💻 एआय कोडिंग शर्यतीत स्थान मिळवण्यासाठी ओपनएआयने कोडेक्स अॅप लाँच केले ↗
ओपनएआयने एक डेस्कटॉप कोडेक्स अॅप पाठवले आहे जे एकाच वेळी अनेक कोडिंग एजंट्सना एकत्रित करण्यासाठी कमांड सेंटरसारखे वाचले जाते - पाच मिनिटांनंतर तुम्ही तुमच्या मानसिक ड्रॉवरमध्ये चुकवलेल्या एका चॅट थ्रेडवरच नाही.
"लहान थव्यावर देखरेख करा" असा वातावरण आहे, ज्यामध्ये समांतर कामाचे प्रवाह आणि दीर्घकाळ चालणारी कामे आहेत, जी उत्पादक वाटते... आणि तुम्हाला लहान, अथक इंटर्नचे व्यवस्थापन करण्यासाठी बढती मिळाल्यासारखे देखील वाटते.
हे प्रतिस्पर्ध्यांवर थेट हल्ला आहे जे अलिकडे कोडिंग-टूल्सचा आनंद घेत आहेत. नॉकआउट पंच नाही, तर नेहमीपेक्षा जास्त जोरात धक्का.
⚙️ विशेष: ओपनएआय काही एनव्हीडिया चिप्सवर असमाधानी आहे आणि पर्याय शोधत आहे, असे सूत्रांचे म्हणणे आहे ↗
तक्रार "मोठ्या मॉडेल्सना प्रशिक्षित करू शकत नाही" अशी नाही - ती अनुमान गतीची आहे, ती वेळ जिथे मॉडेलला वारंवार आणि मोठ्या प्रमाणात उत्तरे जलद द्यावी लागतात. एनव्हीडिया मध्यवर्ती राहते, परंतु दाब बिंदू बदलत आहेत.
म्हणून कंपनी पर्यायांसाठी शोध घेत आहे, ज्यामध्ये AMD आणि सेरेब्रास आणि ग्रोक सारख्या विशेष खेळाडूंचा समावेश आहे - अशा प्रकारचे हार्डवेअर जे लेटन्सी आणि ऑन-चिप मेमरीसाठी जगते.
सार्वजनिकरित्या, प्रत्येकजण अजूनही सभ्य आहे (जवळजवळ अस्वस्थ करणारे), परंतु उपसंहार स्पष्ट आहे: जर कोडिंग एजंट्स ही नवीन हॉट गोष्ट असेल, तर वेग "असणे छान" राहणे थांबवतो आणि संपूर्ण खेळ बनतो.
🏗️ ५० अब्ज डॉलर्सच्या वाढीमुळे डेटा सेंटर निधीची भीती कमी झाल्याने ओरेकलच्या शेअर्समध्ये वाढ झाली ↗
ओरेकलने कर्ज आणि इक्विटीद्वारे मोठ्या प्रमाणात पैसे उभारण्याची योजना आखली, ज्याचा उद्देश त्यांच्या सर्वात मोठ्या एआय वचनबद्धतेशी जवळून जोडलेल्या डेटा-सेंटर बिल्डआउटला वित्तपुरवठा करणे होता.
विश्लेषकांनी ते "ठीक आहे, तुम्ही कदाचित यासाठी पैसे देऊ शकता" असे म्हटले, जे एक मजेदार प्रकारचे आश्वासन आहे - जसे की तुम्हाला सांगण्यात आले की तुमच्या विमानात पुरेसे इंधन आहे.
निधी योजनेसहही, चिंताग्रस्त विचार रेंगाळतो: हा सर्व एआय पायाभूत सुविधांचा खर्च टिकाऊ नफ्यात रूपांतरित होतो की फक्त खूप महागडे ब्लिंकिंग लाईट्समध्ये बदलतो.
🌿 कार्बन रोबोटिक्सने एक एआय मॉडेल तयार केले जे वनस्पती शोधते आणि ओळखते ↗
कार्बन रोबोटिक्सने त्यांच्या लेसर-आधारित वीडिंग रोबोट्सना शक्ती देण्यासाठी "लार्ज प्लांट मॉडेल" चे अनावरण केले - जे हो, अजूनही कार्टून खलनायक उपकरणासारखे वाटते, परंतु वरवर पाहता ते वास्तविक आणि व्यावहारिक आहे.
याचा व्यावहारिक फायदा मोठा आहे: ही प्रणाली "लेबल करा, पुन्हा प्रशिक्षण द्या, वाट पहा" या संथ लूपशिवाय नवीन तण ओळखू शकते. शेतकरी काय मारायचे आणि काय वाचवायचे हे दर्शवू शकतात आणि रोबोट पूर्ण रीसेट न करता जुळवून घेतो.
ही अशा एआय कथांपैकी एक आहे जी आकर्षक डेमोपेक्षा शांतपणे अधिक महत्त्वाची वाटते - कमी कविता, जास्त अन्न पुरवठा.
