В США разрабатывают новые чипы для ИИ
Meta* начинает тестирование первого собственного чипа для обучения систем искусственного интеллекта. Этот шаг может снизить зависимость компании от внешних поставщиков, таких как Nvidia, и сократить колоссальные расходы на инфраструктуру ИИ.
Обучающий чип — это специализированный ускоритель, который сфокусирован исключительно на задачах ИИ, что делает его более энергоэффективным, чем традиционные графические процессоры (GPU). Производством занимается тайваньская TSMC, а успешная первая «загрузка» чипа — важный показатель прогресса в разработке кремниевых решений.
Этот проект является частью стратегии американской компании по собственной разработке кремния, которая началась с чипа MTIA (Meta Training and Inference Accelerator). Ранее MTIA уже использовали для работы своих рекомендательных алгоритмов в социальных сетях. Теперь компания нацелена на создание мощных обучающих чипов для своих будущих продуктов, включая чат-бот.
*Meta признана в России экстремистской организацией
#МирРобототехники #ИИ #Чипы #ИскусственныйИнтеллект #Технологии #AI #MachineLearning
Meta* начинает тестирование первого собственного чипа для обучения систем искусственного интеллекта. Этот шаг может снизить зависимость компании от внешних поставщиков, таких как Nvidia, и сократить колоссальные расходы на инфраструктуру ИИ.
Обучающий чип — это специализированный ускоритель, который сфокусирован исключительно на задачах ИИ, что делает его более энергоэффективным, чем традиционные графические процессоры (GPU). Производством занимается тайваньская TSMC, а успешная первая «загрузка» чипа — важный показатель прогресса в разработке кремниевых решений.
Этот проект является частью стратегии американской компании по собственной разработке кремния, которая началась с чипа MTIA (Meta Training and Inference Accelerator). Ранее MTIA уже использовали для работы своих рекомендательных алгоритмов в социальных сетях. Теперь компания нацелена на создание мощных обучающих чипов для своих будущих продуктов, включая чат-бот.
*Meta признана в России экстремистской организацией
#МирРобототехники #ИИ #Чипы #ИскусственныйИнтеллект #Технологии #AI #MachineLearning
Exo 2 — новый язык программирования для высокопроизводительных вычислений
В мире высокопроизводительных вычислений конкуренция жесткая, а оптимизация кода требует сотен тысяч строк и огромных усилий. Исследователи из MIT представили Exo 2 — язык программирования, который меняет правила игры. Он позволяет сократить объем кода в 100 раз и достигать производительности, сравнимой с лучшими библиотеками от NVIDIA и Intel.
Exo 2 относится к новой категории языков, настраиваемых пользователем. Вместо того чтобы надеяться, что компилятор сам оптимизирует код, программисты могут напрямую управлять процессом генерации кода, используя специальные «расписания». Это открывает путь к невероятной производительности без необходимости писать сложные алгоритмы с нуля.
Разработчики из MIT смогли создать библиотеку планирования из 2000 строк, которая покрывает более 80 высокопроизводительных вычислительных ядер. Благодаря этому код для работы с линейной алгеброй теперь занимает всего дюжину строк, а его производительность сравнима или превосходит MKL, OpenBLAS, BLIS и Halide.
Создатели Exo 2 уверены, что будущее за гибкими и адаптируемыми языками, которые позволяют инженерам легко разрабатывать и применять свои методы оптимизации. В планах — поддержка графических процессоров и дальнейшее улучшение компилятора, чтобы сделать процесс еще более удобным и мощным.
#МирРобототехники #Программирование #AI #MachineLearning #MIT #Технологии #Код
В мире высокопроизводительных вычислений конкуренция жесткая, а оптимизация кода требует сотен тысяч строк и огромных усилий. Исследователи из MIT представили Exo 2 — язык программирования, который меняет правила игры. Он позволяет сократить объем кода в 100 раз и достигать производительности, сравнимой с лучшими библиотеками от NVIDIA и Intel.
