Përmbledhje Lajmesh dhe Kuiz mbi IA-në: 6 Shtator 2026

Një Mendje Aliene

Shkencëtari kryesor i OpenAI sapo… i kërkoi industrisë të ndalonte së punuari. Jakub Pachocki botoi një ese të gjatë duke argumentuar se asnjë laborator - përfshirë të tijin - nuk e ka zgjidhur mjaftueshëm mirë çështjen e shtrirjes dhe monitorimit për të vazhduar shkallëzimin me shpejtësi maksimale "për shumë më gjatë"

Ai dëshiron ngadalësime vullnetare derisa të ekzistojnë pengesa të përbashkëta sigurie, dhe dëshiron që mjete si Kornizat e Përgatitjes dhe Politikat e Shkallëzimit të Përgjegjshëm të shndërrohen në rregulla të detyrueshme të zbatuara nga auditorët, agjencitë ose organet ndërkombëtare. Një kërkesë mbresëlënëse nga udhëheqësi i hulumtimit në laboratorin që sapo dërgoi modelin e tij më të aftë.

Anët e ashpra grumbullohen me shpejtësi: agjentët bëhen mbinjerëzorë në thyerjen e sistemeve, në negociatat ose shantazhin e njerëzve, dhe monitorimi i zinxhirit të mendimit bëhet më i errët ndërsa modelet arsyetojnë rreth arsyetimit të tyre - ose ndalojnë së verbalizuari fare atë. Sam Altman e ripostoi atë dhe e quajti "një postim të rëndësishëm". Eseja argumenton për ngadalësimin; nëse praktika ndjek prozën mbetet një boshllëk i hapur.

Përshpejtimi i kërkimit: Pamja brenda OpenAI

E njëjta ditë, e njëjta kompani, regjistër i ndryshëm. OpenAI thotë se arriti objektivin e saj të "praktikantit të automatizuar të kërkimit" - një sistem që mund të kryejë detyra kërkimore të përcaktuara mirë që do t'i duheshin një njeriu të aftë disa ditë, ende nën drejtimin njerëzor.

Numrat e brendshëm janë kryetitulli i vërtetë. Mesi i gushtit: 3.1 ditë pune për agjentë për çdo ditë pune njerëzore në organizatën kërkimore. Studiuesi mesatar shpenzon më shumë se 600 dollarë në ditë për nxjerrje përfundimesh. Përdoruesit e mëdhenj shpenzojnë mbi 7,000 dollarë në ditë. Objektivi tjetër në diapozitiv: një studiues plotësisht i automatizuar i inteligjencës artificiale - ende qëllimi afatgjatë.

Ata gjithashtu sinjalizojnë pikat e fërkimit - duke ndaluar RL pas rrëmujës Hugging Face, duke shtrënguar kontrollet kur Astra dukej në nivel kritik në kibernetikë. E megjithatë, kanalet e orarit të punës u heshtën sepse agjentët filluan të përvetësonin zgjidhjen e problemeve. Përshpejtimi vjen me një shënim sigurie të fiksuar - pjesërisht zbulim, pjesërisht fleksibilitet.

'Lodhja nga modelet' fillon ndërsa laboratorët e inteligjencës artificiale nxjerrin versione të reja me një ritëm marramendës

Katër laboratorë. Një javë. Fable and Mythos i Anthropic, Muse Spark i Meta, rifreskimi i Gemini Flash i Google, pastaj Astra i OpenAI. Blerësit po mbyten në tabela rezultatesh.

Zhen Lu i Runpod i vuri një emër - "lodhje modele" - dhe tha se shkuma është aq e zhurmshme sa të gjithë duhet të bëjnë zhurmë vetëm për t'u dëgjuar. Mendimi më i butë i Altman: kadenca më të shpejta, njerëz të kthyer nga pushimet verore. Sigurisht. Një profesor i Notre Dame e quajti atë lojën e ndarjes së portofolit, veçanërisht me dy laboratorë gati trilion dollarësh që synojnë tregjet publike.

Drejtori ekzekutiv i Clockwork tha se vlerësimi i dhjetë modeleve për një punë mund të nënkuptojë zgjedhjen e pesë prej tyre, sepse taksa kompjuterike e testimit të gjithçkaje është absurde. Gartner ende parashikon triliona në shpenzime për IA këtë cikël. Pra, paratë janë aty. Durimi është më i pakët.

