🧩 கோவர்க் செருகுநிரல்களுடன் நிறுவன சலுகைகளை ஆந்த்ரோபிக் மேம்படுத்துகிறது ↗
ஆந்த்ரோபிக் "பணியிட AI" கோணத்தில் இன்னும் தீவிரமாகச் சாய்ந்து, செருகுநிரல்-பாணி கட்டுமானத் தொகுதிகளை உருவாக்கி வருகிறது, இது குழுக்கள் மீண்டும் மீண்டும் செய்யக்கூடிய பணிப்பாய்வுகளை ஒரு உள் பயன்பாட்டிற்கு நெருக்கமான ஒன்றாக தொகுக்க அனுமதிக்கிறது.
"சாட்போட்டைக் கேளுங்கள்" என்பது குறைவாகவும், "ஒரு பணியை அரை-கட்டமைக்கப்பட்ட உதவியாளரிடம் ஒப்படைப்பது" என்பது அதிகமாகவும் இருக்கும், இது பணம் எங்கு வாழ்கிறதோ அங்கு மந்தமானது என்பதை நீங்கள் நினைவில் கொள்ளும் வரை மந்தமாகத் தோன்றும்.
திறந்த தொடக்க செருகுநிரல்களும் உள்ளன - அடிப்படையில் நகலெடுக்க, மாற்ற மற்றும் அனுப்ப ஒரு அமைதியான அழைப்பு - மேலும், நடைமுறையில், பெரும்பாலான நிறுவன மென்பொருள்கள் இப்படித்தான் உறுதியானதாகின்றன.
🧪 போயிடிக் அதன் LLM-மேம்படுத்தும் 'மெட்டா-சிஸ்டம்'-க்காக $45.8 மில்லியன் விதை நிதியைப் பெறுகிறது ↗
LLM-களுக்கான "மெட்டா-சிஸ்டம்" என்று அழைக்கப்படும் ஒரு அமைப்பை உருவாக்க Poetiq ஒரு பெரிய அளவிலான முயற்சியை மேற்கொண்டது - வெளியீட்டு தரத்தை மேம்படுத்துவதோடு இயக்க நேர செலவுகளையும் குறைக்கும் ஒரு அடுக்கு.
சுருதி என்னவென்றால், நீங்கள் அதற்கு பணி உதாரணங்களை வழங்குகிறீர்கள், மேலும் இது ஒரு மாதிரியை முகவர் போன்ற ஒன்றாக வடிவமைக்க உதவுகிறது, மீண்டும் மீண்டும் சுய சரிபார்ப்பு மற்றும் சுத்திகரிப்பு ஆகியவை இதில் அடங்கும். மாதிரிக்கு ஒரு சிறிய உள் திட்ட மேலாளரைக் கொடுப்பது போன்றது... கொஞ்சம் குழப்பமான ஒன்று, ஆனால் இன்னும்.
அது வேலை செய்தால், அது ஒரு நடைமுறை திறத்தல். அது வேலை செய்யவில்லை என்றால், அது "நாங்கள் LLM-களை சரிசெய்தோம்" என்ற ஸ்டார்ட்அப்களின் குவியலில் சேரும், அவை பெரும்பாலும் அதிர்வுகளாக மாறின.
💸 AI ஸ்டார்ட்அப் துணிகர முதலீட்டாளர்கள் ரகசியமாக நிதியளிக்கின்றனர் ↗
பாசெட்டன் ஒரு "அனுமான அடுக்கு" வெற்றியாளராகக் காட்டப்படுகிறார் - மாடல்கள் உற்பத்தியில் இயங்குவது, பட்ஜெட்டுகள் வித்தியாசமாக இருப்பது, பொறியாளர்கள் தண்ணீரை ரேஷன் செய்வது போல மில்லி விநாடிகளை எண்ணத் தொடங்குவது போன்ற அழகற்ற பகுதி இது.
இந்தப் படைப்பு ஒரு பெரிய மதிப்பீட்டைக் கொண்ட ஒரு பெரிய சுற்றைக் கூறுகிறது மற்றும் Nvidia ஈடுபாட்டைக் குறிப்பிடுகிறது, இது மக்கள் ஒரு வானிலை வேன் போலக் கருதும் சமிக்ஞைகளில் ஒன்றாகும்: Nvidia தோன்றும் இடத்தில், கவனம் பின்தொடர்கிறது.
