Connect with us

Berita

Database Amazon DocumentDB ingin mempercepat AIC

Published

on

Ingin lebih banyak visi yang cerdas dari kotak masuk Anda? Berlangganan buletin mingguan kami untuk mendapatkan apa yang hanya terkait dengan lembaga AI, data dan pemimpin keamanan. Berlangganan sekarang


Industri basis data telah mengalami revolusi yang tenang selama dekade terakhir.

Basis data tradisional mengharuskan pejabat untuk memberikan kapasitas tetap, termasuk sumber daya dan penyimpanan akun. Bahkan di cloud, dengan opsi basis data sebagai layanan, institusi terutama mendorong kapasitas server yang sangat lesu sebagian besar waktu tetapi dapat menangani beban puncak. Database tanpa server jantung formulir ini. Mereka secara otomatis memperluas rentang akun sumber daya naik dan turun berdasarkan permintaan aktual dan pengisian hanya untuk apa yang digunakan.

Amazon Web Services (AWS) Dia adalah pelopor dalam pendekatan ini selama lebih dari satu dekade dengan DynamoDB dan memperluasnya ke database Aurora Serverless. Sekarang, AWS mengambil langkah berikutnya dalam transformasi tanpa server ke basis datanya dengan satu tahun Amazon DocumentDB Serverless. Ini membawa ekspansi otomatis ke database dokumen yang kompatibel dengan MongoDB.

Waktu mencerminkan perubahan mendasar dalam cara mengkonsumsi aplikasi ke dalam sumber daya basis data, terutama dengan penampilan agen kecerdasan buatan. Serverless sangat cocok untuk skenario permintaan yang tidak terduga, yang merupakan beban kerja AI ACTARIC.


AI Impact Series kembali ke San Francisco – 5 Agustus

Tahap selanjutnya dari kecerdasan buatan di sini – apakah Anda siap? Bergabunglah dengan para pemimpin dari Block, GSK dan SAP untuk mengambil tampilan eksklusif tentang cara memulai kembali agen independen dari tugas alur kerja yayasan-dari keputusan dalam waktu yang sebenarnya untuk otomatisasi komprehensif.

Mengamankan tempat Anda sekarang – ruang terbatas: https://bit.ly/3guPlf


“Kami melihat lebih banyak karya Aisinc AI di akhir yang fleksibel dan paling terorganisir,” Ganapathy (G2) Krishnamorate, wakil kepala basis data AWS, Tell VentureBeat. “Karena itu, para agen dan pelayan berjalan berdampingan.”

Membandingkan server dengan database sebagai layanan perbandingan

Status ekonomi basis data tanpa server menjadi meyakinkan ketika memeriksa cara kerja pasokan tradisional. Organisasi biasanya menyediakan database puncak, kemudian membayar kapasitas ini di sekitar jam 24/7 terlepas dari penggunaan aktual. Ini berarti membayar sumber daya kelesuan selama jam sibuk, akhir pekan dan ketenangan musiman.

“Jika beban kerja Anda sebenarnya lebih dinamis atau kurang dapat diprediksi, server tanpa server lebih cocok karena memberi Anda kapasitas dan ruang utama, tanpa benar -benar kebutuhan untuk memuncak setiap saat,” jelas Krishnamori.

AWS mengklaim bahwa Amazon DocumentDB Serverless dapat mengurangi biaya hingga 90 % dibandingkan dengan database tradisional yang tersedia untuk mengubah beban kerja. Penghematan berasal dari penskalaan otomatis yang sesuai dengan kemampuan dengan permintaan aktual.

Namun, mungkin ada risiko yang mungkin dengan database tanpa server. Melalui opsi database sebagai layanan, lembaga biasanya membayar biaya tetap untuk membentuk basis data kecil, menengah atau besar. Dengan server, tidak ada struktur biaya yang sama.

