Компания Intel продемонстрировала в рамках выставки электроники Computex работу инженерного образца процессора из будущей серии Meteor Lake в задаче, связанной с работой алгоритмов генеративной нейронной сети.

Источник изображений: Intel

Будущие процессоры Intel Meteor Lake используют децентрализованный, а не монолитный дизайн, позволяющий использовать комбинации различных чиплетов на основе разных технологических процессов. Одной из ключевых особенностей процессоров Meteor Lake станет специальный нейронный движок VPU (Versatile Processing Unit), основанный на третьем поколении технологии компании Movidius, которую Intel купила в 2016 году. Данный нейронный движок предназначен для ускорения работы процессоров Meteor Lake в задачах, связанных с различными ИИ-алгоритмами и моделями машинного обучения.

Одной из базовых задач VPU в процессорах Meteor Lake станет фото- и видеоредактирование и применение фильтров в режиме реального времени. Он сможет накладывать эффекты размытия, применять автоматическое масштабирование и заменять фон изображений. Также он получит способность в реальном времени распознавать движение глаз пользователя и жесты. Производительности нейродвижка должно даже хватить для захвата движений с помощью Unreal Engine.

Блок VPU будет достаточно мощным, чтобы поддерживать генеративные возможности ИИ, включая, например, запуск нейросети Stable Diffusion. Наличие VPU для работы с такими моделями необязательно, главное иметь достаточный объём памяти, однако использование аппаратных возможностей CPU, GPU и APU позволяет существенно ускорить работу модели ИИ. Для задействования возможностей VPU компания Intel сотрудничает с GIMP и Adobe, чтобы те добавили поддержку нейронного движка компании в свои продукты.

В рамках выставки Computex компания Intel продемонстрировала работу инженерного образца мобильного процессора Meteor Lake с маркировкой Intel 0000, в состав которого входят 16 физических ядер с поддержкой 22 виртуальных потоков. По данным портала Wccftech, чип имеет конфигурацию из 6+8+2 ядер и его финальное воплощение будет относится к серии Meteor Lake-P. Конфигурация ядер у процессора весьма необычная. Производительные P-ядра и энергоэффективные E-ядра находятся в составе основного кристалла CPU. А два дополнительных ядра расположены внутри кристалла SoC.

В режиме простоя чип работал на частоте 0,37 ГГц. Базовая частота процессора составляет 3,1 ГГц. Он суммарно имеет 1,6 Мбайт кеш-памяти первого уровня, 18 Мбайт кеш-памяти L2 и 24 Мбайт кеш-памяти L3.

Демонстрация работы инженерного образца Meteor Lake проводилась в редакторе изображения GIMP с поддержкой ИИ-модели Stable Diffusion для генерации изображений по заданным параметрам, а затем к результату применялся ИИ-плагин для увеличения разрешения. Для задействования в работе VPU использовалась библиотека Intel OpenVINO для разработки приложений компьютерного зрения и искусственного интеллекта.

Выпуск мобильных процессоров Meteor Lake ожидается к концу текущего года. Компания не комментирует последние слухи о том, что настольные Meteor Lake-S могли быть отменены. В то же время, производитель пока не подтверждает планов по их выпуску.

Учёные из Швейцарии с коллегами из других стран сделали шаг в сторону лечения ряда травм позвоночника, в результате которых пациенты теряют подвижность конечностей. Исследователи сумели обойти повреждённые нервные ткани в спинном мозге, создав беспроводной цифровой мост между головным и спинным мозгом ниже повреждённого участка. Но и без помощи машинного обучения не обошлось — необходимо было ещё суметь распознать мысли о движении.

