**15 ժամ առաջ - Զոյ Քլայնմեն, Տեխնոլոգիական խմբագիր** Սուրբ Ծննդին ես ստացա մի յուրահատուկ նվեր ընկերուհի Ջանեթից՝ «Տեխնո-բարդացման գրքեր» վերնագրով անհատականացված «հայտնի վաճառք» գրքով, որտեղ նշված է իմ անունն ու նկարը: Սակայն այն ամբողջովին ստեղծվել է արհեստական բանականության միջոցով իրեն տրամադրած մի քանի հարցումների հիման վրա: Գիրքը զվարճալի է և գրավիչ, սակայն նաև խճճված է և միավորում է ինքնօգնության տարրեր երևակայական պատմությունների հետ։ Այն imitates (նմանակում) է իմ գրելու ոճը, սակայն իրականում բավականին երկար է և որոշ չափով կրկնվող, օրինակ՝ «որպես առաջատար տեխնոլոգիական լրագրող

Ավելի ուշույթ ուսումնասիրություն, որը հրապարակվել է JAMA Network Open-ում, ցույց է տվել, որ ChatGPT-4-ը նշանակալիորեն գերազանցում է բժիշկներին ախտորոշական մտադրության մեջ, միավորելով 90% արդյունք, մինչդեռ բժիշկները հասնում են 76% միավորի, նույնիսկ այն դեպքերում, երբ օգտվել են չաթբոտից: Սա կարևոր հարցեր է առաջացնում բժշիկների ախտորոշման գործընթացների և նրանց դերի ապագայի վերաբերյալ և տարեցտարի մտահոգություններ է առաջացնում մեքենայական ուսուցման կողմից հնարավոր փոխարինման մասին: Ուսումնասիրության մեթոդաբանությունը երաշխավորեց ոչ միայն ճշգրտությունը, այլ նաև մասնակցողների տրամաբանությունը փոխանցելու կարողությունը, որը հայտնի է որպես տարբերակիչ ախտորոշում: Շատ բժիշկներ relied on instinct, որը հանգեցրեց անջատմանը, երբ բախվում էին AI-ով ստեղծված այլընտրանքների: Այս ուսումնասիրությունը և դրա արձագանքները ընդգծում են ախտորոշական կարողությունների շարունակական արժեքը, որը կենտրոնական նշանակություն ունի բժշկական մասնագիտության համար մշակութային լուսաբանման և հիվանդությունների հանգույցի հետ կապված Enlightenment-անցումից ի վեր: Պատմականորեն, նոր ախտորոշիչ գործիքներ, ինչպես ստետոսկոպը և էլեկտրոնային առողջության գրառումները, փոխել են բժշկական պրակտիկան՝ փոխարինելու բժիշկ-հիվանդ հարաբերությունը: AI-ի նկատմամբ արձագանքը ստեղծվել է բինարային պայմաններում՝ մարդիկ ընդդեմ մեքենաների, անտեսելով նոր տեխնոլոգիաների մտահոգիչ ինտեգրման հնարավորությունը: Այս narativ-ը անտեսում է այն ավելի խոր հարցերը, որոնք կապված են այդ գործիքների նպատակների և օգուտների հետ առողջապահական համակարգերում: Բացի այդ, ախտորոշման վրա խոսելը անդրադառնում է նրա երկակի բնույթին՝ որպես պիտակ և մի բարդ գործընթաց, որը ընդգրկում է մշակութային համատեքստ, փորձ և մարդկային փոխազդեցություն: Ախտորոշման տարբերությունները ցույց են տալիս, որ հիվանդի փորձը մեկնաբանելը կարևոր է արդյունավետ բուժման համար: AI համակարգերը կարող են ուժեղացնել նմուշների ճանաչումը, սակայն չեն կարող փոխարինել այն հարուստ, բազմաբնույթ գիտելիքներին, որոնք բժիշկները բերում են հիվանդների հետ փոխգործակցության ժամանակ: Ամբողջականությունը, AI-ի ինտեգրման ուղղությունը ախտորոշման մեջ պահանջում է բժշկական կրթության վերաձևակերպում, որը անցնում է պարզապես տեղեկատվության պահպանումից դեպի պատմանքի մեկնաբանման և համատեքստի ընկալման կարողությունների զարգացում: Բժիշկները պետք է սովորեն օգտագործել AI որպես համագործակցային գործիք, այլ ոչ թե մրցակից դիտել: Վերջիվերջո, բժիշկների դերի զարգացումը վերաբերում է ոչ թե մարդկային և մեքենայական բանականության ընտրությանը, այլ ճանաչել, թե ինչպես կարող են նրանք փոխլրացնել միմյանց հիվանդների խնամքի բարելավման համար: Ինչպես անցյալի նորարարությունները վերաձևակերպել են բժշկական պրակտիկան, այնպես էլ AI-ն առաջարկում է հնարավորություն վերազտելու, թե ինչպես բժիշկները ստանում են իմաստ տեղեկությունից, կենտրոնանալով համագործակցության վրա, այլ ոչ թե միայնակ վերլուծության:

