Berita
Antara Utopia dan Runtuh: Mobilitas di Masa Depan Pertengahan Kecerdasan Buatan
Bergabunglah dengan acara bahwa para pemimpin lembaga telah dipercaya selama hampir dua dekade. VB Transform menggabungkan orang yang membangun strategi AI untuk institusi nyata. Pelajari lebih lanjut
Di posting blog Keunikan yang lembutCEO Openai Sam Altman menarik visi untuk waktu dekat sebagai kecerdasan buatan dengan tenang dan khususnya mengubah kehidupan manusia. Disarankan, tidak akan ada istirahat yang tajam, hanya kenaikan tetap, hampir tidak terlihat terhadap kelimpahan. Kecerdasan akan tersedia seperti listrik. Robot akan melakukan tugas yang sangat berguna pada tahun 2027. Penemuan ilmiah akan meningkat. Kemanusiaan akan berkembang, jika dipandu dengan benar oleh penilaian yang tepat dan niat baik.
Ini adalah visi yang meyakinkan: tenang, teknokratis dan profesional dengan optimisme. Tapi itu menimbulkan pertanyaan yang lebih dalam. Dunia macam apa yang harus kita lewati untuk sampai ke sana? Siapa yang menguntungkan dan kapan? Apa yang tersisa tidak dibayar dalam busur kemajuan yang halus ini?
Penulis fiksi ilmiah, William Gibson, menawarkan skenario yang lebih gelap. Dalam novelnya KelilingTeknologi masa depan mendahului sesuatu yang disebut “Grand Prix”-serangkaian bencana iklim yang lambat, epidemi, keruntuhan ekonomi dan kematian kolektif. Teknologi ditawarkan, tetapi hanya setelah patah tulang. Pertanyaan yang diajukan adalah apakah kemajuan telah terjadi, tetapi apakah peradaban berkembang dalam proses ini.
Ada argumen bahwa kecerdasan buatan dapat membantu mencegah jenis bencana yang disempurnakan Keliling. Namun, apakah kecerdasan buatan akan membantu kita menghindari bencana atau menemani kita hanya melalui mereka masih belum dikonfirmasi. Keyakinan pada kekuatan AI di masa depan bukanlah jaminan kinerja, dan pengembangan teknologi bukanlah takdir.
Antara keunikan yang lembut di Altman dan hadiah utama Gibson terletak sebuah tanah di dataran tinggi: masa depan di mana Amnesty International mencapai keuntungan nyata, tetapi juga dislokasi nyata. Masa depan di mana beberapa masyarakat berkembang sementara yang lain tertarik, dan di mana kemampuan kita untuk beradaptasi secara kolektif – tidak hanya secara individu atau kelembagaan – variabel spesifik.
Media misterius
Visi lain membantu menggambar fitur medan tengah ini. Dalam film kegembiraan yang dekat MembakarKomunitas itu terbenam oleh otomatisasi sebelum lembaganya siap. Pekerjaan menghilang lebih cepat daripada orang yang dapat mengembalikan diultur mereka, yang menyebabkan gangguan dan penindasan. Dalam hal ini, seorang pengacara yang sukses kehilangan posisinya untuk pelanggan Amnesty International, dan menjadi tidak senang dengan jaring orang kaya.
Para peneliti di AI Lab Anthropic baru -baru ini Mengulang Topik ini: “Kita harus berharap untuk melihat mekanisme (pekerjaan kerah putih) selama lima tahun ke depan.” Meskipun alasannya rumit, ada Tanda -tanda awal ini Dan bahwa pasar tenaga kerja masuk Tahap struktural baru Ini kurang stabil, kurang dapat diprediksi dan mungkin kurang penting bagaimana masyarakat didistribusikan dalam makna dan keamanan.
Film Elisum Ini memberikan metafora yang tajam bagi orang kaya yang melarikan diri ke tempat -tempat tropis dengan teknik canggih, sementara tanah yang memburuk di bawah konflik dengan hak dan akses yang tidak setara. Beberapa tahun yang lalu, seorang mitra di perusahaan modal investasi di Silicon Valley mengatakan kepada saya bahwa dia takut bahwa kita akan pergi ke jenis skenario ini kecuali kita mendistribusikan manfaat yang dihasilkan oleh kecerdasan buatan. Dunia -dunia spekulatif ini mengingatkan kita bahwa bahkan teknologi yang berguna dapat secara sosial mudah berubah, terutama ketika keuntungan mereka didistribusikan secara tidak merata.
