Știri
Știri din categoria Inteligență artificială
Jensen Huang susține că AI nu va tăia locuri de muncă, ci va crește productivitatea, într-un moment în care piața muncii dă semne că automatizarea lovește mai ales rolurile de început de carieră, potrivit TechRadar.
Declarația vine de la CEO-ul Nvidia, în cadrul conferinței GTC 2026, unde Huang a respins ideea că inteligența artificială ar reduce numărul de joburi, numind-o „o prostie completă”. Argumentul său este că firmele productive, care vor să crească, vor folosi AI ca instrument de productivitate, nu ca motiv să reducă personalul, inclusiv în inginerie.
În viziunea lui Huang, utilizarea AI ar permite companiilor să facă mai mult cu aceleași resurse și să se extindă, în loc să „scale back” (să reducă) echipele. El a indicat și zona de „agentic AI” (sisteme care pot executa sarcini mai autonom), despre care a spus că ar putea necesita echipe mari pentru a fi gestionate, configurate și operate, sugerând un impact operațional care mută cererea de muncă spre roluri de administrare și control al acestor sisteme.
Articolul notează că Huang nu este singurul care vede un efect pozitiv pe termen mai lung: Gartner ar sugera că, după o perturbare temporară cauzată de implementarea AI, tehnologia va duce la crearea de noi locuri de muncă.
În același timp, TechRadar punctează că „realitatea rece” a pieței muncii de azi este că AI este invocată drept factor principal în spatele pierderilor de joburi, concedierilor și restructurărilor. Ca exemplu, în 2025 ar fi existat o creștere a numărului de posturi pentru ingineri seniori sau specializați, însă rolurile entry-level și junior ar fi fost „decimate”, iar Crunchbase a urmărit dispariția acestor poziții.
Din informațiile prezentate, tensiunea principală este între promisiunea de productivitate (și potențială creștere) și efectele imediate din recrutare, unde presiunea pare să se concentreze pe pozițiile de început. Dacă scenariul „mai multe joburi după perturbare” se confirmă, semnalul ar urma să apară în ritmul de creare a rolurilor noi și în cererea pentru competențe de operare și guvernanță a sistemelor AI, nu doar în numărul total de angajați.
Recomandate
Amazon își monetizează cipurile AI la un ritm anual de circa 25 mld. dolari (aprox. 114 mld. lei), crescând presiunea pe dominația Nvidia în infrastructura pentru inteligență artificială , potrivit Mediafax . Indicatorul a fost comunicat odată cu prezentarea rezultatelor financiare și sugerează accelerarea cererii pentru capacități de calcul dedicate AI. Miza economică este dublă: pe de o parte, Amazon își transformă investițiile în proiectarea de procesoare într-o linie de venituri semnificativă în interiorul AWS; pe de altă parte, apariția unui furnizor alternativ la scară mare poate schimba raportul de forțe într-o piață în care Nvidia a devenit, în ultimii ani, principalul furnizor de cipuri de înaltă performanță pentru AI. De ce contează pentru AWS și pentru costurile clienților Amazon a ales să își proiecteze propriile cipuri pentru a reduce costurile și pentru a depinde mai puțin de furnizori externi, în contextul în care dezvoltarea și utilizarea modelelor de inteligență artificială implică investiții mari în infrastructură. Prin AWS, companiile închiriază putere de calcul, spațiu de stocare și infrastructură pentru aplicații, fără să își construiască propriile centre de date. Compania susține că procesoarele sale oferă costuri mai mici și eficiență mai bună pentru multe aplicații de cloud și AI, ceea ce devine relevant pe fondul creșterii „explozive” a cererii pentru procesoare performante. Ce cipuri dezvoltă Amazon și la ce sunt folosite Amazon are mai multe familii de cipuri, cu roluri distincte: Graviton : pentru sarcini obișnuite în centrele de date, înlocuind în multe cazuri procesoare de la Intel și AMD. Trainium : pentru antrenarea modelelor AI (etapa în care sistemele „învață” din volume mari de date). Inferentia : pentru rularea modelelor după antrenare (de exemplu, răspunsurile unui chatbot sau generarea de imagini). Presiune crescândă pe Nvidia: „giganții cloud” își fac propriul hardware Creșterea diviziei de cipuri a Amazon este prezentată ca un semnal că infrastructura AI intră într-o etapă în care marii furnizori de cloud concurează nu doar prin servicii software, ci și prin tehnologia hardware proiectată pentru propriile centre de date. În același context, Microsoft investește în cipurile Maia și Cobalt, iar Google dezvoltă de mai mulți ani procesoarele TPU . Chiar dacă Nvidia rămâne liderul pieței de acceleratoare AI, direcția indicată de Amazon sugerează o încercare a marilor platforme de a reduce dependența de un singur furnizor și de a oferi alternative clienților care construiesc aplicații bazate pe inteligență artificială. [...]