⚖️ अँथ्रोपिक कायदेशीर तंत्रज्ञानाकडे वळले ↗
अँथ्रॉपिक अशा प्लगइन्सना पुढे ढकलत आहे जे त्यांच्या मॉडेलला वास्तविक वर्कफ्लोमध्ये स्लॉट करतात, ज्यामध्ये दस्तऐवज पुनरावलोकन आणि करार विश्लेषणासाठी उद्देशित कायदेशीर प्लगइनचा समावेश आहे. अशा प्रकारचे काम लोक "अर्थपूर्ण" असल्याचे शपथ घेतात... जोपर्यंत ते सलग २०० जवळजवळ एकसारखे कलमे पूर्ण करत नाहीत.
कायदेशीर टीमसाठी हे एका क्लिकवर बदलण्यासारखे नाही, तरीही. या गोष्टींचा वापर करण्यासाठी अजूनही टेक चॉप्सची आवश्यकता आहे आणि प्रत्येकजण डेटा सुरक्षिततेबद्दल वेडा असेल - जसे त्यांना करायला हवे.
थोडासा तिखट अर्थ: अरुंद ऑटोमेशनवर बांधलेले कायदेशीर सॉफ्टवेअर विक्रेते अचानक खूपच कमी खास वाटू शकतात.
🧬 चाचणीच्या वेळेत आमूलाग्र घट करण्यासाठी एजंटिक एआयचा वापर करून कॉन्सर्टएआयने एक्सलरेटेड क्लिनिकल चाचण्या सुरू केल्या ↗
कॉन्सर्टएआयने एजंटिक एआयभोवती तयार केलेला "एक्सिलरेटेड क्लिनिकल ट्रायल्स" प्लॅटफॉर्म आणला, ज्याचा उद्देश प्रोटोकॉल डिझाइन, व्यवहार्यता तपासणी, साइट निवड, भरती आणि संपूर्ण नॉटेड साखळी - यासारख्या कठीण भागांना गती देणे आहे.
ते वास्तविक जगाच्या आणि मालकीच्या डेटामधून मिळवलेल्या एजंट्सचा वापर करून, तसेच सामान्य संशोधन स्रोतांमध्ये कनेक्टर्सचा वापर करून वेळेत आणि सुधारणांमध्ये मोठ्या प्रमाणात कपात करण्याचा दावा करत आहेत. महत्त्वाकांक्षी वाटते - आणि क्लिनिकल ऑपरेशन्समध्ये घर्षण-काढण्याची जादू वापरली जाऊ शकते.
जर ते अर्धवट काम करत असेल, तर ते "एआय सर्वकाही बरे करते" कमी आणि "एआय मशीनला थांबण्यापासून थांबवते" असे जास्त असेल, जे कदाचित अधिक विश्वासार्ह प्रकारची प्रगती आहे.
वारंवार विचारले जाणारे प्रश्न
ओपनएआय कोडेक्स अॅप काय आहे आणि ते काय करते?
ओपनएआय कोडेक्स अॅपचे वर्णन एकाच वेळी अनेक कोडिंग एजंट्सचे समन्वय साधण्यासाठी डेस्कटॉप "कमांड सेंटर" म्हणून केले जाते. एकाच चॅट थ्रेडमध्ये राहण्याऐवजी, ते समांतर कार्य प्रवाह आणि तुम्ही देखरेख करू शकता अशा दीर्घकाळ चालणाऱ्या कार्यांना समर्थन देते. एजंट्स जे तयार करतात त्याचे पुनरावलोकन, मार्गदर्शन आणि एकत्रित करताना त्यांच्या एका लहान "झुंड" चे व्यवस्थापन करणे हे उद्दिष्ट आहे.
ओपनएआय कोडेक्स अॅप सामान्य कोडिंग चॅटबॉटपेक्षा वेगळे कसे आहे?
एक सामान्य कोडिंग चॅटबॉट एकाच संभाषणात्मक धाग्यावर आधारित राहतो, तर ओपनएआय कोडेक्स अॅप अनेक एजंट्सना समांतरपणे एकत्रितपणे एकत्रित करण्याभोवती तयार केलेले असते. यामुळे वर्कफ्लो "विचारा, वाट पहा, पुन्हा विचारा" वरून "एकाधिक कार्ये सोपवा आणि प्रगतीचा मागोवा घ्या" असा बदलतो. प्रत्यक्षात, ते शुद्ध चॅटपेक्षा प्रकल्प देखरेखीच्या जवळ वाटू शकते, विशेषतः जेव्हा कार्ये जलद प्रॉम्प्ट-रिस्पॉन्स लूपच्या पलीकडे जातात.
अनेक कोडिंग एजंट्सचे पर्यवेक्षण करण्यासाठी कोणत्या प्रकारचे काम सर्वात योग्य आहे?
