تلقى المؤلف بريدًا إلكترونيًا من "ريموند" يروج لـ Wisp، وهو نظام إدارة محتوى بدون واجهة، والذي بدا شخصيًا ولكنه كان في الواقع مولدًا بواسطة الذكاء الاصطناعي.
كانت الرسالة الإلكترونية جزءًا من استراتيجية تواصل جماعي تستخدم الذكاء الاصطناعي لإرسال ما يقرب من 1,000 رسالة إلكترونية مخصصة للمطورين الذين لديهم مدونات عامة على GitHub.
يعبر المؤلف عن إحباطه من هذا النهج المدفوع بالذكاء الاصطناعي ويفكر في جعل مرآة GitHub الخاصة به خاصة لتجنب مثل هذا البريد العشوائي.
يدعي بريد إلكتروني تم إنشاؤه بواسطة الذكاء الاصطناعي من timharek.no النجاح في إنشاء رسائل بريد إلكتروني مخصصة باستخدام نماذج لغوية كبيرة متعددة (LLMs) دون أن يكتشف المستلمون أن مصدرها هو الذكاء الاصطناعي.
يثير هذا مخاوف أخلاقية بشأن إعطاء الأولوية للاهتمام والمشاركة على حساب التقدم الحقيقي، حيث يقارن البعض ذلك بتركيز المهندسين على تكنولوجيا الإعلانات بدلاً من الإنجازات الكبيرة مثل الهبوط على القمر.
تؤكد المناقشة على الطبيعة المزدوجة للذكاء الاصطناعي في التسويق، معترفةً بإمكانية إساءة استخدامه في البريد العشوائي وتطبيقاته القيمة.
قدمت شركة بروتون خدمة Proton Docs، وهي بديل آمن لخدمة Google Docs، وتتميز بأدوات تحرير وتعاون غنية مع تشفير شامل.
يدعم Proton Docs التنسيق المتقدم، وتضمين الصور، والعديد من التنسيقات بما في ذلك Microsoft .docx، ويسمح بالتعاون في الوقت الفعلي مع ميزات مثل التعليقات وتتبع المؤشر.
يُعد هذا الإطلاق جزءًا من توسع بروتون الأوسع، والذي يشمل شبكة VPN، وتقويم مشفر، ومدير كلمات مرور، مع توفر بروتون دوكس للمستخدمين قريبًا.
قدمت شركة Proton محرر نصوص تعاوني غني، مشابه لـ Google Docs، بهدف توفير بديل آمن ومشفر.
ينقسم المستخدمون، حيث يقدر البعض الأداة الجديدة بينما يشعر الآخرون بالقلق من توسع بروتون في نطاق منتجاتها بدلاً من تحسين الخدمات الحالية مثل البريد الإلكتروني والتقويم.
تشمل المناقشات الطبيعة المفتوحة المصدر لعروض Proton والمقارنات مع الخدمات الأخرى، مع تردد بعض المستخدمين في تجميع جميع بياناتهم داخل نظام بيئي لشركة واحدة.
يجب أن تدعم الجسور الأحمال فوق المساحات الفارغة، مما يتطلب هياكل تحتية قوية مثل الأعمدة أو الدعامات لتحمل القوى المركزة.
الأوتاد الأساسية، التي تُدق عميقًا في الأرض، توفر الاستقرار من خلال التحمل النهائي والاحتكاك الجلدي، مما يقاوم الأحمال الرأسية والأفقية.
بدائل مثل الأعمدة المثقوبة وتنوعاتها مثل أكوام المثقاب المستمر وأكوام الحلزونية تعالج تحديات جيوتقنية محددة، على الرغم من أن جميع الطرق لها حدود ومخاطر فشل محتملة.
تظل الجسور مستقرة لأن الركائز المدفوعة يتم اختبارها لمعرفة القوة المطلوبة لتركيبها، مما يضمن قدرتها على تحمل الأحمال الكبيرة.
يمكن أن تدوم الركائز الخشبية لقرون عندما تكون محفوظة في أرض مشبعة بالكامل، كما يتضح من الهياكل في البندقية ونيو أورلينز.
تحديات مثل تميع التربة، والانحراف الجانبي، والظروف غير المتوقعة تحت الأرض يمكن أن تعقد عملية دق الركائز، ولكن الحلول الهندسية المبتكرة، مثل الجسور العائمة والأمثلة التاريخية مثل جسر بروكلين، تُظهر التغلب الناجح على هذه المشكلات.
