Zoom обновил условия обслуживания, дав себе право обучать собственный ИИ на основе данных пользователей. Это изменение вызывает споры о том, насколько допустимо использовать личные данные клиентов для обучения ИИ, даже если они агрегированы или анонимизированы.

Источник изображения: Alexandra_Koch / Pixabay

Согласно недавно обновлённым условиям обслуживания, Zoom намерен обучать собственные ИИ-модели, используя данные пользователей. Нововведение, вступившее в силу 27 июля, подтверждает право компании использовать информацию о продукте, телеметрические и диагностические данные, а также другой контент или данные, собранные компанией. Такой подход к пользовательским данным со стороны технологических компаний не является новым, однако новые условия являются важным шагом в реализации стратегии Zoom в области ИИ.

Условия Zoom гласят: «Вы даёте согласие на доступ, использование, сбор, создание, изменение, распространение, обработку, совместное использование, обслуживание и хранение генерируемых Службой данных компанией Zoom в любых целях, в объёме и в порядке, разрешённых действующим законодательством, в том числе в целях разработки продуктов и услуг, маркетинга, аналитики, обеспечения качества, машинного обучения или искусственного интеллекта (в том числе в целях обучения и настройки алгоритмов и моделей), обучения, тестирования, улучшения Служб, Программного обеспечения или других продуктов, услуг и программного обеспечения компании Zoom или любой их комбинации, а также в соответствии с другими положениями настоящего Соглашения».

Контент пользователей, такой как сообщения, файлы и документы, в эту категорию, по-видимому, не входит. В блоге компании представитель Zoom уточнил: «Для ИИ мы не используем аудио, видео или чат без согласия клиента». Ключевая фраза здесь — «без согласия клиента».

В июне Zoom на бесплатной основе представил две новые функции генеративного ИИ — инструмент для составления резюме встречи и инструмент для создания сообщений в чате. Однако при активации этих функций Zoom просит пользователей подписать форму согласия на обучение своих ИИ-моделей с использованием их контента. Представитель компании заявил, что пользователи Zoom сами решают, следует ли им активировать функции генеративного ИИ и делиться индивидуальным контентом с Zoom для улучшения продукта. «Ваш контент используется исключительно для улучшения производительности и точности этих ИИ-услуг», — пояснил предствитель Zoom в блоге.

Обновление условий произошло на фоне растущей обеспокоенности, в какой степени ИИ должен обучаться на данных отдельных лиц, независимо от того, насколько они агрегированы или анонимизированы. Инструменты, такие как ChatGPT — OpenAI, Bard — Google и Bing — Microsoft, обучаются на больших объёмах текста или изображений из интернета. В секторе генеративного ИИ недавно были поданы иски от писателей и художников, которые утверждают, что их произведения были незаконно использованы техногигантами для обучения своих ИИ-моделей.

Обновление условий обслуживания Zoom подчёркивает растущую роль ИИ в современных технологиях и вызывает вопросы о балансе между инновациями и конфиденциальностью данных. Пока компании стремятся улучшить свои услуги с помощью ИИ, важно помнить о необходимости защиты личной информации пользователей.

Новое исследование, проведённое учёными из Стэнфордского университета и Калифорнийского университета в Беркли, выявило тревожное снижение качества ответов платной версии ChatGPT. Так, например, точность определения простых чисел у новейшей модели GPT-4, которая лежит в основе ChatGPT Plus, с марта по июнь 2023 года упала с 97,6 % до всего лишь 2,4 %. Напротив, GPT-3.5, являющаяся основной для обычного ChatGPT, точность ответов в некоторых задачах повысила.

Источник изображения: OpenAI

В последние месяцы всё чаще обсуждается снижение качества ответов ChatGPT. Группа учёных из Стэнфордского университета и Калифорнийского университета в Беркли решила провести исследование с целью определить, действительно ли произошла деградация качества работы этого ИИ, и разработать метрики для количественной оценки масштабов этого негативного явления. Как выяснилось, снижение качества ChatGPT — это не байка или выдумка, а реальность.

Трое учёных — Матей Захария (Matei Zaharia), Линцзяо Чэнь (Lingjiao Chen) и Джеймс Цзоу (James Zou) — опубликовали научную работу под названием «Как меняется поведение ChatGPT с течением времени» (How is ChatGPT’s behavior changing over time). Захария, профессор компьютерных наук в Калифорнийском университете, обратил внимание на удручающий факт: точность GPT-4 в ответе на вопрос «Это простое число? Подумай шаг за шагом» снизилась с 97,6 % до 2,4 % с марта по июнь.

