Merhaba arkadaşlar, TechCrunch’ın düzenli yapay zeka bültenine hoş geldiniz.
Bu hafta AI’da, ABD Yüksek Mahkemesi, federal kurumların kongre yasalarının yorumlanmasına ilişkin mahkemelerin saygı göstermesini gerektiren 40 yıllık bir federal kurum yetkisi kararı olan “Chevron saygısı”nı iptal etti.
Chevron saygısı, Kongre’nin tüzüklerinin bazı kısımlarını belirsiz bıraktığında kurumların kendi kurallarını yapmalarına izin verdi. Şimdi mahkemelerin kendi yasal yargılarını kullanmaları bekleniyor ve etkileri geniş kapsamlı olabilir. Axios’tan Scott Rosenberg yazıyor Kongre — en iyisi değil işlevsel Günümüzde kurumlar artık yeni uygulama koşullarına temel kuralları uygulayamadığından, mevzuatlarıyla geleceği etkili bir şekilde tahmin etmeye çalışmak zorunda kalıyorlar.
Ve bu durum, ülke çapında yapay zeka düzenlemesi girişimlerini tamamen öldürebilir.
Kongre, halihazırda temel bir AI politika çerçevesi geçirmekte zorlanıyordu — o kadar ki, koridorun her iki tarafındaki eyalet düzenleyicileri müdahale etmek zorunda hissediyordu. Şimdi, yazdığı herhangi bir düzenlemenin, yasal zorluklardan sağ çıkabilmesi için oldukça spesifik olması gerekecek — AI sektörünün hareket ettiği hız ve öngörülemezlik göz önüne alındığında, görünüşte çözülmesi zor bir görev.
Yargıç Elena Kagan sözlü savunma sırasında özellikle yapay zeka konusunu gündeme getirdi:
Kongre’nin bir yapay zeka tasarısı çıkardığını ve her türlü delegasyonu olduğunu hayal edelim. Şeylerin doğası ve özellikle de konunun doğası gereği, açık bir delegasyon olmasa da Kongre’nin aslında bir boşluk bıraktığı her türlü yer olacaktır. … [D]O boşluğu mahkemelerin mi doldurmasını istiyoruz, yoksa bir kurumun mu o boşluğu doldurmasını?
Mahkemeler şimdi bu boşluğu dolduracak. Ya da federal kanun koyucular bu çabayı boşuna görecek ve yapay zeka yasa tasarılarını rafa kaldıracak. Sonuç ne olursa olsun, ABD’de yapay zekayı düzenlemek çok daha zor hale geldi.
Haberler
Google’ın çevresel yapay zekasının maliyeti: Google, şirketin teknolojiyi çevresel sorunlara uygulama ve olumsuz katkılarını azaltma çabalarını anlatan 80 sayfadan fazla bir belge olan 2024 Çevre Raporunu yayınladı. Ancak Devin, Google’ın yapay zekasının ne kadar enerji kullandığı sorusundan kaçınıyor. (Yapay zeka, bilindiği üzere güç açlığı çekiyor.)
Figma tasarım özelliğini devre dışı bırakıyor: Figma CEO’su Dylan Field, Figma’nın Apple’ın Hava Durumu uygulamasının tasarımlarını kopyaladığı söylenen “Tasarım Yap” yapay zeka özelliğini geçici olarak devre dışı bırakacağını söyledi.
Meta, AI etiketini değiştiriyor: Meta, Mayıs ayında fotoğrafları “Yapay Zeka ile Yapıldı” etiketiyle etiketlemeye başladıktan sonra, fotoğrafçılar şirketin gerçek fotoğraflara yanlışlıkla etiket uyguladığından şikayet ettiler. Meta, eleştirmenleri yatıştırmak amacıyla artık tüm uygulamalarında etiketi “Yapay Zeka bilgisi” olarak değiştiriyor, diye bildiriyor Ivan.
Robot kediler, köpekler ve kuşlar: Brian, New York eyaletinin “yalnızlık salgını” ortasında yaşlılara binlerce robot hayvan dağıttığını yazıyor.
Apple, yapay zekayı Vision Pro’ya getiriyor: Apple planları, iPhone, iPad ve Mac’te daha önce duyurulan Apple Intelligence lansmanlarının ötesine geçiyor. Bloomberg’den Mark Gurman’a göre şirket, bu özellikleri Vision Pro karma gerçeklik başlıklarına da getirmek için çalışıyor.
Haftanın araştırma makalesi
OpenAI’nin GPT-4o gibi metin üreten modeller teknoloji alanında temel unsurlar haline geldi. Nadir uygulamalar yapma Günümüzde e-postaları yanıtlamaktan kod yazmaya kadar pek çok görevde bunları kullanabilirsiniz.
Ancak modellerin popülaritesine rağmen, bu modellerin nasıl “anladığı” ve insan sesi veren metinler ürettiği kesin bir bilim değildir. Katmanları soyma çabasıyla, Northeastern Üniversitesi’ndeki araştırmacılar baktı tokenleştirmede veya metni birimlere ayırma sürecinde jetonlar Modellerin daha kolay çalışabilmesi için.