Pada akhirnya, kita dapat mencapai sesuatu seperti melihat Altman untuk berlimpah. Tapi jalannya tidak mungkin halus. Terlepas dari semua ketenangan dan konfirmasi, artikelnya juga merupakan jenis stadion, sebanyak membujuk sebanyak prediksi. Narasi “keunikan lembut” nyaman, dan bahkan menggoda, khususnya karena melebihi gesekan. Ini memberikan manfaat yang belum pernah terjadi sebelumnya tanpa sepenuhnya berjuang dengan gangguan yang biasanya dibawa oleh transformasi seperti itu. Klise abadi juga mengingatkan kita: jika terlihat sangat bagus, kemungkinan besar.
Ini tidak berarti bahwa niatnya menipu. Faktanya, hati mungkin. Argumen saya hanyalah pengakuan bahwa dunia adalah sistem yang kompleks, terbuka untuk input tanpa batas yang dapat memiliki konsekuensi yang tidak dapat diprediksi. Dari konjugasi bencana yang baik Black Swan Acara, jarang satu hal, atau satu teknik, menentukan jalannya acara di masa depan.
Efek kecerdasan buatan pada masyarakat sudah berlangsung. Ini bukan hanya transformasi dalam keterampilan dan sektor; Ini adalah pergeseran dalam cara mengatur nilai, kepercayaan, dan kepemilikan. Ini adalah dunia imigrasi kolektif: tidak hanya pergerakan pekerjaan, tetapi tujuannya.
Ketika kecerdasan buatan memulihkan medan persepsi, jalinan dunia sosial kita diam -diam diperketat dan disukai, untuk yang lebih baik atau lebih buruk. Pertanyaannya bukan hanya tingkat langkah kita sebagai masyarakat, tetapi sejauh mana transfer kita.
Rumor Pengetahuan: Medan Bersama dari Pemahaman
Secara historis, publik merujuk pada sumber daya material bersama, termasuk padang rumput, perikanan, dan berdiri dalam kepercayaan diri untuk kebaikan kolektif. Namun, masyarakat modern juga bergantung pada rumor kognitif: bidang pengetahuan umum, narasi, standar dan institusi yang memungkinkan beragam individu untuk berpikir dan kontroversi dan memutuskan bersama dalam konflik minimum.
Infrastruktur yang belum selesai ini terdiri dari pendidikan publik, jurnalisme, perpustakaan, ritual sipil, dan bahkan fakta yang dapat diandalkan secara luas, dan ini memungkinkan pluralisme. Ini adalah cara orang asing berdagang, bagaimana masyarakat kompatibel dan bagaimana demokrasi bekerja. Ketika sistem kecerdasan buatan mulai memediasi bagaimana mencapai pengetahuan dan membentuk keyakinan, risiko medan yang umum ini menjadi rusak. Bahayanya bukan hanya informasi yang menyesatkan, tetapi erosi yang lambat dari bumi itu sendiri tergantung pada makna yang sama.
Jika migrasi kognitif adalah sebuah perjalanan, itu tidak hanya menuju keterampilan atau peran baru tetapi juga menuju bentuk -bentuk baru indera kolektif. Tapi apa yang terjadi ketika medan yang kita bagikan dalam pemisahan dimulai di bawahnya?
Ketika fragmen persepsi: kecerdasan buatan dan erosi dunia umum
Selama beberapa abad, masyarakat mengandalkan kebenaran umum yang longgar: koleksi bersama fakta, novel, dan institusi yang merupakan cara orang memahami dunia dan satu sama lain. Dunia umum ini – tidak hanya infrastruktur atau ekonomi – adalah dunia yang memungkinkan pluralisme, demokrasi, dan kepercayaan diri sosial. Tetapi dengan meningkatnya mediasi sistem kecerdasan buatan dalam bagaimana orang mencapai pengetahuan, membangun iman dan mobilitas dalam kehidupan sehari -hari, tanah umum ini mengabaikan.
Memang, alokasi secara luas mengubah adegan media. Ekstrak berita yang terkoordinasi, hasil penelitian khusus dan rekomendasi dari rekomendasi tersebut rusak dengan terampil. Dua orang mungkin menerima pertanyaan yang sama tentang jawaban yang sama dengan chatbot yang sama, sebagian karena kemungkinan Amnesty International, tetapi juga karena reaksi sebelumnya atau preferensi yang diekstraksi. Meskipun alokasi telah lama menjadi keuntungan di era digital, turbocharces AI mencapai kedatangan dan akurasi. Hasilnya tidak hanya Filter BubblesIni adalah kognitif yang melayang – membentuk kembali pengetahuan dan mungkin kebenaran.
