เมื่อต้นสัปดาห์นี้ มีข่าวเกี่ยวกับความพยายามของกระทรวงยุติธรรมสหรัฐในการยุติการครอบงำของ Google ในการค้นหาทางอินเทอร์เน็ต โดยเฉพาะการป้องกันไม่ให้ Google ใช้อำนาจผูกขาดเพื่อมีอิทธิพลต่อการพัฒนา AI สิ่งนี้ทำให้เราพิจารณาใหม่ ว่าเป็นเวลาเกือบสองปีแล้วตั้งแต่การเปิดตัว ChatGPT ของ OpenAI ในช่วงเวลานั้น AI ก้าวหน้าไปแค่ไหน ท่ามกลางกระแสความสนใจ ข้อจำกัด และคำเตือนอย่างจริงจังเกี่ยวกับอันตรายที่อาจเกิดจาก AI ผู้คนและธุรกิจมีการใช้ AI อย่างแพร่หลายแค่ไหนแล้วหรือยัง? ที่น่าสนใจคือ Google ได้เปิดตัวผลิตภัณฑ์ AI ใหม่ที่ชื่อว่า NotebookLM ซึ่งสามารถเปลี่ยนการใส่ข้อมูลให้เป็นพอดแคสต์ได้ Anton Korinek นักเศรษฐศาสตร์จากมหาวิทยาลัยเวอร์จิเนียกล่าวว่าเขาใช้มันบ่อยๆ โดยเฉพาะเพื่อสรุปเอกสารงานวิจัยที่มีเนื้อหาแน่น “บางครั้งผมก็ทำเพราะเสียงนั้นน่าสนใจมาก ทำได้ดีจริงๆ และค่อนข้างน่าประทับใจ” เขากล่าว NotebookLM เป็นเพียงหนึ่งในความก้าวหน้าใหญ่ของ AI ในช่วงสองปีที่ผ่านมา โดยที่ AI แบบสร้างเองมีแนวโน้มจะมีการสร้างขึ้นให้น้อยลง แต่การนำ AI มาใช้งานไม่ได้ก้าวหน้าเร็วเท่าที่ Korinek คาดไว้ “มีเครื่องมือที่เกือบจะฟรีที่มีพลังสูงมากและมันเหมือนกับธนบัตร 100 ดอลลาร์ที่ตกอยู่บนพื้นและไม่มีใครเก็บมันขึ้นมา” เขาสังเกตเห็น การกระตุ้นให้ธุรกิจเข้ามาใช้โอกาสเหล่านี้เป็นส่วนหนึ่งของหน้าที่ของ Shane Cumming ในฐานะประธานของ Acrolinx บริษัทที่ให้บริการมาตรฐานเนื้อหา AI Cummings อธิบายว่าแม้ว่าภาคเทคโนโลยีและการเงินจะยอมรับ AI ตั้งแต่เริ่มแรก ภาคอื่นๆ ยังคงระมัดระวัง “สิ่งหนึ่งที่ยังไม่เปลี่ยนแปลงในช่วงสองปีที่ผ่านมาคือองค์กรต้องรับผิดชอบต่อเนื้อหาที่พวกเขาผลิต—ทั้งทางกฎหมาย จริยธรรม และทางการเงิน” เขากล่าว อย่างไรก็ตาม การศึกษาล่าสุดที่มีนักเศรษฐศาสตร์จากมหาวิทยาลัยแวนเดอร์บิลต์ Adam Blandin ร่วมเขียน พบว่าประมาณ 40% ของประชากรในวัยทำงานของสหรัฐใช้ AI เชิงสร้างสรรค์ในบางรูปแบบ Blandin กล่าวว่า การแพร่กระจายเริ่มต้นของ AI สะท้อนถึงความเร็วของการปฏิวัติเทคโนโลยีในอดีต “อัตราการยอมรับของเราทั่วหมู่คนงานเหมือนกับอัตราการยอมรับของคอมพิวเตอร์ในปี 1984” เขากล่าว เขาเสริมว่าอาจมีการใช้ AI ในที่ทำงานมากกว่าที่ได้รับการยอมรับในปัจจุบัน โดยอาจใช้เวลาสักสองสามปีกว่าพนักงานจะรู้สึกสบายใจในการยอมรับว่าใช้ ChatGPT ในการทำงานเช่นการสร้างพรีเซนเทชั่น PowerPoint

