🧱 Nvidia ລົງທຶນ 2 ຕື້ໂດລາໃນ CoreWeave ເພື່ອເລັ່ງການສ້າງສູນຂໍ້ມູນຂອງສະຫະລັດ ↗
Nvidia ໄດ້ລົງທຶນ 2 ຕື້ໂດລາໃນ CoreWeave, ເຊິ່ງເຮັດໃຫ້ການຮ່ວມມືດ້ານພື້ນຖານໂຄງລ່າງທີ່ໃກ້ຊິດກັນແລ້ວແໜ້ນແຟ້ນຂຶ້ນ - ແລະແມ່ນແລ້ວ, ຕະຫຼາດໄດ້ເຮັດສິ່ງທີ່ຄາດເດົາໄດ້ວ່າ "ໂອ້, ຄວາມສາມາດຂອງ AI ຫຼາຍຂຶ້ນ".
CoreWeave ໄດ້ວາງກອບມັນເປັນເຊື້ອເພີງສຳລັບການຂະຫຍາຍສູນຂໍ້ມູນ (ທີ່ດິນ, ພະລັງງານ, ການກໍ່ສ້າງ), ບໍ່ພຽງແຕ່ເປັນການເຄື່ອນໄຫວທາງຫຼັງເພື່ອຍ້າຍຊິບເພີ່ມເຕີມ. ເຖິງຢ່າງໃດກໍ່ຕາມ, ເມື່ອຜູ້ຂາຍຊ້ວນທີ່ໃຫຍ່ທີ່ສຸດໃຫ້ເງິນທຶນແກ່ຜູ້ໃຊ້ຊ້ວນທີ່ໄວທີ່ສຸດ, ເນື້ອໃນຍ່ອຍຈະຂຽນຕົວມັນເອງ.
🧠 Microsoft ເປີດຕົວ Maia 200, ຊິບອະນຸມານ AI ລຸ້ນໃໝ່ ↗
Microsoft ໄດ້ນຳສະເໜີ Maia 200 ເປັນຕົວເລັ່ງ AI ລຸ້ນຕໍ່ໄປ, ເຊິ່ງຕັ້ງຢູ່ອ້ອມຮອບວຽກງານການອະນຸມານ - ສ່ວນ "ໃຊ້ຮູບແບບໃນຂອບເຂດ" ທີ່ມີຄ່າໃຊ້ຈ່າຍຕົວຈິງ ແລະ ກຳນົດຂໍ້ຈຳກັດສຳລັບທຸກຢ່າງຢ່າງງຽບໆ.
ພວກເຂົາກຳລັງສະເໜີມັນວ່າເປັນລະບົບທີ່ສ້າງຂຶ້ນໂດຍສະເພາະສຳລັບການນຳໃຊ້ Azure ແລະ ການບໍລິການແບບຈຳລອງທີ່ທັນສະໄໝ, ດ້ວຍການອ້າງທີ່ຄຸ້ນເຄີຍກ່ຽວກັບປະລິມານວຽກ ແລະ ປະສິດທິພາບ. ມັນອ່ານໄດ້ວ່າ Microsoft ມີແນວໂນ້ມທີ່ຈະ “ພວກເຮົາຈະບໍ່ເພິ່ງພາຊິລິໂຄນຂອງຄົນອື່ນຕະຫຼອດໄປ”... ຫຼືຢ່າງໜ້ອຍກໍ່ຊຸກຍູ້ໄປໃນທິດທາງນັ້ນ.
🎭 Synthesia ປະເມີນມູນຄ່າເກືອບສອງເທົ່າເປັນ 4 ຕື້ໂດລາຫຼັງຈາກຮອບການລະດົມທຶນ ↗
Synthesia ໄດ້ລະດົມທຶນຈຳນວນຫຼວງຫຼາຍ ແລະ ເພີ່ມມູນຄ່າຂອງຕົນຂຶ້ນເປັນ 4 ຕື້ໂດລາ, ເຊິ່ງເປັນເລື່ອງທີ່ໜ້າຕື່ນເຕັ້ນຖ້າທ່ານຍັງຄິດວ່າ AI avatars ເປັນພຽງກົນອຸບາຍ. ປາກົດວ່າງົບປະມານການຝຶກອົບຮົມຂອງບໍລິສັດແມ່ນບໍ່ມີຂອບເຂດ.
