🧱 यूएस डेटा सेंटरच्या बांधकामाला गती देण्यासाठी Nvidia ने CoreWeave मध्ये $2B गुंतवले ↗
एनव्हीडियाने कोअरवीव्हमध्ये $२ अब्ज गुंतवले, ज्यामुळे आधीच जवळची पायाभूत सुविधा भागीदारी घट्ट झाली - आणि हो, बाजाराने "अरेरे, अधिक एआय क्षमता" असा अंदाज लावता येईल असा प्रयत्न केला.
कोअरवीव्हने ते डेटा सेंटरच्या विस्तारासाठी (जमीन, वीज, बांधकाम) इंधन म्हणून तयार केले, केवळ अधिक चिप्स हलविण्यासाठी मागील दाराने चाललेले पाऊल नाही. तरीही, जेव्हा सर्वात मोठा फावडे विक्रेता सर्वात जलद फावडे वापरकर्त्याला निधी देतो, तेव्हा सबटेक्स्ट स्वतःच लिहितो.
🧠 मायक्रोसॉफ्टने नवीन एआय इन्फरन्स चिप, माइया २०० चे अनावरण केले ↗
मायक्रोसॉफ्टने Maia 200 ला त्यांचा पुढील AI अॅक्सिलरेटर म्हणून सादर केले, जो अनुमान वर्कलोड्सभोवती स्थित आहे - "रन द मॉडेल अॅट स्केल" भाग ज्यासाठी खरे पैसे खर्च होतात आणि इतर सर्व गोष्टींसाठी शांतपणे मर्यादा निश्चित करतात.
ते ते अझूर तैनाती आणि आधुनिक मॉडेल सर्व्हिंगसाठी उद्देशाने बनवलेले म्हणून मांडत आहेत, थ्रूपुट आणि कार्यक्षमतेबद्दल परिचित दावे आहेत. हे असे वाचले जाते की मायक्रोसॉफ्ट "आम्ही कायमचे इतरांच्या सिलिकॉनवर अवलंबून राहणार नाही" यावर अधिक जोर देत आहे... किंवा किमान त्या दिशेने वाटचाल करत आहे.
🎭 निधी फेरीनंतर सिंथेसियाने मूल्यांकन जवळजवळ दुप्पट करून $4 अब्ज केले ↗
सिंथेसियाने मोठी वाढ केली आणि त्याचे मूल्यांकन $4 अब्ज पर्यंत वाढवले, जर तुम्हाला अजूनही वाटत असेल की एआय अवतार हे फक्त एक नौटंकी आहे तर ते खूपच वाईट आहे. कॉर्पोरेट प्रशिक्षण बजेट मुळातच अमर्याद असतात असे दिसून आले.
ते या गतीला वेगवान, स्वस्त व्हिडिओ कंटेंटसाठी एंटरप्राइझ मागणी - तसेच अधिक परस्परसंवादी "भूमिका बजावणे" शैली प्रशिक्षण म्हणून मांडत आहेत. प्रत्येकाला सिंथेटिक सहकाऱ्यांचा उत्साह आवडत नाही, परंतु दत्तक घेणे अजूनही पुढे जात आहे.
🚨 ग्रोकने केलेल्या लैंगिक प्रतिमांबद्दल ईयूने एक्स विरुद्ध चौकशी सुरू केली ↗
ग्रोक आणि प्लॅटफॉर्मवर फिरणाऱ्या लैंगिक प्रतिमांबद्दलच्या चिंतांशी संबंधित X ची चौकशी EU नियामकांनी सुरू केली. अंतर्निहित तणाव क्रूरपणे सोपा आहे: नियामकांना हे जाणून घ्यायचे आहे की X ने अंदाजे नुकसानांचे मूल्यांकन केले आणि कमी केले, किंवा प्रथम पाठवले आणि नंतर परिणाम हाताळले.
डिजिटल सेवा कायद्याचा दृष्टिकोन महत्त्वाचा आहे कारण तो केवळ वैयक्तिक पोस्टबद्दल नाही - तो पद्धतशीर जोखीम व्यवस्थापनाबद्दल आहे. X ने निर्बंध आणि बदलांकडे लक्ष वेधले आहे, परंतु नियामक प्रत्यक्षात सुरक्षा उपाय पुरेसे होते की नाही यावर लक्ष केंद्रित करतात असे दिसते.
