Știri
Știri din categoria Inteligență artificială
OpenAI propune taxe pe munca automatizată și fond public de avere pentru era AI potrivit Gizmodo, compania a publicat un set de recomandări de politici menite să pregătească societatea pentru impactul „superinteligenței”, adică sisteme AI capabile să depășească performanța umană, un moment comparat ca amploare cu Revoluția Industrială. Documentul, intitulat „Industrial Policy for the Intelligence Age”, nu oferă soluții definitive, ci încearcă să deschidă o dezbatere despre cum ar trebui adaptate economia și instituțiile în fața schimbărilor accelerate.
În centrul propunerilor se află ideea unui nou „contract social”, bazat pe redistribuirea beneficiilor generate de inteligența artificială. OpenAI sugerează mai multe direcții:
Compania recunoaște și riscurile: pierderi de locuri de muncă, concentrare de putere economică, utilizări abuzive sau chiar pierderea controlului asupra sistemelor avansate. Cu toate acestea, susține că beneficiile vor depăși costurile, dacă tranziția este gestionată corect și democratic.
Contextul politic rămâne însă fragmentat în SUA. Administrația Donald Trump a limitat unele reglementări locale, în timp ce politicieni precum Bernie Sanders și Alexandria Ocasio-Cortez cer măsuri mai dure, inclusiv oprirea extinderii centrelor de date AI până la adoptarea unor reguli clare.
OpenAI anunță că va colecta feedback public și va finanța proiecte și cercetări în domeniu, dar rămâne neclar cât de realist este ca aceste idei să devină politici concrete, mai ales în contextul intereselor economice și al unei eventuale listări la bursă.
Recomandate
Un model intern OpenAI a infirmat o conjectură veche de decenii, sugerând că IA poate produce rezultate de cercetare verificabile, nu doar asistență. Potrivit OpenAI , sistemul a găsit o demonstrație care contrazice o presupunere centrală din geometria discretă legată de „problema distanței unitare” în plan, iar demonstrația a fost verificată de un grup de matematicieni externi, care au redactat și o lucrare „companion” pentru a explica argumentul și contextul. Problema, formulată de Paul Erdős în 1946, întreabă câte perechi de puncte pot fi la distanța exact 1 dacă plasăm n puncte în plan. Deși ușor de enunțat, este notoriu de dificilă, iar timp de decenii a existat convingerea că aranjamentele de tip „grilă pătrată” sunt, în esență, aproape optime pentru a maximiza numărul de astfel de perechi. Ce s-a schimbat: o îmbunătățire „polinomială” față de grila pătrată OpenAI susține că modelul a produs o familie infinită de exemple care oferă o îmbunătățire polinomială față de construcțiile considerate anterior cele mai bune. În termeni tehnici, dacă notăm cu u(n) numărul maxim de perechi la distanță 1 dintre n puncte, noul rezultat arată că pentru infinit de multe valori ale lui n există configurații cu cel puțin: n ^(1+δ) perechi la distanță 1, pentru un δ fix > 0. Textul precizează că demonstrația inițială generată de IA nu oferă un δ explicit, însă o rafinare „în curs” atribuită profesorului Will Sawin (Princeton) arată că se poate lua δ = 0,014. De ce contează pentru IA: nu e un sistem „specializat pe matematică” Un element central al relatării este metoda: demonstrația ar fi venit de la „un nou model de raționament de uz general”, nu de la un sistem antrenat special pentru matematică, nici de la unul construit explicit pentru a căuta strategii de demonstrație sau țintit pe această problemă. OpenAI spune că a evaluat modelul pe o colecție de probleme asociate lui Erdős, iar în acest caz a rezultat o demonstrație care rezolvă problema deschisă (în sensul infirmării conjecturii). Publicația numește rezultatul un „milestone” (prag) pentru comunitățile de matematică și IA, susținând că este prima dată când o problemă deschisă proeminentă, centrală unui subdomeniu, este rezolvată autonom de IA și trece verificarea experților. Ce fel de idei au fost folosite: punte între geometrie și teoria algebrică a numerelor Surpriza matematică, în versiunea OpenAI, vine din faptul că demonstrația aduce instrumente din teoria algebrică a numerelor (ramură care studiază, între altele, factorizarea în extensii ale numerelor întregi) într-o problemă geometrică „elementară”. Textul menționează explicit utilizarea unor concepte precum „turnuri infinite de corpuri de clasă” și teoria Golod–Șafarevich pentru a arăta că există corpurile de numere necesare construcției. Verificare și interpretare: rolul matematicienilor externi OpenAI afirmă că demonstrația a fost verificată de matematicieni externi, care au scris și o lucrare de însoțire. În material sunt incluse și evaluări ale semnificației: Tim Gowers (laureat al Medaliei Fields), în lucrarea companion, numește rezultatul „un prag în matematica IA”, iar Arul Shankar apreciază că astfel de modele pot avea „idei originale ingenioase” și le pot duce la capăt. În aceeași notă, Thomas Bloom descrie impactul ca fiind „un da moderat” la întrebarea dacă demonstrația ne învață ceva nou despre problemă, argumentând că arată cât de mult pot spune construcțiile din teoria numerelor despre astfel de întrebări din geometria discretă și că profunzimea teoriei necesare ar putea orienta cercetări viitoare. Ce urmează Din perspectiva OpenAI, miza depășește cazul punctual: dacă un model poate menține coerent un argument lung, poate conecta domenii îndepărtate și poate produce rezultate care rezistă verificării, aceste abilități ar fi relevante și pentru alte științe (biologie, fizică, inginerie, medicină). În același timp, compania insistă că „judecata umană” rămâne esențială: oamenii aleg problemele, interpretează rezultatele și decid direcțiile de cercetare. [...]