தங்க வேட்டை என்பது சிறந்த மாடலை உருவாக்குவது மட்டுமல்ல - அதை மலிவு விலையில் வாங்கி பயன்படுத்தக் கூடியதாக மாற்றுவதும் ஆகும் என்பதை இது நினைவூட்டுகிறது.
🧾 நான்காவது காலாண்டு IPO-வுக்கு OpenAI தயாராகி வருவதாக WSJ தெரிவித்துள்ளது ↗
OpenAI, IPO கால அட்டவணைக்கு அடித்தளம் அமைத்து வருவதாகவும், நிதித் தலைமையை உருவாக்குவதாகவும் கூறப்படுகிறது - பொதுவாக "பொது சந்தை வாழ்க்கையைப் பற்றி நாங்கள் தீவிரமாக இருக்கிறோம்" என்று பொருள்படும் நடவடிக்கைகள், அவர்கள் அதை சத்தமாகச் சொன்னாலும் இல்லாவிட்டாலும்.
இதன் உட்பொருள் மிகவும் வெளிப்படையானது: எல்லைப்புற AI விலை உயர்ந்தது, போட்டி தீவிரமானது, மேலும் ஒரு சில தனியார் ஆதரவாளர்களுக்கு மட்டுமல்ல, முழு சந்தைக்கும் ஒரு கதையை விற்கும்போது பெரிய மூலதனக் குவிப்புகளை திரட்டுவது எளிதாகிறது.
ஆமாம், இது கொஞ்சம் சர்ரியல் தான். “AI ஆய்வகம்” மற்றும் “IPO தயாரிப்பு” இரண்டும் ஒரே வாக்கியத்தில் இன்னும் இரண்டு காந்தங்கள் ஒன்றாக மோதிக் கொள்வது போல் உணர்கிறேன்.
🤝 சர்வீஸ்நவ் மற்றும் ஆந்த்ரோபிக் AI ஒப்பந்தத்தை வெளியிடுகின்றன ↗
சர்வீஸ்நவ் நிறுவனம், கிளாடை அதன் பணிப்பாய்வு அடுக்கில் உட்பொதிக்க கூட்டு சேர்ந்துள்ளது, ஐடி, மனிதவளம், ஆதரவை இயக்க மக்கள் ஏற்கனவே பயன்படுத்தும் கருவிகளுக்குள் மாதிரியை ஒரு இயல்புநிலை விருப்பமாக நிலைநிறுத்துகிறது - நிறுவனங்களை நிமிர்ந்து வைத்திருக்கும் அனைத்து கவர்ச்சியற்ற விஷயங்களும்.
இங்கே உண்மையான கதை விநியோகம்: AI பணிப்பாய்வின் உள்ளே அமர்ந்தால், அது இருப்பதை நினைவில் கொள்ள பயனர்களிடம் கெஞ்ச வேண்டியதில்லை. அது... அங்கேயே, சலிப்பான பணிகளில் இருந்து அமைதியாக சிலவற்றை எடுத்துக்கொள்கிறது.
இது போன்ற சலுகைகள் "எல்லா இடங்களிலும் முகவர்கள்" என்ற கதையை முன்னோக்கி நகர்த்துகின்றன - பாதி நேரம் "முகவர்" என்பது "உங்களால் முடிந்ததை விட வேகமாக படிவங்களை முடிக்கும் ஒரு போட்" என்று அர்த்தப்படுத்தினாலும் கூட
🕵️♂️ கூகிள் ஜெமினி 3 ஃப்ளாஷில் "ஏஜென்டிக் விஷன்" ஐச் சேர்க்கிறது ↗
கூகிள் டீப் மைண்ட், ஜெமினி 3 ஃபிளாஷிற்கான "ஏஜென்டிக் விஷன்" யோசனையை முன்வைக்கிறது - முதல் பார்வையிலேயே படத்தை சரியாகப் புரிந்துகொண்டது போல் நடிப்பதற்குப் பதிலாக, மாடலைப் பார்த்து, நடித்து (குறியீட்டு கருவிகள் வழியாக), மீண்டும் பார்த்து, அதன் மூலம் ஒரு "ஏஜென்ட் விஷன்" யோசனையை முன்வைக்கிறது.