🏛️ यूके सरकार एआय रिसर्च रिसोर्ससाठी केंब्रिज सुपरकॉम्प्युटिंगला चालना देते ↗
केंब्रिज येथील एआय रिसर्च रिसोर्स कंप्यूट क्षमता वाढवण्यासाठी यूके सरकारने अधिक निधीची घोषणा केली. "संशोधनासाठी गंभीर कंप्यूटची अधिक उपलब्धता" ही त्याची मूळ संकल्पना आहे, जी - स्पष्टपणे सांगायचे तर - गेल्या काही काळापासून एक अडथळा आहे.
डेटा वापर आणि सार्वजनिक सेवांभोवती यूकेच्या उपक्रमांच्या विस्तृत संचामध्ये हे देखील समाविष्ट आहे. तुम्ही ते व्यावहारिक गुंतवणूक म्हणून वाचू शकता किंवा इतर सर्वजण जीपीयू वापरत असताना एआय शर्यतीत पाऊल ठेवण्याचा प्रयत्न करत असताना यूके म्हणून वाचू शकता.
📝 वाहतूक नियम लिहिण्यासाठी DOT ने Google Gemini वापरण्याची योजना आखली आहे ↗
प्रोपब्लिकाने वृत्त दिले आहे की यूएस डिपार्टमेंट ऑफ ट्रान्सपोर्टेशन नियमांचा मसुदा तयार करण्यासाठी गुगलच्या जेमिनीचा वापर करत आहे, ज्यामध्ये मानवांनी त्याचे पुनरावलोकन केले आहे. कागदावर ते प्रभावी वाटते, अगदी तोपर्यंत जोपर्यंत एक भ्रम तळटीपमध्ये सरकत नाही आणि खरा परिणाम दर्शवितो.
अहवालातील धक्कादायक बाब जबाबदारी आणि जोखीम याबद्दल आहे - नियम बनवणे ही ब्लॉग पोस्ट नाही. सिद्धांततः, एआय मसुदे आणि पृष्ठभागावरील विसंगतींची रचना करण्यास मदत करू शकते, परंतु जर देखरेख तीव्र असेल आणि प्रक्रिया पारदर्शक असेल तरच - आणि हाच भाग हाताने हलवला जातो.
वारंवार विचारले जाणारे प्रश्न
अमेरिकेतील एआय पायाभूत सुविधांसाठी एनव्हिडियाने कोअरवीव्हमध्ये $२ अब्जची गुंतवणूक कशी केली याचा काय अर्थ होतो?
हे प्रमुख चिप पुरवठादार आणि जलद गतीने वाढणाऱ्या GPU क्लाउड प्रदात्यामधील घट्ट संबंध दर्शवते. CoreWeave या पैशाचे वर्णन जमीन, वीज आणि बांधकाम यासह डेटा सेंटर विस्तारासाठी निधी म्हणून करते. प्रत्यक्षात, ते प्रशिक्षण आणि मॉडेल चालवण्यासाठी अधिक जवळच्या क्षमतेमध्ये अनुवादित होऊ शकते. हे AI पायाभूत सुविधा पुरवठा आणि मागणी किती उभ्या संरेखित होत आहेत याबद्दल प्रश्न देखील उपस्थित करते.
मायक्रोसॉफ्टचा Maia 200 म्हणजे काय आणि ते अनुमानाभोवती का ठेवले आहे?
Maia 200 हा मायक्रोसॉफ्टचा पुढील AI अॅक्सिलरेटर आहे जो उत्पादनाच्या प्रमाणात चालणारे मॉडेल्स - अनुमानावर लक्ष केंद्रित करतो. अनुमान म्हणजे खर्च लवकर जमा होऊ शकतो कारण ते वास्तविक वापरकर्ता रहदारी आणि नेहमी चालू असलेल्या सेवांशी जोडलेले आहे. मायक्रोसॉफ्ट ते Azure तैनाती आणि आधुनिक मॉडेल सर्व्हिंगसाठी उद्देश-निर्मित म्हणून फ्रेम करते. अधिक इन-हाऊस पर्याय तयार करून बाह्य सिलिकॉनवरील दीर्घकालीन अवलंबित्व कमी करणे हा व्यापक संदेश आहे.