Sejarawan Yoval Noah Harrarie telah menyatakan keprihatinannya yang mendesak tentang perubahan ini. Menurut pendapatnya, ancaman terbesar dalam kecerdasan buatan tidak terletak pada bahaya fisik atau perpindahan fungsional, tetapi dalam penangkapan emosional. Dia telah memperingatkan sistem kecerdasan buatan, dan telah menjadi semakin cerdik dalam mensimulasikan simpati, mensimulasikan kecemasan dan merancang novel untuk psikologi individu – memberi mereka otoritas yang belum pernah terjadi sebelumnya untuk membentuk cara orang berpikir, merasakan dan membantu nilai. Bahayanya luar biasa dari sudut pandang Harry, bukan karena kecerdasan buatan akan berbohong, tetapi karena akan berkomunikasi dengan meyakinkan saat melakukannya. Ini tidak berkhotbah baik untuk Keunikan yang lembut.
Dalam dunia kecerdasan buatan, realitas itu sendiri berisiko menjadi lebih individu, lebih banyak negosiasi yang lebih kesatuan dan kurang kolektif. Ini mungkin dapat diterima – atau bahkan berguna – untuk produk konsumen atau hiburan. Tetapi ketika meluas ke kehidupan sipil, itu menimbulkan risiko yang lebih dalam. Bisakah kita tetap membuat wacana demokratis jika setiap warga negara menghuni peta kognitif yang berbeda dengan keterampilan? Bisakah kita tetap menilai dengan bijak ketika sumber -sumber eksternal semakin banyak digunakan untuk pengetahuan kelembagaan mesin yang tetap pelatihan dan tuntutan dalam sistem dan operasi berpikir tidak transparan?
Ada tantangan lain juga. Konten yang dibuat oleh AI, termasuk teks, suara dan video, akan dibedakan dekat dengan output manusia. Ketika model kebidanan menjadi lebih terampil dalam tiruan, beban verifikasi sistem akan berubah menjadi individu. Kudeta ini dapat menyebabkan kepercayaan diri tidak hanya dalam apa yang kita lihat dan dengar, tetapi di lembaga -lembaga yang telah divalidasi oleh kebenaran umum. Kemudian rumor kognitif menjadi terkontaminasi, lebih sedikit tempat perdagangan, dan lebih dari Aula Cermin.
Ini bukan masalah spekulatif. Informasi yang salah yang dihasilkan oleh kecerdasan buatan adalah kompleksitas pemilihan, meremehkan pers dan penciptaan konflik di bidang konflik. Sementara lebih banyak orang bergantung pada kecerdasan buatan dari tugas -tugas kognitif – dari meringkas berita hingga memecahkan dilema moral, kemampuan untuk berpikir bersama dapat membusuk, bahkan dengan alat yang diperlukan untuk berpikir secara individual.
Kecenderungan menuju disintegrasi realitas umum ini sekarang menjadi canggih yang baik. Untuk menghindari hal ini, desain meteran sadar membutuhkan: sistem yang memberikan prioritas pada pluralisme pada alokasi, transparansi pada kenyamanan dan makna umum pada realitas yang dirancang. Di dunia algoritma yang dibayar oleh persaingan dan laba, opsi -opsi ini tampaknya tidak mungkin, setidaknya dalam skala besar. Pertanyaannya bukan hanya seberapa cepat kita bergerak sebagai masyarakat, atau bahkan jika kita dapat mempertahankannya, tetapi bagaimana kita bergerak dengan kebijaksanaan dari perjalanan umum ini.
Mobilitas di Kepulauan: Menuju Kebijaksanaan di Era Kecerdasan Buatan
Jika zaman kecerdasan buatan tidak mengarah pada reaksi yang seragam, melainkan ke kepulauan individu yang rusak dan masyarakat yang berbeda, maka tugas di hadapan kita bukanlah untuk membangun kembali medan lama, tetapi untuk mengetahui bagaimana hidup dengan bijak di antara pulau -pulau.