Krishnamoorthy mencatat bahwa AWS telah menerapkan konsep pegangan tangan untuk biaya database tanpa server melalui minimum dan maksimum, yang mencegah biaya melarikan diri.

Apa itu DocumentDB dan mengapa itu penting

DocumentDB berfungsi sebagai layanan database dokumen AWS dengan kompatibilitas API MongoDB.

Berbeda dengan database yang menyimpan data dalam tabel padat, dokumen database menyimpan informasi seperti dokumen JSON (JavaScript Object). Ini membuatnya ideal untuk aplikasi yang membutuhkan struktur data yang fleksibel.

Layanan ini berurusan dengan situasi penggunaan umum, termasuk aplikasi game yang menyimpan detail profil operator, platform e -commerce yang menjalankan produk produk dengan fitur yang berbeda dan sistem manajemen konten.

Konsensus MongoDB menciptakan jalur imigrasi untuk lembaga yang saat ini menjalankan MongoDB. Dari perspektif kompetitif, MongoDB dapat bekerja di cloud apa pun, sementara Amazon DocumentDB hanya di AWS.

Risiko penutupan cenderung menjadi perhatian, tetapi merupakan masalah yang AWS coba atasi dengan berbagai cara. Salah satu caranya adalah dengan memungkinkan kemampuan pertanyaan seragam. Krishnamoorthy mencatat bahwa dimungkinkan untuk menggunakan database AWS untuk menanyakan tentang data yang mungkin ada di penyedia cloud lain.

“Adalah fakta bahwa sebagian besar pelanggan memiliki infrastruktur mereka menyebar melalui banyak awan,” kata Krishnamori. “Kami menganggap, terutama, apa masalah yang sebenarnya dicoba oleh pelanggan.”

Cara menyesuaikan adegan AIC serverless documentdb

Agen kecerdasan buatan mewakili tantangan unik bagi pejabat basis data karena pola konsumsi sumber daya mereka sulit diprediksi. Tidak seperti aplikasi web tradisional, yang biasanya memiliki pola lalu lintas yang relatif tetap, agen dapat mengarah pada reaksi basis data yang berturut -turut yang tidak dapat diprediksi oleh para pejabat.

Database dokumen tradisional mengharuskan pejabat untuk memberikan kapasitas puncak. Ini membuat sumber daya untuk tidak aktif selama periode yang tenang. Dengan agen kecerdasan buatan, puncak -puncak ini bisa mengejutkan dan besar. Pendekatan server menghapus tebakan ini dengan membatasi sumber daya akun secara otomatis berdasarkan permintaan aktual alih -alih kebutuhan kapasitas yang diharapkan.

Selain hanya basis data yang dekat, Krishnamorate mencatat bahwa Amazon DocumentDB Serverless juga akan mendukung dan bekerja dengan MCP (model protokol konteks), yang banyak digunakan untuk memungkinkan alat kecerdasan buatan untuk bekerja dengan data.

Ternyata, MCP di institusi dasarnya adalah seperangkat aplikasi JSON. Sebagai database berbasis JSON, Amazon DocumentDB dapat membuat pengalaman yang lebih berpengetahuan bagi pengembang untuk bekerja dengan mereka, menurut Crichnamori.

Mengapa Institusi Perhatian: Penyederhanaan Operasional Melampaui Penghematan Biaya

Meskipun pengurangan biaya menjadi berita utama, manfaat operasional dari serverless mungkin lebih penting untuk akreditasi lembaga. Serveress menghilangkan kebutuhan akan kapasitas untuk merencanakan kapasitas, salah satu aspek yang paling banyak waktu dan rentan dari manajemen basis data.

“Sebenarnya, serverless benar -benar meningkatkan kebutuhan Anda dalam kenyataan. Yang kedua adalah bahwa itu sudah mengurangi jumlah beban operasional yang Anda miliki, karena Anda bukan hanya kapasitas kapasitas,” kata Krishnamori.

