C3

एआई सिस्टम को विभिन्न क्षेत्रों में अर्थपूर्ण निर्णय लेने के लिए प्रशिक्षित किया जा रहा है, जैसे गति, सुरक्षा और स्थिरता को बढ़ाने के लिए शहर के यातायात का प्रबंधन करना। हालांकि, यह चुनौतीपूर्ण है क्योंकि पुनर्बलन शिक्षण मॉडल अक्सर कार्यों की विविधताओं से जूझते हैं। इसे संबोधित करने के लिए, एमआईटी के शोधकर्ताओं ने इन मॉडलों को प्रशिक्षित करने के लिए एक अधिक कुशल एल्गोरिदम विकसित किया है। यह एल्गोरिदम रणनीतिक रूप से एआई के प्रशिक्षण के लिए सबसे प्रभावशाली कार्यों का चयन करता है, जो प्रदर्शन को अधिकतम करता और लागत को कम करता है। उदाहरण के लिए, शहर के यातायात संकेतों को नियंत्रित करने में, यह कुछ प्रमुख चौराहों पर ध्यान केंद्रित करता है, जिससे समग्र प्रभावशीलता में सुधार होता है। शोधकर्ताओं ने इस विधि को पारंपरिक दृष्टिकोणों की तुलना में 5 से 50 गुना अधिक कुशल पाया, जिससे तेजी से सीखने और बेहतर एआई प्रदर्शन की प्राप्ति होती है। वरिष्ठ लेखक कैथी वू ने उनके एल्गोरिदम की सादगी और प्रभावशीलता पर जोर देते हुए इसके व्यापक अपनाने की क्षमता को रेखांकित किया। यह शोध जैंग-हून चो, विंदुला जयवर्धना, सिरुई ली, और कैथी वू द्वारा न्यूरल इंफॉर्मेशन प्रोसेसिंग सिस्टम्स पर सम्मेलन में प्रस्तुत किया गया। पारंपरिक तरीकों में या तो हर चौराहे के लिए एक अलग एल्गोरिदम को प्रशिक्षित करना शामिल होता है या सभी के लिए एक, दोनों में कमी होती है। नई विधि स्थानांतरण शिक्षण का प्रयोग कर एक संतुलन पाती है, नए कार्यों पर बिना अतिरिक्त प्रशिक्षण के एक प्रशिक्षित मॉडल को लागू करती है, और उन कार्यों पर ध्यान केंद्रित करती है जो समग्र एल्गोरिदम प्रदर्शन को बढ़ाते हैं। विकसित मॉडल-बेस्ड ट्रांसफर लर्निंग (MBTL) अल्गोरिदम अलग-अलग कार्य प्रदर्शन और विभिन्न कार्यों में सामान्यीकरण का मॉडलिंग कर नए कार्यों के प्रशिक्षण के लाभ का अनुमान लगाता है, और उन कार्यों का चयन करता है जो सबसे ज्यादा लाभ देते हैं। यह दृष्टिकोण प्रशिक्षण की दक्षता को महत्वपूर्ण रूप से बढ़ाता है, समान समाधान के लिए बहुत कम डेटा का उपयोग करता है। परीक्षणों ने विभिन्न सिमुलेटेड कार्यों में MBTL की दक्षता को दिखाया, प्रशिक्षण की दक्षता में 50x तक की बढ़ोतरी प्राप्त की। इसका मतलब है कि इष्टतम समाधान प्राप्त करने के लिए डेटा आवश्यकताओं में अत्यधिक कमी। शोधकर्ता MBTL को अधिक जटिल, वास्तविक संसार की समस्याओं को हल करने के लिए विस्तारित करने का लक्ष्य रखते हैं, विशेषकर अगली पीढ़ी के गतिशीलता प्रणालियों में। यह शोध कई संस्थानों द्वारा समर्थित था, जिसमें एक नेशनल साइंस फाउंडेशन CAREER अवार्ड और एक अमेज़न रोबोटिक्स पीएचडी छात्रवृत्ति शामिल हैं।

एंथ्रोपिक, एक आर्टिफिशियल इंटेलिजेंस स्टार्टअप, ने शुक्रवार को घोषणा की कि उसे Amazon

