🧠 Nvidia ລົງທຶນ 4 ຕື້ໂດລາໃນ Photonics ເພື່ອເລັ່ງຊິບສູນຂໍ້ມູນ AI ↗
Nvidia ກ່າວວ່າຈະລົງທຶນ 2 ຕື້ໂດລາຕໍ່ບໍລິສັດໃນ Lumentum ແລະ Coherent - ທັງສອງບໍລິສັດແມ່ນບໍລິສັດທີ່ມີບົດບາດສຳຄັນໃນດ້ານໂຟໂຕນິກ - ຍ້ອນວ່າມັນພະຍາຍາມຮັກສາຮາດແວສູນຂໍ້ມູນຂອງຕົນໃຫ້ຢູ່ກ່ອນເສັ້ນໂຄ້ງ "ການອະນຸມານໄວຂຶ້ນ, ແບນວິດຫຼາຍຂຶ້ນ".
ຫົວຂໍ້ແມ່ນງ່າຍດາຍ: ຖ້າທ່ານສາມາດຍ້າຍຂໍ້ມູນໄປມາດ້ວຍແສງ (ໂຟໂຕນິກ) ແທນທີ່ຈະເປັນສັນຍານໄຟຟ້າເທົ່ານັ້ນ, ທ່ານສາມາດດຶງປະສິດທິພາບອອກຈາກຊຸດ AI ທັງໝົດໄດ້ຫຼາຍຂຶ້ນ. ບໍ່ແມ່ນເລື່ອງທີ່ໜ້າຕື່ນເຕັ້ນ, ແຕ່ມັນແມ່ນຄວາມຊຳນານທີ່ຕັດສິນວ່າໃຜຈະຊະນະ.
🛡️ OpenAI ປະກາດ “ເສັ້ນແດງ” ສຳລັບການນຳໃຊ້ AI ຂອງ Pentagon ↗
OpenAI ໄດ້ວາງເຂດ “ຫ້າມເຂົ້າ” ຢ່າງຊັດເຈນສຳລັບວຽກງານທາງທະຫານຂອງຕົນ - ບໍ່ມີການເຝົ້າລະວັງພາຍໃນປະເທດເປັນກຸ່ມໃຫຍ່, ບໍ່ມີການຊີ້ນຳອາວຸດອັດຕະໂນມັດ, ແລະ ບໍ່ມີການຕັດສິນໃຈແບບອັດຕະໂນມັດທີ່ມີຄວາມສ່ຽງສູງເຊັ່ນ: ລະບົບປະເພດ “ເຄຣດິດທາງສັງຄົມ”.
ພວກເຂົາຍັງກ່າວອີກວ່າການນຳໃຊ້ແມ່ນໃຊ້ໄດ້ກັບຄລາວເທົ່ານັ້ນ (ບໍ່ແມ່ນ edge), ຮັກສາລະບົບຄວາມປອດໄພຂອງ OpenAI ໃຫ້ຢູ່ໃນສະພາບເດີມ, ແລະ ລວມເອົາບຸກຄະລາກອນ OpenAI ທີ່ຖືກກວດສອບແລ້ວ. ມັນອ່ານຄືກັບ “ໄວ້ວາງໃຈພວກເຮົາ, ແລະ ນີ້ແມ່ນພາສາສັນຍາ” - ເຊິ່ງ, ແທ້ຈິງແລ້ວ, ດີກ່ວາການຮັບປະກັນແບບໄວ້ວາງໃຈເທົ່ານັ້ນ.
🏛️ ສະມາຊິກສະພາວໍຊິງຕັນຊຸກຍູ້ໃຫ້ມີການປ້ອງກັນ AI ສຳລັບ chatbots ແລະການກວດຈັບເນື້ອຫາ ↗
ສະມາຊິກສະພາລັດວໍຊິງຕັນກຳລັງຍື່ນຮ່າງກົດໝາຍທີ່ແນໃສ່ສອງຈຸດກົດດັນຄື: chatbot (ໂດຍສະເພາະສຳລັບເດັກນ້ອຍ) ແລະ ສື່ທີ່ສ້າງຂຶ້ນໂດຍ AI ເຊິ່ງຍາກທີ່ຈະສັງເກດເຫັນ.