Источник изображения: Nature

Проектом руководили исследователи из Федеральной политехнической школы Лозанны (EPFL). Помощь была оказана 38-летнему человеку, повредившему шейный отдел позвоночника десять лет назад в результате падения с велосипеда. Ранее он участвовал в программе помощи в реабилитации людей с травмами позвоночника. В частности, к нему применяли процедуру эпидуральной стимуляции спинного мозга, когда в позвоночник устанавливается имплантат с электродами, а под кожу вшивается стимулятор. Такая платформа на основе показаний датчиков движения в стимуляторе создаёт импульсы в ответственных зонах спинного мозга и заставляет мышцы конечностей совершать работу, а человеку передвигаться, правда, очень и очень ограниченно.

Поскольку у пациента остались электроды в позвоночнике (на спинном мозге), учёные решили подавать на них управляющий сигнал из головного мозга. Для этого потребовалось организовать цифровой беспроводной мост, поскольку нервная ткань между спинным и головным мозгом была разорвана в результате травмы. Для считывания сигналов из головного мозга в череп пациенту были имплантированы датчики со своими массивами электродов. Блок управления электродами получал внешнее индуктивное беспроводное питание на частоте 13,56 МГц, а считанная мозговая активность передавалась другой антенной — дециметровой на частоте 405 МГц.

Данные принимались и расшифровывались приёмным устройством (возможно, ноутбуком), который пациент был обязан носить в рюкзаке за спиной. Сначала алгоритм научили распознавать активность головного мозга в ответ на команды совершать те или иные движения ногами, а затем его обучили синхронизировать желания пациента двигать конечностями с сигналами, передаваемыми к спинному мозгу и дальше к целевым мышцам ног.

В результате обучения цифровой интерфейс помог пациенту делать то, что ему стало недоступно после травмы — ходить по пересечённой местности и удерживать баланс с костылями. Платформа работала хорошо также в домашних условиях, а не только под присмотром врачей. Более того, часть путей нейронов в головном мозге смогла перестроиться, и пациент ряд действий мог совершать даже без искусственной стимуляции. Когда-нибудь, отмечают исследователи в своей статье в Nature, подобные технологии смогут вернуть к активной жизни людей с травмами позвоночника. Если это работает на одном пациенте, то может быть повторено с другими.

Компания Intel готовит к выпуску новую серию потребительских процессоров. Производитель не уточнил, когда именно новые чипы с кодовым названием Meteor Lake появятся на рынке, однако поделился некоторыми подробностями о будущих новинках на конференции Microsoft Build. Intel и Microsoft дадут пользователям ПК новые функции на базе ИИ, включая новые мультимедийные функции, а также более эффективное машинное обучение.

Источник изображения: Intel

В своём официальном блоге компания подтвердила, что новые чипы Meteor Lake впервые будут оснащаться специальным нейронным движком VPU (Versatile Processing Unit). Он станет частью процессора будущего поколения и будет предназначен для работы с различными ИИ-моделями с высокой степенью энергоэффективности. В чипах нового поколения будет использоваться децентрализованный, а не монолитный дизайн, позволяющий использовать комбинации различных чиплетов на основе разных технологических процессов. Нейронный движок VPU будет работать в сочетании с блоками ускорения ИИ, которые содержатся в CPU и GPU компании Intel уже на протяжении нескольких поколений процессоров. В результате, по задумке Intel, процессоры «Meteor Lake сыграют решающую роль в формировании будущего инноваций и возможностей ПК для потребителей и предприятий различных отраслей».

Intel отмечает, что вместе Meteor Lake и Windows 11 будут масштабироваться в экосистеме с помощью OEM- и ISV-партнеров. А для сообщества разработчиков, роль которого очень важна для воплощения идеи широкомасштабного внедрения ИИ в жизнь, «Windows представляет идеальное место для запуска моделей ИИ, чтобы охватить огромную базу пользователей».

Intel делает большую ставку на ИИ-технологии в своих будущих процессорах и сообщила о сотрудничестве с Microsoft по вопросам ускорения работы API-интерфейсов WinML/DirectML машинного обучения в Windows 11 за счёт указанного нейронного блока VPU. Особенность архитектуры Meteor Lake также позволит Intel и Microsoft наделить системы на их основе новыми мультимедийными функциями с поддержкой искусственного интеллекта, вроде автоматического центрирования и определения редактирования сцен в Adobe Premiere Pro. Возможности VPU также будут использоваться программным пакетом Windows Studio Effects, включающий такие элементы, как рассеивание фона, эффект автоматического масштабирования и функцию шумоподавления.