Penyederhanaan operasi ini menjadi lebih berharga karena organisasi memperluas inisiatif kecerdasan buatan. Alih -alih pejabat basis data, mereka terus -menerus menyesuaikan kapasitas berdasarkan pola agen, sistem berurusan dengan penskalaan secara otomatis. Ini mengedit perbedaan untuk fokus pada pengembangan aplikasi.

Untuk institusi yang ingin mendorong jalan dalam kecerdasan buatan, berita ini berarti bahwa dokumen dokumen di AWS sekarang dapat memperluas ruang lingkup mereka dengan lancar dengan beban pekerjaan agen yang tidak terduga sambil mengurangi biaya kompleksitas dan infrastruktur operasi. Model server memberikan dasar untuk pengalaman kecerdasan buatan yang dapat diperluas secara otomatis tanpa kapasitas yang dikirimkan.

Untuk lembaga yang ingin mengadopsi kecerdasan buatan nanti dalam kursus, ini berarti bahwa struktur tanpa hamba telah menjadi prediksi dasar infrastruktur database yang siap untuk kecerdasan. Menunggu adopsi database dokumen tanpa server dapat menempatkan institusi pada posisi kompetitif ketika akhirnya menerbitkan agen kecerdasan buatan dan beban kerja dinamis lainnya yang mendapat manfaat dari penskalaan otomatis.


Tautan sumber
Continue Reading
Click to comment

Leave a Reply

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *

Berita

Model visi cohere baru yang bekerja pada unit pemrosesan grafis, melampaui VLM kelas pertama atas tugas visual

Published

on

Ingin lebih banyak visi yang cerdas dari kotak masuk Anda? Berlangganan buletin mingguan kami untuk mendapatkan apa yang hanya terkait dengan lembaga AI, data dan pemimpin keamanan. Berlangganan sekarang


Fitur penelitian mendalam yang tinggi dan analisis yang didukung kecerdasan buatan lainnya telah membuat lebih banyak model dan layanan yang ingin menyederhanakan proses ini dan membaca lebih banyak dokumen yang sudah digunakan perusahaan.

Perusahaan Kecerdasan Buatan Kanada berpadu Itu ditempatkan pada modelnya, termasuk model visual yang baru dirilis, untuk menunjukkan bahwa fitur pencarian yang dalam juga harus ditingkatkan untuk digunakan lembaga.

Perusahaan telah merilis perusahaan, model visual yang digunakan oleh institusi yang menargetkan, berdasarkan bagian belakang masalahnya. Perusahaan mengatakan bahwa model parameter adalah 112 miliar yang dapat “membuka visi data visual yang berharga, dan mengambil keputusan yang sangat akurat yang bergantung pada data dengan mengidentifikasi OCR dan analisis gambar,” kata perusahaan.

Perusahaan mengatakan: “Apakah itu menjelaskan buklet produk dengan rencana kompleks atau menganalisis gambar adegan dunia nyata untuk mendeteksi risiko, visi tersebut melebihi perlakuan tantangan yang paling menuntut bagi lembaga,” kata perusahaan itu. Di posting blog.


AI Impact Series kembali ke San Francisco – 5 Agustus

Tahap selanjutnya dari kecerdasan buatan di sini – apakah Anda siap? Bergabunglah dengan para pemimpin dari Block, GSK dan SAP untuk mengambil tampilan eksklusif tentang cara memulai kembali agen independen dari tugas alur kerja yayasan-dari keputusan dalam waktu yang sebenarnya untuk otomatisasi komprehensif.

Mengamankan tempat Anda sekarang – ruang terbatas: https://bit.ly/3guPlf


Ini berarti bahwa visi dapat membaca dan menganalisis jenis gambar yang paling umum yang dibutuhkan oleh lembaga: grafik, grafik, rencana, dokumen yang dipindai dan PDF.

