ბოლო რამდენიმე წლის განმავლობაში, უპირატესობრივი სიტყვები იყო ნათელი: უპირატესობრივი ხელოვნური ინტელექტურობა არის გარკვეული ტექნოლოგიური ჯიბები. ეს ისტორია არის ერთ-ერთი დიდი, cloud-based მოდელი, რომელიც სასწავლოდა მონაცემთა მშრალი ფართო, ენერგეტიკური მონაცემთა ცენტრი; თამაში მხოლოდ ყველაზე დიდი მოთამაშეებს შეუძლიათ ითამაშოს. მაგრამ მნიშვნელოვანი კონტაქტი იღებს ფორმის. ძლიერი გადაზიდვა ხდება, კომპიუტერული ენერგიის გადაზიდვა ცენტრიზებული ქსელის სერვერები ოპტიმალური განვითარებლები, კვლევითი და სტრუქტურები. ჩვენ ვხედავ "Great Unbundling" AI, სადაც monolithic, გენერალური მოდელები იწყებენ ადგილმდებარეობა ekosystem სპეციალიზებული, ეფექტური და ადგილობრივ განკუთვნილია გადაწყვეტილებები. ეს არ არის მხოლოდ მცირე ტენდენცია; ეს არის ძირითადი ცვლილება, ვინც აშენებს AI- ის მომავალში და სადაც ის აშენება ხდება. აქ არის ამ ახალი ასაკის სამი ყველაზე ეფექტური სიმბოლოები. Takeaway 1: Supercomputer on Your Desk ახლა რეალურია AI démocratisation იწყება ხელმისაწვდომობის ძლიერი ტექნიკა, და ეს ხელმისაწვდომობა უბრალოდ მიიღო დიდი ცარიელი წინასწარ. DGX Spark, მოწყობილობა, რომელიც, შესაბამისად, TIME აირჩიეთ ერთ-ერთი საუკეთესო ინვესტიციები 2025. ეს არის ნამდვილად supercomputer, რომელიც "თუ მცირეა, ვიდრე სმარტფონით", მაგრამ ეს საკმარისი ძლიერი, რათა გააუმჯობესოს მოდელები დაახლოებით 70 მილიარდი პარამეტრები, ყველა არ საჭიროა კავშირი cloud. ეს არის პირდაპირი მოვლენები cloud-centric ეკონომიკური მოდელი, რომელიც შეიცავს ბოლო წუთის AI განვითარების. Nvidia ეს ერთ-ერთი მოწყობილობა ძირითადად შეცვალოს თამაში მრავალფეროვანი მომხმარებელს: პროგრამირებლები: ახლა შეუძლია გაფართოებას და ტესტირება LLMs გარეშე რეიტინგული ღირებულება გაყიდვების GPUs. Startups: შეუძლია ინოვაცია და პროდუქციის გადაზიდვა უფრო სწრაფად, გარეშე სიჩქარე უპირატესობა და crippling cloud ღირებულება. კვლევები: მიიღეთ მნიშვნელოვანი კომპიუტერული დამოუკიდებლობა, რომელიც საშუალებას გაძლევთ უფრო მოქნილი ექსპერიმენტი. Governments: შენარჩუნება მონაცემთა სუპერატურა ეროვნული პროგრამები. Edge პროდუქცია: Run რეალური AI ადგილობრივ, დაბალი თარიღი, არ არის მონაცემთა გაფართოება. პოტენციური ღირებულება დაახლოებით $ 4,000 აღწერილი seismic ცვლილება ხელმისაწვდომობის, რაც გააჩნია, თუ როგორ მოკლე ინვესტიციები შეიძლება იყოს პირველი ნაბიჯი მიზნით მილიარდი დოლარი გარიგება. ეს განვითარება შეესაბამება მიმოხილვა NVIDIA- ის Jensen Huang. "AI არ ცხოვრობს მხოლოდ მონაცემთა ცენტრიში, ეს ცხოვრობს ყველა ადგილას." "AI არ ცხოვრობს მხოლოდ მონაცემთა ცენტრიში, ეს ცხოვრობს ყველა ადგილას." DGX Spark აჩვენებს ცვლილებზე, სადაც მაღალი ღირებულება და შეუზღუდავი ხელმისაწვდომობა, რომელიც ისტორიულად შეჩერდა ინოვაციებს, გააუმჯობესება. ეს არის ქარხანა დოკუმენტაცია, შექმნის ინსტრუმენტები პირდაპირი ქსელში. Takeaway 2: The 'Easy Button' for Fine-Tuning დასაწყისში ძვირადღირებული მოწყობილობები მხოლოდ ნახევარი ფორმულა. იმისათვის, რომ ნამდვილად გაუწყოს მათი პოტენციას, საჭიროა ასევე ძლიერი და ხელმისაწვდომი პროგრამული ფართობი. Enter Tinker, მოქნილი API from Mira Murati's , განკუთვნილია, რომ იყოს მნიშვნელოვანი კავშირი ადგილობრივი ტექნიკა და თანამედროვე AI კვლევა. Thinking Machines ლაბორატორიები Tinker- ის ძირითადი ფუნქცია არის კვლევითი და განვითარების საშუალებას გაძლევთ გაუმჯობესოს სხვადასხვა Open-weight მოდელები Llama სერია დიდი mix-of-experts მოდელები, როგორიცაა Qwen-235B-A22B, მართვის უამრავი "სხვეწილი გაფართოებული