تواجه الشركات الناشئة في مجال البنية التحتية للذكاء الاصطناعي تحديات كبيرة، بما في ذلك المنافسة الشديدة والتكاليف العالية، على عكس عمالقة التكنولوجيا مثل جوجل وأمازون أو فيسبوك، التي تطورت لتصبح مزودي بنية تحتية.
قد يكون الاستثمار في رأس المال المغامر في البنية التحتية للذكاء الاصطناعي مضللاً، حيث تكمن القيمة الحقيقية في الشركات التي تقدم حلولاً ملموسة وسهلة الاستخدام بدلاً من مجرد الأطر.
حتى الشركات الناجحة في مجال الذكاء الاصطناعي مثل OpenAI تفتقر إلى منتجات واضحة، مما يؤكد الحاجة إلى ابتكارات عملية يمكنها تحويل تفاعلات المستخدمين.
تدور المناقشة حول مفهوم الثواني الكبيسة، التي تُضاف إلى التوقيت العالمي المنسق (UTC) للحفاظ على تزامنه مع دوران الأرض، وإمكانية إدخال ثانية كبيسة سلبية.
تُطرح آراء متنوعة حول كيفية التعامل مع تعديلات الوقت، بما في ذلك إلغاء الثواني الكبيسة، وتحويل خط الطول الرئيسي، وتحديث المناطق الزمنية بشكل دوري.
تسلط المناقشة الضوء على تعقيدات ومشكلات حفظ الوقت المحتملة، مثل مشاكل تزامن الأنظمة، وتأثيرها على البرمجيات، والسياق التاريخي لمعايير الوقت مثل التوقيت العالمي المنسق (UTC) والتوقيت الذري الدولي (TAI).
أدى محاولة تحسين حلقة داخلية في تجميع AArch64 عن طريق إزالة قفزة إلى تباطؤ بمقدار 4 مرات بسبب عدم تطابق أزواج bl (فرع مع رابط) و ret (عودة)، مما أربك متنبئ الفروع.
استبدال ret بـ br x30 (الانتقال إلى السجل) حل مشكلة الأداء، والتحسينات الإضافية، بما في ذلك التضمين واستخدام تعليمات SIMD (تعليمات مفردة، بيانات متعددة)، حققت زيادات كبيرة في السرعة.
الإصدار النهائي المحسن باستخدام SIMD استغرق 94 نانوثانية، أي أسرع بحوالي 8.8 مرات من الشيفرة الأصلية، مما يبرز أهمية تجنب التفرع غير المتماثل والاستفادة من SIMD لتحقيق مكاسب في الأداء.
تستعرض المقالة كودًا محسنًا يجمع مصفوفة مكونة من 1024 رقمًا عائمًا 32-بت في 94 نانوثانية، مشددة على الكفاءة الناتجة عن استخدام الذاكرة المخبأة.
يناقش أهمية التنبؤ بالتفرع وهندسة وحدة المعالجة المركزية على الأداء، بالإضافة إلى تعقيدات الحساب العائم وضمان النتائج الحتمية.
الإشارات إلى الأعمال السابقة لرايموند تشين وتعليقات المستخدمين على تعليمات SIMD (تعليمات واحدة، بيانات متعددة)، وتحسينات المترجم، وسلوكيات وحدة المعالجة المركزية التاريخية مشمولة.
زادت انبعاثات الكربون لشركة جوجل بنسبة تقارب 50% مقارنة بعام 2019، كما ورد في تقريرها البيئي لعام 2024، مما يشكل تحديًا لهدفها في تحقيق صافي انبعاثات صفرية بحلول عام 2030.
الزيادة في الانبعاثات تعود بشكل أساسي إلى ارتفاع استهلاك الطاقة في مراكز البيانات وانبعاثات سلسلة التوريد الناتجة عن التقدم في الذكاء الاصطناعي، مع زيادة بنسبة 17% في استهلاك الكهرباء في مراكز البيانات في عام 2023.
على الرغم من هذه التحديات، تلتزم جوجل بتقليل تأثيرها البيئي من خلال بنية تحتية فعالة وتقليل الانبعاثات، وهو تحدٍ تواجهه أيضًا شركات التكنولوجيا الأخرى مثل مايكروسوفت بسبب الطلب على الذكاء الاصطناعي.