Karena didasarkan pada perintah A, perintah A memerlukan melihat dua atau kurang dari unit pemrosesan grafis, seperti model teks. Model visi juga mempertahankan kemampuan teks pada A untuk membaca kata -kata pada gambar dan memahami setidaknya 23 bahasa. Cohere mengatakan bahwa, tidak seperti model lain, visi tersebut mengurangi total biaya kepemilikan lembaga dan sepenuhnya ditingkatkan untuk kasus pengambilan.

Bagaimana mengajarkan masalah ini

Cohere mengatakan itu mengikuti a Arsitektur LLAV Untuk membangun modelnya, termasuk model visual. Struktur ini mengubah fitur visual menjadi simbol penglihatan lembut, yang dapat dibagi menjadi ubin yang berbeda.

Perusahaan mengatakan bahwa ubin ini diteruskan ke menara teks, “parameter padat, 111b.” Dengan cara ini, satu gambar mengonsumsi hingga 3328 simbol. “

Kwaidle mengatakan bahwa ia melatih model visual dalam tiga tahap: menyelaraskan bahasa visi, subjek kontrol (SFT) dan belajar untuk memperkuat setelah pelatihan dengan komentar manusia (RLHF).

Perusahaan mengatakan: “Pendekatan ini memungkinkan penunjukan fitur enkripsi foto ke area yang mencakup model bahasa.” “Sebaliknya, selama tahap SFT, kami melatih yang dikodekan pada satu waktu, transformator penglihatan dan model bahasa pada berbagai tugas multimedia untuk pendidikan.”

Bayangkan AI

Tes standar menunjukkan bahwa visi melebihi model lain dengan kemampuan visual yang sama.

Colle Compet Command Vision Against OpenaiGPT 4.1, MatiHubungi 4 Mafrick, kesalahanPixtral besar dan salah 3 dalam sembilan tes standar. Perusahaan tidak menyebutkan apakah telah menguji model terhadap antarmuka pemrograman aplikasi mistral yang berfokus pada OCR, OCR Mistral.

Visi ini melampaui model lain dalam tes seperti ChartQA, Ocrbench, AI2D dan TextVQA. Secara umum, visibilitas mencapai 83,1 % dibandingkan dengan GPT 4.1 78,6 %, dan Llama 4 Maverkk 80,5 % dan 78,3 % dari Medium Mistral 3.

Sebagian besar model LLMS hari ini adalah multimedia, yang berarti mereka dapat membuat atau memahami media visual seperti gambar atau video. Namun, lembaga umumnya menggunakan lebih banyak dokumen grafis seperti grafik dan PDF, sehingga mengekstraksi informasi dari sumber data yang tidak terstruktur sering terbukti sulit.

Dengan penelitian yang mendalam di High, pentingnya membawa model yang mampu membaca dan menganalisis data yang tidak terorganisir dan bahkan mengunduhnya.

Cohere juga mengatakan bahwa mereka memberikan kepemimpinan dalam sistem bobot terbuka, berharap bahwa perusahaan yang ingin pindah dari model tertutup atau kepemilikan akan mulai menggunakan produk mereka. Sejauh ini, ada beberapa perhatian dari pengembang.


Tautan sumber
Continue Reading

Berita

Berita Asosiasi Sepak Bola AS: Ced Cede Lamb mengungkapkan dukungannya untuk Mika Parsons

Published

on

baruAnda sekarang dapat mendengarkan Fox News!

Mika Parsons mengumumkan bahwa ia telah meminta perdagangan dari Dallas Cobwations di sebuah pos media sosial pada hari Jumat dan rekan satu timnya mengambil dukungan.

Parsons, 26, mengatakan setelah berbulan -bulan negosiasi yang ditangguhkan bahwa “dia tidak ingin lagi” dengan daging sapi.

Cedee Lamb Star, Cedee Lamb, mengambil alih ke X untuk menyatakan dukungannya.

