Zuckerberg recurrió a Instagram hoy para explicar que Meta incorporaría el nuevo asistente Meta AI, impulsado por Llama 3, en productos que incluyen Whatsapp, Instagram, Facebook y Messenger. Meta dijo en la publicación de su blog al anunciar Llama 3 que se había centrado en gran medida en mejorar los datos de entrenamiento utilizados para desarrollar el modelo. Recibió siete veces más datos que su predecesor, Llama 2, dijo la compañía. Algunos expertos en IA señalaron que las cifras publicadas por Meta también mostraban que la creación de Llama 3 requería enormes cantidades de energía para alimentar los servidores necesarios. Las crecientes capacidades de los modelos de IA de código abierto han estimulado a algunos expertos a preocuparse de que podrían facilitar el desarrollo cibernético. armas químicas o biológicas, o incluso volverse hostiles hacia los humanos. Meta ha lanzado herramientas que, según dice, pueden ayudar a garantizar que Llama no produzca expresiones potencialmente dañinas. Otros en el campo de la IA dicen que los modelos Llama de Meta no son tan abiertos como podrían ser. La licencia de código abierto de la compañía sobre los modelos impone algunas restricciones sobre lo que los investigadores y desarrolladores pueden construir. «Es fantástico ver cada vez más modelos liberando abiertamente sus pesos», dijo Luca Soldaini, científico senior de investigación aplicada en el Instituto Allen para la IA, una organización sin fines de lucro. lab, una declaración después del lanzamiento de Llama 3. “Pero la comunidad abierta necesita acceso a todas las demás partes del proceso de IA: sus datos, capacitación, registros, código y evaluaciones. Esto es lo que, en última instancia, acelerará nuestra comprensión colectiva de estos modelos”. Stella Biderman, una investigadora de IA involucrada en EleutherAI, un proyecto de IA de código abierto sin fines de lucro, dice que la licencia de Meta para Llama 2 limitó los experimentos que los investigadores de IA pueden realizar con él, y agrega que la licencia Llama 3 parece aún más restrictiva. «Meta libera pesos, pero es notoriamente restrictivo en cuanto a lo que se puede hacer con ellos», dice Biderman. Una parte de la licencia del modelo dice que las empresas con «más de 700 millones de usuarios activos mensuales» deben solicitar una licencia especial de Meta, una cláusula aparentemente diseñado para evitar que el proyecto ayude a los rivales más cercanos de la compañía. Aun así, parece probable que Llama 3 provoque una nueva explosión de experimentación con IA. Clement Delange, director ejecutivo de HuggingFace, un repositorio de modelos abiertos de IA, incluido Llama 3, dice que los desarrolladores crearon más de 30.000 variantes de Llama 2. «Estoy seguro de que también veremos una avalancha de nuevos modelos basados en Llama 3. » él dice. «Impresionante movimiento comunitario de Meta».
Etiqueta: aprendizaje automático Página 1 de 2
Empresas de todos los tamaños enfrentan obstáculos similares, incluida una competencia feroz y demandas cambiantes de los clientes y del mercado. Estos desafíos se ven agravados por ineficiencias en el flujo de trabajo, silos de datos y costos crecientes, lo que crea una demanda de herramientas que ofrezcan una ventaja competitiva. El análisis de IA está avanzando para satisfacer esta necesidad. Los estudios revelan que el 96% de los líderes empresariales creen que la IA y el aprendizaje automático (ML) pueden mejorar enormemente la toma de decisiones. Están integrando rápidamente datos basados en IA en sus estrategias, utilizando el marketing de IA para prosperar y adaptarse en un panorama empresarial dinámico basado en datos. ¿Qué es el análisis de IA? El análisis de IA implica el uso de técnicas avanzadas de aprendizaje automático (ML) y tareas de IA, incluido el procesamiento del lenguaje natural (NLP), para extraer información valiosa de grandes conjuntos de datos. Este proceso ayuda a identificar patrones y tendencias de datos, lo que permite una toma de decisiones informada. El análisis de IA extrae información importante de diversas fuentes de datos, como interacciones en redes sociales, plataformas de reseñas, foros de clientes y respuestas a encuestas. Estos conocimientos ayudan a los equipos multifuncionales a mejorar su eficacia y eficiencia. Además, la automatización del análisis de datos minimiza la dependencia de procesos manuales, mejorando así la precisión y velocidad de los informes de inteligencia empresarial. Esta automatización también permite a los empleados dedicar más tiempo a tareas estratégicas y desafíos complejos dentro de sus funciones. Características clave del aprendizaje automático de AI Analytics El aprendizaje automático dentro del análisis de IA implica algoritmos sofisticados que analizan datos para identificar patrones y tendencias subyacentes. Estos algoritmos están diseñados para la mejora continua, refinando constantemente su precisión y rendimiento a medida que procesan información. Esta capacidad permite el análisis automatizado de conjuntos de datos grandes y extensos, agilizando el proceso de evaluación de datos y haciéndolo más rápido y confiable. Modelado predictivo: aprovecha los datos históricos junto con las tendencias contemporáneas para pronosticar eventos y resultados futuros. Este enfoque dota a las empresas de la previsión necesaria para anticipar los comportamientos de los clientes, las fluctuaciones del mercado y los riesgos potenciales. En consecuencia, refuerza la toma de decisiones proactiva y