China accelerează trecerea la prognoze meteo cu AI, cu potențial de reducere a costurilor de calcul și de îmbunătățire a reacției la fenomene extreme , arată o analiză preluată de HotNews , pe baza unei relatări Reuters, în contextul monitorizării taifunului „Delfin”. Modelele dezvoltate în China – „Fengwu” ( Shanghai AI Laboratory ), „Pangu” (Huawei) și „Fuxi” (Universitatea Fudan) – sunt prezentate ca fiind printre puținele sisteme AI care pot genera prognoze mult mai rapid decât modelele convenționale, obținând rezultate similare sau chiar mai bune pentru anumiți indicatori de acuratețe. Miza operațională este directă: prognoze mai rapide, la costuri mai mici de calcul, care pot susține decizii mai bune în situații de risc. De ce contează: minute și kilometri care schimbă decizii în crize meteo În sezonul taifunurilor din Asia de Est, chiar și îmbunătățiri mici ale prognozelor de traiectorie pot ajuta autoritățile să se pregătească pentru inundații, să organizeze evacuări și să gestioneze perturbările de transport. În acest context, AI devine un „al doilea motor” care rulează alături de prognoza tradițională, nu un înlocuitor imediat. Cum diferă modelele AI de prognoza clasică Prognoza meteorologică tradițională se bazează pe modele numerice care rulează pe supercomputere și simulează procesele fizice din atmosferă. În schimb, modelele AI învață tipare din arhive mari de observații istorice și pot produce prognoze într-o fracțiune din timpul necesar sistemelor convenționale, ceea ce le face atractive în utilizare curentă, mai ales când timpul de reacție este critic. Competiția globală și poziționarea Chinei Ascensiunea prognozelor meteo bazate pe AI a deschis o competiție între companii de tehnologie, institute de cercetare și agenții meteorologice. La nivel global, sunt menționate și sisteme precum „GraphCast” și „GenCast” (Google), „FourCastNet” (susținut de Nvidia) și „AIFS” al Centrului European pentru Prognoze Meteorologice pe Termen Mediu. „Fengwu” a atras atenția după ce dezvoltatorii săi au susținut că a depășit „GraphCast” în aproximativ 80% dintre variabilele meteorologice evaluate și că a extins capacitatea de prognoză globală pe termen mediu dincolo de 10 zile. Limitele actuale: intensitatea furtunilor și încrederea în prognoze pe termen lung Deși AI câștigă teren ca instrument complementar, materialul notează că este puțin probabil ca aceste sisteme să înlocuiască în totalitate modelele tradiționale în viitorul apropiat. Motivul ține atât de performanță, cât și de validare: modelele AI sunt încă în urma prognozelor convenționale la predicția intensității unei furtuni și nu au fost testate pentru prognozarea unor evoluții climatice majore. Un exemplu de performanță operațională invocat este legat de taifunul „Delfin”: potrivit lui Sun Zhi, director tehnologic al Techwind (compania responsabilă de aplicațiile industriale ale „Fengwu”), sistemul ar fi prezis cu cinci zile înainte momentul și locul impactului pe continent, cu o marjă de eroare de 30 de minute și 30 km. „Pe măsură ce fenomenele meteorologice extreme devin tot mai frecvente, oamenii au nevoie de informații pentru a lua decizii – atât administrațiile locale, cât și guvernul național, dar și oamenii obișnuiți, fermierii și pescarii.” În practică, concluzia este una de tranziție: utilizarea simultană a prognozei bazate pe AI și a celei tradiționale va continua, pe măsură ce sistemele AI sunt rafinate și își construiesc credibilitatea prin testare și cercetare pe termen mai lung. [...]