ພວກເຂົາກຳລັງກຳນົດແຮງກະຕຸ້ນດັ່ງກ່າວວ່າເປັນຄວາມຕ້ອງການຂອງວິສາຫະກິດສຳລັບເນື້ອຫາວິດີໂອທີ່ໄວກວ່າ ແລະ ລາຄາຖືກກວ່າ - ບວກກັບການຝຶກອົບຮົມແບບ "ສະແດງບົດບາດ" ແບບໂຕ້ຕອບຫຼາຍຂຶ້ນ. ບໍ່ແມ່ນທຸກຄົນມັກບັນຍາກາດຂອງເພື່ອນຮ່ວມງານແບບສັງເຄາະ, ແຕ່ການຮັບຮອງເອົາຍັງສືບຕໍ່ກ້າວໄປຂ້າງໜ້າຢ່າງຕໍ່ເນື່ອງ.
🚨 ສະຫະພາບເອີຣົບເປີດການສືບສວນ X ກ່ຽວກັບຮູບພາບທາງເພດຂອງ Grok ຫຼັງຈາກມີການຕອບໂຕ້ຢ່າງຮຸນແຮງ ↗
ຜູ້ຄວບຄຸມຂອງ EU ໄດ້ເປີດການສືບສວນກ່ຽວກັບ X ໂດຍກ່ຽວຂ້ອງກັບຄວາມກັງວົນກ່ຽວກັບ Grok ແລະຮູບພາບທາງເພດທີ່ແຜ່ລາມຢູ່ໃນແພລດຟອມ. ຄວາມເຄັ່ງຕຶງທີ່ຕິດພັນແມ່ນງ່າຍດາຍຫຼາຍ: ຜູ້ຄວບຄຸມຕ້ອງການຮູ້ວ່າ X ໄດ້ປະເມີນ ແລະ ຫຼຸດຜ່ອນຄວາມເສຍຫາຍທີ່ຄາດເດົາໄດ້, ຫຼື ສົ່ງກ່ອນ ແລະ ຈັດການກັບຜົນກະທົບທີ່ຕາມມາໃນພາຍຫຼັງ.
ມຸມມອງຂອງກົດໝາຍວ່າດ້ວຍການບໍລິການດີຈີຕອນມີຄວາມສຳຄັນເພາະວ່າມັນບໍ່ພຽງແຕ່ກ່ຽວກັບໂພສສ່ວນບຸກຄົນເທົ່ານັ້ນ - ມັນກ່ຽວກັບການຄຸ້ມຄອງຄວາມສ່ຽງດ້ານລະບົບ. X ໄດ້ຊີ້ໃຫ້ເຫັນເຖິງຂໍ້ຈຳກັດ ແລະ ການປ່ຽນແປງຕ່າງໆ, ແຕ່ຜູ້ຄວບຄຸມເບິ່ງຄືວ່າຈະສຸມໃສ່ວ່າມາດຕະການປ້ອງກັນໃນການປະຕິບັດຕົວຈິງນັ້ນພຽງພໍຫຼືບໍ່.
🏛️ ລັດຖະບານອັງກິດຊຸກຍູ້ການປະມວນຜົນແບບຊຸບເປີຄອມພິວເຕີຂອງມະຫາວິທະຍາໄລ Cambridge ສຳລັບຊັບພະຍາກອນຄົ້ນຄວ້າ AI ↗
ລັດຖະບານສະຫະລາຊະອານາຈັກໄດ້ປະກາດການສະໜອງທຶນເພີ່ມເຕີມເພື່ອຂະຫຍາຍຄວາມສາມາດໃນການຄິດໄລ່ຊັບພະຍາກອນການຄົ້ນຄວ້າ AI ທີ່ Cambridge. ຫົວຂໍ້ຫຼັກແມ່ນ "ການເຂົ້າເຖິງການຄຳນວນທີ່ຈິງຈັງຫຼາຍຂຶ້ນສຳລັບການຄົ້ນຄວ້າ", ເຊິ່ງ - ເວົ້າງ່າຍໆ - ເປັນຈຸດຕິດຂັດມາດົນແລ້ວ.
