💻 OpenAI lansira aplikacijo Codex, da bi si zagotovil prednost v tekmi kodiranja umetne inteligence ↗
OpenAI je predstavil namizno aplikacijo Codex, ki se bere kot poveljniški center za žongliranje z več programerji hkrati – ne le kot ena sama nit klepeta, ki jo pet minut kasneje izgubite v svojem miselnem predalu.
Vzdušje je "nadzorovati majhen roj", z vzporednimi delovnimi tokovi in dolgotrajnejšimi nalogami, kar se sliši produktivno ... in tudi, kot da ste bili napredovani v vodenje drobnih, neutrudnih pripravnikov.
To je precej neposreden udarec tekmecem, ki so v zadnjem času jedli kosilo na področju orodij za kodiranje. Ni ravno nokaut, ampak glasnejši sunek kot običajno.
⚙️ Ekskluzivno: OpenAI ni zadovoljen z nekaterimi Nvidia čipi in išče alternative, pravijo viri ↗
Pritožba ni "ne morem usposobiti velikih modelov" - gre za hitrost sklepanja, trenutek, ko mora model hitro, znova in znova, v velikem obsegu, izpljuniti odgovore. Nvidia ostaja osrednja, vendar se točke pritiska spreminjajo.
Zato podjetje išče alternative, vključno z AMD-jem in specializiranimi ponudniki, kot sta Cerebras in Groq – vrsto strojne opreme, ki živi za latenco in pomnilnik v čipu.
Javno so vsi še vedno vljudni (skoraj zaskrbljujoče vljudni), vendar je podtekst jasen: če so programski agenti nova vroča stvar, hitrost ni več "lepa" in postane celotna igra.
🏗️ Delnice Oracle pridobivajo, saj je 50 milijard dolarjev zbiranja sredstev zmanjšalo strahove glede financiranja podatkovnih centrov ↗
Oracle je predstavil načrt za zbiranje ogromne količine denarja prek dolga in lastniškega kapitala, namenjenega financiranju izgradnje podatkovnega centra, tesno povezanega z njegovimi največjimi zavezami na področju umetne inteligence.
Analitiki so to opredelili kot »v redu, verjetno lahko plačate za to«, kar je nekakšna smešna pomiritev – kot da bi vam rekli, da ima vaše letalo verjetno dovolj goriva.
Tudi s finančnim načrtom se še vedno poraja živčna misel: ali se vsa ta poraba za infrastrukturo umetne inteligence odraža v trajnih dobičkih ali le v zelo dragih utripajočih lučkah.
🌿 Carbon Robotics je zgradil model umetne inteligence, ki zaznava in identificira rastline ↗
Carbon Robotics je predstavil »veliki model rastline«, ki bo poganjal njihove laserske robote za pletje – kar se sicer še vedno sliši kot naprava iz risanih zlobnežev, a očitno je resnično in praktično.
Praktična zmaga je velika: sistem lahko prepozna nov plevel brez počasne zanke »označi, ponovno usposobi, čakaj«. Kmetje lahko pokažejo, kaj je treba uničiti in kaj prihraniti, robot pa se prilagodi brez popolne ponastavitve.
To je ena tistih zgodb o umetni inteligenci, ki se zdi tiho pomembnejša od bleščečih predstavitev – manj poezije, več zalog hrane.
⚖️ Anthropic se seli v pravno tehnologijo ↗
Anthropic uvaja vtičnike, ki njegov model vgrajujejo v resnične delovne procese, vključno s pravnim vtičnikom, namenjenim pregledu dokumentov in analizi pogodb. To je vrsta dela, za katero ljudje prisegajo, da je "niansirano" ... dokler ne opravijo 200 skoraj enakih klavzul zapored.
Vendar to ni nadomestilo za pravne ekipe z enim klikom. Uvajanje teh stvari še vedno zahteva tehnično znanje in vsi bodo obsedeni z varnostjo podatkov – kot je tudi prav.
Nekoliko pikantna implikacija: prodajalci legalne programske opreme, zgrajene na ozki avtomatizaciji, se lahko nenadoma počutijo veliko manj posebne.
🧬 ConcertAI začenja pospešene klinične študije z uporabo agentne umetne inteligence za radikalno skrajšanje časovnih okvirov študij ↗
ConcertAI je predstavil platformo za »pospešena klinična preskušanja«, zgrajeno okoli agentne umetne inteligence, katere cilj je pospešiti zapletene dele – načrtovanje protokola, preverjanje izvedljivosti, izbiro lokacije, zaposlovanje, celotno zapleteno verigo.
Trdijo, da bodo z uporabo agentov, ki črpajo podatke iz resničnega sveta in lastniških podatkov, ter povezovalcev s skupnimi raziskovalnimi viri, močno skrajšali roke in uvedli spremembe. Sliši se ambiciozno – in kliničnim operacijam bi prav prišla malo čarovnije za odpravljanje trenja.
