Tether บริษัทผู้ออกเหรียญ stablecoin และ USDT กำลังวางแผนเข้าสู่ภาคส่วนปัญญาประดิษฐ์ (AI) ตามที่ Bloomberg รายงาน Paolo Ardoino ซีอีโอของ Tether เปิดเผยถึงความตั้งใจของบริษัทในการเปิดตัวแพลตฟอร์มที่ให้ผู้ใช้สมาร์ทโฟนสามารถโต้ตอบกับ AI แพลตฟอร์ม AI นี้คาดว่าจะเปิดตัวในไตรมาสแรกของปี 2025 เนื่องจาก Tether คาดหวังว่าจะมีกำไรสุทธิมากกว่า 10 พันล้านเหรียญสหรัฐในปีนี้ Ardoino ระบุว่าอย่างน้อยครึ่งหนึ่งของกำไรเหล่านี้จะถูกลงทุนใน AI และกิจการอื่นๆ ในปีหน้า โดยกล่าวว่าความพยายามลงทุนของพวกเขาเพิ่งจะเริ่มต้น ข้อมูลของ CoinMarketCap ชี้ให้เห็นว่ามูลค่าตลาดของ USDT ถึงประมาณ 140 พันล้านเหรียญ เพิ่มขึ้นเกือบ 50 พันล้านเหรียญในปีนี้ เนื่องจากความต้องการเพิ่มขึ้นเมื่อตลาดคริปโตพุ่งสูงขึ้นและ Bitcoin (BTC) ทะลุเกณฑ์หกหลัก รายงานล่าสุดของ Tether ระบุว่าจำนวนกระเป๋าสตางค์ที่ถือ USDT เพิ่มขึ้น 71% ในปี 2024 เมื่อต้นไตรมาส 4 ปี 2024 มีกระเป๋าสตางค์บนเชนที่ถือ USDT มากถึง 109 ล้าน มากกว่าผู้ถือ Bitcoin กว่าสองเท่า USDT ก็ยังคงนำหน้าในด้านการยอมรับ stablecoin โดยมีจำนวนกระเป๋าสตางค์มากกว่าสี่เท่าเมื่อเทียบกับ stablecoin อื่นทั้งหมดรวมกัน ติดตามข้อมูลข่าวสารโดยการสมัครรับอีเมล และติดตามเราบน X, Facebook และ Telegram เพื่อรับข้อมูลอัปเดตล่าสุด Surf The Daily Hodl Mix หมายเหตุ: ความคิดเห็นใน The Daily Hodl ไม่ใช่คำแนะนำทางการเงิน นักลงทุนควรทำการศึกษาอย่างครบถ้วนก่อนการลงทุนที่มีความเสี่ยงสูงใน Bitcoin, สกุลเงินดิจิทัล หรือทรัพย์สินดิจิทัลอื่น ๆ การซื้อขายและโอนเงินทำที่ความเสี่ยงของคุณเอง และความสูญเสียใดๆ เป็นความรับผิดชอบของคุณ The Daily Hodl ไม่แนะนำให้ซื้อหรือขายสกุลเงินดิจิทัลหรือทรัพย์สินดิจิทัลและไม่ทำหน้าที่เป็นที่ปรึกษาการลงทุน The Daily Hodl เข้าร่วมในการตลาดแบบพันธมิตร

เข้าสู่ระบบเพื่อดูพอร์ตโฟลิโอของคุณ เข้าสู่ระบบ