Klik di sini untuk lebih banyak liputan olahraga di foxnews.com

Penerima yang meluas di Dallas Cuboye Lamb berbicara di sebelah kiri, dengan akhir Miche orang selama kamp pelatihan pada hari Sabtu, 26 Juli 2025, di Oxenard, California. (Foto AP/Mark J. Terrill)

“Jangan pernah gagal di Doug. Bayar saja pria itu apa yang Anda berutang. Tidak perlu kurikulum tambahan,” Buku Domba.

Keduanya koboi Trevon Digz, bagian belakang lini belakang, pertahanan, dan motif Jounieh Thomas mengubah gambar file pribadi mereka menjadi X untuk memasukkan Parsons.

Di kantor, Parsons mengatakan dia melakukan segalanya untuk menunjukkan bahwa dia ingin tinggal bersama Cowboy.

“Ya, saya ingin berada di sini. Saya melakukan semua yang saya bisa untuk menunjukkan bahwa saya ingin menjadi koboi dan mengenakan bintang di helm saya. Saya ingin bermain di depan penggemar terbaik dalam olahraga dan membuat dua tim Amerika ini (seperti itu) lagi. Setelah itu.

Mika Parsons, bintang koboi, Mika Parsons, mengatakan dia meminta perdagangan, “Dia tidak lagi” ingin berada di Dallas.

Cedee Lamb and Micah Speaks

Cedee Lamb, The Left, The End of Defense, The Center, The Centre, dan Obrolan George Pickens yang luas di masa depan selama kamp pelatihan Kamis, 31 Juli 2025, di Oxenard, California. (Foto AP/Mark J. Terrill)

“Saya tidak lagi ingin menutup negosiasi pintu tanpa kehadiran dan usia saya. Saya tidak lagi ingin mengambil gambar untuk saya karena cederanya sambil menguji institusi, kekasih dan rekan satu tim kami.

Parsons mengatakan dia ingin mendapatkan kontrak setelah musim ketiganya, ketika dia pertama kali memenuhi syarat untuk mendapatkan kesepakatan seperti itu, tetapi tim tidak tertarik. Parsons mengatakan dia “disetujui oleh itu” dan mengalihkan perhatiannya ke musim 2024.

Namun, sekali lagi, Parsons mengatakan bahwa ada “keheningan radio” dari sponsor sapi mengenai kemungkinan kontrak setelah musim lalu.

“Namun, tidak ada email atau pesan teks ke agen saya tentang dimulainya negosiasi. Sampai hari ini, tim belum berbicara dengan agen saya pada awal negosiasi. Tidak ada permintaan yang diajukan oleh agen saya selama bertahun -tahun atau apa pun.”

Klik di sini untuk mendapatkan aplikasi Fox News

Mika Parsons dan Cedee Lamb

Dallas Cobwyz defensif Mika Parsons berbicara di sebelah kiri, dengan penerima luas Cede Lamb selama kamp pelatihan Kamis, 31 Juli 2025, di Oxenard, California. (Foto AP/Mark J. Terrill)

“Saya membuat keputusan yang sulit saya tidak lagi ingin bermain dengan Dallas Cobwations. Pesanan komersial saya telah diserahkan kepada Stephen Jones secara pribadi,” Parsons menyimpulkan posisinya.

Parsons telah menjadi salah satu koridor paling menonjol sejak pilihannya dengan pemilihan tempat kedua belas dalam draft Pennsylvania NFL 2021. Pro Bowl membuat empat musim dalam karirnya.

Dalam 63 pertandingan profesional, Parson memiliki 52,5 tas dengan 172 single dan sembilan penghilangan paksa. Musim lalu, Parsons memiliki 12 tas dalam 13 pertandingan.

Digital Fox News Cakupan Olahraga di XDan berlangganan Newsletter Fox News Sport Hold.