ຂໍ້ສະເໜີໜຶ່ງຈະຮຽກຮ້ອງໃຫ້ chatbot ເຕືອນຜູ້ໃຊ້ເປັນປະຈຳວ່າພວກເຂົາກຳລັງລົມກັບ AI, ບວກກັບການເພີ່ມການກວດຫາຄວາມຄິດຢາກຂ້າຕົວຕາຍ ແລະ ມາດຕະການຄວາມປອດໄພອື່ນໆ. ອີກຂໍ້ສະເໜີໜຶ່ງຈະຊຸກຍູ້ໃຫ້ມີການເປີດເຜີຍເຊັ່ນ: ເຄື່ອງໝາຍນ້ຳທີ່ຝັງຢູ່ໃນຮູບພາບ, ສຽງ ແລະ ວິດີໂອທີ່ສ້າງຂຶ້ນໂດຍ AI ຫຼື ດັດແປງໂດຍ AI - ງ່າຍດາຍໃນທາງທິດສະດີ, ແຕ່ສັບສົນໃນທາງປະຕິບັດ.
⚡ ອັງກິດເປີດຕົວການຮຽກຮ້ອງໃຫ້ມີຫຼັກຖານກ່ຽວກັບຊຸດຂໍ້ມູນພະລັງງານສຳລັບ AI ↗
ລັດຖະບານອັງກິດໄດ້ເປີດການຮຽກຮ້ອງໃຫ້ມີຫຼັກຖານທີ່ສຸມໃສ່ຊຸດຂໍ້ມູນທີ່ກ່ຽວຂ້ອງກັບພະລັງງານບ່ອນທີ່ການເຂົ້າເຖິງທີ່ດີກວ່າສາມາດຊ່ວຍນັກພັດທະນາ AI ປັບປຸງການຫຼຸດຜ່ອນການປ່ອຍກາກບອນ, ຄວາມໝັ້ນຄົງດ້ານພະລັງງານ, ຫຼື ຄວາມສາມາດໃນການຊື້ໄດ້.
ມັນໄດ້ຖືກກຳນົດຢ່າງຊັດເຈນວ່າເປັນຂັ້ນຕອນການລວບລວມຫຼັກຖານ (ບໍ່ແມ່ນການປ່ຽນແປງນະໂຍບາຍທີ່ໄດ້ສັນຍາໄວ້), ແລະມັນສະແດງໃຫ້ເຫັນເຖິງຄວາມເປັນຈິງ: ຂໍ້ມູນບາງຢ່າງບໍ່ສາມາດແບ່ງປັນໄດ້, ສະນັ້ນຂໍ້ມູນສັງເຄາະ ຫຼື ວິທີການທີ່ອີງໃສ່ການອະນຸຍາດອາດເປັນເສັ້ນທາງ. ການເຂົ້າເຖິງຂໍ້ມູນແມ່ນການຕໍ່ສູ້ແບບໃໝ່ “ໃຜເປັນເຈົ້າຂອງແຜນທີ່”.
🤝 TechCrunch: ບໍລິສັດ AI ແລະລັດຖະບານຍັງບໍ່ມີຄູ່ມືການນຳໃຊ້ທີ່ໃຊ້ໄດ້ ↗
TechCrunch ໄດ້ຂຸດຄົ້ນຊ່ອງຫວ່າງທີ່ງຸ່ມງ່າມລະຫວ່າງ “ຫ້ອງທົດລອງ AI ກຳລັງກາຍເປັນພື້ນຖານໂຄງລ່າງແຫ່ງຊາດ” ແລະ “ບໍ່ມີໃຜເຫັນດີກ່ຽວກັບກົດລະບຽບກ່ອນ.” ບົດຂຽນດັ່ງກ່າວໄດ້ເນັ້ນໃຫ້ເຫັນວ່າການຄັດຄ້ານຈາກສາທາລະນະຊົນມັກຈະມຸ່ງໄປເຖິງການເຝົ້າລະວັງ ແລະ ການຂ້າແບບອັດຕະໂນມັດ - ສອງຝັນຮ້າຍທີ່ບໍ່ເຄີຍອອກຈາກຫ້ອງໄດ້ແທ້ໆ.