facilita la planificación estratégica, permitiendo a las empresas prepararse y elaborar estrategias de forma eficaz para lo que se avecina. Procesamiento del lenguaje natural (PNL) El PNL permite a la IA descifrar y examinar datos no estructurados, incluidas las comunicaciones de texto y voz. Al extraer información de fuentes como los comentarios de los clientes, las redes sociales y varios canales basados en texto, la PNL desempeña un papel importante en el análisis de sentimientos, mejorando la profundidad de los conocimientos de los clientes y fomentando una comprensión más matizada de los sentimientos y perspectivas de los consumidores. Redes Neuronales + Aprendizaje Profundo Las Redes Neuronales y el Aprendizaje Profundo representan técnicas computacionales avanzadas inspiradas en la estructura y función del cerebro humano. Estos métodos son expertos en procesar y analizar conjuntos de datos sustanciales e complejos, lo que les permite manejar tareas sofisticadas como el reconocimiento de imágenes y voz. Su capacidad para gestionar análisis de datos complejos facilita el desarrollo y la mejora de aplicaciones de vanguardia en diversos dominios tecnológicos. Análisis de IA versus análisis tradicional El análisis de IA aprovecha los algoritmos de aprendizaje automático para procesar de manera eficiente big data, lo que permite un análisis rápido y preciso de grandes cantidades de datos complejos y no estructurados. Esto contrasta marcadamente con el análisis tradicional, que depende más de esfuerzos manuales para el análisis de datos. Los métodos tradicionales, aunque establecidos, enfrentan limitaciones significativas, particularmente cuando se trata de conjuntos de datos grandes o complejos. Estas deficiencias han provocado una creciente transición hacia el análisis impulsado por la IA. Además, los análisis tradicionales sólo pueden evaluar un espectro limitado de datos históricos para producir diversos tipos de conocimientos: descriptivos, diagnósticos, predictivos y prescriptivos. Esta limitación dificulta su eficacia en comparación con las capacidades más amplias y dinámicas del análisis de IA, que están diseñadas para manejar conjuntos de datos amplios y diversos con mayor agilidad y precisión, lo que la convierte en una opción más adecuada para nuestros entornos cada vez más basados en datos. El papel del análisis de IA en la transformación del análisis tradicional Tipo de análisis Análisis tradicional Análisis de IA Análisis descriptivo Interpreta el rendimiento en función de los datos existentes, centrándose en resumir conocimientos en un momento específico. Ofrece un informe de desempeño continuo a través de análisis de tendencias, brindando una visión integral de diversos factores y sus cambios a lo largo del tiempo. Análisis de diagnóstico Analiza datos históricos para comprender las causas detrás de los resultados comerciales, identificando relaciones en los datos para identificar las causas fundamentales. Analiza de forma rápida y eficiente grandes cantidades de datos históricos y en tiempo real de diversas fuentes para detectar patrones, tendencias y anomalías. Análisis predictivo Se utiliza para pronosticar tendencias y resultados futuros basados en datos históricos utilizando modelos estadísticos y técnicas de pronóstico. Emplea aprendizaje automático y aprendizaje profundo para mejorar los pronósticos, proporcionando predicciones más rápidas y precisas. Análisis prescriptivo Proporciona información procesable basada en datos históricos y predictivos, que pueden quedar obsoletos en el momento en que se aplican. Analiza los datos en tiempo real, ajustándose instantáneamente a los cambios en las variables, lo que permite a las empresas adaptar y perfeccionar las estrategias de campaña rápidamente. Característica Análisis tradicional Análisis de IA Procesamiento de datos Manual, laborioso Automatizado y eficiente Reconocimiento de patrones Limitado, susceptible a sesgos Capacidades predictivas avanzadas e imparciales Básico, dependiente de datos anteriores Sofisticado, en tiempo real Análisis de datos no estructurados Desafiante, a menudo descuidado Optimizado y revelador Ventajas de Empleo de análisis de IA en la toma de decisiones estratégicas La incorporación de análisis de IA en su estrategia empresarial puede generar una multitud de beneficios que refinan la toma de decisiones y contribuyen a la excelencia empresarial. A continuación se detallan algunos beneficios clave: Conocimientos mejorados del cliente: el análisis de IA ofrece a las empresas una visión profunda del comportamiento de los clientes al examinar extensos conjuntos de datos de múltiples fuentes. Al utilizar el aprendizaje automático y la PNL, la IA revela información crítica sobre las preferencias y comportamientos de los clientes, lo que permite a las empresas: Adaptar productos y servicios para satisfacer las necesidades de los clientes de manera más efectiva. Elaborar iniciativas que conecten profundamente con grupos de consumidores específicos. Mejorar proactivamente el servicio al cliente previendo y cumpliendo los requisitos del cliente. Eficiencia operativa mejorada: el análisis impulsado por IA es fundamental para mejorar las operaciones comerciales mediante la extracción de datos en diferentes sectores, incluidas las cadenas de suministro, la producción y la logística, para resaltar las ineficiencias y sugerir áreas de mejora. El análisis de IA puede mejorar notablemente la eficiencia operativa en áreas como: Mantenimiento predictivo, para identificar