Bu kadar hızlı hareket eden bir sektöre ayak uydurmak YAPAY ZEKA zor bir görevdir. Bu nedenle, bir yapay zeka bunu sizin için yapana kadar, işte makine öğrenimi dünyasındaki son hikayelerin kullanışlı bir özeti ve kendi başlarına ele almadığımız önemli araştırma ve deneyler.
Bu arada – TechCrunch yakında bir yapay zeka bülteni başlatmayı planlıyor. Bizi izlemeye devam edin.
Yapay zeka alanında bu hafta, aralarında New York Daily News, Chicago Tribune ve Orlando Sentinel’in de bulunduğu, yatırım devi Alden Global Capital’e ait sekiz önde gelen ABD gazetesi, OpenAI ve Microsoft’a, şirketlerin jeneratif yapay zeka teknolojisini kullanmalarıyla ilgili telif hakkı ihlali nedeniyle dava açtı. The New York Times gibi onlar da OpenAI’ye karşı devam eden davagibi jeneratif modeller oluşturmak ve ticarileştirmek için OpenAI ve Microsoft’u IP’lerini izinsiz veya tazminatsız olarak kazımakla suçluyor. GPT-4.
Alden’in gazetelerini denetleyen genel yayın yönetmeni Frank Pine yaptığı açıklamada, “Yayınlarımızda bilgi toplamak ve haber yapmak için milyarlarca dolar harcadık ve OpenAI ve Microsoft’un bizim pahamıza kendi işlerini kurmak için çalışmalarımızı çalmaya yönelik büyük teknoloji oyun kitabını genişletmesine izin veremeyiz” dedi.
Dava, OpenAI’nin lisans anlaşması ve uzlaşmayla sonuçlanacak gibi görünüyor. mevcut ortaklıklar ile yayıncılar ve iş modelinin tamamının adil kullanım argümanı. Peki ya eserleri ödeme yapılmaksızın model eğitimine dahil edilen diğer içerik oluşturucular ne olacak?
Görünüşe göre OpenAI bunu düşünüyor.
Yakın zamanda yayınlanan bir araştırma Kağıt bilim adamı Boaz Barak tarafından ortaklaşa yazılmıştır. OpenAI’ın Superalignment ekibitelif hakkı sahiplerine “yapay zeka tarafından üretilen içeriğin oluşturulmasına katkılarıyla orantılı olarak” tazminat ödenmesi için bir çerçeve öneriyor. Nasıl mı? Şöyle işbirlikçi oyun teorisi.
Çerçeve, bir eğitim veri setindeki içeriğin – örneğin metin, görüntü veya başka bir veri – bir modelin ne ürettiğini ne ölçüde etkilediğini değerlendirir ve oyun teorisi olarak bilinen bir kavramı kullanır. Shapley değeri. Daha sonra, bu değerlendirmeye dayanarak, içerik sahiplerinin “hak payını” (yani tazminatı) belirler.
Diyelim ki dört sanatçının eserleri kullanılarak eğitilmiş bir görüntü oluşturma modeliniz var: John, Jacob, Jack ve Jebediah. Modelden Jack’in tarzında bir çiçek çizmesini istiyorsunuz. Bu çerçeve sayesinde, her bir sanatçının eserlerinin modelin ürettiği sanat üzerindeki etkisini ve dolayısıyla her birinin alması gereken tazminatı belirleyebilirsiniz.
Bununla birlikte, çerçevenin bir dezavantajı var – hesaplama açısından pahalı. Araştırmacıların geçici çözümleri, kesin hesaplamalar yerine tazminat tahminlerine dayanıyor. Bu içerik oluşturucuları tatmin eder mi? Ben pek emin değilim. OpenAI bir gün bunu uygulamaya koyarsa, kesinlikle öğreneceğiz.
İşte son birkaç gün içinde dikkat çeken diğer bazı yapay zeka hikayeleri:
- Microsoft yüz tanıma yasağını yeniden teyit etti: Microsoft’un OpenAI teknolojisini tam olarak yöneten Azure OpenAI Hizmeti için hizmet şartlarına eklenen dil, entegrasyonların ABD’de yüz tanıma için polis departmanları “tarafından veya onlar için” kullanılmasını daha açık bir şekilde yasaklıyor.
