OpenAI przygotowuje ChatGPT do przejścia na „superaplikację” ↗
Według doniesień OpenAI przekształca ChatGPT z chatbota do pytań i odpowiedzi w szerszą „superaplikację” – narzędzia do kodowania, agenci, generowanie obrazów i aplikacje partnerskie zebrane w jednym miejscu. Pomysł jest niemal rozbrajająco prosty, ale produkt ma ogromny potencjał. (Fortune)
Większym wyzwaniem jest to, że użytkownicy nie będą po prostu prosić AI o odpowiedzi. Będą jej powierzać trudne zadania – rezerwacje, kalendarze, kodowanie, przepływy pracy – i oczekiwać, że zrobi to poprawnie. To teraz polowanie na fosę.
Perplexity pozwala modelom sztucznej inteligencji tworzyć własne kanały wyszukiwania ↗
Rozwiązanie „Search as Code” firmy Perplexity przekształca wyszukiwanie z ustalonych wywołań API w przepływy pracy w Pythonie tworzone na podstawie modeli. Zamiast szturchać czarną skrzynkę zapytaniami, model buduje własną, maleńką maszynę wyszukiwania. (Dekoder)
Firma twierdzi, że wykorzystała znacznie mniej tokenów w benchmarku cyberbezpieczeństwa i była liderem w większości testów. Oczywiście, należy podchodzić do tych przechwałek z rezerwą – ale pomysł jest błyskotliwy.
Nvidia zawiera nowe umowy dotyczące infrastruktury AI w Korei Południowej ↗
Nvidia ogłosiła pakiet partnerstw z Koreą Południową obejmujący układy pamięci, chmurę AI, centra danych, robotykę i produkcję. Wśród firm, które znalazły się na liście maszyn, znalazły się SK Hynix, SK Telecom, Naver, Doosan, LG Group i Hyundai. (Reuters)
Ważna kwestia praktyczna: Nvidia chce zapewnić sobie dostęp do zaawansowanych zasobów pamięci, jednocześnie wpychając „fabryki sztucznej inteligencji” głębiej w stos przemysłowy. Efektowne? Niezbyt. Ważne? Bardzo.
Biznes AI stoi w obliczu czterech trudnych realiów ↗
Historia rynku sztucznej inteligencji przyjęła chłodniejszą formę: wysokie koszty, wolniejszy zwrot z inwestycji, silny, ale nie magicznie nieskończony popyt na infrastrukturę oraz finansowanie, które może pozostać drogie. To mokry karton pod złotą rakietą. (Axios)
Kluczowe napięcie jest proste: sztuczna inteligencja jako technologia może być szalenie obiecująca, podczas gdy sztuczna inteligencja jako biznes może nadal wydawać się droga, nieudolna i niedofinansowana. Obie te rzeczy mogą być prawdziwe – irytujące, ale prawdziwe.
Banki przygotowują grunt pod masowe redukcje zatrudnienia w miarę upowszechniania się sztucznej inteligencji ↗
Banki podobno drastycznie zmniejszają liczbę młodszych analityków, w niektórych przypadkach drastycznie, wciąż jednak polegają na tych młodych pracownikach, którzy szukają przyszłych talentów w dziedzinie sztucznej inteligencji. To osobliwy mały uroboros, który sam sobie przeczy. (Fortune)
Krótkoterminowe zastosowania sztucznej inteligencji są bardziej ukierunkowane niż science fiction: obsługa klienta, monitorowanie transakcji, monitorowanie handlu. Mniej „banku robotów”, więcej „wielu drobnych cięć i automatyzacji”
W najbardziej ruchliwym europejskim magazynie Amazona, gdzie roboty, lasery i ludzie tworzą przyszłość ↗
Magazyn LCY3 firmy Amazon w Dartford działa z wykorzystaniem robotów mobilnych, oprogramowania AI, skanerów i systemów przenośników, które transportują miliony jednostek tygodniowo. Brzmi to jak połączenie centrum realizacji zamówień i przemysłowego stołu do gry w pinball. (Euronews)
Część poświęcona sztucznej inteligencji jest praktyczna: koordynacja robotów, optymalizacja tras, pomiary opakowań, odczytywanie etykiet i sortowanie towarów. Nie chodzi tu o efektowne chatboty – bardziej o niewidzialny szkielet handlu detalicznego, który staje się coraz szybszy.