y abordar de forma preventiva los problemas de los equipos. Gestión de inventarios, asegurando niveles óptimos de stock mediante predicciones de demanda. Distribución de recursos, asignación de fuerza laboral y recursos de manera más eficiente a través de conocimientos predictivos. Gestión de riesgos estratégicos: el análisis de IA ayuda a identificar y aliviar los riesgos mediante el análisis de datos extensos. Al aprovechar el análisis predictivo, las empresas pueden mantener un conocimiento constante del mercado y la dinámica competitiva, lo que les permite detectar tanto riesgos como oportunidades. También permite la identificación de irregularidades y posibles fraudes en las transacciones financieras. Además, AI Analytics respalda la toma de decisiones crediticias más informadas al proporcionar evaluaciones de riesgo exhaustivas. Experiencias de cliente personalizadas: el análisis de IA brilla en la creación de experiencias de cliente personalizadas. Al examinar puntos de datos individuales, como el historial de compras y las interacciones en línea, la IA puede ofrecer sugerencias e interacciones personalizadas, lo que lleva a una mayor satisfacción y retención del cliente, una mayor participación del usuario y tasas de conversión, así como un mayor valor de vida del cliente y lealtad general a la marca. Integración estratégica de análisis de IA en las operaciones comerciales La incorporación de análisis de IA en su negocio requiere una planificación cuidadosa para alinearse con sus objetivos generales y recursos disponibles. A continuación se presenta una hoja de ruta para incorporar la toma de decisiones basada en IA en su empresa: Aclare los objetivos: comience su iniciativa de IA identificando claramente sus objetivos comerciales. Evalúe qué áreas de sus operaciones obtendrán el mayor beneficio del análisis de datos. Los dominios clave a considerar incluyen mejorar las experiencias de los clientes, optimizar la cadena de suministro y la gestión de inventario, y mejorar las operaciones financieras y la gestión de riesgos. Recopilación y preparación de datos: una vez que haya establecido sus objetivos, proceda a recopilar y preparar los datos relevantes necesarios para el análisis. Esto incluye información del consumidor, como datos demográficos, patrones de compra y comentarios; detalles financieros como ingresos, gastos y flujo de caja; datos operativos que incluyen tasas de producción, niveles de existencias y logística de distribución; y conocimientos sobre la dinámica competitiva del mercado. Organizar y limpiar adecuadamente estos datos es esencial para garantizar su precisión y usabilidad en sus esfuerzos de análisis impulsados por IA. Seleccione las soluciones de IA adecuadas: dada la amplia gama de herramientas de IA disponibles, seleccionar la que mejor se adapte a sus necesidades implica una cuidadosa consideración de varios factores. Evalúe la compatibilidad de la herramienta con sus sistemas existentes para garantizar una integración perfecta. Considere su escalabilidad para adaptarse al crecimiento futuro. Evalúe la facilidad de uso para garantizar la facilidad de uso para su equipo. Finalmente, analizar su rentabilidad para asegurar un retorno de la inversión favorable. Integración del sistema: la integración de herramientas de inteligencia artificial con su infraestructura existente es vital para la fluidez de los datos y el análisis en tiempo real. Los puntos de contacto de integración pueden incluir CRM, ERP, automatización de marketing y sistemas de gestión de la cadena de suministro. Reúna un equipo capacitado: Reunir un equipo capacitado es crucial para una implementación exitosa de la IA, ya que requiere experiencia diversa en varios dominios. Necesitará expertos en datos para desarrollar y perfeccionar modelos de IA, profesionales de TI para manejar la integración y la seguridad del sistema, expertos en negocios para interpretar los resultados y administradores de cambios para facilitar la adopción organizacional. Invertir en formación es esencial para garantizar que su equipo esté bien preparado y totalmente equipado para aprovechar los análisis de IA de forma eficaz. Este enfoque multidisciplinario no sólo mejora el proceso de implementación sino que también maximiza los beneficios derivados de las tecnologías de IA. A medida que los volúmenes y la complejidad de los datos continúan creciendo, el análisis de IA se está volviendo esencial para las empresas. Al integrar esta tecnología en sus procesos de toma de decisiones, las empresas están mejor equipadas para afrontar los desafíos futuros y aprovechar las oportunidades. El análisis de IA ayuda a facilitar decisiones más inteligentes para lograr objetivos estratégicos. La transición a la toma de decisiones impulsada por la IA, aunque compleja, ofrece beneficios significativos, que incluyen una mayor eficiencia, ráfagas de innovación y una mayor satisfacción del cliente, todo lo cual puede transformar un negocio. Charter Global se destaca en la transformación de datos complejos en inteligencia procesable utilizando análisis avanzados y tecnologías de inteligencia artificial, posicionándolo para el éxito. Nuestros servicios incluyen análisis personalizados y herramientas de generación de informes intuitivas, como paneles y cuadros de mando, que brindan información en tiempo real, resaltan oportunidades de crecimiento y mejoran la toma de decisiones informadas, impulsando su negocio hacia adelante. Para obtener más información, hable con nuestros expertos.