OpenAI открыла доступ к API языковой модели GPT-4 около двух недель назад и объявила её своей самой продвинутой и функциональной ИИ-моделью. Поэтому общественность была расстроена тем, что новое исследование обнаружило значительное снижение качества ответов GPT-4 даже на относительно простые запросы.

Исследовательская группа разработала ряд заданий, чтобы оценить различные качественные аспекты основных больших языковых моделей (LLM) ChatGPT — GPT-4 и GPT-3.5. Задания были разделены на четыре категории, каждая из которых отражает различные навыки ИИ и позволяет оценить их качество:

• решение математических задач;
• ответы на деликатные вопросы;
• генерация кода;
• визуальное мышление.

В следующих графиках представлен обзор эффективности работы ИИ-моделей OpenAI. Исследователи оценили версии GPT-4 и GPT-3.5, выпущенные в марте и июне 2023 года.

Слайд 1. Производительность GPT-4 и GPT-3.5 в марте и июне 2023 года. Источник: Matei Zaharia, Lingjiao Chen, James Zou

Первый слайд демонстрирует эффективность выполнения четырёх задач — решения математических задач, ответа на деликатные вопросы, генерации кода и визуального мышления — версиями GPT-4 и GPT-3.5, выпущенными в марте и июне. Заметно, что эффективность GPT-4 и GPT-3.5 может значительно варьироваться со временем и в некоторых задачах ухудшаться.

Слайд 2. Решение математических задач. Источник изображения: Matei Zaharia, Lingjiao Chen, James Zou

Второй слайд иллюстрирует эффективность решения математических задач. Измерялась точность, многословность (в символах) и совпадение ответов GPT-4 и GPT-3.5 в период с марта по июнь 2023 года. В целом, наблюдались значительные колебания в эффективности обеих ИИ-моделей. Также приведён пример запроса и соответствующие ответы за определенный промежуток времени. GPT-4 в марте следовала инструкциям по цепочке мыслей для получения правильного ответа, но в июне их проигнорировала, выдав неверный ответ. GPT-3.5 всегда следовала цепочке мыслей, но настаивала на генерации неправильного ответа в марте. Эта проблема была устранена к июню.

Слайд 3. Ответы на деликатные вопросы. Источник изображения: Matei Zaharia, Lingjiao Chen, James Zou

На третьем слайде показан анализ ответов на деликатные вопросы. С марта по июнь GPT-4 ответила на меньшее количество вопросов, в то время как GPT-3.5 ответила на немного больше. Также приведён пример запроса и ответов GPT-4 и GPT-3.5 в разные даты. В марте GPT-4 и GPT-3.5 были многословны и давали подробные объяснения, почему они не ответили на запрос. В июне они просто извинились.

Слайд 4. Генерация кода. Источник изображения: Matei Zaharia, Lingjiao Chen, James Zou

Четвёртый слайд демонстрирует снижение эффективности генерации кода. Общая тенденция показывает, что для GPT-4 процент непосредственно исполняемых генераций сократился с 52 % в марте до 10 % в июне. Также наблюдалось значительное падение для GPT-3.5 (с 22 % до 2 %). Многословность GPT-4, измеряемая количеством символов в генерациях, также увеличилась на 20 %. Также приведён пример запроса и соответствующие ответы. В марте обе ИИ-модели следовали инструкции пользователя («только код») и таким образом генерировали непосредственно исполняемый код. Однако в июне они добавили лишние тройные кавычки до и после фрагмента кода, делая код неисполняемым.

Слайд 5. Визуальное мышление. Источник изображения: Matei Zaharia, Lingjiao Chen, James Zou / arxiv.org

Пятый слайд демонстрирует эффективность визуального мышления ИИ-моделей. В части общих результатов и GPT-4, и GPT-3.5 показали себя на 2 % лучше в период с марта по июнь, точность их ответов улучшилась. Вместе с тем, объём информации, которую они генерировали, остался примерно на том же уровне. 90 % визуальных задач, которые они решали, не изменились за этот период. На примере конкретного вопроса и ответов на него можно заметить, что, несмотря на общий прогресс, GPT-4 в июне показала себя хуже, чем в марте. Если в марте эта модель выдала правильный ответ, то в июне уже ошиблась.

Пока неясно, как обновляются эти модели, и могут ли изменения, направленные на улучшение некоторых аспектов их работы, негативно отразиться на других. Эксперты обращают внимание, насколько хуже стала новейшая версия GPT-4 по сравнению с версией марта в трёх тестовых категориях. Она только незначительно опережает своего предшественника в визуальном мышлении.