Գոհարների մատակարարման շղթան համաշխարհային հարթություն է, որն ընդգրկում է خام նյութերի արդյունահանման գործընթացը մինչև սպառողական վաճառքը: Դա ներառում է մի շարք փուլեր, այդ թվում՝ թանկարժեք մետաղների և ադամանդների հանքը, զարդերի պատրաստում և միջնորդների՝ մեծածախ վաճառողների և մանրածախ վաճառողների միջոցով անցումը: Բարդությունը լրացուցիչ թանկացնում են նյութերի յուրահատուկ առանձնահատկությունները, բարդ ձևավորումները և տարբեր արհեստավորների մասնակցությունը: Կենսունակ գործողությունները ստեղծում են աշխարհագրական դժվարություններ, որոնք պահանջում են լայնաձև մատակարարման ցանցեր և համապատասխանություն բազմազան կարգերի և բարոյական ստանդարտների: Սպառողների պահանջը թափանցիկության և բարոյականորեն ստացված գոհարների հանդեպ կարևորում է նյութերի ծագման և մատակարարման պրակտիկաների հասկացման կարևորությունը: Վերահսկողության բոլոր փուլերում արդյունաբերությունը պետք է ապահովի ճշտություն՝ ժամանակակից ակնկալիքներին համապատասխան՝ համապատասխանում է իրականությանը, որակի և բարոյական մատակարարումների առումով, հավասար դնելով գործելու հարցեր՝ խաբեություն և կեղծիք: Այս աշխատանքը խթանված է մարտահրավերներով, որոնք առնչվում են գոհարների արդյունաբերությանը՝ դեպի արդյունաբերության 4

Մենք վերջերս հրապարակեցինք 35 ամենակարևոր արհեստական բանականության (ԲԲ) բաժնետոմսերի ցուցակը, որը հայտնաբերել է Coatue-ը, և այս հոդվածում մենք կքննարկենք, թե ինչպես է NVIDIA Corporation-ը (NASDAQ: NVDA) համեմատվում Coatue-ի ցուցակի մյուս կարևոր ԲԲ բաժնետոմսերի հետ: Արհեստական բանականությունը (ԲԲ) նշանակալի թռիչք է առաջացրել տեխնոլոգիական ոլորտում, առաջ մղելով հիմնական շուկայական ցուցանիշները: Վերջին մեկ տարվա ընթացքում S&P 500, որը զգալիորեն ազդել է գերիշխող տեխնոլոգիական ընկերությունների կողմից, աճել է մոտ 22%-ով, մինչդեռ տեխնոլոգիական NASDAQ Composite-ը աճել է ավելի քան 26%-ով: սկզբնական շրջանում վերլուծաբանները սպասում էին 2024 թվականի աճի հնարավորություններին հետևյալ պայմաններով՝ գնաճի նվազում և հնարավոր տոկոսային տոկոսների կրճատումներ: Այնուամենայնիվ, ԲԲ-ն վերափոխել է այս սպասվող հետաքրքրությունը լայնածավալ օպտիմիզմի՝ տնտեսության մեջ: Չնայած տեխնոլոգիական բաժնետոմսերն են հիմնական օգուտ ստացողները, ԲԲ-ն ներթափանցում է նաև բազմազան ոլորտներ, ինչպիսիք են արտադրությունը, մատակարարման շղթան, փոխադրումը, զվարճանքը և մանրածեծը: ԲԲ-ում ներդրումը բուռն զարգանում է բազմազան արդյունաբերություններում: Goldman Sachs-ի reciente հաշվետվությունը նշում է, որ համաշխարհային ընկերությունները, հավանաբար, հաջորդ տարիներին մոտ $1 տրիլիոն ներդրումներ կկատարեն ԲԲ ենթակառուցվածքում: ԲԲ ստարտափների մեջ ներդրումները նաև աճում են: 2024 թվականի առաջին կիսամյակում վենչուրային կապիտալի (VC) ընկերությունները մոտ 200 գործարք են իրականացրել ԲԲ-ի հետ կապված, ինչը մոտ $22 մլրդ է բերել ոլորտին: ԲԲ ստարտափների համար միջին ֆինանսավորման