Cada año, el Índice de IA aterriza en los escritorios virtuales con un ruido sordo virtual más fuerte; este año, sus 393 páginas son un testimonio del hecho de que la IA está teniendo un año realmente importante en 2023. Durante los últimos tres años, IEEE Spectrum ha leído todo el maldito asunto y sacó una selección de gráficos que resumen el estado actual de la IA (consulte nuestra cobertura de 2021, 2022 y 2023). El informe de este año, publicado por el Instituto Stanford para la Inteligencia Artificial Centrada en el Humano (HAI), tiene un capítulo ampliado sobre IA responsable y nuevos capítulos sobre IA en la ciencia y la medicina, así como sus resúmenes habituales de I+D, rendimiento técnico y economía. , educación, políticas y gobernanza, diversidad y opinión pública. Este año también es la primera vez que Spectrum figura en el informe, con una cita de un artículo publicado aquí sobre el problema del plagio visual de la IA generativa. De los artículos de su sitio Artículos relacionados en la Web
El mercado de empresa a empresa experimentará una serie de grandes cambios en los años hasta 2030, según un nuevo informe de la firma de experiencia del cliente Merkle. Las empresas B2B regionales de APAC deberán considerar sus niveles de inversión en una serie de tecnologías e integrar nuevas herramientas ahora para prepararse y adaptarse a los cambios venideros. El informe B2B Futures: The View From 2030 sostiene que cuatro tendencias “síssmicas” clave están llegando al B2B: Un aumento en el comercio de máquina a máquina. Trazabilidad mejorada de la cadena de suministro. El dominio de los mercados digitales B2B. Velocidad de comercialización radicalmente acelerada. Jake Hird, vicepresidente de estrategia de Merkle B2B – APAC, dijo a TechRepublic que las empresas B2B de la región deberán responder con inversiones en tecnologías que incluyen IoT, IA, análisis de datos y blockchain para garantizar que se adapten a estos cambios que afectan a sus negocios y mercados. IoT para facilitar un aumento en el comercio de máquina a máquina El comercio de máquina a máquina aumentará hasta representar un tercio de todos los negocios B2B para 2030, dijo Merkle. En la práctica, esto verá la extensión de las herramientas automatizadas de toma de decisiones actuales, como los sistemas de reabastecimiento para minoristas que automatizan la compra de nuevo inventario de las fábricas, hacia decisiones más complejas pero aún sobre productos básicos, respaldadas por la IA. Jake Hird, vicepresidente de estrategia, Merkle B2B, APACImagen: Merkle Hird dijo que esta tendencia requeriría que las empresas B2B prioricen cada vez más las inversiones en cosas como infraestructura de TI, inteligencia artificial y herramientas de aprendizaje automático, tecnología blockchain y seguridad cibernética. Internet de las cosas El crecimiento del comercio de máquina a máquina dependerá en gran medida de la adopción y el despliegue de herramientas de IoT, que deberán integrarse en todo el mercado B2B. «Los dispositivos, sensores y redes de IoT formarán la columna vertebral del comercio m2m», dijo Hird. Si bien reconoce el crecimiento inestable hasta la fecha en el mercado de IoT, Merkle dijo que IoT ha madurado. El informe de Merkle predijo que los dispositivos IoT pronto serían una fuente clave de datos para las empresas B2B que necesitan «identificar y pronosticar las necesidades comerciales, que van desde la posible falta de existencias hasta la degradación de los equipos que pueden necesitar reemplazo, y realizar transacciones en consecuencia». Blockchain y contratos inteligentes Las máquinas tendrán los medios para realizar transacciones con otras máquinas utilizando blockchain. «La tecnología Blockchain y los contratos inteligentes garantizarán transacciones seguras y transparentes, permitiendo a las máquinas ejecutar acuerdos sin intervención humana», dijo Hird. DESCARGAR: Más de 50 glosarios tecnológicos de TechRepublic Infraestructura informática de borde premium Las empresas B2B necesitarán invertir en infraestructura de computación de borde para admitir más procesamiento de datos en tiempo real y transacciones de compra en sus huellas y cadenas de suministro. Plataformas de integración y gestión de datos Las empresas B2B necesitarán recopilar, procesar y analizar más información, lo que hace que la inversión en gestión de datos sea importante. Esto incluirá superar los desafíos de integración y aprovechar la interoperabilidad de los sistemas para generar los conocimientos necesarios para alimentar los sistemas. Sistemas de seguridad cibernética Las soluciones de seguridad cibernética serán cruciales para proteger las transacciones del acceso no autorizado, así como de otras amenazas en línea, según Merkle. «Las empresas necesitarán invertir en medidas como sistemas de detección de intrusos y tecnologías de cifrado avanzadas», afirmó Hird. Blockchain y tecnología de contabilidad distribuida para ofrecer trazabilidad de la cadena de suministro La trazabilidad de la cadena de suministro podría convertirse en uno de los dos principales impulsores de compras para B2B para 2030, debido a la presión de los consumidores y del mercado. Esto hará que aumente la adopción de la tecnología blockchain y de contabilidad distribuida a medida que las empresas busquen profundizar la transparencia y la confianza de sus cadenas de suministro. Blockchain y tecnología de contabilidad distribuida El informe de Merkle sugiere que blockchains, la forma más común de tecnología de contabilidad distribuida, podría ayudar a “arrojar luz sobre las cadenas de suministro globales bizantinas” al brindar acceso a datos de certificación, prácticas de abastecimiento e impacto ambiental, incluso calculando las huellas de carbono. Estas tecnologías podrían ayudar a las empresas a hacer cumplir los estándares de sostenibilidad. Etiquetas RFID e IoT La disponibilidad, la disminución del coste y la miniturización de las etiquetas RFID y los sensores de IoT harán que la IoT desempeñe un papel fundamental en la trazabilidad. Se espera que esto permita el seguimiento y monitoreo en tiempo real de los productos a medida que avanzan a lo largo de la cadena de suministro, desde el abastecimiento hasta la venta. Herramientas de análisis de datos e inteligencia artificial Los actores B2B necesitarán análisis de datos e inteligencia artificial para obtener información a partir de los datos generados por los sistemas de trazabilidad de la cadena de suministro. «A través del análisis en tiempo real, las empresas pueden optimizar la gestión de inventario, anticipar las fluctuaciones de la demanda y mitigar los riesgos de la cadena de suministro», dijo Hird. Preparación para la integración para respaldar el auge de los mercados digitales B2B Se espera que los mercados digitales B2B capturen el 50 % del negocio B2B para 2030, frente al 15 % en 2024. Este cambio impulsará a las organizaciones B2B a centrarse en implementar plataformas de comercio electrónico para desarrollar una presencia. dentro