Če deluje vsaj do polovice, je to manj "umetna inteligenca pozdravi vse" in bolj "umetna inteligenca prepreči, da bi se stroj zatikal", kar je morda bolj verjetna vrsta napredka.
Pogosta vprašanja
Kaj je aplikacija OpenAI Codex in kaj počne?
Aplikacija OpenAI Codex je opisana kot namizni »komandni center« za usklajevanje več programskih agentov hkrati. Namesto da bi živela znotraj ene same niti klepeta, podpira vzporedne delovne tokove in daljša opravila, ki jih lahko nadzorujete. Cilj je upravljati majhen »roj« agentov, medtem ko vi pregledujete, vodite in integrirate, kar ustvarijo.
Kakšna je razlika med aplikacijo OpenAI Codex in običajnim klepetalnim robotom za kodiranje?
Tipični klepetalni robot za kodiranje ostane vezan na eno pogovorno nit, medtem ko je aplikacija OpenAI Codex zasnovana tako, da vzporedno orkestrira več agentov. To premakne potek dela iz »vprašaj, počakaj, vprašaj znova« v »dodelitev več nalog in spremljanje napredka«. V praksi se lahko zdi bližje nadzoru projekta kot čistemu klepetu, še posebej, če naloge segajo dlje od hitre zanke poziva in odgovorov.
Katere vrste dela so najbolj primerne za nadzor več kodirnih agentov?
V mnogih cevovodih so večagentne nastavitve odlične, ko je delo mogoče razdeliti na vzporedne poti, ki še vedno potrebujejo človeški nadzor. Pogost vzorec je dodeljevanje ločenih agentov odpravljanju napak, pisanju testov, posodabljanju dokumentacije ali raziskovanju alternativnih implementacij, hkrati pa ohranjate skladnost celotne arhitekture. Najbolj pomaga, ko so naloge jasno opredeljene, razlike natančno pregledane in spremembe usklajene, tako da agenti ne trčijo v istih delih kodne baze.
Zakaj je hitrost sklepanja tako pomembna za kodirne agente?
Agenti za kodiranje lahko ustvarijo stalen tok majhnih, pogostih zahtev, zlasti pri vzporednem delovanju in interakciji z orodji. Zakasnitev in prepustnost postaneta bolj »osredotočeni na uporabnika« kot v enkratnih demonstracijah modelov. Ko odzivnost v velikem obsegu postane ozko grlo, se hitrost sklepanja spremeni v osrednjo omejitev izdelka in ne v sekundarno podrobnost infrastrukture.
Katere alternative čipov se poleg Nvidie preučujejo za sklepanje umetne inteligence?
Poročila pravijo, da Nvidia ostaja osrednjega pomena, vendar narašča zanimanje za alternative, katerih cilj je hitrejše sklepanje. Omenjena imena vključujejo AMD in specializirane akterje, kot sta Cerebras in Groq. Poudarek je manj na tem, ali se lahko uči, in bolj na streženju z nizko latenco in visoko prepustnostjo, zlasti ko se agentski delovni tokovi povečujejo.
Zakaj Oracle zbira do 50 milijard dolarjev in čemu to služi?
Oracle je predstavil načrt za zbiranje velike mešanice dolga in lastniškega kapitala za financiranje izgradnje podatkovnega centra, povezanega z večjimi zavezami na področju umetne inteligence. Ta poteza je zasnovana kot način za zmanjšanje pomislekov glede tega, ali lahko podjetje financira velike izdatke za infrastrukturo. Vprašanje, ki ga vlagatelji še vedno spremljajo, je, ali se velika kapitalska vlaganja v umetno inteligenco spremenijo v trajne donose in ne le v večje stroške.
Kako model rastline podjetja Carbon Robotics spreminja robote za lasersko pletje?
Carbon Robotics je predstavil »model velikih rastlin« za zaznavanje in prepoznavanje rastlin, ki bodo omogočile lasersko odstranjevanje plevela. Osrednja obljuba je hitrejše prilagajanje: prepoznavanje novih plevelov brez počasne zanke označevanja, ponovnega učenja in čakanja na popolno posodobitev modela. Kmetje lahko določijo, kaj je treba odstraniti in kaj ohraniti, sistem pa je zasnovan tako, da se prilagodi brez popolne ponastavitve.
Kako se orodja agentne umetne inteligence kažejo v pravnem delu in kliničnih preskušanjih?
Anthropic je opisan kot uvajanje vtičnikov, ki se integrirajo v delovne procese, vključno s pregledom pravnih dokumentov in analizo pogodb. ConcertAI je ločeno predstavil platformo za »pospešena klinična preskušanja«, katere cilj je pospešiti načrtovanje protokolov, preverjanje izvedljivosti, izbiro lokacije in zaposlovanje. Na obeh področjih je praktična uporaba običajno odvisna od varnosti, upravljanja in skrbne validacije, ne le od zmogljivosti modela.