💸 Anthropic инвестира 100 милиарда долара в AWS на Amazon ↗
Anthropic и Amazon току-що затегнаха болтовете на едно от най-големите обединения в областта на изкуствения интелект. Anthropic ще инвестира над 100 милиарда долара в AWS през следващото десетилетие за обучение и управление на Claude.
Amazon инвестира 5 милиарда долара незабавно, с опция за инвестиране до 20 милиарда долара повече. Сделката също така дава на Anthropic достъп до чиповете Trainium на Amazon - по същество Amazon казва: „Моля, не наемайте Nvidia завинаги“, но с много по-голям чек.
Забавното, или може би изобщо не е смешно, е, че Anthropic все още е под регулаторен натиск, докато същевременно се вписва още по-дълбоко в инфраструктурата на големите технологични компании. Много чисто, много заплетено.
🧾 Anthropic надминава OpenAI в разходите си за лобиране в рекордно тримесечие ↗
Anthropic похарчи 1,6 милиона долара за лобиране през първото тримесечие, докато OpenAI похарчи 1 милион долара. Това го прави рекордно тримесечие и за двете - и доста ясен знак, че лабораториите за изкуствен интелект вече не просто изграждат модели, а работят във Вашингтон като опитни оператори.
Разходите на Anthropic скочиха рязко в сравнение със същия период на миналата година, като се твърди, че са свързани с федерален контрол, търкания в Пентагона и по-широката битка за това как правителствата трябва да се отнасят към граничния ИИ.
Лобирането на OpenAI се фокусира върху авторските права, киберсигурността, политиката за изкуствен интелект и облачната инфраструктура. Не е съвсем бляскаво нещо, но това е мястото, където бъдещето тихо се сглобява.
🧠 OpenAI стартира ChatGPT изображения 2.0 ↗
OpenAI пусна ChatGPT Images 2.0, с по-добро следване на инструкции, по-силно генериране на текст в изображенията и нови „мислещи“ способности, които могат да използват уеб търсене, за да помогнат за създаването на по-сложни визуализации.
Надстройката е насочена към неща като инфографики, слайдове, карти, манга, многоезичен текст и генериране на множество изображения. Границата между „инструмент за изображения“ и „малък дизайнерски отдел в кутия“ става подозрително тънка.
Голямата промяна е контролът. OpenAI се опитва да направи генерирането на изображения по-малко като разклащане на магическо снежно кълбо и по-скоро като насочване на леко кофеиново опиянен стажант в областта на изкуството.
🎭 YouTube разширява AI Deep Fake за откриване на фалшиви профили за известни личности ↗
YouTube разширява инструмента си за откриване на прилика, така че повече публични личности да могат да намират генерирани от изкуствен интелект видеоклипове, които ги имитират, и да поискат премахването им.
Системата сканира за AI-подобни изображения и ги маркира на регистрирани известни личности, които след това могат да поискат от YouTube да прегледа съдържанието съгласно политиката си за поверителност. Не всяко премахване ще бъде одобрено, което е мястото, където цялата работа става трудна.
Това е още един знак, че дийпфейковете са се преместили от „интернет паника“ в реална платформена водопроводна система. Тръбите най-накрая се етикетират.
⌨️ Meta ще записва натисканията на клавиши от служителите, за да обучава модели с изкуствен интелект ↗
Meta разработва вътрешен инструмент, който улавя движенията на мишката, кликванията върху бутони и натисканията на клавиши от страна на служителите, след което преобразува тази активност в данни за обучение на модели с изкуствен интелект.
Идеята е да се научат системите с изкуствен интелект как реалните хора да се ориентират в софтуера и да изпълняват задачи. Ценно ли е? Да. Леко дистопичен офис джаз? Също така да, и двете неща могат да бъдат верни.
Това е състезанието на агентите в миниатюра: компаниите се нуждаят от данни за човешкия работен процес с всичките му изтъркани ръбове, а не просто от полиран текст, изскубан от интернет. Така че сега клавиатурата се превръща в свидетел. Малко мрачно, малко умно.
🛡️ Съобщава се, че неоторизирани потребители са получили достъп до кибер инструмента Mythos на Anthropic ↗
Съобщава се, че група неоторизирани потребители са получили достъп до Mythos на Anthropic, инструмент с изкуствен интелект, фокусиран върху киберсигурността, който е трябвало да бъде строго контролиран.
