ZDNET-ის რეკომენდაციები და Google AI მიმოხილვების გამოწვევები
ZDNET-ი განმარტავს თავის სარედაქციო სტანდარტებს, რომლებიც ეფუძნება მრავალსაათიან ტესტირებას, კვლევასა და მომხმარებელთა შეფასებებს, რათა მიაწოდოს ზუსტი და ობიექტური ინფორმაცია. სტატია ასევე ყურადღებას ამახვილებს Google-ის ახალ AI მიმოხილვებზე (AI Overviews), რომლებიც საძიებო შედეგების თავში ჩნდება. აღნიშნულია, რომ მიუხედავად იმისა, რომ AI მიმოხილვები დროის დაზოგვას გვპირდება, ისინი ხშირად განაშორებენ მომხმარებლებს კონტენტის შემქმნელებისგან და შეიძლება შეცდომაში შემყვანი ან არასწორი ინფორმაციაც კი
InScope-მა ხელოვნური ინტელექტის გამოყენებით ფინანსური ანგარიშგების ავტომატიზაციისთვის $14.5 მილიონი მოიზიდა
ყოფილი ბუღალტრების, მერი ენტონისა და კელსი გუტნიკის მიერ დაარსებულმა InScope-მა, რომელიც ხელოვნური ინტელექტის გამოყენებით ფინანსური ანგარიშგების პლატფორმას ქმნის, სერია A დაფინანსების ფარგლებში $14.5 მილიონი მოიზიდა. სტარტაპი მიზნად ისახავს ფინანსური ანგარიშგების მომზადების რთული და დამღლელი პროცესის ავტომატიზაციას, ხელით შესრულებული სამუშაოს შემცირებას და ბუღალტრებისთვის დროის მნიშვნელოვან დაზოგვას.
MIT-ის მკვლევრებმა პარკირების პრობლემის მოსაგვარებლად ახალი სისტემა შექმნეს: დაზოგეთ დრო და შეამცირეთ საცობები
მძღოლები ხშირად დიდ დროს კარგავენ პარკირების ადგილის ძიებაში, რაც იწვევს საცობებს და დაბინძურებას. MIT-ის მკვლევრებმა შეიმუშავეს ინოვაციური სისტემა, რომელიც მძღოლებს მიმართულებას აძლევს არა მხოლოდ დანიშნულების ადგილისკენ, არამედ ოპტიმალური პარკირების ზონისკენ. სისტემა ითვალისწინებს ავტოსადგომის სიახლოვეს და თავისუფალი ადგილების ალბათობას, რამაც სიმულაციური ტესტების მიხედვით, შესაძლოა 66%-მდე დროის დაზოგვა გამოიწვიოს და მნიშვნელოვნად შეამციროს ქალაქებში საცობები.
Core ML-ის ოპტიმიზაცია: Apple-ის მოწყობილობებზე AI მოდელების მუშაობის ახალი დონე
Core ML-ის უახლესი გაუმჯობესებები მნიშვნელოვნად აჩქარებს ხელოვნური ინტელექტის (AI) მოდელების, მათ შორის Stable Diffusion-ისა და დიდი ენის მოდელების, მუშაობას Apple-ის მოწყობილობებზე. ეს ოპტიმიზაციები, რომელიც მოიცავს 6-ბიტიან პალეტიზაციას და ml-stable-diffusion რეპოზიტორიუმის განახლებას, უზრუნველყოფს მონაცემთა ნაკლებ გადაცემას, მეტ კონფიდენციალურობას და ხარჯების დაზოგვას, რაც დეველოპერებს აძლევს საშუალებას, შექმნან უფრო ეფექტური აპლიკაციები უშუალოდ მოწყობილობაზე.
Prodigy-HF: Hugging Face მოდელების გაწვრთნა და ანოტირებული მონაცემთა ნაკრებების გაზიარება
Explosion-მა გამოუშვა Prodigy-HF, ახალი პლაგინი, რომელიც Prodigy-ის ანოტაციის ხელსაწყოს Hugging Face-ის ეკოსისტემასთან აინტეგრირებს. ეს ინტეგრაცია მომხმარებლებს საშუალებას აძლევს, გაწვრთნან Hugging Face მოდელები საკუთარ ანოტირებულ მონაცემებზე (მაგ. დასახელებული ერთეულების ამოცნობისთვის და ტექსტის კლასიფიკაციისთვის) და გამოაქვეყნონ ეს მონაცემთა ნაკრებები Hugging Face Hub-ზე, რაც ხელს უწყობს მოქნილობას, თანამშრომლობას და დროის დაზოგვას ხელოვნური ინტელექტის პროექტებში.
OpenAI-ის GPT OSS მოდელები Hugging Face-ზე: გაუმჯობესებული ხელმისაწვდომობა და ოპტიმიზებული წარმადობა
OpenAI-მ Apache 2.0 ლიცენზიით გამოუშვა ღია კოდის GPT OSS მოდელები, რომელთა მიზანია ხელოვნური ინტელექტის ფართო ხელმისაწვდომობის უზრუნველყოფა უსაფრთხო და პასუხისმგებლიანი გამოყენებით. Hugging Face-თან ინტეგრაციით, მომხმარებლებს შეუძლიათ ისარგებლონ გაუმჯობესებული არქიტექტურით, მათ შორის mxfp4 კვანტიზაციით, Flash Attention 3-ითა და MegaBlocks MoE ქერნელებით, რაც უზრუნველყოფს მნიშვნელოვან მეხსიერების დაზოგვას და მაღალ წარმადობას როგორც NVIDIA, ისე AMD GPU-ებზე. ეს ინიციატივა ხელს უწყობს AI-ის ინოვაცი