ارتفعت انبعاثات الكربون من جوجل بنسبة 13% منذ العام الماضي، ويرجع ذلك أساسًا إلى زيادة استهلاك الطاقة في مراكز البيانات وانبعاثات سلسلة التوريد.
لقد كان هناك زيادة بنسبة 48% في الانبعاثات مقارنة بعام 2019، لكن هذه الزيادة لا تُعزى بالكامل إلى الذكاء الاصطناعي، على الرغم من أن بعض العناوين تشير إلى غير ذلك.
لقد كان الارتفاع في الانبعاثات تدريجيًا على مر السنين، ولا يزال التأثير المحدد للذكاء الاصطناعي على هذا الارتفاع غير واضح.
تتناول المقالة نموذج المحول (The Transformer)، الذي يستخدم آليات الانتباه لتعزيز سرعة التدريب والأداء، متفوقًا على نموذج الترجمة الآلية العصبية من جوجل في مهام محددة.
نموذج المحول، المفصل في الورقة البحثية "الانتباه هو كل ما تحتاجه"، له تطبيقات في TensorFlow (حزمة Tensor2Tensor) وPyTorch (دليل NLP من جامعة هارفارد)، ويوصى به من قبل Google Cloud لاستخدامه مع عرض Cloud TPU الخاص بهم.
تتضمن بنية النموذج مكونات التشفير وفك التشفير مع طبقات الانتباه الذاتي والانتباه متعدد الرؤوس، مما يسمح له بالتركيز على الأجزاء ذات الصلة من المدخلات وتحسين دقة الترجمة.
يُشيد بكتاب "المحول المصور" لجاي علامار بشكل كبير لشرحه التفصيلي خطوة بخطوة لبنية المحول الأصلية.
للتصور البصري لتدفق المعلومات في البنى المعمارية التي تعتمد على فك التشفير فقط مثل GPT-3، يُوصى بموقع bbycroft.net.
يقترح المستخدمون الاطلاع على الشيفرة المشروحة من موقع معالجة اللغة الطبيعية بجامعة هارفارد لفهم أعمق للمحولات، مع التأكيد على أهمية استيعاب الآليات الأساسية مثل آليات الانتباه.
حظرت هيئة حماية البيانات الوطنية في البرازيل شركة ميتا من استخدام بيانات من البرازيل لتدريب أنظمة الذكاء الاصطناعي الخاصة بها، مشيرة إلى المخاطر المحتملة على الحقوق الأساسية.
سياسة الخصوصية المحدثة لشركة ميتا، التي تسمح باستخدام المنشورات العامة لتدريب الذكاء الاصطناعي، لا تتوافق مع اللوائح البرازيلية، مما أدى إلى هذا التقييد.
يجب على ميتا الامتثال لهذا الحكم في غضون خمسة أيام أو مواجهة غرامات يومية، مما يعكس مقاومة مماثلة شوهدت في أوروبا، بينما يستمر تدريب الذكاء الاصطناعي باستخدام البيانات العامة في الولايات المتحدة.
حظرت هيئة تنظيم البيانات في البرازيل شركة ميتا من استخدام البيانات لتدريب نماذج الذكاء الاصطناعي بسبب مخاوف تتعلق بالخصوصية، مما يسلط الضوء على النقاشات المستمرة حول استخدام البيانات وحقوق الملكية الفكرية في تدريب الذكاء الاصطناعي.
يقترح البعض حلاً وسطاً يسمح باستخدام البيانات المتاحة للجمهور إذا تم جعل نماذج الذكاء الاصطناعي الناتجة متاحة للجمهور، على الرغم من استمرار المخاوف الأخلاقية والاستغلال المحتمل لبيانات المستخدمين.
فعالية وإنفاذ مثل هذه اللوائح تخضع للتدقيق، نظرًا للتعقيدات المتضمنة في تدقيق البيانات والتحديات القضائية.
ستحصل شركة آبل على دور مراقب في مجلس إدارة OpenAI من خلال شراكة جديدة في مجال الذكاء الاصطناعي، مما يؤكد على القيمة الاستراتيجية لقاعدة مستخدمي آبل.