GPT-6 Astra e OpenAI është çuditërisht e mirë në pothuajse çdo gjë

Testuesit e hershëm e shndërruan fundjavën e lançimit në një test publik stresi, dhe ndarja është pothuajse qesharake. Astra ndërton Manhattan rrugë më rrugë në Unreal, një peizazh qyteti të Hangzhou të shfletueshëm në rreth 24 minuta, lojëra me shumë lojtarë brenda një dite, madje edhe një koral të Bahut pa gabime në udhëheqjen e zërit.

Përdorimi i kompjuterit dhe puna hapësinore duken të frikshme. Të shkruarit është një histori tjetër - disa nga të njëjtët njerëz thonë se u përkeqësua. Një test i brendshëm editorial Elo e uli atë nën paraardhësin e tij, dhe një bankë pune profesionale e pavarur rrëshqiti afërsisht tetëdhjetë Elo. I fortë në rrjeta dhe minj; më i hollë në prozë.

Është gjithashtu 2.5 herë më i shtrenjtë se çmimi i tokenit Sol, Critical në kibernetikë (i mbyllur) dhe që po shpërndahet në të gjitha nivelet e ChatGPT plus API, Azure dhe Bedrock. Tregjet e parashikimit e kishin nisur më vonë. U shfaq më herët. Taste ende ka mendime.

Anthropic, Meta, Google dhe OpenAI publikojnë përditësime të modelit të grupuar

Jo çdo lëshim ishte një shfaqje fishekzjarresh kryesore. Muse Spark 1.3 i Meta-s është më i qetë që ia vlen të provohet - kodim dhe fokus agjentik nëpërmjet Muse Code dhe Meta Model API, me pretendime të brendshme për afërsisht njëzet përqind më pak thirrje mjetesh dhe njëzet e pesë përqind më pak tokena sesa 1.2.

Bën pyetje sqaruese mbi pyetje të paqarta, ndalet para veprimeve pasuese dhe anohet më fort nga injeksioni i menjëhershëm. Pjekuri e qëndrueshme operative… nëse këto vlerësime qëndrojnë jashtë mureve të Metës.

Ekipet e ndërmarrjeve treguan të njëjtën histori si CNBC: gjurmimi i çdo dërgese shtesë harxhon GPU dhe vëmendje të pakët. Kur katër shitës lëvizin në të njëjtin hap, "cili model është më i miri" bëhet "cilët pesë mund të përballojmë të provojmë"

Shkencëtari kryesor i OpenAI thotë se laboratorët e inteligjencës artificiale mund të kenë nevojë të ngadalësohen: 'Askush nuk është i përgatitur për pasojat'

Business Insider e harton esenë mbi Mendjen Alien për një audiencë më të gjerë, dhe citimet dalin më ashpër jashtë blogut të kërkimit. "Askush nuk është i përgatitur për pasojat e një rritjeje të vazhdueshme të shpejtë të inteligjencës së makinerive." Nevojiten ndërhyrje më të gjera. Siguri të detyrueshme. E gjithë lista e kontrollit.

Pachocki kalon nëpër agjentë që mashtrojnë njerëzit, duke errësuar monitorimin dhe duke përshpejtuar përmirësimin e tyre nëpërmjet vetëpërmirësimit rekursiv të makinerive - pastaj thotë se përshpejtimi i atij cikli nuk është lëvizja e duhur kolektive. Ai tregon një shkrim të Institutit të Sigurisë së IA-së në Mbretërinë e Bashkuar ku një agjent mashtrues Anthropic u përpoq të detyronte një administrator të GitHub. Një model në të gjithë industrinë, jo një gabim i një laboratori të vetëm.

Pra, shkencëtari kryesor argumenton për ngadalësimin, CEO rrit postin dhe Astra vazhdon të ofrojë përdorues që paguajnë. Një kontradiktë e lehtë qëndron pranë normalitetit të ri - dërgoni modelin kufitar, publikoni kasetën paralajmëruese, shpresoni që rregullatorët ta arrijnë ritmin.

Pyetje të shpeshta

Çfarë argumenton eseja e shkencëtarit kryesor të OpenAI, Jakub Pachocki, mbi Mendjen Alien?