Intel также заявила, что планирует поставить на рынок в следующем году миллионы процессоров Meteor Lake. «По мере того, как Intel будет наращивать масштабы последующих поколений продуктов <..> сотни миллионов людей смогут получить опыт, ускоренный ИИ».

Несмотря на великолепные экспертные отзывы относительно будущего беспилотных автомобилей, пока ситуация с соответствующими технологиями выглядит весьма сомнительной. Беспилотный транспорт превратился в проблему для властей Сан-Франциско и жителей города.

Источник изображения: Waymo

Как сообщает NBC News, компании Cruise (принадлежит GM) и Waymo (Google), получившие разрешения на эксплуатацию беспилотных такси в городе в 2022 году, сегодня ответственны в среднем за три вызова службы «911» ежедневно. Сообщается, что это стало проблемой для местных пожарных и других экстренных служб. Например, беспилотники останавливаются, завидев проблесковые маячки экстренных служб — так создаются пробки.

В пожарном ведомстве сообщают, что с участием беспилотников происходит как минимум один инцидент в день. Более того, беспилотные автомобили могут проехаться по пожарных рукавам, когда огнеборцы находятся в процессе работы на горящих объектах. Известны случаи, когда пожарным приходилось разбивать стёкла роботизированных такси, чтобы остановить их, и этим список жалоб не исчерпывается. По мнению руководства пожарных, технология не готова к полноценному использованию.

Местный Департамент транспорта не имеет достаточно полномочий, чтобы контролировать машины GM и Google — специальные правила приняты на уровне властей Калифорнии и, в частности, не позволяют городу регулировать работу беспилотных автомобилей.

По данным представителя сервиса Waymo, инциденты с участием беспилотников компании происходят «очень нечасто» относительно проделанных ежедневно расстояний и общего числа экстренных вызовов.

Кроме того, Waymo рассчитывает даже увеличить число машин компании на улицах города в 10 раз уже этим летом. По словам представителей властей города, это приведёт к крайне неблагоприятным последствиям — от перебоев в работе транспортной системы до увеличения времени, за которые экстренные службы добираются к местам вызовов.

Компания OpenAI уже некоторые время не использует и в дальнейшем не будет использовать данные пользователей для обучения своих языковых моделей GPT. Об этом в разговоре с изданием CNBC сообщил глава OpenAI Сэм Альтман (Sam Altman).

Источник изображения: Tumisu / pixabay.com

«Наши клиенты определённо не хотят, чтобы мы обучали свои модели на их данных, поэтому мы изменили наш подход и не будем этого делать», — заявил Альтман. Изменения в политике компании были внесены и отражены в новой редакции пользовательского соглашения ещё 1 марта, о чём свидетельствуют данные Internet Archive.

«Мы не используем для обучения [языковых моделей] данные с нашего API. Не делаем это уже некоторое время», — добавил Альтман в разговоре с журналистами CNBC. API или программные интерфейсы приложений представляют собой фреймворки, которые позволяют пользователям напрямую подключаться к программному обеспечению OpenAI. Бизнес-клиенты компании OpenAI, в число которых входят Microsoft, Salesforce и Snapchat, с большой вероятностью пользуются преимуществами, представленного несколько месяцев назад API OpenAI в своих сервисах. Новая политика безопасности пользовательских данных OpenAI распространяется только на клиентов, которые пользуются её API.

Компания пообещала, что не будет использовать передаваемые ей данные для обучения моделей без согласия клиентов. Это должно развеять опасения последних в том, что бот начнёт оперировать в своей работе подлежащей защите информацией. По этой причине та же компания Amazon предупредила своих сотрудников о недопустимости вносить конфиденциальную информацию в запросы ИИ-чат-бота ChatGPT, поскольку она может тем или иным образом отразиться в запросах других пользователей чат-бота.

