💸 ആമസോണിന്റെ AWS-ന് ആന്ത്രോപിക് $100 ബില്യൺ സംഭാവന നൽകുന്നു ↗
ഏറ്റവും വലിയ AI ഇൻഫ്രാസ്ട്രക്ചർ ബന്ധങ്ങളിലൊന്നിൽ ആന്ത്രോപിക്കും ആമസോണും ഇപ്പോൾ കരാർ ശക്തമാക്കി. ക്ലോഡിനെ പരിശീലിപ്പിക്കുന്നതിനും പ്രവർത്തിപ്പിക്കുന്നതിനുമായി അടുത്ത ദശകത്തിൽ ആന്ത്രോപിക് AWS-ന് 100 ബില്യൺ ഡോളറിലധികം നൽകും.
ആമസോൺ ഉടൻ തന്നെ 5 ബില്യൺ ഡോളർ നിക്ഷേപിക്കുന്നു, 20 ബില്യൺ ഡോളർ വരെ കൂടുതൽ നിക്ഷേപിക്കാനുള്ള ഓപ്ഷനുമുണ്ട്. ഈ കരാർ ആന്ത്രോപിക്ക് ആമസോണിന്റെ ട്രെയിനിയം ചിപ്പുകളിലേക്ക് പ്രവേശനം നൽകുന്നു - അടിസ്ഥാനപരമായി ആമസോൺ പറയുന്നത്, "ദയവായി എൻവിഡിയ എന്നെന്നേക്കുമായി വാടകയ്ക്ക് എടുക്കരുത്", പക്ഷേ വളരെ വലിയ ഒരു ചെക്ക് ഉപയോഗിച്ച്.
രസകരമായ കാര്യം, അല്ലെങ്കിൽ ഒട്ടും രസകരമല്ലായിരിക്കാം, ആന്ത്രോപിക് ഇപ്പോഴും നിയന്ത്രണ സമ്മർദ്ദത്തിലാണ്, അതേസമയം ബിഗ് ടെക് ഇൻഫ്രാസ്ട്രക്ചറുമായി കൂടുതൽ ആഴത്തിൽ ഇഴുകിച്ചേരുന്നു എന്നതാണ്. വളരെ വൃത്തിയുള്ളതും, വളരെ കുഴഞ്ഞുമറിഞ്ഞതുമാണ്.
🧾 ലോബിയിംഗ് പാദത്തിൽ ആന്ത്രോപിക് ഓപ്പൺഎഐയെക്കാൾ റെക്കോർഡ് ചെലവ് രേഖപ്പെടുത്തി ↗
ആദ്യ പാദത്തിൽ ആന്ത്രോപിക് ലോബിയിംഗിനായി 1.6 മില്യൺ ഡോളർ ചെലവഴിച്ചപ്പോൾ, ഓപ്പൺഎഐ 1 മില്യൺ ഡോളർ ചെലവഴിച്ചു. ഇത് രണ്ടിനും റെക്കോർഡ് പാദമാക്കി മാറ്റുന്നു - കൂടാതെ AI ലാബുകൾ ഇനി മോഡലുകൾ നിർമ്മിക്കുക മാത്രമല്ല, പരിചയസമ്പന്നരായ ഓപ്പറേറ്റർമാരെപ്പോലെ വാഷിംഗ്ടണിൽ പ്രവർത്തിക്കുന്നു എന്നതിന്റെ വ്യക്തമായ സൂചനയും നൽകുന്നു.
കഴിഞ്ഞ വർഷത്തെ ഇതേ കാലയളവുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ആന്ത്രോപിക്കിന്റെ ചെലവ് കുത്തനെ ഉയർന്നു, ഫെഡറൽ സൂക്ഷ്മപരിശോധന, പെന്റഗൺ സംഘർഷം, ഗവൺമെന്റുകൾ അതിർത്തി AI-യെ എങ്ങനെ കൈകാര്യം ചെയ്യണമെന്നതിനെക്കുറിച്ചുള്ള വിശാലമായ പോരാട്ടം എന്നിവയുമായി ഇത് ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് റിപ്പോർട്ടുണ്ട്.