วิศวกรจาก MIT ได้พัฒนาแบบจำลองยานพาหนะไฟฟ้า (EV) กว่า 8,000 แบบ ซึ่งเมื่อใช้ร่วมกับปัญญาประดิษฐ์ (AI) จะช่วยในการสร้างรถยนต์แห่งอนาคตได้อย่างรวดเร็ว ฐานข้อมูลที่เปิดให้ใช้งานนี้มีชื่อว่า "DrivAerNet++" รวมการออกแบบที่จำลองจากรถยนต์ประเภทที่พบเห็นบ่อยที่สุดในปัจจุบัน แบบจำลอง 3 มิติเหล่านี้มีรายละเอียดเกี่ยวกับสมบัติแอโรไดนามิกส์และข้อมูลจำเพาะอื่นๆ แม้ว่ารถยนต์ไฟฟ้าจะมีมานานกว่าศตวรรษ แต่ความนิยมเพิ่มขึ้นอย่างมากในช่วงไม่กี่ปีที่ผ่านมา การออกแบบยานพาหนะเหล่านี้แบบดั้งเดิมใช้เวลาบริษัทหลายปีในการพัฒนาและปรับปรุงจนได้ออกแบบสุดท้ายที่สามารถนำไปทำต้นแบบได้ เนื่องจากมีลักษณะเอกสิทธิ์เฉพาะ รายละเอียดและผลลัพธ์จากการทดลองเหล่านี้ รวมถึงแอโรไดนามิกส์ของต้นแบบ จึงมักเก็บไว้เป็นความลับ ซึ่งหมายถึงความก้าวหน้าในการปรับปรุงระยะ EV หรือประสิทธิภาพการใช้เชื้อเพลิงแสดงให้เห็นผลลัพธ์อย่างเชื่องช้า นักวิจัยกล่าว อย่างไรก็ตาม ฐานข้อมูลใหม่นี้มีจุดมุ่งหมายเพื่อเร่งการค้นพบการออกแบบรถยนต์ที่ดียิ่งขึ้นอย่างมาก ฐานข้อมูลรูปรถดิจิทัลนี้รวมข้อมูลที่ครอบคลุมเกี่ยวกับข้อมูลจำเพาะและแอโรไดนามิกส์ ซึ่งอาจพร้อมจะให้ AI สร้างการออกแบบใหม่ๆ ในอนาคต นักวิจัยกล่าว โดยการปรับกระบวนการที่ยาวนานนี้ให้สั้นลงอย่างมีนัยสำคัญ ผู้ผลิตสามารถพัฒนาแบบ EV ได้รวดเร็วกว่าที่เคย วิศวกรกล่าว ในความเคลื่อนไหวที่เกี่ยวข้อง AI ในรถยนต์ใหม่สามารถตรวจจับผู้ขับขี่ที่เมาได้โดยการตรวจสอบใบหน้าอย่างต่อเนื่องเพื่อหาสัญญาณของอาการมึนเมา ในเอกสารที่ส่งไปยังฐานข้อมูล preprint arXiv เมื่อวันที่ 13 มิถุนายน ทีมงานได้กล่าวรายละเอียดเกี่ยวกับชุดข้อมูลและการใช้งานร่วมกับเทคโนโลยี AI งานนี้ยังถูกนำเสนองานประชุม NeurIPS ที่แวนคูเวอร์ในเดือนธันวาคม การใช้ AI เพื่อสร้างการออกแบบรถในไม่กี่วินาที ชุดข้อมูลของนักวิจัยที่สร้างขึ้นด้วย MIT SuperCloud ซึ่งเป็นกลุ่มคอมพิวเตอร์ที่ทรงพลังสำหรับการวิจัยทางวิทยาศาสตร์ ได้สร้างข้อมูล 39 เทราไบต์หลังจากใช้เวลาคำนวณหน่วยประมวลผลกลางสามล้านชั่วโมง ทีมวิจัยใช้วิธีการในการปรับพารามิเตอร์ 26 ข้อ รวมถึงความยาวของยาน และลักษณะต่างๆ ของรถ เช่น รูปทรงล้อและการเอียงกระจกหน้ารถ เพื่อให้ได้แบบพื้นฐาน จากนั้นพวกเขาได้ใช้วิธีการตรวจสอบว่าแบบใหม่เป็นต้นฉบับ ไม่ใช่การลอกแบบของที่มีอยู่ แต่ละการออกแบบ 