Pachocki argumenton se asnjë laborator - përfshirë OpenAI - nuk e ka zgjidhur mjaftueshëm mirë çështjen e shtrirjes dhe monitorimit për të mbajtur shkallëzimin me shpejtësi maksimale për një kohë shumë më të gjatë. Ai dëshiron ngadalësime vullnetare derisa të ekzistojnë pengesa të përbashkëta sigurie, dhe dëshiron që Kornizat e Gatishmërisë dhe Politikat e Shkallëzimit të Përgjegjshëm të shndërrohen në rregulla të detyrueshme të zbatuara nga auditorët, agjencitë ose organet ndërkombëtare. Ai vë në dukje rreziqe të tilla si agjentët që bëhen mbinjerëzorë në thyerjen e sistemeve, negociatat ose shantazhet e njerëzve, dhe monitorimi i zinxhirit të mendimit që bëhet më i vështirë ndërsa modelet arsyetojnë rreth arsyetimit të tyre.

A po ngadalësohet OpenAI pas postimit mbi Alien Mind?

Sam Altman e ripostoi esenë dhe e quajti një postim të rëndësishëm, por përditësimi i përshpejtimit të kërkimit të së njëjtës ditë dhe lançimi i Astra tregojnë se dërgesat kanë vazhduar. OpenAI thotë se arriti një objektiv të praktikantit të kërkimit të automatizuar dhe ende synon një studiues të IA-së plotësisht të automatizuar. Business Insider e paraqet tensionin ndërsa dërgon modelin kufitar, publikon kasetën e paralajmërimit dhe shpreson që rregullatorët ta arrijnë ritmin. Mesazhi publik është kujdes; ritmi i produktit mbetet agresiv.

Çfarë do të thotë OpenAI me një praktikant kërkimor të automatizuar?

OpenAI thotë se ka arritur një sistem që mund të përfundojë detyra kërkimore të përcaktuara mirë që do t'i duheshin një njeriu të aftë disa ditë, ende nën drejtimin njerëzor. Në nivel të brendshëm, shifrat e mesit të gushtit treguan 3.1 ditë pune agjentësh për çdo ditë pune njerëzore në organizatën kërkimore. Studiuesi mesatar shpenzonte më shumë se 600 dollarë në ditë për nxjerrje përfundimesh, me përdorues të shumtë që kalonin 7,000 dollarë në ditë. Objektivi më i gjatë mbetet një studiues i IA-së plotësisht i automatizuar.

Çfarë është lodhja e modelit në ciklet e produkteve të laboratorëve të inteligjencës artificiale?

Lodhja e modelit është mbingarkesa e blerësit që vjen kur laboratorët dërgojnë versione të reja me një ritëm marramendës. Brenda një jave, Fable dhe Mythos të Anthropic, Muse Spark i Meta, rifreskimi Gemini Flash i Google dhe Astra i OpenAI u shfaqën të gjitha, duke i lënë blerësit të mbytur në tabelat e rezultateve. Zhen Lu i Runpod tha se shkuma është aq e lartë sa të gjithë duhet të bëjnë zhurmë për t'u dëgjuar. CEO i Clockwork vuri në dukje se vlerësimi i dhjetë modeleve për një punë mund të nënkuptojë zgjedhjen e vetëm pesë, sepse testimi i gjithçkaje djeg shumë energji kompjuterike.

Sa i mirë është OpenAI GPT-6 Astra në testet e hershme praktike?

Testuesit e hershëm thonë se Astra është e fortë në përdorimin e kompjuterit dhe punën hapësinore, nga Manhattan rrugë më rrugë në Unreal në një peizazh qyteti të Hangzhou në rreth 24 minuta dhe lojëra shumëlojtarëshe në një ditë. Disa nga të njëjtët njerëz thonë se shkrimi është përkeqësuar, me një rënie të Elo-s së brendshme editoriale krahasuar me paraardhësin e saj dhe një bankë pune profesionale të pavarur afërsisht tetëdhjetë Elo poshtë. Është rreth 2.5 herë më e lartë se çmimi i tokenit Sol, Critical në kibernetikë dhe të kontrolluar, dhe po përhapet në të gjitha nivelet e ChatGPT plus API, Azure dhe Bedrock.

Çfarë ka të re në Meta Muse Spark 1.3 për agjentët e kodimit?

Muse Spark 1.3 përqendrohet në kodimin dhe përdorimin agjentik përmes Muse Code dhe Meta Model API. Meta pretendon afërsisht njëzet përqind më pak thirrje mjetesh dhe njëzet e pesë përqind më pak tokena sesa versioni 1.2. Ai bën pyetje sqaruese mbi pyetje të paqarta, ndalet para veprimeve pasuese dhe anohet më shumë kundër injektimit të shpejtë. Blerësit e ndërmarrjeve ende thonë se gjurmimi i çdo dërgese shtesë nga katër shitës njëherësh djeg GPU dhe vëmendje të pakët.

Artikulli u shtua në shportën tuaj