सिंथेसिया सारख्या एआय अवतार कंपन्यांना इतके उच्च मूल्यांकन का मिळत आहे?
मुद्दा सरळ आहे: उपक्रमांना प्रशिक्षण आणि अंतर्गत संप्रेषणासाठी जलद, स्वस्त व्हिडिओ निर्मिती हवी आहे. सिंथेसिया कॉर्पोरेट सामग्री आणि अधिक परस्परसंवादी "भूमिका-प्ले" शैलीतील प्रशिक्षण स्वरूपांच्या मागणीकडे झुकत आहे. तो व्यावसायिक वापर केस चिकट असू शकतो कारण तो आवर्ती प्रशिक्षण बजेटमध्ये बसतो. त्याच वेळी, काही संस्था "सिंथेटिक सहकारी" भावना आणि तो सांस्कृतिकदृष्ट्या कसा उतरतो याबद्दल सावध राहतात.
डिजिटल सेवा कायद्यांतर्गत एक्स आणि ग्रोकच्या लैंगिक प्रतिमांबद्दल युरोपियन युनियन काय तपास करत आहे?
लक्ष केवळ वैयक्तिक पोस्टवरच नाही तर X ने अंदाजे प्रणालीगत जोखीमांचे मूल्यांकन केले आणि कमी केले की नाही यावर आहे. नियामक विचारत आहेत की सुरक्षा उपाय अशा प्रकारे डिझाइन आणि अंमलात आणले गेले होते की ज्यामुळे मोठ्या प्रमाणात हानिकारक परिणाम टाळता येतील. X ने निर्बंध आणि बदलांकडे लक्ष वेधले आहे, परंतु सरावात जोखीम व्यवस्थापनाच्या पर्याप्ततेवर लक्ष केंद्रित केले आहे. जलद गतीने वाढणाऱ्या जनरेटिव्ह वैशिष्ट्यांवर DSA कसा लागू होतो याची ही एक चाचणी आहे.
केंब्रिज येथील यूकेचे एआय रिसर्च रिसोर्स काय आहे आणि अधिक गणना का महत्त्वाची आहे?
एआय रिसर्च रिसोर्स हे संशोधनासाठी गंभीर संगणकीय सुविधांचा विस्तार करण्याचा एक मार्ग म्हणून स्थित आहे, जो दीर्घकाळापासून एक अडथळा आहे. अधिक क्षमता विद्यापीठे आणि संशोधकांना मोठे प्रयोग करण्यास आणि जलद पुनरावृत्ती करण्यास मदत करू शकते. ही घोषणा डेटा वापर आणि सार्वजनिक सेवांभोवती व्यापक यूके प्रयत्नांमध्ये देखील बसते. प्रत्यक्षात, GPU ची जागतिक मागणी वाढत असताना देशांतर्गत संशोधन स्पर्धात्मक ठेवण्यासाठी ही एक प्रयत्न आहे.
अमेरिकन वाहतूक विभाग नियमांचा मसुदा तयार करण्यासाठी गुगल जेमिनीचा सुरक्षितपणे वापर करू शकेल का?
हे मसुद्यांची रचना करण्यात, माहितीचा सारांश देण्यात आणि विसंगती शोधण्यात मदत करू शकते, परंतु केवळ तीव्र मानवी देखरेखीसह. मुख्य धोका असा आहे की भ्रामक किंवा दिशाभूल करणारा मजकूर नियम बनवण्यात येऊ शकतो, जिथे तपशीलांचे वास्तविक परिणाम होतात. एक सामान्य दृष्टिकोन म्हणजे एआय आउटपुटला सुरुवातीचा मसुदा मानणे, नंतर कठोर पडताळणी, स्पष्ट जबाबदारी आणि पारदर्शक दस्तऐवजीकरण आवश्यक आहे. त्याशिवाय, "कार्यक्षमता" प्रशासनाची जबाबदारी बनू शकते.