ВНИМАНИЕ! На форуме начался конкурс - астрофотография месяца - АВГУСТ!
0 Пользователей и 2 Гостей просматривают эту тему.
По оценке аналитиков IBS, ввод в эксплуатацию предприятия, способного выпускать чипы по норме 2 нм и обрабатывать порядка 50 тыс. полупроводниковых пластин в месяц, обойдется чипмейкерам в $28 млрд.
Цитата: Olweg от 10 Фев 2024 [10:46:57]Триллионов? Цитата: Combinator от 10 Фев 2024 [11:20:42]Цитата: Olweg от 10 Фев 2024 [10:46:57]Триллионов? Миллиародов, конечно. Триллионов конечно. За 5-7 миллиардов даже один современный завод чипов не построишь
Триллионов?
Цитата: Olweg от 10 Фев 2024 [10:46:57]Триллионов? Миллиародов, конечно.
Глава ОпенАИ ищет 5-7 триллионов на расширение производства чипов, для новой ИИ индустрии.
Для справки - весь бюджет США за прошлый год - порядка 6 триллинов.
так у них же есть крутой ИИ. пусть заработает или улучшит на порядок существующие чипы.GPU уже минимум 3 компании делают. с любой подружись и улучшай.
а битки майнить ии ещё не пытались приспособить?
Ага и что?
Ну вот ссылка на эту же новость на русском: https://www.cryptopolitan.com/ru/%D0%B3%D0%B5%D0%BD%D0%B5%D1%80%D0%B0%D0%BB%D1%8C%D0%BD%D1%8B%D0%B9-%D0%B4%D0%B8%D1%80%D0%B5%D0%BA%D1%82%D0%BE%D1%80-openai-%D0%B2%D0%BE%D0%B7%D0%B3%D0%BB%D0%B0%D0%B2%D0%BB%D1%8F%D0%B5%D1%82-%D0%BF%D1%80%D0%BE%D0%B8%D0%B7%D0%B2%D0%BE%D0%B4%D1%81%D1%82%D0%B2%D0%BE-%D1%87%D0%B8%D0%BF%D0%BE%D0%B2-%D0%B8%D1%81%D0%BA%D1%83%D1%81%D1%81%D1%82%D0%B2%D0%B5%D0%BD%D0%BD%D0%BE%D0%B3%D0%BE-%D0%B8%D0%BD%D1%82%D0%B5%D0%BB%D0%BB%D0%B5%D0%BA%D1%82%D0%B0/
Англиский ближе к первоисточнику и безусловно там триллионы.
В любом случае, сам Альтман отказался комментировать эту новость. Подозреваю, что кто-то из журналистов перепутал миллиарды с триллионами.
FunSearch использует другой подход. Он сочетает в себе большую языковую модель под названием Codey, версию PaLM 2 от Google, которая точно настроена на компьютерный код , с другими системами, которые отклоняют неправильные или бессмысленные ответы и снова подключают хорошие.«Честно говоря, у нас есть гипотезы, но мы не знаем точно, почему это работает», — говорит Альхуссейн Фаузи , научный сотрудник Google DeepMind. «В начале проекта мы не знали, сработает ли это вообще».Исследователи начали с наброска проблемы, которую они хотели решить с помощью Python, популярного языка программирования. Но они исключили из программы строки, описывающие, как ее решить. Вот тут-то и приходит на помощь FunSearch. Он заставляет Коди заполнять пробелы — по сути, предлагать код, который решит проблему.Затем второй алгоритм проверяет и оценивает то, что приходит Коди. Лучшие предложения — даже если они еще не верны — сохраняются и возвращаются Коди, который пытается завершить программу еще раз. «Многие из них будут бессмысленными, некоторые — разумными, а некоторые — по-настоящему вдохновленными», — говорит Кохли. «Вы берете те, которые действительно вдохновлены, и говорите: «Хорошо, возьмите эти и повторите».После пары миллионов предложений и нескольких десятков повторений всего процесса, что заняло несколько дней, FunSearch смог придумать код, который дал правильное и ранее неизвестное решение проблемы ограничения набора, которая включает в себя поиск наибольшего размера. набора определенного типа. Представьте себе, что вы рисуете точки на миллиметровой бумаге. Проблема с набором ограничений подобна попытке выяснить, сколько точек вы можете поставить так, чтобы три из них никогда не образовали прямую линию.
Это суперниша, но важная. Математики не пришли к единому мнению даже о том, как ее решить, не говоря уже о том, какое это решение. (Это также связано с умножением матриц — вычислениями, которые AlphaTensor нашла способ ускорить .) Теренс Тао из Калифорнийского университета в Лос-Анджелесе, получивший множество высших наград в области математики, в том числе медаль Филдса, называемую Проблема с набором шапок «возможно, мой любимый открытый вопрос» в сообщении в блоге 2007 года .Тао заинтригован возможностями FunSearch. «Это многообещающая парадигма», — говорит он. «Это интересный способ использовать возможности больших языковых моделей».Ключевое преимущество FunSearch перед AlphaTensor заключается в том, что теоретически его можно использовать для поиска решений широкого круга проблем. Это потому, что он создает код — рецепт создания решения, а не само решение. Разный код решит разные проблемы. Результаты FunSearch также легче понять. «Рецепт часто более ясен, чем странное математическое решение, которое он дает», — говорит Фаузи.Чтобы проверить его универсальность, исследователи использовали FunSearch для решения еще одной сложной математической задачи: задачи упаковки корзин, которая предполагает попытку упаковать предметы в как можно меньшее количество корзин. Это важно для целого ряда приложений в области информатики, от управления центрами обработки данных до электронной коммерции. Компания FunSearch придумала способ решить эту проблему быстрее, чем те, которые придумал человек.Математики «все еще пытаются найти лучший способ включить большие языковые модели в наш исследовательский рабочий процесс таким образом, чтобы использовать их возможности и одновременно смягчить их недостатки», — говорит Тао. «Это, безусловно, указывает на один из возможных путей вперед».
Роботы гуманойды но на колёсах, от Стартапа финансируемого ОпенАИ.https://habr.com/ru/news/793454/Недостатки колёс можно увидеть даже на промокадрах.
Зато дёшево. На самом деле, для перемещения внутри стандартной квартиры или небольшого склада ходули не особо нужны.
Как видим по фотке нужны, или придётся ставить пандусы на все пороги как сделали изобретатели робота
Наши люди в булочную на такси не ездят имеют квартиры без вяких там межкомнатных порогов. На самом деле, так как приседать они умеют, в будущем, возможно, научатся и запрыгивать на небольшие пороги. Вот с лесницами будет сложнее, да.