Merhaba arkadaşlar, TechCrunch’ın düzenli yapay zeka bültenine hoş geldiniz.
Bu hafta Yapay Zeka alanında Gartner bir rapor yayınladı rapor kuruluştaki üretken AI projelerinin yaklaşık üçte birinin 2025 yılı sonuna kadar kavram kanıtı aşamasından sonra terk edileceğini öne sürüyor. Bunun birçok nedeni var: düşük veri kalitesi, yetersiz risk kontrolleri, artan altyapı maliyetleri vb.
Ancak rapora göre, üretken yapay zekanın benimsenmesinin önündeki en büyük engellerden biri, belirsiz ticari değer.
Gartner, üretken AI’yı kuruluş çapında benimsemenin 5 milyon dolardan 20 milyon dolara kadar değişen önemli maliyetlerle geldiğini tahmin ediyor. Basit bir kodlama asistanının ön maliyeti 100.000 ila 200.000 dolar arasında ve tekrarlayan maliyetleri kullanıcı başına yılda 550 doların üzerindeyken, AI destekli bir belge arama aracının ön maliyeti 1 milyon dolar ve kullanıcı başına yıllık maliyeti 1,3 milyon ila 11 milyon dolar arasında olabilir, raporda bulundu.
Bu yüksek fiyat etiketlerinin şirketler tarafından yutulması zordur, çünkü faydaların ölçülmesi zordur ve gerçekleşmesi yıllar alabilir; eğer gerçekten de öyle olursa. durmadan Gerçekleşmek.
Upwork’ün bu ay yaptığı bir anket, yapay zekanın üretkenliği artırmak yerine aslında bir fayda sağladığını ortaya koyuyor. yük kullanan çalışanların çoğu için. 2.500 üst düzey yönetici, tam zamanlı personel ve serbest çalışanla görüşülen ankete göre, AI kullanan çalışanların neredeyse yarısı (%47), işverenlerinin beklediği üretkenlik artışlarını nasıl elde edecekleri konusunda hiçbir fikirleri olmadığını söylerken, dörtte üçünden fazlası (%77), AI araçlarının azaltılmış üretkenliklerini artırdılar ve iş yüklerini en azından bir şekilde artırdılar.
Görünüşe göre Yapay zekanın balayı evresi VC tarafındaki güçlü aktiviteye rağmen sona erebilir. Ve bu şaşırtıcı değil. Fıkra sonrasında anekdot Çözülmemiş temel teknik sorunları olan üretken yapay zekanın çoğu zaman değerinden daha fazla sorun yarattığını ortaya koyuyor.
Sadece Salı, Bloomberg yayınlanan Yapay zeka kullanarak hasta tıbbi kayıtlarını analiz eden Google destekli bir araçla ilgili bir parça, şu anda Florida’daki HCA hastanelerinde test ediliyor. Bloomberg’in görüştüğü aracın kullanıcıları, aracın sürekli olarak güvenilir sağlık bilgileri sağlayamadığını söyledi; bir örnekte, hastanın herhangi bir ilaç alerjisi olup olmadığını not etmeyi başaramadı.
Şirketler yapay zekadan daha fazlasını beklemeye başlıyor. Sınırlamalarının en kötüsünü ele alan araştırma atılımları olmadığı sürece, beklentileri yönetmek tedarikçilerin sorumluluğundadır.
Bunu yapacak tevazuya sahipler mi, göreceğiz.
Haberler
GPT’de ara: OpenAI, geçen perşembe günü web kaynaklarından yararlanarak sorulara “zamanında yanıtlar” vermek üzere tasarlanmış bir arama özelliği olan SearchGPT’yi duyurdu.
Bing daha fazla yapay zekaya kavuşuyor: Geride kalmamak için Microsoft geçen hafta Bing jeneratif araması adı verilen kendi yapay zeka destekli arama deneyimini önizledi. Şu anda yalnızca “küçük bir kullanıcı yüzdesi” için mevcut olan Bing jeneratif araması — SearchGPT gibi — web’deki bilgileri toplar ve arama sorgularına yanıt olarak bir özet oluşturur.
X kullanıcıları şunları kabul eder: X, eski adıyla Twitter, X’in sohbet robotu Grok için eğitim havuzuna varsayılan kullanıcı verilerini gönderen bir değişikliği sessizce yayınladı; bu hareket, platformun kullanıcıları tarafından Cuma günü fark edildi. AB düzenleyicileri ve diğerleri hemen itiraz ettiler. (Nasıl vazgeçeceğinizi mi merak ediyorsunuz? İşte bir rehber.)
AB, yapay zeka konusunda yardım çağrısında bulundu: Avrupa Birliği, yapay zeka uygulamalarını düzenlemek için risk temelli bir çerçeve oluşturan Yapay Zeka Yasası kapsamında genel amaçlı yapay zeka modelleri sağlayıcılarına uygulanacak kurallar hakkında bir istişare başlattı.
Perplexity yayıncı lisanslama detaylarını açıklıyor: Yapay zeka arama motoru Perplexity, sohbet robotu bir sorguya yanıt olarak içeriklerini ortaya çıkardığında yakında reklam gelirlerini haber yayıncılarıyla paylaşmaya başlayacak. Bu hamle, Perplexity’yi intihal ve etik olmayan web kazıma ile suçlayan eleştirmenleri yatıştırmak için tasarlanmış gibi görünüyor.