Często zadawane pytania
Co oznacza doniesienia OpenAI o przełomie w aplikacji ChatGPT?
Według doniesień OpenAI rozszerza ChatGPT poza prostego chatbota z pytaniami i odpowiedziami, przekształcając go w szersze centrum przypominające aplikację. Ideą jest połączenie narzędzi programistycznych, agentów AI, generowania obrazów i aplikacji partnerskich w jednym miejscu. Zamiast tylko odpowiadać na pytania, ChatGPT miałby pomagać w realizacji większych zadań, takich jak rezerwacje, kalendarze, kodowanie i przepływy pracy.
Dlaczego agenci AI stają się tak ważnym tematem w wiadomościach o sztucznej inteligencji?
Agenci AI są istotni, ponieważ przenoszą cel produktu z udzielania odpowiedzi na działanie. W tym artykule tematem przewodnim są użytkownicy, którzy powierzają sztucznej inteligencji złożone zadania i oczekują, że wykona je prawidłowo. To sprawia, że niezawodność, obsługa przepływu pracy i wartościowe integracje są ważniejsze niż samo generowanie dopracowanych odpowiedzi.
Na czym polega podejście Perplexity „Szukaj jako kod”?
Funkcja „Search as Code” firmy Perplexity pozwala modelom sztucznej inteligencji pisać przepływy pracy w Pythonie dla wyszukiwania, zamiast wywoływać tylko ustalone interfejsy API wyszukiwania. Oznacza to, że model może zbudować niewielki, niestandardowy proces wyszukiwania dla tego zadania. W artykule czytamy, że Perplexity twierdzi, że w teście porównawczym cyberbezpieczeństwa rozwiązanie to zużywało mniej tokenów, choć do tych twierdzeń należy podchodzić z ostrożnością.
Dlaczego umowy firmy Nvidia na infrastrukturę AI w Korei Południowej są ważne?
Transakcje Nvidii w Korei Południowej są istotne, ponieważ łączą infrastrukturę AI z układami pamięci, chmurą, centrami danych, robotyką i produkcją. Wśród wymienionych firm znajdują się SK Hynix, SK Telecom, Naver, Doosan, LG Group i Hyundai. Praktycznym celem jest zabezpieczenie dostaw zaawansowanej pamięci przy jednoczesnym wdrożeniu „fabryk AI” w operacje przemysłowe.
Z jakimi trudnymi realiami biznesowymi mierzą się firmy zajmujące się sztuczną inteligencją?
Artykuł wskazuje na cztery główne czynniki presji związane z branżą AI: wysokie koszty, wolniejszy zwrot z inwestycji, ograniczone zapotrzebowanie na infrastrukturę i drogie finansowanie. Nie chodzi o to, że AI jako technologia zawodzi. Chodzi o to, że budowanie rentownych firm AI nadal może być kosztowne, nierówne i trudniejsze do spieniężenia, niż sugerują zawyżone oczekiwania.
Jak sztuczna inteligencja wpływa na pracę w bankach i finansach?
Banki podobno redukują liczbę młodszych analityków, jednocześnie nadal polegając na pracownikach na wczesnym etapie kariery jako przyszłej puli talentów w dziedzinie sztucznej inteligencji. Opisane krótkoterminowe zastosowania są praktyczne i ukierunkowane, obejmując obsługę klienta, monitorowanie transakcji i monitorowanie transakcji. Zamiast zastępować całe banki, sztuczna inteligencja wydaje się tworzyć wiele mniejszych automatyzacji w ramach istniejących przepływów pracy.