வாஷிங்டன் பல்கலைக்கழகம் (UW) "இலக்கு பேச்சு விசாரணை" என்ற AI அமைப்பை உருவாக்கியுள்ளது, இது பயனர்கள் சத்தமில்லாத சூழலில் ஒரு பேச்சாளரை மூன்று முதல் ஐந்து வினாடிகள் பார்ப்பதன் மூலம் கவனம் செலுத்த உதவுகிறது.
ACM CHI மாநாட்டில் வழங்கப்பட்டது, இந்த அமைப்பு பயனர் நகரும்போது கூட, விரும்பிய பேச்சாளரின் குரலை நிகழ்நேரத்தில் தனிமைப்படுத்தவும் பெருக்கவும் இயந்திர கற்றலைப் பயன்படுத்துகிறது.
தற்போது, கருத்துரு சான்று கட்டத்தில், தொழில்நுட்பம் 21 பாடங்களில் சோதிக்கப்பட்டது, அவர்கள் கணிசமாக மேம்பட்ட தெளிவைப் புகாரளித்தனர், எதிர்கால திட்டங்கள் இயர்பட்கள் மற்றும் செவிப்புலன் கருவிகளுக்கு விரிவுபடுத்தப்பட்டன.
உரை சத்தமில்லாத சூழல்களில் செவிவழி அனுபவங்களை மேம்படுத்துவதற்கான உத்திகள் மற்றும் தொழில்நுட்பங்களை ஆராய்கிறது, AI ஹெட்ஃபோன்கள், மேம்பட்ட ஒலி வடிவமைப்பு மற்றும் சத்தம்-ரத்துசெய்யும் தொழில்நுட்பங்களில் கவனம் செலுத்துகிறது.
பராமரிப்பு மற்றும் அழகியல் சிக்கல்கள் இருந்தபோதிலும் சத்தத்திற்கு பங்களிக்கும் நவீன உணவகப் பொருட்களின் சவால்கள் மற்றும் ஒலியைக் குறைக்கும் நுட்பங்களைப் பயன்படுத்துவதை இது எடுத்துக்காட்டுகிறது.
திசை ஒலிவாங்கிகள், நிகழ்நேர பேச்சு அங்கீகாரம் மற்றும் தேர்ந்தெடுக்கப்பட்ட ஒலி வடிகட்டுதல் போன்ற தொழில்நுட்ப முன்னேற்றங்கள் தனியுரிமை மற்றும் சாத்தியமான தவறான பயன்பாடு பற்றிய கவலைகளுடன் விவாதிக்கப்படுகின்றன.
முன்னாள் OpenAI போர்டு உறுப்பினர் ஹெலன் டோனர், சாம் ஆல்ட்மேன் நேர்மையற்ற பல நிகழ்வுகள் மற்றும் குழுவிலிருந்து தகவல்களை மறைத்ததால் சுருக்கமாக தலைமை நிர்வாக அதிகாரி பதவியில் இருந்து நீக்கப்பட்டார் என்பதை வெளிப்படுத்தினார்.
எடுத்துக ்காட்டுகளில் ட்விட்டர் வழியாக ChatGPT இன் வெளியீடு மற்றும் ஆல்ட்மேன் நிறுவனத்தில் தனது நிதி ஆர்வத்தை வெளிப்படுத்தாதது, தவறான பாதுகாப்புத் தகவல்களை வழங்கியதாக குற்றச்சாட்டுகள் மற்றும் இரண்டு நிர்வாகிகளால் "உளவியல் துஷ்பிரயோகம்" ஆகியவை அடங்கும்.
ஊழியர்கள் வெளியேறுவதாக அச்சுறுத்தியதாலும், மைக்ரோசாப்ட் தனது குழுவை பணியமர்த்துவதில் ஆர்வம் காட்டியதாலும் ஆல்ட்மேன் ஒரு வாரத்திற்குள் தலைமை நிர்வாக அதிகாரியாக மீண்டும் நியமிக்கப்பட்டார்; டோனர் நாடு திரும்பிய சிறிது நேரத்திலேயே ராஜினாமா செய்தார்.