de mercados digitales en crecimiento o sumergirse y construir los suyos propios. Herramientas de análisis y personalización El análisis y la personalización permitirán a las empresas obtener información sobre el comportamiento y las preferencias de los clientes, dijo Hird. Esto ayudará a las empresas B2B a ajustar el marketing y las comunicaciones para compradores B2B individuales, mejorando la experiencia del cliente, el compromiso y los ingresos. Soluciones de integración y API Los mercados digitales dependen de la integración de sistemas para facilitar las transacciones de los clientes y las experiencias de compra. Las empresas deberán invertir en soluciones API y de integración para conectar sistemas y plataformas internos y externos para optimizar las operaciones y mejorar la eficiencia. Tecnología de optimización de la cadena de suministro Los modelos de mercado digital también requieren que las empresas B2B satisfagan demandas como tiempos de entrega más rápidos y cumplimiento eficiente de los pedidos desde su presencia en el mercado, dijo Hird. Sostuvo que esto alentará a las empresas B2B a adoptar más tecnologías de optimización de la cadena de suministro. Herramientas de diseño y creación de prototipos para acelerar la velocidad de comercialización B2B Se esperan cambios importantes en la forma en que las marcas B2B diseñan, prueban y entregan productos al mercado. Por ejemplo, en farmacología, dijo Merkle, aunque puede llevar de 10 a 15 años llevar un medicamento al mercado, un descubrimiento de fármacos y ensayos clínicos más rápidos podrían acortar este proceso dramáticamente. Hird dijo a TechRepublic que los procesos de diseño de prototipos y productos funcionales se pueden potenciar con IA generativa y tecnologías de creación de prototipos virtuales. Al utilizar simulaciones y herramientas de diseño que aumentan las contribuciones humanas y los métodos tradicionales, las empresas podrán reducir significativamente el tiempo y el costo asociados con la creación de prototipos y pruebas físicas. «Esto permite ciclos de iteración más rápidos, acelerando el proceso de desarrollo de productos y mejorando la velocidad de comercialización de nuevos productos e innovaciones», dijo Hird.
Las instituciones militares, los institutos de investigación de IA y las universidades de China todavía pueden obtener y comprar chips de IA de NVIDIA, ¡aunque en pequeñas cantidades! ¡A AMD + NVIDIA se les prohíbe vender chips de IA a China! El gobierno de EE. UU. ordenó tanto a AMD como a NVIDIA que dejaran de vender chips de IA de alto rendimiento a China y Rusia el 26 de agosto de 2022. Esta prohibición se introdujo para evitar que ambos países utilizaran esos chips de IA de alto rendimiento con fines militares. Con efecto inmediato, el gobierno de EE. UU. prohibió la exportación de todos los chips de IA que sean iguales o más rápidos que los chips NVIDIA A100 (y H100) o AMD Instinct MI250. Luego, NVIDIA creó chips de IA A800 y H800 más lentos para el mercado chino, pero incluso ellos también fueron prohibidos en octubre de 2023. Recomendado: ¡AMD y NVIDIA tienen prohibido vender chips de IA a China! ¡China todavía tiene acceso a los chips de IA NVIDIA de alta velocidad! A pesar de la actual prohibición de la venta de chips de IA de alto rendimiento a China y Rusia, parece que los institutos de investigación chinos vinculados al ejército todavía pueden obtener y comprar chips de IA de NVIDIA, ¡aunque en pequeñas cantidades! Según un informe de Reuters del 14 de enero de 2024, los documentos de licitación pública muestran que docenas de instituciones militares, institutos de investigación de inteligencia artificial y universidades en China con vínculos con el ejército han comprado y recibido chips de inteligencia artificial de NVIDIA de alto rendimiento como el A100 y el H100. así como los chips AI A800 y H800 más lentos. El Instituto de Tecnología de Harbin compró seis chips NVIDIA A100 en mayo de 2023 para entrenar un modelo de aprendizaje profundo que la Universidad de Ciencia y Tecnología Electrónica de China compró en NVIDIA A100 en diciembre de 2022, para un propósito no especificado. Ambas universidades están sujetas a las restricciones de exportación de Estados Unidos, aunque la venta de esos chips de IA no es ilegal en China. Se identificaron más de 100 licitaciones en las que entidades estatales chinas compraron con éxito chips NVIDIA A100 y H100, y docenas de licitaciones muestran compras exitosas de los chips más lentos A800. La Universidad de Tsinghua compró dos chips H100 en diciembre de 2023, así como unos ochenta chips A100 desde septiembre de 2022. Un laboratorio del Ministerio de Industria y Tecnología de la Información compró un chip H100 en diciembre de 2023. Una entidad anónima del Ejército Popular de Liberación (EPL) con sede en Wuxi buscó para comprar tres chips A100 en octubre de 2023 y un chip H100 en enero de 2024 El Instituto de Inteligencia Artificial de Shandong compró cinco chips A100 de Shandong Chengxiang Electronic Technology en diciembre de 2023 La Universidad de Chongqing compró un chip NVIDIA A100 en enero de 2024. Recomendado: Can StopNCII Remove All Nude / ¡¿Fotos falsas profundas?! Para ser claros, ni NVIDIA ni sus minoristas aprobados suministraron esos chips. NVIDIA dijo que cumple con todas las leyes de control de exportaciones aplicables y exige que sus clientes hagan lo mismo: si nos enteramos de que un cliente ha realizado una reventa ilegal a terceros, tomaremos las medidas inmediatas y apropiadas. – Portavoz de NVIDIA Aunque las entidades estatales chinas parecen poder comprar chips de IA de alto rendimiento, el informe de Reuters también muestra la eficacia de la prohibición estadounidense de chips de IA. El entrenamiento de grandes modelos de inteligencia artificial requiere miles de chips de IA de alto rendimiento, y China no parece ser capaz de adquirir más que un puñado de estos chips críticos. Eso no significa que China esté desacelerando sus iniciativas de IA. En lugar de depender de las “importaciones grises” de chips AI de AMD o NVIDIA, las entidades chinas están haciendo todo lo posible para cambiar a alternativas locales. En 2023, HUAWEI recibió pedidos de unos 5.000 de sus chips Ascent 910B. Megaempresas chinas como Baidu, Alibaba y Tencent también tienen sus propios chips de IA internos como Kunlunxin Gen 2, Hanguang 800 y Zixiao. ¡Por favor apoye mi trabajo! ¡Apoya mi trabajo a través de una transferencia bancaria/PayPal/tarjeta de crédito! Nombre: Adrian WongTransferencia bancaria: CIMB 7064555917 (Código Swift: CIBBMYKL)Tarjeta de crédito/Paypal: https://paypal.me/techarp El Dr. Adrian Wong ha estado escribiendo sobre tecnología y ciencia desde 1997, e incluso ha publicado un libro con Prentice Hall llamado Rompiendo la barrera del BIOS (ISBN 978-0131455368) mientras estaba en la escuela de medicina. Continúa dedicando innumerables horas todos los días a escribir sobre tecnología, medicina y ciencia, en su búsqueda de hechos en un mundo de posverdad.