- Yapay zekaya dayalı girişimlerin doğası: Yapay zeka girişimleri, tipik bir hizmet olarak yazılım şirketinden farklı bir dizi zorlukla karşı karşıyadır. Glasswing Ventures’ın kurucusu ve yönetici ortağı Rudina Seseri’nin geçen hafta Boston’daki TechCrunch Early Stage etkinliğinde verdiği mesaj buydu; Ron hikayenin tamamına sahip.
- Anthropic bir iş planı başlattı: Yapay zeka girişimi Anthropic, işletmelere yönelik yeni bir ücretli planın yanı sıra yeni bir iOS uygulaması da başlatıyor. Kurumsal plan olan Team, müşterilere Anthropic’in yapay zeka çözümlerine daha yüksek öncelikli erişim sağlıyor. 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, CodeWhisperer’ın yaptığı gibi hata ayıklama ve uygulamaları yükseltme gibi geliştiricilerin günlük işleri sırasında yaptıkları bazı görevlere yardımcı oluyor.
- Sam’s Club’dan çık: Walmart’ın sahibi olduğu Sam’s Club, “çıkış teknolojisini” hızlandırmaya yardımcı olmak için yapay zekaya başvurduğunu açıkladı. Kasada ya da Scan & Go mobil uygulaması aracılığıyla ödeme yapan Sam’s Club müşterileri, mağazadan çıkarken mağaza personelinin üyelerin alışverişlerini fişleriyle karşılaştırmasını gerektirmek yerine, artık alışverişlerini iki kez kontrol ettirmeden belirli mağaza konumlarından çıkabilecekler.
- Balık hasadı, otomatik: Balık hasadı doğası gereği dağınık bir iştir. Shinkei Devin, balıkları daha insancıl ve güvenilir bir şekilde gönderen otomatik bir sistemle bunu geliştirmek için çalıştığını ve bunun tamamen farklı bir deniz ürünleri ekonomisine yol açabileceğini bildiriyor.
- Yelp’in yapay zeka asistanı: Yelp, bu hafta tüketiciler için OpenAI modelleriyle desteklenen yeni bir yapay zeka destekli sohbet robotunu duyurdu ve bu robotun tüketicilerin görevleri için (aydınlatma armatürleri kurmak, dış mekanları iyileştirmek gibi) ilgili işletmelerle bağlantı kurmalarına yardımcı olduğunu söyledi. Şirket, yapay zeka asistanını iOS uygulamasında “Projeler” sekmesi altında kullanıma sunuyor ve bu yılın ilerleyen dönemlerinde Android’e de genişletmeyi planlıyor.
Daha fazla makine öğrenimi

Resim Kredileri: ABD Enerji Bakanlığı
Görünüşe göre Argonne Ulusal Laboratuvarı’nda tam bir parti Bu kış, hızla gelişen teknolojinin ülkenin altyapısına ve bu alandaki Ar-Ge çalışmalarına nasıl yardımcı olabileceği hakkında konuşmak üzere yüz yapay zeka ve enerji sektörü uzmanını bir araya getirdi. Ortaya çıkan rapor aşağı yukarı o kalabalıktan bekleyeceğiniz şey: çok fazla hayal ürünü, ama yine de bilgilendirici.
Nükleer enerji, şebeke, karbon yönetimi, enerji depolama ve malzemelerin ele alındığı bu buluşmada ortaya çıkan temalar, ilk olarak araştırmacıların yüksek güçlü hesaplama araçlarına ve kaynaklarına erişime ihtiyaç duyması; ikinci olarak simülasyonların ve tahminlerin zayıf noktalarını tespit etmeyi öğrenmek (ilkinin mümkün kıldıkları dahil); üçüncü olarak da birden fazla kaynaktan ve birçok formattan gelen verileri entegre edebilen ve erişilebilir hale getirebilen yapay zeka araçlarına duyulan ihtiyaçtı. Tüm bunların sektör genelinde çeşitli şekillerde gerçekleştiğini gördük, bu yüzden büyük bir sürpriz değil, ancak birkaç uzman bir makale yayınlamadan federal düzeyde hiçbir şey yapılmıyor, bu yüzden kayıtlara geçmesi iyi oldu.