OpenAI CEO சாம் ஆல்ட்மேன் சுருக்கமாக வெளியேற்றப்பட்டு பின்னர் மீண்டும் பணியமர்த்தப்பட் டார், இது குழுவின் அதிகாரத்திற்கும் முக்கிய முதலீட்டாளர்கள் மற்றும் நிறுவனர்களின் செல்வாக்கிற்கும் இடையிலான பதட்டங்களை அம்பலப்படுத்தியது.
ஆல்ட்மேனின் பணிநீக்கத்தை வாரியம் தவறாகக் கையாண்டது குறிப்பிடத்தக்க ஊழியர்களின் பின்னடைவு மற்றும் வெகுஜன ராஜினாமா அச்சுறுத்தல்களுக்கு வழிவகுத்தது, இது பெருநிறுவன ஆளுகை, பணியாளர் செல்வாக்கு மற்றும் நிதி நலன்களின் சிக்கலான இயக்கவியலை அடிக்கோடிட்டுக் காட்டுகிறது.
இந்த சம்பவம் தொழில்நுட்பத்தில் தலைமைத்துவம், இரக்கமற்ற நடத்தையின் நெறிமுறை தாக்கங்கள் மற்றும் பெருநிறுவன நிர்வாகத்தில் தகவல் தொடர்பு மற்றும் நெறிமுறைகளின் பங்கு பற்றிய பரந்த விவாதங்களைத் தூண்டியது.
HTTP-to-HTTPS திசைதிருப்பல் முக்கியமான தரவை அம்பலப்படுத்தலாம் அல்லது Man-In-The-Middle (MITM) தாக்குதல்களை இயக்கலாம், குறிப்பாக பாதுகாப்பு தலைப்புகளைக் கையாளாத மென்பொருளால் அணுகப்பட்ட APIகளுக்கு.
HSTS (HTTP கண்டிப்பான போக்குவரத்து பாதுகாப்பு) மற்றும் HTTPS-மட்டும் முறைகள் போன்ற நுட்பங்கள் பாதுகாப்பை மேம்படுத்துகின்றன, ஆனால் APIகளுக்கு போதுமானதாக இருக்காது, இது பிழைகளை ஆரம்பத்தில் பிடிக்க தோல்வி-வேகமான அணுகுமுறையின் அவசியத்தை எடுத்துக்காட்டுகிறது.
பாதுகாப்பு அபாயங்களைத் தடுக்க மறைகுறியாக்கப்படாத கோரிக்கைகளை APIகள் முழுவதுமாக நிராகரிக்கவும், மறைகுறியாக்கப்படாத இணைப்புகள் வழியாக அனுப்பப்பட்ட API நற்சான்றிதழ்களைத் திரும்பப் பெறவும் பரிந்துரைக்க சிறந்த நடைமுறைகள் புதுப்பிக்கப்பட வேண்டும்.
HTTP ஐ HTTPS க்கு திருப்பிவிடுவதன் மூலமும், Man-in-the-Middle (MITM) தாக்குதல்களைத் தடுக்க HTTP வழியாக அனுப்பப்பட்ட API விசைகளை ரத்து செய்வதன் மூலமும் API பாதுகாப்பை மேம்படுத்துவதை விவாதம் வலியுறுத்துகிறது.
இது சரியான API கீ மேனேஜ்மென்ட்டின் முக்கியத்துவத்தை எடுத்துக்காட்டுகிறது, அங்கீகாரத்திற்காக கையொப்பமிடப்பட்ட ஹேஷ்கள், நான்செஸ் மற்றும் டைம்ஸ்டாம்ப்களைப் பயன்படுத்துதல், மற்றும் டேட்டா இன்டகிரிட்டி மற்றும் பிரைவசிக்கான HTTPS இன் அவசியம்.