Karena kecepatan dan ruang lingkup perubahan melebihi kemampuan kebanyakan orang untuk beradaptasi, banyak dari mereka tidak akan merasa tidak. Pekerjaan akan hilang, karena novel -novel yang mengendalikan nilai, pengalaman dan kepemilikan akan lama dilakukan. Imigrasi kognitif akan mengarah pada masyarakat baru makna, beberapa di antaranya sudah terbentuk, bahkan karena mereka kurang umum dibandingkan usia sebelumnya. Ini adalah kepulauan kognitif: masyarakat di mana orang berkumpul tentang kepercayaan umum, metode estetika, ideologi, minat hiburan atau kebutuhan emosional. Beberapa dari mereka adalah kelompok kreativitas, dukungan, atau tujuan yang jinak. Yang lain lebih terisolasi dan berbahaya, didorong oleh ketakutan, keluhan atau pemikiran konspirasi.
Kemajuan kecerdasan buatan akan mempercepat tren ini. Meskipun orang saling mengabaikan melalui akurasi algoritma, ini akan membantu orang secara bersamaan menemukan satu sama lain di seluruh dunia, mengatur keselarasan identitas yang lebih akurat. Tetapi ketika melakukan ini, mungkin membuat sulit untuk menjaga gesekan yang keras tetapi perlu untuk pluralisme. Hubungan lokal mungkin melemah. Sistem kepercayaan umum dan persepsi realitas umum dapat terkikis. Demokrasi, yang tergantung pada realitas umum dan dialog yang disengaja, mungkin berjuang untuk mempertahankannya.
Bagaimana kita mentransfer medan baru ini dengan kebijaksanaan, martabat, dan kontak? Jika kita tidak dapat mencegah fragmentasi, bagaimana kita bisa hidup di dalamnya dengan cara kemanusiaan? Jawabannya mungkin tidak dimulai dengan solusi, tetapi dengan belajar mengetahui pertanyaan yang sama secara berbeda.
Hidup dengan pertanyaan
Kita mungkin tidak dapat mensampaikan kembali rumor kognitif sosial seperti sebelumnya. Pusat mungkin tidak tabah, tetapi ini tidak berarti bahwa kita harus melayang tanpa arah. Melalui kepulauan, tugas itu akan belajar untuk hidup dengan bijak di medan baru ini.
Mungkin mengharuskan kita untuk mengkonsolidasikan kita ketika alat kita kurang, dan masyarakat yang bukan merupakan kemurnian ideologis tetapi tentang tanggung jawab bersama. Kita mungkin memerlukan bentuk -bentuk pendidikan baru, bukan untuk unggul atau membingungkan, tetapi untuk memperdalam kemampuan kita untuk membedakan, konteks dan pemikiran moral.
Jika kecerdasan buatan telah menghancurkan bumi di bawahnya, itu juga menunjukkan kesempatan untuk bertanya lagi kepada kita apa kita di sini. Ini bukan sebagai konsumen kemajuan, tetapi sebagai penguasa makna.
Jalan ke depan tidak mungkin halus atau bagus. Sementara kita bergerak melintasi media misterius, tanda kebijaksanaan mungkin adalah kemampuan untuk menguasai apa yang akan terjadi, tetapi berjalan melalui kejelasan, keberanian, dan perhatian. Kita tidak dapat menghentikan kemajuan teknologi atau menyangkal fraktur sosial -keypth, tetapi kita dapat memilih untuk cenderung ruang di antara mereka.
Gary Grossman adalah EVP untuk teknologi di Edelman.
Tautan sumber
Berita
Suara yang dirilis dari pemadam kebakaran Idaho dirilis sebagai tanggapan terhadap Blaze: “Kami memiliki keadaan darurat”
baruAnda sekarang dapat mendengarkan Fox News!
Suara dari tempat kecelakaan di provinsi Kutnai, Idaho, di mana petugas pemadam kebakaran yang menanggapi api organisme terpapar untuk mengungkapkan saat ketika permintaan dibuat untuk mendapatkan bantuan.
Dua petugas pemadam kebakaran tewas dan yang lainnya terluka dalam penyergapan penembak jitu pada hari Minggu sore. Pihak berwenang kemudian mengidentifikasi mayat seorang pria yang telah meninggal dengan senjata api di dekatnya dan menaikkan peringkat di tempatnya.
Kantor Coutinai Sharif County mengatakan bahwa petugas pemadam kebakaran menanggapi kebakaran di Gunung Canvied, utara Cor Dylan sekitar pukul 1:30 siang, tembakan dilaporkan setelah sekitar setengah jam.
Dalam suara dari tempat kejadian, seorang petugas pemadam kebakaran mengatakan ada “darurat” dan “penembak aktif di api.”
