Aramizda
Aktif Üye
AI güncellemesi kompakt: Llama 3.1 405B, antitröst makamları, Graph RAG, orman yangınları
Meta, Llama 3.1 405B'yi yayınladı
Reklamcılık
Meta, büyük dil modeli Llama 3.1 405B'nin yeni bir versiyonunu açık kaynak olarak yayınladı. Model 405 milyar parametre içeriyor ve Meta'ya göre GPT-4o ile rekabet edebiliyor ancak daha uygun maliyetli. Ayrıca 70B ve 8B parametreli daha küçük versiyonları da var. Mark Zuckerberg, modeli bir “patlama” olarak adlandırıyor ve bir blog yazısında yapay zekanın geleceği için açık kaynağın önemini vurguluyor.
Llama 3.1 405B Almanya'da da mevcuttur ve Almanca dahil olmak üzere birçok dili destekler. Bağlam uzunluğu 128.000 tokendır. Meta, modelin özellikle sentetik veri oluşturma ve model damıtımında yeni iş akışlarını etkinleştirmesini beklemektedir.
Meta, yapay zeka ajanlarını bir sonraki büyük gelişme olarak görüyor ve geliştiricilere Llama Guard 3 ve Prompt Guard gibi yeni güvenlik araçları da dahil olmak üzere kendi ajanlarını oluşturmaları için araçlar sağlamayı planlıyor.
Zuckerberg, açık kaynağın AI'yı daha da geliştirmenin ve güvence altına almanın en iyi yolu olduğunu savunuyor. Geliştirmeyi Linux ile karşılaştırıyor ve Meta'nın modellerini “endüstri standardı” yapmak istiyor. Zuckerberg'e göre, açık kaynak bireysel sağlayıcılardan bağımsızlığı ve kişinin kendi altyapısında daha uygun maliyetli kullanımı sağlıyor.
Bu bağlamda, Meta patronu Apple'ın iş uygulamalarını ve geliştiriciler için kısıtlamalarını eleştiriyor. Ayrıca açık kaynağı, hem “kötü aktörler” tarafından kasıtlı hem de kasıtsız olarak meydana getirilen AI risklerini ve tehlikelerini daha iyi kontrol etmek için bir fırsat olarak görüyor.
Rekabet otoritelerinden adil rekabete ilişkin ortak açıklama
Avrupa Birliği, Birleşik Krallık ve Amerika Birleşik Devletleri'nden düzenleyiciler, yapay zeka (YZ) alanında tüketicileri korumak ve etkili rekabeti sağlamak için ilkeleri belirleyen ortak bir bildiri imzaladılar. Bildiride, “İlgili yasalarımıza dayanarak, etkili rekabeti ve tüketicilere ve işletmelere adil ve dürüst muameleyi sağlamak için çalışacağız” denildi. Bu, “adil, açık ve rekabetçi pazarların bu teknolojilerin sunabileceği fırsatları, büyümeyi ve yeniliği serbest bırakmaya yardımcı olacağı” kabulüne dayanmaktadır.
AI ekosisteminde rekabeti korumaya yönelik ortak ilkeler arasında adil işlem yapma ve dışlayıcı taktikleri engelleme, AI ürün ve hizmetlerinin ve girdilerinin birlikte çalışabilirliğini teşvik etme, farklı ürünler ve iş modelleri arasında seçim yapma olanağı yaratma ve yerleşik ve yeni oyuncular arasındaki yatırımların ve ortaklıkların daha fazla incelenmesi yer alır. Bunların hepsi, yetkililerin AI'da rekabeti teşvik etme konusundaki ortak yaklaşımı hakkında oldukça genel ifadelerdir.
Ortak bildiri ve ortak ilkelerin ne ölçüde koordineli bir ortak yaklaşıma yol açacağı ise henüz belirsiz.
Yapay zeka girişimi Cohere 500 milyon dolar aldı
Kanadalı AI girişimi Cohere, bir finansman turunda 500 milyon ABD doları aldı. Şirketin değeri 5,5 milyar ABD doları. Yatırımcılar arasında Kanada emeklilik fonu PSP Investments, Cisco, Fujitsu, AMD ve Kanada'nın ihracat kredi ajansı EDC yer alıyor. Nvidia da halihazırda bir yatırımcı.
Cohere 2019 yılında kuruldu ve merkezi Toronto'dadır. Şirket, Transformer mimarisinin mucitlerinden biri olan Aidan Gomez tarafından yönetilmektedir. Şirket, şirketler için AI dil modelleri ve hizmetleri konusunda uzmanlaşmıştır. Cohere, şirketler için üretken AI sağlamak amacıyla Oracle ve diğerleri ile iş birliği yapmaktadır. En son olarak, girişim, geri alma-artırılmış üretim için optimize edilmiş açık kaynaklı AI modeli “Command R+”yı sundu.
Microsoft'un Graph RAG ile harici verilere daha hassas erişime yaklaşımı
Geri Alma-Artırılmış Üretim, dil modellerinin harici verilere erişmesini sağlar. Bu, halüsinasyonları azaltabilir, şirkete özgü sohbet robotlarını etkinleştirebilir veya bir yayından gazetecilik içeriğini sohbete uygun hale getirebilir. Ancak, bu verilerin dil modeline nasıl beslendiği, nihai sonucun performansında önemli bir rol oynar.
Geleneksel olarak, kullanıcının sorgusuyla eşleşen metin alıntıları bir veritabanında aranır ve kullanıcının cevaplaması için dil modelinin bağlam penceresine geçirilir. Bu iyi çalışır, ancak yalnızca sorgular veritabanında çok sayıda metin parçası içeren konularla ilgili olmadığı veya hatta tüm gövdeye yayılmadığı sürece. Microsoft araştırmacıları bu amaçla GraphRAG'ı geliştirdiler.
