🧠 AI ડેટા સેન્ટર ચિપ્સને ઝડપી બનાવવા માટે Nvidia ફોટોનિક્સમાં $4 બિલિયનનું રોકાણ કરે છે ↗
Nvidia એ જણાવ્યું હતું કે તે Lumentum અને Coherent માં $2 બિલિયનનું રોકાણ કરશે - બંને ફોટોનિક્સમાં ભારે હિટર્સ - કારણ કે તે તેના ડેટા સેન્ટર હાર્ડવેરને "ઝડપી અનુમાન, વધુ બેન્ડવિડ્થ" વળાંકથી આગળ રાખવાનો પ્રયાસ કરે છે.
વાત સરળ છે: જો તમે ફક્ત વિદ્યુત સંકેતોને બદલે પ્રકાશ (ફોટોનિક્સ) વડે ડેટા ખસેડી શકો છો, તો તમે સમગ્ર AI સ્ટેકમાંથી વધુ પ્રદર્શન મેળવી શકો છો. આકર્ષક નથી, પરંતુ તે પ્લમ્બિંગ છે જે નક્કી કરે છે કે કોણ જીતે છે.
🛡️ ઓપનએઆઈ તેના પેન્ટાગોન એઆઈ જમાવટ માટે "લાલ રેખાઓ" પોસ્ટ કરે છે ↗
ઓપનએઆઈએ તેના લશ્કરી કાર્ય માટે સ્પષ્ટ "નો-ગો" ઝોન નક્કી કર્યા - કોઈ સામૂહિક સ્થાનિક દેખરેખ નહીં, કોઈ સ્વાયત્ત શસ્ત્રોનું નિર્દેશન નહીં, અને "સોશિયલ ક્રેડિટ" પ્રકારની સિસ્ટમો જેવા ઉચ્ચ-દાવવાળા સ્વચાલિત નિર્ણયો નહીં.
તેઓ એમ પણ કહે છે કે આ જમાવટ ફક્ત ક્લાઉડ-ઓન્લી છે (એજ નહીં), ઓપનએઆઈના સલામતી સ્ટેકને સ્થાને રાખે છે, અને ક્લિયર થયેલા ઓપનએઆઈ કર્મચારીઓને લૂપમાં સમાવે છે. તે થોડું "અમારા પર વિશ્વાસ કરો, અને અહીં કરારની ભાષા છે" જેવું વાંચે છે - જે પ્રમાણિકપણે, ફક્ત વિશ્વાસ-ઓન્લી ખાતરીઓ કરતાં વધુ સારી છે.
🏛️ વોશિંગ્ટનના કાયદા નિર્માતાઓ ચેટબોટ્સ અને સામગ્રી શોધ માટે AI ગાર્ડરેલ્સ દબાણ કરે છે ↗
વોશિંગ્ટન રાજ્યના કાયદા ઘડનારાઓ બે દબાણ બિંદુઓને લક્ષ્ય બનાવતા બિલોને આગળ ધપાવી રહ્યા છે: ચેટબોટ્સ (ખાસ કરીને સગીરો માટે) અને AI-જનરેટેડ મીડિયા જે શોધવાનું મુશ્કેલ બની રહ્યું છે.
એક પ્રસ્તાવમાં ચેટબોટ્સને નિયમિતપણે વપરાશકર્તાઓને યાદ અપાવવાની જરૂર પડશે કે તેઓ AI સાથે વાત કરી રહ્યા છે, ઉપરાંત આત્મહત્યાના વિચાર શોધ અને અન્ય સલામતી પગલાં ઉમેરવા પડશે. બીજો પ્રસ્તાવ AI-જનરેટેડ અથવા AI-બદલાયેલ છબીઓ, ઑડિઓ અને વિડિઓમાં એમ્બેડેડ વોટરમાર્ક્સ જેવા ખુલાસાઓ માટે દબાણ કરશે - સિદ્ધાંતમાં સરળ, વ્યવહારમાં જટિલ.
⚡ યુકેએ AI માટે ઊર્જા ડેટાસેટ્સ પર પુરાવા માટે કોલ શરૂ કર્યો ↗
યુકે સરકારે ઉર્જા-સંબંધિત ડેટાસેટ્સ પર ધ્યાન કેન્દ્રિત કરતા પુરાવા માટે એક કૉલ શરૂ કર્યો છે જ્યાં વધુ સારી ઍક્સેસ AI વિકાસકર્તાઓને ડીકાર્બોનાઇઝેશન, ઉર્જા સુરક્ષા અથવા પોષણક્ષમતા સુધારવામાં મદદ કરી શકે છે.