ມັນຍັງລວມເຂົ້າກັບຊຸດການລິເລີ່ມທີ່ກວ້າງຂວາງຂອງອັງກິດກ່ຽວກັບການນໍາໃຊ້ຂໍ້ມູນແລະການບໍລິການສາທາລະນະ. ທ່ານສາມາດອ່ານມັນວ່າເປັນການລົງທຶນທີ່ເປັນປະໂຫຍດ, ຫຼືເປັນອັງກິດພະຍາຍາມຮັກສາຕີນໃນການແຂ່ງຂັນ AI ໃນຂະນະທີ່ທຸກຄົນກໍາລັງໃຊ້ GPU.
📝 DOT ມີແຜນທີ່ຈະໃຊ້ Google Gemini ເພື່ອຊ່ວຍຂຽນກົດລະບຽບການຂົນສົ່ງ ↗
ProPublica ລາຍງານວ່າກະຊວງຂົນສົ່ງຂອງສະຫະລັດກຳລັງຄົ້ນຄວ້າການນຳໃຊ້ Gemini ຂອງ Google ເພື່ອຮ່າງລະບຽບການ, ໂດຍມະນຸດຈະກວດສອບຜົນຜະລິດ. ມັນຟັງແລ້ວມີປະສິດທິພາບເມື່ອເບິ່ງໃນເຈ້ຍ, ຈົນກວ່າພາບຫຼອນຈະຫາຍໄປໃນໝາຍເຫດ ແລະ ກະຕຸ້ນຜົນໄດ້ຮັບທີ່ແທ້ຈິງ.
ການຄັດຄ້ານໃນການລາຍງານແມ່ນກ່ຽວກັບຄວາມຮັບຜິດຊອບ ແລະ ຄວາມສ່ຽງ - ການວາງກົດລະບຽບບໍ່ແມ່ນບົດຄວາມໃນບລັອກ. ໃນທາງທິດສະດີ, AI ສາມາດຊ່ວຍຈັດໂຄງສ້າງຮ່າງ ແລະ ເຮັດໃຫ້ເກີດຄວາມບໍ່ສອດຄ່ອງ, ແຕ່ພຽງແຕ່ຖ້າການກຳກັບດູແລມີຄວາມເຂັ້ມງວດ ແລະ ຂະບວນການມີຄວາມໂປ່ງໃສ - ແລະ ນັ້ນແມ່ນສ່ວນທີ່ມັກຈະເປັນຄື້ນຟອງ.
ຄຳຖາມທີ່ຖືກຖາມເລື້ອຍໆ
Nvidia ລົງທຶນ 2 ຕື້ໂດລາໃນ CoreWeave ໝາຍຄວາມວ່າແນວໃດຕໍ່ພື້ນຖານໂຄງລ່າງ AI ໃນສະຫະລັດ?
ມັນສະແດງໃຫ້ເຫັນເຖິງສາຍພົວພັນທີ່ແໜ້ນແຟ້ນລະຫວ່າງຜູ້ສະໜອງຊິບລາຍໃຫຍ່ ແລະ ຜູ້ໃຫ້ບໍລິການຄລາວ GPU ທີ່ມີການຂະຫຍາຍໄວ. CoreWeave ອະທິບາຍເງິນດັ່ງກ່າວວ່າເປັນທຶນສຳລັບການຂະຫຍາຍສູນຂໍ້ມູນ, ລວມທັງທີ່ດິນ, ພະລັງງານ, ແລະ ການກໍ່ສ້າງ. ໃນທາງປະຕິບັດ, ສິ່ງນັ້ນສາມາດແປເປັນຄວາມສາມາດໃນໄລຍະສັ້ນຫຼາຍຂຶ້ນສຳລັບການຝຶກອົບຮົມ ແລະ ການດຳເນີນງານແບບຈຳລອງ. ມັນຍັງເຮັດໃຫ້ເກີດຄຳຖາມກ່ຽວກັບການສະໜອງ ແລະ ຄວາມຕ້ອງການພື້ນຖານໂຄງລ່າງ AI ກຳລັງມີຄວາມສອດຄ່ອງກັນແນວຕັ້ງຫຼາຍປານໃດ.
Maia 200 ຂອງ Microsoft ແມ່ນຫຍັງ, ແລະເປັນຫຍັງມັນຈຶ່ງຢູ່ໃນຂອບເຂດຂອງການອະນຸມານ?