Ряд пользователей могут не обратить внимания на снижение качества результатов работы одних и тех же версий ИИ-моделей. Однако, как отмечают исследователи, из-за популярности ChatGPT упомянутые модели получили широкое распространение не только среди рядовых пользователей, но и многих коммерческих организаций. Следовательно, нельзя исключать, что некачественная информация, сгенерированная ChatGPT, может повлиять на жизни реальных людей и работу целых компаний.

Исследователи намерены продолжать оценку версий GPT в рамках более долгосрочного исследования. Возможно, OpenAI следует регулярно проводить и публиковать свои собственные исследования качества работы своих ИИ-моделей для клиентов. Если компания не сможет стать более открытой в этом вопросе, может потребоваться вмешательство бизнеса или государственных организаций с целью контроля некоторых базовых показателей качества ИИ.

Илон Маск (Elon Musk) сообщил об основании компании xAI, которая будет заниматься вопросами искусственного интеллекта. На недавно заработавшем сайте организации указано, что её миссия заключается в том, чтобы «разобраться в истинной природе Вселенной».

Источник изображения: xAI

О планах Маска открыть новую компанию стало известно несколько месяцев назад, после того как миллиардер зарегистрировал в Неваде компанию X.AI Corp., чьё название косвенно указывало на профиль её будущей деятельности. В одном из апрельских интервью он подтвердил, что хочет основать стартап, для «создания ИИ, который попытается разобраться в истинной природе Вселенной» и хотел бы, чтобы этот ИИ «принёс больше пользы, чем вреда».

О новой компании xAI пока мало что известно. На сайте организации указано, что команда xAI собирается в эту пятницу провести голосовой чат в Twitter Spaces, в ходе которого, вероятно, более подробно расскажет о своей деятельности и целях. Более ранние заявления Маска намекали на его желание создать противовес таким компаниям, как OpenAI и Google, представившим свои разработки в области ИИ и машинного обучения. Ранее также стало известно, что Маск закупил тысячи специализированных графических ускорителей, чтобы наделить Twitter искусственным интеллектом. Связаны ли эти два проекта — неизвестно.

В списке сотрудников xAI значатся ветераны и выходцы из DeepMind, OpenAI, Google Research, Microsoft Research, Tesla, а также эксперты в области ИИ из Университета Торонто. Они принимали участие в разработке моделей и методов, ускоряющих обучение ИИ, в частности Adam, Batch Normalization и Layer Normalization, инновационных методов и анализов, таких как Transformer-XL Autoformalization, Memorizing Transformer, Batch Size Scaling и μTransfer. Кроме того, они приложили руку к созданию передовых моделей ИИ AlphaStar, AlphaCode, Inception, Minerva, GPT-3.5 и GPT-4.

Среди ведущих специалистов xAI значатся Игорь Бабушкин (Igor Babuschkin), Мануэль Кройсс (Manuel Kroiss), Юхуай Тони Ву (Yuhuai Tony Wu), Кристиан Сегеди (Christian Szegedy), Джимми Ба (Jimmy Ba), Тоби Полен (Toby Pohlen), Росс Нордин (Ross Nordeen), Кайл Косич (Kyle Kosic), Грег Ян (Greg Yang), Годун Чжан (Guodong Zhang) и Цзыхан Дай (Zihang Dai).

OpenAI открыла доступ к GPT-4, своей наиболее продвинутой языковой модели ИИ, через облачный API. Вместе с этим компания предоставила сторонним разработчикам доступ к API трёх других своих моделей ИИ. Кроме того, OpenAI объявила о своих планах постепенно отказаться от ряда более ранних нейронных сетей.

Источник изображения: OpenAI

OpenAI представила GPT-4 в марте как преемника GPT-3, ИИ-модели, которая за три года до этого привлекла к компании внимание всей отрасли. GPT-4 более эффективно интерпретирует инструкции пользователя, может принимать изображения в качестве входных данных и обладает расширенными возможностями обработки поставленных задач. Последние усовершенствования позволяют модели легче выполнять сложные запросы пользователей, например, решать математические задачи.

API GPT-4 позволяет разработчикам интегрировать модель в свои приложения. Сервис теперь доступен для всех клиентов, которые ранее приобрели доступ к API. Компания откроет доступ для новых разработчиков позднее в этом месяце. В дальнейшем OpenAI намерена увеличить лимиты использования API. В долгосрочные планы компании входит запуск так называемой возможности тонкой настройки, которая позволит разработчикам повысить точность GPT-4 путём обучения на пользовательских наборах данных.