તે સ્પષ્ટપણે પુરાવા એકત્ર કરવાના પગલા તરીકે ઘડવામાં આવ્યું છે (નહીં કે નીતિમાં ફેરફારનું વચન આપવામાં આવ્યું છે), અને તે વાસ્તવિકતા તરફ ઈશારો કરે છે: કેટલાક ડેટા શેર કરી શકાતા નથી, તેથી કૃત્રિમ ડેટા અથવા પરવાનગી-આધારિત અભિગમો માર્ગ હોઈ શકે છે. દેખીતી રીતે, ડેટા ઍક્સેસ એ "નકશાનો માલિક કોણ છે" ની નવી લડાઈ છે.
🤝 ટેકક્રંચ: AI કંપનીઓ અને સરકારો પાસે હજુ પણ ઉપયોગી પ્લેબુક નથી ↗
ટેકક્રંચે "AI લેબ્સ રાષ્ટ્રીય માળખાગત સુવિધા બની રહી છે" અને "કોઈ પણ પહેલા નિયમો પર સંમત થયું નહીં" વચ્ચેના અણઘડ અંતરને ખોદ્યું. આ લેખ દર્શાવે છે કે કેવી રીતે જાહેર પ્રતિક્રિયા દેખરેખ અને સ્વચાલિત હત્યા પર કેન્દ્રિત થાય છે - બે દુઃસ્વપ્નો જે ખરેખર ક્યારેય અવકાશ છોડતા નથી.
વાતનો અર્થ એ છે કે: પ્રયોગશાળાઓ ચૂંટાયેલા નેતાઓને નીતિ પાછી મોકલવાનો પ્રયાસ કરતી રહે છે... પરંતુ તેઓ જ સાધનો મોકલતા હોય છે, તેથી આ ડોજ ફક્ત આટલા લાંબા સમય સુધી કામ કરે છે. તે એવું આગ્રહ રાખવા જેવું છે કે જ્યારે તમે સક્રિય રીતે મેચ વેચી રહ્યા હોવ ત્યારે તમે આગ માટે જવાબદાર નથી - અથવા એવું લાગે છે.
વારંવાર પૂછાતા પ્રશ્નો
એનવીડિયા એઆઈ ડેટા સેન્ટર ચિપ્સ માટે ફોટોનિક્સમાં અબજોનું રોકાણ કેમ કરી રહી છે?
Nvidia એ વાત પર વિશ્વાસ મૂકી રહી છે કે ફોટોનિક્સ ડેટા સેન્ટરોમાં ડેટાને ઝડપથી ખસેડી શકે છે, ફક્ત ઇલેક્ટ્રિકલ લિંક્સ કરતાં વધુ બેન્ડવિડ્થ સાથે. આધાર એ છે કે ચિપ્સ, રેક્સ અને સિસ્ટમ્સ વચ્ચે વધુ સારી "પ્લમ્બિંગ" એકંદર AI પ્રદર્શનને વધારી શકે છે, ખાસ કરીને ઇન્ફરન્સ વર્કલોડ સ્કેલ તરીકે. મુખ્ય ફોટોનિક્સ ખેલાડીઓ પાછળ ગંભીર મૂડી મૂકવાથી સંકેત મળે છે કે આ વ્યૂહાત્મક માળખામાં ફેરવાઈ રહ્યું છે, વિશિષ્ટ એડ-ઓનમાં નહીં.
વિદ્યુત જોડાણોની તુલનામાં ફોટોનિક્સ ખરેખર AI સિસ્ટમોને કેવી રીતે ઝડપી બનાવે છે?
ફોટોનિક્સ ડેટા ટ્રાન્સમિટ કરવા માટે પ્રકાશનો ઉપયોગ કરે છે, જે સિસ્ટમોને માહિતીના વિશાળ જથ્થાને શટલ કરવાની જરૂર પડે ત્યારે અવરોધોને સરળ બનાવી શકે છે. ઘણા AI સ્ટેક્સમાં, કામગીરી ફક્ત કમ્પ્યુટ ચિપ વિશે જ નથી - તે ઘટકો વચ્ચે ડેટા કેટલી ઝડપથી ખસેડી શકાય છે તે વિશે પણ છે. એક સામાન્ય પેટર્ન ઉચ્ચ-થ્રુપુટ કનેક્શન્સ માટે ઓપ્ટિકલ લિંક્સ છે, જ્યારે ઇલેક્ટ્રિકલ સિગ્નલોને ત્યાં રાખે છે જ્યાં તેઓ સરળ અથવા સસ્તા હોય.
વ્યવહારમાં AI ડેટા સેન્ટરો માટે "ઝડપી અનુમાન અને વધુ બેન્ડવિડ્થ" નો અર્થ શું છે?
