Știri
Știri din categoria Inteligență artificială
Oracle Cloud Infrastructure intră în ecosistemul Arm AGI CPU, mizând pe o infrastructură mai eficientă pentru „agentic AI” – o categorie de aplicații în care o parte semnificativă din execuție se mută pe CPU (procesor), nu doar pe acceleratoare dedicate, potrivit Oracle Cloud Infrastructure. Mișcarea este relevantă operațional pentru piața de cloud: furnizorii caută să crească densitatea de calcul la nivel de rack (dulap de servere) fără să depășească limitele de energie și răcire, pe fondul cererii în creștere pentru agenți AI.
Anunțul a fost făcut la COMPUTEX, în contextul în care Arm susține că „agentic AI” accelerează mai repede decât anticipa după evenimentul Arm Everywhere (24 martie). În această logică, OCI se alătură unui ecosistem pe care Arm îl descrie ca incluzând deja companii precum Cerebras, Cloudflare, F5, Meta, OpenAI, SAP sau SK Telecom.
„OCI a văzut un impuls puternic cu infrastructura bazată pe Arm în sarcini cloud-native la scară mare (...) și suntem entuziasmați să explorăm cum Arm AGI CPU poate extinde aceste beneficii către sisteme agentic AI de generație următoare”, a declarat Mahesh Thiagarajan, EVP Oracle Cloud Infrastructure.
Arm argumentează că sarcinile „agentic” (agenți care coordonează instrumente, servicii și surse de date, rulează cod și păstrează contextul în sisteme distribuite) cresc importanța CPU-ului în arhitectura AI. În sprijinul acestei idei, materialul citează o estimare SemiAnalysis, potrivit căreia 42% din timpul de execuție în sarcini moderne de „agentic coding” este consumat de utilizarea de instrumente condusă de CPU.
În paralel, Arm invocă și dinamica pieței: Anthropic ar fi raportat că a ajuns la un „revenue run rate” (ritm anualizat al veniturilor) de aproape 50 de miliarde de dolari (aprox. 230 mld. lei) în mai, de la circa 9 miliarde de dolari (aprox. 41 mld. lei) la final de 2025.
Arm poziționează Arm AGI CPU drept un procesor „construit” pentru această etapă, susținând că oferă „peste 2x performanță per rack” față de implementări tradiționale pe x86. Implicația operațională pentru furnizorii de cloud și operatorii de infrastructură AI este creșterea densității de calcul în aceleași limite de consum și disipare termică.
Tot Arm afirmă că, la Arm Everywhere, a estimat economii de până la 10 miliarde de dolari (aprox. 46 mld. lei) în cheltuieli de capital pentru fiecare gigawatt de capacitate de infrastructură AI instalată, iar acum consideră că impactul economic „ar putea fi și mai mare”, pe fondul accelerării adopției.
Materialul plasează intrarea OCI într-un trend mai larg de adopție a procesoarelor Arm în infrastructura AI:
În concluzie, mesajul central este că, pe măsură ce agenții AI cresc ca pondere în aplicațiile enterprise și în cloud, CPU-ul devine tot mai mult „planul de control” al infrastructurii moderne, iar furnizorii de cloud caută opțiuni care să optimizeze performanța pe rack și consumul energetic.
Recomandate
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. [...]
Un experiment care ar putea accelera terapiile cu bacteriofagi pune presiune pe regulile de biosecuritate , după ce cercetători au folosit inteligența artificială generativă pentru a crea virusuri care nu există în natură, potrivit Mediafax . Cercetătorii de la Universitatea Stanford au dezvoltat un program de inteligență artificială generativă, numit Evo 2 , capabil să creeze noi genomuri (materialul genetic complet al unui organism). Cu ajutorul acestuia, echipa a proiectat și produs 16 bacteriofagi sintetici – virusuri mici care infectează bacteriile – informație atribuită de Mediafax publicației Financial Times. Ce au obținut și de ce contează operațional în medicină Bacteriofagii (numiți pe scurt „fagi”) sunt considerați o posibilă alternativă la antibiotice în anumite situații, pentru a distruge bacteriile care provoacă infecții. În testele realizate într-un laborator securizat, noii fagi au fost mai eficienți în distrugerea bacteriei E. coli decât fagul natural ΦX174, al cărui genom a fost folosit ca punct de plecare pentru Evo 2. Rezultatele au fost publicate joi în revista Science, iar coordonatorul proiectului, Brian Hie, a descris demersul ca o demonstrație de principiu privind capacitatea inteligenței artificiale generative de a crea genomuri „complete și funcționale”. Miza de reglementare: avertismente privind biosecuritatea Pe lângă potențialul medical, apar și semnale de alarmă privind controlul acestor tehnologii. Thomas Inglesby și Moritz Hanke, de la Centrul pentru Securitatea Sănătății al Universității Johns Hopkins , au avertizat, în același număr al revistei Science, că studiul ridică „întrebări urgente privind siguranța și securitatea biologică”. Cei doi au apreciat măsurile de precauție luate de echipa de la Stanford, dar au susținut că regulile actuale nu sunt suficiente pentru a controla dezvoltarea genomicii generative. Context: de ce bacteriofagii nu sunt deja o soluție „la scară” Terapia cu bacteriofagi este folosită de decenii în Europa de Est, unde sunt selectați fagi care pot ataca tulpina bacteriană responsabilă de infecția pacientului. În Occident, metoda nu este utilizată pe scară largă, în principal din cauza procedurilor complexe și a riscului ca bacteriile să dezvolte rezistență și la fagi. În acest context, capacitatea de a proiecta rapid fagi noi poate deschide o direcție importantă pentru tratamente, dar, în același timp, amplifică presiunea pentru actualizarea cadrului de siguranță și supraveghere a cercetării în biologia sintetică. [...]