अनेक पाइपलाइनमध्ये, जेव्हा काम समांतर ट्रॅकमध्ये विभागले जाऊ शकते ज्यावर मानवी देखरेखीची आवश्यकता असते तेव्हा मल्टी-एजंट सेटअप उत्कृष्ट असतात. एक सामान्य पॅटर्न म्हणजे डीबगिंग, लेखन चाचण्या, दस्तऐवज अद्यतनित करणे किंवा पर्यायी अंमलबजावणी एक्सप्लोर करण्यासाठी स्वतंत्र एजंट नियुक्त करणे, तर तुम्ही एकूण आर्किटेक्चर सुसंगत ठेवता. जेव्हा कार्ये स्पष्टपणे व्यापलेली असतात, फरकांचे बारकाईने पुनरावलोकन केले जाते आणि बदल समन्वयित केले जातात जेणेकरून एजंट कोडबेसच्या समान भागात टक्कर देत नाहीत तेव्हा ते सर्वात जास्त मदत करते.
कोडिंग एजंट्ससाठी अनुमान गती इतकी महत्त्वाची का आहे?
कोडिंग एजंट्स लहान, वारंवार विनंत्यांचा एक स्थिर प्रवाह निर्माण करू शकतात, विशेषतः जेव्हा ते समांतरपणे चालतात आणि साधनांशी संवाद साधतात. विलंब आणि थ्रूपुट हे एक-वेळच्या मॉडेल डेमोपेक्षा अधिक "वापरकर्त्यांसमोर" असतात. जेव्हा मोठ्या प्रमाणात प्रतिसादक्षमता अडथळा बनते, तेव्हा अनुमान गती दुय्यम पायाभूत सुविधा तपशीलात नव्हे तर मुख्य उत्पादन मर्यादा बनते.
एआय अनुमानासाठी एनव्हीडिया व्यतिरिक्त कोणते चिप पर्याय शोधले जात आहेत?
अहवालांमध्ये असे म्हटले आहे की Nvidia अजूनही केंद्रस्थानी आहे, परंतु जलद अनुमान काढण्याच्या उद्देशाने पर्यायांमध्ये रस वाढत आहे. उल्लेख केलेल्या नावांमध्ये AMD आणि सेरेब्रास आणि ग्रोक सारख्या विशेष खेळाडूंचा समावेश आहे. "ते प्रशिक्षित करू शकते का" यावर कमी आणि कमी-लेटन्सी, उच्च-थ्रूपुट सर्व्हिंगवर जास्त भर दिला जातो, विशेषतः एजंटिक वर्कफ्लो वाढत असताना.
ओरॅकल ५० अब्ज डॉलर्सपर्यंत निधी का उभारत आहे आणि ते कशासाठी आहे?
ओरेकलने प्रमुख एआय वचनबद्धतेशी संबंधित डेटा-सेंटर बिल्डआउटला निधी देण्यासाठी कर्ज आणि इक्विटीचे मोठे मिश्रण उभारण्याची योजना आखली आहे. कंपनी मोठ्या पायाभूत सुविधांच्या खर्चासाठी वित्तपुरवठा करू शकते की नाही याबद्दलच्या चिंता कमी करण्यासाठी हे पाऊल उचलले आहे. गुंतवणूकदारांना पाहणारा प्रश्न असा आहे की मोठ्या एआय भांडवली खर्चापेक्षा टिकाऊ परतावा मिळतो का.
कार्बन रोबोटिक्सचे प्लांट मॉडेल लेसर वीडिंग रोबोट्समध्ये कसे बदल करते?
कार्बन रोबोटिक्सने लेसर-आधारित तणनाशकांना शक्ती देण्यासाठी वनस्पती शोधण्यासाठी आणि ओळखण्यासाठी "मोठे वनस्पती मॉडेल" सादर केले. मुख्य आश्वासन म्हणजे जलद अनुकूलन: लेबलिंग, पुनर्प्रशिक्षण आणि पूर्ण मॉडेल अपडेटची वाट पाहण्याच्या मंद लूपशिवाय नवीन तण ओळखणे. शेतकरी काय काढायचे किंवा काय जतन करायचे ते सूचित करू शकतात आणि ही प्रणाली पूर्ण रीसेटशिवाय समायोजित करण्यासाठी डिझाइन केलेली आहे.
कायदेशीर काम आणि क्लिनिकल चाचण्यांमध्ये एजंटिक एआय टूल्स कशी दिसून येत आहेत?
अँथ्रोपिकचे वर्णन पुशिंग प्लगइन्स असे केले जाते जे कायदेशीर दस्तऐवज पुनरावलोकन आणि करार विश्लेषणासह कार्यप्रवाहात एकत्रित होतात. स्वतंत्रपणे, कॉन्सर्टएआयने प्रोटोकॉल डिझाइन, व्यवहार्यता तपासणी, साइट निवड आणि भरती जलद करण्याच्या उद्देशाने "त्वरित क्लिनिकल चाचण्या" प्लॅटफॉर्म सुरू केला. दोन्ही क्षेत्रांमध्ये, व्यावहारिक तैनाती सामान्यतः केवळ मॉडेल क्षमताच नव्हे तर सुरक्षा, प्रशासन आणि काळजीपूर्वक प्रमाणीकरणावर अवलंबून असते.