3 มิติถูกแปลในรูปแบบต่างๆ ที่สามารถอ่านได้ เช่น ตาข่าย, กลุ่มจุด หรือรายการขนาดและข้อมูลจำเพาะ จากนั้น จะมีการจำลองไดนามิกส์ของของไหลที่ซับซ้อนเพื่อตรวจสอบการไหลของลมรอบการออกแบบแต่ละแบบ "กระบวนการข้างหน้ามีความยุ่งยากมากจนผู้ผลิตเพียงแค่ปรับแต่งรถจากเวอร์ชันหนึ่งไปยังอีกเวอร์ชันหนึ่งเล็กน้อย" Faez Ahmed ผู้ช่วยศาสตราจารย์ด้านวิศวกรรมเครื่องกลที่ MIT อธิบาย "แต่ด้วยชุดข้อมูลที่แสดงประสิทธิภาพของแต่ละการออกแบบ แมชชีนเลิร์นนิงสามารถทำการปรับแต่งได้อย่างรวดเร็ว เพิ่มโอกาสในการสร้างการออกแบบที่ดีกว่า" Mohamed Elrefaie นักศึกษาวิศวกรรมเครื่องกล MIT กล่าวว่าชุดข้อมูลสามารถลดค่าใช้จ่ายในการวิจัยและพัฒนาและเร่งความก้าวหน้าให้เร็วขึ้น การเร่งกระบวนการออกแบบอาจเป็นประโยชน์ต่อสภาพอากาศโดยนำเสนอรถยนต์ที่มีประสิทธิภาพมากขึ้นให้กับผู้บริโภคเร็วยิ่งขึ้น การรวม AI เข้ากับการเร่งการออกแบบมีความจำเป็น ชุดข้อมูลช่วยให้ AI แบบทั้งสามารถได้รับการฝึกฝนให้ "สร้างในไม่กี่วินาทีแทนที่จะเป็นชั่วโมง" Ahmed กล่าวเสริม AI รุ่นก่อนอาจมีการออกแบบที่ดูเหมือนจะได้รับการปรับแต่งอย่างเหมาะสม แต่ยังคงถูกจำกัดด้วยชุดข้อมูลการฝึกที่เล็ก ชุดข้อมูลใหม่มีข้อมูลการฝึกอบรมที่มากขึ้น ทำให้โมเดล AI สามารถสร้างการออกแบบใหม่ๆ หรือประเมินแอโรไดนามิกส์ของสิ่งที่มีอยู่ได้ ซึ่งจะสามารถใช้ในการคำนวณประสิทธิภาพและระยะทางของ EV โดยไม่ต้องมีต้นแบบทางกายภาพ

คริสเตียน ปอนเซ และ ธีโอ แชเฟอร์ พบกันในปี 2023 ที่งานปาร์ตี้ฮัลโลวีนซึ่งจัดโดย Entrepreneur First โดยที่ปอนเซแต่งตัวเป็นอินเดียนา โจนส์ แชเฟอร์ ซึ่งจบการศึกษาจาก MIT และเคยทำงานที่ NASA สำรวจดวงจันทร์ของดาวพฤหัสบดี ส่วนปอนเซจาก Cal Tech มีพื้นฐานในวิศวกรรมชีวภาพ ทั้งคู่พูดคุยกันถึงความซ้ำซากของงานเทคนิคในห้องปฏิบัติการ พวกเขาร่วมบ่นเกี่ยวกับแรงงานในวิศวกรรมพันธุกรรม โดยเฉพาะเวลาหลายชั่วโมงที่ต้องย้ายของเหลวด้วยปิเปต สตาร์ทอัพของพวกเขา Tetsuwan Scientific มีเป้าหมายที่จะแก้ปัญหานี้โดยการปรับปรุงหุ่นยนต์ห้องปฏิบัติการราคาไม่แพง แต่เร็วๆ นี้ได้รับแรงบันดาลใจจากงานเปิดตัวผลิตภัณฑ์ OpenAI ในเดือนพฤษภาคม 2024 การเฝ้าดูความสามารถของโมเดลภาษาขนาดใหญ่ โดยเฉพาะในเหตุผลทางวิทยาศาสตร์ เป็นจุดเปลี่ยนที่สำคัญ ปอนเซทดลองกับ GPT-4 โดยแสดงภาพเจล DNA ที่มันไม่เพียงแต่ระบุปัญหาได้—ชิ้นส่วน DNA ที่ไม่ตั้งใจเรียกว่าพรายเมอร์ไดเมอร์—แต่ยังเสนอแนวทางแก้ไข ปัญหาหลักคือไม่มีซอฟต์แวร์ใดที่แปลงความตั้งใจทางวิทยาศาสตร์เป็นการกระทำของหุ่นยนต์ หุ่นยนต์ไม่สามารถเข้าใจคุณสมบัติทางกายภาพของของเหลวที่พวกมันจัดการ Tetsuwan มุ่งเติมเต็มช่องว่างนี้โดยใช้ AI เพื่อประเมินและปรับปรุงการทดลองทางวิทยาศาสตร์โดยอัตโนมัติ หุ่นยนต์เหล่านี้ไม่เหมือนกับการออกแบบมนุษย์ เป็นโครงสร้างแก้วสี่เหลี่ยม แต่มีการติดตั้งเพื่อประเมินผลลัพธ์และทำการเปลี่ยนแปลงที่จำเป็นได้อย่างอิสระ โดยใช้ซอฟต์แวร์และเซ็นเซอร์ขั้นสูง ปัจจุบัน Tetsuwan Scientific ทำงานร่วมกับ La Jolla Labs บริษัทชีวเทคที่พัฒนายา RNA ช่วยในการวัดประสิทธิภาพของขนาดยา บริษัทได้รับเงิน 2

อทิยา ชัลลาปัลลี สอนคอร์สออนไลน์ที่สแตนฟอร์ดเกี่ยวกับ AI สร้างสรรค์สำหรับมืออาชีพในสายงานที่เกี่ยวข้องกับเทคโนโลยี เขาแบ่งปันแนวทางในการพัฒนาทักษะทางเทคนิคหรือกลายเป็นผู้เชี่ยวชาญด้าน AI การใช้เครื่องมือ AI เช่น ChatGPT ยังช่วยในการทำความเข้าใจแนวคิด AI บทความนี้มาจากการสนทนากับพนักงานไมโครซอฟต์วัย 30 ปี และได้รับการปรับแก้เพื่อความชัดเจน การเดินทางของชัลลาปัลลีใน AI เริ่มต้นเมื่อสิบปีที่แล้วในฐานะนักศึกษาฝึกงานด้านวิทยาศาสตร์ข้อมูลที่ Uber และต่อมาเป็นที่ปรึกษา AI ที่ McKinsey และตอนนี้ที่ไมโครซอฟต์ที่ทำงานเกี่ยวกับ Copilot สี่ปีที่แล้ว เขาเริ่มสอนที่สแตนฟอร์ดและร่วมสร้างคอร์ส "เชี่ยวชาญ AI สร้างสรรค์เพื่อการสร้างสรรค์นวัตกรรมผลิตภัณฑ์" ซึ่งเป็นคอร์สออนไลน์จากสแตนฟอร์ด เปิดตัวในเดือนสิงหาคม 2024 โดยดึงข้อมูลจากการปฏิสัมพันธ์กับผู้ใช้กว่า 300 คนและผู้บริหาร 50 คน คอร์สมุ่งเป้าหมายไปที่บทบาทที่เกี่ยวข้องกับเทคโนโลยีเช่นตัวแทนการสนับสนุนลูกค้าหรือผู้จัดการผลิตภัณฑ์ เพื่อช่วยให้พวกเขาเข้าใจ AI สร้างสรรค์ได้ดียิ่งขึ้น โดยแบ่งเป็น 3 โมดูล: บทนำสู่ AI สร้างสรรค์และโอกาสของมัน, ลักษณะของผลิตภัณฑ์ AI สร้างสรรค์ที่ประสบความสำเร็จ, และกลยุทธ์ในการสร้างผลิตภัณฑ์ดังกล่าว ชัลลาปัลลีระบุสองเส้นทางหลัก: 1

