Friss kutatási eredmények és tudományos áttörések a mesterséges intelligencia világából
A Stanford és a Google Robotics kutatói által fejlesztett Build2SPARQL teljesítményteszt 6136 SPARQL lekérdezést és 30680 természetes nyelvű kérdést tartalmaz, amelyek épületautomatizálási tudásgráfók lekérdezésére szolgálnak.
Az Ataraxos nevű AI 15 győzelemmel, 1 vereséggel és 4 döntetlennel zárt egy 20 partiból álló sorozatot Pim Niemeijer, a Stratego legtöbb címet szerző játékosa ellen.
A technológia nemcsak a látottak visszaállítására alkalmas, hanem képekből is képes megjósolni az agyi aktivitást, ami új lehetőségeket nyithat a kommunikációban korlátozott betegek ellátásában.
A SynthID Bio vízjellel látja el az AI által tervezett fehérjéket, megőrizve azok biológiai funkcióját és lehetővé téve a származás ellenőrzését.
Az OpenAI által támogatott Red Queen Bio 36 millió dollárt gyűjtött, hogy mesterséges intelligenciával tervezzen antitesteket vírusok ellen, beleértve olyan jövőbeli fenyegetéseket is, amelyek létrehozásában az AI is segíthet.
Az OpenAI állítása szerint több ezer AI-ügynökkel oldotta meg a Navier-Stokes-egyenletek létezési és simasági problémáját, ám a matematikusok szerint a brute-force megközelítés haszontalan és aláássa az emberi megértést.
Az Anthropic kutatási munkájának 26%-át már Claude végzi, míg az OpenAI kutatói 3,1 AI-napnyi feladatot delegálnak minden emberi munkanapra, ám a modellek még emberi felügyeletet igényelnek.
Az AI-kutatás automatizálása „éveknyi haladást hónapokra vagy kevesebbre sűríthet”, ami az emberiség legfontosabb technológiai fejlődése lehet — figyelmeztet Geoffrey Hinton és Yoshua Bengio.
Az Anthropic AI-laborja, amelyben Claude-ügynökök biológiai problémákat vizsgálnak, egy ismert enzim körüli ismétlődő mintázatot talált, amelyet a cég szerint korábban nem katalogizáltak.
A brit Worldmodeldata startup videójátékokból gyűjtött adatokat használna fel a világmodellek képzésére, melyek a fizikai világban való navigálásra képesek. A cég már 1 millió órányi játékadatot licencelt.
Arvind Narayanan és Sayash Kapoor szerint az AI-kivégzési kockázatra vonatkozó jelenlegi becslések nem megbízhatóak, és félrevezetik a politikai döntéshozókat, mivel nem alapulnak validált modelleken.
A TypeSafe Jev modell a GraphRAG rendszerekben a determinisztikus mikro-döntéseket gyorsítja, elkerülve a hagyományos LLM-ek okozta késleltetést. Egy 3-ugrásos lekérdezésnél 2 500 csomópontból mindössze 15 releváns elemet választ ki a rendszer.
Az IT-vezetők kétharmada számol be mérhető AI-eredményekről, de csak nyolc ember ébresztené a vezérigazgatót nyaralásából — derül ki Azeem Azhar megfigyeléseiből. A helyzet „finoman kiegyensúlyozott” — állítja a kutató.
Sharon Weinberger szerint a Szilícium-völgy és a védelmi ipar kapcsolata átalakult, ahogy a technológiai cégek és befektetők egyre inkább elköteleződnek a nemzetbiztonsági munka iránt.
Az AI-ügynökök 55,4 %-ban javasolnak módszereket a modellek fejlesztése során, de az emberi döntéshozók 85,5 %-ban választják ki a végső opciókat – derül ki a Fudan Egyetem kutatásából.
A Stanford és a Caltech kutatói a HomeBody rendszerrel demonstrálták, hogyan képes a GPT-6 Astra robotokat irányítani konyhai feladatokra, beleértve a rendrakást és tárgyak keresését.
Az AI-hoz való hozzáférés drasztikusan, 44%-ról 3%-ra csökkentette a „nem tudom” válaszok arányát egy kísérletben, annak ellenére, hogy a használt modell, a Step 3.5 Flash, szinte minden kérdésre tévesen válaszolt.
Christian Kästner professzor átalakította a „Machine Learning in Production” kurzus értékelési gyakorlatát, mivel az AI-ügynökök már minden otthoni feladatot képesek megoldani. A tanár szerint ez aláássa az alacsony tétű, visszajelzésalapú értékelési módszereket.
Az Oxfordi Egyetem Bodleian Könyvtárának digitalizált anyagai kerülnek az OpenAI képzési halmazába, amelyeket a ChatGPT mögött álló cég AI-modelljeinek betanítására használnak fel.
A Carnegie Mellon Egyetem kutatói által kifejlesztett Synthetic Hospital teljesítményteszt valós, többéves betegadatokkal teszteli a vezető AI-modelleket, amelyek közül egyik sem érte el a mesteri szintet.
A friss diplomások 7,3%-os nyári munkanélküliségi rátája beleesik a korábbi évek 6,3-7,8%-os tartományába, az AI hatása egyelőre nem mérhető – állítja a müncheni CESifo kutatóintézet friss dolgozata.
Tetszik az oldal? Támogasd a fejlesztést
Az AI Forradalom egy automatizált pipeline: napi adatgyűjtés, LLM-feldolgozás és infrastruktúra fenntartása valódi költségekkel jár. Ha értékesnek találod a tömör, naprakész AI-összefoglalókat, egy kávé sokat segít.