Pihak berwenang menemukan bahwa pria dengan senjata api sudah dekat, beberapa jam setelah petugas pemadam kebakaran di Idahu, dalam penyergapan
Dua petugas pemadam kebakaran terbunuh dan yang lainnya terluka dalam penyergapan penembak jitu. (KHQ)
“Kita perlu menegakkan hukum di sini segera,” kata petugas pemadam kebakaran, menambahkan bahwa ada “kepala batalion.”
“Kami memiliki petugas pemadam kebakaran lain di Coeur d’Alne … kami memiliki dua kepala batalion non -responden di bawah ini, beberapa luka tembakan, dan dua dari Coeur d’Alne jatuh … Saya dipasang,” lanjut penelepon itu.
Penelepon itu juga mengatakan bahwa api “sengaja disita untuk menarik kami.”
“Jelas bagi saya bahwa api ini sengaja disita untuk menarik kami,” kata penelepon itu.
Sharif Cotton County Robert Norris mengatakan pada konferensi pers kemudian pada hari Minggu sore bahwa petugas pemadam kebakaran telah terbunuh dan bahwa yang lain berjuang untuk hidupnya, meskipun ini dalam kondisi stabil, setelah menerima operasi.
Pihak berwenang kemudian mengidentifikasi mayat seorang pria yang meninggal dengan senjata api di dekatnya, beberapa jam setelah penyergapan. (KHQ)
Pihak berwenang melacak tubuh sniper yang dicurigai menggunakan informasi ponsel.
Karena bahaya, petugas pemadam kebakaran harus mundur, dan api sikat terus membentuk ancaman.
California menembak satu petugas mati, lainnya terluka
Salah satu penelepon mengklaim bahwa api “sengaja disita untuk menarik kami.” (KHQ)
“Beberapa petugas pemadam kebakaran diserang dalam kecelakaan itu.
“Beberapa petugas pemadam kebakaran heroik telah diserang hari ini ketika menanggapi kebakaran di utara Idahu,” tulisnya tentang X. “Ini adalah serangan langsung yang mengerikan terhadap petugas pemadam kebakaran kami yang berani. Saya meminta seluruh negara bagian Idaho untuk berdoa untuk mereka dan keluarga mereka dan menunggu mereka untuk belajar lebih banyak.
Klik di sini untuk mendapatkan aplikasi Fox News
Wakil direktur FBI Dan Bonjino mengatakan bahwa agensi itu menanggapi adegan itu dengan tim teknis dan dukungan taktis.
Price Fox News berkontribusi pada laporan ini.
Artikel ini adalah bagian dari jumlah khusus VentureBeat, “Biaya sebenarnya dari Amnesty International: Kinerja, Efisiensi dan Investasi Skala Besar.” Baca lebih lanjut dari nomor khusus ini.
Penampilan model LLMS (LLMS) telah memudahkan perusahaan untuk membayangkan jenis proyek yang dapat mereka lakukan, yang mengarah pada program eksperimental sekarang untuk diterbitkan.
Namun, ketika proyek -proyek ini memperoleh momentum, lembaga -lembaga menyadari bahwa LLMS sebelumnya yang mereka gunakan tidak akurat, dan lebih buruk dari itu, mahal.
Masukkan model bahasa kecil dan distilasi. Contoh seperti GoogleKeluarga Gima, MicrosoftPhi dan kesalahanIni memungkinkan perusahaan kecil 3.1 untuk memilih model cepat dan akurat yang berfungsi untuk tugas -tugas tertentu. Lembaga dapat memilih model yang lebih kecil untuk situasi penggunaan khusus, memungkinkan mereka untuk mengurangi biaya operasi aplikasi kecerdasan buatan untuk mereka dan mungkin mencapai pengembalian investasi yang lebih baik.
LinkedIn Insinyur terkemuka Karakik Ramgobal VentureBeat telah mengatakan kepada perusahaan bahwa perusahaan memilih model yang lebih kecil karena beberapa alasan.
“Model yang lebih kecil membutuhkan akun yang lebih rendah, memori dan waktu inferensi yang lebih cepat, yang diterjemahkan langsung ke dalam infrastruktur rendah Opex (biaya operasi) dan CAPEX (biaya modal) karena biaya GPU, kebutuhan energi dan kebutuhan energi,” kata RamGapl. “Model misi memiliki jangkauan yang lebih sempit, yang membuat perilaku mereka lebih kompatibel dan pemeliharaan dari waktu ke waktu tanpa rekayasa cepat yang kompleks.”
