από ένα άλλο μοντέλο) και ένα δίκτυο ΤΝ κωδικοποίησης που εκπαιδεύτηκε σε τεκμηρίωση που δημιούργησε η ΤΝ γύρω από τον προγραμματισμό Python. Η επαλήθευση των κινδύνων εκφυλισμού των δεδομένων σε αυτά και σε άλλα, μεγαλύτερου μεγέθους μοντέλα (όπως το Llama 2 με 70Β παραμέτρους, που κυκλοφόρησε πρόσφατα σε ανοιχτό κώδικα από τη Meta) θα είναι το κλειδί για το πόσο μακριά (και πόσο γρήγορα) θα εξελιχθεί η τεχνητή νοημοσύνη στο άμεσο μέλλον.

Με τις εταιρείες που ασχολούνται με την τεχνητή νοημοσύνη να ζητούν όλο και περισσότερα δεδομένα, είναι λογικό να προσπαθούν να δημιουργήσουν αναδρομικά σύνολα δεδομένων υψηλής ποιότητας. Αυτό μπορεί να γίνει με πολλαπλούς τρόπους, αλλά ίσως αυτός με τις μεγαλύτερες πιθανότητες επιτυχίας προέρχεται από το να αφήσουμε απλώς δύο δίκτυα ΤΝ να αλληλεπιδράσουν μεταξύ τους, με το ένα να παίρνει το ρόλο του δασκάλου και το άλλο το ρόλο του μαθητή. Η ανθρώπινη παρέμβαση θα ήταν (και θα είναι πάντα) απαραίτητη, ωστόσο, προκειμένου να διαλέγονται τα σημεία δεδομένων χαμηλότερης ποιότητας και να ελέγχονται οι "ψευδαισθήσεις" (επιβεβαιώσεις της ΤΝ που δεν είναι αληθινές).

Υπάρχουν κάποια εμπόδια στο δρόμο προς το τεχνοκρατικό όνειρο μιας αυτοαναπτυσσόμενης, αυτοδιδασκόμενης τεχνητής νοημοσύνης- μοντέλα που μπορούν να έχουν εσωτερικές συζητήσεις, εσωτερικές ανακαλύψεις και που παράγουν νέα γνώση που δεν είναι απλή ανάμειξη και αντιστοίχιση (αν και αυτό είναι ένα από τα χαρακτηριστικά της δημιουργικής παραγωγής, άλλωστε).

Φυσικά, πρέπει να έχουμε κατά νου ότι δεν είναι όλα τα όνειρα ευχάριστα. Έχουμε ήδη πρόβλημα να αντιμετωπίσουμε τους εφιάλτες που προκαλούνται από τον άνθρωπο- δεν μπορούμε να πούμε πόσο επιδραστικοί μπορεί να είναι οι "εφιάλτες" μιας μηχανής, ίσως μέχρις ότου μάθουμε, αν ονειρεύεται ηλεκτρικά πρόβατα.

Σε μια εντυπωσιακή ανακοίνωση σήμερα που σχεδιάστηκε για να συμπέσει με το συνέδριο Microsoft Inspire, η Meta ανακοίνωσε το νέο μοντέλο τεχνητής νοημοσύνης LLaMA 2 (Large Language Model Meta AI). Αυτό το νέο μεγάλο γλωσσικό μοντέλο (LLM) όχι μόνο είναι πλέον διαθέσιμο, αλλά είναι επίσης ανοικτού κώδικα και διατίθεται ελεύθερα για εμπορική χρήση - σε αντίθεση με το πρώτο LLaMA, το οποίο είχε άδεια χρήσης μόνο για ερευνητικούς σκοπούς.

Η είδηση αυτή, σε συνδυασμό με την ξεκάθαρη υποστήριξη της Microsoft για το LLaMA 2, σημαίνει ότι ο ταχέως εξελισσόμενος κόσμος της παραγωγικής τεχνητής νοημοσύνης μόλις μετατοπίστηκε για άλλη μια φορά. Τώρα οι πολλές επιχειρήσεις που σπεύδουν να αγκαλιάσουν την ΤΝ, έστω και με προσοχή, έχουν άλλη μια επιλογή, και αυτή είναι εντελώς δωρεάν - σε αντίθεση με το ChatGPT Plus του ηγέτη και αντιπάλου της OpenAI, ή τους διεκδικητές όπως η Cohere.

Οι φήμες γύρω από τη νέα έκδοση του LLaMA στροβιλίζονται στον κλάδο εδώ και τουλάχιστον ένα μήνα, καθώς γερουσιαστές των ΗΠΑ ρωτούσαν τη Meta σχετικά με τη διαθεσιμότητα του μοντέλου AI.

Η πρώτη έκδοση του LLaMA ήταν διαθέσιμη για ακαδημαϊκούς και ερευνητές με ερευνητική άδεια χρήσης. Ωστόσο, τα βάρη του μοντέλου που διέπουν το LLaMA διέρρευσαν, προκαλώντας κάποια διαμάχη που οδήγησε στην κυβερνητική έρευνα. Με το LLaMA 2, η Meta παραμερίζει την προηγούμενη διαμάχη και προχωρά με ένα πιο ισχυρό μοντέλο που θα είναι ευρύτερα χρησιμοποιήσιμο από τον προκάτοχό του και ενδεχομένως θα ταρακουνήσει ολόκληρο το τοπίο της LLM.

