


Zuckerberg sangat menyokong AGI sumber terbuka: melatih sepenuhnya Llama 3, dijangka mencapai 350,000 H100 menjelang akhir tahun
Xiao Zha mengumumkan matlamat baharu: Semua dalam AGI sumber terbuka.
Ya, Xiao Zha All in sekali lagi, di mana OpenAI dan Google mesti bersaing.
Tetapi sebelum AGI, ia ditekankan bahawa ia adalah Sumber Terbuka.
Pictures
Pergerakan ini mendapat pujian ramai, sama seperti ketika model besar siri LIama adalah sumber terbuka.
Gambar
Gambar
Tetapi kali ini terdapat satu lagi gelombang All-in, dan netizen tidak dapat mengelak daripada memikirkan gelombang All-in sebelum ini: Ke mana pergi Metaverse? ? ?
Gambar
Tetapi harus dikatakan bahawa Bendera yang disenaraikan kali ini memang lebih spesifik malah mendedahkan beberapa data penting.
Sebagai contoh,
- Akan ada 350,000 H100 menjelang akhir tahun, dan termasuk GPU lain, jumlah kuasa pengkomputeran akan bersamaan dengan 600,000 H100.
- Pasukan FAIR akan bekerjasama dengan lebih rapat dengan pasukan GenAI.
- LIama 3 akan datang tidak lama lagi.
Akhirnya, dia pun pasang iklan kecil. Mereka sedang membina peranti pengkomputeran AI-centric baharu, seperti cermin mata pintar Ray Ban Meta.
Nampaknya Metaverse masih diteruskan.
Xiao Zha hadir semula
Kini, Xiao Zha secara rasmi mengumumkan penyertaannya dalam pertempuran AGI.
Walaupun tiada jadual waktu yang jelas, sebagai visi jangka panjang, dua perkara penting dinyatakan dengan jelas:
Sumber terbuka secara bertanggungjawab dan sediakannya secara meluas supaya semua orang boleh mendapat manfaat daripadanya.
Untuk mencapai matlamat ini, terdapat dua perkara utama:
Pertama, integrasikan rapat dua pasukan kerja penyelidikan AI sedia ada (FAIR dan GenAI).
Menurut LeCun, mereka berdua menjadi adik beradik.
Gambar
dan berkata, Llama-3 akan datang!
Kedua, bina infrastruktur pengkomputeran berskala besar: menjelang akhir tahun ini, akan ada 350,000 H100, dengan jumlah kuasa pengkomputeran bersamaan dengan 600,000 H100.
Dikira berdasarkan harga jualan AS$25,000 hingga AS$30,000, jumlah nilai kuasa pengkomputeran akan mencecah AS$15 bilion hingga AS$18 bilion.
Sesetengah organisasi sebelum ini meramalkan penghantaran H100 Nvidia ke Meta akan mencecah 150,000 unit pada 2023, iaitu sama seperti Microsoft dan sekurang-kurangnya tiga kali ganda berbanding syarikat lain.
Atas sebab ini, Xiao Zha berkata bahawa kami telah mewujudkan keupayaan sedemikian yang mungkin lebih besar daripada mana-mana syarikat individu lain.
Sesetengah netizen mengira kuasa pengkomputeran dan berkata: Model bersaiz otak akan datang tidak lama lagi.
Gambar
Namun, sesetengah orang mempersoalkan bahawa Nvidia tidak sepatutnya dapat menghasilkan sebanyak itu.
Gambar
Tetapi seorang pemimpin Meta tampil ke hadapan dan berkata: H100 ialah 350,000 yuan secara keseluruhan termasuk yang sekarang.
Gambar
Selain itu, kemajuan pada peralatan perkakasan juga diserlahkan.
Apa yang orang besar katakan tentang AGI
Sebelum Xiao Zha mengumumkan berita itu, ramai orang besar membuat banyak komen tentang AGI di Forum Ekonomi Dunia di Davos.
LeCun, sebagai contoh, menekankan kepentingan sumber terbuka dalam laluan pelaksanaan AGI di forum The Expanding Universe of Generative Models.
Sebab kita melihat kemajuan pesat dalam bidang kecerdasan buatan adalah kerana penyelidikan terbuka.
Walaupun dia sering menyuarakan keraguan bahawa AGI akan datang tidak lama lagi (pastinya tidak dalam tempoh lima tahun akan datang), AGI tiba.
Gambar
Dan pencipta Transformer Aidan Gomez berkata:
Pada masa ini kami belum menyelesaikan pengembangan, kami masih perlu terus bekerja keras.
Bagi Ketua Pegawai Eksekutif OpenAI Altman, beliau berkata bahawa kecerdasan buatan peringkat manusia akan tiba tidak lama lagi, tetapi perubahan kepada dunia akan jauh lebih kecil daripada yang kita bayangkan.
Kecerdasan Am Buatan (AGI) mungkin dibangunkan dalam "masa hadapan yang agak dekat."
Apa pendapat anda tentang perkembangan AGI?
Atas ialah kandungan terperinci Zuckerberg sangat menyokong AGI sumber terbuka: melatih sepenuhnya Llama 3, dijangka mencapai 350,000 H100 menjelang akhir tahun. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas





Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Jika jawapan yang diberikan oleh model AI tidak dapat difahami sama sekali, adakah anda berani menggunakannya? Memandangkan sistem pembelajaran mesin digunakan dalam bidang yang lebih penting, menjadi semakin penting untuk menunjukkan sebab kita boleh mempercayai output mereka, dan bila tidak mempercayainya. Satu cara yang mungkin untuk mendapatkan kepercayaan dalam output sistem yang kompleks adalah dengan menghendaki sistem menghasilkan tafsiran outputnya yang boleh dibaca oleh manusia atau sistem lain yang dipercayai, iaitu, difahami sepenuhnya sehingga apa-apa ralat yang mungkin boleh dilakukan. dijumpai. Contohnya, untuk membina kepercayaan dalam sistem kehakiman, kami memerlukan mahkamah memberikan pendapat bertulis yang jelas dan boleh dibaca yang menjelaskan dan menyokong keputusan mereka. Untuk model bahasa yang besar, kita juga boleh menggunakan pendekatan yang sama. Walau bagaimanapun, apabila mengambil pendekatan ini, pastikan model bahasa menjana

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

Menurut berita dari laman web ini pada 5 Julai, GlobalFoundries mengeluarkan kenyataan akhbar pada 1 Julai tahun ini, mengumumkan pemerolehan teknologi power gallium nitride (GaN) Tagore Technology dan portfolio harta intelek, dengan harapan dapat mengembangkan bahagian pasarannya dalam kereta dan Internet of Things dan kawasan aplikasi pusat data kecerdasan buatan untuk meneroka kecekapan yang lebih tinggi dan prestasi yang lebih baik. Memandangkan teknologi seperti AI generatif terus berkembang dalam dunia digital, galium nitrida (GaN) telah menjadi penyelesaian utama untuk pengurusan kuasa yang mampan dan cekap, terutamanya dalam pusat data. Laman web ini memetik pengumuman rasmi bahawa semasa pengambilalihan ini, pasukan kejuruteraan Tagore Technology akan menyertai GLOBALFOUNDRIES untuk membangunkan lagi teknologi gallium nitride. G