Model pengembang adalah harga model kecil mereka. O4-Mini Openai Harganya $ 1,1 per juta kode untuk input dan simbol $ 4,4/juta untuk output, dibandingkan dengan versi O3 penuh pada $ 10 untuk input dan $ 40 untuk output.
Korporat saat ini memiliki berbagai model kecil, model misi, dan model suling untuk dipilih. Saat ini, sebagian besar model utama menawarkan serangkaian ukuran. Misalnya, keluarga model Claude dari pria Claude Obus, model terbesar, Claude Sonit, model multi -perfect, Claude haiku, salinan terkecil. Model -model ini dikompresi cukup untuk bekerja pada perangkat seluler, seperti laptop atau ponsel.
Simpan pertanyaan
Saat mendiskusikan laba atas investasi, pertanyaannya selalu: Apa yang dilihat oleh pengembalian investasi? Haruskah itu kembali ke biaya yang dikeluarkan atau menghemat waktu yang pada akhirnya berarti bahwa dolar telah dihemat di telepon? Para ahli di VentureBeat berbicara bahwa pengembalian investasi mungkin sulit untuk dinilai karena beberapa perusahaan percaya bahwa mereka telah mencapai pengembalian investasi dengan mengurangi waktu yang dihabiskan untuk misi sementara yang lain menunggu dolar yang sebenarnya disediakan atau lebih banyak bisnis disajikan kepada apakah investasi kecerdasan buatan telah berhasil.
Biasanya, perusahaan menghitung laba atas investasi dengan formula sederhana seperti yang ditunjukkan oleh menyadari Kepala Teknisi Ravi Tula Dalam publikasi: ROI = (Manfaat Biaya)/Biaya. Tetapi dengan program kecerdasan buatan, manfaatnya tidak segera jelas. Lembaga diusulkan bahwa manfaat yang mereka harapkan dan hargai berdasarkan data historis, dan bahwa mereka realistis tentang total biaya Amnesty International, termasuk mempekerjakan, menerapkan dan memelihara, dan memahami bahwa itu harus lama.
Dengan model kecil, para ahli berpendapat bahwa ini mengurangi biaya implementasi dan pemeliharaan, terutama ketika merumuskan model untuk memberikannya dalam konteks yang lebih besar ke institusi Anda.
Arijit Sengupta, pendiri dan CEO AobleDia mengatakan bagaimana orang membawa konteks model yang menentukan jumlah penghematan biaya yang bisa mereka dapatkan. Untuk individu yang membutuhkan konteks tuntutan tambahan, seperti instruksi panjang dan kompleks, ini dapat menyebabkan biaya tinggi dari simbol yang khas.
Dia berkata: “Anda harus memberikan model konteks dengan satu atau lain cara; tidak ada makan siang gratis. Tetapi dengan model besar, ini biasanya dilakukan dengan menempatkannya di klaim.” “Pikirkan pemurnian dan setelah pelatihan sebagai cara alternatif untuk memberikan model konteks. Saya mungkin menanggung $ 100 dari biaya pelatihan pasca, tetapi itu bukan astronomi.”
Sengupta mengatakan mereka melihat sekitar 100x biaya hanya dari pasca -pelatihan saja, dan biaya penggunaan model sering dibatalkan “dari jutaan dua angka menjadi hampir 30.000 dolar.” Dia telah mengindikasikan bahwa nomor ini mencakup biaya operasi perangkat lunak dan biaya berkelanjutan dari database model dan aturan data vektor.
Dia berkata: “Berkenaan dengan biaya pemeliharaan, jika Anda melakukannya secara manual dengan para ahli manusia, itu mungkin mahal karena model kecil perlu dilatih setelah mencapai hasil yang sama untuk model besar.”
Eksperimen Saya dilakukan Tunjukkan bahwa model yang sangat khusus, bekerja dengan baik untuk beberapa kasus penggunaan, seperti LLMS, yang membuat situasi yang menerbitkan banyak model untuk digunakan alih -alih model besar untuk melakukan segala sesuatu yang lebih efektif.
Perusahaan membandingkan versi pasca-pelatihan LLAMA-3.3-70B-instruksi dengan opsi parameter 8B yang lebih kecil dari formulir yang sama. Model 70B, yang dilatih setelah $ 11,30, adalah 84 % akurat dalam penilaian otomatis dan 92 % dalam penilaian manual. Setelah alasan biaya $ 4,58, model 8B mencapai 82 % dalam evaluasi manual, yang akan cocok untuk situasi penggunaan yang sederhana dan paling bertarget.
