Predloženi zakon EU o veštačkoj inteligenciji, koji tek treba da bude potpisan, navodi da programeri otvorenog koda moraju da obezbede da je njihov softver za veštačku inteligenciju tačan, bezbedan i transparentan u pogledu rizika i korišćenja podataka u jasnoj tehničkoj dokumentaciji.
Brookings tvrdi da ako bi privatna kompanija primenila javni model ili ga koristila u proizvodu, i nekako upadne u nevolje zbog nekih nepredviđenih ili nekontrolisanih efekata modela, kompanija bi tada verovatno pokušala da okrivi programere otvorenog koda i tužiti ih.
To bi moglo naterati zajednicu otvorenog koda da dvaput razmisli o objavljivanju svog koda, a to bi, nažalost, značilo da će razvoj veštačke inteligencije pokretati privatne kompanije. Vlasnički kod je teško analizirati i nadograđivati, što znači da će inovacije biti otežane.
Oren Ecioni, odlazeći izvršni direktor Allen instituta za veštačku inteligenciju, smatra da programeri otvorenog koda ne bi trebalo da podležu istim strogim pravilima kao softverski inženjeri u privatnim kompanijama.
„Programeri otvorenog koda ne bi trebalo da budu pod istim teretom kao oni koji razvijaju komercijalni softver. Uvek bi trebalo da bude slučaj da se besplatni softver može obezbediti ‘kao što jeste’ — uzmite u obzir slučaj jednog studenta koji razvija sposobnost veštačke inteligencije; oni ne mogu sebi priuštiti da budu u skladu sa propisima EU i mogu biti primorani da ne distribuiraju svoj softver, što će imati zastrašujući efekat na akademski napredak i ponovljivost naučnih rezultata“, rekao je on za TechCrunch.
Rezultati za godišnji MLPerf test zaključivanja, koji meri performanse AI čipova različitih proizvođača u brojnim zadacima u različitim konfiguracijama, objavljeni su ove nedelje.
Skoro neverovatnih 5.300 rezultata performansi i 2.400 mera snage je prijavljeno ove godine za zaključivanje u centru podataka i ivičnim uređajima. Testovi pokazuju koliko brzo je hardverski sistem u stanju da pokrene određeni model mašinskog učenja. Stopa kršenja podataka se prikazuje u tabelama.
Nije iznenađenje da je Nvidia ponovo na vrhu liste ove godine. „U svom debiju na MLPerf industrijskim standardnim AI benchmarkovima, Nvidia H100 Tensor Core GPU-ovi postavili su svetske rekorde u zaključivanju na svim radnim opterećenjima, isporučujući do 4,5 puta više performansi od GPU-a prethodne generacije“, objavila je Nvidia u blogu. „Rezultati pokazuju da je Hopper vrhunski izbor za korisnike koji zahtevaju vrhunske performanse na naprednim AI modelima.“
Iako sve veći broj dobavljača učestvuje u MLPerf izazovu, može biti teško dobiti dobru predstavu o konkurenciji. Na primer, ove godine nema prijavljenih rezultata za Google-ove TPU čipove u stazi centra podataka. Međutim, čini se da je Google bio najbolji u MLPerf-ovom trening takmičenju ranije ove godine.
Mnogi korisnici interneta su našli radost i očaj u eksperimentisanju sa ovim sistemima za generisanje slika unošenjem tekstualnih upita. Postoje neke vrste hakova za podešavanje izlaza modela; jedan od njih, poznat kao „negativna prompt“, omogućava korisnicima da pronađu sliku suprotnu onoj opisanoj u promptu.
Kada je umetnik, koji se na Tviteru zove Supercomposite, pronašao negativnu poruku za ono što je opisivalo sliku lažnog logotipa koja izgleda nevino, otkrili su nešto zaista užasavajuće: lice onoga što izgleda kao ukleta žena. Supercomposite je ovu ženu generisanu veštačkom inteligencijom nazvao „Loab“ i kada su njene slike ukrstili sa drugim, uvek su izgledale kao scena iz horor filma.