ເນື້ອໃນຫຼັກແມ່ນ: ຫ້ອງທົດລອງພະຍາຍາມສົ່ງນະໂຍບາຍກັບຄືນໄປຫາຜູ້ນຳທີ່ຖືກເລືອກຕັ້ງ... ແຕ່ພວກເຂົາຍັງເປັນຜູ້ທີ່ສົ່ງເຄື່ອງມື, ດັ່ງນັ້ນການຫຼົບຫຼີກຈຶ່ງໃຊ້ໄດ້ຜົນພຽງແຕ່ດົນເທົ່ານັ້ນ. ມັນຄືກັບການຢືນຢັນວ່າເຈົ້າບໍ່ຮັບຜິດຊອບຕໍ່ກອງໄຟໃນຂະນະທີ່ເຈົ້າກຳລັງຂາຍໄມ້ຂີດໄຟຢ່າງຫ້າວຫັນ - ຫຼືເບິ່ງຄືວ່າເປັນແນວນັ້ນ.
ຄຳຖາມທີ່ຖືກຖາມເລື້ອຍໆ
ເປັນຫຍັງ Nvidia ຈຶ່ງລົງທຶນຫຼາຍພັນລ້ານໂດລາໃນ photonics ສຳລັບຊິບສູນຂໍ້ມູນ AI?
Nvidia ກຳລັງພະນັນວ່າ Photonics ສາມາດຍ້າຍຂໍ້ມູນໄປມາໃນສູນຂໍ້ມູນໄດ້ໄວຂຶ້ນ, ດ້ວຍແບນວິດຫຼາຍກວ່າ, ກ່ວາການເຊື່ອມຕໍ່ທາງໄຟຟ້າຢ່າງດຽວ. ຫຼັກການແມ່ນວ່າ "ລະບົບປະປາ" ທີ່ດີກວ່າລະຫວ່າງຊິບ, ແຣັກ, ແລະລະບົບສາມາດຍົກລະດັບປະສິດທິພາບ AI ໂດຍລວມ, ໂດຍສະເພາະເມື່ອວຽກງານການອະນຸມານເພີ່ມຂຶ້ນ. ການໃຊ້ທຶນຢ່າງຈິງຈັງຢູ່ເບື້ອງຫຼັງຜູ້ຫຼິ້ນ Photonics ຫຼັກໆ ຊີ້ບອກວ່າສິ່ງນີ້ກຳລັງກາຍເປັນໂຄງສ້າງພື້ນຖານຍຸດທະສາດ, ບໍ່ແມ່ນສິ່ງເສີມພິເສດ.
ໂຟໂຕນິກຊ່ວຍເລັ່ງລະບົບ AI ໄດ້ແນວໃດເມື່ອທຽບກັບການເຊື່ອມຕໍ່ທາງໄຟຟ້າ?