სასწავლო." პლატფორმა უკვე მიიღო პირდაპირი მოცულობა, და ჯგუფები Princeton, Stanford, Berkeley, და Redwood Research უკვე გამოიყენება იგი პროექტები, მათ შორის მექანიკური teorem ნიმუშები AI კონტროლის სამუშაოები. Tinker არ არის "მაგური შავი ყუთი"; ეს არის "კონფიდენციალურობა", რომელიც ხელს უწყობს მჭიდრო სარეკლამო, და საშუალებას აძლევს მწარმოებლები განკუთვნილია, რაც მათი სამუშაო უნიკალურია, არა ინფრასტრუქტურის ზედაპირზე. ეს მიმოხილვა დააკმაყოფილია მისი პირველი მომხმარებლები. როგორც Tyler Griggs of Redwood Research აცხადებს: "Tinker საშუალებას გაძლევთ განკუთვნილია კვლევა, ვიდრე დრო გადაიხადოს ინჟინერი overhead. ეს არის რაღაც არ არის რაოდენობა Raw GPU კრედიტი შეუძლია შეცვალოს." "Tinker საშუალებას გაძლევთ განკუთვნილია კვლევა, ვიდრე დრო გადაიხადოს ინჟინერი overhead. ეს არის რაღაც არ არის რაოდენობა Raw GPU კრედიტი შეუძლია შეცვალოს." ეს არის სრულყოფილი მაგალითია პროდუქტის ბაზარზე შეესაბამება. Tinker შეესაბამება დიდი ტკივილი, რომელიც საშუალებას გაძლევთ brillant კვლევითებს კონცენტრაცია მათი ალგორტატები და მონაცემები, ხოლო პლატფორმა შეესაბამება კომპლექსური და ხანგრძლივი ინჟინერი. Takeaway 3: ეს არის პრაქტიკული პროგნოზი, არა AGI Hype ეს მთელი ტენდენცია DGX Spark to Tinker to the explosion of open-source models გთავაზობთ ნათელი მიზნით: შექმნა პრაქტიკული, სპეციალიზებული AI გადაწყვეტილებები, რომლებიც გადაწყვეტილებებს რეალურ სამყაროში პრობლემები. მიუხედავად იმისა, რომ ეს განვითარება რეკლუზიური შექმნა სასარგებლო პროდუქტები, ისინი ასევე აღწევს ზრდის და შედეგად disconnection AI მსოფლიოში. მიუხედავად იმისა, რომ ინდუსტრია ამ პრაქტიკული ინსტრუმენტებს აღიარებს, მრავალი კვლევებისა და კვლევის საზოგადოებებში მტკიცებს, რომ ნამდვილად Artificial General Intelligence (AGI) მუდმივი პოპულარულია. ინსტრუმენტები, რომლებიც დღეს ჩვენ ვხედავთ, არის გაფართოება, კაციონირება და გაფართოება; არ არის, რომ შექმნათ გრძელვადიანი, ადამიანის დონეზე ინტელექტურობას ნაცვლად. ეს დასაწყისში შემდეგი ძირითადი კონტაქტი AI- ში, რომელიც არ არის ნაკლებად ტექნიკური უპირატესობა და უფრო მეტი ბაზარზე რეპუტაციის შესახებ. ეს იქნება "სხურვის ცვლილებების ცვლილება". ერთ მხრივ, კომერციული ინტენსიები და მათი საავტომობილო κεφαλαιοის მხარდაჭერები, რომლებიც შეიძლება იყოს მოცულობა "AGI" განახლება, რათა შეესაბამება მათი მიმდინარე პროდუქტების ინტენსიური შესაძლებლობები. მეორე მხრივ, ეს არის საავტომობილო საზოგადოება, რომელიც შეესაბამება AGI- ის უფრო მკაცრი, მეცნიერული დონეზე. პრაქტიკული პროგრესია არ არის შეუზღუდავი, მაგრამ ენაზე, რომელიც ჩვენ გამოიყენებთ, რომ ის აღწერილი, არის ინდუს ახალი AI Battleground აქ არის მონოლიტური, გენერალური AI- ის ასაკი, რომელიც არის ერთი თამაშები ქალაქში, დასრულდება. უფრო ძვირადღირებული, დეტალირებული და პრაქტიკული ეკოსიზმი იზრდება მისი ადგილზე, რომელიც ეფუძნება ხელმისაწვდომი ტექნიკა და ინტელექტური პროგრამული უზრუნველყოფის abstractions. ეს ახალი ფართობი საშუალებას გაძლევთ უფრო ფართო კომპლექტი მწარმოებლები შექმნათ სპეციალიზებული მოდელები, რომლებიც შეესაბამება კონკრეტული, მაღალი ღირებულება სამუშაოები. კითხვა არ არის πλέον მხოლოდ ის, ვინც შეუძლია შექმნათ ყველაზე დიდი მოდელი, არამედ ის, ვინც იღებს მომავალი "სხურვის გაცნობა" და შექმნათ ჩვენი მიმოხილვა, რა არის AI ნამდვილად და რა არის ის. AI- ის მომავალი განკუთვნილია desktop- ში და ლაბორატორებში, და დეტალები, თუ როგორ უნდა დასაწყისი. მე უკვე შეიძინა popcorn. Podcast კითხვები: და Apple Spotify