Energigennembrud er nødvendigt for AGI, siger OpenAI's Altman

Genudgivet af Platon

Abonnenter: 0

Energy breakthrough needed for AGI, says OpenAI's Altman PlatoBlockchain Data Intelligence. Vertical Search. Ai.

AI kort fortalt OpenAI CEO Sam Altman mener, at et gennembrud inden for energiproduktion er påkrævet for at fremme stadig mere dygtige og strømkrævende AI-modeller.

I en paneldiskussion med Bloomberg i Davos i sidste uge argumenterede han "Der er ingen måde at komme dertil uden et gennembrud." Altman går ind for vedvarende energikilder som nuklear fusion, og han er motiveret til at blive ved med at investere i teknologien. Han investerede personligt 375 millioner dollars i Helion Energy – en atomfusionsstartup, der har underskrevet en deal at levere energi til Microsoft i de næste par år.

AI-modeller, der består af milliarder af parametre, kræver enorme mængder energi at træne. OpenAIs gamle GPT-3-system forbrugte angiveligt 936 megawatttimer (MWh), ifølge til AI-virksomheden Numenta. US Energy Information Administration skøn at den gennemsnitlige husstand forbruger omkring 10.5 MWh om året. Det betyder, at træning af GPT-3 forbrugte lige så meget energi, som omkring 90 husstande forbruger på et år.

Større modeller vil kræve endnu mere energi. "Vi er ikke færdige med at skalere [LLM'er] - vi skal stadig skubbe op," Aiden Gomez, administrerende direktør for Sammenhæng, erklærede under en anden diskussion i Davos.

AlphaGeometry repræsenterer et gennembrud inden for AI-ræsonnement

Google DeepMind-forskere har trænet et AI-system til at bevise geometriske sætninger på næsten samme niveau, som opnået af guldmedaljevindere i den menneskelige matematikolympiade.

I et papir offentliggjort in Natur I sidste uge afslørede teamet DeepMind AlphaGeometry – et system bestående af en sprogmodel og en symbolsk deduktionsmotor. Førstnævnte genererer potentielle matematiske strategier til at løse et bestemt problem, mens sidstnævnte forsøger at udlede en endelig løsning.

"Med AlphaGeometry demonstrerer vi AIs voksende evne til at ræsonnere logisk og til at opdage og verificere ny viden," skrev medforfattere Trieu Trinh og Thang Luong. "Løsning af geometriproblemer på Olympiade-niveau er en vigtig milepæl i udviklingen af dyb matematisk ræsonnement på vejen mod mere avancerede og generelle AI-systemer."

Interessant nok blev systemet trænet på 100 millioner prøver af syntetiske data, der afbilder tilfældige geometriske diagrammer. AlphaGeometry havde til opgave at lære alle forholdet mellem punkterne og linjerne i former for at finde ud af alle de geometriske beviser.

I en test, der benchmarker systemets ydeevne, lykkedes det at løse 25 ud af 30 geometrispørgsmål fra Olympiade-konkurrencer - givet et par timer. Til sammenligning kan den gennemsnitlige menneskelige guldvinder løse omkring 25.9 af disse på samme tid.

Google DeepMind har frigivet koden til sin model link..

Medicinske AI-chatbots demokratiserer muligvis ikke sundhedsvæsenet

Verdenssundhedsorganisationen (WHO) er ikke optimistisk over, at medicinske AI-systemer vil være gode for fattigere lande, hvis de er bygget af organisationer i rigere nationer, der ikke formår at træne dem på mere forskelligartede data.

Udviklere kan lide Google mener, at kunstig intelligens kan hjælpe dem, der har begrænset adgang til sundhedspleje i fremtiden. Men embedsmænd hos WHO mener, at teknologien muligvis ikke tjener dem tilstrækkeligt - især hvis de ikke er repræsentative for de patienter, der bruges til at hente kliniske data til at træne disse systemer.

"Det allersidste, vi ønsker at se ske som en del af dette spring fremad med teknologi, er udbredelsen eller forstærkningen af uligheder og skævheder i den sociale struktur i lande rundt om i verden," erklærede Alain Labrique, WHO's direktør for digital sundhed og innovation, Natur rapporteret.

Labrique og hans kolleger hævdede, at udviklingen af medicinsk AI ikke burde være domineret af store teknologivirksomheder, og at deres teknologier skulle revideres af uafhængige tredjeparter, før de frigives. Udviklere bygger i øjeblikket modeller, der er i stand til automatisk at generere kliniske notater fra møder, hjælpe læger med at diagnosticere sygdomme og mere.

Potentielle problemer - såsom forskellige accenter, sprog eller medicinske historier, der ikke er i dets træningsdata - kan potentielt kaste disse systemer ud, hvilket fører til lavere ydeevne og dårlige patientresultater.

Amazon udruller eksperimentel AI-indkøbsassistent

Forbrugere kan nu quiz en AI-chatbot om en bestemt vare, der sælges på Amazon, med online markedspladsens mobilapp.

Fanen "Leder efter specifik info", som plejede at vise produktanmeldelser og svar på almindelige spørgsmål, er blevet erstattet med en stor sprogmodel, Marketplace Pulse først rapporteret. Systemet ser ud til at fungere ved at indtage og opsummere information fra produktets listeside.

Netbrugere kan stille spørgsmål om den vare, de er interesseret i. Chatbotten sammenligner ikke produkter eller foreslår alternativer. Den kan heller ikke udføre handlinger som f.eks. at tilføje varer til kunders virtuelle vogne eller afsløre prishistorik. En talsmand for Amazon bekræftede over for CNBC, at de testede chatbotten.

"Vi opfinder konstant for at hjælpe med at gøre kundernes liv bedre og nemmere, og tester i øjeblikket en ny funktion drevet af generativ AI for at forbedre shopping på Amazon ved at hjælpe kunder med at få svar på ofte stillede produktspørgsmål." forklarede Maria Boschetti. Som alle chatbots er Amazons seneste system tilbøjelige til at hallucinere - så tag det der står med et gran salt.

Interessant nok er den virtuelle indkøbsassistents muligheder ret åbne. Det kan angiveligt skrive vittigheder, digte eller endda generere kode baseret på information om et produkt på tværs af flere sprog. ®