🤝 એઆઈ કોડિંગમાં આગળ વધતાં એન્થ્રોપિક સ્પેસએક્સ ડેટા સેન્ટર ડીલ પર હસ્તાક્ષર કરે છે ↗
એન્થ્રોપિકે સ્પેસએક્સ સાથે એક મોટો કમ્પ્યુટ સોદો કર્યો, જેનાથી મેમ્ફિસમાં કોલોસસ 1 સુધી પહોંચ મેળવી. તે ક્લાઉડને ઘણી વધુ ક્ષમતા આપે છે, ખાસ કરીને ક્લાઉડ કોડ વપરાશકર્તાઓ માટે જેઓ માંગની દિવાલોમાં દોડી રહ્યા છે.
અજાણી વાત? સ્પેસએક્સ કહે છે કે એન્થ્રોપિકને ઓર્બિટલ એઆઈ કમ્પ્યુટિંગ ક્ષમતામાં પણ રસ છે. તે સાયન્સ-ફાઇ લાગે છે, કદાચ થોડું ટોસ્ટર-ઇન-ધ-ક્લાઉડ્સ, પરંતુ કમ્પ્યુટ રેસ સ્પષ્ટપણે વધુ સાપ જેવી બની રહી છે.
🧠 એન્થ્રોપિક કહે છે કે તેણે AI એજન્ટોને "સ્વપ્ન" કેવી રીતે જોવું તે શીખવ્યું ↗
એન્થ્રોપિકે AI એજન્ટો માટે "ડ્રીમીંગ" નામની સુવિધા રજૂ કરી. આ વિચાર એ છે કે એજન્ટો સત્રો વચ્ચે તેમના ભૂતકાળના કાર્યની સમીક્ષા કરે, પેટર્ન પર ધ્યાન આપે અને આગલી વખતે તેઓ કેવી રીતે વર્તે છે તે સુધારે.
તે એક સંશોધન પૂર્વાવલોકન તરીકે શરૂ થઈ રહ્યું છે, તેથી દરેકને હજુ સુધી ઍક્સેસ મળી નથી. છતાં, દિશા સ્પષ્ટ છે - એન્થ્રોપિક એવા એજન્ટો ઇચ્છે છે જે ચેટ વિંડોઝ જેવા ઓછા અને અર્ધ-સ્વાયત્ત સહકાર્યકરો જેવા વધુ લાગે. મદદરૂપ, ભયાનક, કદાચ બંને.
🔎 ગૂગલના AI સર્ચ સારાંશ હવે Reddit ને ટાંકશે ↗
ગૂગલ AI મોડ અને AI ઓવરવ્યુમાં વધુ પ્રત્યક્ષ દ્રષ્ટિકોણ ઉમેરી રહ્યું છે, જેમાં Reddit, ફોરમ અને સોશિયલ પોસ્ટનો સમાવેશ થાય છે. વ્યવહારમાં, તે જૂના "Add Reddit to your search" હેકને AI સર્ચમાં જ ફોલ્ડ કરી રહ્યું છે.
તે લિંક્સની આસપાસ વધુ સંદર્ભો પણ ઉમેરી રહ્યું છે, જેમ કે સર્જકના નામ અને સમુદાયના નામ. સિદ્ધાંતમાં સરસ, જોકે AI ને ઇન્ટરનેટ ફોરમનો સારાંશ આપવા દેવાનું હજુ પણ એક રેકૂનને પેન્ટ્રી ગોઠવવા કહેવા જેવું લાગે છે.
⚡ માઈક્રોસોફ્ટનો AI ડેટા સેન્ટરનો પ્રયાસ તેના ક્લીન પાવર લક્ષ્યો સાથે અથડાઈ રહ્યો છે ↗
માઈક્રોસોફ્ટ એવું માનવામાં આવે છે કે તેના આક્રમક AI ડેટા સેન્ટર બિલ્ડઆઉટને કારણે તેના સ્વચ્છ ઉર્જા લક્ષ્યાંકોમાંથી એકને પૂર્ણ કરવાનું મુશ્કેલ બની રહ્યું છે કે કેમ તે અંગે ચર્ચા થઈ રહી છે. પ્રેશર પોઈન્ટ કલાકદીઠ સ્વચ્છ ઉર્જા મેચિંગ છે, જે વાર્ષિક મેચિંગ કરતાં વધુ કડક છે.
આ તો નાનામાં વિચિત્ર AI ઇન્ફ્રાસ્ટ્રક્ચરની વાર્તા છે: દરેક વ્યક્તિ વધુ મોડેલ, વધુ GPU, વધુ ક્ષમતા ઇચ્છે છે - અને પછી વીજળીનું બિલ સ્ટીલના બૂટ પહેરીને આવે છે.