Meta, AI Studio’yu kullanıma sunuyor: Meta Pazartesi günü, kişiselleştirilmiş AI destekli sohbet robotları yapmalarına olanak sağlamak için AI Studio aracını ABD’deki tüm içerik oluşturuculara sunacağını söyledi. Şirket, AI Studio’yu ilk olarak geçen yıl tanıttı ve Haziran ayında seçili içerik oluşturucularla test etmeye başladı.
Ticaret Bakanlığı “açık” modelleri destekliyor: ABD Ticaret Bakanlığı Pazartesi günü Meta’nın Llama 3.1’i gibi “açık ağırlık” üreten yapay zeka modellerini destekleyen bir rapor yayınladı, ancak hükümetin bu tür modelleri potansiyel risklere karşı izlemek için “yeni yetenekler” geliştirmesini önerdi.
99 Dolar Arkadaş: Harvard terk Avi Schiffmann, Friend adlı 99 dolarlık yapay zeka destekli bir cihaz üzerinde çalışıyor. Adından da anlaşılacağı gibi, boyna takılan kolye bir tür arkadaş olarak kullanılmak üzere tasarlanmış. Ancak reklamı yapıldığı gibi çalışıp çalışmadığı henüz belli değil.
Haftanın araştırma makalesi
İnsan geri bildiriminden takviyeli öğrenme (RLHF), üretken AI modellerinin talimatları takip etmesini ve güvenlik yönergelerine uymasını sağlamak için baskın tekniktir. Ancak RLHF, bir modelin yanıtlarını derecelendirmek ve geri bildirim sağlamak için çok sayıda kişiyi işe almayı gerektirir, bu da zaman alıcı ve pahalı bir süreçtir.
Yani OpenAI alternatiflere yöneliyor.
Yeni bir kağıtOpenAI’daki araştırmacılar, bir modelin komutlara verdiği tepkileri değerlendirmek ve yönlendirmek için bir dizi adım adım kural kullanan kural tabanlı ödüller (RBR) adını verdikleri şeyi açıklıyor. RBR’ler, istenen davranışları daha sonra bir “ödül modeli” eğitmek için kullanılan belirli kurallara ayırır; bu da yapay zekaya belirli durumlarda nasıl davranması ve tepki vermesi gerektiği konusunda bir anlamda “öğretir”.
OpenAI, RBR ile eğitilen modellerin, büyük miktarda insan geri bildirimi verisine olan ihtiyacı azaltırken, yalnızca insan geri bildirimiyle eğitilen modellerden daha iyi güvenlik performansı gösterdiğini iddia ediyor. Aslında şirket, GPT-4’ün piyasaya sürülmesinden bu yana güvenlik yığınının bir parçası olarak RBR’leri kullandığını ve gelecekteki modellerde RBR’leri uygulamayı planladığını söylüyor.
Haftanın modeli
Google’ın DeepMind’ı, karmaşık matematik problemlerini yapay zekayla çözme arayışında ilerleme kaydediyor.
Birkaç gün önce, DeepMind duyuruldu bu yılki prestijli lise matematik yarışması olan Uluslararası Matematik Olimpiyatı’ndaki (IMO) altı problemden dördünü çözmek için iki AI sistemini eğittiğini iddia ediyor. DeepMind, AlphaProof ve AlphaGeometry 2 (Ocak ayındaki AlphaGeometry’nin halefi) sistemlerinin, soyutlamalar ve karmaşık hiyerarşik planlama oluşturma ve bunlardan yararlanma konusunda bir yetenek gösterdiğini iddia ediyor; bunların hepsi de AI sistemlerinin yapması için tarihsel olarak zorlayıcı olmuştur.
AlphaProof ve AlphaGeometry 2, iki cebir problemini ve bir sayı teorisi problemini çözmek için birlikte çalıştı. (Kalan iki soru kombinatorik (çözülmeden bırakıldı). Sonuçlar matematikçiler tarafından doğrulandı; bu, yapay zeka sistemlerinin IMO sorularında gümüş madalya seviyesinde performans gösterebildiği ilk sefer.
Ancak birkaç uyarı var. Modellerin bazı sorunları çözmesi günler aldı. Ve akıl yürütme yetenekleri etkileyici olsa da, AlphaProof ve AlphaGeometry 2, tek doğru cevabı olanların aksine, birçok olası çözümü olan açık uçlu problemlerde mutlaka yardımcı olamaz.
Bakalım yeni nesil neler getirecek.
Karışık çanta
Yapay zeka girişimi Stability AI, bir nesnenin videosunu farklı açılardan çekilmiş gibi görünen birden fazla klibe dönüştüren üretken bir yapay zeka modeli yayınladı.
İsminde Kararlı Video 4DStability, modelin oyun geliştirme ve video düzenlemede ve sanal gerçeklikte uygulamaları olabileceğini söylüyor. Şirket, “Şirketlerin modelimizi benimseyip, benzersiz gereksinimlerine uyacak şekilde daha da ince ayar yapacağını öngörüyoruz” diyor yazdı bir blog yazısında.
Stable Video 4D’yi kullanmak için kullanıcılar görüntüleri yükler ve istedikleri kamera açılarını belirtir. Yaklaşık 40 saniye sonra, model sekiz adet beş karelik video üretir (ancak “optimizasyon” 25 dakika daha sürebilir).
Stability, modeli iyileştirmek, eğitildiği mevcut sentetik veri kümelerinin ötesinde daha geniş bir gerçek dünya video yelpazesini ele almak için optimize etmek için aktif olarak çalıştığını söylüyor. Şirket, “Bu teknolojinin gerçekçi, çok açılı videolar oluşturma potansiyeli çok büyük ve devam eden araştırma ve geliştirmeyle nasıl gelişeceğini görmek için heyecanlıyız” diye devam etti.