-
Google és a Tel Aviv Egyetem mélyíti mesterséges intelligencia kutatási együttműködését
A Google és a Tel Aviv Egyetem (TAU) hosszú múltra visszatekintő partnersége 2020-ban vált hivatalossá, és azóta számos jelentős közös kutatási projekt valósult meg mesterséges intelligencia (AI) területén. A két intézmény célja, hogy a mesterséges intelligencia fejlesztését társadalmi hasznossággal, fenntarthatósággal és oktatással ötvözve alakítsák. Most bejelentették, hogy 2026 és 2028 között további három évre szóló együttműködésük jelentős támogatást kap a Google.org-tól, melynek keretében egymillió dolláros finanszírozás áll majd rendelkezésre az innovatív AI-kutatások előmozdítására. Széleskörű és multidiszciplináris kutatások az AI szolgálatában A Google és TAU együttműködése 2021-ben indított közös programokat, mint például az AI a társadalomért vagy az AI a fenntarthatóság és oktatás szolgálatában. Ezek a kezdeményezések több mint húsz kutatási…
-
Hogyan segíthetik az AI-modellek a robotikát? – Kísérlet a Claude és a robotkutyák világában
Az utóbbi években az mesterséges intelligencia (AI) gyors fejlődése nemcsak a digitális világban, hanem a fizikai térben is egyre nagyobb hatással van ránk. Az Anthropic legújabb kísérlete megvizsgálta, hogy a Claude nevű AI-modell milyen mértékben tudja támogatni a robotika területén dolgozó szakembereket, különösen egy négy lábú robotkutya irányításában. Az eredmények azt mutatják, hogy a mesterséges intelligencia nem csupán segíthet az emberi feladatok elvégzésében, hanem akár a robotok autonóm működésének fejlesztésében is kulcsszerepet játszhat. A kísérlet háttere és célja Az AI modellek eddig leginkább digitális feladatokban, például kódírásban vagy adatfeldolgozásban bizonyítottak. Azonban a fizikai világban való alkalmazásuk – például robotok irányításában – még csak most kezd kibontakozni. Az Anthropic kutatócsoportja ezért…
-
Nvidia: Hogyan lett a kicsi kutatóhelyből 4 trillió dolláros óriás?
Bill Dally, aki 2009-ben csatlakozott az Nvidia kutatólaboratóriumához, egy viszonylag kicsi csapattal dolgozott, amely csupán néhány főből állt, és a ray tracing, vagyis a számítógépes grafikai renderelési technikára összpontosított. Azóta a laboratórium létszáma 400 főre nőtt, és az Nvidia a 90-es évek videójátékos GPU-indítványából egy 4 trillió dolláros céggé fejlődött, amely az mesterséges intelligencia (AI) robbanásának motorjává vált. Jelenleg a kutatólabor célja a robotika és az AI technológiák fejlesztése, és az eddigi munkáik már megjelennek a vállalat termékeiben is. A múlt héten bemutatták az új AI modellek és könyvtárak sorozatát, amelyek a robotikai fejlesztők számára készültek. Dally, aki mára az Nvidia vezető tudósa, 2003-ban kezdett konzultálni a céggel, miközben a…
-
AI Modellek: Jobban Teljesítenek, Ha Megfenyegetjük Őket?
A mesterséges intelligencia (AI) fejlődése és alkalmazása folyamatosan új kihívásokat és lehetőségeket teremt a technológiai világban. A közelmúltban egy érdekes kutatás látott napvilágot, melyben a kutatók azt vizsgálták, hogy Sergey Brin, a Google egyik alapítójának állítása, miszerint a mesterséges intelligencia „megfenyegetése” javíthatja a teljesítményét, valóban igaz-e. A kutatás eredményei vegyes képet mutattak, és felhívták a figyelmet arra, hogy a nem hagyományos megközelítések alkalmazása nem mindig hoz kiszámítható eredményeket. Az AI fenyegetése és a kutatás részletei A kutatók a Penn Egyetem Wharton Iskolájából indultak neki a vizsgálatnak, amely során két szokatlan megközelítést teszteltek: az AI „megfenyegetését” és az „italálás” (tipping) módszerét. Brin korábban kijelentette, hogy a modellek teljesítménye javul, ha fenyegetések…
-
Az AI teljesítménye: Működnek-e a fenyegetések?
A közelmúltban egy kutatócsoport érdekes kísérletet végzett, amelyben arra keresték a választ, hogy Sergey Brin, a Google egyik alapítója által javasolt fenyegető megközelítések hogyan befolyásolják a mesterséges intelligencia (AI) pontosságát. Az eredmények azt mutatták, hogy bizonyos esetekben ezek a szokatlan megközelítések akár 36%-kal is javíthatják az AI válaszainak minőségét, ugyanakkor figyelmeztettek arra, hogy az ilyen jellegű próbálkozások előre nem látható eredményekhez vezethetnek. A kutatók a Pennsylvaniai Egyetem Wharton Iskolájának szakemberei voltak, akik különböző AI modellek teljesítményét tesztelték. A kutatás során a kutatók két elterjedt benchmarkot használtak, amelyek közé tartozott a GPQA Diamond és az MMLU-Pro, amelyek PhD szintű kérdéseket tartalmaztak különböző tudományágakban. Az egyes kérdéseket 25 alkalommal tesztelték, hogy értékelni…
