37. hét
AI NEWS
Erősebb lett, de nehezebben ellenőrizhető az OpenAI új modellje
Az OpenAI GPT-6 Astra modellje a biztonsági teszt szerint jobban betartja a kijelölt korlátokat, mint elődje, de nehezebben ellenőrizhetővé vált a működése.
A teszteken az Astra gyakrabban adott rövid, kevésbé informatív gondolatmenetet válaszaihoz, és amikor jelezték neki, hogy figyelik, még rövidebben reagált. Ez azért fontos, mert a chain-of-thought monitorozása – vagyis a modell köztes következtetési lépéseinek vizsgálata - alapvető eszköz arra, hogy a fejlesztők időben felismerjék, ha egy AI-ügynök eltér a kijelölt feladattól, vagy megpróbálja megkerülni a neki szabott korlátokat.
→ Forrás (OpenAI)
→ Forrás (Bleeping Computer)
Így emlékezhet egy AI-ügynök a korábbi döntésekre és változásokra
Egy AI-ügynöknek nem elég eltárolni a korábbi beszélgetéseket: azt is követnie kell, ha egy információ időközben megváltozott, vagy afelhasználó módosítja egy korábbi döntését. Az NVIDIA NemoClaw-ra épített megoldása összekapcsolja a kapott információkat a későbbimódosításokkal, és a felhasználó visszajelzéseit is megőrzi. Az NVIDIA saját tesztjében a megváltozott információk követése 60-ról 100százalékra, a rendszer pontossága pedig 82,8-ról 90,9 százalékra javult a fejlesztésnek köszönhetően.
→ Forrás (NVIDIA Developer Blog)
3 milliárd eurót kapott a Mistral, hogy európai AI-alternatívát építsen
3 milliárd euró befektetést kapott a francia Mistral AI egy nemzetközi befektetői csoporttól, élén a dél-koreai Samsunggal, de beszálltLuxemburg állama is. A cég értéke ezzel 21 milliárd euró fölé emelkedett. A Mistral ezt a pénzt új AI-modellek fejlesztésére és európaiadatközpontok, valamint az ezekhez szükséges nagy teljesítményű számítógépes kapacitás bővítésére fordítja. A cél, hogy az európaivállalatok és kormányok úgy használhassák a fejlett AI-szolgáltatásokat, hogy kevésbé függnek az amerikai AI-szolgáltatóktól.
→ Forrás (TechCrunch)
Az XPeng megkezdte a humanoid robotok gyártását
A kínai XPeng megkezdte az Iron humanoid robotok gyártását. A folyamatok több mint 80 százaléka automatizált, az első példányok pedigsaját lábukon sétálnak le a gyártósorról. A kínai vállalat év végére tervezi a tömeggyártás megkezdését, az értékesítés pedig 2027-benindulhat. Az XPeng vezérigazgatója szerint a robotok hosszabb távon még az autóknál is jövedelmezőbbek lehetnek a vállalat számára.
→ Forrás (CnEVPost)
Kiberbiztonságra specializált Gemini-modell a Google-től
A Google új, Gemini 3.8 Flash Cyber modellje önállóan kereshet sérülékenységeket a szoftverekben, és a megtalált hibákat javítani istudja 20 programozási nyelven. A modell a vállalat saját tesztjeiben a valós sérülékenységek több mint 70 százalékát megtalálta,képességei miatt azonban nem teszik mindenki számára elérhetővé, egyelőre csak ellenőrzött kiberbiztonsági szakemberek férhetnekhozzá. A Google ezzel együtt bemutatta a Gemini 3.8 Flash-t is, amelyet többek között a hosszabb kódolási és AI-ügynökök által végzettfeladatokra fejlesztett.
→ Forrás (Google)
Az NVIDIA felvásárolja a Hugging Face-t
Az Nvidia bejelentette, hogy 12,9 milliárd dollárért felvásárolja az AI-fejlesztők egyik legfontosabb központját a Hugging Face-t, amijelenleg több mint 3 millió AI-modellt tesz elérhetővé, 18 millió fejlesztő használja, és az AI világában részben a GitHubhoz hasonlószerepet tölt be: modellek, adatkészletek és fejlesztői eszközök megosztásának központja. Jensen Huang szerint a Hugging Face továbbra is nyílt platform marad, a felvásárlás ugyanakkor felveti, hogy mennyire maradhat semleges egy olyan ökoszisztéma, amely azNVIDIA versenytársainak – köztük az AMD, a Google és az Amazon – technológiáit is támogatja.
→ Forrás (Nvidia Newsroom)
→ Forrás (TechCrunch)
IT diploma még kell, de önmagában már nem elég
Az AI korában a diploma továbbra is fontos belépő a munkaerőpiacra, de önmagában egyre kevésbé jelent versenyelőnyt. A szakmaitudás mellett felértékelődik a kritikus gondolkodás, az ítélőképesség, a kommunikáció, az együttműködés és az önálló döntéshozatal –különösen azért, mert az AI a tudás egy részét már könnyen hozzáférhetővé teszi. A jövő szakembereinek nemcsak az AI-eszközökhasználatát, hanem azok korlátait, etikai kérdéseit és szakmaspecifikus alkalmazását is érteniük kell. Az egyetemeknek ezért a gyakorlatiképzés, a vállalati projektek és a folyamatos tanulás képességének fejlesztése felé kell elmozdulniuk.
→ Forrás (economx.hu)
STORY OF THE WEEK
Vitát kavart az OpenAI matematikai „áttörése"
A Navier–Stokes-egyenletekkel a levegő, a víz és a vér áramlását modellezik – ezek egyik, közel 90 éve nyitott kérdésére talált megoldást10 ezer párhuzamosan dolgozó AI-ügynökkel egy, még nem publikált OpenAI-modell. Az eredmény rögtön vitát váltott ki: TristanBuckmaster és Levent Alpöge régóta dolgozott ennek a problémának a bizonyításán, munkájukhoz Codexet, és Claude-ot is használva. Szerintük az OpenAI tudomást szerzett ígéretes eredményeikről, és óriási AI kapacitását bevetve próbálta megelőzni őket. Az OpenAI aztállítja, hogy nem fértek hozzá a készülő bizonyításhoz, bár nem tudja kizárni, hogy korábbi, anonimizált felhasználási adatok nem járultakhozzá modellje eredményeihez. A vita azonban ennél többről szól: kit illet az elsőség érdeme, ha egy tudományos áttöréshez kutatók, AI-modellek együttes munkája vezet eredményre.
→ Forrás (OpenAI)
→ Forrás (TechCrunch)
CHATBOT RADAR
Hogyan gyorsítja fel egy kisebb modell a nagyobbat?
Az NVIDIA fejlesztői blogja egy olyan technikát mutatott be, amellyel felgyorsítható a nagy nyelvi modellek válaszgenerálása a kimenetminőségi romlása nélkül. A spekulatív dekódolás (speculative decoding) lényege, hogy egy kisebb, olcsóbb „vázlatkészítő” modell gyorsanelőre generálja a válasz egy lehetséges folytatását, a nagy modell pedig ezzel egyidőben ellenőrzi annak több elemét. Amit megfelelőnektalál, azt megtartja, ha pedig a kisebb tudású modell javaslata eltérő, onnan maga folytatja a választ. Így bizonyos esetekben gyorsabbankészülhet el ugyanaz a kimenet, de a tényleges gyorsulás a feladattól, a modellektől és a hardvertől is függ.
→ Forrás (NVIDIA Developer Blog)
Hozzászólások