記事のおすすめ

OpenAIの評価額は、最新の資金調達ラウンドを経て1500億ドルに達すると予想されています。Hugging Faceプラットフォームは100万以上のモデルをホストしています | AI Daily

今日のホットトピック

Fei-Fei Li 氏は、World Labs の主要なコンピューティング プロバイダーとして Google Cloud を選択しました。

最近、フェイフェイ・リー氏が設立したWorld Labsは、AIモデルのトレーニングにおける主要なコンピューティングプロバイダーとしてGoogle Cloudを選択しました。同社は資金の大部分をGoogle Cloudプラットフォーム上のGPUサーバーのライセンスに充て、最終的には「空間知能」AIモデルのトレーニングに活用する予定です。

李飛飛氏はワールドラボのGPUクラスターの規模を明らかにしなかったが、クラウドプロバイダーは通常、AIモデルをトレーニングするスタートアップ企業に大規模なスーパーコンピュータを提供している。

フェイフェイ・リー氏はGoogle Cloudと深いつながりがあり、2018年には同社のAIの取り組みを率いていた。しかし、Googleは今回の買収がその関係から生まれたものではないと否定している。

逆に、フェイフェイ・リー氏は、AIワークロードをスケーリングするための高性能ツールキットやAIチップの豊富な供給などのサービスの方が重要な要素であると述べた。

https://techcrunch.com/2024/10/08/fei-fei-li-picks-google-cloud-where-she-led-ai-as-world-labs-main-compute-provider/​ ​

2024年ノーベル物理学賞：人工知能の基礎的進歩により2人の科学者が受賞。

10月8日のAFPの報道によると、ノーベル委員会は今年の物理学賞受賞者2人が物理学のツールを使って今日の強力な機械学習システムの基礎となる手法を開発したと述べた。

プリンストン大学の91歳の教授、ジョン・J・ホップフィールド氏

彼とトロント大学の76歳の教授ジェフリー・E・ヒントン氏は、「人工ニューラルネットワークを使った自動学習を可能にする基礎的な発見と発明」によりこの賞を受賞した。

人工ニューラルネットワークは、私たちの脳内のニューラルネットワークにヒントを得たものです。研究者たちは1980年代からこのテーマに取り組んできました。

ノーベル物理学賞委員会の委員であるエレン・ムーンズ氏は、メディアに対し次のように説明した。「2024年の受賞者は、統計物理学の基本概念を用いて人工ニューラルネットワークを設計しました。これらのネットワークは連想記憶と同様に機能し、大規模なデータセットからパターンを発見することができます。」

これらの人工ニューラルネットワークは、素粒子物理学、材料科学、天体物理学などさまざまな分野の研究を進歩させるために使用され、今では私たちの日常生活の一部となっています。

https://www.rfi.fr/cn/%E5%9B%BD%E9% 99 %85/20241008-2024

Nvidia CEO ジェンスン・フアン氏の個人純資産はインテルの時価総額を上回った。

NvidiaのCEO、ジェンスン・フアン氏の個人純資産は現在1,092億ドルに達し、インテルの時価総額960億ドルを上回った。

AIブームと、AI GPUアクセラレータのリーディングメーカーとしてのNVIDIAの好調な業績に牽引され、同社の株価は急騰しました。この急騰は、黄仁訓氏に莫大な富をもたらしました。彼はNVIDIAの株式を7,500万株以上直接保有しているほか、様々な信託やパートナーシップを通じて7億8,600万株を保有しています。

彼は今年、600万株を売却して7億ドル以上を現金化したが、これは彼が保有するNvidia株の総額に比べればほんの一滴に過ぎない。

ジェンセン・フアンの資産は急増し、フォーブスのリアルタイム長者番付で11位に躍り出たが、トップ10入りまであと200億ドルに迫っている。

https://www.ithome.com/0/800/416.ht m

Anthropic は、標準の API 呼び出しよりも 50% 低いコストで、24 時間以内に最大 10,000 件のクエリを処理できるメッセージ バッチ処理 API のベータ版をリリースしました。

大手 AI 企業 Anthropic は火曜日に新しい Message Batches API をリリースし、企業が標準 API 呼び出しの半分のコストで大量のデータを処理できるようにしました。

この新製品は、24 時間以内に最大 10,000 件のクエリを非同期で処理することができ、企業にとってビッグデータ処理をよりアクセスしやすくコスト効率の高いものにする高度な AI モデルに向けた大きな一歩となります。

明らかなメリットがあるにもかかわらず、バッチ処理への移行は人工知能の将来の方向性について重要な疑問を提起します。既存のモデルへのアクセスが容易になる一方で、リソースと注意力が分散されるリスクがあり、リアルタイムAI機能の向上には適さない可能性があります。

https://venturebeat.com/ai/anthropic-challenges-openai-with-affordable-batch-processing/​ ​