OpenAI își întărește sistemul de „proveniență” a conținutului – adică semnale tehnice care arată de unde vine un material și cum a fost creat – printr-un model în mai multe straturi, menit să facă mai ușor de verificat dacă o imagine a fost generată cu instrumentele sale și să crească interoperabilitatea între platforme, potrivit OpenAI . Miza operațională este ca aceste semnale să „supraviețuiască” după ce fișierele sunt încărcate, descărcate sau transformate (de exemplu, redimensionare ori capturi de ecran), într-un context în care conținutul generat cu AI circulă rapid și poate fi scos din context. Standard deschis: conformitate C2PA, pentru ca platformele să poată citi și păstra semnalele OpenAI spune că lucrează la standarde de proveniență din 2024, când a început să adauge „Content Credentials” (metadate semnate criptografic) la imagini generate de DALL·E 3 , iar ulterior și la ImageGen și Sora. Compania a intrat și în comitetul de coordonare al Coalition for Content Provenance and Authenticity (C2PA) , organizația din spatele standardului tehnic deschis folosit pentru a atașa informații verificabile despre un fișier media. Un pas recent este obținerea statutului de „C2PA Conforming Generator Product” (produs generator conform C2PA), ceea ce ar trebui să ofere platformelor o cale „de încredere” de a citi, păstra și transmite mai departe informațiile de proveniență atașate conținutului. Argumentul central: proveniența funcționează doar dacă nu se pierde după prima platformă pe care este creat conținutul. Al doilea strat: watermark invizibil SynthID, în parteneriat cu Google OpenAI adaugă și un strat de watermarking (marcare invizibilă) prin SynthID , tehnologie a Google DeepMind , pentru imagini generate prin ChatGPT, Codex sau OpenAI API. Compania precizează că metadatele pot fi eliminate sau degradate prin transformări uzuale (schimbări de format, redimensionări, capturi de ecran), iar watermarking-ul poate rămâne detectabil în mai multe astfel de situații. OpenAI amintește că a folosit anterior: watermark vizibil în Sora; watermark audio în Voice Engine. În modelul descris, metadatele C2PA oferă context mai bogat (cum a fost creat/editat conținutul și cine a semnat informația), iar watermark-ul invizibil oferă reziliență când metadatele nu mai sunt disponibile. Verificare: un instrument public pentru a confirma dacă o imagine provine din OpenAI Compania prezintă și o previzualizare a unui instrument public de verificare , care permite încărcarea unei imagini pentru a vedea dacă aceasta conține semnale de proveniență asociate OpenAI (inclusiv Content Credentials și SynthID). Scopul este ca utilizatorii să poată verifica mai ușor întrebarea „A fost generat cu AI?”, folosind mai multe semnale, nu unul singur. OpenAI avertizează că nicio metodă de detecție nu este infailibilă . Dacă nu este detectat nici watermark, nici metadate, instrumentul nu va trage o concluzie definitivă că imaginea ar fi fost sau nu generată cu instrumentele OpenAI, deoarece semnalele pot fi, în unele cazuri, eliminate. La lansare, instrumentul este limitat la conținut generat de OpenAI; în lunile următoare, compania spune că vizează eforturi „cross-industry” pentru verificare între platforme și, în timp, suport pentru mai multe tipuri de conținut. [...]
