موسسه Human Centered AI از دانشگاه استنفورد در یک گزارش جدید و مفصل نتایج ارزیابی و مطالعه ترندهای هوشمصنوعی را در سال ۲۰۲۳ به صورت عمومی منتشر کرد. این گزارش از سال ۲۰۱۷ به صورت پیوسته منتشر شده و بارها به شکلهای مختلفی مورد رفرنس قرار گرفته است. در این مقاله مهمترین نکات این گزارش به همراه چارت ارائه شده است.
به دلیل وابستگی کشور آمریکا به تراشههای پیشرفته و تمرکز تولید آن در تایوان توسط TSMC کاخ سفید از سالها پیش سیاست کاهش این وابستگی را در پیش گرفته است. اخیراً شرکت تایوانی TSMC با دریافت ۱۱ میلیارد دلار وام و کمک هزینه ترغیب شد که سه کارخانه جدید در ایالت آریزونا راهاندازی کند. ارزش کل این سرمایهگذاری ۶۵ میلیارد دلار بوده که منجر به تولید ۲۵ هزار شغل در آمریکا خواهد شد. تولید تراشه در خاک آمریکا از وابستگی این کشور به بیرون کاسته و از طرفی کنترل آن روی توزیع تراشه را بیشتر میکند.
گوگل DeepMind مجموعهاز مدلهای سبک را با نام Gemma به صورت اپنسورس منتشر کرد. طبق گفته DeepMind این مدل با استفاده از تکنولوژی و نتایج تحقیقاتی جمینای (Gemini) توسعه داده شده است. در حال حاضر دو نسخه از این مدل زبانی کوچک (SLM) با سایزهای 2B و 7B منتشر شده است. هر سایز نیز در نسخههای Instruction Tuned (IT) و (PT) Pre Trained موجود است. طبق نتایج منتشر شده نسخه 7B در بنچمارکهای مختلف عملکرد بهتری از نسخههای 7B و 13B مدل Llama2 داشته است. مدلهای Gemma را میتوان در کامپیوتر شخصی به صورت لوکال اجرا کرده و مشکلی بابت منابع پردازشی نداشت.
امارات متحده عربی از سال ۲۰۱۳ با راه اندازی World Governments Summit همایشی برای گردهمآیی رهبران سیاسی، اقتصادی و اجتماعی از سراسر دنیا فراهم کرده است. این اجلاس امسال از ۱۲ام تا ۱۴ام فوریه مانند سالهای قبل در دوبی برگزار شد. مصاحبه وزیر هوشمصنوعی امارات عمر العلماء (Omar Al Olama) با افراد به نامی چون سم آلتمن (Sam Altman) مدیرعامل OpenAI و جنسن هوانگ (Jensen Huang) مدیرعامل NVIDIA این اجلاس را در کانون توجه قرار داد. در ادامه این مقاله، خلاصه نکات مهم این مصاحبه با جنسن هوانگ ارائه میشود. جنسن هوانگ موسس و مدیرعامل تایوانی شرکت NVIDIA است که پیشرفتهترین پرازندههای گرافیکی هوشمصنوعی را تولید میکند. به لطف ترند شدن هوشمصنوعی در چند سال اخیر ارزش این کمپانی پیوسته افزایش پیدا کرده و در حال حاضر حدوداً به ۱.۸ تریلیون دلار رسیده است.
در ادامه مصاحبه بیلگیتس با سم آلتمن در پادکست Unconfuse Me with Bill Gates درباره رباتیک، کاهش هزینههای سیستمهای هوشمصنوعی و OpenAI صحبت شد. قبل از مطالعه این پست، قسمت اول آن را بخوانید.
