Очередной выпуск #ВобъективеИИ порадует вас информацией о новой архитектуре чипов от IBM, имитирующих работу головного мозга, более экономичных и экологичных VLM от Google, а также о применении искусственного интеллекта для устойчивых инвестиций и анализа взаимодействия полицейских с обществом. Еще вы узнаете, способны ли генеративные модели на инженерные инновации.
AI-focused digest – новости ИИ-сферы
Выпуск №28, 12-26 октября 2023
IBM разрабатывает чип для более энергоэффективного ИИ
Лаборатория IBM Research в Альмадене (Калифорния) взорвала мир новостью о достижениях в создании чипов с новой — не фон Неймановской – архитектурой. Ученые рассчитывают, что их разработки позволят избавиться от слабых мест современных чипов и сделают вычисления более энергоэффективными. Дело в том, что архитектура современных чипов на принципах фон Неймана предполагает раздельное хранение и процессинг информации. Это дает значительные возможности для масштабирования, но требуется время и энергия для постоянного перемещения данных между блоками памяти и вычисления. Команда IBM Research же, вдохновившись наукой о работе головного мозга, предложила иную архитектуру, в которой блоки вычисления и памяти объединены. Идея была воплощена в чипе под названием NorthPole. Результаты тестирования этой разработки на модели распознавания изображений ResNet-50 на днях были опубликованы в журнале Science. NorthPole оказался значительно эффективнее, чем обычные 12 нм графические процессоры и 14 нм центральные процессоры. В обоих случаях NorthPole в 25 раз более энергоэффективен, когда речь идет о количестве интерпретируемых кадров на джоуль энергии. Больше информации о прорывной разработке (ее преимуществах, недостатках и пути дальнейшего развития) можно подчеркнуть на сайте IBM Research.
ИИ помогает инвесторам в ESG-скрининге
В мире резко возрос спрос на услуги ESG-скрининга — проверки данных компаний для обеспечения устойчивого инвестирования. Чтобы справиться с увеличившимся количеством заказов, поставщики таких услуг все активнее подключают искусственный интеллект. Об этом пишет Financial Times. В частности, Morningstar Sustainalytics, один из самых известных поставщиков данных по ESG, с помощью целого набора ИИ-технологий отслеживает сотни тысяч общедоступных источников. К ним относятся веб-сайты, публикации в СМИ, сообщения регулирующих органов и неправительственных организаций, независимые исследования по рискам в цепях поставок и так далее. Инвестиции проверяются по сотням ESG-критериев. А еще одна компания — MerQube — использует обработку естественного языка для анализа речей высших руководителей о финансах. Компании отмечают, что без ИИ с потоком работы они не справились бы, однако оговариваются, что пока в этой области есть целый ряд нерешенных вопросов. О них читайте в статье FT.
Google развивает семейство VLM с малым набором параметров
Исследователи из Google уверены, что на фоне масштабных VLM (Vision Language Models) с сотнями миллиардов параметров, непозволительно преуменьшать значимость менее масштабных моделей, которые более экологичны, практичны и экономичны. По этой причине они представили миру семейство моделей PaLI-3 всего с 5 млрд параметров. В своей статье ученые утверждают, что хотя их модели и отстают от более масштабных собратьев в стандартных тестах классификации изображений, они прекрасно справляются с мультимодальными задачами. Добиться хороших результатов позволил новый рецепт обучения. Подробнее о нем можно узнать из этой статьи.
Генеративные модели, приоритизирующие имитацию, не годятся для инженерных инноваций
Ученые из MIT на серии тестов с глубокими генеративными моделями (Deep Generative Models или DGM типа ChatGPT), которые создают что-то новое на основе существующих примеров, убедились, что они не могут на должном уровне справиться с инженерными задачами. То есть, ИИ, обученный на миллиардах примеров предыдущих работ, может писать симфонию, сочинять стихи и различные произведения изобразительного искусства, но проектирование велосипедной рамы с лучшими характеристиками ему будет не по силам. Для этого ему нужно научиться учитывать функциональные требования. Ученые подтвердили это, протестировав глубокие генеративные модели, специально обученные для решения инженерных задач не только на основе статистического сходства, но и с учетом функциональных требований. «Мы обнаружили, что когда модель выходит за рамки статистического сходства, она может создавать конструкции, которые лучше тех, которые уже существуют», — рапортуют они. Результаты их исследования можно найти на MIT News.
В США искусственный интеллект будет анализировать взаимодействие полицейских с обществом
В США разработана мультимодальная ИИ-система под названием TrustStat для анализа того, как правоохранительные органы взаимодействуют с людьми в процессе работы. Компания-разработчик — Polis — сообщает, что решение уже на стадии развертывания в трех штатах (Техасе, Флориде и Северной Каролине) и ведутся переговоры с заинтересованными организациями в других штатах. TrustStat работает с данными с нательных видеокамер, которые носят полицейские. Используя компьютерное зрение и набор технологий для обработки естественного языка, система анализирует действия обеих сторон общения, а также что и как они говорят. Этот анализ пригодится для решения целого ряда задач: от оптимизации патрульных операций до организации более эффективного надзора, разрешения спорных ситуаций и обучения сотрудников. Подробности на портале Police1.