Faktor biaya cocok untuk tujuan tersebut
Model yang benar tidak boleh mengorbankan kinerja. Hari-hari ini, organisasi memahami bahwa memilih model tidak hanya berarti memilih antara GPT-4O atau LLAMA-3.1; Dia tahu bahwa beberapa kasus penggunaan, seperti meringkas atau menghasilkan kode, lebih baik disajikan oleh model kecil.
Daniel Hosk, karyawan Teknologi Senior di Pusat Kontak AI puncakDia mengatakan peluncuran pengembangan dengan LLMS lebih baik.
Dia berkata: “Anda harus mulai dengan gaya paling banyak untuk melihat apakah apa yang Anda bayangkan bekerja sama sekali, karena jika tidak berhasil dengan model terbesar, ini tidak berarti bahwa itu akan dengan model yang lebih kecil.”
Ramping mengatakan bahwa LinkedIn mengikuti pola yang sama karena model awal adalah satu -satunya cara masalah ini dapat mulai muncul.
“Pendekatan khas kami untuk penggunaan pekerjaan LLM untuk tujuan umum dimulai karena generalisasi yang luas memungkinkan kami untuk dengan cepat model awal, memeriksa hipotesis dan mengevaluasi kesesuaian pasar produk.” “Dengan pematangan produk dan kami menghadapi pembatasan kualitas, biaya, atau jintan, kami beralih ke solusi yang lebih disesuaikan.”
Pada tahap eksperimen, lembaga dapat menentukan perkiraan yang paling banyak dari aplikasi kecerdasan buatan. Menemukan ini memungkinkan pengembang untuk merencanakan apa yang ingin mereka berikan dan menentukan ukuran model yang sesuai dengan tujuan dan anggaran mereka.
Para ahli telah memperingatkan bahwa meskipun penting untuk dibangun dengan model yang bekerja lebih baik dengan apa yang mereka kembangkan, LLM guru yang tinggi akan selalu lebih mahal. Model besar akan selalu membutuhkan daya komputasi yang hebat.
Namun, penggunaan yang berlebihan dari model kecil dan yang dimaksudkan juga menimbulkan masalah. Rahul Pathak, Wakil Presiden Data dan AI GTM di AWSDan, dia mengatakan dalam publikasi blog bahwa peningkatan biaya tidak hanya berasal dari menggunakan model rendah -kebutuhan untuk akun, tetapi dari mencocokkan model dengan tugas. Model yang lebih kecil mungkin tidak mengandung jendela besar yang cukup untuk memahami instruksi yang lebih kompleks, yang meningkatkan beban kerja bagi karyawan manusia dan meningkatkan biaya.
Sengupta juga telah memperingatkan bahwa beberapa model suling mungkin rapuh, sehingga penggunaan jangka panjang mungkin tidak disediakan.
Evaluasi Konstan
Terlepas dari ukuran model, pemain industri menekankan fleksibilitas dalam menangani kemungkinan masalah atau kasus penggunaan baru. Jadi, jika mereka mulai dengan model besar dan model yang lebih kecil dengan kinerja yang serupa atau lebih baik dan biaya yang lebih rendah, lembaga -lembaga tersebut tidak dapat berharga tentang model yang mereka pilih.
Tessa Burg, CTO dan Kepala Inovasi di Perusahaan Pemasaran Merek Terhadap di atasTell VentureBeat bahwa organisasi harus memahami bahwa semua yang Anda adopsi sekarang akan selalu diselesaikan dengan versi yang lebih baik.
“Kami telah memulai dengan pola pikir bahwa teknik di bawah alur kerja yang kami buat, dan proses yang kami buat lebih efisien, akan berubah. Kami tahu bahwa model apa pun yang kami gunakan akan menjadi versi terburuk dari formulir. “
Burg mengatakan bahwa model yang lebih kecil membantu menyelamatkan perusahaan dan agennya dalam mencari dan mengembangkan konsep. Dia mengatakan bahwa waktu telah disimpan mengarah pada penghematan anggaran dari waktu ke waktu. Dia menambahkan bahwa itu baik untuk memecahkan penggunaan model ringan dan frekuensi tinggi.
Sengupta mencatat bahwa penjual sekarang memfasilitasi perubahan antara model secara otomatis, tetapi mereka memperingatkan pengguna untuk tidak menemukan platform yang juga memfasilitasi kontrol kinerja, sehingga mereka tidak menanggung biaya tambahan.
