Yapay Zekada Bu Hafta: Şirketler yapay zekanın yatırım getirisine şüpheyle yaklaşıyor

Merhaba arkadaşlar, TechCrunch’ın düzenli AI bültenine hoş geldiniz.

Yapay Zeka konusunda bu hafta Gartner, kuruluştaki üretken yapay zeka projelerinin yaklaşık üçte birinin 2025 yılı sonuna kadar konsept kanıtlama aşamasından sonra terk edileceğini öne süren bir rapor yayınladı. Bunun birçok nedeni var: zayıf veri kalitesi, yetersiz risk kontrolleri , artan altyapı maliyetleri vb.

Ancak rapora göre, üretken yapay zekanın benimsenmesinin önündeki en büyük engellerden biri belirsiz iş değeridir.

Gartner, üretken yapay zekayı kuruluş genelinde benimsemenin 5 milyon dolardan 20 milyon dolara kadar değişen önemli maliyetlere yol açacağını tahmin ediyor. Rapora göre, basit bir kodlama asistanının ön maliyeti 100.000 ila 200.000 ABD Doları arasında ve yinelenen maliyetleri kullanıcı başına yıllık 550 ABD Dolarından fazla olurken, yapay zeka destekli bir belge arama aracının ön maliyeti 1 milyon ABD Doları ve kullanıcı başına yıllık 1,3 milyon ila 11 milyon ABD Doları arasında olabilir. .

Faydaların ölçülmesinin zor olduğu ve gerçekleşmesinin yıllar alabileceği bir ortamda, şirketlerin bu yüksek fiyat etiketlerini kabul etmesi zordur. durmadan hayata geçirmek.

Upwork’ün bu ay yaptığı bir anket, yapay zekanın üretkenliği artırmaktan ziyade aslında bir yük Bunu kullanan işçilerin çoğu için. 2.500 üst düzey yönetici, tam zamanlı çalışan ve serbest çalışanla görüşülen ankete göre, yapay zeka kullanan çalışanların neredeyse yarısı (%47) işverenlerinin beklediği verimlilik kazanımlarını nasıl elde edecekleri konusunda hiçbir fikirleri olmadığını söylerken dörtte üçünden fazlası (%77) yapay zeka araçlarının azaldı üretkenliklerini artırır ve iş yüklerini en az bir şekilde artırırlar.

VC tarafındaki güçlü faaliyete rağmen yapay zekanın balayı aşaması sona eriyor gibi görünüyor. Ve bu şaşırtıcı değil. Birbiri ardına gelen anekdotlar, temel teknik sorunları çözemeyen üretken yapay zekanın çoğu zaman değerinden daha fazla sorun yarattığını ortaya koyuyor.

Daha Salı günü Bloomberg, şu anda Florida’daki HCA hastanelerinde test edilmekte olan, hastaların tıbbi kayıtlarını analiz etmek için yapay zekayı kullanan, Google destekli bir araç hakkında bir makale yayınladı. Bloomberg’in görüştüğü aracın kullanıcıları, aracın sürekli olarak güvenilir sağlık bilgileri sağlayamadığını söyledi; Bir keresinde hastanın herhangi bir ilaca alerjisi olup olmadığı not edilememişti.

Şirketler yapay zekadan daha fazlasını beklemeye başlıyor. En kötü sınırlamalarını ele alan araştırma atılımları dışında, beklentileri yönetmek satıcıların sorumluluğundadır.

Bakalım bunu yapabilecek cesarete sahipler mi?

Haberler

AramaGPT: OpenAI geçen Perşembe günü, web kaynaklarından yararlanarak sorulara “zamanında yanıtlar” vermek üzere tasarlanmış bir arama özelliği olan SearchGPT’yi duyurdu.

Bing daha fazla yapay zeka alıyor: Microsoft, geride kalmamak için geçen hafta, Bing üretken arama adı verilen kendi yapay zeka destekli arama deneyiminin ön izlemesini yaptı. Şu anda kullanıcıların yalnızca “küçük bir yüzdesi” tarafından kullanılabilen Bing üretken arama – SearchGPT gibi – web’deki bilgileri toplar ve arama sorgularına yanıt olarak bir özet oluşturur.

X, kullanıcıları aşağıdakilere dahil eder: Eski adıyla Twitter olan X, Cuma günü platformun kullanıcıları tarafından fark edilen bir hareketle, X’in sohbet robotu Grok için varsayılan kullanıcı verilerini eğitim havuzuna sessizce aktardı. AB düzenleyicileri ve diğerleri hızla suç duyurusunda bulundular. (Nasıl vazgeçeceğinizi mi merak ediyorsunuz? İşte bir kılavuz.)

AB yapay zeka konusunda yardım çağrısında bulunuyor: Avrupa Birliği, bloğun yapay zeka uygulamalarını düzenleyen risk temelli çerçevesi olan Yapay Zeka Yasası kapsamında genel amaçlı yapay zeka modelleri sağlayıcıları için geçerli olacak kurallar konusunda bir istişare başlattı.

Şaşkınlık yayıncı lisanslama ayrıntıları: AI arama motoru Perplexity, sohbet robotu bir sorguya yanıt olarak içeriklerini ortaya çıkardığında yakında reklam gelirini haber yayıncılarıyla paylaşmaya başlayacak; bu, Perplexity’yi intihal ve etik olmayan web kazımayla suçlayan eleştirmenleri yatıştırmak için tasarlanmış gibi görünüyor.

Meta, AI Studio’yu kullanıma sunuyor: Meta Pazartesi günü yaptığı açıklamada, AI Studio aracını ABD’deki tüm içerik oluşturucuların kişiselleştirilmiş AI destekli sohbet robotları oluşturmalarına olanak tanıyacağını söyledi. Şirket, AI Studio’yu ilk kez geçen yıl tanıttı ve Haziran ayında seçkin içerik oluşturucularla test etmeye başladı.