Tautan sumber

Continue Reading

Berita

Mengapa Open Source Kecerdasan Buatan Menjadi Prioritas Nasional Amerika

Published

on

Ingin lebih banyak visi yang cerdas dari kotak masuk Anda? Berlangganan buletin mingguan kami untuk mendapatkan apa yang hanya terkait dengan lembaga AI, data dan pemimpin keamanan. Berlangganan sekarang


Ketika Presiden Trump dibebaskan Rencana Aksi AS AI Pekan lalu, banyak yang terkejut dengan visi “mendorong sumber terbuka dan” intelijen buatan “, sebagai salah satu prioritas manajemen senior. Gedung Putih mengangkat apa yang sebelumnya merupakan masalah yang sangat teknis dalam keprihatinan nasional yang mendesak – dan strategi utama untuk memenangkan perlombaan kecerdasan buatan melawan Cina.

China menonjol di open source, serta disorot rencana kerja Itu dirilis tak lama setelah Amerika Serikat, yang membuat perlombaan open source diperlukan. Kekuatan lunak global yang hadir dengan lebih banyak model terbuka dari Cina membuat kepemimpinan terakhirnya lebih menonjol.

Kapan Deepsek-R1LLM dibebaskan dari Cina awal tahun ini, dan tidak datang dengan tur pers. Tidak ada penawaran eksperimental yang glamor. Tidak ada pidato besar. Tapi itu adalah bobot terbuka dan ilmu terbuka. Open Weight berarti bahwa siapa pun dengan keterampilan dan sumber daya komputasi yang sesuai dapat beroperasi, mengulang atau membuat model sendiri; Ilmu terbuka berbagi beberapa trik di balik pengembangan model.

Dalam beberapa jam, para peneliti dan pengembang menyitanya. Dalam beberapa hari, itu menjadi model yang paling mungkin Pernah Dalam pelukan – dengan ribuan variabel yang dibuat dan digunakan melalui perusahaan teknologi besar, laboratorium penelitian dan startup. Yang paling mencolok, ledakan adopsi ini terjadi tidak hanya di luar, tetapi juga Di Amerika Serikat Untuk pertama kalinya, AI Amerika dibangun di atas fondasi Cina.


AI Impact Series kembali ke San Francisco – 5 Agustus

Tahap selanjutnya dari kecerdasan buatan di sini – apakah Anda siap? Bergabunglah dengan para pemimpin dari Block, GSK dan SAP untuk mengambil tampilan eksklusif tentang cara memulai kembali agen independen dari tugas alur kerja yayasan-dari keputusan dalam waktu yang sebenarnya untuk otomatisasi komprehensif.

Mengamankan tempat Anda sekarang – ruang terbatas: https://bit.ly/3guPlf


Dibsic bukan satu -satunya

Dalam seminggu, pasar sekuritas AS – sensor gabungan – tersandung.

Ternyata Dibsic hanyalah tindakan pembukaan. Lusinan kelompok penelitian Tiongkok sekarang mendorong batas kecerdasan buatan open source, bertukar model yang kuat, tetapi juga data, simbol, dan metode ilmiah di belakangnya. Mereka bergerak cepat – dan mereka melakukannya di tempat terbuka.

Sementara itu, perusahaan-perusahaan yang berbasis di AS adalah pemimpin dalam revolusi kecerdasan buatan modern-semakin tertutup. Model-model terkemuka seperti GPT-4, Claude dan Gemini tidak lagi diluncurkan dengan cara yang memungkinkan pembangun lebih mengontrol. Ini hanya dapat diakses melalui chatbots atau fasad pemrograman aplikasi: fasad gerbang yang memungkinkan Anda untuk berinteraksi dengan model, tetapi tidak melihat cara kerjanya, melatih atau menggunakannya dengan bebas. Berat model dan data pelatihan dan perilaku tetap pribadi, dan dikendalikan dengan ketat oleh beberapa raksasa teknologi.

Ini adalah refleksi yang dramatis. Antara 2016 dan 2020, Amerika Serikat itu Pemimpin Global Kecerdasan Buatan Sumber Terbuka. Google, Openai dan Stanford dan tempat -tempat lain telah merilis model dan metode penetrasi yang meletakkan dasar untuk semua yang kita sebut “AI”. Transformer lahir – “t” di chatgpt – dari budaya terbuka ini. Pelukan pelukan diciptakan selama era ini untuk memberikan karakter demokratis untuk mencapai teknologi ini.