Maia 200 ແມ່ນຕົວເລັ່ງ AI ລຸ້ນຕໍ່ໄປຂອງ Microsoft ທີ່ແນໃສ່ການອະນຸມານ - ການໃຊ້ງານແບບຈຳລອງໃນຂະໜາດໃຫຍ່ໃນການຜະລິດ. ການອະນຸມານແມ່ນບ່ອນທີ່ຄ່າໃຊ້ຈ່າຍສາມາດສະສົມໄດ້ໄວເພາະມັນຖືກຜູກມັດກັບການຈະລາຈອນຂອງຜູ້ໃຊ້ຕົວຈິງ ແລະ ການບໍລິການທີ່ເປີດຢູ່ສະເໝີ. Microsoft ວາງກອບມັນວ່າສ້າງຂຶ້ນໂດຍສະເພາະສຳລັບການນຳໃຊ້ Azure ແລະ ການບໍລິການແບບຈຳລອງທີ່ທັນສະໄໝ. ຂໍ້ຄວາມທີ່ກວ້າງຂວາງແມ່ນການຫຼຸດຜ່ອນການເພິ່ງພາອາໄສຊິລິໂຄນພາຍນອກໃນໄລຍະຍາວໂດຍການສ້າງທາງເລືອກພາຍໃນຫຼາຍຂຶ້ນ.
ເປັນຫຍັງບໍລິສັດ AI avatar ເຊັ່ນ Synthesia ຈຶ່ງໄດ້ຮັບມູນຄ່າສູງຫຼາຍ?
ການນຳສະເໜີແມ່ນກົງໄປກົງມາ: ວິສາຫະກິດຕ້ອງການການສ້າງວິດີໂອທີ່ໄວກວ່າ ແລະ ລາຄາຖືກກວ່າສຳລັບການຝຶກອົບຮົມ ແລະ ການສື່ສານພາຍໃນ. Synthesia ກຳລັງມຸ່ງໄປສູ່ຄວາມຕ້ອງການເນື້ອຫາຂອງບໍລິສັດ ແລະ ຮູບແບບການຝຶກອົບຮົມແບບ "ສະແດງບົດບາດ" ທີ່ມີການໂຕ້ຕອບຫຼາຍຂຶ້ນ. ກໍລະນີການນຳໃຊ້ທາງການຄ້ານັ້ນອາດຈະຕິດຂັດເພາະວ່າມັນຢູ່ໃນງົບປະມານການຝຶກອົບຮົມທີ່ເກີດຂຶ້ນເປັນປະຈຳ. ໃນເວລາດຽວກັນ, ບາງອົງກອນຍັງຄົງລະມັດລະວັງກ່ຽວກັບຄວາມຮູ້ສຶກຂອງ "ເພື່ອນຮ່ວມງານສັງເຄາະ" ແລະ ວິທີທີ່ມັນລົງມືໃນທາງວັດທະນະທຳ.
EU ກຳລັງສືບສວນຫຍັງກ່ຽວກັບຮູບພາບທາງເພດຂອງ X ແລະ Grok ພາຍໃຕ້ກົດໝາຍວ່າດ້ວຍການບໍລິການດີຈີຕອລ?
ຈຸດສຸມບໍ່ພຽງແຕ່ຢູ່ໃນຕຳແໜ່ງສ່ວນບຸກຄົນເທົ່ານັ້ນ, ແຕ່ຍັງຢູ່ໃນວ່າ X ໄດ້ປະເມີນ ແລະ ຫຼຸດຜ່ອນຄວາມສ່ຽງດ້ານລະບົບທີ່ຄາດເດົາໄດ້ຫຼືບໍ່. ຜູ້ຄວບຄຸມເບິ່ງຄືວ່າກຳລັງຖາມວ່າມາດຕະການປ້ອງກັນໄດ້ຖືກອອກແບບ ແລະ ບັງຄັບໃຊ້ໃນລັກສະນະທີ່ປ້ອງກັນຜົນໄດ້ຮັບທີ່ເປັນອັນຕະລາຍໃນຂອບເຂດຫຼືບໍ່. X ໄດ້ຊີ້ໃຫ້ເຫັນເຖິງຂໍ້ຈຳກັດ ແລະ ການປ່ຽນແປງ, ແຕ່ການສືບສວນສຸມໃສ່ຄວາມພຽງພໍຂອງການຄຸ້ມຄອງຄວາມສ່ຽງໃນການປະຕິບັດ. ມັນເປັນການທົດສອບວິທີການນຳໃຊ້ DSA ກັບລັກສະນະການສ້າງທີ່ເຄື່ອນໄຫວໄວ.
