-
Nvidia: A kicsi kutatólabor útja a 4 trillió dolláros cégig
A Nvidia története nem csupán a technológiai fejlődésről szól, hanem a folyamatos innovációról is, amely az utóbbi években óriási hatással volt az ipar egészére. A cég, amely a 90-es években még egy kis videójáték GPU startupként indult, mára a $4 trilliós értékhatárt átlépve, a mesterséges intelligencia (AI) egyik vezető szereplőjévé vált. Ehhez a fejlődéshez jelentősen hozzájárult a kutatólabor, amely 2009-ben mindössze egy tucatnyi alkalmazottat foglalkoztatott. A labort Bill Dally, a cég jelenlegi vezető tudósa irányította, aki a Stanford Egyetem számítástechnikai tanszékének vezetője volt, mielőtt csatlakozott a Nvidia csapatához. A kutatás és fejlesztés kulcsszerepe Dally érkezésével a kutatólabor máris új irányvonalat vett fel. Az eredeti fókusz, amely a fényvisszaverés technikájára épült,…
-
AI Pontosság: A Fenyegetések Hatása a Teljesítményre
A mesterséges intelligencia fejlődése és az ahhoz kapcsolódó stratégiák egyre nagyobb figyelmet kapnak a szakmai közéletben. Az utóbbi időben számos érdekes megközelítést vizsgáltak, köztük azt is, hogy a mesterséges intelligencia modellek teljesítménye hogyan reagálhat a különböző típusú ösztönzőkre, mint például a fenyegetések vagy a juttatások. Az egyik legérdekesebb állítást Sergey Brin, a Google társalapítója fogalmazta meg, aki azt javasolta, hogy a fenyegetések hasznosak lehetnek a mesterséges intelligencia teljesítményének javításában. Módszerek és kísérletek A Pennsylvaniai Egyetem Wharton Iskolájának kutatói különböző módszereket teszteltek, hogy megállapítsák, a fenyegetések és a jutalmak milyen hatással vannak az AI teljesítményére. A kutatás során 198 kérdésből álló PhD szintű tesztet használtak, amelyet különböző modelleken próbáltak ki. A…
-
AI Teljesítmény: Működik-e a Fenyegetés mint Prompt Stratégia?
A mesterséges intelligencia (MI) teljesítményének javítása érdekében a kutatók nemrégiben szokatlan módszereket teszteltek, amelyek közé tartozott a fenyegetés is, ahogy azt Sergey Brin, a Google társalapítója javasolta. A kutatás célja az volt, hogy megvizsgálják, vajon ezek az alternatív megközelítések valóban javítják-e az MI válaszainak pontosságát. Az eredmények vegyesek lettek: egyes esetekben akár 36%-os javulást is tapasztaltak, de figyelmeztettek arra, hogy az ilyen módszerek eredményei kiszámíthatatlanok lehetnek. A kutatók és a módszertan A kutatást a Pennsylvani Egyetem Wharton Iskolájának kutatói végezték. Ők Lennart Meincke, Ethan R. Mollick, Lilach Mollick és Dan Shapiro voltak. A kutatás során a kutatók két, széles körben használt tesztet alkalmaztak: a GPQA Diamond-ot és az MMLU-Pro-t, amelyek…