[/su_note]
Lectura recomendada Volver a > Negocios | Computadora | Soporte técnico ARP ¡ARP técnico! Apóyenos visitando a nuestros patrocinadores, participando en los foros Tech ARP o haciendo una donación a nuestro fondo. ¡Gracias! Así: Me gusta Cargando…
Después de demandar a OpenAI este mes, alegando que la empresa se ha vuelto demasiado cerrada, Elon Musk dice que publicará su respuesta de “búsqueda de la verdad” a ChatGPT, el chatbot Grok, para que cualquiera pueda descargarla y usarla. “Esta semana, @xAI abrirá el código fuente Grok”, escribió Musk hoy en su plataforma de redes sociales X. Eso sugiere que su empresa de inteligencia artificial, xAI, publicará el código completo de Grok y permitirá que cualquiera pueda usarlo o modificarlo. Por el contrario, OpenAI ofrece una versión de ChatGPT y el modelo de lenguaje detrás de él disponible para su uso de forma gratuita, pero mantiene su código privado. Musk había dicho poco anteriormente sobre el modelo de negocio de Grok o xAI, y el chatbot estuvo disponible solo para suscriptores Premium. a X. Después de haber acusado a sus cofundadores de OpenAI de incumplir una promesa de regalar la inteligencia artificial de la compañía a principios de este mes, Musk puede haber sentido que tenía que abrir su propio chatbot para demostrar que está comprometido con esa visión. OpenAI respondió a la pregunta de Musk. demanda la semana pasada al publicar mensajes de correo electrónico entre Musk y otros en los que parecía respaldar la idea de hacer que la tecnología de la compañía fuera más cerrada a medida que se volviera más poderosa. Musk finalmente invirtió más de 40 millones de dólares en OpenAI antes de separarse del proyecto en 2018. Cuando Musk anunció por primera vez que Grok estaba en desarrollo, prometió que tendría menos sesgo político que ChatGPT u otros modelos de IA, que él y otros tienen derechos. Las opiniones inclinadas han sido criticadas por ser demasiado liberales. Las pruebas realizadas por WIRED y otros demostraron rápidamente que, aunque Grok puede adoptar un estilo provocativo, no está muy sesgado en un sentido u otro, lo que tal vez revela el desafío de alinear los modelos de IA de manera consistente con un punto de vista particular. El abastecimiento abierto de Grok podría ayudar a Musk a generar interés en la IA de su empresa. Limitar el acceso de Grok solo a suscriptores pagos de X, una de las plataformas sociales globales más pequeñas, significa que aún no tiene la tracción de ChatGPT de OpenAI o Gemini de Google. El lanzamiento de Grok podría atraer a los desarrolladores a utilizar y desarrollar el modelo y, en última instancia, podría ayudarlo a llegar a más usuarios finales. Eso podría proporcionar a xAI datos que puede utilizar para mejorar su tecnología. La decisión de Musk de liberar a Grok lo ve alinearse con el enfoque de Meta hacia la IA generativa. Los modelos de código abierto de Meta, como Llama 2, se han vuelto populares entre los desarrolladores porque pueden personalizarse y adaptarse completamente a diferentes usos. Pero adoptar una estrategia similar podría arrastrar a Musk aún más a un creciente debate sobre los beneficios y riesgos de dar a cualquiera acceso a los modelos de IA más potentes. Muchos expertos en IA sostienen que los modelos de IA de código abierto tienen importantes beneficios, como una mayor transparencia y un mayor acceso. «Los modelos abiertos son más seguros y robustos, y es fantástico ver más opciones de empresas líderes en el espacio», dice Emad Mostaque, fundador de Stability AI, una empresa que construye varios modelos de IA de código abierto.