പകർപ്പവകാശം, സൈബർ സുരക്ഷ, AI നയം, ക്ലൗഡ് ഇൻഫ്രാസ്ട്രക്ചർ എന്നിവയിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ചാണ് OpenAI-യുടെ ലോബിയിംഗ്. അത്ര ആകർഷകമായ കാര്യങ്ങളല്ല, പക്ഷേ ഇവിടെയാണ് ഭാവി നിശബ്ദമായി ഒന്നിച്ചുചേർക്കുന്നത്.
🧠 ഓപ്പൺഎഐ ചാറ്റ്ജിപിടി ഇമേജസ് 2.0 പുറത്തിറക്കി ↗
മികച്ച ഇൻസ്ട്രക്ഷൻ-ഫോളോവിംഗ്, ഇമേജുകൾക്കുള്ളിൽ ശക്തമായ ടെക്സ്റ്റ് ജനറേഷൻ, കൂടുതൽ സങ്കീർണ്ണമായ വിഷ്വലുകൾ സൃഷ്ടിക്കാൻ സഹായിക്കുന്നതിന് വെബ് തിരയൽ ഉപയോഗിക്കാൻ കഴിയുന്ന പുതിയ "ചിന്തിക്കൽ" കഴിവുകൾ എന്നിവയോടെ ഓപ്പൺഎഐ ചാറ്റ്ജിപിടി ഇമേജസ് 2.0 പുറത്തിറക്കി.
ഇൻഫോഗ്രാഫിക്സ്, സ്ലൈഡുകൾ, മാപ്പുകൾ, മാംഗ, ബഹുഭാഷാ വാചകം, മൾട്ടി-ഇമേജ് ജനറേഷൻ തുടങ്ങിയ കാര്യങ്ങളെ ലക്ഷ്യം വച്ചാണ് അപ്ഗ്രേഡ്. “ഇമേജ് ടൂൾ” ഉം “ഒരു ബോക്സിലെ ചെറിയ ഡിസൈൻ ഡിപ്പാർട്ട്മെന്റും” തമ്മിലുള്ള വ്യത്യാസം സംശയാസ്പദമായി നേർത്തതായിക്കൊണ്ടിരിക്കുകയാണ്.
വലിയ മാറ്റം നിയന്ത്രണമാണ്. ഒരു മാന്ത്രിക സ്നോ ഗ്ലോബിനെ ഇളക്കുന്നതുപോലെയല്ല, മറിച്ച് അല്പം കഫീൻ അടങ്ങിയ ഒരു ആർട്ട് ഇന്റേണിനെ നയിക്കുന്നതുപോലെ ഇമേജ് ജനറേഷൻ നടത്താനാണ് OpenAI ശ്രമിക്കുന്നത്.
🎭 സെലിബ്രിറ്റികൾക്കായി AI ഡീപ്ഫേക്ക് ഡിറ്റക്ഷൻ വിപുലീകരിക്കാൻ YouTube ↗
കൂടുതൽ പൊതുജനങ്ങൾക്ക് AI- സൃഷ്ടിച്ച വീഡിയോകൾ അനുകരിക്കാനും നീക്കം ചെയ്യലുകൾ അഭ്യർത്ഥിക്കാനും കഴിയുന്ന തരത്തിൽ സാദൃശ്യം കണ്ടെത്തൽ ഉപകരണം YouTube വികസിപ്പിക്കുന്നു.
