AI სტარტაპების „გამაფრთხილებელი ნათურა“: LLM „ვრაპერები“ და აგრეგატორები გამოწვევების წინაშე
ხელოვნური ინტელექტის ბუმის ფონზე, Google-ის გლობალური სტარტაპ ორგანიზაციის ხელმძღვანელი დარენ მოური აფრთხილებს, რომ LLM „ვრაპერები“ და AI აგრეგატორები მდგრადი ზრდის სერიოზული გამოწვევების წინაშე დგანან. ის ამ ბიზნეს მოდელებს ადარებს ადრეული ღრუბლოვანი გამოთვლების ეპოქის წარუმატებელ სტარტაპებს, რომლებიც Amazon-ის ეკოსისტემამ ჩაყლაპა.
ინდოეთი ხელოვნური ინტელექტის ინფრასტრუქტურაში $200 მილიარდის ინვესტიციას გეგმავს
ინდოეთმა გაააქტიურა ძალისხმევა, რომ მომდევნო ორი წლის განმავლობაში მოიზიდოს $200 მილიარდზე მეტი ინვესტიცია ხელოვნური ინტელექტის ინფრასტრუქტურაში, რათა განთავსდეს, როგორც AI გამოთვლებისა და აპლიკაციების გლობალური ცენტრი. გეგმები წარმოადგინა ინდოეთის IT მინისტრმა აშვინი ვაიშნავმა ნიუ დელიში გამართულ AI Impact Summit-ზე, სადაც მთავრობა საგადასახადო შეღავათებს, სახელმწიფო მხარდაჭერით ვენჩურულ კაპიტალს და პოლიტიკის მხარდაჭერას გვთავაზობს. მსხვილმა ტექნოლოგიურმა კომპანიებმა, მათ შორის Amazon, Google დ
Blackstone-მა ინდურ AI ინფრასტრუქტურულ სტარტაპ Neysa-ში უმრავლესობის წილი შეიძინა $600 მილიონად
ინდურმა ხელოვნური ინტელექტის (AI) ინფრასტრუქტურულმა სტარტაპმა Neysa-მ აშშ-ის კერძო საინვესტიციო ფირმა Blackstone-ისგან $600 მილიონი დოლარის საინვესტიციო მხარდაჭერა მოიპოვა, რამაც Blackstone-ს კომპანიაში უმრავლესობის წილი გადასცა. სტარტაპი ასევე გეგმავს დამატებითი $600 მილიონი დოლარის მოზიდვას ვალის სახით. ეს ნაბიჯი ინდოეთის მიერ შიდა AI შესაძლებლობების განვითარების ფონზე, გამოთვლითი სიმძლავრეების გაფართოებას ისახავს მიზნად, მაშინ როდესაც გლობალურად AI გამოთვლების მოთხოვნა მკვეთრად იზრდება. Neysa
Hugging Face-მა გამოუშვა pytorch_block_sparse: ახალი ინსტრუმენტი ნერვული ქსელების დასაჩქარებლად და დასაპატარავებლად
კომპანია Hugging Face-მა გამოუშვა pytorch_block_sparse – გაფართოება, რომელიც მიზნად ისახავს ნერვულ ქსელებში მეჩხერი მატრიცების გამოთვლების არაეფექტურობის პრობლემის გადაჭრას. ეს ახალი ბიბლიოთეკა შესაძლებელს ხდის უფრო მცირე ზომის და სწრაფი მოდელების შექმნას, რაც მნიშვნელოვნად ამცირებს საოპერაციო ხარჯებს და აუმჯობესებს საბოლოო მომხმარებლის გამოცდილებას. ის წარმოადგენს torch.nn.Linear-ის მარტივ შემცვლელს, რომელიც იყენებს C++ CUDA შაბლონებსა და CUTLASS-ს მაღალეფექტური ბლოკ-მეჩხერი მატრიცის გამრავლები
AI აუდიო გენერაცია: AudioLDM 2-ის სიჩქარის რეკორდი - 10 წამი 1 წამში