ໂຟໂຕນິກໃຊ້ແສງເພື່ອສົ່ງຂໍ້ມູນ, ເຊິ່ງສາມາດຫຼຸດຜ່ອນບັນຫາທີ່ຕິດຂັດໄດ້ເມື່ອລະບົບຕ້ອງການສົ່ງຂໍ້ມູນຈຳນວນຫຼວງຫຼາຍ. ໃນ AI stacks ຫຼາຍໆອັນ, ປະສິດທິພາບບໍ່ພຽງແຕ່ກ່ຽວກັບຊິບຄິດໄລ່ເທົ່ານັ້ນ - ມັນຍັງກ່ຽວກັບຄວາມໄວຂອງຂໍ້ມູນທີ່ສາມາດເຄື່ອນຍ້າຍລະຫວ່າງອົງປະກອບຕ່າງໆ. ຮູບແບບທົ່ວໄປແມ່ນການເຊື່ອມຕໍ່ທາງແສງສຳລັບການເຊື່ອມຕໍ່ທີ່ມີປະລິມານສູງ, ໃນຂະນະທີ່ຮັກສາສັນຍານໄຟຟ້າໄວ້ໃນບ່ອນທີ່ມັນງ່າຍກວ່າ ຫຼື ລາຄາຖືກກວ່າ.
“ການອະນຸມານໄວຂຶ້ນ ແລະ ແບນວິດຫຼາຍຂຶ້ນ” ໝາຍຄວາມວ່າແນວໃດສຳລັບສູນຂໍ້ມູນ AI ໃນການປະຕິບັດ?
ມັນຊີ້ໃຫ້ເຫັນເຖິງການປ່ຽນແປງທີ່ການໃຫ້ບໍລິການແບບຈຳລອງຢ່າງມີປະສິດທິພາບມີຄວາມສຳຄັນເທົ່າກັບການຝຶກອົບຮົມພວກມັນ. ການອະນຸມານທີ່ໄວຂຶ້ນໝາຍເຖິງການຕອບສະໜອງໄດ້ໄວພາຍໃຕ້ຄວາມຕ້ອງການທີ່ໜັກໜ່ວງ, ແລະແບນວິດທີ່ຫຼາຍຂຶ້ນໝາຍຄວາມວ່າຕົວເລັ່ງສາມາດປ້ອນຂໍ້ມູນໄດ້ໂດຍບໍ່ຕ້ອງລໍຖ້າ. ໃນຫຼາຍໆທໍ່ສົ່ງຂໍ້ມູນ, ຂໍ້ຈຳກັດຂອງເຄືອຂ່າຍ ແລະ ການເຊື່ອມຕໍ່ກາຍເປັນຂໍ້ຈຳກັດ, ສະນັ້ນການປັບປຸງການເຄື່ອນຍ້າຍຂໍ້ມູນສາມາດປົດລັອກຜົນປະໂຫຍດທີ່ມີຄວາມໝາຍເຖິງແມ່ນວ່າຊິລິໂຄນຄອມພິວເຕີ້ຈະແຂງແຮງແລ້ວກໍຕາມ.
“ເສັ້ນແດງ” ຂອງ OpenAI ສຳລັບການນຳໃຊ້ AI ຂອງ Pentagon ແມ່ນຫຍັງ?
OpenAI ອະທິບາຍເຂດຫ້າມເຂົ້າຢ່າງຈະແຈ້ງ ເຊັ່ນ: ການເຝົ້າລະວັງພາຍໃນປະເທດຈຳນວນຫຼວງຫຼາຍ, ການຊີ້ນຳອາວຸດອັດຕະໂນມັດ, ແລະ ການຕັດສິນໃຈແບບອັດຕະໂນມັດທີ່ມີຜົນປະໂຫຍດສູງຄ້າຍຄືກັບລະບົບ "ເຄຣດິດທາງສັງຄົມ". ພວກມັນຍັງກຳນົດການນຳໃຊ້ເປັນລະບົບຄລາວເທົ່ານັ້ນ, ໂດຍມີມາດຕະການຄວາມປອດໄພຍັງຄົງຢູ່ ແລະ ມີການອະນຸມັດບຸກຄະລາກອນທີ່ກ່ຽວຂ້ອງ. ໂດຍປົກກະຕິແລ້ວ, ຂໍ້ຈຳກັດເຫຼົ່ານີ້ແມ່ນມີຈຸດປະສົງເພື່ອຈຳກັດກໍລະນີການນຳໃຊ້ ແລະ ຫຼຸດຜ່ອນຄວາມສ່ຽງຂອງການໃຊ້ໃນທາງທີ່ຜິດ, ໃນຂະນະທີ່ຍັງເປີດໃຊ້ແອັບພລິເຄຊັນຂອງລັດຖະບານທີ່ຈຳກັດ.