Изменения в политике использования умных чат-ботов происходят на фоне растущего возмущения общественности, считающей, что продвинутые языковые модели в конечном итоге заменят работу людей. Например, Гильдия сценаристов США во вторник начала забастовку из-за того, что не смогла договориться с кинокомпаниями по вопросам ограничений использования того же чат-бота ChatGPT в создании или редактировании сценариев.

Новые компьютерные технологии обещают головокружительные перспективы в области помощи людям с поражениями мозга или нервной системы. Пока такие решения не очень чувствительные и весьма громоздкие, и это лишь вопрос времени, когда они станут доступны широкому кругу пациентов. Приблизить этот момент могут системы искусственного интеллекта, которые на принципе самообучения способны кратно повысить чувствительность мозговых интерфейсов.

Мозг шлёт телеграммы. Источник изображения: Jerry Tang/Martha Morales/The University of Texas at Austin

Очередной шаг в направлении неинвазивных методов регистрации мыслей сделали учёные из Техасского университета в Остине, представив семантический декодер. Они использовали метод функциональной магнитно-резонансной томографии (фМРТ) для регистрации активности головного мозга пациентов, которую с помощью ИИ — машинного обучения на больших языковых моделях, подобных GPT от Open AI — транслировали в образы с помощью текстовых сообщений. Проще говоря, модель прямым текстом в чате сообщала всё то, о чём в данный момент думает человек. Но при этом всё не так просто.

Во-первых, описание было тем точнее, чем охотнее пациент сотрудничал с учёными. Это, кстати, предотвращает насильственное чтение мыслей. Если вы не хотите выдавать «мысли» — думайте о чём-то другом. Во-вторых, данные интерпретировались правильно только в том случае, если ИИ обучался на конкретном пациенте. В частности, каждый из испытуемых в течение 16 часов прослушивал устную речь, в процессе чего модель изучала активность его мозга. Если же ИИ пытался расшифровать мысли, не обучаясь на мозговой активности подопытного, то результаты были неразборчивыми.

«Мы очень серьёзно относимся к опасениям, что это может быть использовано в плохих целях, и постарались этого избежать, — сказал Джерри Танг (Jerry Tang), ведущий автор исследования. — Мы хотим убедиться, что люди используют подобные технологии только тогда, когда они этого хотят, и что это им помогает».

Предложенное решение опирается на то, что в процессе создания образов в голове и, в частности, словесных конструкций уровень кислорода повышается там и тогда, когда мозг реагирует на что-то определённое. Это может быть как визуализация (ниже показан пример дешифровки с помощью ИИ активности мозга при просмотре ролика без звука), а также собственные мысли пациента. Прибор фМРТ регистрирует такие области, а машинное обучение связывает их с образами и транслирует в понятный всем текст.

Результат не является дословным пересказом мыслей. Вместо этого исследователи разработали систему таким образом, чтобы она улавливала суть сказанного или продуманного, и система работает, хотя и несовершенно. Примерно в половине случаев, когда дешифратор обучен отслеживать мозговую активность участника, машина выдает текст, близко (а иногда и точно) соответствующий смыслу исходных слов.

Например, в ходе экспериментов участник слышал фразу «У меня еще нет водительских прав», которую декодер переводил свои «Она еще даже не начала учиться водить». Слова «Я не знала, что делать: кричать, плакать или убегать. Вместо этого я сказала: "Оставь меня в покое!"» были расшифрованы как «Начала кричать и плакать, а потом просто сказала: "Я же сказала тебе оставить меня в покое"».

Скорость такой регистрации низкая — уровень кислорода повышается и понижается в течение 10 секунд. За это время человек успевает услышать около 20 слов. Фактически это сегодняшний уровень расшифровки образов. На каждый образ, который можно декодировать исходя из зарегистрированной таким образом активности головного мозга человека, требуется интервал примерно в 20 слов.