அதாவது, சிறிய பகுதிகளை பெரிதாக்குதல், செதுக்குதல் அல்லது பகுத்தறிவு ஓட்டத்தின் ஒரு பகுதியாக சிறிய கணக்கீடுகளை இயக்குதல் போன்ற நடைமுறை நகர்வுகள். இது கிட்டத்தட்ட நகைச்சுவையாகத் தெளிவாகத் தெரிகிறது, ஆனால் - அமைதியான முறையில் - காட்சிப் பணிகளில் குறைவான "நம்பிக்கையான தவறான பதில்களை" நோக்கிய ஒரு உண்மையான படியாகும்.
இந்த முறை சரியாகப் பொருந்தினால், "பார்வை மாதிரி" என்பது "புகைப்படத்தை விவரிக்கவும்" என்று அர்த்தப்படுவதை நிறுத்திவிட்டு, "புகைப்படத்தை விசாரிக்கவும்" என்று அர்த்தப்படுத்தத் தொடங்குகிறது, இது சற்று ஆக்ரோஷமாகத் தெரிகிறது... ஆனால் அதுதான் துல்லியத்திற்குத் தேவைப்படலாம்.
அடிக்கடி கேட்கப்படும் கேள்விகள்
ஆந்த்ரோபிக்கின் கோவர்க் செருகுநிரல்கள் என்றால் என்ன, அவை அணிகளுக்கு எவ்வாறு உதவுகின்றன?
கூட்டுப்பணி செருகுநிரல்கள், மீண்டும் மீண்டும் செய்யக்கூடிய பணிகளை அரை-கட்டமைக்கப்பட்ட பணிப்பாய்வுகளாக மாற்ற குழுக்களுக்கு உதவும் செருகுநிரல் பாணி கட்டுமானத் தொகுதிகளாக வடிவமைக்கப்பட்டுள்ளன. ஃப்ரீஃபார்ம் "அரட்டை" என்பதற்குப் பதிலாக, ஒரு நிலையான முறையைப் பின்பற்றும் உதவியாளருக்கு ஒரு வேலையை ஒதுக்குவதற்கு இந்த யோசனை நெருக்கமாகச் செல்கிறது. பல நிறுவன AI வெளியீட்டுகளில், வெளியீடுகள் மிகவும் கணிக்கக்கூடியதாக இருப்பதால், அந்த அமைப்பு ஏற்றுக்கொள்ளலை எளிதாக்குகிறது. "தொடக்க தொகுப்பு", டெம்ப்ளேட்களை நகலெடுத்து தையல் செய்வது நோக்கம் கொண்ட வேலை முறையின் ஒரு பகுதியாகும் என்றும் அறிவுறுத்துகிறது.
நிறுவன AI எவ்வாறு சாட்பாட்களிலிருந்து உட்பொதிக்கப்பட்ட பணிப்பாய்வுகளுக்கு மாறுகிறது?
இந்தப் புதுப்பிப்புகள் அனைத்திலும் முக்கிய அம்சம், நிறுவன AI என்பது ஒரு தனித்த சாட்போட்டிலிருந்து விலகி, அன்றாட கருவிகளில் இணைக்கப்பட்ட ஒன்றை நோக்கி நகர்வதாகும். ஏற்கனவே உள்ள பணிப்பாய்வுக்குள் AI இருக்கும்போது, பயனர்கள் தனி இடைமுகத்தைத் திறக்க நினைவில் கொள்ள வேண்டியதில்லை. இது பொதுவாக நீடித்த பயன்பாட்டை இயக்குகிறது, குறிப்பாக வழக்கமான IT, HR மற்றும் ஆதரவுப் பணிகளுக்கு. முக்கியத்துவம் புதுமைக்கு அல்ல, நம்பகத்தன்மை மற்றும் மீண்டும் மீண்டும் செய்யக்கூடிய தன்மைக்கு வழங்கப்படுகிறது.
சர்வீஸ்நவ் மற்றும் ஆந்த்ரோபிக் கூட்டாண்மை நடைமுறையில் என்ன அர்த்தம்?