Berita
Penyelamatan yang menentukan Matt Fariz membantu mengatasi Kosta Rika di kuartal -final Piala Emas
baruAnda sekarang dapat mendengarkan Fox News!
Tim sepak bola nasional pria pindah ke semi -final Piala Emas CONCACAF setelah penembakan dramatis melawan Kosta Rika.
Pertandingan diblokir dalam dua gol masing -masing setelah 90 menit, yang menyebabkan adu penalti yang berisi semua drama untuk membuat semua orang tetap berada di tepi kursi mereka untuk mengetahui siapa yang akan bergerak.
Setelah Tyler Adams dimakamkan dari USMNT dan Alonso Martinez dari USMNT berupaya memulai penalti, kiper Matt Friz dari Amerika Serikat telah menciptakan snapshot dari Juan Pablo Vargas untuk memberikan tim atasnya.
Klik di sini untuk lebih banyak liputan olahraga di foxnews.com
Kiper AS Matthew Fariz (25 tahun) berinteraksi dalam penembakan melawan Kosta Rika selama kuartal -final 2025 Piala Emas di Stadion Bank Amerika. (Imagn)
Ini terjadi setelah pemilik Tillaman mengalami penalti yang hilang selama waktu normal yang bisa menjadi pemegang permainan, dan meletakkan tembakannya pada legenda Kosta Rika Kevor Navas.
Tetapi Sebastian Berhalter, putra mantan pelatih USMNT Greg Bierleter, menyentuh ketika ia mengirim upayanya untuk terbang melalui jaringan. Santiago Van Disten mengikuti -tembakan oleh Kosta Rika melampaui Freese, meskipun penjaga gawang menebak dengan cara yang benar.
Setelah Alex Freiman dan Jefferson Brines memotretnya berturut -turut, Fariz mendapatkan yang lain dalam upaya Francisco Calvo, memberi John Tolkin snapshot untuk mengakhiri semuanya untuk USMNT. Tapi Navas muncul kopling itu, sementara dia melompat ke kirinya dan mengangkat tembakan Tolkin.
Tur tambahan diperlukan, tetapi Frees hanya ditutup. Dia bisa menghentikan klip berturut -turut, kali ini untuk menyimpan snapshot Andy Rojas.
Sekali lagi, USMNT memiliki kesempatan untuk menyelesaikan pertandingan, dan Damions Downs diberi kesempatan. Navas tidak dapat menebak kali ini, karena Downs pergi ke kiri dan dirayakan segera ketika bola menghantam bagian belakang jaringan.
Dalam waktu 90 menit sebelum penembakan, ada juga kembang api, dimulai dengan “Los Ticos” di atas piring terlebih dahulu. Calvo adalah orang yang mendapat yang terbaik di Freez dengan tendangan penalti di menit kedua belas.
Namun, UMSNT menggabungkan di akhir babak pertama dengan skor Diego Luna di menit ke -43 dan Max Arfsten mengikuti pada menit ke -47.
Setelah itu, di menit ke -71 di tengah babak kedua, Martinez turun setelah pemulihan Freiz untuk menghubungkan permainan.
Striker Amerika Serikat Damyeon Downs (9) merayakan setelah kekalahan Kosta Rika dalam sebuah penembakan selama kuartal -final Piala Emas 2025 di Stadion American Bank. (Imagn)
Klik di sini untuk mendapatkan aplikasi Fox News
Tapi USMNT akan menjadi orang -orang yang bergerak untuk menghadapi Guatemala pada hari Rabu di semi -final untuk menentukan siapa yang memiliki tempat di final Piala Emas.
Semi -final lainnya adalah Meksiko melawan Honduras, yang akan bermain setelah Amerika Serikat dan Guatemala.
Digital Fox News Cakupan Olahraga di XDan berlangganan Newsletter Fox News Sport Hold.
Berita8 tahun agoThese ’90s fashion trends are making a comeback in 2017
- Berita8 tahun ago
The final 6 ‘Game of Thrones’ episodes might feel like a full season
- Berita8 tahun ago
According to Dior Couture, this taboo fashion accessory is back
- Berita8 tahun ago
The old and New Edition cast comes together to perform
- Berita8 tahun ago
Phillies’ Aaron Altherr makes mind-boggling barehanded play
- Berita8 tahun ago
Uber and Lyft are finally available in all of New York State
- Berita8 tahun ago
Disney’s live-action Aladdin finally finds its stars
- Berita8 tahun ago
Steph Curry finally got the contract he deserves from the Warriors