Вместе с API GPT-4 был открыт доступ к программному интерфейсу трёх других моделей. Первая из них — GPT-3.5 Turbo, предшественница GPT-4, которая предлагает более ограниченные возможности за значительно меньшую стоимость. OpenAI также открыла доступ к API своих моделей DALL-E и Whisper. Последние две нейронные сети оптимизированы для генерации изображений и транскрибирования речи соответственно.

В связи с этим событием OpenAI также объявила о планах прекратить работу ряда ранних языковых моделей, доступных через API. Они будут отключены 4 января 2024 года. Некоторые из затронутых моделей будут автоматически обновлены до более новых продуктов OpenAI, в то время как другие потребуют от разработчиков ручного перехода.

Изменения частично связаны с обновлением API. Многие из моделей, которые будут постепенно отменены, используют прикладной интерфейс программирования, который OpenAI называет Completions API. Первоначально он стал доступен в 2020 году. Например, энтузиасту, чтобы подключиться к Chat Completion API и запустить ChatGPT на 39-летнем компьютере IBM , пришлось вручную написать весь запрос POST на языке C. В марте этого года OpenAI представила новый интерфейс под названием Chat Completions API, который станет основным направлением дальнейшей разработки.

«Первоначально Completions API был представлен в июне 2020 года, чтобы обеспечить текстовую подсказку свободной формы для взаимодействия с нашими языковыми моделями. С тех пор мы поняли, что часто можем обеспечить лучшие результаты с помощью более структурированного интерфейса подсказок», — сообщает OpenAI в своём блоге.

Новый API Chat Completions вносит несколько улучшений. В первую очередь, он обеспечивает защиту от атак с внедрением подсказок, которые представляют собой попытки хакеров изменить вывод модели ИИ с помощью вредоносных инструкций. Это усовершенствование должно помочь разработчикам повысить безопасность своих приложений на базе OpenAI.

Продвинутые инструменты OpenAI и их растущая доступность открывают новые возможности для разработчиков и исследователей по всему миру. Однако как и с любыми новыми технологиями, важно использовать их ответственно и с учётом возможных рисков. OpenAI продолжает работать над улучшением своих моделей и сервисов, стремясь обеспечить безопасность и эффективность их использования.

Intel обновила документ под названием Architecture Instruction Set Extensions and Future Features, внеся некоторые коррективы в спецификации настольных процессоров следующего поколения, сообщает VideoCardz. В частности, в документе указывается, что процессоры семейств Arrow Lake и Lunar Lake получат поддержку множества инструкций, среди которых SHA512, SM3 и SM4, а также новые AVX-VNNI, ориентированные на ускорение операций, связанных с ИИ.

Источник изображений: Intel

Появление AVX-VNNI в процессорах Arrow Lake и Lunar Lake заслуживает особого внимания. Это набор инструкций, которые повышают производительность при работе с нейросетями, предоставляя отдельные алгоритмы для 8-битных и 16-битных целочисленных операций. Это означает, что приложения, использующие алгоритмы искусственного интеллекта, машинного и глубокого обучения, будут быстрее работать и эффективнее использовать процессоры. Внесённые в документ изменения отмечены фиолетовым.

Поддержка инструкций SHA512, SM3 и SM4 в этих потребительских процессорах увеличит их защитные и криптографические возможности. Включение SHA512, широко используемой криптографической хэш-функции, обеспечивает лучшее сохранение целостности данных и безопасную передачу данных. Кроме того, в документе указана поддержка криптографических хэш-алгоритмов SM3 и SM4, используемых при обмене данными.

В документе также есть намёки на будущие обновлённые процессоры Raptor Lake Refresh. В частности, там перечисляются CPUID, которые подтверждают, что обновленные чипы станут представителями 14-го поколения. Анонс Raptor Lake Refresh ожидается одновременно с запуском мобильных процессоров Meteor Lake.

На корпоративной встрече сотрудников глава Meta✴ Марк Цукерберг (Mark Zuckerberg) сообщил, что компания начнёт внедрять генераторы текста, изображений и видео в свои ведущие социальные платформы Facebook✴ и Instagram✴.

Источник изображения: WordPress

Несмотря на то, что Meta✴ всегда находилась на переднем крае разработок и исследований генеративных моделей ИИ, компания несколько задержала их интеграцию в свои собственные продукты. На встрече сотрудников Цукерберг анонсировал несколько технологий, которые находятся на разных стадиях разработки и внутреннего тестирования. Многие из этих технологий станут доступны пользователям сервисов и продуктов компании.