بیل گیتس مدیرعامل سابق و موسس مایکروسافت در پادکست خود با عنوان Unconfuse Me with Bill Gates با سم آلتمن مدیرعامل OpenAI مصاحبه کرد. این مصاحبه نکات جالبی را در بر داشته که در این مقاله شرح داده میشود. این اپیزود ۱۱ ژانویه ۲۰۲۴ منتشر شد ولی اندکی قبل از ماجرای اخراج جنجالی سم آلتمن ضبط شده بود. قابل ذکر است که در حال حاضر مایکروسافت بزرگترین سرمایهگذار OpenAI بوده و پیشرفت آن تا حد زیادی مرهون سرمایهگذاریهای کلان مایکروسافت در سالهای اخیر است. در این گفتوگو بیل گیتس اعلام کرد که در ابتدای پروژه نسبت به آینده ChatGPT شک و تردید داشت ولی این چتبات فراتر از انتظار عمل کرد. بخش دوم این مصاحبه به زودی از طریق خبرنامه هوشمصنوعی دومان منتشر خواهد شد.
مارک زاکربرگ موسس Facebook و مدیرعامل کنونی متا در یک پیام ویدئویی اهداف و تمرکز کمپانی متا در سالهای آینده را به اطلاع مخاطبان رساند. متا نیز همانند شرکتهای OpenAI Google DeepMind و Anthropic برای ساخت AGI وارد میدان رقابت میشود. AGI بالاترین سطح از هوشمصنوعی است که در جنبههای مختلف هوش توانایی رقابت با انسان را داشته و یا حتی بهتر از انسان عمل میکند. با وجود پیشرفتهای اخیر در این حوزه، هنوز هیچ جایی یا کسی حتی به پایینترین سطح از AGI نیز دست پیدا نکرده است. توسعه اپنسورس هوشمصنوعی همواره توسط مارک زاکربرگ مدیرعامل متا و یان لیکان دانشمند ارشد هوشمصنوعی در متا مورد تاکید قرار گرفته است. به عقیده این افراد توسعه اپنسورس یکی از راههای اصلی برای ایجاد ایمنی و منتفع کردن بشر از این تکنولوژی است. در این پیام ویدئویی نیز این موضوع مجدداً تاکید شده و حتی بعید نیست در صورت دستیابی متا به AGI اقدام به انتشار اپنسورس آن کند!
شرکت Google DeepMind مدل جدیدی به نام AlphaGeometry را برای حل مسائل هندسه معرفی کرد. بنا بر ادعای DeepMind این مدل میتواند در حد دارنده مدال طلای المپیاد ریاضی مسائل هندسه را حل کند. AlphaGeometry در زمان استاندارد این رقابت ۲۵ سوال از ۳۰ سوال را به درستی حل کرده است. این ۳۰ مسأله از میان مسائل سالهای ۲۰۰۰ الی ۲۰۲۲ المپیاد ریاضی انتخاب شدهاند. AlphaGeometry با الهام از کتاب معروف Thinking, Fast and Slow از دو بخش LLM و Symbolic Engine تشکیل شده است. بخش LLM یا مدل زبانی مشابه قسمت سریع مغز عمل کرده و ایدههای اولیه برای حل مسأله را به سرعت ارائه میدهد. مدلهای بزرگ زبانی در شناسایی الگوها به خوبی عمل کرده ولی در استنتاج دارای ضعف هستند. برای پوشش این ضعف بخش Symbolic Engine وارد عمل میشود. بخش Symbolic Engine براساس قوانین منطقی نتایج را استنتاج کرده و ارائه میدهد. نتایج این مدل در مجله nature منتشر شده است.
سلام من پویا هستم. توسعهدهنده نرمافزار و علاقهمند به دنیای تکنولوژی. اگر شما هم فکر میکنید هوشمصنوعی زندگی بشرو در سالهای پیشرو متحول میکنه تو این خبرنامه با من همراه باشید. ضمنا برای اینکه سریعتر در جریان مقالات جدید قرار بگیرید ایمیل خودتون رو تو خبرنامه عضو کنید یا اینکه از اینجا عضو کانال تلگرامم بشید. ممنونم.