இந்தக் கூட்டாண்மை, சர்வீஸ்நவ்வின் பணிப்பாய்வு அடுக்கில் கிளாடை உட்பொதிப்பதாக வழங்கப்படுகிறது, இது மக்கள் ஏற்கனவே பயன்படுத்தும் அமைப்புகளுக்குள் ஒரு இயல்புநிலை விருப்பமாக அமைகிறது. இது முதன்மையாக ஒரு விநியோக நாடகமாக வாசிக்கப்படுகிறது: டிக்கெட்டுகள், கோரிக்கைகள் மற்றும் ஒப்புதல்கள் ஏற்கனவே இருக்கும் இடத்தில் AI தோன்றும். பல நிறுவனங்களில், கவர்ச்சியற்ற ஆனால் அதிக அளவு வேலைகள் குவிந்து கிடக்கும் இடம் அதுதான். பளிச்சிடும் டெமோக்களைப் பற்றிய மதிப்பு குறைவாகவும், சலிப்பான படிகளை அமைதியாக அகற்றுவது பற்றிய மதிப்பு அதிகமாகவும் உள்ளது.
LLM-களுக்கான Poetiq-இன் “மெட்டா-சிஸ்டம்” என்ன செய்ய வேண்டும்?
பணி எடுத்துக்காட்டுகள் மற்றும் மீண்டும் மீண்டும் சுய சரிபார்ப்பு மூலம் மாதிரிகளை வடிவமைப்பதன் மூலம், வெளியீட்டு தரத்தை மேம்படுத்துவதோடு, இயக்க நேர செலவுகளையும் குறைக்கும் நோக்கில் Poetiq ஒரு அடுக்கை உருவாக்குகிறது. இது ஒரு சுத்திகரிப்பு வளையத்தைச் சேர்ப்பதாக நினைத்துப் பாருங்கள், இதனால் அமைப்பு இறுதிப் பதிப்பில் நிலைபெறுவதற்கு முன்பு பதில்களைச் சரிபார்த்து சரிசெய்ய முடியும். பல குழாய்வழிகளில், இது ஒரு ஷாட் பதில்களில் முழுமையாகச் சார்ந்து இல்லாமல் முகவர் போன்ற நடத்தையை ஒத்திருக்கிறது. வாக்குறுதி நடைமுறைக்கு ஏற்றது: குறைவான பிழைகள் மற்றும் குறைவான வீணான கணக்கீடு.
"அனுமான அடுக்கு" மற்றும் பாசெட்டன் போன்ற நிறுவனங்களைப் பற்றி முதலீட்டாளர்கள் ஏன் உற்சாகமாக இருக்கிறார்கள்?
"அனுமான அடுக்கு" என்பது உற்பத்தியில் மாதிரிகள் இயங்கும் இடமாகும், அங்குதான் தாமதம், நம்பகத்தன்மை மற்றும் செலவு ஆகியவை வலிமிகுந்த வகையில் உறுதியானதாக மாறும். அடுக்கின் அந்த அழகற்ற ஆனால் அத்தியாவசியமான பகுதியில் பேஸ்டெனை ஒரு சாத்தியமான வெற்றியாளராக இந்த துண்டு நிலைநிறுத்துகிறது. பல வரிசைப்படுத்தல்களில், சிறந்த மாடல் முக்கிய தடையாக இல்லை - பட்ஜெட் மற்றும் மறுமொழி நேரம். என்விடியா ஈடுபாடு பெரும்பாலும் உள்கட்டமைப்பு கோணம் எடையைக் கொண்டுள்ளது என்பதற்கான சமிக்ஞையாகக் கருதப்படுகிறது.
ஜெமினி 3 ஃப்ளாஷில் "முகவர் பார்வை" என்றால் என்ன, அது ஏன் முக்கியமானது?
"முகவர் பார்வை" என்பது ஒரு மாதிரியை தேடுவதன் மூலம் சுழற்ற அனுமதிப்பது, கருவிகள் (குறியீடு போன்றவை) வழியாகச் செயல்படுவது, பின்னர் மீண்டும் பார்ப்பது என்று விவரிக்கப்படுகிறது. இது முதல் பார்வை போதுமானது என்று பாசாங்கு செய்வதற்குப் பதிலாக, பெரிதாக்குதல், செதுக்குதல் அல்லது சிறிய கணக்கீடுகளை இயக்குதல் போன்ற நடைமுறை நகர்வுகளை செயல்படுத்துகிறது. பார்வைப் பணிகளில் நம்பிக்கையான தவறுகளைக் குறைப்பதே இதன் நோக்கம், ஆய்வை மேலும் வேண்டுமென்றே செய்வதன் மூலம். இந்த முறை பரவினால், பார்வை மாதிரிகள் விவரிப்பாளர்களை விட புலனாய்வாளர்களைப் போலவே நடந்து கொள்ளத் தொடங்குகின்றன.