LearnLM เป็นชุดโมเดล AI และคุณสมบัติต่างๆ ที่รวมศาสตร์การเรียนรู้เข้ากับ Gemini และผลิตภัณฑ์ที่รองรับ เช่น ค้นหา YouTube และ Classroom รายงานด้านเทคนิคล่าสุดระบุว่า LearnLM มีประสิทธิภาพเหนือกว่าโมเดล AI ชั้นนำอื่น ๆ ในการปฏิบัติตามหลักการของศาสตร์การเรียนรู้ หลักการเหล่านี้รวมถึงการอธิบายแนวคิดอย่างเหมาะสม ให้คำแนะนำและแนวทางที่เป็นประโยชน์ นำทางผู้เรียนแบบโต้ตอบ และส่งเสริมการมีส่วนร่วมอย่างจริงจัง ตัวอย่างเช่น เมื่อสอนวิชาที่ซับซ้อน LearnLM จะแยกเนื้อหาออกเป็นส่วนที่จัดการได้ และใช้คำถามนำเพื่อกระตุ้นการวิจัยแทนที่จะให้คำตอบโดยตรง รายงานเผยว่า LearnLM สามารถปฏิบัติตามคำแนะนำ สนับสนุนวัตถุประสงค์ทางการศึกษา และปรับให้เข้ากับความสามารถของผู้เรียนได้อย่างมีประสิทธิภาพกว่า โดยมีผู้เชี่ยวชาญด้านการสอนและผู้ทดสอบที่ชื่นชอบผลลัพธ์ของ LearnLM มากกว่าโมเดลอื่น ขณะนี้ LearnLM เปิดให้เข้าถึงตัวอย่างทดลองใน Google AI Studio โดยมีการปรับปรุงด้านการศึกษาที่รวมเข้ากับโมเดล Gemini ของเรา รวมถึง Gemini 2

หุ้นของ Nvidia มีปีที่ทำลายสถิติ และแนวโน้มนี้อาจดำเนินต่อไป แม้ว่าจะมีการปรับตัวบางส่วนในช่วงหลัง แต่บรรดานักวิเคราะห์ยังคงมองในแง่ดีเกี่ยวกับหุ้นของผู้ผลิตชิปนี้ โดยคาดหวังว่าจะมีการเติบโตต่อเนื่องเนื่องจากความต้องการชิป AI ที่เพิ่มขึ้นเกินกว่าที่จะตอบสนองได้ทัน CEO Jensen Huang กล่าวเมื่อเดือนที่แล้วว่าเรากำลังก้าวเข้าสู่ "ยุคของ AI" ซึ่งเป็นยุคที่ใหญ่และหลากหลาย โดย Nvidia เตรียมได้รับประโยชน์จากการขยายตัวของความสามารถในการประมวลผลที่เพิ่มขึ้นอย่างมหาศาล นักวิเคราะห์ส่วนใหญ่แสดงความเห็นในเชิงบวกต่อศักยภาพของ Nvidia จากนักวิเคราะห์ 21 คน ที่มีการติดตามโดย Visible Alpha มีเพียงคนเดียวเท่านั้นที่ไม่ได้มีการให้คะแนน "ซื้อ" หรือในลักษณะเดียวกัน เป้าหมายราคากลางๆ อยู่ที่ประมาณ $177 ซึ่งชี้ให้เห็นถึงโอกาสการเพิ่มขึ้นกว่า 31% จากราคาปิดเมื่อวันศุกร์ก่อนหน้าที่ $134