ഈ സിസ്റ്റം AI രൂപസാദൃശ്യമുള്ളവരെ സ്കാൻ ചെയ്യുകയും രജിസ്റ്റർ ചെയ്ത സെലിബ്രിറ്റികളിലേക്ക് അവരെ ഫ്ലാഗ് ചെയ്യുകയും ചെയ്യുന്നു, തുടർന്ന് YouTube-ന്റെ സ്വകാര്യതാ നയത്തിന് കീഴിൽ ഉള്ളടക്കം അവലോകനം ചെയ്യാൻ അവർക്ക് ആവശ്യപ്പെടാം. എല്ലാ നീക്കം ചെയ്യലുകളും അംഗീകരിക്കപ്പെടണമെന്നില്ല, അവിടെയാണ് മുഴുവൻ കാര്യവും മോശമാകുന്നത്.
"ഇന്റർനെറ്റ് പാനിക്" എന്നതിൽ നിന്ന് യഥാർത്ഥ പ്ലാറ്റ്ഫോം പ്ലംബിംഗിലേക്ക് ഡീപ്പ്ഫേക്കുകൾ മാറിയിരിക്കുന്നു എന്നതിന്റെ മറ്റൊരു സൂചനയാണിത്. പൈപ്പുകൾ ഇപ്പോൾ ഒടുവിൽ ലേബൽ ചെയ്തിരിക്കുന്നു.
⌨️ AI മോഡലുകളെ പരിശീലിപ്പിക്കുന്നതിനായി മെറ്റാ ജീവനക്കാരുടെ കീസ്ട്രോക്കുകൾ റെക്കോർഡ് ചെയ്യും ↗
ജീവനക്കാരുടെ മൗസ് ചലനങ്ങൾ, ബട്ടൺ ക്ലിക്കുകൾ, കീസ്ട്രോക്കുകൾ എന്നിവ പിടിച്ചെടുക്കുകയും ആ പ്രവർത്തനത്തെ AI മോഡലുകൾക്കായുള്ള പരിശീലന ഡാറ്റയാക്കി മാറ്റുകയും ചെയ്യുന്ന ഒരു ആന്തരിക ഉപകരണം മെറ്റാ പുറത്തിറക്കുന്നു.
യഥാർത്ഥ ആളുകൾ സോഫ്റ്റ്വെയർ എങ്ങനെ നാവിഗേറ്റ് ചെയ്യുന്നുവെന്നും ജോലികൾ എങ്ങനെ പൂർത്തിയാക്കുന്നുവെന്നും AI സിസ്റ്റങ്ങളെ പഠിപ്പിക്കുക എന്നതാണ് ആശയം. വിലപ്പെട്ടതാണോ? അതെ. ഓഫീസ് ജാസിൽ അൽപ്പം വിചിത്രതയുണ്ടോ? അതെ, രണ്ടും സത്യമാകാം.
ഇതാണ് മിനിയേച്ചറിലെ ഏജന്റ് റേസ്: കമ്പനികൾക്ക് ഇന്റർനെറ്റിൽ നിന്ന് ചുരണ്ടിയെടുത്ത മിനുക്കിയ വാചകം മാത്രമല്ല, എല്ലാ തകർന്ന അരികുകളുമുള്ള മനുഷ്യ വർക്ക്ഫ്ലോ ഡാറ്റ ആവശ്യമാണ്. അതിനാൽ ഇപ്പോൾ കീബോർഡ് ഒരു സാക്ഷിയായി മാറുന്നു. അൽപ്പം ഭയങ്കരൻ, അൽപ്പം ബുദ്ധിമാൻ.
🛡️ അനധികൃത ഉപയോക്താക്കൾ ആന്ത്രോപിക്കിന്റെ മിത്തോസ് സൈബർ ടൂൾ ആക്സസ് ചെയ്തതായി റിപ്പോർട്ട് ↗
കർശനമായി നിയന്ത്രിക്കേണ്ട സൈബർ സുരക്ഷ കേന്ദ്രീകരിച്ചുള്ള AI ഉപകരണമായ ആന്ത്രോപിക്സിന്റെ മിത്തോസിലേക്ക് ഒരു കൂട്ടം അനധികൃത ഉപയോക്താക്കൾ ആക്സസ് നേടിയതായി റിപ്പോർട്ടുണ്ട്.