วันนี้ เราประกาศความร่วมมือที่ขยายตัวกับ Amazon Web Services (AWS) เพื่อเสริมสร้างการพัฒนาและปรับใช้ระบบ AI ขั้นสูง ความร่วมมือนี้รวมถึงการลงทุนจำนวน 4 พันล้านดอลลาร์จาก Amazon กำหนดให้ AWS เป็นพันธมิตรหลักด้านระบบคลาวด์และการฝึกอบรมของเรา ดังนั้น การลงทุนทั้งหมดจาก Amazon ใน Anthropic จะมีมูลค่าถึง 8 พันล้านดอลลาร์ โดยคงสถานะเป็นผู้ลงทุนข้างน้อย **ความร่วมมือด้านฮาร์ดแวร์และซอฟต์แวร์ AWS Trainium** Anthropic ร่วมมือกับ Annapurna Labs ที่ AWS เพื่อพัฒนารุ่นถัดไปของตัวเร่ง Trainium สำหรับการเรียนรู้ของเครื่องที่มีความเชี่ยวชาญ ผ่านความร่วมมือทางเทคนิคนี้ เรากำลังพัฒนาเคอร์เนลระดับต่ำเพื่อเชื่อมต่อกับซิลิกอน Trainium และมีส่วนร่วมกับ AWS Neuron software stack วิศวกรของเราทำงานร่วมกับทีมออกแบบชิปของ Annapurna เพื่อเพิ่มประสิทธิภาพเชิงคำนวณ โดยมีเป้าหมายที่จะใช้ฮาร์ดแวร์นี้ในการฝึกอบรมโมเดลขั้นสูงของเรา แนวทางที่รวมฮาร์ดแวร์และซอฟต์แวร์นี้ พร้อมด้วยประสิทธิภาพด้านราคาและความสามารถในการปรับขยายของ Trainium ช่วยให้เราปรับจักรกลการฝึกอบรมโมเดลได้อย่างเต็มที่ตั้งแต่ชั้นซิลิกอนขึ้นไป **Claude ในฐานะโครงสร้างพื้นฐานหลัก** ผ่าน Amazon Bedrock, Claude ได้กลายเป็นสิ่งสำคัญสำหรับบริษัทจำนวนมากที่ต้องการโซลูชัน AI ที่สามารถขยายได้ Pfizer ใช้โมเดล Claude เพื่อเร่งการวิจัย ประหยัดค่าใช้จ่ายในการดำเนินงานหลายล้าน Intuit ใช้ Claude เพื่อชี้แจงคำคำนวณภาษีซับซ้อนให้กับผู้ใช้ในช่วงฤดูกาลภาษี Perplexity ซึ่งเป็นเครื่องมือค้นหา AI ใช้ Claude เพื่อให้การตอบสนองที่รวดเร็วและแม่นยำ ขณะที่สภายุโรปใช้ Claude เพื่อเสริมสร้างประสิทธิภาพการค้นหาเอกสารผ่าน 'Archibot' **การเสริมสร้างโซลูชัน AI ที่ปลอดภัยและปรับแต่งได้** Claude ใน Amazon Bedrock ให้การเข้าถึงปัญญาประดิษฐ์ขั้นสูงภายใน AWS ช่วยให้มีระบบจัดการคลาวด์โมเดลและข้อมูลที่เป็นหนึ่งเดียว องค์กรสามารถปรับแต่งโมเดล Claude เพื่อตอบสนองความต้องการเฉพาะขณะที่ยังคงความปลอดภัยของข้อมูล AWS มีคุณสมบัติด้านความปลอดภัยที่เข้มแข็ง ช่วยให้องค์กรสามารถปรับใช้โซลูชัน AI ที่สอดคล้องกับมาตรฐานข้อบังคับ ลูกค้าภาครัฐสามารถเข้าถึง Claude ผ่าน AWS GovCloud (US) และ Amazon SageMaker ในสภาพแวดล้อมที่ควบคุมได้ **สนับสนุนการวิจัยและพัฒนาปัญญาประดิษฐ์รุ่นถัดไป** ร่วมกับ AWS เรากำลังสร้างพื้นฐานเทคโนโลยีที่จะขับเคลื่อนการวิจัยและพัฒนาปัญญาประดิษฐ์รุ่นต่อไป โดยการรวมความเชี่ยวชาญด้าน AI ของ Anthropic กับโครงสร้างพื้นฐานของ AWS เรากำลังก่อสร้างแพลตฟอร์มที่ปลอดภัยและพร้อมใช้งานในระดับองค์กร ซึ่งให้ธุรกิจมีการเข้าถึงเทคโนโลยี AI ที่ทันสมัยที่สุด

เข้าสู่ระบบเพื่อดูพอร์ตโฟลิโอของคุณ เข้าสู่ระบบ

OpenAI กำลังลงทุนในงานวิจัยทางวิชาการเพื่อพัฒนาอัลกอริทึมที่สามารถทำนายการตัดสินทางศีลธรรมของมนุษย์ ในการยื่นแบบแก่กรมสรรพากร สหรัฐฯ OpenAI Inc.

ทอม ซีเบล ซีอีโอของ C3

ระบบ AI กำลังได้รับการฝึกฝนในหลากหลายสาขาเพื่อใช้ในการตัดสินใจที่มีความหมาย เช่น การใช้ AI ในการจัดการจราจรในเมืองเพื่อเพิ่มความเร็ว ความปลอดภัย และความยั่งยืน อย่างไรก็ตาม นี่เป็นความท้าทายเนื่องจากโมเดลการเรียนรู้เสริมมักประสบปัญหากับความหลากหลายในงานต่างๆ เพื่อแก้ไขปัญหานี้ นักวิจัยจาก MIT ได้พัฒนาอัลกอริทึมที่มีประสิทธิภาพมากขึ้นเพื่อฝึกอบรมโมเดลเหล่านี้ อัลกอริทึมนี้เลือกงานที่มีผลกระทบมากที่สุดในการฝึก AI อย่างมีกลยุทธ์ ซึ่งจะเพิ่มประสิทธิภาพและลดต้นทุน ตัวอย่างเช่น ในการควบคุมสัญญาณจราจรในเมือง มันจะเน้นที่ทางแยกที่สำคัญจำนวนเล็กน้อยเพื่อฝึกฝน เพิ่มประสิทธิภาพโดยรวม นักวิจัยพบว่าวิธีนี้มีประสิทธิภาพมากกว่าวิธีแบบดั้งเดิมถึง 5 ถึง 50 เท่า ทำให้การเรียนรู้เร็วขึ้นและ AI ทำงานได้ดีขึ้น Cathy Wu ผู้เขียนอาวุโสชี้ถึงความเรียบง่ายและประสิทธิภาพของอัลกอริทึมนี้ โดยเน้นศักยภาพในการนำไปใช้ในวงกว้าง การวิจัยนี้นำเสนอที่ Conference on Neural Information Processing Systems โดยมีผู้ร่วมดำเนินการอย่าง Jung-Hoon Cho, Vindula Jayawardana, Sirui Li และ Cathy Wu วิธีการแบบดั้งเดิมเกี่ยวข้องกับการฝึกฝนอัลกอริทึมแยกกันสำหรับแต่ละจุดตัดหรือฝึกฝนอัลกอริทึมเดียวกันสำหรับทุกจุด ซึ่งทั้งสองอย่างมีข้อเสีย วิธีการใหม่นี้หาจุดสมดุลโดยใช้การเรียนรู้การถ่ายโอนในการประยุกต์โมเดลที่ฝึกฝนแล้วกับงานใหม่โดยไม่ต้องฝึกเพิ่ม เน้นที่งานที่เพิ่มประสิทธิภาพโดยรวมของอัลกอริทึม อัลกอริทึม Model-Based Transfer Learning (MBTL) ที่พัฒนาขึ้นนี้ประมาณการประโยชน์ของการฝึกงานใหม่โดยการจำลองประสิทธิภาพของงานแต่ละงานและการกระจายความรู้ไปยังงานต่างๆ เลือกงานที่ให้กำไรสูงสุด วิธีนี้เพิ่มประสิทธิภาพการฝึกอบรมอย่างมาก โดยใช้ข้อมูลน้อยกว่าในการไปถึงทางแก้ปัญหาเดียวกัน การทดสอบแสดงให้เห็นถึงความมีประสิทธิภาพของ MBTL ในงานจำลองต่างๆ โดยมีประสิทธิภาพการฝึกอบรมเพิ่มขึ้นถึง 50 เท่า ซึ่งหมายถึงลดความต้องการข้อมูลอย่างมากในการบรรลุทางออกที่เหมาะสม นักวิจัยตั้งเป้าที่จะขยาย MBTL เพื่อจัดการกับปัญหาที่ซับซ้อนในโลกจริงมากขึ้น โดยเฉพาะในระบบการขนส่งยุคถัดไป การวิจัยนี้ได้รับการสนับสนุนจากสถาบันหลายแห่ง รวมถึงรางวัล CAREER จาก National Science Foundation และทุน Amazon Robotics สำหรับนักศึกษาปริญญาเอก

Anthropic ซึ่งเป็นสตาร์ทอัพด้านปัญญาประดิษฐ์ประกาศเมื่อวันศุกร์ว่าได้รับเงินเพิ่มอีก 4 พันล้านดอลลาร์จาก Amazon