Например, одна из таких технологий позволит пользователям на основе текстового описания изменять собственные изображения и фотографии, а затем делиться ими в Instagram✴ Stories. Другая технология позволит создать несколько ИИ-ботов с различными персоналиями и способностями. Они смогут помогать или развлекать пользователей. Указанные ИИ-боты будут в основном использоваться в Facebook✴ Messenger и WhatsApp. Компания в июле также проведёт внутренний хакатон (форум для разработчиков), посвящённый генеративному ИИ.

Пока Meta✴ всё ещё думает о внедрении генеративных ИИ-инструментов в свои продукты, другие технологические гиганты уже вовсю занимаются интеграцией. Например, компания Microsoft добавляет различных ИИ-помощников в программный пакет Office, операционную систему Windows и поисковик Bing. Более прямой конкурент Meta✴, сервис Snapchat, выпустил ИИ-бота Snap AI, а другие компании, начиная от Adobe и заканчивая Salesforce, запустили множество новых функций, которые объединяют генеративный ИИ с их продуктами.

«За последний год мы стали свидетелями по-настоящему удивительных прорывов, качественных прорывов в области генеративного ИИ. Это открывает для нас возможность взять эти технологии и встроить их в каждый наш продукт», — прокомментировал Цукерберг ситуацию изданию Axios.

Рассказывая о знаковых продуктах вроде Apple Silicon Mac Pro и Apple Vision Pro на своём главном мероприятии WWDC 2023, докладчики компании ни разу напрямую не упомянули «искусственный интеллект», как это делали Microsoft и Google, а заменили его другими понятиями: «машинное обучение» и «трансформер».

Источник изображений: apple.com

При рассказе о новых алгоритмах автозамены и голосового ввода в iOS 17, старший вице-президент Apple по разработке ПО Крейг Федериги (Craig Federighi) сообщил, что автозамена основана на машинном обучении и языковой модели — трансформере, благодаря которым система срабатывает точнее, чем когда-либо. Модель запускается с каждым нажатием клавиши, что стало возможным благодаря мощным процессорам Apple в основе iPhone.

Таким образом, он избежал термина «искусственный интеллект», но подтвердил, что в продукте используется языковая модель с архитектурой типа «трансформер», оптимизированной для обработки естественного языка. На той же архитектуре работают нейросети в основе генератора изображений DALL-E и чат-бота ChatGPT. Это значит, что автокоррекция в iOS 17 срабатывает на уровне предложения, предлагая завершение слов или целых фраз. Более того, она дополнительно обучается, подстраиваясь под особенности речи владельца телефона. Все это оказывается возможным благодаря подсистеме Neural Engine, которая дебютировала в процессорах Apple A11 в 2017 году — она оптимизирует производительность приложений с функциями машинного обучения.

Несколько раз упоминался термин «машинное обучение»: при описании новых функций экрана блокировки iPad — функция Live Photo сама производит синтез дополнительных кадров; при описании функции сканирования PDF в iPadOS для последующей автоподстановки в формах; в рассказе о функции AirPods Adaptive Audio, которая выявляет музыкальные предпочтения пользователя; в описании нового виджета Smart Stack под Apple Watch.

«Машинное обучение» используется в новом приложении Journal — теперь на iPhone можно вести личный интерактивный дневник. Приложение само рекомендует, какой контент отметить, исходя из сохранённых на телефоне данных. Наконец, «машинное обучение» применяется для создания 3D-аватаров пользователей с выводом изображения глаз на передний экран гарнитуры Apple Vision Pro. А для сжатия этих аватаров используется кодек на алгоритме нейросети.

Непрямое упоминание технологий ИИ последовало при описании нового чипа Apple M2 Ultra, на борту которого до 32 ядер центрального и 76 графического процессора, а также 32 ядра подсистемы Neural Engine — чип обеспечивает до 31,6 трлн операций в секунду и предлагает прирост производительности на 40 % в сравнении с M1 Ultra. Apple прямо заявила, что эти ресурсы смогут использоваться для обучения «больших моделей — трансформеров», располагая 192 Гбайт оперативной памяти, которых и быть не может у современных дискретных графических процессоров, и из-за этого они пасуют перед некоторыми задачами.

Это означает, что обучение ИИ оказывается доступным для рядовых пользователей, причём для него подойдёт не только занимающий верхнее положение в линейке Mac Pro по цене от $6999, но и более скромный Mac Studio, который предлагается от $1999. Осталось дождаться сравнительных обзоров с ускорителями вроде NVIDIA H100.

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.

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».

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.

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.

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».