Η διπλωματία της Microsoft στην τεχνητή νοημοσύνη

Το μοντέλο LLaMA 2 διατίθεται στο Microsoft Azure. Αυτό είναι αξιοσημείωτο δεδομένου ότι το Azure είναι επίσης η βάση για το OpenAI και την οικογένεια GPT-3/GPT-4 των LLM. Η Microsoft είναι επενδυτής τόσο στην πρώην εταιρεία της Meta, το Facebook, όσο και στην OpenAI.

Ο ιδρυτής και διευθύνων σύμβουλος της Meta, Mark Zuckerberg, είναι ιδιαίτερα ενθουσιασμένος με το γεγονός ότι η LLaMA είναι ανοικτού κώδικα. Σε δήλωσή του, ο Zuckerberg σημείωσε ότι η Meta έχει μακρά ιστορία με τον ανοιχτό κώδικα και έχει κάνει πολλές αξιοσημείωτες συνεισφορές, ιδιαίτερα στην τεχνητή νοημοσύνη με το πλαίσιο μηχανικής μάθησης PyTorch.

"Ο ανοιχτός κώδικας προωθεί την καινοτομία επειδή επιτρέπει σε πολλούς περισσότερους προγραμματιστές να χτίζουν με νέα τεχνολογία", δήλωσε ο Zuckerberg. "Βελτιώνει επίσης την ασφάλεια και την προστασία, διότι όταν το λογισμικό είναι ανοιχτό, περισσότεροι άνθρωποι μπορούν να το εξετάσουν διεξοδικά για να εντοπίσουν και να διορθώσουν πιθανά προβλήματα. Πιστεύω ότι θα ξεκλειδώσει περισσότερη πρόοδο αν το οικοσύστημα ήταν πιο ανοιχτό, γι' αυτό και ανοίγουμε το Llama 2".

Σε μήνυμά του στο Twitter, ο Yann LeCun, αντιπρόεδρος και επικεφαλής επιστήμονας τεχνητής νοημοσύνης της Meta, χαιρέτισε επίσης την έκδοση με ανοιχτό κώδικα.

"Αυτό είναι τεράστιο: [το LLaMA 2] είναι ανοιχτού κώδικα, με άδεια που επιτρέπει την εμπορική χρήση!" έγραψε ο LeCun. "Αυτό πρόκειται να αλλάξει το τοπίο της αγοράς LLM. Το [LLaMA 2] είναι διαθέσιμο στο Microsoft Azure και θα είναι διαθέσιμο στο AWS, στο Hugging Face και σε άλλους παρόχους"

Τι υπάρχει μέσα στο LLaMA;

Το LLaMA είναι ένα αυτοπαλινδρομικό γλωσσικό μοντέλο που βασίζεται σε μετασχηματισμούς. Η πρώτη έκδοση του LLaMA παρουσιάστηκε δημόσια λεπτομερώς από τη Meta τον Φεβρουάριο ως ένα μοντέλο 65 δισεκατομμυρίων παραμέτρων, ικανό για ένα ευρύ φάσμα κοινών εργασιών δημιουργικής τεχνητής νοημοσύνης.

Αντίθετα, το LLaMA 2 διαθέτει διάφορα μεγέθη μοντέλου, συμπεριλαμβανομένων 7, 13 και 70 δισεκατομμυρίων παραμέτρων. Η Meta ισχυρίζεται ότι τα προ-εκπαιδευμένα μοντέλα έχουν εκπαιδευτεί σε ένα τεράστιο σύνολο δεδομένων που ήταν κατά 40% μεγαλύτερο από αυτό που χρησιμοποιήθηκε για το LLaMA 1. Το μήκος πλαισίου έχει επίσης επεκταθεί σε δύο τρισεκατομμύρια tokens, διπλάσιο από το μήκος πλαισίου του LLaMA 1.

Το LLaMA όχι μόνο έχει εκπαιδευτεί σε περισσότερα δεδομένα, με περισσότερες παραμέτρους, αλλά το μοντέλο έχει επίσης καλύτερες επιδόσεις από τον προκάτοχό του, σύμφωνα με τα συγκριτικά στοιχεία που παρέχει η Meta.

Μέτρα ασφαλείας

Το LLaMA 2 δεν αφορά μόνο την ισχύ, αλλά και την ασφάλεια. Το LLaMA 2 εκπαιδεύεται πρώτα με δημόσια διαθέσιμα δεδομένα. Στη συνέχεια, το μοντέλο περνάει από μια σειρά σταδίων τελειοποίησης με επίβλεψη (SFT). Ως πρόσθετο επίπεδο, το LLaMA 2 επωφελείται στη συνέχεια από έναν κύκλο ενισχυτικής μάθησης από ανθρώπινη ανατροφοδότηση (RLHF) για να βοηθήσει στην παροχή ενός περαιτέρω βαθμού ασφάλειας και υπευθυνότητας.

Το ερευνητικό έγγραφο της Meta σχετικά με το LLaMA 2 παρέχει εξαντλητικές λεπτομέρειες σχετικά με τα ολοκληρωμένα βήματα που έχουν ληφθεί για την παροχή ασφάλειας και τον περιορισμό της πιθανής μεροληψίας.

"Είναι σημαντικό να κατανοήσουμε τι υπάρχει στα δεδομένα προ-εκπαίδευσης τόσο για να αυξήσουμε τη διαφάνεια όσο και για να ρίξουμε φως στις βασικές αιτίες πιθανών θεμάτων κατάντη, όπως οι πιθανές προκαταλήψεις", αναφέρεται στο έγγραφο. "Αυτό μπορεί να ενημερώσει για το ποιες, αν υπάρχουν, μετριαστικές ενέργειες κατάντη της διαδικασίας που πρέπει να εξεταστούν και να βοηθήσει στην καθοδήγηση της κατάλληλης χρήσης του μοντέλου".