SUA vor acces la tehnologia ucraineană de dirijare a dronelor, iar negocierile se blochează în jurul proprietății intelectuale , într-un moment în care Kievul își extinde rapid producția și exporturile de sisteme antidronă, potrivit Antena 3 . Miza este una operațională și industrială: Washingtonul urmărește transferul tehnologiei de inteligență artificială folosite de ucraineni pentru dirijarea dronelor către ținte și ar vrea să achiziționeze drepturile de proprietate intelectuală necesare producerii acestor sisteme în Statele Unite. Informațiile sunt atribuite de Antena 3 unei relatări Bloomberg, preluată de Euromaidan Press. Departamentul Apărării SUA ar fi cerut testarea mai multor drone și sisteme de război electronic produse în Ucraina, în vederea unei potențiale achiziții, pe baza unor declarații ale unor surse politice din administrația americană citate de Bloomberg. Până acum, nu există un acord între Washington și Kiev. Ce anume îi interesează pe americani În discuțiile despre dronele ucrainene, interesul SUA vizează, conform materialului: sistemul de inteligență artificială pentru identificarea și lovirea țintelor; navigația independentă de GPS; canale securizate de comunicare și transmitere a datelor. Antena 3 mai notează că, la începutul lunii mai, Washingtonul ar fi trimis Kievului o scrisoare de intenție care menționează testarea dronelor și posibile contracte, dacă acestea sunt acceptate. Ambasadoarea Ucrainei în SUA, Olha Stefanișina, a confirmat că se lucrează la proiectul unui acord. „Linia roșie” a Kievului: proprietatea intelectuală și nevoile de apărare Președintele ucrainean Volodimir Zelenski condiționează relaxarea restricțiilor de export pentru aceste sisteme de armament de două elemente: protejarea drepturilor de proprietate intelectuală ale companiilor ucrainene și menținerea capacității de a livra suficiente drone pentru apărarea Ucrainei. În paralel, Ucraina își consolidează poziția comercială: Kievul a semnat deja contracte pentru sisteme de apărare antidronă cu Arabia Saudită, Qatar și Emiratele Arabe Unite și discută cu alte 20 de state, inclusiv România, potrivit aceleiași surse. Context: decalajul de producție și tensiunile politice Antena 3 indică și un contrast de capacitate industrială: Ucraina intenționează să construiască 3 milioane de drone de atac în acest an, în timp ce SUA au produs 300.000 anul trecut. Pe fond politic, oficiali ucraineni citați anonim de CBS ar fi reclamat „o lipsă de sprijin” pentru încheierea contractului din partea unor oficiali ai Pentagonului și ai Casei Albe, mai ales după declanșarea războiului din Iran. În material este menționată și o declarație a lui Donald Trump din martie, în care acesta respinge ideea că SUA ar avea nevoie de ajutorul Ucrainei în apărarea împotriva dronelor. Ce urmează rămâne incert: există discuții și o scrisoare de intenție, dar fără un acord semnat, iar condițiile legate de proprietatea intelectuală și de prioritățile de apărare ale Ucrainei pot întârzia sau limita un eventual transfer de tehnologie. [...]
Inginerii Ramp reduc timpul de feedback la revizuirea codului de la ore la minute folosind Codex cu GPT‑5.5 , ceea ce schimbă practic ritmul în care echipele pot itera pe „pull request”-uri și pot livra mai repede, potrivit OpenAI . Ramp folosește Codex atât pentru a accelera revizuirea codului, cât și pentru a dezvolta unelte interne „agentice” (instrumente care pot prelua sarcini în mod semi-autonom, pe baza unui obiectiv). Austin Ray, care conduce echipa AI Developer Experience (AI DevEx) la Ramp, spune că revizuirea cu Codex a devenit „o parte obligatorie” în multe fluxuri de code review și că inginerii o cer „pe nume”. „Codex code review catches things that I miss and that other engineers miss and that other AI code reviewers definitely miss.” —Austin Ray, AI DevEx la Ramp Impact operațional: code review mai rapid și mai „substanțial” Miza principală pentru Ramp este viteza de dezvoltare și calitatea codului. Conform sursei, inginerii care „așteptau ore” pentru o primă revizuire pot primi acum feedback „în minute”. Diferența, în descrierea lui Ray, vine din capacitatea Codex de a „raționa” în profunzime în raport cu baza de cod, oferind un nivel de minuțiozitate pe care, în practică, mulți recenzori umani nu îl pot susține constant din lipsă de timp. Codex este folosit în două