Günümüzün metin üreten modelleri, metni bir dizi “jeton sözlüğünden” alınan bir dizi jeton olarak işler; burada bir jeton tek bir sözcüğe (“balık”) veya daha büyük bir sözcüğün bir parçasına (“salmon”daki “sal” ve “mon”) karşılık gelebilir. Bir modele sunulan jetonların sözlüğü genellikle şu şekilde belirlenir: önce eğitim, onu eğitmek için kullanılan verilerin özelliklerine dayalıdır. Ancak araştırmacılar, modellerin ayrıca bir örtük kelime bilgisi örneğin, “kuzeydoğu” ve “bacak kırmak” ifadesi gibi çok simgeli sözcükleri, simge gruplarını anlamsal olarak anlamlı “birimlere” eşleyen bir araçtır.
Bu kanıtın arkasında, araştırmacılar herhangi bir açık modelin örtük kelime dağarcığını “araştırmak” için bir teknik geliştirdiler. Meta’nın Llama 2’sinden “Lancaster”, “Dünya Kupası oyuncuları” ve “Kraliyet Donanması” gibi ifadelerin yanı sıra “Bundesliga oyuncuları” gibi daha belirsiz terimleri de çıkardılar.
Çalışma henüz hakem denetiminden geçmedi, ancak araştırmacılar bunun sözcüksel gösterimlerin modellerde nasıl oluştuğunu anlamak için ilk adım olabileceğine ve belirli bir modelin ne “bildiğini” ortaya çıkarmak için yararlı bir araç olarak hizmet edebileceğine inanıyorlar.
Haftanın modeli
Bir Meta araştırma ekibi, uygulamalar ve video oyunları gibi projelerde kullanılmaya uygun, metin açıklamalarından 3B varlıklar (yani dokulara sahip 3B şekiller) oluşturmak için birkaç model eğitti. Çok sayıda şekil üreten model olmasına rağmen, Meta bunların “son teknoloji” olduğunu ve geliştiricilerin nesneleri bir veya daha fazla ışık kaynağı görünümü vermek için “yeniden aydınlatmalarına” olanak tanıyan fiziksel tabanlı işlemeyi desteklediğini iddia ediyor.
Araştırmacılar, Meta’nın Emu görüntü oluşturucusundan esinlenerek AssetGen ve TextureGen adlı iki modeli, şekiller üretmek için 3DGen adlı tek bir boru hattında birleştirdiler. AssetGen, metin istemlerini (örneğin, “yeşil yün kazak giyen bir t-rex”) 3B bir ağa dönüştürürken, TextureGen ağın “kalitesini” yükseltir ve son şekli elde etmek için bir doku ekler.
Mevcut şekilleri yeniden dokulandırmak için de kullanılabilen 3DGen, baştan sona yeni bir şekil oluşturmak için yaklaşık 50 saniye sürüyor.
“Birleştirerek [these models’] Araştırmacılar, “3DGen’in güçlü yönleri, bir dakikadan kısa sürede metinsel komutlardan çok yüksek kaliteli 3 boyutlu nesne sentezi elde etmesidir” diye yazdılar teknik makale“Profesyonel 3D sanatçılar tarafından değerlendirildiğinde, 3DGen’in çıktısı, özellikle karmaşık istemler için, endüstri alternatiflerine kıyasla çoğu zaman tercih ediliyor.”
Meta, 3DGen gibi araçları metaverse oyun geliştirme çabalarına dahil etmeye hazır görünüyor. Bir iş listesiŞirket, muhtemelen özel şekil üreteçleri de dahil olmak üzere, üretken yapay zeka teknolojisinin yardımıyla oluşturulan VR, AR ve karma gerçeklik oyunlarını araştırmayı ve prototiplemeyi hedefliyor.
Karışık çanta
Geçtiğimiz ay duyurulan iki firmanın ortaklığı sonucunda Apple, OpenAI’nin yönetim kurulunda gözlemci koltuğuna sahip olabilir.
Bloomberg raporlar Apple’ın App Store ve Apple etkinliklerinden sorumlu yöneticisi Phil Schiller’in, Microsoft’un Dee Templeton’dan sonra ikinci gözlemci olarak OpenAI yönetim kuruluna katılacağı bildirildi.
Bu hamle gerçekleşirse, bu yıl içerisinde daha geniş bir yapay zeka özellikleri paketinin parçası olarak birçok cihazıyla OpenAI’nin yapay zeka destekli sohbet robotu platformu ChatGPT’yi entegre etmeyi planlayan Apple açısından dikkat çekici bir güç gösterisi olacak.
Apple olmayacak ödeme ChatGPT entegrasyonu için OpenAI, PR görünürlüğünün nakit kadar değerli olduğu veya nakitten daha değerli olduğu iddiasını ortaya attığı bildiriliyor. Aslında, OpenAI sonunda ödeme yapabilir ElmaApple’ın, OpenAI’ın Apple platformlarına getireceği herhangi bir premium ChatGPT özelliğinden elde edilecek gelirin bir kısmını kendisine vermeyi düşündüğü söyleniyor.
Yani, meslektaşım Devin Coldewey’in de belirttiği gibi, bu durum OpenAI’nin yakın işbirlikçisi ve büyük yatırımcısı Microsoft’u, Apple’ın ChatGPT entegrasyonunu etkili bir şekilde destekleme gibi garip bir konuma sokuyor — bunun karşılığında gösterilecek pek bir şey yok. Apple ne isterse onu elde ediyor — bu, ortaklarının yumuşatması gereken bir çekişme anlamına gelse bile.