Anthropic va introduce filigranarea textelor generate de modelele sale pentru a se alinia cerințelor europene de transparență , potrivit TechCrunch . Compania spune că măsura vizează inclusiv Claude și este legată de intrarea în vigoare, la 2 august, a „ EU AI Act’s Transparency Code ”, care cere marcarea conținutului generat sau editat de inteligență artificială astfel încât alte sisteme să îl poată identifica. Ce se schimbă operațional pentru utilizatori și dezvoltatori Anthropic afirmă, într-o pagină de suport actualizată, că toate modelele lansate după 2 august vor include automat tehnologie de filigranare atât pentru text, cât și pentru fișiere. Pentru fișiere, compania folosește standardul deschis C2PA (un set de specificații pentru atașarea de metadate de proveniență și autenticitate conținutului digital). Pentru text, Anthropic susține că filigranul „călătorește” odată cu conținutul: „Deoarece filigranul este parte din text, el va călători cu textul atunci când este copiat și lipit în altă parte și poate persista prin unele editări. Filigranarea va fi aplicată la nivel de model, ceea ce înseamnă că va fi prezentă indiferent din ce produs sau suprafață Claude provine textul”, se arată în pagina de suport. Compania spune că va extinde suportul și pentru modelele mai vechi și că filigranarea se va aplica în mai multe produse, inclusiv: Claude platform API, Claude, Claude Code, Claude Cowork, Claude Tag. Miza de reglementare: conformare și detectabilitate „de către alte sisteme” Codul de transparență asociat AI Act, intrat în vigoare la 2 august, impune ca marcarea conținutului generat/alterat de AI să fie realizată într-un mod detectabil de alte sisteme. În acest context, decizia Anthropic are un impact direct asupra modului în care conținutul produs cu Claude poate fi identificat în fluxuri de publicare, moderare sau verificare. Rămâne însă neclar câtă editare este necesară pentru a elimina filigranul din text. TechCrunch notează că a cerut clarificări companiei și va actualiza informația dacă primește un răspuns. Presiune mai largă în industrie TechCrunch mai arată că mai multe platforme accelerează introducerea marcajelor pentru conținutul generat de AI, atât pe fondul reacțiilor utilizatorilor, cât și pentru a reduce riscul de intervenții de reglementare. În același registru, publicația amintește că Suno a spus recent că va filigrana piesele create pe platforma sa, iar Substack a colaborat cu Pangram pentru a semnala conținutul generat de AI. Separat, alte companii – inclusiv Black Forest Labs, Google, Meta, Microsoft, OpenAI și Synthesia – au anunțat că aderă la codul UE. [...]