உரையாடல் சான்றிதழ் அதிகாரிகளை நம்பியிருப்பதை விமர்சிக்கிறது மற்றும் குறிப்பிட்ட சூழல்களில் பாதுகாப்பான அணுகல் கட்டுப்பாட்டுக்கான தனிப்பட்ட URL கள் அல்லது API விசைகள் போன்ற நடைமுறை தீர்வுகளை பரிந்துரைக்கிறது.
Llama3-V என்பது Llama3 ஐ அடிப்படையாகக் கொண்ட ஒர ு புதிய மல்டிமாடல் மாடலாகும், இது GPT-4V போன்ற பெரிய மாடல்களுக்கு போட்டியாக வடிவமைக்கப்பட்டுள்ளது, ஆனால் கணிசமாக குறைந்த செலவில் ($500க்கு கீழ்).
இது தற்போதைய அதிநவீன மாதிரியான லாலாவை மல்டிமோடல் புரிதல் வரையறைகளில் 10-20% விஞ்சுகிறது, சுய கவனம் அடுக்குகளுடன் ஒரு ப்ரொஜெக்ஷன் தொகுதி மூலம் படத்தை உட்பொதித்தல் மற்றும் காட்சி மற்றும் உரை டோக்கன்களை சீரமைக்க SigLIP ஐப் பயன்படுத்துகிறது.
முக்கிய மேம்படுத்தல்களில் பட உட்பொதிப்புகளை முன்கூட்டியே கணக்கிடுதல் மற்றும் திறமையான பயிற்சிக்காக MPS / MLX ஐ மேம்படுத்துதல் ஆகியவை அடங்கும், 600,000 எடுத்துக்காட்டுகளில் முன்பயிற்சி மற்றும் 1 மில்லியன் எடுத்துக்காட்டுகளில் மேற்பார்வையிடப்பட்ட ஃபைன்டியூனிங் ஆகியவற்றை உள்ளடக்கிய பயிற்சி செயல்முறை.
கட்டுரை பல்வேறு மல்டிமாடல் AI மாடல்களை ஒப்பிடுகிறது, Llama 3-V இல் கவனம் செலுத்துகிறது, இது GPT-4V இன் செயல்திறனுடன் பொருந்துவதை நோக்கமாகக் கொண்டுள்ளது, ஆனால் சிறியது மற்றும் மலிவானது.
InternVL-1.5 மற்றும் CogVLM போன்ற மாதிரிகள் லாலாவை விட சிறப்பாக செயல்படுகின்றன என்பதை இது எடுத்துக்காட்டுகிறது, குறிப்பிட்ட மாதிரிகள் OCR (ஆப்டிகல் கேரக்டர் அங்கீகாரம்) மற்றும் GUI (வரைகலை பயனர் இடைமுகம்) புரிதல் போன்ற பணிகளில் சிறந்து விளங்குகின்றன.
பயனர்கள் நடைமுறை பயன்பாடுகள், வரம்புகள் மற்றும் இந்த மாதிரிகளின் செலவு-செயல்திறன் பற்றி விவாதிக்கின்றனர், இதில் காட்சிப் பணிகளுக்கான உற்பத்தியில் GPT-4V ஐப் பயன்படுத்துதல் மற்றும் துடுப்பு OCR மற்றும் TrOCR போன்ற நவீன OCR கருவிகளின் செயல்திறன் ஆகியவை அடங்கும்.
மே 29, 2024 அன்று, Mistral AI ஆனது Codestral ஐ அறிமுகப்படுத்தியது, இது குறியீடு உருவாக்கத்திற்கான திறந்த-எடை உருவாக்கும் AI மாதிரியாகும், இது 80 க்கும் மேற்பட்ட நிரலாக்க மொழிகளில் பயிற்சி பெற்றது.
Codestral ஆனது 22B ம ாடல் அளவு மற்றும் 32k சூழல் சாளரத்தைக் கொண்டுள்ளது, இது RepoBench மற்றும் HumanEval போன்ற வரையறைகளில் போட்டியாளர்களை விஞ்சுகிறது.