മിത്തോസ് ഒരു പൊതു റിലീസ് ഉൽപ്പന്നമല്ല - ഇത് വിപുലമായ സൈബർ ജോലികൾക്കായി രൂപകൽപ്പന ചെയ്തിരിക്കുന്നതിനാൽ ആക്സസ് അവകാശവാദങ്ങൾ കൂടുതൽ രൂക്ഷമാകുന്നു. ശരിയാണെങ്കിൽ, സെൻസിറ്റീവ് എന്ന് വിശേഷിപ്പിക്കുന്ന സിസ്റ്റങ്ങളെ ലാബുകൾ എങ്ങനെ സുരക്ഷിതമാക്കുന്നു എന്നതിനെക്കുറിച്ച് ഇത് അസ്വസ്ഥമായ ചോദ്യങ്ങൾ ഉയർത്തുന്നു.
"ലോക്ക് ചെയ്ത മുറിയുടെ നിഗൂഢത, പക്ഷേ മുറി ഒരു ക്ലൗഡ് ഡാഷ്ബോർഡ് പോലെയാണ്" എന്ന തോന്നൽ മുഴുവൻ ഇതിലുണ്ട്. ഇപ്പോൾ AI സുരക്ഷയ്ക്ക് വളരെ അനുയോജ്യമാണ്.
🧪 മനുഷ്യസമാന പഠന ഏജന്റുമാരെ നിർമ്മിക്കുന്നതിനായി നിയോകോഗ്നിഷൻ 40 മില്യൺ ഡോളർ വിത്ത് സമാഹരിക്കുന്നു ↗
മനുഷ്യരെപ്പോലെ കൂടുതൽ പഠിക്കുന്ന ഏജന്റുമാരെ നിർമ്മിക്കുന്നതിനായി AI ഗവേഷണ ലാബ് നിയോകോഗ്നിഷൻ 40 മില്യൺ ഡോളർ വിത്ത് സമാഹരിച്ചു.
കൂടുതൽ വിശ്വസനീയവും കാര്യക്ഷമവുമായ AI സിസ്റ്റങ്ങൾക്കായി സ്റ്റാർട്ടപ്പ് പരിശ്രമിക്കുകയാണ് - പ്രായോഗിക വർക്ക്ഫ്ലോകളിൽ ഏജന്റുമാരെ ദുർബലപ്പെടുത്തുന്ന എന്തിനും നിക്ഷേപകർ തിരയുന്നതിനാൽ ഇത് വളരെ ചൂടേറിയ ഒരു മത്സരമാണ്.
ഓപ്പൺഎഐ, ആന്ത്രോപിക്, ഗൂഗിൾ എന്നിവ പരസ്പരം പോരടിക്കുന്ന ഫ്രൈയിംഗ് പാനുകൾ മാത്രമല്ല ഏജന്റ് ബൂമിന്റെ പിന്നിലെന്ന് ഇത് വീണ്ടും ഓർമ്മിപ്പിക്കുന്നു. ചെറിയ ലാബുകളും വട്ടമിട്ടു പറക്കുന്നുണ്ട്, ചിലത് ശരിയായ അഭിലാഷമുള്ള മൂൺ-റോക്ക് എനർജിയോടെ.
പതിവുചോദ്യങ്ങൾ
എന്തുകൊണ്ടാണ് ആന്ത്രോപിക് AWS-ന് 100 ബില്യൺ ഡോളർ നൽകുന്നത്?