Платформа фМРТ требует работы в лабораторных условиях, что не годится для её массового применения. Исследователи считают перспективным другой подход, который даёт тот же результат — это функциональная спектроскопия в ближней инфракрасной области (fNIRS). Датчики fNIRS компактные и в этом плане удобные. Они фиксируют активность кровотока в головном мозге и поэтому могут опираться на тот же принцип и ту же модель обучения, что и в случае фМРТ. Возможно, это станет следующим шагом в исследованиях научной группы.

Компания «Яндекс» в декабре прошлого года зарегистрировала в техасском Остине новое юридическое лицо Yandex Self Driving Group по разработке беспилотных автомобилей. Теперь компания «Яндекс» по разработке беспилотных технологий, зарегистрированная изначально в 2020 году в штате Делавэр, представлена в трёх штатах США: Техасе, Мичигане и Массачусетсе. В компании от комментариев отказались.

Источник изображения: Yandex Self-Driving Group

Компания «Яндекс» развивала направление беспилотных автомобилей с 2017 года сначала под общим брендом «Яндекс.Такси». В 2020 году это направление было выделено в отдельную компанию под названием Yandex Self-Driving Group. «Мы ведём разработку систем для беспилотных автомобилей с начала 2017 года, а с декабря 2017 года работаем с инженерами мирового уровня над тестированием таких машин на дороге», — сообщается на сайте компании.

Беспилотные автомобили «Яндекса» проходили тестирование на улицах города Энн-Арбор в штате Мичиган. Кроме того в партнёрстве с Grubhub «Яндекс» осуществлял доставку еды роботами-курьерами в кампусах американских университетов. В марте 2022 года деятельность Yandex Self-Driving Group в США была приостановлена. «Яндекс» планировал перевезти роботов из кампусов в другие локации, где была представлена компания.

В августе 2022 года сообщалось о возможном переносе разработок технологий беспилотного транспорта «Яндекс» в Израиль и перевод этих сервисов на облачную инфраструктуру зарубежных провайдеров. Представители «Яндекса» тогда заверяли, что исходный код проекта останется в России, а компания просто намерена выйти на новые зарубежные рынки. Сегодня акции «Яндекса» на Московской бирже выросли на 1,08 % до 2011 рублей за акцию.

Из-за стремительного роста спроса на аппаратное обеспечение, необходимое для обучения и развёртывания технологий искусственного интеллекта, передовые ускорители вычислений NVIDIA H100 продаются на торговой онлайн-площадке eBay более чем за $40 тыс.

Источник изображения: NVIDIA

На ситуацию обратил внимание пионер игровой индустрии и бывший технологический консультант компании Meta✴ Джон Кармак (John Carmack). В пятницу как минимум восемь ускорителей NVIDIA H100 предлагалась продавцами на eBay по ценам от $39,995 до почти $46 000. Немного ранее некоторые продавцы отпускали их по $36 000 за штуку.

Источник изображения: eBay

Флагманский ускоритель вычислений H100, являющийся наследником модели A100 стоимостью $10 тыс., был представлен NVIDIA в прошлом году.

Разработчики используют H100 для создания так называемых языковых моделей (LLM), являющихся основной для таких ИИ-приложений, как чат-бот ChatGPT от компании OpenAI. Это очень дорогие и энергозатратные системы, способные всего за несколько дней или недель обрабатывать терабайты информации, необходимой для обучения ИИ.

Процесс обучения ИИ-моделей, особенно таких больших как GPT, требует одновременной работы сотен передовых ускорителей NVIDIA. Та же компания Microsoft потратила сотни миллионов долларов на закупку десятков тысяч ускорителей NVIDIA A100 предыдущего поколения, на базе которых проводилось обучение чат-бота ChatGPT для OpenAI.