💾 AI માં તેજીથી સેમસંગ $1T પર પહોંચી ગયો ↗
AI ચિપની માંગ મેમરી બજારોને પ્રકાશિત કરતી રહી હોવાથી સેમસંગે $1 ટ્રિલિયનનું મૂલ્યાંકન પાર કર્યું. હાઇ-બેન્ડવિડ્થ મેમરી અહીં મુખ્ય પાત્ર છે, કારણ કે આધુનિક AI સિસ્ટમ્સ તેના માટે ખૂબ જ ઉત્સુક છે.
કંપનીના શેરમાં જોરદાર ઉછાળો આવ્યો, અને વ્યાપક સંદેશ સરળ છે: AI તેજી ફક્ત મોડેલ લેબ્સને જ પુરસ્કાર આપી રહી નથી. તે સમગ્ર ચિપ સપ્લાય ચેઇનને અસમાન રીતે પરંતુ તીવ્રતાથી ઉંચી કરી રહી છે.
🦾 ફ્રેન્ચ સ્ટાર્ટઅપે રોબોટ્સ અને માનવ જેવા હાથ માટે AI મોડેલ રજૂ કર્યું ↗
જિનેસિસ AI એ GENE-26.5 નું અનાવરણ કર્યું, જે વિવિધ પ્રકારના રોબોટ્સને નિયંત્રિત કરવા માટે બનાવવામાં આવ્યું છે, ઉપરાંત માનવ ગતિવિધિઓની નકલ કરવા માટે રચાયેલ કુશળ રોબોટિક હાથ પણ રજૂ કરવામાં આવ્યો છે. આ પ્રદર્શનોમાં ટામેટાં કાપવા અને રૂબિક્સ ક્યુબ ઉકેલવા જેવા નાજુક કાર્યોનો સમાવેશ થતો હતો.
આ સ્ટાર્ટઅપ ઓટોમોટિવ, ઇલેક્ટ્રોનિક્સ, ફાર્મા અને લોજિસ્ટિક્સમાં ઔદ્યોગિક કાર્ય પર ધ્યાન કેન્દ્રિત કરી રહ્યું છે. તે સેન્સર ગ્લોવ્સ દ્વારા કામ પર કામ કરતા કામદારોનો ડેટા પણ એકત્રિત કરી રહ્યું છે, જે હોંશિયાર છે - અને થોડું સામાજિક રીતે ઉગ્ર છે.
🧵 કોર્નિંગ AI વૃદ્ધિ માટે યુએસ ફાઇબર ઓપ્ટિક આઉટપુટને વિસ્તૃત કરવા માટે Nvidia સાથે ભાગીદારી કરે છે ↗
કોર્નિંગ અને Nvidia AI ડેટા સેન્ટર્સ માટે ઓપ્ટિકલ કનેક્ટિવિટી ઉત્પાદનોના યુએસ ઉત્પાદનને વિસ્તૃત કરવા માટે સાથે મળીને કામ કરી રહ્યા છે. ચિપ્સ સ્પોટલાઇટ મેળવે છે, પરંતુ ફાઇબર એ બધા પ્રોસેસરો વચ્ચે ડેટાને શાંત રીતે ખસેડવાનું કામ કરે છે.
કોર્નિંગે તેના લાંબા ગાળાના વેચાણ લક્ષ્યાંકોમાં પણ વધારો કર્યો છે કારણ કે AI ઇન્ફ્રાસ્ટ્રક્ચરની માંગ GPU થી આગળ વધી રહી છે. મૂળભૂત રીતે, AI સપ્લાય ચેઇન બહુ-માથાવાળા બગીચાના નળીમાં ફેરવાઈ રહી છે.
વારંવાર પૂછાતા પ્રશ્નો
AI કંપનીઓ ડેટા સેન્ટર માટે વધુ સોદા કેમ કરી રહી છે?
AI કંપનીઓને મોડેલોને તાલીમ આપવા, વપરાશકર્તાઓને સેવા આપવા અને એજન્ટ-શૈલીના ઉત્પાદનોને ટેકો આપવા માટે વિશાળ ગણતરી ક્ષમતાની જરૂર છે. સ્પેસએક્સના કોલોસસ 1 સુધી એન્થ્રોપિકની ઍક્સેસ જેવા સોદા દર્શાવે છે કે કેવી રીતે કેન્દ્રીય માળખાગત સુવિધા બની ગઈ છે. માંગ વધતી જાય છે, ખાસ કરીને ક્લાઉડ કોડ જેવા કોડિંગ ટૂલ્સથી, વિસ્તૃત ડેટા સેન્ટર ક્ષમતા વપરાશ અવરોધોને હળવી કરવામાં અને સેવાઓને વધુ સરળતાથી ચલાવવામાં મદદ કરી શકે છે.
એઆઈ એજન્ટો માટે એન્થ્રોપિકના "સ્વપ્ન" લક્ષણનો અર્થ શું છે?