ക്ലോഡിനെ പരിശീലിപ്പിക്കുന്നതിനും പ്രവർത്തിപ്പിക്കുന്നതിനുമായി ആന്ത്രോപിക് അടുത്ത ദശകത്തിൽ AWS-ന് 100 ബില്യൺ ഡോളറിലധികം നൽകും. ആമസോണിന്റെ ക്ലൗഡ് ഇൻഫ്രാസ്ട്രക്ചറിലേക്കും ട്രെയിനിയം ചിപ്പുകളിലേക്കും ആന്ത്രോപിക്കിന് കൂടുതൽ പ്രവേശനം ഈ കരാർ നൽകുന്നു. മോഡൽ വികസനം വിശാലമായ കമ്പ്യൂട്ട് പങ്കാളിത്തങ്ങളെ കൂടുതലായി ആശ്രയിക്കുന്നതിനാൽ, അതിർത്തി AI സിസ്റ്റങ്ങൾ എത്രത്തോളം ചെലവേറിയതായി മാറിയെന്നും ഇത് പ്രതിഫലിപ്പിക്കുന്നു.
ആന്ത്രോപിക്, ആമസോൺ ഇടപാടുകൾ AI ഇൻഫ്രാസ്ട്രക്ചറിന് എന്താണ് അർത്ഥമാക്കുന്നത്?
ആന്ത്രോപിക്, ആമസോൺ ഇടപാട് ബിഗ് ടെക് ക്ലൗഡ് പ്ലാറ്റ്ഫോമുകളുമായി AI ഇൻഫ്രാസ്ട്രക്ചർ എത്രത്തോളം ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് കാണിക്കുന്നു. ആമസോൺ കോടിക്കണക്കിന് നിക്ഷേപിക്കുന്നു, അതേസമയം ആന്ത്രോപിക് AWS-ൽ വലിയ ദീർഘകാല ചെലവുകൾ നടത്തുന്നു. ഈ ക്രമീകരണങ്ങൾ AI ലാബുകളെ സ്കെയിൽ ചെയ്യാൻ സഹായിക്കും, പക്ഷേ അവ ആശ്രിതത്വം, മത്സരം, നിയന്ത്രണ പരിശോധന എന്നിവയെക്കുറിച്ചുള്ള ചോദ്യങ്ങളും ഉയർത്തുന്നു.
എന്തുകൊണ്ടാണ് ആന്ത്രോപിക്കും ഓപ്പൺഎഐയും ലോബിയിംഗിനായി കൂടുതൽ പണം ചെലവഴിക്കുന്നത്?
ആന്ത്രോപിക്കും ഓപ്പൺഎഐയും ലോബിയിംഗിനായി കൂടുതൽ ചെലവഴിക്കുന്നത് AI നയം അവരുടെ ഭാവിയിലെ കേന്ദ്രബിന്ദുവായി മാറുന്നതിനാലാണ്. ആദ്യ പാദത്തിൽ ആന്ത്രോപിക് 1.6 മില്യൺ ഡോളർ ചെലവഴിച്ചപ്പോൾ, ഓപ്പൺഎഐ 1 മില്യൺ ഡോളർ ചെലവഴിച്ചതായി ലേഖനം പറയുന്നു. ഫെഡറൽ സൂക്ഷ്മപരിശോധന, പകർപ്പവകാശം, സൈബർ സുരക്ഷ, AI നയം, ക്ലൗഡ് ഇൻഫ്രാസ്ട്രക്ചർ, ഗവൺമെന്റുകൾ അതിർത്തി AI എങ്ങനെ നിയന്ത്രിക്കണം എന്നിവയാണ് അവരുടെ ശ്രദ്ധാകേന്ദ്രങ്ങൾ.
ChatGPT ഇമേജസ് 2.0 ൽ പുതിയതെന്താണ്?