moduri, în funcție de preferințele inginerilor: din linia de comandă (CLI), pentru cei care lucrează „aproape de metal” (mai direct, cu instrumente minimale); prin aplicația Codex, care adaugă indicii vizuale și utilitare pentru fluxurile de lucru. Unelte interne: „On-Call Assistant” pentru rotațiile de intervenție Pe lângă revizuirea codului, Ray folosește Codex pentru a construi „On-Call Assistant”, un instrument agentic menit să reducă din povara inginerilor în rotațiile de on-call (perioadele în care echipele răspund incidentelor de producție). Ray descrie on-call-ul ca fiind dificil din cauza volumului de logică de business, a cunoștințelor de domeniu și a incidentelor complexe, inclusiv bug-uri de concurență și investigații de durată. În acest context, Codex ar ajuta la gestionarea complexității și la accelerarea dezvoltării: sursa afirmă că „On-Call Assistant” a devenit „semnificativ mai rapid de construit”, iar Ray spune că are mai multă încredere în fiecare îmbunătățire livrată. „Codex with GPT‑5.5 is incredibly adept at dealing with that complexity…” —Austin Ray, AI DevEx la Ramp Ce recomandă Ramp altor lideri: instalare ghidată, încredere și buclă de feedback Ray spune că evaluează uneltele pentru dezvoltatori printr-un criteriu pragmatic: dacă „schimbă efectiv” felul în care oamenii livrează cod sau rămân doar o demonstrație. În aceeași logică, recomandările lui pentru lideri sunt centrate pe implementare și adopție: o primă sesiune ghidată, pentru a demonstra concret utilitatea; construirea încrederii prin iterație, deoarece mulți ingineri tratează astfel de instrumente ca „experimentale”; investiție într-o buclă de feedback cu furnizorul, pe care o consideră esențială pentru progres. Ce urmează: inginerii ca „orchestratori” În viziunea lui Ray, efectul pe termen mai lung este o schimbare de rol: inginerii ar urma să devină mai mult „orchestratori”, iar abilitatea critică nu va fi scrierea fiecărei linii de cod, ci direcționarea instrumentelor AI, decizia când pot fi de încredere și când trebuie contrazise. Sursa nu oferă un calendar sau ținte cantitative pentru această tranziție, dar o prezintă ca direcție de lucru deja vizibilă în echipele Ramp. [...]
ASML avertizează că piața de cipuri ar putea rămâne „cu ofertă limitată” pe termen lung, pe fondul cererii din AI , iar acest dezechilibru riscă să complice planificarea investițiilor în industrie, potrivit IT之家 , care citează un interviu acordat de CEO-ul Christophe Fouquet agenției Reuters la evenimentul imec ITF World 2026. Fouquet estimează că piața cipurilor ar putea ajunge la 1.500 de miliarde de dolari până în 2030 (aprox. 6.900 de miliarde de lei), însă susține că „cererea pentru AI este atât de puternică încât vom rămâne, pentru o perioadă destul de lungă, într-o piață cu ofertă limitată”. În același context, el menționează că inițiative precum „TeraFab”, asociată cu Elon Musk, ar putea alimenta un nou val de cerere. Ce face ASML pentru a crește capacitatea Șeful ASML spune că grupul încearcă să țină pasul prin îmbunătățiri tehnologice care să crească producția și eficiența fabricării echipamentelor. Totuși, el avertizează că amploarea actualului val de investiții și cerere legate de AI este dificil de anticipat și poate lua industria prin surprindere, inclusiv în ceea ce privește planificarea capacităților. High NA EUV și echipamente pentru ambalare avansată: următoarele repere În plan tehnologic, Fouquet indică două direcții imediate: High NA EUV pentru cipuri logice (o nouă generație de litografie EUV cu apertură numerică mai mare, destinată gravării unor structuri mai fine) este „pe cale să apară”, iar ASML ar urma să publice în acest an date concrete de performanță atât pentru cipuri logice, cât și pentru cipuri de memorie. Compania lucrează la a doua platformă de echipamente pentru ambalare avansată (tehnologii care apropie și interconectează mai eficient cipurile în pachete), după modelul TWINSCAN XT:260. Mesaj către Bruxelles: revizuirea legii AI din 2023 Din perspectiva reglementării, Fouquet – prezentat drept liderul companiei cu cea mai mare capitalizare bursieră din Europa – consideră că Uniunea Europeană ar trebui să abroge sau să modifice Legea privind inteligența artificială din 2023, pentru a simplifica supravegherea sectorului și a evita ca UE să rămână în urmă în etapa de aplicare a AI. [...]