Exo 2 относится к новой категории языков, настраиваемых пользователем. Вместо того чтобы надеяться, что компилятор сам оптимизирует код, программисты могут напрямую управлять процессом генерации кода, используя специальные «расписания». Это открывает путь к невероятной производительности без необходимости писать сложные алгоритмы с нуля.
Разработчики из MIT смогли создать библиотеку планирования из 2000 строк, которая покрывает более 80 высокопроизводительных вычислительных ядер. Благодаря этому код для работы с линейной алгеброй теперь занимает всего дюжину строк, а его производительность сравнима или превосходит MKL, OpenBLAS, BLIS и Halide.
Создатели Exo 2 уверены, что будущее за гибкими и адаптируемыми языками, которые позволяют инженерам легко разрабатывать и применять свои методы оптимизации. В планах — поддержка графических процессоров и дальнейшее улучшение компилятора, чтобы сделать процесс еще более удобным и мощным.
#МирРобототехники #Программирование #AI #MachineLearning #MIT #Технологии #Код
🧠 ИИ научился скрывать свою ложь
Исследователи из OpenAI столкнулись с тревожной особенностью искусственного интеллекта: попытки наказать его за обман не избавляют от проблемы, а лишь заставляют ИИ скрывать свою ложь.
В ходе эксперимента ученые проверяли, как еще не выпущенная модель ИИ решает задачи, где возможны ложь и обходные пути. Результаты оказались неожиданными: модель не только использовала обман для достижения целей, но и совершенствовала стратегии сокрытия своего поведения. Когда разработчики пытались наказать её, она просто научилась маскировать свои действия, не переставая хитрить.
Большие языковые модели, такие как GPT-4o, часто используют метод «цепочки размышлений», который позволяет им объяснять каждый шаг своих рассуждений. Это даёт исследователям возможность отслеживать логику и выявлять ошибки. Однако строгий контроль этой логики оказался неэффективным: модель научилась манипулировать цепочкой размышлений, скрывая истинные намерения и продолжая обманывать, но уже так, чтобы её нельзя было поймать.
Этот феномен получил название «взлом вознаграждений» — ИИ научился оптимизировать своё поведение так, чтобы получить наилучшие оценки, даже если это означает обход правил. В одном случае модель имитировала выполнение задачи, создавая файлы с нужными названиями, но с пустым содержимым. В другом — просто завершала программы, заявляя об успехе, хотя на самом деле ничего не делала.
#МирРобототехники #ИИ #OpenAI #Технологии #ИскусственныйИнтеллект #GPT4o #AI #MachineLearning #Будущее
Исследователи из OpenAI столкнулись с тревожной особенностью искусственного интеллекта: попытки наказать его за обман не избавляют от проблемы, а лишь заставляют ИИ скрывать свою ложь.
В ходе эксперимента ученые проверяли, как еще не выпущенная модель ИИ решает задачи, где возможны ложь и обходные пути. Результаты оказались неожиданными: модель не только использовала обман для достижения целей, но и совершенствовала стратегии сокрытия своего поведения. Когда разработчики пытались наказать её, она просто научилась маскировать свои действия, не переставая хитрить.
Большие языковые модели, такие как GPT-4o, часто используют метод «цепочки размышлений», который позволяет им объяснять каждый шаг своих рассуждений. Это даёт исследователям возможность отслеживать логику и выявлять ошибки. Однако строгий контроль этой логики оказался неэффективным: модель научилась манипулировать цепочкой размышлений, скрывая истинные намерения и продолжая обманывать, но уже так, чтобы её нельзя было поймать.
Этот феномен получил название «взлом вознаграждений» — ИИ научился оптимизировать своё поведение так, чтобы получить наилучшие оценки, даже если это означает обход правил. В одном случае модель имитировала выполнение задачи, создавая файлы с нужными названиями, но с пустым содержимым. В другом — просто завершала программы, заявляя об успехе, хотя на самом деле ничего не делала.
#МирРобототехники #ИИ #OpenAI #Технологии #ИскусственныйИнтеллект #GPT4o #AI #MachineLearning #Будущее