В ассортименте компании NVIDIA также есть готовые суперкомьютеры DGX, в состав которых входят сразу по восемь ускорителей вычислений. В этом году компания запустила облачный сервис DGX Cloud, позволяющий арендовать доступ к системам DGX A100 за $37 тыс. в месяц.

Группа американских учёных предприняла попытку улучшить первое в истории прямое изображение чёрной дыры — оно было получено в 2017 году, а «позировала» на этом снимке сверхмассивная чёрная дыра в центре галактики M 87 (Messier 87) на расстоянии более 53 млн световых лет от Земли.

Слева оригинальное фото, справа — улучшенное ИИ. Источник изображения: iopscience.iop.org

Изображение объекта было получено в 2017 году при помощи Телескопа горизонта событий (EHT) — сети радиотелескопов планетарного масштаба, действующих как единый инструмент. В оригинальном виде снимок имеет вид «нечёткого пончика», поэтому исследователи решили улучшить его качество при помощи алгоритма PRIMO на основе машинного обучения. Как пояснили исследователи, система искусственного интеллекта была обучена на 30 000 симуляций чёрных дыр. Иными словами, ИИ оперировал данными, основанными на том, что человеку известно о законах Вселенной, и особенно о чёрных дырах.

Чёрные дыры — загадочные космические объекты, которые образуются, когда умирающие звезды коллапсируют под действием собственной гравитации. Звезда превращается в объект относительно небольшого размера, а граница чёрной дыры называется горизонтом событий, и всё его пересекающее обратно уже не возвращается, даже свет.

«На самом деле мы изучаем корреляции между различными участками снимка. Для этого мы анализируем десятки тысяч изображений высокого разрешения, созданных симуляциями», — прокомментировала проект астрофизик Лия Медейрос (Lia Medeiros). По словам исследователей, изображение согласуется с тем, что предсказывал Альберт Эйнштейн. Дополнительно повысить качество изображений помогут новые решения в области искусственного интеллекта и совершенствование приборов на телескопе.

13–14 апреля состоится международная конференция Data Fusion 2023, посвящённая машинному обучению, анализу данных и технологиям искусственного интеллекта (ИИ). Мероприятие пройдёт в онлайновом формате. Участие в конференции бесплатное.

Data Fusion 2023 — это точка сближения науки и бизнеса. Конференция будет полезна разработчикам и специалистам в области Data Science (DS), руководителям по цифровой трансформации (CDO), бизнес-заказчикам DS-продуктов и сервисов, представителям государства и науки.

Первый день конференции будет посвящён аспектам управления данными, практикам перехода на доверенные технологии, доступности дата-сетов для ИИ и другим темам, актуальным для CDO и руководителей бизнес-подразделений.

Программа второго дня адресована специалистам и исследователям в сфере Data Science. Темы докладов и сессий распределены по трём стримам — ML+, AI Classic и ML Environment. Первый стрим — ML+ — подойдёт для тех, кто мыслит за рамками алгоритмов машинного обучения и интересуется такими темами, как ML+Physics, диффузионные модели, мультимодальный ML. В рамках второй трансляции — AI Classic — будут затронуты темы от технологий обработки естественного языка (NLP) до особенностей построения рекомендательных систем. Третий стрим — ML Environment — объединит такие темы как MLOps, инструменты Open Source, новые технологии передачи данных.

Ознакомиться с информацией о конференции можно на сайте cnrlink.com/datafusion3dnews. Про приведённой ссылке также можно найти сведения о ходе подготовки мероприятия, оставить заявку на участие и решить прочие организационные вопросы.

Спустя всего две недели с момента своего ухода из компании Intel Раджа Кодури (Raja Koduri) стал членом совета директоров канадской компании Tenstorrent. Последняя занимается созданием систем ИИ и машинного обучения, а также производительных процессоров с архитектурой RISC-V. У фирмы есть офисы в США и Канаде, в британском Кембридже, индийском Бангалоре и сербском Белграде.