Meta își leagă câștigurile de productivitate din AI de mai multă muncă, nu de timp liber , potrivit unei discuții interne relatate de HotNews , în care directorul tehnologic Andrew Bosworth a respins ideea ca eficiența adusă de inteligența artificială să se traducă în zile suplimentare de concediu pentru angajați. Într-o sesiune de întrebări și răspunsuri care a avut loc luna trecută, trei participanți au declarat pentru The Business Insider că un angajat l-a întrebat pe Bosworth dacă sporul de productivitate generat de AI ar putea fi transformat în beneficii pentru salariați, inclusiv prin reintroducerea programului „Meta Days” (câteva zile în plus de concediu), inițiativă anulată între timp. Bosworth a respins ferm această posibilitate și a argumentat că timpul economisit prin utilizarea AI ar trebui direcționat către dezvoltarea de produse noi și îmbunătățirea celor existente pentru utilizatorii platformelor Meta, invocând amploarea bazei de utilizatori. „Sper ca timpul suplimentar pe care îl câștigăm să fie folosit pentru a face și mai multe lucruri interesante pentru oamenii care folosesc produsele noastre în fiecare zi.” „Avem miliarde de utilizatori. Dacă am o oră în plus, știți ce fac cu ea? O investesc în asta.” În aceeași discuție, Bosworth a criticat insistența pe tema zilelor libere suplimentare, spunând că nu este o abordare bună pentru evoluția profesională și recomandând angajaților să-și „întrebe părinții” dacă aceasta este o strategie de carieră potrivită. De ce contează: AI ca instrument de intensificare a muncii, nu de reducere a programului Mesajul transmis intern indică o așteptare operațională: eficiența obținută prin AI nu este tratată ca un „dividend” pentru angajați (timp liber), ci ca o resursă care trebuie reinvestită în livrarea de produse. În practică, o astfel de poziționare poate însemna obiective mai ambițioase și un ritm de lucru mai intens, pe măsură ce AI reduce timpul necesar pentru anumite sarcini. Relatarea se bazează pe declarațiile a trei persoane care spun că au participat la sesiunea internă, potrivit The Business Insider. [...]
Modelul de uragane al DeepMind a câștigat timp operațional pentru prognoze, dar rămâne o „cutie neagră” și ridică o problemă practică: meteorologii îl pot folosi ca avantaj, fără să știe încă ce semnal fizic „vede” în date, potrivit Ars Technica . Modelul de inteligență artificială pare să extragă informație relevantă din date cu rezoluție mai mică și să o transforme în predicții mai timpurii despre intensitatea furtunilor, însă cercetătorii nu știu ce anume captează. „Este o cutie neagră la finalul zilei, dar asta le dă fizicienilor un semnal că se întâmplă ceva care nu era înțeles anterior”, spune Alet. Ce schimbă în munca de prognoză: mai multe scenarii, mai repede Spre deosebire de o prognoză singulară, modelul generează o plajă de scenarii posibile pentru o furtună în formare. Abordarea urmărește să surprindă efecte de tip „fluture” — situații în care o abatere mică poate produce schimbări mari ulterior — iar prognoziștii pot folosi aceste ieșiri împreună cu cele ale altor modele pentru a estima evoluția probabilă a sistemului. Un element operațional important este creșterea masivă a numărului de simulări: anul trecut modelul producea 50 de scenarii pe furtună, iar acum generează 1.000. „Asta este ceva ce, cu puterea noastră de calcul, pur și simplu nu putem face cu modelele numerice existente”, spune Musgrave. Limitarea-cheie: performanța nu garantează consistență, iar oamenii rămân esențiali Brennan descrie modelul DeepMind drept un instrument valoros, dar insistă că este doar unul dintre multe. El avertizează că rezultatele bune într-un sezon sau pentru o furtună nu înseamnă automat că același model va fi cel mai bun în sezonul următor. „Nu există nicio garanție că un model, pentru că a mers bine anul trecut sau a mers foarte bine pentru această furtună, va fi neapărat cel mai bun pentru sezonul următor sau următoarea furtună.” În plus, spune el, componenta umană rămâne critică: uraganul nu înseamnă doar traiectorie și intensitate, ci traducerea prognozei în impact — iar impactul este cel care ucide oameni. Ce urmează: modelele WeatherNext vor fi publicate ca open-source Google DeepMind a anunțat că va publica în regim open-source modelele WeatherNext folosite în sezonul uraganelor, astfel încât cercetătorii să le poată utiliza și îmbunătăți. Alet speră că deschiderea către comunitatea de cercetare va ajuta inclusiv la înțelegerea mai bună a modului în care funcționează cicloanele. Materialul citat de Ars Technica provine inițial dintr-o relatare publicată de Wired . [...]