Source link
Peter Chen, director ejecutivo de la empresa de software para robots Covariant, se sienta frente a una interfaz de chatbot similar a la que se utiliza para comunicarse con ChatGPT. “Muéstrame el bolso que tienes delante”, escribe. En respuesta, aparece un video que revela un brazo robótico sobre un contenedor que contiene varios artículos: un par de calcetines, un tubo de papas fritas y una manzana, entre ellos. El chatbot puede discutir los artículos que ve, pero también manipularlos. Cuando WIRED sugiere que Chen le pida que tome una fruta, el brazo se agacha, agarra suavemente la manzana y luego la mueve a otro contenedor cercano. Este chatbot práctico es un paso para brindar a los robots el tipo de capacidades generales y flexibles. exhibido por programas como ChatGPT. Existe la esperanza de que la IA finalmente pueda solucionar la antigua dificultad de programar robots y hacer que hagan más que un conjunto reducido de tareas. “No es nada controvertido en este momento decir que los modelos básicos son el futuro de la robótica”, dijo Chen. dice, utilizando un término para modelos de aprendizaje automático de propósito general y gran escala desarrollados para un dominio en particular. El práctico chatbot que me mostró funciona con un modelo desarrollado por Covariant llamado RFM-1, por Robot Foundation Model. Al igual que los que están detrás de ChatGPT, Gemini de Google y otros chatbots, ha sido entrenado con grandes cantidades de texto, pero también ha recibido control de video y hardware y datos de movimiento de decenas de millones de ejemplos de movimientos de robots provenientes del trabajo en el mundo físico. mundo. Incluir esos datos adicionales produce un modelo que no solo domina el lenguaje sino también la acción y que es capaz de conectar los dos. RFM-1 no sólo puede chatear y controlar un brazo robótico, sino también generar vídeos que muestran robots realizando diferentes tareas. Cuando se le solicite, RFM-1 mostrará cómo un robot debe agarrar un objeto de un contenedor desordenado. «Puede aceptar todas estas modalidades diferentes que son importantes para la robótica y también puede generar cualquiera de ellas», afirma Chen. «Es un poco alucinante». Vídeo generado por el modelo de IA RFM-1. Cortesía de Covariant Vídeo generado por el modelo de IA RFM-1. Cortesía de Covariant El modelo también ha demostrado que puede aprender a controlar hardware similar que no está en su entrenamiento. datos. Con mayor capacitación, esto podría incluso significar que el mismo modelo general podría operar un robot humanoide, dice Pieter Abbeel, cofundador y científico jefe de Covariant, pionero en el aprendizaje de robots. En 2010, dirigió un proyecto que entrenó a un robot para doblar toallas, aunque lentamente, y también trabajó en OpenAI antes de que dejara de investigar con robots. Covariant, fundada en 2017, actualmente vende software que utiliza el aprendizaje automático para permitir que los brazos robóticos seleccionen artículos. de contenedores en los almacenes, pero normalmente se limitan a la tarea para la que han estado entrenando. Abeel dice que modelos como RFM-1 podrían permitir que los robots utilicen sus pinzas para realizar nuevas tareas con mucha más fluidez. Compara la estrategia de Covariant con la forma en que Tesla utiliza datos de los automóviles que ha vendido para entrenar sus algoritmos de conducción autónoma. «Es más o menos lo mismo que estamos sucediendo aquí», dice. Abeel y sus colegas de Covariant están lejos de ser los únicos expertos en robótica que esperan que las capacidades de los grandes modelos de lenguaje detrás de ChatGPT y programas similares puedan provocar una revolución en robótica. Proyectos como RFM-1 han mostrado resultados iniciales prometedores. Pero la cantidad de datos que se pueden necesitar para entrenar modelos que fabriquen robots con capacidades mucho más generales (y cómo recopilarlos) es una cuestión abierta.
Source link
Todos los ojos están puestos en la IA en este momento, y 2024 es el año en el que las empresas no tecnológicas realmente compiten por la atención de los profesionales del aprendizaje automático (ML). Un nuevo informe de TalentNeuron menciona explícitamente la defensa, la manufactura y la atención médica como industrias con una gran demanda de habilidades de IA. Esto se refleja claramente en la bolsa de trabajo de nextpit, donde organizaciones como Booz Allen Hamilton, Blue Origin, Cohere Health, Lockheed Martin Corporation y Leidos casi siempre están contratando. Siga el dinero Los ingenieros de aprendizaje automático en particular son muy buscados, y la respuesta breve de por qué los profesionales están acudiendo en masa a estas industrias es la siguiente: se ofrecen salarios impresionantes. Un estudio reciente de Bizreport profundizó en los salarios de la IA y destacó que Connecticut tiene el salario promedio de IA más alto con $178,000, mientras que Arizona tenía el salario más alto para un puesto de IA: $450,000 para un arquitecto de sistemas de IA. Los salarios estándar para los ingenieros de aprendizaje automático comienzan en $100 000 y van más allá de los $300 000 para puestos más altos. Una de las razones por las que los salarios son tan altos es que existe una enorme brecha de habilidades en esta área, por lo que, si bien el aprendizaje automático se expande hasta convertirse en una prioridad para las empresas en todas las industrias, no hay suficiente talento para cubrir estos roles. La competencia por el talento es feroz y es un mercado de búsqueda de empleo. De hecho, las empresas estadounidenses están teniendo tantas dificultades para contratar que el sitio de empleo Indeed ha lanzado una nueva red tecnológica para ayudarlas a llegar al talento pasivo. Se trata de profesionales que están contentos en sus funciones actuales y necesitan un mayor incentivo para abandonar el barco. Los empleos relacionados con la IA van en aumento Bizreport también dice que en 2023, el 30,3% de los trabajos de informática estaban relacionados con la IA, y en 2024, habrá potencialmente más de 131.000 puestos de trabajo relacionados con la IA en el mercado de la informática. A medida que OpenAI continúa recaudando fondos y se logran valoraciones récord de acciones relacionadas con la IA, se espera que continúe la urgencia de contar con especialistas en aprendizaje automático. Toda esta demanda hace subir los salarios y los paquetes de beneficios se expanden cada vez más. ¿Está interesado en un nuevo puesto de ingeniero de aprendizaje automático? Visite la bolsa de trabajo de nextpit y vea lo que se ofrece hoy, como estos tres. En Seattle, ByteDance está contratando un ingeniero de plataforma de aprendizaje automático para desarrollar y mantener su plataforma que admite modelos de aprendizaje profundo para el desarrollo de código, pruebas, programación de capacitación, implementación de modelos y otras funciones comerciales centrales. El candidato seleccionado poseerá buenas habilidades de comunicación y trabajo en equipo, será competente en Python, Java o C++, y será recompensado con un salario de entre $129,960 y $246,240 al año. La compañía de seguros de salud HCSC, propiedad de sus miembros, está buscando un ingeniero líder en aprendizaje automático para su equipo de soluciones de inteligencia artificial y análisis en Chicago, que aplica la ciencia de datos y el aprendizaje automático para hacer que la atención médica sea más rentable y mejorar los resultados. Se requiere una licenciatura y al menos cinco años de experiencia laboral en informática, ingeniería o campos afines, o una maestría con cuatro años de experiencia, o un doctorado. y dos años de experiencia laboral. Fintech Plaid en San Francisco está buscando un ingeniero con experiencia en aprendizaje automático para liderar sus esfuerzos para construir e implementar soluciones y sistemas de aprendizaje automático diversos y de alto impacto que también sean escalables. Necesitará experiencia trabajando con productos, diseño e ingeniería de backend, así como con Python/Spark/Airflow/DBT/Hive/Presto/AWS. El salario base objetivo para este puesto es de entre $ 205 900 y $ 308 900 por año, mientras que los beneficios, la equidad y las comisiones dependen del puesto ofrecido. Comience su búsqueda de empleo hoy a través de la bolsa de trabajo de nextpit. Este artículo fue escrito por Amanda Kavanagh.