Georgia Tech ve Meta bunun bir parçası üzerinde çalışıyor karbon yakalama süreçleri tasarlayan bilim insanlarının bunu daha kolay yapmalarına yardımcı olmayı amaçlayan reaksiyonlar, malzemeler ve hesaplamalar yığını olan OpenDAC adlı büyük ve yeni bir veritabanı ile. Karbon yakalama için umut verici ve popüler bir malzeme türü olan metal-organik çerçevelere odaklanıyor, ancak kapsamlı bir şekilde test edilmemiş binlerce varyasyona sahip.
Georgia Tech ekibi Oak Ridge Ulusal Laboratuvarı ve Meta’s FAIR ile bir araya gelerek bu malzemeler üzerindeki kuantum kimyası etkileşimlerini 400 milyon hesaplama saati kullanarak simüle etti – bir üniversitenin kolayca toplayabileceğinden çok daha fazlası. Umarım bu alanda çalışan iklim araştırmacılarına yardımcı olur. Hepsi burada belgelenmiştir.
Tıp alanındaki yapay zeka uygulamaları hakkında çok şey duyuyoruz, ancak çoğu, uzmanların başka türlü göremeyecekleri şeyleri fark etmelerine yardımcı olmak veya bir teknolojinin bulması saatler sürecek kalıpları tespit etmek gibi danışmanlık rolü olarak adlandırabileceğiniz bir rolde. Bunun nedeni kısmen, bu makine öğrenimi modellerinin neyin neden olduğunu veya neye yol açtığını anlamadan istatistikler arasındaki bağlantıları bulmasıdır. Cambridge ve Ludwig-Maximilians-Universität München araştırmacıları Bunun üzerinde çalışıyoruz, çünkü temel korelatif ilişkilerin ötesine geçmek tedavi planlarının oluşturulmasında büyük ölçüde yardımcı olabilir.
LMU’dan Profesör Stefan Feuerriegel liderliğindeki çalışma, sadece korelasyonları değil, nedensel mekanizmaları tanımlayabilen modeller oluşturmayı amaçlıyor: “Makineye nedensel yapıyı tanıması ve sorunu doğru bir şekilde biçimlendirmesi için kurallar veriyoruz. Daha sonra makinenin müdahalelerin etkilerini tanımayı öğrenmesi ve tabiri caizse gerçek hayattaki sonuçların bilgisayarlara aktarılan verilere nasıl yansıdığını anlaması gerekiyor” dedi. Onlar için hala erken günler ve bunun farkındalar, ancak çalışmalarının on yıllık önemli bir gelişim sürecinin parçası olduğuna inanıyorlar.
Pennsylvania Üniversitesi’nde yüksek lisans öğrencisi Ro Encarnación “algoritmik adalet” alanında yeni bir bakış açısı üzerinde çalışıyor Son yedi ya da sekiz yılda (özellikle kadınlar ve beyaz olmayan kişiler tarafından) öncülük edildiğini gördük. Çalışmaları platformlardan çok kullanıcılara odaklanıyor ve “ortaya çıkan denetim” adını verdiği şeyi belgeliyor.
Tiktok ya da Instagram biraz ırkçı bir filtre ya da göz kamaştırıcı bir şey yapan bir görüntü oluşturucu çıkardığında kullanıcılar ne yapar? Elbette şikayet ederler, ancak aynı zamanda kullanmaya devam ederler ve içinde kodlanmış sorunları nasıl atlatacaklarını ve hatta daha da kötüleştireceklerini öğrenirler. Bu bizim düşündüğümüz anlamda bir “çözüm” olmayabilir, ancak denklemin kullanıcı tarafının çeşitliliğini ve direncini gösteriyor – düşündüğünüz kadar kırılgan ya da pasif değiller.