Mythos не е продукт за общо пускане - той е предназначен за напреднала кибер работа, което прави твърденията за достъп допълнително пикантни. Ако са верни, това повдига неудобни въпроси за това как лабораториите защитават самите системи, които описват като чувствителни.
Цялото нещо има онова усещане за „заключена стая, мистерия, но стаята е облачно табло“. Много типично за AI сигурността в момента.
🧪 NeoCognition набира 40 милиона долара за създаване на човекоподобни обучаващи агенти ↗
Лабораторията за изследвания на изкуствен интелект NeoCognition набра начален капитал от 40 милиона долара, за да създаде агенти, които учат повече като хората.
Стартъп компанията търси по-надеждни и ефективни системи с изкуствен интелект - много гореща тема, тъй като инвеститорите продължават да търсят всичко, което би могло да направи агентите по-малко крехки в практическите работни процеси.
Това е поредното напомняне, че бумът на агентите не е само между OpenAI, Anthropic и Google, които си размахват тигани. По-малките лаборатории също кръжат, някои от които с наистина амбициозна, лунна енергия.
ЧЗВ
Защо Anthropic инвестира 100 милиарда долара в AWS?
Anthropic ще инвестира над 100 милиарда долара в AWS през следващото десетилетие за обучение и управление на Claude. Сделката дава на Anthropic по-задълбочен достъп до облачната инфраструктура на Amazon и чиповете Trainium. Тя също така отразява колко скъпи са станали граничните системи с изкуствен интелект, като разработването на модели все повече зависи от обширни изчислителни партньорства.
Какво означава сделката между Anthropic и Amazon за инфраструктурата с изкуствен интелект?
Сделката между Anthropic и Amazon показва колко тясно се обвързва инфраструктурата за изкуствен интелект с облачните платформи на големите технологични компании. Amazon инвестира милиарди, докато Anthropic ангажира огромни дългосрочни разходи с AWS. Тези споразумения могат да помогнат на лабораториите за изкуствен интелект да се разраснат, но също така повдигат въпроси относно зависимостта, конкуренцията и регулаторния контрол.
Защо Anthropic и OpenAI харчат повече за лобиране?
Anthropic и OpenAI харчат повече за лобиране, защото политиката за изкуствения интелект става централна за тяхното бъдеще. В статията се казва, че Anthropic е похарчила 1,6 милиона долара през първото тримесечие, докато OpenAI е похарчила 1 милион долара. Техните фокусни области включват федерален контрол, авторско право, киберсигурност, политика за изкуствен интелект, облачна инфраструктура и как правителствата трябва да регулират граничния изкуствен интелект.
Какво е новото в ChatGPT изображенията 2.0?
ChatGPT Images 2.0 е описан като подобрение в следването на инструкции, генерирането на текст в изображения и „мисловните“ способности, които могат да използват уеб търсене за по-сложни визуализации. Надстройката е насочена към инфографики, слайдове, карти, манга, многоезичен текст и генериране на множество изображения. Основната промяна е към по-голям контрол и по-малко догадки при създаването на изображения.
Как YouTube се справя с AI deepfakes на известни личности?
YouTube разширява инструмента си за откриване на прилики, така че повече публични личности да могат да намират генерирани от изкуствен интелект видеоклипове, които ги имитират. Регистрираните знаменитости могат да бъдат предупреждавани за евентуални прилики с изкуствен интелект и да поискат прегледи за премахване съгласно политиката за поверителност на YouTube. Не всяка заявка ще бъде одобрена автоматично, така че системата все още зависи от прегледа на платформата и контекста.
Защо Meta записва натисканията на клавиши на служителите за обучение на ИИ?
Meta разработва вътрешен инструмент, който улавя движенията на мишката, кликванията и натисканията на клавиши от служителите, след което превръща тази активност в данни за обучение на ИИ. Целта е да се научат ИИ системите как хората да навигират в софтуер и да изпълняват задачи. В много работни процеси на агенти този вид данни за човешката дейност може да помогне на моделите да научат практическо, стъпка по стъпка поведение.