ChatGPT ഇമേജസ് 2.0 നെ ഇൻസ്ട്രക്ഷൻ-ഫോളോയിംഗ്, ഇമേജുകൾക്കുള്ളിലെ ടെക്സ്റ്റ് ജനറേഷൻ, വെബ് സെർച്ച് ഉപയോഗിച്ച് കൂടുതൽ സങ്കീർണ്ണമായ വിഷ്വലുകൾക്കായി ഉപയോഗിക്കാൻ കഴിയുന്ന "ചിന്ത" കഴിവുകൾ എന്നിവ മെച്ചപ്പെടുത്തുന്നതായി വിവരിക്കുന്നു. ഇൻഫോഗ്രാഫിക്സ്, സ്ലൈഡുകൾ, മാപ്പുകൾ, മാംഗ, ബഹുഭാഷാ ടെക്സ്റ്റ്, മൾട്ടി-ഇമേജ് ജനറേഷൻ എന്നിവ ലക്ഷ്യമിട്ടാണ് അപ്ഗ്രേഡ്. ഇമേജ് നിർമ്മാണത്തിൽ കൂടുതൽ നിയന്ത്രണവും കുറഞ്ഞ ഊഹക്കച്ചവടവും ലക്ഷ്യമിട്ടാണ് പ്രധാന മാറ്റം.
സെലിബ്രിറ്റികളുടെ AI ഡീപ്ഫേക്കുകൾ YouTube എങ്ങനെയാണ് കൈകാര്യം ചെയ്യുന്നത്?
കൂടുതൽ പൊതുജനങ്ങൾക്ക് AI-സൃഷ്ടിച്ച വീഡിയോകൾ അനുകരിക്കാൻ കഴിയുന്ന തരത്തിൽ സാദൃശ്യം കണ്ടെത്തൽ ഉപകരണം YouTube വികസിപ്പിക്കുന്നു. YouTube-ന്റെ സ്വകാര്യതാ നയത്തിന് കീഴിൽ, എൻറോൾ ചെയ്ത സെലിബ്രിറ്റികൾക്ക് സാധ്യമായ AI-സമാനതകളെക്കുറിച്ച് മുന്നറിയിപ്പ് നൽകാനും നീക്കം ചെയ്യൽ അവലോകനങ്ങൾ അഭ്യർത്ഥിക്കാനും കഴിയും. എല്ലാ അഭ്യർത്ഥനകളും സ്വയമേവ അംഗീകരിക്കപ്പെടില്ല, അതിനാൽ സിസ്റ്റം ഇപ്പോഴും പ്ലാറ്റ്ഫോം അവലോകനത്തെയും സന്ദർഭത്തെയും ആശ്രയിച്ചിരിക്കുന്നു.
AI പരിശീലനത്തിനായി മെറ്റാ ജീവനക്കാരുടെ കീസ്ട്രോക്കുകൾ റെക്കോർഡ് ചെയ്യുന്നത് എന്തുകൊണ്ട്?
ജീവനക്കാരുടെ മൗസ് ചലനങ്ങൾ, ക്ലിക്കുകൾ, കീസ്ട്രോക്കുകൾ എന്നിവ പിടിച്ചെടുക്കുകയും പിന്നീട് ആ പ്രവർത്തനത്തെ AI പരിശീലന ഡാറ്റയാക്കി മാറ്റുകയും ചെയ്യുന്ന ഒരു ആന്തരിക ഉപകരണം മെറ്റാ പുറത്തിറക്കുകയാണ്. ആളുകൾ സോഫ്റ്റ്വെയർ എങ്ങനെ നാവിഗേറ്റ് ചെയ്യുന്നുവെന്നും ജോലികൾ പൂർത്തിയാക്കുന്നുവെന്നും AI സിസ്റ്റങ്ങളെ പഠിപ്പിക്കുക എന്നതാണ് ലക്ഷ്യം. പല ഏജന്റ് വർക്ക്ഫ്ലോകളിലും, ഇത്തരത്തിലുള്ള മനുഷ്യ പ്രവർത്തന ഡാറ്റ മോഡലുകളെ പ്രായോഗികവും ഘട്ടം ഘട്ടവുമായ പെരുമാറ്റം പഠിക്കാൻ സഹായിച്ചേക്കാം.