Bienvenido. Cuéntanos un poco sobre ti. Esto nos ayudará a proporcionarle contenido personalizado. Nombre Apellido Cargo Nombre de la empresa Tamaño de la empresa Seleccione un tamaño 1 – 4 5 – 9 10 – 24 25 – 49 50 – 99 100 – 249 250 – 499 500 – 999 1000 – 4999 5000 – 9999 9999+ Industria Seleccione una industria Publicidad , Relaciones Públicas y Marketing Aeroespacial y Aviación Agricultura y Ganadería Automotriz Banca, Contabilidad y Servicios Comerciales Financieros Computación y Tecnología Educación: Educación Superior: K-12 Ingeniería y Construcción Entretenimiento y Turismo Alimentos y Bebidas Gobierno: Federal Gobierno: Gobierno Local: Estatal Servicios de salud Seguros Servicios legales Fabricación Medios de comunicación y publicaciones Organizaciones sin fines de lucro Petróleo, gas y minería Productos farmacéuticos, medicamentos y productos químicos Bienes raíces Venta al por menor, mayorista y distribuidores Telecomunicaciones Transporte y envío Servicios públicos Viajes y hotelería Otros Cargando Enviar
No será una gran sorpresa si el Galaxy S24 de Samsung termina debutando con un gran enfoque en la inteligencia artificial cuando se lance en algún momento de este mes. Los propios coreanos ya insinuaron que algunas características de Galaxy AI llegarían con el próximo trío insignia de Galaxy. Sin embargo, podría haber otra herramienta de inteligencia artificial notable asociada con el Galaxy S24, que puede darle una oportunidad a la serie Pixel 8 de Google. Ahora, el filtrador Mystery Lupin ha compartido en X lo que aparece como la lista de funciones basadas en IA en el Galaxy S24 y el Galaxy S24 Ultra. El extracto destaca algunos de los que ya se especularon en filtraciones anteriores, pero también menciona una nueva edición generativa. En consecuencia, la función está disponible tanto para los modelos Ultra como para los que no son Ultra. Se describe para atender el movimiento o la eliminación de objetos en las fotografías. Posteriormente, también puede generar o llenar los espacios vacíos creados al mover objetos seleccionados a una nueva área fuera de la foto original. Por si sirve de algo, refleja el Magic Editor de Google, que es una característica exclusiva del Pixel 8 Pro (revisión) y se basa en capacidades de IA generativa. Fue demostrado por el gigante de la búsqueda, incluso se pueden generar áreas faltantes de objetos como bancos y globos. Presumiblemente, Generative Edit de Samsung debería ser tan capaz como Magic Editor. El Magic Editor de Google, basado en inteligencia artificial, puede generar áreas vacías y objetos completos. / © Google, Editado por nextpit En la descripción, también se indica que el uso de Generative Edit en el Galaxy S24 requiere que los usuarios inicien sesión con una cuenta Samsung y tengan una conexión a Internet activa. Esto sugiere que no será un proceso de IA completamente integrado y necesita la nube para que funcione completamente, que es similar al Magic Editor en el Pixel 8 Pro. El resto de las funciones enumeradas aparecen como capacidades en el dispositivo, incluido Live Translate que está integrado en la aplicación del teléfono Samsung y Nightography Zoom para tomas ampliadas con poca luz y alta resolución. También hay una función sin imágenes llamada Screen Display que proporciona velocidades de fotogramas estables y un nivel de brillo optimizado al jugar o transmitir. Los informes más recientes indican que Samsung celebrará un evento el 17 de enero en San José donde se debería anunciar la serie Galaxy S24 y posiblemente junto con el rastreador de ejercicios Galaxy Fit 3. Curiosamente, el Galaxy S24 y el Galaxy S24+ estarán equipados con un SoC Exynos 2400 en algunos mercados, por lo que indica que Galaxy AI no se limita a los modelos Snapdragon. Oferta de afiliado ¿Estas incorporaciones de IA lo convencerán de actualizar al Galaxy S24? Compártenos tus respuestas en los comentarios.