على الرغم من عدم الاستثمار أو الدفع مقابل مكالمات واجهة برمجة تطبيقات GPT-4، تضمن شركة آبل الاستقرار في شريكها في الذكاء الاصطناعي، بينما تصل شركة OpenAI إلى سوق مربح.
تؤكد هذه الشراكة على التداعيات الأوسع لصناعة التكنولوجيا والديناميكيات التنافسية بين شركات الذكاء الاصطناعي.
يواجه Sonar، وهو أداة لجودة الشيفرة، صعوبة في مواكبة تراكيب اللغة الجديدة، مما يسبب إحباطًا بين المطورين، خاصة مع لغة كوتلن.
الإعداد الافتراضي لـ Sonar غالبًا ما يجبر على تعديلات غير ضرورية في الكود، وتخصيص القواعد أو السماح بالاستثناءات ليس سهل الاستخدام، خاصة تحت المواعيد النهائية الضيقة.
تشمل الاقتراحات للتحسين أدوار المستخدمين لتجاوز القواعد مع إشعارات للمسؤولين، والتوافق الجماعي لتجاوز القواعد، وخيط مجتمعي لمناقشة قضايا القواعد.
يسبب سونار، وهو أداة لجودة وأمان الشيفرة، إحباطًا لبعض المستخدمين بسبب الحاجة المفرطة لتبرير الاستثناءات، خاصة في ظل المواعيد النهائية الضيقة.
تنبع المشكلات الرئيسية من مشاكل تنظيمية واتصالية، وليس من الأداة نفسها، حيث يشير المستخدمون إلى فقدان رصيد تغطية الكود أثناء إعادة الهيكلة والحاجة إلى حلول بديلة.
في حين أن سونار مفيد للكثيرين، وخاصة المهندسين المبتدئين وكبار المهندسين، فإن تأثيره على أوقات البناء والصلابة التي تفرضها الإدارة هي انتقادات شائعة.
تكيف رئيس الطهاة في فريق EF Education-EasyPost، أوين بلاندي، مع التحديات من خلال إظهار المرونة، وهي سمة رئيسية في رياضة ركوب الدراجات الاحترافية.
تستثمر فرق ركوب الدراجات الحديثة في شاحنات طعام مخصصة، وتطبيقات تغذية، وخطط وجبات تعتمد على البيانات، حيث يتم استخدام الذكاء الاصطناعي لتخصيص الحميات الغذائية لكل راكب.
تتبع الفرق خطة يومية مكونة من خمس وجبات تركز على الكربوهيدرات والبروتينات العالية، مع تزويدهم بالطاقة أثناء ركوب الدراجة من خلال ألواح الطاقة، والجل، والأطعمة التقليدية مثل كعك الأرز.
لقد طورت فرق ركوب الدراجات المحترفة بشكل كبير نهجها في التغذية، مع التركيز على وجبات بسيطة متبلة بخفة مع الأعشاب الطازجة والحمضيات.
يستخدم الدراجون أجهزة مراقبة الجلوكوز أثناء التدريب لتحسين التغذية، على الرغم من حظر هذه الأجهزة أثناء السباقات، مما يبرز أهمية التغذية الشخصية.
تواجه الفرق تحديات لوجستية، مثل توفير كمية كافية من الثلج وإدارة الأنظمة الغذائية بدقة لمنع مشاكل مثل التشنجات، بينما يبقى تعاطي المنشطات مصدر قلق لكنه أقل انتشارًا بسبب الاختبارات الصارمة والمراقبة.
لقد نجح العديد من المحترفين في الانتقال من تطوير الويب إلى أدوار الذكاء الاصطناعي وتعلم الآلة، غالبًا من خلال الاستفادة من المهارات الحالية وتعلم مهارات جديدة عبر الدورات الدراسية والدراسة الذاتية.
تشمل الاستراتيجيات الرئيسية الانضمام إلى فرق الذكاء الاصطناعي كمهندسي برمجيات، واستخدام واجهات برمجة التطبيقات الخاصة بالذكاء الاصطناعي الموجودة، والتطوير التدريجي للمهارات في تقنيات الذكاء الاصطناعي وتعلم الآلة.
تشمل النصائح العملية أخذ دورات متخصصة مثل Fast AI، والمشاركة في مشاريع الذكاء الاصطناعي مفتوحة المصدر، وبناء محفظة قوية لإظهار القدرات في الذكاء الاصطناعي وتعلم الآلة.