ByteDance își crește masiv pariul pe infrastructură și cercetare AI : grupul chinez antrenează un model care ar putea ajunge la 10 trilioane de parametri , într-o încercare de a se apropia de vârful pieței dominat de laboratoare americane precum Anthropic , potrivit Ars Technica . Modelul este, conform a trei persoane familiarizate cu proiectul citate de publicație, într-o fază timpurie de antrenare și ar urma să fie „pre-antrenat” (etapa de bază în care modelul învață din volume mari de date) timp de trei până la șase luni, înainte de ajustarea fină și o eventuală lansare „dacă totul merge bine”. Dimensiunea finală ar urma să fie stabilită mai târziu. Prin comparație, aceeași sursă notează că Anthropic nu publică dimensiunile modelelor sale, însă estimări din industrie indică aproximativ 8 trilioane de parametri pentru Mythos 5 și circa 5 trilioane pentru Fable 5. Ars Technica subliniază că numărul de parametri indică, în linii mari, capacitatea „de memorie” a unui model, dar performanța depinde și de calitatea datelor și de metodele de antrenare. Ce înseamnă operațional: investiții în centre de date, echipe mari și strategie „independentă” ByteDance, compania-mamă a TikTok, și-a ținut relativ discret profilul în AI, în condițiile în care multe dintre modelele sale sunt „închise” (nu sunt publicate deschis), spre deosebire de alți jucători chinezi. Totuși, grupul a investit agresiv în ultimii trei ani, extinzându-și rețeaua de centre de date și recrutând cercetători, în paralel cu dezvoltarea diviziei de cloud Volcano Engine, care vinde soluții AI către companii, potrivit articolului. În plus, ByteDance ar avea ambiții de a dezvolta cipuri AI proprii, o direcție care, dacă se concretizează, ar putea reduce dependența de furnizori externi în condițiile în care antrenarea modelelor de dimensiuni foarte mari este limitată de accesul la hardware performant. Echipa Seed, care dezvoltă modelele, este condusă de Wu Yonghui (fost cercetător Google DeepMind) și ar avea aproximativ 2.000 de membri în China și în afara țării, incluzând cercetători, ingineri de infrastructură, echipe de etichetare a datelor și traducători. De ce contează: cursa pentru modele de „frontieră” se mută și pe terenul Chinei Ars Technica arată că mai multe laboratoare chineze ar antrena modele de dimensiunea Fable 5, însă ByteDance ar fi, în acest moment, cel mai ambițios în încercarea de a împinge dimensiunea spre zona de vârf. În ultimele săptămâni, modele din China dezvoltate de Moonshot și Alibaba ar fi avut rezultate puternice pe teste standardizate, rămânând în anumite zone în urma lui Fable 5. În același timp, Mythos 5 ar fi disponibil doar organizațiilor aprobate, după o interdicție temporară în iunie, invocată pe fondul unor îngrijorări de securitate, conform articolului. Strategie: fără „distilare”, cu ritm posibil mai lent Un element-cheie este alegerea ByteDance de a nu folosi „distilarea” altor modele (o tehnică prin care un model mai mic este antrenat să reproducă ieșirile unuia mai mare), optând pentru o dezvoltare mai independentă. Această abordare ar fi în vigoare de peste un an și, potrivit unor opinii din industrie citate de Ars Technica, ar fi putut contribui la un ritm mai lent față de rivali. Fondatorul Zhang Yiming ar fi reiterat într-o întâlnire internă, cu două săptămâni înainte, că echipa Seed ar trebui să urmărească „capabilități de model la nivel de lider mondial” pe termen lung, fără a se concentra excesiv pe faptul că ar putea rămâne temporar în urmă. Comentariile ar fi fost relatate inițial de presa chineză Latepost și de The Information, mai notează articolul. ByteDance nu a răspuns unei solicitări de comentariu. [...]