Ticaret Bakanlığı “açık” modelleri onaylıyor: ABD Ticaret Bakanlığı Pazartesi günü Meta’nın Llama 3.1’i gibi “açık ağırlıklı” üretken yapay zeka modellerini destekleyen bir rapor yayınladı ancak hükümetin bu tür modelleri potansiyel risklere karşı izlemek için “yeni yetenekler” geliştirmesini tavsiye etti.

99$ Arkadaş: Harvard’ı terk eden Avi Schiffmann, Friend adında 99 dolarlık yapay zeka destekli bir cihaz üzerinde çalışıyor. Adından da anlaşılacağı gibi, boyuna takılan kolye ucu bir nevi refakatçi olarak kullanılmak üzere tasarlandı. Ancak reklamı yapıldığı gibi çalışıp çalışmadığı henüz belli değil.

Haftanın araştırma makalesi

İnsan geri bildiriminden (RLHF) pekiştirmeli öğrenme, üretken yapay zeka modellerinin talimatları takip etmesini ve güvenlik kurallarına uymasını sağlamak için baskın tekniktir. Ancak RLHF, bir modelin yanıtlarını derecelendirmek ve geri bildirim sağlamak için çok sayıda insanın işe alınmasını gerektirir; bu, zaman alıcı ve pahalı bir süreçtir.

Yani OpenAI alternatifleri benimsiyor.

Yeni bir makalede, OpenAI’deki araştırmacılar, bir modelin istemlere verdiği yanıtları değerlendirmek ve yönlendirmek için bir dizi adım adım kural kullanan, kurala dayalı ödüller (RBR’ler) adını verdikleri şeyi açıklıyorlar. RBR’ler istenen davranışları belirli kurallara ayırır ve bu kurallar daha sonra yapay zekayı belirli durumlarda nasıl davranması ve tepki vermesi gerektiği konusunda yönlendiren (bir anlamda ona “öğreten”) bir “ödül modeli” yetiştirmek için kullanılır.

OpenAI, RBR tarafından eğitilen modellerin, yalnızca insan geri bildirimi ile eğitilen modellerden daha iyi güvenlik performansı sergilediğini ve aynı zamanda büyük miktarda insan geri bildirim verisine olan ihtiyacı azalttığını iddia ediyor. Aslında şirket, GPT-4’ün piyasaya sürülmesinden bu yana RBR’leri güvenlik yığınının bir parçası olarak kullandığını ve RBR’leri gelecek modellerde uygulamayı planladığını söylüyor.

Haftanın modeli

Google’ın DeepMind’ı, yapay zeka ile karmaşık matematik problemlerini çözme arayışında ilerleme kaydediyor.

Birkaç gün önce DeepMind, bu yılın prestijli lise matematik yarışması olan Uluslararası Matematik Olimpiyatı’ndaki (IMO) altı problemden dördünü çözmek için iki yapay zeka sistemi eğittiğini duyurdu. DeepMind, AlphaProof ve AlphaGeometry 2 (Ocak’taki AlphaGeometry’nin halefi) sistemlerinin, soyutlamalar ve karmaşık hiyerarşik planlama oluşturma ve bunlardan yararlanma konusunda bir yetenek sergilediğini iddia ediyor; bunların tümü, yapay zeka sistemleri için tarihsel olarak zorlayıcıydı.

AlphaProof ve AlphaGeometry 2, iki cebir problemini ve bir sayı teorisi problemini çözmek için birlikte çalıştı. (Kombinatoriklerle ilgili kalan iki soru çözülmeden kaldı). Sonuçlar matematikçiler tarafından doğrulandı; Yapay zeka sistemleri ilk kez IMO sorularında gümüş madalya düzeyinde performans elde edebildi.

Ancak birkaç uyarı var. Modellerin bazı sorunları çözmesi günler sürdü. Akıl yürütme yetenekleri etkileyici olsa da, AlphaProof ve AlphaGeometry 2, tek bir doğru cevabı olanların aksine, birçok olası çözümü olan açık uçlu problemlere mutlaka yardımcı olamaz.

Gelecek neslin neler getireceğini göreceğiz.

Çantayı al

Yapay zeka girişimi Stability AI, bir nesnenin videosunu sanki farklı açılardan çekilmiş gibi görünen birden fazla klibe dönüştüren üretken bir yapay zeka modeli yayınladı.

Stability, Stable Video 4D olarak adlandırılan modelin sanal gerçekliğin yanı sıra oyun geliştirme ve video düzenleme alanlarında da uygulamalara sahip olabileceğini söylüyor. Şirket bir blog yazısında, “Şirketlerin modelimizi benimseyeceğini ve kendi benzersiz gereksinimlerine uyacak şekilde daha da ince ayar yapacağını tahmin ediyoruz” diye yazdı.

Stabil Video 4D’yi kullanmak için kullanıcılar görüntüleri yükler ve istedikleri kamera açılarını belirler. Yaklaşık 40 saniye sonra model sekiz adet beş kareli video üretiyor (“optimizasyon” 25 dakika daha sürse de).

Stabilite, modeli geliştirmek ve üzerinde eğitim aldığı mevcut sentetik veri kümelerinin ötesinde daha geniş bir yelpazedeki gerçek dünya videolarını işleyecek şekilde optimize etmek için aktif olarak çalıştığını söylüyor. Şirket şöyle devam etti: “Bu teknolojinin gerçekçi, çok açılı videolar oluşturma potansiyeli çok büyük ve devam eden araştırma ve geliştirmeyle bunun nasıl gelişeceğini görmekten heyecan duyuyoruz.”