ສະມາຊິກສະພາລັດວໍຊິງຕັນສະເໜີມາດຕະການປ້ອງກັນ AI ອັນໃດແດ່ສຳລັບ chatbots ແລະ ສື່ທີ່ສ້າງຂຶ້ນໂດຍ AI?
ຂໍ້ສະເໜີທີ່ໄດ້ອະທິບາຍແມ່ນສຸມໃສ່ສອງຂົງເຂດຄື: ຄວາມໂປ່ງໃສ ແລະ ຄວາມປອດໄພຂອງ chatbot, ແລະ ການເປີດເຜີຍເນື້ອຫາທີ່ສ້າງຂຶ້ນໂດຍ AI ຫຼື ດັດແປງໂດຍ AI. ແນວຄວາມຄິດໜຶ່ງແມ່ນຮຽກຮ້ອງໃຫ້ chatbot ເຕືອນຜູ້ໃຊ້ເປັນປະຈຳວ່າພວກເຂົາກຳລັງພົວພັນກັບ AI, ແລະ ລວມເອົາຄຸນສົມບັດຄວາມປອດໄພເຊັ່ນ: ການກວດຫາຄວາມຄິດຢາກຂ້າຕົວຕາຍ. ອີກຈຸດປະສົງໜຶ່ງສຳລັບກົນໄກການເປີດເຜີຍເຊັ່ນ: ເຄື່ອງໝາຍນ້ຳທີ່ຝັງຢູ່ໃນສື່ສັງເຄາະ, ເຊິ່ງສາມາດງ່າຍດາຍໃນທາງທິດສະດີ ແຕ່ຍາກກວ່າໃນການຈັດຕັ້ງປະຕິບັດ.
ຊຸດຂໍ້ມູນພະລັງງານຂອງອັງກິດສຳລັບ AI ສາມາດສົ່ງຜົນກະທົບຕໍ່ວຽກງານຫຼຸດຜ່ອນການປ່ອຍກາກບອນ ແລະ ຄວາມໝັ້ນຄົງດ້ານພະລັງງານໄດ້ແນວໃດ?
ການຮຽກຮ້ອງໃຫ້ມີຫຼັກຖານຂອງສະຫະລາຊະອານາຈັກແມ່ນໄດ້ຖືກວາງໄວ້ເປັນຂັ້ນຕອນເພື່ອລະບຸບ່ອນທີ່ການເຂົ້າເຖິງຊຸດຂໍ້ມູນທີ່ກ່ຽວຂ້ອງກັບພະລັງງານທີ່ດີກວ່າສາມາດຊ່ວຍ AI ປັບປຸງຜົນໄດ້ຮັບເຊັ່ນ: ການຫຼຸດຜ່ອນການປ່ອຍກາກບອນ, ຄວາມປອດໄພ, ຫຼື ຄວາມສາມາດໃນການຊື້ໄດ້. ໃນທາງປະຕິບັດ, ຊຸດຂໍ້ມູນທີ່ເປັນປະໂຫຍດຫຼາຍຢ່າງມີຂໍ້ຈຳກັດໃນການແບ່ງປັນ, ສະນັ້ນວິທີການຕ່າງໆເຊັ່ນ: ຂໍ້ມູນສັງເຄາະ, ການເຂົ້າເຖິງໂດຍອີງໃສ່ການອະນຸຍາດ, ຫຼື ສະພາບແວດລ້ອມທີ່ຄວບຄຸມອາດຈະຈຳເປັນ. ນີ້ມັກຈະກາຍເປັນຄຳຖາມ “ໃຜສາມາດເຂົ້າເຖິງແຜນທີ່” ສຳລັບນະວັດຕະກຳ ແລະ ການປົກຄອງ.