Yöntem, sorgulara daha kesin ve kapsamlı yanıtlar sağlamak için sözde bilgi grafikleri kullanır. Bu bilgi grafikleri eski bir fikirdir, ancak yeni olan şey dil modellerine olan bağlantıdır. Uygulamada, GraphRAG önce metinlerden yalnızca metin alıntıları yerine, insanlar, şirketler veya yerler gibi varlıkları ve bunların birbirleriyle ilişkilerini çıkarır. Bu bilgileri hesaba katarak, daha sonra bireysel metinleri özetler, gruplandırır ve nihai yanıt için bunları kullanır.
Podcast transkriptleri ve haber makaleleriyle yapılan testlerde, Graph RAG yanıtların bütünlüğü ve çeşitliliği açısından geleneksel yöntemlerden önemli ölçüde daha iyi performans gösterdi – öyle ki Microsoft yöntemi doğrudan LinkedIn'in müşteri desteği için test etti. Şirkete göre, kullanımı yanıt sürelerinde neredeyse %30'luk bir azalma gösterdi.
Yapay zeka aslında ne kadar zeki? Üretken AI'nın işimiz, boş zamanımız ve toplumumuz için ne gibi sonuçları var? Haberler'nin “AI Update”inde, The Decoder ile birlikte, en önemli AI gelişmeleri hakkında günlük güncellemeler getiriyoruz. Cuma günleri, uzmanlarla AI devriminin farklı yönlerine ışık tutuyoruz.
Yapay zeka modeli CLAY, metin ve görsellerden ayrıntılı 3B nesneler oluşturuyor
Şanghay Teknoloji Üniversitesi'ndeki bir araştırma ekibi CLAY adlı bir yapay zeka modeli geliştirdi. Metin ve resimlerden ayrıntılı 3B nesneler yaratabilir. CLAY, 500.000'den fazla 3B modelle eğitildi, bu nedenle 3B içeriği doğrudan işler. Bu nedenle, metin ve resimlere ek olarak, nokta bulutları gibi 3B istemler de istem olarak kullanılabilir.
Karşılaştırmalarda, CLAY kalite ve hız açısından diğer sistemlerden daha iyi performans gösteriyor: Bazıları oldukça yüksek kalitede olan 3B varlıkları yaklaşık 45 saniyede üretiyor. Araştırmacılar oyun geliştirme, film prodüksiyonu ve 3B baskıda potansiyel uygulamalar görüyor. Aracın bir versiyonu halihazırda 3B hizmeti Rodin Gen-1 aracılığıyla kullanılabiliyor.
Yapay zeka orman yangınlarının yayılmasını öngörüyor
Güney Kaliforniya Üniversitesi'ndeki (USC) bir bilim insanları ekibi, orman yangınlarının yayılmasını doğru bir şekilde tahmin etmek için yapay zeka tabanlı bir yöntem geliştirdi. Bu, itfaiye teşkilatlarına orman yangınlarına daha iyi yanıt verme ve onlarla daha etkili bir şekilde mücadele etme olanağı sağlayacak. USC modeli, orman yangınının gerçek zamanlı olarak yayılmasını izlemek için uydu görüntülerini kullanır. Bu bilgi, orman yangınının olası yolunu, yoğunluğunu ve yangın büyüme hızını tahmin eden bir yapay zeka tarafından analiz edilir.
Yapay zeka modeli orman yangınlarıyla ilgili tarihi verilere dayanıyor. Araştırmacılar orman yangınlarının yüksek çözünürlüklü uydu görüntülerini topladı. Bunları orman yangınlarının davranışı açısından incelediler. Ekip böylece yangınların nasıl ve nerede başladığını, nasıl yayıldığını ve nasıl kontrol altına alınabileceğini bulabildi. Analizden bilim insanları çeşitli faktörlere bağlı örüntüler çıkarabildi: örneğin hava durumu, yakıt (yani ağaçlar, çalılar, çimenler veya benzeri) ve arazi.
Toplanan verileri kullanarak USC araştırmacıları, üretken, yapay zeka destekli bir bilgisayar modeli eğitti ve bunu 2020 ile 2022 yılları arasında Kaliforniya'daki gerçek orman yangınlarında test etti. Model başlangıçta tek taraflı rüzgarların olduğu düz arazi gibi ideal koşullar altında simüle edilmiş verilerle eğitilmiş olsa da, tahmin iyi performans gösterdi. Araştırmacılar bunu, uydu görüntülerinden alınan gerçek orman yangını verilerinin yapay zeka modeline dahil edilmiş olmasına bağlıyor.
Haberler Güvenlik Podcast'i “Parola” hızlı enjeksiyonlarla ilgileniyor
Haberler Security'nin “Password” podcast'inin yedinci bölümü, AI tabanlı yazılımlara saldırma yöntemi olan hızlı enjeksiyonlarla ilgileniyor. Sunucular Christopher ve Sylvester, hızlı enjeksiyonların klasik BT güvenliğindeki uzaktan kod yürütmeye benzediğini açıklıyor. Saldırı başarılı olursa, saldırganlar altta yatan dil AI'nın kontrolünü ele geçirebilir.
Hızlı enjeksiyonlar, saldırganların AI sistemlerine yeni görevler veya kimlikler atamasına, araçları ve API'leri çağırmasına veya verileri dışarı sızdırmasına olanak tanır. Konuşma AI'larının bu tür saldırılara karşı savunmasızlığı ve basit girdi doğrulaması yoluyla bunları önlemenin zorluğu tartışılmaktadır.
Bölüm tüm büyük podcast platformlarında mevcuttur.
(igr)