ايتنا - نگاهی به تحولات AI: هوش مصنوعی مولد و مشکل جبران خسارت سازندگان

نگاهی به تحولات AI: هوش مصنوعی مولد و مشکل جبران خسارت سازندگان

ایتنا - همگام شدن با صنعتی که به سرعت هوش مصنوعی در حال حرکت است، امری دشوار است. در ادامه خلاصه‌ای از اخبار اخیر در دنیای یادگیری ماشین را می‌بینید.

همگام شدن با صنعتی که به سرعت هوش مصنوعی در حال حرکت است، امری دشوار است. در ادامه خلاصه‌ای از اخبار اخیر در دنیای یادگیری ماشین را می‌بینید:

اخیرا در حوزه هوش مصنوعی، هشت روزنامه آمریکایی متعلق به غول سرمایه‌گذاری آلدن گلوبال کپیتال، از جمله نیویورک دیلی نیوز، شیکاگو تریبون و اورلاندو سنتینل، از OpenAI و مایکروسافت به دلیل نقض حق چاپ در رابطه با استفاده شرکت‌ها از فناوری هوش مصنوعی مولد شکایت کردند.

آنها در شکایت خود، اوپن‌ای‌آی و مایکروسافت را متهم می‌کنند که IP آنها را بدون اجازه یا پرداخت غرامت برای ساخت و تجاری‌سازی ترندهای تولیدی مانند GPT-4 استفاده کرده‌اند. فرانک پاین، کارشناس ارشد تحقیقاتی و سردبیر روزنامه آلدن، می‌گوید: «ما میلیاردها دلار برای جمع‌آوری اطلاعات و گزارش اخبار در نشریات خود هزینه کرده‌ایم، و نمی‌توانیم به OpenAI و مایکروسافت اجازه دهیم کسب‌وکار خود را با هزینه ما ایجاد کنند.»

با توجه به شراکت‌های موجود اوپن ای‌آی با ناشران و عدم تمایل آن به وابسته کردن کل مدل کسب و کار خود به استدلال استفاده منصفانه، به نظر می‌رسد که این شکایت احتمالاً به یک توافقنامه و قرارداد صدور مجوز ختم شود.

•   مایکروسافت مجدداً ممنوعیت تشخیص چهره را تأیید می‌کند: زبان اضافه شده به شرایط خدمات Azure OpenAI Service، OpenAI، به وضوح استفاده از ادغام‌ها را «توسط یا برای» ادارات پلیس برای تشخیص چهره در ایالات متحده ممنوع می‌کند.

•    ماهیت استارت‌آپ‌های هوش مصنوعی: استارت‌آپ‌های هوش مصنوعی با مجموعه‌ای از چالش‌های متفاوت از شرکت نرم‌افزار روبرو هستند. این پیام رودینا سسری، بنیانگذار و شریک مدیر شرکت Glasswing Ventures، هفته گذشته در رویداد TechCrunch Early Stage در بوستون بود.

•   Anthropic طرحی تجاری راه‌اندازی می‌کند: استارتاپ هوش مصنوعی Anthropic در حال راه اندازی یک طرح پولی جدید برای شرکت‌ها و همچنین یک برنامه جدید iOS است. تیم که نام طرح سازمانی‌اش است، به مشتریان با اولویت بیشتری دسترسی به مدل‌های هوش مصنوعی مولد کلود 3 آنتروپیک به‌علاوه کنترل‌های مدیریت و مدیریت کاربر اضافی را می‌دهد.

•   دیگر خبری از CodeWhisper نیست: CodeWhispererآمازون اکنون Q Developer است که بخشی از خانواده Q آمازون از چت ربات‌های هوش مصنوعی مولد کسب‌وکار است. برنامه‌نویس Q که از طریق AWS در دسترس است، به برخی از کارهایی که توسعه‌دهندگان در طول کار روزانه‌شان انجام می‌دهند، مانند اشکال‌زدایی و ارتقای برنامه‌ها کمک می‌کند که بسیار شبیه به CodeWhispererاست.