Источник изображения: Intel

Компания была основана 2016 году Любишей Бажичем (Ljubisa Bajic), а в настоящий момент ею руководит Джим Келлер (Jim Keller). Всех трёх связывает опыт сотрудничества в прошлом.

Кодури работал с Келлером и Бажичем в AMD, в Intel (с Келлером) и в Apple (с Келлером). Последняя совместная работа Кодури и Келлера была связана с разработкой высокопроизводительных GPU и CPU. Келлер занял пост главы Tenstorrent в начале этого года, однако к компании он присоединился ещё два года назад. Келлер и Кодури обладают опытом в совершенно разных сферах, однако оба имеют экспертные знания в области создания высокопроизводительного вычислительного оборудования, что безусловно пригодится такой компании, как Tenstorrent.

Источник изображения: Tenstorrent

Должность в совете директоров компании не означает, что Кодури будет иметь какое-либо влияние на разработки новых процессоров и ИИ-ускорителей. Однако он определённо будет иметь голос в вопросах, связанных с выбором общего направления и стратегического развития компании, что также немаловажно.

Магнитогорский метизно-калибровочный завод (ММК-МЕТИЗ) начал тестирование беспилотного грузовика «Урал». Речь идёт о модели с третьим уровнем автономности, все действия которой контролируются оператором. На пятом уровне автономности грузовик будет работать без участия человека, а его окупаемость займёт всего лишь год или два при ежедневной эксплуатации.

Источник изображения: autonews.ru

Автономный «Урал-432067-73» имеет длину 6,5 метров и высоту 2,3 метра. Разработчики машины отказались от использования кабины, сразу за капотом начинается грузовая площадка. С технической точки зрения автомобиль почти повторяет стандартные грузовики, но в нём используется не механическая коробка передач, а «автомат».

Программное обеспечение и вычислители для грузовика созданы в НПО «Андроидная техника» из Магнитогорска, которое также известно как создатель робота «Фёдора», побывавшего на МКС. Необычная зелёно-оранжевая окраска корпуса дополняет автономный грузовик. Автономный «Урал-432067-73» способен выполнять те же операции, что и обычные грузовики. Кроме того, беспилотное авто может эксплуатироваться в любое время суток и при любой погоде.

Инженеры NVIDIA представили исследовательскую работу, в которой сообщили о значительной пользе алгоритмов машинного обучения при проектировании сверхбольших интегральных схем (СБИС). Созданные компанией алгоритмы и программные инструменты, ускоряемые графическими процессорами, справляются с размещением больших групп транзисторов намного эффективнее и быстрее классических программ проектирования. В конечном итоге это ведёт к снижению себестоимости чипов.

Источник изображений: NVIDIA

Утверждается, что в своей работе специалисты NVIDIA воспользовались наработками исследователей из Техасского университета. В то же время компания ещё в 2019 году для обучаемого проектирования СБИС представила ускоряемый GPU фреймворк DREAMPlace на базе нейронных сетей, от которого ожидала 40-кратного ускорения размещения транзисторов в СБИС. В новой работе на примере оптимизации дизайна чипа с 2,7 млн ячеек и 320 макросами было показано, что система на базе одной системы NVIDIA DGX Station A100 справилась с работой всего за 3 часа.

«Эта работа демонстрирует перспективность и потенциал объединения алгоритмов с GPU-ускорением и методов машинного обучения для автоматизации проектирования СБИС, — резюмируют исследователи. — В результате мы можем генерировать высококачественные предсказуемые решения, улучшая качество размещения макросов в академических эталонах по сравнению с базовыми результатами, полученными с помощью академических и коммерческих инструментов».

Нелишне напомнить, что закон Мура продолжает работать за счёт наращивания числа различных «фишек», а не в классическом предсказании — за счёт удвоения числа транзисторов каждые 24 месяца. Снижение стоимости проектирования и оптимизация электронных цепей (читай — размещение миллионов и миллиардов транзисторов) сегодня выходят на первый план. С этим ещё что-то можно сделать, тогда как техпроцессы начинают упираться в физические пределы атомарной структуры материи.