Mistral AI அல்லாத உற்பத்தி உரிமத்தின் கீழ் கிடைக்கிறது, Codestral ஐ ஒரு பிரத்யேக இறுதிப்புள்ளி வழியாக அணுகலாம் அல்லது VSCode மற்றும் JetBrains போன்ற கருவிகளில் ஒருங்கிணைக்கலாம், டெவலப்பர்கள் அதன் வேகம், துல்லியம் மற்றும் உற்பத்தித்திறன் தாக்கத்தைப் பாராட்டுகிறார்கள்.
mistral.ai ஆல் வெளியிடப்பட்ட மிஸ்ட்ரலின் குறியீடு மாதிரி, வணிக பயன்பாடு, நேரடி நிலைமைகள் மற்றும் உள் நிறுவன பயன்பாடு ஆகியவற்றைத் தடைசெய்யும் கட்டுப்படுத்தப்பட்ட உரிமத்தைக் கொண்டுள்ளது, அதன் நடைமுறை பயன்பாடுகளைக் கட்டுப்பட ுத்துகிறது மற்றும் விமர்சனங்களை ஈர்க்கிறது.
மிஸ்ட்ரலின் உரிமத்தைச் சுற்றியுள்ள விவாதம், AI-உருவாக்கப்பட்ட உள்ளடக்கத்தில் பதிப்புரிமை மற்றும் உரிமம் மற்றும் AI இல் "திறந்த மூலம்" என்ற வார்த்தையின் தவறான பயன்பாடு ஆகியவற்றின் பரந்த சிக்கல்களை எடுத்துக்காட்டுகிறது.
பயனர்கள் AI இன் சீரற்ற குறியீடு உருவாக்கத்தில் விரக்தியை வெளிப்படுத்துகிறார்கள், குறிப்பாக சிக்கலான பணிகளில், மற்றும் Meta's Llama மற்றும் OpenAI இன் GPT மாதிரிகள் உட்பட பல்வேறு AI மாடல்களின் வரம்புகள் மற்றும் திறன்களைப் பற்றி விவாதிக்கின்றனர்.
யூஜின் யான் மற்றும் சக ஊழியர்களால் "LLMs உடன் ஒரு வருடத்திலிருந்து நாங்கள் என்ன கற்றுக்கொண்டோம் (பகுதி I)" பயனுள்ள AI தயாரிப்புகளை உருவாக்குவதில் உள்ள சவால்களை நிவர்த்தி செய்யும் போது, பெரிய மொழி மாதிரிகளின் (LLMs) விரைவான முன்னேற்றங்கள் மற்றும் நடைமுறை பயன்பாடுகளை ஆராய்கிறது.
முக்கிய பாடங்களில் தூண்டுதல், மீட்டெடுப்பு-அதிகரித்த தலைமுறை (ஆர்.ஏ.ஜி), ஓட்டம் பொறியியல் மற்றும் மதிப்பீடு ஆகியவற்றில் சிறந்த நடைமுறைகள் அடங்கும், என்-ஷாட் தூண்டுதல்கள் மற்றும் சங்கிலி சிந்தனை தூண்டுதல் போன்ற நுட்பங்கள் வலியுறுத்தப்படுகின்றன.
AI முகவர்களை ந ிர்வகித்தல், தூண்டுதல்களை சுத்திகரித்தல், மாதிரிகளை நன்றாகச் சரிசெய்தல் மற்றும் கேச்சிங் மூலம் செலவுகள் மற்றும் தாமதத்தைக் குறைத்தல், நடைமுறை மதிப்பீடுகள் மற்றும் மனிதனை மையமாகக் கொண்ட அணுகுமுறைகளை வலியுறுத்துதல் ஆகியவற்றில் செயல்பாட்டு ஆலோசனைகளையும் கட்டுரை வழங்குகிறது.