•   به راحتی از Sam's Club خارج شوید: فروشگاه‌های سمزکلاب متعلق به Walmart می‌گوید که برای کمک به سرعت بخشیدن به "فناوری خروج" به هوش مصنوعی روی آورده است. مشتریان Sam's Club که از طریق ثبت نام یا از طریق برنامه تلفن همراه Scan & Go پرداخت می‌کنند، به جای اینکه کارکنان فروشگاه را ملزم کنند هنگام خروج از فروشگاه، خریدهای اعضا را بر اساس رسید آنها بررسی کنند، اکنون می توانند بدون بررسی مجدد خرید، از مکان‌های خاص فروشگاه خارج شوند.

•   توزیع ماهی خودکار: توزیع ماهی ذاتاً یک تجارت کثیف است. دیوین گزارش می دهد که Shinkei در تلاش است تا آن را با یک سیستم خودکار که به طور انسانی‌تر و قابل اعتمادتر ماهی ها را ارسال می‌کند، بهبود بخشد، که در نتیجه می تواند اقتصاد غذاهای دریایی را کاملاً متفاوت کند.

•   دستیار هوش مصنوعی Yelp: یلپ این هفته یک چت ربات جدید مبتنی بر هوش مصنوعی را برای مصرف‌کنندگان معرفی کرد که توسط مدل‌های OpenAI طراحی شده است. این چت ربات به کاربران کمک می‌کند تا با کسب‌وکارهای مرتبط برای وظایف خود (مانند نصب وسایل روشنایی، ارتقاء فضاهای بیرونی و غیره) ارتباط برقرار کنند. این شرکت دستیار هوش مصنوعی را در برنامه iOS خود تحت تب «پروژه‌ها» راه‌اندازی می‌کند و برنامه‌هایی برای گسترش آن به اندروید در اواخر سال جاری دارد.

• یادگیری ماشینی (Machine learning) بیشتر : در زمستان امسال یک مهمانی در آزمایشگاه ملی آرگون برگزار شد که صدها متخصص هوش مصنوعی و بخش انرژی را برای صحبت در مورد اینکه چگونه فناوری به سرعت در حال توسعه می‌تواند برای زیرساخت‌های کشور و تحقیق و توسعه در آن منطقه مفید باشد، آوردند. از موضوعاتی که از این گردهمایی ظاهر شد، اول این بود که محققان نیاز به دسترسی به ابزارها و منابع محاسباتی پرقدرت دارند. دوم، یادگیری نقاط ضعف شبیه‌سازی‌ها و پیش‌بینی‌ها/ سوم، نیاز به ابزارهای هوش مصنوعی که می‌توانند داده ها را از منابع متعدد و در قالب‌های مختلف یکپارچه کرده و در دسترس قرار دهند.

همچنین در مورد کاربردهای هوش مصنوعی در حوزه پزشکی چیزهای زیادی می‌شنویم، اگرچه بیشتر آنها در نقش مشاوره‌ای به متخصصان کمک می‌کنند تا چیزهایی را که ممکن است ندیده باشند را با این فناوری پیدا کنند. این تا حدی به این دلیل است که این مدل‌های یادگیری ماشینی فقط ارتباط بین آمارها را بدون اینکه بفهمند چه چیزی باعث یا منجر به چه چیزی شده است، پیدا می‌کنند.

محققان کمبریج و لودویگ-ماکسیمیلیان-دانشگاه مونیخ در حال کار بر روی آن هستند، زیرا عبور از روابط همبستگی پایه گذشته می‌تواند در ایجاد برنامه‌های درمانی بسیار مفید باشد. هدف این کار، به رهبری پروفسور استفان فوئریگل از LMU، ساخت مدل‌هایی است که می‌توانند مکانیسم‌های علّی را شناسایی کنند، نه فقط همبستگی‌ها. هنوز در ابتدای این فناوری هستیم، اما قطعا در بخشی از یک دوره توسعه مهم در مقیاس یک دهه هستیم.