डेल टेक्नोलॉजीज (NYSE: DELL) ने 2024 में अब तक शेयर बाजार में उल्लेखनीय प्रगति देखी है, और इसके शेयर अब तक 76% बढ़ चुके हैं। इस उछाल का कारण उसके सर्वर सॉल्यूशंस की बढ़ती मांग है जो आर्टिफिशियल इंटेलिजेंस (AI) चिप्स का समर्थन करती हैं। कंपनी के प्रदर्शन पर तब ध्यान दिया जाएगा जब यह मंगलवार, 26 नवंबर को अपने वित्तीय 2025 तीसरी तिमाही के आय की रिपोर्ट जारी करेगी। निवेशक यह जानने को उत्सुक होंगे कि क्या डेल की गाइडेंस इसे अपनी प्रभावशाली गति बनाए रखने की अनुमति देगी। **सुबह की खबर मत चूकिए!** हर बाजार दिवस पर अपना नाश्ता समाचार अपने इनबॉक्स में प्राप्त करें। मुफ्त साइन अप करें » **उम्मीद से बढ़कर प्रदर्शन की संभावना** डेल की अगली तिमाही रिपोर्ट के अनुसार अगस्त में, प्रबंधन ने संकेत दिया था कि वित्तीय वर्ष के दूसरे भाग में विकास तेजी से हो सकता है। उन्होंने Q3 के लिए राजस्व लगभग $24

जुलाई से, न्यू मैक्सिको में लॉस एलामोस राष्ट्रीय प्रयोगशाला के शोधकर्ता इस पर विचार कर रहे हैं कि कैसे OpenAI द्वारा विकसित AI मॉडल GPT-4o जैविक अनुसंधान कार्यों में सहायता कर सकता है। इन कार्यों में कोशिका संस्कृतियों को बनाए रखना, कोशिकाओं को सेंट्रीफ्यूज के माध्यम से अलग करना और जीवों में आनुवंशिक सामग्री डालना शामिल है। इन मूल्यों का उद्देश्य जैव विज्ञान में नवाचार करना और संभावित जोखिमों को समझना है, विशेष रूप से जैवसुरक्षा और जैव सुरक्षा के मुद्दों पर ध्यान केंद्रित करते हुए, क्योंकि AI मॉडल जैसे ChatGPT 2022 में सार्वजनिक रूप से उपलब्ध हो गए। जॉन्स हॉपकिन्स सेंटर फॉर हेल्थ सिक्योरिटी में विशेषज्ञ सार्वजनिक स्वास्थ्य को सुधारने में AI की संभावनाओं को रेखांकित करते हैं लेकिन साथ ही इस तकनीक से उत्पन्न अप्रत्याशित जोखिमों पर भी ध्यान देते हैं। वे सरकारों से आग्रह करते हैं कि वे सबसे गंभीर जोखिमों की पहचान करें और उन्हें कम करें, जैविक अनुसंधान जोखिमों को प्रबंधित करने के पिछले अनुभवों का लाभ उठाते हुए। GPT-4o एक मल्टीमोडल बड़ा भाषा मॉडल (LLM) है, जो पाठ, ऑडियो, छवि और वीडियो इनपुट को संसाधित करने में सक्षम है। पहले, GPT-4 ने जीवन विज्ञान में जैसे एंटीबॉडी डिजाइन करने और जीवविज्ञान प्रयोगों को स्वचालित करने में अनुप्रयोग दिखाए थे। हालांकि, ये प्रगति महत्वपूर्ण जैवसुरक्षा जोखिम भी पैदा कर सकती हैं, जिससे सरकारों को AI सुरक्षा संस्थान स्थापित करने और ऐसे जोखिमों का प्रबंधन करने के लिए दिशानिर्देश लागू करने की आवश्यकता है। विशेषज्ञ सुझाव देते हैं कि जो AI क्षमताएं बड़े पैमाने पर नुकसान पहुंचा सकती हैं, जैसे कि महामारी-स्तरीय प्रकोपों की अनुमति देना, जैसे वायरस डिज़ाइन को अनुकूलित करना या रोगजनकों के संश्लेषण को स्वचालित करना, पर ध्यान केंद्रित करना आवश्यक है। वे AI डेवलपर्स और सुरक्षा विशेषज्ञों के बीच व्यापक सहयोग का आह्वान करते हैं ताकि गंभीर जोखिमों के शमन को प्राथमिकता दी जा सके। AI मॉडल की सुरक्षा मूल्यांकन को अक्सर बायोवेपन्स के विकास पर संकीर्ण रूप से केंद्रित किया जाता है, बिना छोटे और बड़े पैमाने पर जोखिमों के अंतर को समझे। मूल्यांकन में कई AI सिस्टमों के सहयोगी संचालन को भी ध्यान में रखना होगा, बजाय केवल व्यक्तिगत मॉडलों पर ध्यान केंद्रित करने के। एक अधिक प्रभावी दृष्टिकोण के लिए उन AI क्षमताओं पर उद्देश्यपूर्ण वैज्ञानिक सहमति की आवश्यकता है जो महत्वपूर्ण जैवसुरक्षा खतरों को उत्पन्न करती हैं। ऐसी सहमति बनाने में स्वतंत्र विशेषज्ञों द्वारा विकासित व्यापक सुरक्षा परीक्षण शामिल होंगे और इसे सरकार और उद्योग साझेदारों का समर्थन प्राप्त होगा। यह दृष्टिकोण AI के लाभों का उपयोग करते हुए और उसके जोखिमों को कम करते हुए संतुलन सुनिश्चित करता है।