பெரிய மொழி மாதிரிகள் (எல்.எல்.எம்) உடன் பணிபுரிந்த ஒரு வருடத்தின் நுண்ணறிவுகள், மாயத்தோற்ற விகிதங்களைக் குறைக்க பல மாதிரிகளின் முக்கியத்துவத்தை எடுத்துக்காட்டுகின்றன மற்றும் மிகவும் துல்லியமான விளைவுகளுக்கான முடிவுகளுக்கு முன் நியாயங்களை உருவாக்குகின்றன.
எல்.எல்.எம் வெளியீடுகளை மதிப்பிடுவதில் உள்ள சவால்கள், வெளியீட்டு சீரற்ற தன்மையில் வெப்பநிலையின் தாக்கம் மற்றும் மாதிரி பற்றிய தவறான கருத்துக்கள், பேட்ச்போட்கள் மற்றும் பீம் தேடல் போன்ற கருவிகளைப் பயன்படுத்தும் அனுபவங்களுடன் கட்டுரை விவாதிக்கிறது.
அதிக பிழை விகிதங்கள், FOMO-உந்துதல் முதலீடுகள் மற்றும் சாத்தியமான சேவை தர சிக்கல்கள் இருந்தபோதிலும் AI ஐ ஒருங்கிணைக்க Google போன்ற நிறுவனங்களின் ஆக்கிரமிப்பு உந்துதல் போன்ற தொழில்துறை கவலைகளை இது நிவர்த்தி செய்கிறது.
லிமெரிக் பல்கலைக்கழகத்தின் பேராசிரியர் கெவின் மர்பி, அலுவலகங்களில் பணிபுரிபவர்களுடன் ஒப்பிடும்போது தொலைதூர தொழிலாளர்கள் அதிக உற்பத்தி மற்றும் திருப்தி அடைகிறார்கள் என்று கூறுகிறார்.
பல ஊழியர்கள் இப்போது பாரம்பரிய அலுவலக விதிமுறைகளை நிராகரிப்பதால், தொற்றுநோய்க்குப் பிந்தைய சிறந்த திறமைகளை இழக்கும் அபாயம் உள்ளது.
நிர்வாகிகள் அலுவலகத்திற்குத் திரும்புவதற்கான கட்டாய காரணங்களையும் ஊக்கத்தொகைகளையும் வழங்க வேண்டும், ஊழியர்களுக்கு சாதகமான அதிகார இயக்கவியலின் மாற்றத்தை ஒப்புக் கொள்ள வ ேண்டும் அல்லது மிகவும் நெகிழ்வான போட்டியாளர்களிடம் மதிப்புமிக்க திறமைகளை இழக்கும் அபாயம் உள்ளது.
தொலைதூர வேலை மற்றும் அலுவலகத்திற்குத் திரும்புதல் (RTO) ஆகியவற்றுக்கு இடையேயான விவாதம் நெகிழ்வுத்தன்மை, ஆறுதல் மற்றும் தொலைதூர வேலையை விரும்பும் ஊழியர்களின் இழப்பு ஆகியவற்றை மையமாகக் கொண்டுள்ளது.
பயணம் செய்வது சிலருக்கு மன இடைவெளியை வழங்குகிறது, ஆனால் மாசுபாடு, அதிக செலவுகள் மற்றும் மற்றவர்களுக்கு மங்கலான எல்லைகள் போன்ற சவால்களை முன்வைக்கிறது, இது வேலை-வாழ்க்கை சமநிலை மற்றும் தொழில் வளர்ச்சியை பாதிக்கிறது.
தொலைதூர வேலை மிகவும் திறமையான மற்றும் நிலையானதாகக் காணப்படுகிறது, அதிகரித்த குடும்ப நேரம் மற்றும் குறைக்கப்பட்ட கார்பன் உமிழ்வு போன்ற நன்மைகளை வழங்குகிறது, ஆனால் ஜூனியர் ஊழியர்களை புறக்கணிக்கலாம் மற்றும் ஆர்டிஓ நன்மைகளின் தெளிவான தொடர்பு தேவைப்படலாம்.