փուլը հիմա գերազանցում է $100 մլն, իսկ գնահատումները սովորաբար գերազանցում են $1 մլրդ: तुलना անելով, ոչ ԲԲ ստարտափները սովորաբար մոտ $20 մլն ֆինանսավորում են ստանում և գնահատվում են մոտ $200 մլն՝ ընդգծելով ԲԲ-ի ուժեղ գրավչությունը ներդրողների համար: ԲԲ-ի վաղ ընդունողները նշանակալի շահույթներ են արել, հատկապես խոսեցող վիզուալիզացիայի միավորների (GPU) և ԲԲ միկրոյուղիների վրա կենտրոնացած ընկերությունների կողմից: S&P 500-ում ԲԲ-ով կապված ընկերություններն ունեն 20% միջին վերադարձ, ինչը կտրուկ հակադրություն է կազմում ոչ ԲԲ բաժնետոմսերի միայն 2%-ի հետ: ՀMoreover, ԲԲ ընկերությունները կազմում են NASDAQ Composite ցուցանիշի ընդհանուր վերադարձի 90%: Այս արդյունավետ շահույթները սպասվում են, որ քառորդերի աճը կդարձնի և տնտեսությունը ընդհանուր լայնածավալ կշռի: Joseph Briggs-ը, Goldman Sachs-ի ավագ գլոբալ էկոնոմիստը, կանխատեսում է, որ ԲԲ-ն կարող է ավտոմատացնել աշխատանքի 25%-ը հաջորդ մի տասնամյակում, ավելացնելով ԱՄՆ-ի արտադրողականությունը 9%-ով և աճեցնելով ՀՆԱ-ի աճը ավելի քան 6%-ով: Այս զարգացումների մասին ավելին սովորելու համար դիտեք «10 լավագույն ԲԲ տվյալների կենտրոնի բաժնետոմսերը» և «10 ԲԲ բաժնետոմսեր՝ ըստ Goldman Sachs»:

Postman-ը, ինչպես լավագույն API հարթակ, ներկայացրել է իր AI Agent Builder-ը, որը գեներատիվ AI գործիք է մշակողների համար՝ ստեղծելու, փորձարկելու և տեղակայելու ինտելեկտուալ գործակալներ՝ ինտեգրելով մեծ լեզվաբառարանային մոդելներ, API-ներ և աշխատանքային գործընթացներ առանց դժվարությունների: **API-ների դերակատարում AI գործակալների դարում** AI գործակալները փոխում են մեր տեխնոլոգիական փոխհարաբերությունները՝ թույլ տալով համատեքստային հասկանալ և ինքնուրույն աշխատել, ինչն ավելի է մեծացնում արդյունավետությունը օգտվողների և կազմակերպությունների համար: Այս գործակալները զարգանալուն զուգահեռ, նրանց կախվածությունը API-ներից դառնում է վճռական: API-ները թույլ են տալիս AI գործակալներին հասնել տեղեկատվության, շփվել հավելվածների հետ և կատարել առաջադրանքներ: Postman-ի համահիմնադիր և գլխավոր տնօրեն Աբհինավ Ասթհանան ընդգծում է, որ գործակալների ժողովրդականության աճով API-ի օգտագործումը կարող է մեծանալ 10-ից 100 անգամ, հեշտացնելով բարդ աշխատանքային գործընթացները: API-ները որոշիչ աջակցություն են մատակարարում AI գործակալների համար՝ թույլ տալով նրանց՝ - **Հասնել ժամանակակից տվյալների**: AI գործակալները API-ների միջոցով ստանում են ներկայիս տեղեկատվություն, օրինակ` եղանակային կամ ֆինանսական տվյալների բազաներից: - **Շփվել հավելվածների հետ**: API-ները թույլ են տալիս գործակալներին ավտոմատացնել առաջադրանքները տարբեր հավելվածներում, ինչպես օրինակ հանդիպումների ծրագրավորում կամ CRM գրանցումների թարմացում: - **Կատարել աշխույժ գործողություններ**: API-ները թույլ են տալիս գործակալներին կառավարել խելացի տան սարքեր կամ իրականացնել առցանց գործարքներ: **Postman-ի AI Agent Builder-ի կիրառման դեպքերը** Postman-ի AI Agent Builder-ը ունի բազմազան կիրառություններ, այդ թվում՝ - **Ավտոմատացված API փորձարկումներ**: Փորձարկման գործընթացի streamline կատարում՝ նվազեցնելով ձեռքերով կատարած աշխատանքը: - **Մշակողների ընտրված և ուսուցում**: Նոր մշակողների ուսուցումը բարելավելը API-ների օգտագործման ինտերակտիվ ուղեցույցներով: - **Բարդ աշխատանքային գործընթացների համակարգում**: Ավտոմատացնել բարդ աշխատանքային գործընթացները, որոնք ներառում են բազմակի API-ներ և ծառայություններ: Այս օրինակները ցույց են տալիս Postman-ի AI Agent Builder-ի ներուժը API-ի օգտագործման հեղափոխության մեջ: **Postman-ի մրցակցային առավելությունը** Մինչ Postman-ը գլխավոր դերասան է AI գործակալների կառուցման շուկայում, մրցակիցներ, ինչպիսիք են LangChain-ը, LlamaIndex-ը և CrewAI-ը, յուրաքանչյուրն անդրադառնում է որոշակի կարիքների, ինչպիսիք են համատեքստի-aware զրույցները, մեծ տվյալների ինտեգրումը և բազմա-գործակալային համագործակցությունը: Postman-ը առանձնանում է իր համապարփակ հարթակով, որը միավորում է API մշակումը, LLM-ի ինտեգրումը և աշխատանքային գործընթացների ավտոմատացումը, նախապայմանելով օգտագործողի հարմարավետությանը և լայնածավալ API ցանցին: Postman-ի AI Agent Builder-ը նշանակալի առաջընթաց է API-առաջին AI զարգացման մեջ, թույլ տալով մշակողներին ստեղծել նորարարական լուծումներ, որոնք օգտագործում են API-ների և LLM-ների հնարավորությունները: Այն նպատակ ունի պարզեցնել API-ի փոխհարաբերությունները, բարելավել աշխատանքային գործընթացի արդյունավետությունը և Facilitate մեթոդի ստեղծման ինքնագործող գործակալների համար բարդ առաջադրանքների: Երբ API տնտեսությունը ընդլայնվում է և AI գործակալները ավելի տարածված են լինում, API-ների դերակատարումը ծրագրակազմի զարգացման մեջ increasingly vital է դառնում: Postman-ի AI Agent Builder-ը տալիս է մշակողներին անհրաժեշտ գործիքներ՝ այդ զարգացող տարածքում հաջողակ լինելու և լիովին օգտագործելու AI-պարունակ API լուծումները:

Dogecoin-ը, սկզբում որպես զվարճալի ինտերնետային մեմ, զարգանում է որպես լուրջ մրցակից բլոկչեյնի նորարարության ոլորտում: Dogecoin Foundation-ը առայժմ ուսումնասիրում է Layer 2 չ(scale)-ի լուծումները, որոնք նպատակ ունեն բարելավել գործարքների արագությունը և նվազեցնել վճարումները, ինչը կդարձնի այն առավել մրցունակ կրիպտոարժույթների շուկայում: Իր ցածր գործարքային ծախսերով Dogecoin-ը գրավում է ուշադրություն՝ միկրոգ որևէ գործարքների համար, հատկապես՝ փոքր վճարների և միանեան-միացման նավագնացության համար սոցիալական մեդիայում: Միկրոգ գործարքներից դուրս, աճում է հետաքրքրությունը Dogecoin-ի հնարավոր դերից Ինտերնետ-մարտկոցների (IoT) առևտրային ցանցերում, որտեղ այն կարող է կառավարել հազարավոր գործարքներ մեկ վայրկյանում: Սա կարող է թույլ տալ Dogecoin-ին անցնել պարզ նշանից դեպի կարևոր խաղացող թվային տնտեսությունում: Բուն գաղափարները նշում են կարևոր հարցեր Dogecoin-ի ապագայի համար: Layer 2 լուծումների արդյունավետությունը կլինի որոշիչ ցանցի ընդլայնման և նմանապես հաստատված կրիպտոարժույթների, ինչպիսիք են Bitcoin-ը և Ethereum-ը մրցելու համար: Չնայած նրա ցածր վճարները մրցակցային առավելություններ են ստեղծում միկրոգ գործարքների համար, անկատարություն և կենտրոնացումը որպես հարց կարող են խոչընդոտել նրա վստահելիությունը: Բացի այդ, Dogecoin-ի ինտեգրումը IoT ցանցերում կարող է թույլ տալ արդյունավետ կառավարել ինքնուրույն միկրոգ գործարքերը: Ինչպես Dogecoin-ը շարունակում է նորարարություն անել և հարմարվել, դրա ուղին մեմից դեպի հիմնական կրիպտոարժույթ կտեսնվի թե´ հիացականների, թե´ կասկածների կողմից:

Twilio (TWLO 1