Dell și NVIDIA mută AI-ul enterprise din „pilot” în producție, cu promisiuni de cost pe token de până la 10 ori mai mic , pe fondul unei cereri pe care Jensen Huang o descrie drept „parabolică”, potrivit NVIDIA . Mesajul central al prezentărilor de la Dell Technologies World este că organizațiile accelerează implementările de „agentic AI” (agenți software care execută sarcini în lanț, cu pași dependenți unii de alții) și inferență (rularea efectivă a modelelor), iar infrastructura se repoziționează pentru a susține volume mult mai mari de calcul. Michael Dell a estimat, pe scena evenimentului, că cheltuielile globale pentru infrastructura AI ar putea ajunge la 3–4 trilioane de dolari până în 2030 (aprox. 13,8–18,4 trilioane lei), în timp ce consumul de „tokeni” (unități de text procesate de modele) ar urma să crească cu 3.400% în același interval. În această logică, Dell AI Factory cu NVIDIA este prezentată ca platforma pentru rularea de modele avansate și agenți autonomi „în spatele perimetrului” companiei, adică în infrastructură proprie, nu exclusiv în cloud public. „Am ajuns în era AI-ului util, motivul pentru care cererea crește parabolic, absolut parabolic.” (Jensen Huang, CEO NVIDIA) Ce se schimbă operațional: cost pe token și densitate de GPU în rack NVIDIA indică o actualizare de portofoliu care țintește direct costul de operare al inferenței și capacitatea de scalare în centrele de date: Dell PowerEdge XE9812 , construit pe NVIDIA Vera Rubin NVL72 , ar livra un cost per token de până la 10 ori mai mic față de NVIDIA Blackwell pentru inferență la scară mare în scenarii „agentic AI”. Serverele PowerEdge XE9880L, XE9885L și XE9882L sunt prezentate ca primele sisteme Dell bazate pe NVIDIA HGX Rubin NVL8 , cu suport de până la 144 GPU-uri per rack , noduri de calcul răcite cu lichid și până la 10 ori performanța HGX B200 (conform sursei). Pe zona de rețea, Dell introduce un portofoliu PowerSwitch cu NVIDIA Quantum-X800 InfiniBand și NVIDIA Spectrum-6 Ethernet , orientat către conectivitate pentru clustere AI. Dell a prezentat și Dell PowerRack , un sistem integrat (calcul, rețea, stocare) proiectat ca ansamblu, cu accent pe design termic, managementul energiei și optimizări software, pentru a reduce „costul” integrării componentelor. De ce contează: revenirea AI „on-premises” și presiunea pe guvernanță Un element cheie pentru companii este mutarea încărcărilor AI în infrastructuri controlate direct. Dell citează un sondaj intern de adopție AI potrivit căruia 67% dintre încărcările AI rulează acum în afara cloudului (on-premises, pe dispozitiv, la marginea rețelei sau în centre de colocare), iar 88% dintre respondenți rulează cel puțin un workload AI on-premises. În acest context, NVIDIA poziționează Confidential Computing (tehnologii care protejează datele și modelele „în utilizare”, nu doar la stocare sau în tranzit) drept fundație pentru rularea modelelor avansate în interiorul companiilor, fără expunerea proprietății intelectuale a modelului sau a datelor sensibile. În listă sunt menționați parteneri precum Fortanix, Google și Red Hat. Exemple de utilizare: de la industrie la tranzacționare algoritmică Pe scenă au fost menționați clienți care rulează deja workload-uri AI pe Dell AI Factory cu NVIDIA, inclusiv Lilly, Samsung și Honeywell. În servicii financiare, NVIDIA notează că firma de tranzacționare algoritmică Hudson River Trading își extinde implementarea Dell pentru cercetare bazată pe AI, folosind servere Dell PowerEdge XE9685L și NVIDIA Spectrum-X Ethernet . Separat, NVIDIA menționează disponibilitatea în „preview” a Google Distributed Cloud (GDC) cu Gemini 3.0 pe servere Dell PowerEdge XE9780, accelerat de NVIDIA Blackwell și securizat prin Confidential Computing. Ce urmează Din informațiile prezentate, direcția este o standardizare a „fabricilor” AI în infrastructura enterprise , cu accent pe inferență și agenți, cost per token și securitate pentru rulări on-premises. Sursa nu oferă un calendar de livrare sau prețuri pentru configurațiile anunțate, astfel că impactul comercial imediat (comenzi, venituri, termene) nu poate fi cuantificat din datele disponibile. [...]