«Вы больше не получаете экономию от такого масштабирования, — сказал главный научный сотрудник компании Билл Дэлли (Bill Dally). — Чтобы продолжать двигаться вперед и предоставлять больше преимуществ потребителям, мы не можем добиться этого за счет более дешевых транзисторов. Мы должны добиться этого за счет более продуманной конструкции».

Компания Apple значительно продвинулась в создании собственной системы автономного вождения для беспилотных авто. По сообщениям сетевых источников, в системе автономного вождения IT-гиганта могут быть задействованы лидары китайской компании Wenmao, которая уже поставляет Apple лидары для iPhone.

Источник изображения: MacRumors

По данным источника, Apple усовершенствовала систему автономного вождения своего транспортного средства и расширила программу, в рамках которой проходит его тестирование. По всей видимости, центральное место в этой системе занимают лидары — лазерные дальномеры, которые излучают инфракрасный свет для определения расположения и формы объектов. Благодаря этим сенсорам транспортное средство может определять объекты на дороге и рядом с ней, включая другие машины, пешеходов и др. Предполагается, что сотрудничество Apple с Wenmao, поставляющей лидары для iPhone, может быть расширено в рамках разработки системы автономного вождения.

Источник отмечает, что крупнейший контрактный производитель iPhone в лице тайваньской Foxconn имеет тесные связи с немецким промышленным гигантом Siemens в рамках создания передовых систем помощи водителю. Не исключено, что стратегия Apple предполагает использование одного из этих решений. В распоряжении Foxconn есть производственные мощности, позволяющие наладить серийный выпуск автомобилей. Ожидается, что Apple продолжит тестирование системы автономного вождения до тех пор, пока она не станет жизнеспособным потребительским продуктом.

Ранее также сообщалось, что Apple пересмотрела свои планы относительно беспилотного авто. Изначально предполагалось, что в салоне не будет рулевого колеса, дизайн интерьера будет ориентирован на комфортную перевозку пассажиров, а стоимость авто составит $120 тыс. Теперь же сообщается, что интерьер машины Apple будет гораздо более традиционным, авто дополнит система ограниченной помощи водителю, а его стоимость составит менее $100 тыс. Ожидается, что авто Apple будет выпущено к 2026 году.

Одной из главных проблем чат-бота ChatGPT является его неумение оперировать актуальными данными. Это является следствием того, что его ИИ обучен на информации, полученной из глобальной сети до сентября 2021 года. Благодаря партнёрству с Microsoft, компания-разработчик OpenAI обеспечила своему боту доступ к данным в реальном времени.

Источник изображения: Alexandra_Koch/pixabay.com

Чат-бот использует поиск Microsoft Bing, в свою очередь, получивший собственный интегрированный ИИ, родственный ChatGPT. Известно, что в ходе тестов на запрос о новых призёрах премии «Оскар» бот не только просматривал тематические сайты, но и самостоятельно «кликал» для перехода к необходимым ему источникам информации.

Хотя ChatGPT и без того немало знает о нашем мире, дополнительные сведения ему обеспечат специальные плагины, позволяющие получить доступ к отраслевым хранилищам информации. Например, о времени авиарейсов и ценах на них можно получить данные с помощью плагина Kayak, сложном математическом моделировании — при помощи расширения Wolfram Alpha и т. д.

Также в системе была реализована «песочница» с выделенным дисковым пространством, позволяющая генерировать и тестировать код в GhatGPT и загружать сторонние файлы. Это согласуется и с новой функцией — возможностью визуализации. В частности, ChatGPT можно будет использовать для решения задач, связанных с визуализацией, включая преобразование файлов из одного формата в другой.

Не исключено, что в будущем ChatGPT сможет решать более сложные задачи вроде создания ИИ-произведений искусства. Таким образом, со временем продукт OpenAI сможет стать действительно универсальной платформой, способной на генерирование невероятного контента.