दुनियाभर में संगठनों के बीच एक बदलाव देखा जा रहा है, जहां कर्मचारी AI और सहज उपकरणों का इस्तेमाल कर स्वयं को टेक्नोलॉजी निर्माता बना रहे हैं, जो पारंपरिक IT विभागों को बायपास कर रहे हैं। इस आंदोलन में मार्केटिंग प्रबंधक AI मॉडल विकसित कर रहे हैं, नर्सें स्वास्थ्य सेवा ऐप्स बना रही हैं, और वित्त टीमें प्रक्रियाओं को स्वचालित कर रही हैं। टॉम डेवनपोर्ट इस बदलाव को ऐसे समझाते हैं कि तकनीक अब और सुलभ और रोजमर्रा की जिंदगी में अधिक एकीकृत हो रही है। यह "नागरिक क्रांति" तकनीकी निर्माताओं को तीन प्रकारों में वर्गीकृत करती है: नागरिक डेवलपर जो लो-कोड/नो-कोड प्लेटफॉर्म का उपयोग करते हैं, नागरिक स्वचालितकर्ता जो स्वचालित वर्कफ़्लो स्थापित करते हैं, और नागरिक डेटा वैज्ञानिक जो AI उपकरणों का उपयोग कर अंतर्दृष्टियों का अन्वेषण करते हैं। इयान बार्किन बताते हैं कि कैसे मनुष्य तकनीकी समझ विकसित कर रहे हैं और तकनीक उपभोक्ता के अनुकूल हो रही है। एक उल्लेखनीय उदाहरण शेल में स्टीवी सिम्स का है, जिन्होंने मैनुअल कार्यों से नागरिक डेवलपर के रूप में नेतृत्व की ओर स्थानांतरित होकर दिखाया कि कैसे डोमेन विशेषज्ञता नवाचार को चला सकती है। हालाँकि, कुछ आईटी विभाग इस प्रवृत्ति को "शैडो IT" के रूप में देखते हैं और इसका प्रतिरोध करते हैं, हालांकि इसकी स्वीकृति बढ़ रही है। बार्किन एक दोहरी आईटी प्रणाली बनाने का सुझाव देते हैं जो दोनों औद्योगिक आवश्यकताओं और नागरिक डेवलपर्स का समर्थन करती है। शेल जैसे संगठन एक "लाल, एम्बर, हरा" प्रणाली का उपयोग परियोजनाओं को प्रबंधित करने के लिए करते हैं: हरा मुक्त विकास के लिए, लाल केवल आईटी के लिए, और एम्बर सहयोग के लिए। इस क्रांति को अपनाना कंपनियों को कर्मचारी विशेषज्ञता का लाभ उठाकर नवाचार को तेज करने की अनुमति देता है। डेवनपोर्ट जोर देते हैं कि इस संसाधन का उपयोग करना तेज, किफायती डिजिटलीकरण को सक्षम बनाता है। भविष्य AI और मानव विशेषज्ञता के समझदारीपूर्वक एकीकरण में है। संगठन अपने कर्मचारियों की नवाचार की क्षमता को समर्थन और सक्षम करने के लिए प्रोत्साहित किए जाते हैं, जबकि आवश्यक सुरक्षा उपाय बनाए रखते हैं, जिससे उन्हें नई उत्पादकता प्राप्त होती है और उनके कार्यबल को सशक्त बनाता है।

सोथबी ने मानव-आकृति वाले रोबोट द्वारा बनाई गई कलाकृति की पहली नीलामी होने का दावा किया है, जिसमें रोबोट आई-डा द्वारा बनाई गई पेंटिंग "ए.आई.