AudioLDM 2, ტექსტიდან აუდიოს გენერირების ხელოვნური ინტელექტის მძლავრი მოდელი, ადრე გამოირჩეოდა ნელი მუშაობით, 10-წამიანი აუდიოს შესაქმნელად 30 წამზე მეტი სჭირდებოდა. ახალი ბლოგ პოსტი დეტალურად აღწერს, თუ როგორ იქნა მიღწეული ინფერენციის დროის 10-ჯერ შემცირება, კოდისა და მოდელის ოპტიმიზაციების, მათ შორის ნახევრად ზუსტი გამოთვლებისა და Flash Attention-ის გამოყენებით. შედეგად, შესაძლებელია 10-წამიანი აუდიო ნიმუშის გენერირება მხოლოდ 1 წამში, ხარისხის მინიმალური გაუარესებით, Hugging Face Diffusers ბიბ
Gradio-ს ახალი შესაძლებლობები: LLM ინსტრუმენტების სერვერები Model Context Protocol-ით (MCP)
Gradio, პოპულარული Python ბიბლიოთეკა მანქანური სწავლების ინტერფეისებისთვის, ახლა მხარს უჭერს Model Context Protocol (MCP) სერვერების გაშვებას დიდი ენობრივი მოდელებისთვის (LLMs). ეს ინოვაცია Gradio აპლიკაციებს საშუალებას აძლევს ფუნქციონირებდნენ როგორც ხელსაწყოები LLM-ებისთვის, რაც მათ სთავაზობს დამატებით შესაძლებლობებს, როგორიცაა გამოსახულების გენერაცია, აუდიო სინთეზი ან კონკრეტული გამოთვლები. სტატია აღწერს, თუ როგორ შეიძლება რამდენიმე ხაზი კოდით Gradio-ს MCP სერვერად გადაქცევა და წარმოადგენს მის
Gradio-ს რევოლუციური განახლება: MCP სერვერები LLM-ებისთვის
Gradio, პოპულარული Python ბიბლიოთეკა, რომელიც გამოიყენება მანქანური სწავლების მოდელებისთვის ინტერფეისების შესაქმნელად, ახლა დეველოპერებს საშუალებას აძლევს, გაუშვან Gradio აპლიკაციები Model Context Protocol (MCP) სერვერებად დიდი ენობრივი მოდელებისთვის (LLMs). ეს ინოვაცია Gradio აპებს აქცევს მძლავრ ხელსაწყოებად, რომელთა გამოყენება LLM-ებს შეუძლიათ სხვადასხვა ამოცანებისთვის – გამოსახულების გენერირებიდან დაწყებული, კონკრეტული გამოთვლებით დამთავრებული. სტატია აღწერს MCP სერვერის აგებას რამდენიმე ხაზი
ჰომომორფული დაშიფვრა მოქმედებაში: სენტიმენტების ანალიზი დაშიფრულ მონაცემებზე Concrete-ML-ით
ახალი ტექნოლოგიური მიღწევა მონაცემთა კონფიდენციალურობის სფეროში: სტატია იკვლევს ჰომომორფულ დაშიფრვას (FHE), რომელიც იძლევა დაშიფრულ მონაცემებზე გამოთვლების საშუალებას მათი გაშიფვრის გარეშე. Concrete-ML ბიბლიოთეკის დახმარებით, მონაცემთა მეცნიერებს შეუძლიათ შექმნან მანქანური სწავლების მოდელები FHE გარემოში კრიპტოგრაფიის ცოდნის გარეშე. გთავაზობთ პრაქტიკულ სახელმძღვანელოს დაშიფრულ მონაცემებზე სენტიმენტების ანალიზის მოდელის შესაქმნელად, დემო ვერსიით Hugging Face Spaces-ზე.
ინოვაციური „ტრანსნეირონი“ მანქანებს ადამიანის მსგავს ინტელექტს მიანიჭებს
მეცნიერებმა შეიმუშავეს ერთი ხელოვნური ნეირონი, სახელწოდებით „ტრანსნეირონი“, რომელსაც შეუძლია ტვინის მრავალი რეგიონის ფუნქციის შესრულება. ამ მიღწევას შეუძლია რევოლუცია მოახდინოს რობოტიკაში, მათთვის ადამიანის მსგავსი აღქმის, სწავლისა და მოქმედების უნარის მინიჭებით. ტრანსნეირონი იყენებს ნანომასშტაბიან კომპონენტს – მემრისტორს – მეხსიერებისა და ადაპტაციისთვის, რაც მნიშვნელოვანი ნაბიჯია ნეირომორფული გამოთვლებისკენ, რომელსაც შეუძლია სამომავლოდ „ჩიპზე არსებული ტვინის“ სისტემების შექმნა. ეს ტექნოლოგია აი