Sekarang, Amerika Serikat tergelincir, dan efek mendalam.

Ilmuwan Amerika, startup, dan institusi semakin dioperasikan untuk membangun model terbuka Cina karena model Amerika terbaik ditutup di belakang fasad pemrograman aplikasi. Dengan munculnya setiap model terbuka baru dari luar negeri, perusahaan -perusahaan Cina seperti Deepseek dan Alibaba memperkuat situs mereka sebagai lapisan konstituen dalam sistem lingkungan global Amnesty International. Alat -alat yang menjadi generasi kecerdasan buatan, penelitian, dan infrastruktur buatan di Amerika semakin berasal dari luar negeri.

Pada tingkat yang lebih dalam, ada risiko yang lebih mendasar: setiap kemajuan dalam kecerdasan buatan – termasuk sistem yang paling tertutup – didasarkan pada fondasi terbuka. Model kerajaan bergantung pada penelitian terbuka, dari transformator ke perpustakaan pelatihan dan kerangka kerja evaluasi. Tetapi yang lebih penting, open source meningkatkan kecepatan negara dalam membangun kecerdasan buatan. Ini memelihara pengalaman cepat, mengurangi hambatan di depan masuk dan menciptakan inovasi majemuk.

Ketika keterbukaan melambat, seluruh ekosistem mengikuti. Jika Amerika Serikat tertinggal di open source saat ini, ia mungkin menemukan dirinya sepenuhnya terbelakang dalam kecerdasan buatan.

Jauhi AI Kotak Hitam

Ini tidak hanya untuk inovasi, tetapi untuk keamanan, sains dan pemerintahan demokratis. Model terbuka transparan dan ulasan. Ini memungkinkan pemerintah, guru, lembaga perawatan kesehatan dan perusahaan kecil untuk mengadaptasi kecerdasan buatan dengan kebutuhan mereka, tanpa ketergantungan pakaian penjual atau ketergantungan hitam.

Kami membutuhkan lebih banyak model dan barang antik open source yang telah dikembangkan dengan lebih baik. Lembaga -lembaga Amerika harus sudah berbasis untuk membuka kesuksesan mereka. Keluarga Meta Open Llama menyebabkan puluhan ribu perbedaan dalam pelukan. itu Amnesty International Institute Terus menerbitkan model terbuka yang sangat bagus. Startup yang menjanjikan seperti Hutan hitam Mereka membangun sistem media terbuka. Openai telah menyarankan agar dapat segera meluncurkan bobot terbuka.

Melalui lebih banyak dukungan publik dan politik untuk AI open source, karena jelas dari Rencana Aksi AI Amerika, kita dapat memulai kembali gerakan terpusat yang menjamin kepemimpinan Amerika. Sudah waktunya bagi komunitas kecerdasan buatan Amerika untuk bangun, menjatuhkan narasi “tidak aman”, dan kembali ke akarnya: sains terbuka dan amnesti internasional open source, didukung oleh masyarakat yang tak tertandingi dari laboratorium perbatasan, teknologi besar, perusahaan berkembang, universitas dan non -program.

Kita dapat memulai kembali gerakan terdesentralisasi yang menjamin kepemimpinan Amerika, yang didasarkan pada keterbukaan, persaingan, investigasi ilmiah, dan memungkinkan generasi pembangun berikutnya. Jika kita ingin intelijen demokratis mencerminkan prinsip -prinsip demokratis, maka kita harus membangunnya di tempat terbuka. Jika Amerika Serikat ingin memimpin perlombaan kecerdasan buatan, itu harus memimpin perlombaan intelijen open source.

Clément Delangue adalah co -founder dan CEO Sulaman.


Tautan sumber
Continue Reading

Trending