એન્થ્રોપિકની "સ્વપ્ન" સુવિધાને એઆઈ એજન્ટો માટે સત્રો વચ્ચે ભૂતકાળના કાર્યની સમીક્ષા કરવાની રીત તરીકે વર્ણવવામાં આવી છે. ધ્યેય એ છે કે એજન્ટો પેટર્ન શોધી શકે, અગાઉના વર્તનમાંથી શીખી શકે અને આગલી વખતે વધુ સારું પ્રદર્શન કરી શકે. કારણ કે તે સંશોધન પૂર્વાવલોકન તરીકે લોન્ચ થઈ રહ્યું છે, તે હજુ પણ વહેલું છે, પરંતુ તે એઆઈ એજન્ટો વધુ સતત, સંદર્ભ-જાગૃત અને કાર્ય-લક્ષી બનવા તરફ નિર્દેશ કરે છે.
ગૂગલ શા માટે AI સર્ચમાં Reddit અને ફોરમ કન્ટેન્ટ ઉમેરી રહ્યું છે?
ગૂગલ એઆઈ સર્ચ સારાંશમાં રેડિટ, ફોરમ અને સોશિયલ પોસ્ટ્સ જેવા સ્થળોએથી વધુ પ્રત્યક્ષ દ્રષ્ટિકોણનો સમાવેશ કરવાનો પ્રયાસ કરી રહ્યું છે. આ પ્રતિબિંબિત કરે છે કે કેટલા લોકો પહેલાથી જ શોધ કરી રહ્યા છે, જ્યારે તેઓ જીવંત અનુભવ અથવા સમુદાય જવાબો ઇચ્છતા હોય ત્યારે પ્રશ્નોમાં "રેડિટ" ઉમેરીને. પડકાર એ છે કે તે સારાંશને ઇન્ટરનેટ ચર્ચાઓને વધુ પડતા સરળ જવાબોમાં ફેરવ્યા વિના મદદરૂપ બનાવો.
AI ઈન્ફ્રાસ્ટ્રક્ચર સ્વચ્છ ઉર્જા લક્ષ્યોને કેવી રીતે અસર કરે છે?
AI ઇન્ફ્રાસ્ટ્રક્ચરને મોટી માત્રામાં વીજળીની જરૂર પડી શકે છે, ખાસ કરીને કારણ કે કંપનીઓ અદ્યતન મોડેલો અને ક્લાઉડ સેવાઓ માટે વધુ ડેટા સેન્ટરો બનાવે છે. કલાકદીઠ સ્વચ્છ ઊર્જા મેચિંગ અંગે માઇક્રોસોફ્ટનો અહેવાલ તણાવ દર્શાવે છે કે આ શા માટે મુશ્કેલ છે. કલાકદીઠ સ્વચ્છ ઊર્જા મેચિંગ વાર્ષિક મેચિંગ કરતાં વધુ કડક છે, તેથી ઝડપી AI વૃદ્ધિ ટકાઉપણું લક્ષ્યોને સંતોષવા મુશ્કેલ બનાવી શકે છે.
AI તેજી માટે હાઇ-બેન્ડવિડ્થ મેમરી શા માટે મહત્વપૂર્ણ છે?
ઉચ્ચ-બેન્ડવિડ્થ મેમરી મહત્વપૂર્ણ છે કારણ કે આધુનિક AI સિસ્ટમોને ખૂબ જ ઊંચી ઝડપે મોટા પ્રમાણમાં ડેટા ખસેડવા અને પ્રક્રિયા કરવાની જરૂર છે. $1 ટ્રિલિયનના મૂલ્યાંકન પછી સેમસંગનો ઉદય દર્શાવે છે કે AI ચિપ્સ અને મેમરીની માંગ મોડેલ લેબ્સ ઉપરાંત સપ્લાયર્સને કેવી રીતે ફાયદો પહોંચાડી શકે છે. ઘણી AI પાઇપલાઇન્સમાં, મેમરી કામગીરી કાચી ગણતરી શક્તિ જેટલી જ મહત્વપૂર્ણ હોઈ શકે છે.
AI મોડેલો રોબોટિક્સ અને ઔદ્યોગિક કાર્યને કેવી રીતે બદલી શકે છે?
રોબોટિક્સ માટેના AI મોડેલ્સનો હેતુ મશીનોને વધુ સુગમતા સાથે વિવિધ ભૌતિક કાર્યો કરવામાં મદદ કરવાનો છે. જિનેસિસ AI નું GENE-26.5 મોડેલ અને માનવ જેવા રોબોટિક હાથ આ દિશાના ઉદાહરણો છે, જેમાં ટામેટાં કાપવા અને રુબિક્સ ક્યુબ ઉકેલવા જેવી નાજુક હિલચાલનો સમાવેશ થાય છે. ઔદ્યોગિક ઉપયોગોમાં ઓટોમોટિવ, ઇલેક્ટ્રોનિક્સ, ફાર્મા અને લોજિસ્ટિક્સનો સમાવેશ થઈ શકે છે, ખાસ કરીને જ્યાં પુનરાવર્તિત મેન્યુઅલ કાર્ય સામાન્ય છે.