તે એક એવા પરિવર્તન તરફ નિર્દેશ કરે છે જ્યાં મોડેલ્સને કાર્યક્ષમ રીતે સેવા આપવી એ તેમને તાલીમ આપવા જેટલું જ મહત્વનું છે. ઝડપી અનુમાનનો અર્થ એ છે કે ભારે માંગ હેઠળ ઝડપથી પ્રતિભાવો મેળવવા, અને વધુ બેન્ડવિડ્થનો અર્થ એ છે કે રાહ જોયા વિના એક્સિલરેટર ફીડ કરી શકાય છે. ઘણી પાઇપલાઇન્સમાં, નેટવર્ક અને ઇન્ટરકનેક્ટ મર્યાદા અવરોધ બની જાય છે, તેથી ડેટા મૂવમેન્ટમાં સુધારો કરવાથી અર્થપૂર્ણ લાભો મેળવી શકાય છે, ભલે કમ્પ્યુટ સિલિકોન પહેલાથી જ મજબૂત હોય.
પેન્ટાગોન AI જમાવટ માટે OpenAI ની "લાલ રેખાઓ" શું છે?
ઓપનએઆઈ "સામાજિક ધિરાણ" સિસ્ટમો જેવા મોટા પાયે સ્થાનિક દેખરેખ, સ્વાયત્ત શસ્ત્રોનું નિર્દેશન અને ઉચ્ચ-દાવવાળા સ્વચાલિત નિર્ણયો જેવા સ્પષ્ટ નો-ગો ઝોનનું વર્ણન કરે છે. તેઓ ડિપ્લોયમેન્ટને ક્લાઉડ-ઓન્લી તરીકે પણ ફ્રેમ કરે છે, જેમાં સલામતીના પગલાં સ્થાને રહે છે અને ક્લિયર કર્મચારીઓ સામેલ હોય છે. સામાન્ય રીતે, આ પ્રતિબંધો ઉપયોગના કેસોને સાંકડી કરવા અને દુરુપયોગના જોખમને ઘટાડવા માટે છે, જ્યારે હજુ પણ મર્યાદિત સરકારી એપ્લિકેશનોને સક્ષમ બનાવે છે.
વોશિંગ્ટનના કાયદા નિર્માતાઓ ચેટબોટ્સ અને AI-જનરેટેડ મીડિયા માટે કયા AI ગાર્ડરેલ્સનો પ્રસ્તાવ મૂકી રહ્યા છે?
આ દરખાસ્તોમાં બે ક્ષેત્રો પર ધ્યાન કેન્દ્રિત કરવામાં આવ્યું છે: ચેટબોટ પારદર્શિતા અને સલામતી, અને AI-જનરેટેડ અથવા AI-બદલાયેલ સામગ્રી માટે જાહેરાત. એક ખ્યાલ એ છે કે ચેટબોટ્સ નિયમિતપણે વપરાશકર્તાઓને યાદ કરાવે કે તેઓ AI સાથે ક્રિયાપ્રતિક્રિયા કરી રહ્યા છે, અને આત્મહત્યાના વિચાર શોધ જેવી સલામતી સુવિધાઓનો સમાવેશ કરે છે. બીજો હેતુ કૃત્રિમ મીડિયામાં એમ્બેડેડ વોટરમાર્ક્સ જેવા ડિસ્ક્લોઝર મિકેનિઝમ્સનો છે, જે સિદ્ધાંતમાં સરળ હોઈ શકે છે પરંતુ અમલીકરણમાં મુશ્કેલ હોઈ શકે છે.
AI માટે યુકે એનર્જી ડેટાસેટ્સ ડીકાર્બોનાઇઝેશન અને એનર્જી સુરક્ષા કાર્યને કેવી રીતે અસર કરી શકે છે?
યુકે દ્વારા પુરાવા માટેનો આગ્રહ એ ઓળખવા માટેના પગલા તરીકે ઘડવામાં આવ્યો છે કે ઊર્જા-સંબંધિત ડેટાસેટ્સની વધુ સારી ઍક્સેસ AI ને ડીકાર્બોનાઇઝેશન, સુરક્ષા અથવા પોષણક્ષમતા જેવા પરિણામોને સુધારવામાં મદદ કરી શકે છે. વ્યવહારમાં, ઘણા ઉપયોગી ડેટાસેટ્સમાં શેરિંગ મર્યાદાઓ હોય છે, તેથી કૃત્રિમ ડેટા, પરવાનગી-આધારિત ઍક્સેસ અથવા નિયંત્રિત વાતાવરણ જેવા અભિગમોની જરૂર પડી શકે છે. આ ઘણીવાર નવીનતા અને શાસન માટે "નકશાને કોણ ઍક્સેસ કરી શકે છે" પ્રશ્ન બની જાય છે.