ຊັບພະຍາກອນຄົ້ນຄວ້າ AI ຂອງສະຫະລາຊະອານາຈັກທີ່ Cambridge ແມ່ນຫຍັງ, ແລະເປັນຫຍັງການຄຳນວນເພີ່ມເຕີມຈຶ່ງມີຄວາມສຳຄັນ?
ຊັບພະຍາກອນການຄົ້ນຄວ້າ AI ຖືກວາງໄວ້ເປັນວິທີການຂະຫຍາຍການເຂົ້າເຖິງການຄຳນວນທີ່ຈິງຈັງສຳລັບການຄົ້ນຄວ້າ, ເຊິ່ງເປັນບັນຫາທີ່ຫຍຸ້ງຍາກມາດົນແລ້ວ. ຄວາມອາດສາມາດທີ່ເພີ່ມຂຶ້ນສາມາດຊ່ວຍໃຫ້ມະຫາວິທະຍາໄລ ແລະ ນັກຄົ້ນຄວ້າດຳເນີນການທົດລອງທີ່ໃຫຍ່ກວ່າ ແລະ ເຮັດຊ້ຳໄດ້ໄວຂຶ້ນ. ການປະກາດດັ່ງກ່າວຍັງສອດຄ່ອງກັບຄວາມພະຍາຍາມທີ່ກວ້າງຂວາງຂອງອັງກິດກ່ຽວກັບການນຳໃຊ້ຂໍ້ມູນ ແລະ ການບໍລິການສາທາລະນະ. ໃນຜົນກະທົບ, ມັນເປັນຄວາມພະຍາຍາມເພື່ອຮັກສາການຄົ້ນຄວ້າພາຍໃນປະເທດໃຫ້ສາມາດແຂ່ງຂັນໄດ້ ຍ້ອນວ່າຄວາມຕ້ອງການ GPU ທົ່ວໂລກເພີ່ມຂຶ້ນ.
ກະຊວງຂົນສົ່ງຂອງສະຫະລັດສາມາດໃຊ້ Google Gemini ເພື່ອຊ່ວຍຮ່າງກົດລະບຽບໄດ້ຢ່າງປອດໄພບໍ?
ມັນສາມາດຊ່ວຍໃນການຈັດໂຄງສ້າງຮ່າງ, ສະຫຼຸບຂໍ້ມູນປ້ອນເຂົ້າ, ແລະ ກວດພົບຄວາມບໍ່ສອດຄ່ອງ, ແຕ່ພຽງແຕ່ດ້ວຍການກວດສອບຢ່າງລະອຽດຂອງມະນຸດເທົ່ານັ້ນ. ຄວາມສ່ຽງຫຼັກແມ່ນວ່າຂໍ້ຄວາມທີ່ຫຼອນຫຼືເຮັດໃຫ້ເຂົ້າໃຈຜິດອາດຈະເຂົ້າໄປໃນການສ້າງກົດລະບຽບ, ບ່ອນທີ່ລາຍລະອຽດມີຜົນສະທ້ອນທີ່ແທ້ຈິງ. ວິທີການທົ່ວໄປແມ່ນການປະຕິບັດຕໍ່ຜົນຜະລິດຂອງ AI ເປັນຮ່າງເລີ່ມຕົ້ນ, ຈາກນັ້ນຮຽກຮ້ອງໃຫ້ມີການກວດສອບຢ່າງເຂັ້ມງວດ, ຄວາມຮັບຜິດຊອບທີ່ຊັດເຈນ, ແລະ ເອກະສານທີ່ໂປ່ງໃສ. ຖ້າບໍ່ມີສິ່ງນັ້ນ, “ປະສິດທິພາບ” ສາມາດກາຍເປັນຄວາມຮັບຜິດຊອບດ້ານການຄຸ້ມຄອງ.